MétaCan
Menu
Retour à la cohorte
Enregistrement W3183407573 · doi:10.5515/kjkiees.2021.32.6.575

Skewed SAR Image Correction Technique Based on the Back-Projection Algorithm

2021· article· en· W3183407573 sur OpenAlexaff
Ji-Hwan Hwang, Duk‐jin Kim

Notice bibliographique

RevueThe Journal of Korean Institute of Electromagnetic Engineering and Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced SAR Imaging Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesDefense Acquisition Program Administration
Mots-clésSynthetic aperture radarDistortion (music)Computer visionComputer scienceMotion compensationArtificial intelligenceBack projectionProjection (relational algebra)AlgorithmInverse synthetic aperture radarRadar imagingCompensation (psychology)RadarTelecommunications

Résumé

récupéré en direct d'OpenAlex

A skewed synthetic aperture radar (SAR) image correction technique based on a back-projection algorithm is presented in this paper. The back-projection algorithm can generally reconstruct a SAR image, including a non-linear flight path, without an additional motion error compensation process. However, typically, the signal distortion owing to the non-linear path remains after reconstructing the SAR image. The skewness of the SAR image can be relieved by a rotated coordinate using an optimum path and a squint-angle compensation. The distortion compensation of the SAR image based on the back-projection algorithm and the proposed deskewing technique were analyzed and verified using simulation and the raw data of the airborne frequency modulated continuous wave (FMCW)-SAR system.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,213
Écart entre enseignants0,207 · 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
GenreMéthodes

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
Publié2021
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