MétaCan
Menu
Retour à la cohorte
Enregistrement W4280515971 · doi:10.3390/jmse10050649

First-Order Ocean Surface Cross Section for Shipborne Bistatic HFSWR: Derivation and Simulation

2022· article· en· W4280515971 sur OpenAlexaff
Yonggang Ji, Liang Xu, Weifeng Sun, Weimin Huang, Yiming Wang, Xinling Wang, Zhihao Li

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBistatic radarRadar cross-sectionDoppler effectRadarSurface waveGeologyPhysicsAcousticsComputer scienceTelecommunicationsOpticsRadar imaging

Résumé

récupéré en direct d'OpenAlex

A bistatic high-frequency surface wave radar (HFSWR) with both receiving and transmitting stations placed on different ships (platforms) is a new radar system and referred to as shipborne bistatic HFSWR. In this paper, a first-order ocean surface cross section of shipborne bistatic HFSWR was derived. The first-order cross-section models for three different cases, i.e., ships moving with uniform, periodic, and hybrid motion states, respectively, are presented. The corresponding first-order Doppler spectra were simulated, and the spread width of the first-order spectrum was investigated. The simulation results show that the characteristics of the first-order spectrum are similar to those of a shore-based bistatic HFSWR when the transmitting and receiving platforms move in opposite directions. The first-order spectral spread width in the case of platforms with opposite directions is much smaller than that in the case of platforms with the same direction. This finding is useful for reducing HFSWR first-order spectrum spread due to platform motion, thus improving the target detection performance of the shipborne bistatic HFSWR. In addition, periodic oscillation motion of both platforms will cause complex motion-induced peaks in the first-order spectrum, which may be detrimental to target detection and ocean remote sensing. These results have important implications for the application of shipborne bistatic HFSWR.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,317

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 technologies0,0000,000
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 Opus0,010
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetOcean Waves and Remote SensingTravaux en français237 207