Suppression of Continuous Wave Interference in Loran-C Signal Based on Sparse Optimization Using Tunable Q-Factor Wavelet Transform and Discrete Cosine Transform
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
Loran-C is the most essential backup and supplementary system for the global navigation satellite system (GNSS). Continuous wave interference (CWI) is one of the main interferences in the Loran-C system, which will cause errors in the measurement of the time of arrival, thereby affecting positioning performance. The traditional adaptive notch filter method needs to know the frequency of CWI when removing it, and the number is limited. This paper presents a method based on sparseness to suppress the CWI in the Loran-C signal. According to the different morphological characteristics of the Loran-C signal and the CWI, we construct dictionaries suitable for the two components, respectively. We use the tunable Q-factor wavelet transform and the discrete cosine transform to make the two components obtain a good sparse representation in their respective dictionaries. Then, the two components are separated using the morphological component analysis theory. We illustrate this method using both synthetic data and actual data. A huge advantage of the proposed method is that there is no need to know the frequencies of the CWI for it can better cope with frequency changes of the CWI in the actual environments. Compared with the adaptive notch filter method, the results of the proposed method show that our approach is more effective and convenient.
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