Sea Clutter Suppression Using Smoothed Pseudo-Wigner–Ville Distribution–Singular Value Decomposition during Sea Spikes
Notice bibliographique
Résumé
The detection of small targets within the background of sea clutter is a significant challenge faced in radar signal processing. Small target echoes are weak in energy, and can be submerged by sea clutter and sea spikes, which are caused by overturning waves and breaking waves. This severely affects the radar target detection performance. This paper proposes a smoothed pseudo-Wigner–Ville distribution–singular value decomposition (SPWVD-SVD) method for sea clutter suppression. This method determines the instantaneous frequency range of the target by contrasting the time–frequency characteristics of the sea spike and the target. Subsequently, it employs a singular value difference spectrum to reduce the rank of the Hankel matrix, thereby reducing the computational burden of the instantaneous frequency estimation step in the experiment. Based on the instantaneous frequency range of the target in the time–frequency domain, the singular values of the target signal are retained, while the singular values of clutter are set to zero. This process accomplishes the reconstruction of radar echo signals and effectively achieves the suppression of sea clutter. The suppression effect is verified using simulation data alongside ten sets of Intelligent Pixel processing X-band (IPIX) radar data against the background of sea spikes. By contrasting the clutter amplitudes before and after suppression, the SPWVD-SVD algorithm demonstrated an average clutter suppression of 15.06 dB, which proves the effectiveness of the proposed algorithm in suppressing sea clutter.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».