MétaCan
Menu
Retour à la cohorte
Enregistrement W3212518151 · doi:10.1109/jsen.2021.3127136

Design of a High-Power Gaussian Pulse Transmitter for Sensing and Imaging of Buried Objects

2021· article· en· W3212518151 sur OpenAlexafffund
Rouhollah Feghhi, Fatemeh Modares Sabzevari, Adil Karimov, Masum Hossain, Karumudi Rambabu

Notice bibliographique

RevueIEEE Sensors Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransmitterVivaldi antennaBalunAntenna (radio)Computer scienceMonopulse radarElectronic engineeringRingingElectrical engineeringPhysicsEngineeringRadarTelecommunicationsRadiation patternRadar imagingPulse-Doppler radar

Résumé

récupéré en direct d'OpenAlex

This paper aims to investigate a high-power and low-cost monopulse transmitter circuit for underground and underwater sensing and imaging. The transmitter utilizes two Marx transistor-based pulse generators, a balun, and a Vivaldi antenna. A simple output network, including an inductor and Schottky diode, is employed to compensate for the ringing level and distortion and improve the pulse width. The ringing level of the developed circuit is around 6 percent. The output is a Gaussian pulse with pulse width and amplitude of 481 ps and 50 V, respectively. In order to have a high amplitude monopulse, an exact replica of this network in parallel is exploited. The outputs of the parallel circuits are subtracted through the balun to have adc-free monopulse with amplitude and pulse width of 26 V and 483 ps, respectively. The monopulse is radiated by a Vivaldi antenna toward a buried object. The image of the target is generated using the time-domain global back projection (TD-GBP) method. Three imaging experiments are conducted to verify the functionality of the designed sensor system. The reconstructed images and the reference images are shown high structural similarity indexes of 98.6%, 95.4%, and 97.6%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,247
Écart entre enseignants0,233 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetGeophysical Methods and ApplicationsTravaux en français237 207