STAP à rang réduit, récursif en distance et utilisant un développement de Taylor
Notice bibliographique
Résumé
Dans cet article, on teste et on compare, sur des signaux fournis par la Direction Générale de l'Armement Maîtrise de l'Information (DGA/MI), des algorithmes de traitement adaptatif spatio-temporel (STAP) récemment développés par les auteurs pour éliminer l'effet du fouillis lorsque l'on veut détecter une cible lentement mobile au sol par un radar aéroporté. Ces algorithmes sont i) à rang réduit afin de permettre une convergence, en nombre de données secondaires nécessaires à l'estimation de la matrice de covariance, réduite par rapport à la méthode standard du SMI ; ii) fondés sur un développement en séries de Taylor du premier ordre du sous-espace fouillis pour tenir compte d'une éventuelle non stationnarité de ces données secondaires ; iii) récursifs en distance pour limiter la complexité calculatoire. Il apparait que ces algorithmes ont de très bonnes performances et une complexité calculatoire linéaire par rapport au nombre de paramètres. ABSTRACT. In this paper, we test and compare, in the case of the signals given by the Direction Générale de l'Armement Maîtrise de l'Information (DGA/MI), some algorithms recently proposed by the authors to compensate clutter in order to detect, from an airborne radar, targets slowly moving on the ground. The proposed algorithms make use of i) rank reduction in order to reduce the number of secondary snapshots necessary to estimate the data covariance matrix compared to the classic SMI method ; ii) a Taylor series expansion of the clutter subspace in order to compensate for a possible range non stationarity of the data ; iii) a range recursivity in order to reduce the computational complexity. It appears that the proposed algorithms yield a good performance with a computational complexity which is linear with respect to the number of parameters.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».