MétaCan
Menu
Retour à la cohorte
Enregistrement W2811107749 · doi:10.3390/s18072076

Multifunction RF Systems for Naval Platforms

2018· review· en· W2811107749 sur OpenAlexaff
Peter W. Moo, David J. DiFilippo

Notice bibliographique

RevueSensors · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésKey (lock)RadarSystems engineeringElectronic warfareElectronicsRadio frequencyAntenna (radio)EngineeringSystems designComputer scienceTelecommunicationsElectrical engineeringEmbedded systemOperating system

Résumé

récupéré en direct d'OpenAlex

The evolving role of modern navies has required increasingly higher levels of capability in the Radio Frequency (RF) shipboard systems that provide radar, communications, Electronic Attack (EA) and Electronic Support (ES) functions. The result has been a proliferation of topside antennas and associated hardware on naval vessels. The notion of MultiFunction RF (MFRF) systems has drawn considerable interest as an approach to reversing this trend. In a MFRF system, RF functions are consolidated within a shared set of electronics and antenna apertures that utilize Active Electronically Scanned Array (AESA) technology. This paper highlights a number of issues to be considered in the design and implementation of a naval MFRF system. Specifically, the key requirements of the RF functions of interest are first reviewed, and MFRF system design trade-offs resulting from costs and/or performance limitations in existing hardware technology are then discussed. It is found that limitations in hardware technology constrain the implementation of practical MFRF systems. MFRF system prototype development programs that have been conducted in other countries are described. MFRF resource allocation management is identified as an important future research topic.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,112
Tête enseignante GPT0,325
Écart entre enseignants0,213 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetSatellite Communication SystemsTravaux en français237 207