Multi‐Shot Estimation of Resonance Parameters of Late‐Time Radar Returns in Clutter
Notice bibliographique
Résumé
ABSTRACT The resonance parameters of late‐time returns (LTRs) can be used as features in the identification of radar targets. However, reliable estimation of the complex frequency of each resonance is notoriously difficult. This is a result of the short duration of the LTR, its low effective signal‐to‐noise ratio (SNR) and the inherent sensitivity of the estimation problem. These issues are exacerbated when the radar background includes resonating clutter. We develop an effective technique for estimation the complex frequencies of a target's resonances for scenarios in which the radar can obtain multiple measurement shots of the background (clutter) alone and multiple measurement shots of the target in the presence of the background. The proposed method exploits the fact that the maximum likelihood estimator for measurements in Gaussian noise can be decomposed to estimate the complex frequencies of the resonances separately from their complex amplitudes. This enables us to decouple the estimation of the complex frequencies of the target from those of the background because the background's complex frequencies remain largely unchanged when the target is introduced. We investigate the performance of the proposed method using a radar that operates in the band of 0.5–5 GHz and employs equivalent sampling at a rate of 20 GSa/s. Proof‐of‐concept experiments on brass rods of known length validate the overall approach, and experiments on more complex targets in clutter demonstrate its potential for practical applications.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».