Adaptive Beam Scheduling for Cooperative Phased Array Radars With High-Precision Pencil-Beam
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Phased array radar (PAR) has attracted considerable attention in civil and military applications due to its capability of performing multiple tasks such as surveillance, tracking and weapon engagement simultaneously. To make better use of limited radar resources and to offer best operating performance, an efficient resource allocation strategy is necessary. Pencil-beams with super narrow beamwidth is prospective to resource-aware design but using them to cover areas of interest especially in cases of maneuvering targets with high motion uncertainty requires more study. Existing works often assume that a beam can cover the entire area of interest and the problem of scheduling small-beamwidth pencilbeam to perform search and track (SAT) efficiently is barely discussed or addressed in literature. In this paper, the problems of tracking with pencil-beam and its beam scheduling optimization are addressed. Three beam scheduling strategies, fixed linear wipe, open-loop linear wipe that uses hierarchical genetic algorithm (HGA), and expected posterior Cramér–Rao lower bound (EPCRLB) based optimal solution, are proposed to solve the mixed integer nonlinear problem (MINP). To handle the partially covered target existence area by pencil-beam, a new concept of predicted expected posterior Cramér–Rao lower bound (P-EPCRLB) is proposed and used as the main optimization criterion for the scheduling strategy. Numerical results demonstrate the superior performance of the proposed EPCRLB based optimal solution strategy and its effectiveness as a proposed solution.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle