A Pseudo-Spectrum Approach for Weak Target Detection and Tracking
Notice bibliographique
Résumé
Conventional velocity-filtering-based track-before-detect (VF-TBD) methods integrate the energy of a cell in a frame with that of the cell closest to the predicted target position in the last frame of the processing batch, assuming a certain target velocity. However, the target may not exactly be on the quantized cell and its echo envelope may occupy multiple adjacent cells. This often leads to significant energy loss and echo envelope degradation. In this paper, a novel VF-TBD method based on pseudo-spectrum (PS-VF-TBD) is presented to address this problem. For every cell, a pseudo-spectrum is constructed around the predicted position according to the assumed velocity using a truncated point spread function. Samples of the pseudo-spectrum on the cells that are located in the truncated spread area are added onto the last frame of the processing batch to integrate the target energy within multiple cells. Due to the use of the point spread model and the accurate sampling of the predicted spectrum, energy loss can be mitigated and the echo envelope is well maintained. This approach simultaneously maximizes the signal-to-noise ratio (SNR) gain and enables improved parameter estimation utilizing the envelope characteristics. The procedure for pseudo-spectrum construction and multiframe accumulation is derived in detail and the output SNR is analyzed theoretically. It is found that the proposed PS-VF-TBD can achieve an SNR gain greater than that by the conventional VF-TBD method. To deal with a target with unknown velocity, a bank of pseudo-spectrum-based velocity filters is proposed. The signal gain loss resulting from velocity mismatch is investigated and the μ-width of the envelope in the velocity domain is analyzed. Finally, a method for improved position and velocity estimation is presented. Simulation results demonstrate the superiority of the proposed method in terms of SNR gain, detection probability, and estimation accuracy at the expense of increased computational complexity.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».