MétaCan
Menu
Retour à la cohorte
Enregistrement W4205547467 · doi:10.1121/2.0001510

Multi-UUV object detection, localization and tracking with secure, full-duplex communication networks

2021· article· en· W4205547467 sur OpenAlexaff
Jay Patel, Ali M. Bassam, Mae Seto

Notice bibliographique

RevueProceedings of meetings on acoustics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésUnmanned underwater vehicleUnderwaterDuplex (building)Underwater acoustic communicationComputer scienceChannel (broadcasting)Real-time computingFadingEngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

Proposed, is a novel OFDM/CDMA communications network that runs on full-duplex software-defined underwater acoustic modems. This system is designed to detect, localize and track mobile underwater targets using multiple collaborating unmanned underwater vehicles (UUVs). This underwater network will be presented and described as a communications system. To start, the underwater channel characteristics (shallow, multi-path and high ambient) are described. The requirement is signal propagation that is secure (encoded), spread spectrum, robust to frequency selective fading, and efficient. This requirement is not easily met by existing full-duplex communications stacks. The proposed OFDM and CDMA modulation schemes better address this on embedded systems like UUVs. Therefore, the modem’s functions are integrated into the UUV with the Robot Operating System (ROS) middleware. These acoustic modems natively run UnetStack – a stack that focuses on underwater communication networks. The ROS nodes that control the UUV communicate to/with the modem using the UnetPy’s socket API. Scenarios are demonstrated where one stationary UUV/modem and two underway ones communicate in a full-duplex configuration. In the process, messages / signals on UUV/modem location, speed, heading, etc. are securely and efficiently exchanged among UUVs/modems. Finally, the proposed system is validated through UnetStack’s hardware-in-the-loop simulations (UnetSim) and multiple in-water tank trials.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207