On the Moments of Probability Distribution Function of Amplitude Scintillation in the Polar Region
Notice bibliographique
Résumé
Abstract The distortions seen in the Global Navigation Satellite Systems radio signal caused by ionospheric irregularities in the polar region are examined through the lens of probability distributions of fluctuations in the recorded scintillation signals. The first four moments of the probability distribution function (PDF) of the amplitude scintillation are computed and analyzed for 106 events collected at Pond Inlet station [Magnetic Coordinates = (80.0°N, 2.6°E)]. As a starting point, the background variation level is investigated using similar computations carried out with about 400 30‐s window segments. The resulting distribution for the skewness (third moment) and the kurtosis (fourth moment) strongly indicate that the background fluctuations are nearly Gaussian; given the computed variances, the Rayleigh distribution hypothesis is ruled out. In the case where scintillation is present, we found that the skewness distribution nearly overlaps with the background while the excess kurtosis strongly indicates a departure from normality. More precisely, the PDF appear mostly symmetric and leptokurtic (positive kurtosis K ) and exhibit, in some cases, significant flatness ( K ∼ 1). These results reveal that the analyzed scintillations are statistically consistent with stationarity and therefore vanishing skewness. Moreover, the empirical moments are compared with those derived from probability densities referred in the literature regarding scintillations. We have found that none of the log‐normal, Nakagami, Rician and α – μ distributions account for the analyzed data. The generalized Gaussian distribution with a shape parameter 1 < β < 2 seems the most probable and the most adequate to account for the results.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».