MétaCan
Menu
Retour à la cohorte
Enregistrement W2138206820 · doi:10.1109/lgrs.2008.922733

Phase-Based Clutter Identification in Spectra of Weather Radar Signals

2008· article· en· W2138206820 sur OpenAlexfundno aff
Svetlana Bachmann

Notice bibliographique

RevueIEEE Geoscience and Remote Sensing Letters · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesNunavut Wildlife Research Trust
Mots-clésClutterRadarDoppler effectComputer scienceRemote sensingDoppler radarWeather radarConstant false alarm rateAntenna (radio)AlgorithmPhysicsTelecommunicationsGeology

Résumé

récupéré en direct d'OpenAlex

A novel method for suppression of ground clutter (GC) in weather radar is presented. The novel identification scheme is entirely phase based, unlike power-based schemes that are generally used. GC contributions to the Doppler spectrum are identified from the differential phase between complex spectral coefficients of two spectra estimated for odd- and even-indexed half-sequences of the original time series. Phase values near zero are used as indicators of clutter contributions for Doppler bins close to zero velocity. Indicated Doppler bins are notched from the original spectrum, and the moments are then obtained. The identification scheme is motivated by spectra of an electronically steered phased array of the National Weather Radar Testbed (NWRT) and requires a sufficient number of pulses/samples for spectral analyses. However, the method can be used with a mechanically steered antenna with an appropriate adjustment compensating smearing due to antenna rotation. The method was tested on several NWRT data sets obtained in clear air and in precipitation. One example of clutter-filtered power in precipitation is shown here. There is no baseline for comparison, as the NWRT does not have clutter filtering at the present time. Nonetheless, for a comparison of power- and phase-based identification schemes, a power-based clutter filter similar to the one used by the National Weather Service on the network of mechanically steerable Weather Surveillance Doppler radars WSR-88Ds is implemented on NWRT and used as a preliminary baseline for comparison.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Geoscience and Remote Sensing LettersMême sujetSoil Moisture and Remote SensingTravaux en français237 207