基于X波段雷达回波图像相关性分析的 浅海水深数值模拟与反演研究

根据描述有限水深的TMA海浪谱模型,对X波段雷达浅海区域海面回波进行了数值模拟;TMA海浪谱模型是深水JONSWAP谱的扩展,它能反映水深变化对海浪的影响。对利用X波段雷达回波图像相关性分析来反演浅海水深方法的适用条件以及性能进行了分析;该方法利用雷达对海杂波成像,结合回波图像之间理论与实际相关性之间差值累计量的最小值与水深的对应关系,可以得到雷达探测区域的水深信息。数值模拟以及水深反演结果表明:图像相关性方法在水深小于25 m时有较好的水深估算能力;但当水深大于25 m时,此方法会失去其水深反演能力。通过对模拟的图像进行水深提取,有效的验证了谱模型的准确性以及相关性方法的适用范围,为后续X波段雷达水深研究提供了很好的依据。     

海面浪高参数的数值模拟与反演

为了获取海面浪高参数信息,引入一定海浪谱下的窄波束雷达一阶、二阶截面方程;利用双站雷达解决单站雷达只能提供模糊的海浪方向信息这一问题;设定海风速度、雷达工作频率以及2部雷达波束和风向的夹角,使用窄波束的雷达截面方程模拟归一化的海面回波Doppler谱;用其反演的幅度谱,借助有效浪高概念,计算出有效浪高。模拟结果显示,双站雷达可以减小因风向不同而带来的误差。     

基于频移迭代的微波多普勒谱中心频率估计算法

为了准确估计回波多普勒谱的中心频率,提出了一种基于频移迭代的中心频率估计方法.该方法以谱矩法估计频移为初值,逐次改变积分区间,在每次迭代中都利用谱矩法估计其频移,直至估计的频移结果收敛,并将该结果作为中心频率.仿真结果表明:相比于目前常用的谱矩法和最小二乘多项式拟合法,频移迭代法估计中心频率效果更佳,其平均绝对误差和均方根误差均更小,且该方法估计精度不受频率分辨率约束.将该方法应用于微波多普勒测波雷达中,并得到了海浪参数.实验结果证实:利用频移迭代法估计中心频率,可以探测得到更准确的有效浪高和平均浪周期.     

基于便携式高频地波雷达风场的反演

针对天线口径小、便携式雷达系统具有很宽的波束,大大增加了远距离处海面风和浪参数反演难度的问题,导出了有效浪高与风速之间的经验关系,结合改进后的风向反演算法,即可实现海面风场的获取,而不需要任何先验信息实现远距离风速的反演.风场中同时包含了风速和风向信息,为了验证风场的可靠性,将多个浮标的数据与风场数据进行比对.结果表明:风速比对的相关系数均在0.85以上,均方根误差约为3 m/s;在限定风速大于5 m/s时,风向比对的均方根误差会低于20°.风速与风向的比对结果验证了风场的可靠性.     

箔条干扰对雷达探测的影响

箔条干扰是无源干扰的一种重要方式。本文介绍了箔条干扰的相关模型,包括箔条干扰的有效反射面积、箔条云电磁衰减计算,以及箔条杂波的回波功率模型,该模型可以很好的反映出箔条干扰对雷达探测的影响。本文选取MATLAB作为相关模型的仿真工具,仿真结果直观的反映了箔条有效反射面积（RCS）与目标与雷达的距离的关系、箔条的回波功率与目标与雷达的距离的关系,箔条衰减因子与雷达的发射频率之间的关系。     

基于RBF神经网络的水深遥感研究

为提高水深遥感反演的精度,以Landsat TM1~4波段为数据源,利用已知的水深数据作为训练样本,建立RBF神经网络模型对岱海水深进行反演试验。利用实测的水深数据检验RBF神经网络模型的反演精度,并与传统反演模型和BP神经网络模型进行对比。结果表明,RBF神经网络模型反演的水深与实测水深的决定系数为0.90,平均绝对误差为1.09 m,均方根误差为1.45 m,反演效果和精度明显好于传统反演模型;与BP神经网络模型相比精度也有提高,而且RBF神经网络模型的参数大多通过训练学习得到,应用更为便捷,在干旱内陆的咸水型湖泊水深遥感反演中有一定的应用价值。     

微波多普勒雷达海浪参数提取算法

根据海浪混合表面散射理论和线性波理论,利用3种规模波对微波多普勒谱的不同贡献,推导出海浪谱与径向速度转换函数,得到了一种适用于多普勒雷达的海浪谱以及海浪参数提取算法．该算法从海洋回波的多普勒谱中获取径向速度序列,根据海浪速度谱与海浪谱之间的转换关系推导海浪谱,再用谱矩法计算相应的海浪参数．运用该算法分别对微波多普勒谱雷达的模拟与实测数据进行处理,实现了有效浪高和平均海浪周期的高精度提取,证实了该算法在微波段多普勒雷达的海浪参数反演中的准确性．     

