MétaCan
Menu
Retour à la cohorte
Enregistrement W2803384758 · doi:10.1049/iet-rsn.2018.0099

First‐order ocean surface cross‐section for shipborne HFSWR incorporating a horizontal oscillation motion model

2018· article· en· W2803384758 sur OpenAlexafffund
Guowei Yao, Junhao Xie, Weimin Huang

Notice bibliographique

RevueIET Radar Sonar & Navigation · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésOscillation (cell signaling)Section (typography)GeologySurface (topology)Surface waveMotion (physics)GeodesyGeophysicsPhysicsGeometryClassical mechanicsOpticsComputer science

Résumé

récupéré en direct d'OpenAlex

To investigate the characteristic of ocean surface backscatter echo, the first‐order ocean surface cross‐section for shipborne high‐frequency surface wave radar (HFSWR) incorporating a horizontal oscillation motion model is mathematically derived. The horizontal oscillation motion includes yaw, sway and surge. Simulation results show that the horizontal oscillation motion can induce more additional peaks in Doppler spectrum due to combined oscillation motions, and the amplitudes as well as frequency locations of these motion‐induced peaks are determined by the amplitude and frequency of the oscillation motion. Furthermore, the Bragg and motion‐induced peaks are spread due to the forward movement of the ship. These spreading peaks overlap each other as the ship speed increases, which may severely influence moving target detection and ocean remote sensing. However, different characteristics of the first‐order cross‐sections for the true and ambiguous wind directions provide a new idea to measure ocean surface wind direction by shipborne HFSWR with a single receiving antenna.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIET Radar Sonar & NavigationMême sujetOcean Waves and Remote SensingTravaux en français237 207