考虑地表反射类型的气溶胶散射偏振特性

采用逐次阶散射法求解矢量辐射传输方程来研究气溶胶在不同地表反射模型下的散射偏振特性.首先,选取单一地表反射模型和耦合地表反射模型两种地表反射模型.然后,根据地表反射模型计算得到相应的地表反射率,进而采用逐次阶散射法对矢量辐射传输方程进行求解,得到散射光的Stokes矢量.最后,由Stokes矢量计算得出散射光的偏振度.仿真结果表明,两种地表反射模型下气溶胶单次散射的散射辐射强度和线偏振度均相等;耦合地表反射模型的总散射辐射强度和线偏振度总是大于单一地表反射模型;单一地表反射模型的气溶胶单次散射相对总散射的贡献总是大于耦合地表反射模型.研究结果对气溶胶光学特性的反演具有一定意义.     

基于大气辐射传输和δ-二流近似的斜程能见度反演方法

从能见度定义出发,提出采用SBDART辐射传输模式结合CALIPSO卫星数据求解辐射传输方程,对华北地区斜程能见度进行了详细的仿真与分析。首先,使用SBDART模式结合CALIPSO卫星数据获取实际条件下天空背景辐射亮度。然后,根据斜程能见度探测原理,得到斜程能见度所处区间,进而采用δ-二流近似估计区间内部辐射亮度分布,从而反演得到精确的斜程能见度。结果表明,采用CALIPSO卫星数据结合SBDART模式模拟大气辐射传输过程,计算结果与MERRA-2辐射数据变化趋势一致,相关系数达到0.949;使用δ-二流近似能更加高效地模拟辐射传输过程,且提出方法结果与SBDART模式保持较好的一致性,两者相对误差在14.3%以内;当斜程能见度小于1 km时,使用提出方法反演斜程能见度同经验公式相比误差约为7.1%,且适用于15°以外以及向上观测的斜程能见度探测。     

基于Fernald-PSO法反演气溶胶激光雷达比及其 对斜程能见度的影响

为了提高斜程能见度的计算精度,提出了一种基于Fernald-PSO法求解气溶胶激光雷达比的方法.首先,以均匀层底部和顶部的大气消光系数相等为条件构建气溶胶激光雷达比和气溶胶消光系数边界值的方程.然后,再以激光雷达数据反演和AERONET网站观测的气溶胶光学厚度相等为条件构造另一参量方程.最后,采用Fernald-PSO法解方程组,用得到的参量反演气溶胶消光系数计算斜程能见度.采用激光雷达和AERONET数据对该方法进行验证,分析气溶胶激光雷达比对斜程能见度反演的影响.结果表明,同一信号气溶胶激光雷达比假设值与计算值相差越大,气溶胶消光系数和斜程能见度的相对误差绝对值也越大,最大误差分别为18.93%和19.90%.     

PM2.5质量浓度廓线的激光雷达反演研究

针对PM2.5质量浓度在空间不同高度上的分布测量较难这一问题,采用激光雷达和大气透射仪以及粒径谱仪进行联合探测,反演PM2.5质量浓度廓线.考虑相对湿度等因素的影响,通过大气透射仪和粒径谱仪建立地面PM2.5质量浓度与大气透过率之间的函数关系.以大气透射仪所测地面大气透过率值为基准,修正激光雷达大气透过率在高空的边界值,结合Fernald后向积分法反演出大气透过率的垂直分布.依据建立的函数关系和大气透过率垂直分布,得到PM2.5质量浓度廓线,并采用HYSPLIT后向轨迹分析不同高度层气溶胶的输送和动态变化.通过激光雷达、大气透射仪和粒径谱仪的联合探测实验,结果表明:经大气透射仪修正后,大气透过率垂直分布精度得到了提高,PM2.5质量浓度廓线很好的反映了气溶胶垂直分布的微物理变化特征.     

基于BLCD分解与ACO-DBN网络的光纤振动信号识别

针对光纤振动信号受噪声干扰严重、特征提取单一和识别时间长的问题,提出了改进的局部特征尺度分解和蚁群算法优化深度置信网络的识别方法。首先,采用三次B样条函数插值拟合均值曲线改进局部特征尺度分解算法,并对原始信号进行分解得到一系列内禀尺度分量之和。其次,利用峭度因子和能谱系数构成融合指标筛选有效分量。然后,分别提取有效分量在时域、频域和时-频域的熵值特征进行融合并降维。最后,将综合特征向量馈入蚁群优化后的深度置信网络进行训练和识别,提高算法效率和识别率。采用实测数据进行实验验证,结果表明,信噪比平均提升8 dB,信号平均识别率可达95.83%,平均识别时间为0.715 s。     

移动式多基线能见度测试系统及其测量方法

针对单基线能见度测量设备采样体积单一、受噪声影响大的缺点,设计搭建了一套移动式可变基线能见度测试系统.该系统由发射、接收、移动以及信号处理四个模块组成,以532nm激光作为发射光源,通过置于滑动轨道上的小车移动定点接收发射信号实现多基线测量,然后采用时间平均结合最小二乘法对初始信号进行处理获得最终大气能见度.系统采用单端移动接收采样法,可从理论上消除光学污染误差.理论分析了该设备的测量方差及基线采样点模型,并对系统进行加噪声模拟实验,证明了其抗噪声能力;最后在真实大气环境下对设备进行检验,通过与实际数据对比证明其可靠性.     

基于多重分形谱的光纤周界振动信号识别

为了有效识别光纤周界系统的振动信号,提出一种多重分形谱参数和改进概率神经网络相结合的光纤振动信号识别方法.该方法能够避免特征提取过程中需要选择经验阈值和模式识别过程中需要确定平滑因子的不足.首先,检验分析光纤振动信号多重分形的存在性和有效性.然后,计算和提取光纤振动信号的多重分形谱参数,构成能够准确描述信号非线性和复杂性特性的特征向量.最后,采用改进的概率神经网络算法进行自适应地学习和分类,实现对不同光纤振动信号的识别.采用现场实验采集的四种振动信号对该方法进行验证,结果表明,平均识别率达到96.25%,识别时间为1.63s.该方法在正确识别率方面优于传统的概率神经网络算法.     

基于局部均值分解和串行特征融合的光纤周界振动信号识别

提出了一种基于局部均值分解(LMD)和串行特征融合(SFF)的光纤周界振动信号识别方法。该方法先去除噪声,提取振动信号的相关信息,再进行SFF以得到具有准确描述能力的特征向量,最后采用概率神经网络(PNN)算法进行学习和分类。利用不同单一振动信号和风雨天气干扰下的不同振动信号对该方法进行验证。结果表明,该方法在上述两种情况下的平均正确识别率分别达到96.0%和96.7%,识别时间分别为0.87 s和0.91 s,在敏感信息识别和特征提取方面明显优于传统的LMD算法和SFF-PNN算法。     

电磁场与微波技术课程的三种特色教学手段

介绍了电磁场与微波技术课程改革中的3种特色教学手段:将与电磁场、微波有关的物理现象与日常生活实际联系起来,引入电磁场仿真软件以及将课程教学内容与我校民航专业人才培养目标结合起来.这3种手段在教学过程中的运用不仅使难教难学的理论知识变得简单有趣,为学生毕业后快速适应工作岗位打下良好的基础,而且对教师本人科研与教学的结合也起到了促进作用.