A multi-beam Scan Mode Synthetic Aperture Radar processor suitable for satellite operation
Notice bibliographique
Résumé
As FPGA device sizes increase, they offer greater opportunities for on-site data processing, which is potentially useful for reducing the transmission requirements for applications with large data sets. For satellite applications, unlike ASICs, designers also benefit from an FPGA's ability to be reprogrammed to update functionality over the lifetime of a satellite (15+ years) and a mission (often 5+ years), while having significantly lower power costs than GPGPUs or high performance processors. This paper presents the first custom, fully pipelined, adaptable framework for multi-beam Scan Mode Synthetic Aperture Radar (SAR), the only 24/7 remote sensing imaging system that is capable of producing high-resolution global images in any weather conditions. As high resolution SAR or even low-resolution global-coverage generates on the order of hundreds of Megabytes of raw data per second, onboard SAR processing would reduce this transmitted data by orders of magnitude. Our Scan-mode SAR processor is scalable to different bit-widths and frame-sizes. We are able to process 81×730 frames of 8-bit I-Q channels from each scan (1.4 MB) in less than 1.5 ms, approximately 102 times faster than a corresponding estimated C solution leveraging the Intel Integrated Performance Primitives, and 150 times faster than the corresponding fully vectorized software solution run in MATLAB (6-core, 3.5 Ghz CPU).
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 ».