An Applied Frequency Scaling Algorithm Based on Local Stretch Factor for Near-Field Miniature Millimeter-Wave Radar Imaging
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.
Notice bibliographique
Résumé
The frequency scaling algorithm (FSA) is a popular imaging algorithm for dechirped SAR data. To obtain a large azimuth detection area, the miniature millimeter-wave (mmW) linear-frequency-modulated continuous-wave (LFMCW) surveillance radar requires a wider azimuth beamwidth, which leads to additional range frequency aliasing in FSA. Because of the adoption of the dechirp-on-receive technique, the sampling frequency is much smaller than the range bandwidth during near-field imaging, which further aggravates the aliasing effects. The target cannot be well focused, and it makes the weak targets submerged in the background. To acquire high-quality SAR images, an improved FSA using the local stretch operation is proposed. The aliasing bandwidth properties introduced by the FS operation and the desired objective range cell migration (RCM) factor are used in this proposed local-stretch FSA (LSFSA). The initial RCM factor is adjusted by the stretch operation to eliminate the frequency aliasing to a certain level without increasing the computing load. The LSFSA is suitable for solving the problem of range frequency aliasing in near-field side-looking SAR and high squint SAR with wide azimuth beamwidth. The proposed method is validated using reasonable simulations and convincing experiments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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