MétaCan
Menu
Retour à la cohorte
Enregistrement W4416342089 · doi:10.23919/eurad65285.2025.11234199

Wavelet-Based Analysis for SAR Polarimetry Millimeter-Wave Imaging at W-Band

2025· article· W4416342089 sur OpenAlexaff
Shahrokh Hamidi, Mohammad‐Reza Nezhad‐Ahmadi

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRadar imagingPolarimetrySynthetic aperture radarPolarization (electrochemistry)RadarSide looking airborne radarContinuous-wave radarInverse synthetic aperture radar

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate the effect of the polarization of the incident wave at millimeter-wave frequencies in generating high resolution radar images and propose a novel Wavelet-Based-Fusion (WBF) technique to generate a high quality image by combining the information from different polarization modes. We have designed a custom-made Frequency Modulated Continuous Wave (FMCW) radar operating at W-band with 33 GHz bandwidth to produce high resolution images at Horizontal-Horizontal (HH), Vertical-Vertical (VV), Horizontal-Vertical (HV), and Vertical-Horizontal (VH) polarization modes and present the results and show the effect of polarization on the reconstructed images. We utilize the Synthetic Aperture Radar (SAR) technique to generate the effect of a large array of antennas using a single TX-RX element FMCW radar and perform SAR polarimetry at millimeter-wave frequencies. The experimental results, presented in this paper, demonstrate the effectiveness of the proposed approach in generating high quality and high resolution radar images compared to the case in which each individual polarization modes are utilized to produce the image.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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 sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207