MétaCan
Menu
Retour à la cohorte
Enregistrement W3211761739 · doi:10.23919/jsee.2021.000099

Review on strategies of space-based optical space situational awareness

2021· article· en· W3211761739 sur OpenAlexaboutno aff
Yunpeng Hu, Kebo Li, Liang Yan'gang, Lei Chen

Notice bibliographique

RevueJournal of Systems Engineering and Electronics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSpace Satellite Systems and Control
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSituation awarenessSpace (punctuation)VisibilityComputer scienceObject (grammar)SatelliteTracking (education)Satellite trackingDevelopment (topology)Earth observationOperations researchRemote sensingArtificial intelligenceGeographyAerospace engineeringMathematicsEngineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

Space-based optical (SBO) space surveillance has attracted widespread interest in the last two decades due to its considerable value in space situation awareness (SSA). SBO observation strategy, which is related to the performance of space surveillance, is the top-level design in SSA missions reviewed. The recognized real programs about SBO SAA proposed by the institutions in the U.S., Canada, Europe, etc., are summarized firstly, from which an insight of the development trend of SBO SAA can be obtained. According to the aim of the SBO SSA, the missions can be divided into general surveillance and space object tracking. Thus, there are two major categories for SBO SSA strategies. Existing general surveillance strategies for observing low earth orbit (LEO) objects and beyond-LEO objects are summarized and compared in terms of coverage rate, revisit time, visibility period, and image processing. Then, the SBO space object tracking strategies, which has experienced from tracking an object with a single satellite to tracking an object with multiple satellites cooperatively, are also summarized. Finally, this paper looks into the development trend in the future and points out several problems that challenges the SBO SSA.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,007
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Systems Engineering and ElectronicsMême sujetSpace Satellite Systems and ControlTravaux en français237 207