MétaCan
Menu
Retour à la cohorte
Enregistrement W2904387456 · doi:10.1109/oceanskobe.2018.8558805

High Frequency Radar Cross Sections of the Ocean Surface Incorporating Pitch and Roll Motions of a Floating Platform

2018· article· en· W2904387456 sur OpenAlexaff
Yue Ma, Eric W. Gill, Weimin Huang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRadarDoppler effectRadar cross-sectionFrequency modulationAcousticsContinuous-wave radarDoppler radarGeologyPulse-Doppler radarRadar imagingSIGNAL (programming language)AmplitudePhysicsComputer scienceOpticsRadio frequencyTelecommunications

Résumé

récupéré en direct d'OpenAlex

The first- and second-order high frequency radar cross sections of the ocean surface incorporating pitch and roll motion of a floating platform are derived. Based on these newly derived radar cross sections, simulations are conducted to show the effect of the pitch and roll motion on the radar Doppler spectra. Compared to the conclusions made from the existing work, the radar cross section models proposed in this paper are reasonably validated. Results show that pitch and roll motion bring a frequency modulation to the radar signal. These cause motion-induced peaks to appear symmetrically in the Doppler frequency. The effect of pitch and roll motion on the radar Doppler spectra is seen to be similar to that caused by horizontal motion of the platform. Increasing the amplitudes of the pitch and roll motion is seen to produce a greater modulation effect on the Doppler spectra.

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,998

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 recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Waves and Remote SensingTravaux en français237 207