A Novel Smeared Synthesized LFM TC-OLA Radar System: Design and Performance Evaluation
Notice bibliographique
Résumé
This paper introduces a novel smeared synthesized LFM (SSLFM) time compression overlap-add (TC-OLA) radar system. The new system allows us to control the signal to noise ratio level, and, therefore, obtain a higher processing gain compared to the traditional LFM-PC radar systems. In addition, it allows us to control the signal spectrum spreading, making it more immune to noise jamming. The new SSLFM signal is obtained by either multiplying the LFM waveform with a complex unit signal with the random phase or by encoding the time compression signal with the random phase at the transmitter. A denoising processor, placed either before or after the OLA processor, is used to remove the random phase from the SSLFM and forward the resulted LFM signal to the rest of the conventional LFM-PC radar receiver system. The new SSLFM TC-OLA radar system enjoys a better low probability of intercept feature while maintaining the LFM time sidelobe and Doppler tolerance properties. Moreover, the additional modules in the new radar system do not require changing the core LFM radar components. Using TC-OLA and denoising requires a synchronization system (SS) to properly recover the LFM signal. We, therefore, offer three SSs. The performance evaluation of the new radar system shows its superiority over the traditional LFM, the wideband LFM, and the TC-OLA-based LFM radars, especially under powerful noise jamming. The synchronization system is implemented and tested experimentally using software-defined radar.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».