Improving Ship Detection in Clutter-Edge and Multi-Target Scenarios for High-Frequency 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
As one of the main sensors for continuous maritime measurements of sea state parameters, high-frequency surface wave radar (HFSWR) also plays an important role in ship detection and tracking. Compact HFSWR often suffers from missing targets, especially when the target appears near the Doppler region with heavy sea clutter or near another target in a multi-target scenario. To address this problem, an automatic ship detection method based on time–frequency (TF) analysis is presented in this paper. The TF target ridge areas are extracted in the TF image via the eigenvalues of the Hessian matrix, image edge detection, and local maximum search. Then, whether ship signals exist in the TF ridges or not is decided by a decision threshold that is calculated by fitting the probability distribution function (PDF) of sea clutter in the TF domain. The proposed TF method can separate TF ridges of similar Doppler frequency and performs constant false alarm rate (CFAR) detection for TF targets, which facilitates detecting these targets that are masked by sea clutter and other large targets. Experimental results show that the number of detected ships that match with the automatic identification system (AIS) records is four times more than that obtained by the conventional constant false alarm rate (CFAR) detectors and 1.3 times more than that by the state-of-the-art TF method in consideration of approximately the same number of detected targets.
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