MétaCan
Menu
Retour à la cohorte
Enregistrement W7124862619 · doi:10.5515/kjkiees.2025.36.12.1186

Robust Space Object Track Initiation Based on Constrained Optimization and the Unscented Transform

2025· article· en· W7124862619 sur OpenAlexaff
Jeongjik Seo, Yongjun Hong, Sangho Lim

Notice bibliographique

RevueThe Journal of Korean Institute of Electromagnetic Engineering and Science · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueTarget Tracking and Data Fusion in Sensor Networks
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesDefense Acquisition Program Administration
Mots-clésControl theory (sociology)Position (finance)Track (disk drive)Particle filterTracking (education)Monte Carlo methodTrajectoryStability (learning theory)Orbit (dynamics)

Résumé

récupéré en direct d'OpenAlex

In space situational awareness (SSA), track initiation, which establishes tracks from a few initial observations, is a key technique that governs overall system performance. This paper proposes a constraint-based optimization technique for robust and accurate initial state estimation using only two radar position observations. The proposed technique minimizes the Mahalanobis distance while utilizing the quasi-circular orbit characteristics of low-earth orbit objects as physical constraints on velocity direction and magnitude. It moreover enhances the stability of the subsequent filter by quantitatively modeling the inherent uncertainty of the constraints and incorporating it into the initial error covariance. Through Monte Carlo simulations, the proposed technique was demonstrated to significantly reduce the track loss rate and improve tracking accuracy when compared with conventional two-point initiation methods.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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 revueThe Journal of Korean Institute of Electromagnetic Engineering and ScienceMême sujetTarget Tracking and Data Fusion in Sensor NetworksTravaux en français237 207