MétaCan
Menu
Retour à la cohorte
Enregistrement W2139011355 · doi:10.1109/ccece.2003.1226311

Queueing analysis of the deinterleaving of radar pulses in a dense emitter environment

2004· article· en· W2139011355 sur OpenAlexaff
Hossam Hassan, François Chan, Y.T. Chan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésRadarMonopulse radarComputer sciencePulse (music)Electronic engineeringAlgorithmPulse-Doppler radarRemote sensingTelecommunicationsEngineeringRadar imagingGeology

Résumé

récupéré en direct d'OpenAlex

An ESM system consists of a passive radar receiver that receives pulses from the surrounding radars and measures their monopulse parameters, and a deinterleaver that sorts the digital words representing the parameters of theses pulses and groups them in individual radar cells. The parameters of the deinterleaved radar cells are then compared owith those of known radars to identify the intercepted radars. The high pulse rate and the low processing speed of both the ESM receiver and the deinterleaver may lead to a large number of missing pulses from the radar cells which consequently results in errors in the deinterleaving process. In this paper, we derive an expression for the factor of successful processing of the ESM system F/sub s/ as a function of the pulse rate and the parameters of the ESM system. For the given ESM parameters, and the minimum acceptable value of F/sub s/ we can determine the highest pulse rate that allows the ESM system to work properly. Inversely, if the pulse rate is known or measured, the performance of the ESM system can be predicted for the given parameters of the ESM system. All derived expressions are supported by extensive computer simulations.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,176
Écart entre enseignants0,171 · 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

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadar Systems and Signal ProcessingTravaux en français237 207