Study of Translational Motion Compensation and Instantaneous Imaging of ISAR Maneuvering Target
Notice bibliographique
Résumé
Inverse Synthetic Aperture Radar (ISAR) imaging of maneuvering target has received much attention in recent years.In the paper,we first discuss translational motion compensation (TMC),which is usually decomposed into two steps:envelope alignment and autofocus,and find that the existing envelope alignment algorithms are still effective for not too big maneuvering target whose migration through resolution cells (MTRC) does not take place,but the existing autofocus algorithms are not effective for maneuvering target in practice and in theory.According to coherent summation principle,we propose an iterative coherent summation autofocus (ICSA) algorithm,with PGA being a particular case of ICSA.Then we discuss maneuvering target imaging problem,in fact,which is an instantaneous spectrum estimation problem.Most existing algorithms are only effective when scatterers′ echoes are linear frequency modulation (LFM) signals.For the situation when scatterers′ time frequency distribution is not linear,we put forward an adaptive chirplet decomposition method to estimate instantaneous frequency and instantaneous complex amplitude of multi component polynomial phase signals,and propose a fast adaptive chirplet decomposition imaging (ACDI) algorithm by utilizing “Clean” technique.Real data processing proves that the proposed ICSA algorithm and ACDI algorithm are effective.
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 ».