MétaCan
Menu
Retour à la cohorte
Enregistrement W2620851048 · doi:10.1109/joe.2017.2704198

Matched-Filter Loss From Time-Varying Rough-Surface Reflection With a Small Effective Ensonified Area

2017· article· en· W2620851048 sur OpenAlex
Douglas A. Abraham, Stefan M. Murphy, Paul C. Hines, Anthony P. Lyons

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Journal of Oceanic Engineering · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensDalhousie UniversityDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésOpticsSurface roughnessSonarSurface waveReflection (computer programming)Pulse durationPulse (music)WavelengthSurface finishRayleigh scatteringAcousticsSurface (topology)Materials sciencePhysicsMathematicsGeometryComputer science

Résumé

récupéré en direct d'OpenAlex

Active sonar sensing often entails propagation paths that include a surface reflection, particularly in shallow-water scenarios. Surface reflection loss, which degrades sonar performance, depends on how rough the surface is with respect to the sensing wavelength and grazing angle. The Rayleigh roughness measure quantifies this relationship with small values representing an acoustically smooth surface and large values an acoustically rough surface. Models predicting surface reflection loss are generally derived assuming the surface shape is not varying over the time in which the pulse is reflecting from it and that the ensonified region of the surface is large in extent relative to the spatial correlation length of the surface. While these models are often appropriate for short-duration narrowband pulses, they are not necessarily applicable to long-duration broadband pulses, which are the focus of this paper. By assuming the effective ensonified area after matched filtering is smaller in extent than the spatial correlation length, a surface-reflection-loss model is derived as a function of pulse duration relative to surface wave period when the net surface displacement is Gaussian distributed. As might be expected the matched filter loss for the small-ensonified-area scenario increases with the Rayleigh roughness, the number of consecutive surface reflections, and the ratio between pulse duration and the surface wave period. With respect to the latter, the loss is predicted to saturate when the pulse duration exceeds one surface wave period. The model was compared with data measurements from the 2013 Target and Reverberation Experiment, as reported by Hines et al. (“The dependence of signal coherence on sea surface roughness for high and low duty cycle sonars in a shallow water channel,” IEEE J. Ocean. Eng., vol. 42, no. 2, pp. 298-318, Apr. 2017). The data represent both short- and long-duration pulses with respect to the surface wave period. For the short-duration pulses, the model corroborates the data analysis by Hines et al. in predicting a very small matched filter loss. It also compared very favorably with the data for the long-duration pulses in both level and slope as a function of surface roughness. The models presented in this paper should be useful in sonar-equation analysis for predicting surface reflection loss with broadband waveforms when pulse duration is on par with or exceeds the surface wave period.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,241
Écart entre enseignants0,214 · 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