Ground moving target detection for along-track interferometric SAR data
Notice bibliographique
Résumé
This paper investigates different metrics for ground moving target indication (GMTI) with a multichannel synthetic aperture radar (SAR). These metrics are especially sensitive to targets that have an across-track component of velocity, v/sub y/, although they can also detect targets with an along track velocity component, v/sub x/. Not only are the metrics suitable for fully SAR compressed data, they are also meaningful when computed for range (pulse) compressed but Doppler uncompressed data (raw data). The use of both data domains allows for target detection over a larger v/sub y/ range than either used individually. For large v/sub y/, side-lobe suppression in fully SAR compressed data simultaneously suppresses the targets, giving an advantage to the raw data domain. For low v/sub y/, and especially with low RCS targets, the SAR compression gain facilitates detection, giving an advantage to the SAR compressed domain. By viewing the SAR compression as the application of a linear filter, the metrics are shown to be suitable for target detection after any linear filtering of the raw data, such as a linear time-frequency filter, or a simple transformation into the Doppler domain using an FFT filter. The metrics have in common that they are all based on the eigenvector decomposition of the sample covariance matrix. Their statistical properties are analytically compared and their detection capabilities are demonstrated on measured two-channel airborne SAR data in a variety of data domains. Some metrics are shown to allow target detection with low false alarm rates even in heterogeneous terrain, such as in urban areas, without compromising the probability of detection.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».