Adaptive Beam Scheduling for Cooperative Phased Array Radars With High-Precision Pencil-Beam
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».