On the statistics of SuperDARN autocorrelation function estimates
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.
Notice bibliographique
Résumé
Abstract Time domain signal processing techniques are employed by the Super Dual Auroral Radar Network (SuperDARN) to obtain bulk measurements of the velocity and spectral width of F region ionospheric plasma irregularities. The measurements are obtained by fitting estimates of the mean autocorrelation function (ACF) of the radar target. To accurately and consistently extract target parameters from the mean unnormalized ACF, it is necessary to utilize error‐weighted fitting algorithms with a weight given by the variance of the ACF. Currently implemented weights are ad hoc, and a detailed description of the statistical characterization of SuperDARN ACFs is needed. Following the discussions in Farley (1969) and Woodman and Hagfors (1969), which describe the variance for the mean normalized ACF used with incoherent scatter radars, we present analytic expressions for obtaining the variance of the real and imaginary components of the mean unnormalized SuperDARN ACF. These expressions are based on models by André et al. (1999) and Moorcroft (2004) of the voltage signal received by SuperDARN radars but may be used for other soft target radar systems. An algorithm for obtaining the variance of both the magnitude and phase of the mean ACF is also presented. The results of this study may be directly integrated into existing SuperDARN data analysis software and other pulse‐Doppler radar systems that utilize estimates of the mean unnormalized ACF.
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 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) | 0,001 | 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 découle