Design and Implementation of an Enhanced Matched Filter for Sidelobe Reduction of Pulsed Linear Frequency Modulation Radar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pulse compression techniques are commonly used in linear frequency modulated (LFM) waveforms to improve the signal-to-noise ratios (SNRs) and range resolutions of pulsed radars, whose detection capabilities are affected by the sidelobes. In this study, a sidelobe reduction filter (SRF) was designed and implemented using software defined radio (SDR). An enhanced matched filter (EMF) that combines a matched filter (MF) and an SRF is proposed and was implemented. In contrast to the current commonly used approaches, the mathematical model of the SRF frequency response is extracted without depending on any iteration methods or adaptive techniques, which results in increased efficiency and computational speed for the developed model. The performance of the proposed EMF was verified through the measurement of four metrics, including the peak sidelobe ratio (PSLR), the impulse response width (IRW), the mainlobe loss ratio (MLR), and the receiver operational characteristics (ROCs) at different SNRs. The ambiguity function was then used to characterize the Doppler effect on the designed EMF. In addition, the detection of single and multiple targets using the proposed EMF was performed, and the results showed that it overcame the masking problem due to its effective reduction of the sidelobes. Hence, the practical application of the EMF matches the performance analysis. Moreover, when implementing the EMF proposed in this paper, it outperformed the common MF, especially when detecting targets moving at low speeds and having small radar cross-sections (RCS), even under severe masking conditions.
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.
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) | 0,000 | 0,000 |
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.
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 découle