Improved radar range and velocity resolution using the fast orthogonal search
Notice bibliographique
Résumé
Abstract The authors show improved radar range and velocity resolution is achieved using fast orthogonal search in place of the standard fast Fourier transform. The method reliably detects targets that are close either in range or in velocity, which is relevant today given recent advances in target swarms. The method presented also allows radars to detect slower targets closer to the zero‐Doppler region, like uncrewed aerial systems (drones) moving slowly to escape detection. The authors also show a novel method for estimating the velocity spectrum of a pulse‐Doppler radar using the in‐phase and quadrature samples directly by presenting unique terms to the fast orthogonal search. This eliminates the need to convert into complex samples for processing. The authors compared the performance of the new fast orthogonal search method against the fast Fourier transform using both simulated pulse‐Doppler radar data and real frequency‐modulated continuous wave radar data taken in an anechoic chamber. The simulated pulse‐Doppler scenarios included targets closely spaced in velocity and targets near the zero‐Doppler null, all at a variety of signal‐to‐interference ratios. In all cases, the fast orthogonal search method was shown capable of detecting both the closely‐spaced and near‐zero‐Doppler targets a greater percentage of time compared to the fast Fourier transform. Furthermore, when the methods were compared using real frequency‐modulated continuous wave radar data, the stationary targets were resolved at 0.4 m using the fast orthogonal search as compared to 0.6 m for the fast Fourier transform. Thus, this new method is capable of greater radar range and velocity resolution than the fast Fourier transform.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».