MétaCan
Menu
Retour à la cohorte
Enregistrement W4416155286 · doi:10.1063/5.0292890

The imaging algorithm in the optimal range FrFT domain based on Doppler parameters

2025· article· en· W4416155286 sur OpenAlexaboutno aff
Zhenli Wang, Yulong Xu, J. Y. Liu, Guangliang Gao

Notice bibliographique

RevueAIP Advances · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced SAR Imaging Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDoppler effectEnergy (signal processing)Range (aeronautics)Fourier transformRotation (mathematics)Frequency domainEstimation theory

Résumé

récupéré en direct d'OpenAlex

In view of the error impact of Doppler parameters estimation on SAR imaging performance, this paper constructs the energy focusing axis based on the optimal rotation angle in the optimal range FrFT (fractional Fourier transform) domain. On this basis, the relationship among Doppler center frequency, Doppler FM (frequency modulation) rate, and energy focusing axis, as well as the relationship between Doppler center frequency and Doppler FM rate are derived in detail, and then, the basic framework of the D-FrFT-RD algorithm was constructed. The imaging test of Canadian spaceborne RADARSAT-1 measured data shows that when the error of Doppler center frequency estimation gradually increases from 0% to 5%, the energy focusing axis curve may deviate from the normalized value to some extent, but in reality, the impact on SAR imaging performance parameters is not significant. Compared to the traditional RD (range Doppler) algorithm, the energy focusing axis curve corresponding to the D-FrFT-RD algorithm in this paper is relatively stable, with high range resolution, and varying degrees of improvement in both range PSLR and range ISLR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,252
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetAdvanced SAR Imaging TechniquesTravaux en français237 207