Multi-Beam Echo Sounders–INS Automatic Latency Calibration
Notice bibliographique
Résumé
This paper presents an automatic, rigorous, and robust method to determine a Multi-Beam Echo Sounder (MBES) and Inertial Measurement Unit/Inertial Navigation System (IMU/INS) latency calibration. The latency may be due to the IMU/INS itself, but also to the time-tagging configuration, which is generally left to the survey systems user. One survey strip over a flat seafloor is the required configuration of line for using this approach, called Multibeam IMU/INS Latency Automatic Calibration (MILAC), standing for MBES to IMU/INS Latency Automatic Calibration. The algorithm considers only data with maximum latency effects and integrates an automatic data selection for this purpose. The latency estimation procedure is based on an iterative Least Square adjustment method followed by a statistical analysis. Our process can deal with beam acoustic refraction caused by the speed of sound in sea water. The accuracy of MILAC is about 2 ms (millisecond) and its average precision of 0.15 ms. MILAC is able to determine the latency with an average resolution of 5 ms. However, the morphology of the survey line is restricted to smooth and regular seafloor and the survey platform should have a relatively high attitude rate.
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 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) | 0,012 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».