MétaCan
Menu
Retour à la cohorte
Enregistrement W4226411477 · doi:10.1109/access.2022.3159623

Tracking of Radar Targets With In-Band Wireless Communication Interference in RadComm Spectrum Sharing

2022· article· en· W4226411477 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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueIEEE Access · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueTarget Tracking and Data Fusion in Sensor Networks
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Technology Karnataka, SurathkalMinistry of Electronics and Information technologyUniversity Grants CommissionMcMaster University
Mots-clésComputer scienceRadar trackerRadarKalman filterBistatic radarLow probability of intercept radarTracking (education)Extended Kalman filterRadar engineering detailsFire-control radarSecondary surveillance radarWirelessRemote sensingRadar imagingArtificial intelligenceTelecommunicationsGeography

Résumé

récupéré en direct d'OpenAlex

Radar and communication system (RadComm) spectrum sharing has received considerable attention from the research community in recent years. This paper considers the distributed radars present in the surveillance region with multiple in-band wireless communication transmitters (IWCTs). A new measurement model is proposed by considering both radar returns and returns due to IWCTs. The tracking performance is evaluated using the global nearest neighbor (GNN) tracker with an extended Kalman filter (EKF) for the received measurement set. A single radar case is considered, where near geometry scenario (IWCTs are placed near the radar and target) and far-geometry scenario (IWCTs are placed far from the radar and target) are considered to evaluate the tracking performance. It is observed that a large number of tracks are resulted due to IWCTs, and identifying the actual target track is ambiguous in a single radar case. Therefore, in the second case, multiple radars are placed to investigate the problem comprehensively. The track-to-track association (T2TA) is performed to identify the true target track on multiple tracks produced owing to the presence of IWCTs and the resulting tracks from all radars pertaining to the true targets. Once the true target tracks from each radar are identified, using the T2TA, the track-to-track fusion (T2TF) is carried out to improve the estimates of the true target. The simulation results are quantified with position root mean square error (PRMSE). The posterior Cramer–Rao lower bounds (PCRLBs) quantifying the achievable estimation accuracies are also presented. The simulation results reveal that the association and fusion of tracks from multiple radars identify the true target track with good accuracy and overcome the inability to determine the true track, as in the case of a single radar. Further, the results disclose that, as the number of radars increases, the T2TA and fusion improved the PRMSE.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil0,607

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 ouverte0,0030,001
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,275
Écart entre enseignants0,244 · 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