MétaCan
Menu
Retour à la cohorte
Enregistrement W3217692928 · doi:10.1109/tsp.2021.3129599

Analysis of Propagation Delay Effects on Bearings-Only Fusion of Heterogeneous Sensors

2021· article· en· W3217692928 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueTarget Tracking and Data Fusion in Sensor Networks
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEstimatorCramér–Rao boundPropagation delayControl theory (sociology)Propagation of uncertaintySIGNAL (programming language)Taylor seriesMean squared errorUpper and lower boundsDegradation (telecommunications)Bearing (navigation)Signal processingComputer scienceMathematicsAlgorithmStatisticsTelecommunicationsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

In bearings-only tracking applications, the standard bearing model ignores the propagation delay of signal, except in cases where the target speed is comparable to the signal speed. This paper provides a theoretical analysis of the performance degradation suffered by a maximum likelihood estimator (MLE) that neglects the signal propagation delay in the bearings-only fusion of heterogeneous sensors: one with negligible propagation delay and the other with non-negligible delay. By using a higher order Taylor-series based analysis, we derive approximate expressions for the bias and mean square error (MSE) of the MLE. The analysis shows that neglecting the propagation delay of a sensor (with non-negligible delay) in such bearings-only fusion problems leads to severe degradation in performance even when the signal speed is orders of magnitude higher than that of target. Simulation results confirm the validity of the theoretical predictions. Finally, a bias-compensated MLE is proposed that not only takes into account the propagation delay, but also compensates for the estimation bias. This bias-compensated MLE is nearly unbiased and exhibits an RMS error performance close to the Cramer Rao lower bound.

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 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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil0,676

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,014
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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