MétaCan
Menu
Retour à la cohorte
Enregistrement W3007279731 · doi:10.5515/kjkiees.2018.29.7.523

Analysis Technique for Moving Targets on Single-Channel Airborne FMCW-SAR Image

2018· article· en· W3007279731 sur OpenAlexaff
Ji-Hwan Hwang, Duk‐jin Kim

Notice bibliographique

RevueThe Journal of Korean Institute of Electromagnetic Engineering and Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced SAR Imaging Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésSynthetic aperture radarAmbiguity functionRemote sensingComputer scienceSIGNAL (programming language)Channel (broadcasting)Computer visionGeologyArtificial intelligenceRadarTelecommunications

Résumé

récupéré en direct d'OpenAlex

An analysis technique for detecting moving targets on a single-channel airborne frequency-modulated continuous-wave (FMCW) technology and synthetic aperture radar (SAR) image is presented. To analyze the relative velocities of moving targets, an FMCW-based signal model for stationary and moving targets was studied, and a SAR ambiguity function considering its signal model was simulated. The relative velocities of the moving targets on a reconstructed SAR image can be estimated by peak searching of the SAR ambiguity function, and the stationary and moving targets are easily distinguished when there is a large variation of the relative velocity. Analysis results of the moving targets on a reconstructed FMCW-SAR image, using practical airborne data and a SAR ambiguity process, are compared with the in situ testing in the study area.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,220 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Korean Institute of Electromagnetic Engineering and ScienceMême sujetAdvanced SAR Imaging TechniquesTravaux en français237 207