MétaCan
Menu
Retour à la cohorte
Enregistrement W4214488878 · doi:10.1109/access.2022.3153358

Visibility Domain Direction-of-Arrival Optimization for Arbitrary 2-D Arrays

2022· article· en· W4214488878 sur OpenAlexafffund
Nicholas Bruce, Jeff Stacey, Peter F. Driessen

Notice bibliographique

RevueIEEE Access · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensUniversity of Victoria
Organismes subventionnairesAir Force Office of Scientific ResearchAir Force Research LaboratoryOffice of Naval ResearchNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésVisibilityAzimuthComputer scienceSubspace topologyAntenna (radio)Elevation angleAngle of arrivalDirection of arrivalMultiple signal classificationAlgorithmDirection findingElevation (ballistics)Antenna arraySIGNAL (programming language)Artificial intelligenceOpticsMathematicsTelecommunicationsPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

A visibility-modelling based method is introduced to determine the elevation and azimuth angles for a signal received at a quasi-randomly arranged (2-D) array. The method is optimal for the number of antennas when the array is configured such that no antenna baselines are repeated. Simulation shows that our method has comparable accuracy to subspace-based acrlong doa algorithms like acrfull music and measured data shows that it is both more accurate and faster than visibility based methods like acrlong ra all-sky imaging.

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 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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,026
Tête enseignante GPT0,314
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207