MétaCan
Menu
Retour à la cohorte
Enregistrement W4328107729 · doi:10.5515/kjkiees.2023.34.2.130

M&S Technique for Burn Through Range Analysis Considering Terrain Environment and Earth Curvature

2023· article· en· W4328107729 sur OpenAlexaff
Jun Heo, Hyosang Moon, Sang Su Kim, Nam Woo Choi, Yong Bae Park

Notice bibliographique

RevueThe Journal of Korean Institute of Electromagnetic Engineering and Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésRadarRadar jamming and deceptionTerrainRange (aeronautics)Radar lock-onRemote sensingCurvatureRadar cross-sectionCorner reflectorPower (physics)Bistatic radarComputer scienceJammingFire-control radarContinuous-wave radarPulse-Doppler radarGeologyAcousticsAerospace engineeringEngineeringRadar imagingTelecommunicationsPhysicsGeographyOpticsMathematics

Résumé

récupéré en direct d'OpenAlex

Jammers are commonly employed in electronic warfare (EW) environments. A system that can respond according to the jamming signals emitted by jammers can be developed by predicting the affected radar detection range and burn through range. In this paper, we propose an M&S technique for calculating the received power by considering the actual terrain information and the curvature of the Earth, and analyze the burn through range with the specifications of the radar and jammer. The proposed M&S technique was applied by using the specifications of the experimented actual radar, and the burn through range was analyzed for targets with various radar cross sections. It was confirmed that the burn through range from the radar decreased as the radar cross section of the target decreased, and the effective isotropic radiated power of the jammer decreased.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,557
Score d'incertitude au seuil0,355

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Korean Institute of Electromagnetic Engineering and ScienceMême sujetFire effects on ecosystemsTravaux en français237 207