Improving the Magic constant – data-based calibration of phased array radars
Notice bibliographique
Résumé
Abstract. We present a method for improved calibration of multi-point electron density measurements from incoherent scatter radars (ISR). It is based on the well-established Flatfield correction method used in imaging and photography, where we exploit the similarity between independent measurements in separate pixels in an image sensor and multi-beam radar measurements. Applying this correction method adds to the current efforts of estimating the magic constant or system constant made for the calibration of multi-point radars, increasing data quality and usability by correcting for variable, unaccounted, and unpredictable variations in system gain. This second-level calibration is especially valuable for studies of plasma patches, irregularities, turbulence, and other research where inter-beam changes and fluctuations of electron density are of interest. The method is strictly based on electron density data measured by the individual radar and requires no external input. This is of particular interest when independent measurements of electron densities for calibration are available only in one pointing direction or not at all. A correction factor is estimated, which is subsequently used to scale the electron density measurements of a multi-beam ISR experiment run on a phased array radar such as RISR-N, RISR-C, PFISR, or the future EISCAT3D radar. This procedure could improve overall data quality if used as part of the data-processing chain for multi-beam ISRs, both for existing data and for future experiments on new multi-beam radars.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».