MétaCan
Menu
Retour à la cohorte
Enregistrement W2161765225 · doi:10.1109/joe.2011.2165369

Impact of Measurement Model Mismatch on Nonlinear Track-Before-Detect Performance for Maritime RADAR Surveillance

2011· article· en· W2161765225 sur OpenAlexaff
Michael McDonald, Bhashyam Balaji

Notice bibliographique

RevueIEEE Journal of Oceanic Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésClutterRadarComputer scienceConstant false alarm rateSecondary surveillance radarTrack-before-detectRadar trackerStationary target indicationArtificial intelligenceAlgorithmContinuous-wave radarRadar imagingTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, the application of track-before-detect (TkBD) processing against airborne radar surveillance data is examined. The sensitivity of TkBD processing to the choice of clutter model was examined through processing of real and simulated data containing noncoherent radar echo amplitude returns of a small maritime target in sea clutter. The utilization ofK- andKA-distributed clutter models in place of the simpler Rayleigh distribution was examined through analysis of simulated and real data. Significant shortcomings were identified. An alternate empirical approach, clutter event based characterization, is proposed for characterizing and simulating sea clutter based on the identification and grouping of so-called “clutter events”.

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)0,004
score de la tête « metaresearch » (Gemma)0,031
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,223
Écart entre enseignants0,195 · 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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Oceanic EngineeringMême sujetRadar Systems and Signal ProcessingTravaux en français237 207