MétaCan
Menu
Retour à la cohorte
Enregistrement W4214695810 · doi:10.3390/rs14051055

A Motion Compensation Method for Shipborne HFSWR by Using Dual Reference RF Signals Generated Onshore

2022· article· en· W4214695810 sur OpenAlexaff
Maorong Chen, Jiong Niu, Ming Li, Ling Zhang, Yonggang Ji, Wenxiang Wan, Q. M. Jonathan Wu

Notice bibliographique

RevueRemote Sensing · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMotion compensationCompensation (psychology)AcousticsRadarComputer sciencePhysicsTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The echo of shipborne high-frequency surface wave radar (HFSWR) is modulated by six-degrees-of-freedom (6-DOF) motion, affecting the detection of the target and the remote sensing of ocean surface dynamics parameters. Commonly, motion compensation methods of shipborne HFSWR describe each aspect of the 6-DOF motion as the superposition of sinusoidal motion, which results in the effect of motion compensation affected by the precision of 6-DOF motion parameters. A motion compensation method based on dual reference radio frequency (RF) signals is proposed in this paper, without depending on a sinusoidal motion model to describe the 6-DOF motion. By using the motion compensation parameters, which are relevant to the motion attitude and calculated from the information of dual reference RF signals located onshore, the method realizes the compensation of shipborne HFSWR echo modulated by platform 6-DOF motion. This paper proposes the extraction of reference RF signals from radar echo and analyzes the influence of the location of the reference RF signals’ emission source on the motion compensation method. The result shows that a good motion compensation effect is achieved in eliminating the influence of 6-DOF motion modulation. In addition, a traversal of different reference RF signals’ emission source locations is conducted, and the simulation results show that the method proposed in this paper has universality.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,742
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,058
Tête enseignante GPT0,281
Écart entre enseignants0,223 · 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
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOcean Waves and Remote SensingTravaux en français237 207