一种新的多因子约束下的NWP反演ZTD残差改正模型

对流层延迟是GNSS定位的主要误差源之一,利用NWP模型的气象数据积分反演ZTD是当前研究热点.然而,采用两大气象预报中心(ECMWF和NCEP)的再分析资料反演ZTD的残差一般在±60 mm之间浮动,预报资料反演的ZTD的精度更差,都不能直接用于精密定位.一般是先将此反演的ZTD作为初值,设定先验方差,将残差作为未知参数求解.NWP反演的ZTD的精度,将直接影响对流层和模糊度参数在滤波过程中收敛速度.前人的研究表明,NWP反演ZTD的残差大小与测站所在纬度相关,利用纬度与残差的相关函数可提高NWP反演ZTD的精度,但效果并不明显.针对以上问题,比较ECMWF和NCEP再分析资料反演ZTD的精度,然后分析精度较高的ECMWF资料反演的ZTD的残差随温度、湿度、纬度、季节等因子变化的规律,并结合基于最小绝对残差法的多项式拟合方法拟合残差,提出一种新的多因子约束下的NWP反演ZTD的残差改正模型,从而提高NWP反演ZTD的精度.为验证模型的性能,以133个IGS站高精度ZTD为参考,拟合2015年ECMWF反演ZTD的残差,构建残差改正模型,并利用此模型改正2016年ECMWF反演的ZTD.实验结果表明：在纬度高于15°的地区,NWP反演的ZTD的平均残差和均方根误差比使用模型前分别减小了86.9%和36.3%.另外,对于较低纬度地区,此残差改正模型的效果不明显.     

基于GA-BP算法的隧道围岩力学参数反分析

建立智能位移反分析系统,用其确定隧道围岩的力学参数.针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值.结合均匀设计法在围岩力学参数初始域范围内设计实验方案,这样不仅减少了迭代时间和次数,还提高了预测精度.通过对绿春坝隧道围岩力学参数的反演,验证了该方法的可靠性及适用性.将反演得出的围岩力学参数代入到数值模型中进行计算,结果表明,数值计算值与现场实际监测值的误差分别为-8.9%和4.5%.     

岩体力学参数反演的代理蜜獾优化方法

针对复杂地下工程岩体力学参数反演时因大量调用数值计算模型导致计算耗时大的问题,提出一种新的仿生优化代理反演方法,即蜜獾优化算法-高斯过程回归-三维快速拉格朗日数值计算(honey badger algorithm-Gaussian process regression-FLAC^3D,HBA-GPR-FLAC^3D)方法。该方法将围岩的实测位移与数值计算结果间的误差作为目标函数,将岩体力学参数作为优化变量,利用全局寻优性能优异的HBA搜索目标函数全局极小值,并采用牛顿优化算法进行当前最优算子邻域的局部寻优,局部寻优中采用GPR代理模型而非基于FLAC^3D计算所构建的目标函数作为算子适应度评价工具。研究表明,与基于单纯仿生优化算法的反演方法相比,在达到相同计算精度条件下,所提出方法的数值模型调用次数显著降低,适用于单次数值计算较为耗时的复杂地下工程岩体力学参数快速识别。     

高速运动目标的频域合成带宽方法

为了利用线性调频步进雷达获得高速运动目标的高分辨距离像,提出了基于高速运动模型的频域合成带宽方法.该方法根据运动目标雷达回波的精确模型建立运动补偿因子,并在时域将回波信号与频域频谱搬移的误差频率混频,以消除频域频谱搬移误差的影响.与传统的基于低速运动模型的合成带宽法相比,所提方法对高速运动目标回波补偿后不存在子脉冲频谱的初相补偿误差和失配误差,具有更高的补偿精度.针对高速运动目标的仿真结果表明,在采用海明窗加权的情况下,与基于低速运动模型的频域合成带宽法相比,所提方法得到的距离像没有出现栅瓣且副瓣电平在-42 dB以下.     

基于卷积神经网络的大地电磁反演

为了提高大地电磁二维反演精度,提出一种基于卷积神经网络的大地电磁反演方法。具体实现步骤如下:首先,对不同模型进行二维正演构建样本数据集;其次,将视电阻率和相位数据作为双通道网络输入,与其对应的地电模型参数作为输出搭建卷积神经网络框架,并对该网络进行监督学习与调参,从而获取最佳反演网络排列及超参数;最后,利用已训练好的网络对未知地电模型进行反演。通过理论模型检验的方法探讨大地电磁TM模式下多种地电模型体的卷积神经网络反演成像效果,并讨论输入分量和模型体深度对反演效果的影响。研究结果表明:本文提出的反演方法能对地电模型实现精准定位与成像,"聚焦"效果比最小二乘反演的优;同时,视电阻率和相位联合反演结果优于单一参量反演结果,浅部模型体的反演结果比深部模型体的优,并且联合反演的均方误差是单一反演的30%～50%。实测结果验证了所提出方法的有效性。     

基于脉冲波Mueller矩阵解的系统响应函数对植被层地表面多参数的反演

由脉冲波入射一层非球形粒子植被层和下垫粗糙面的矢量辐射传输（VRT）方程，得到时间相关的Mueller矩阵解M；由脉冲波回波波形构造系统响应函数模型，建立散射系统参数组：植被散射强度矩阵Q、衰减系数矩阵a和地表面散射强度矩阵B以及下垫面散射时延τ.可以证明M与系统参数组是一致的.用自适应LM方法从M产生的脉冲回波波形估计系统参数组，然后从系统参数组解析地和数值地反演植被层和地表面物理参数.由Q，a及τ反演：粒子层厚度、粒子尺寸、取向、密度、介电常数，由B反演地面粗糙度和介电常数.数值结果显示，由回波波形估计系统参数组，再由系统参数组反演物理参数，是一种可行的反演方法.     

基于修正霍夫模型的双曲线拟合及目标尺寸反演

针对传统目标双曲线数学模型中,因假定雷达紧贴地面或忽略雷达高度对传播路径的影响导致的目标双曲线拟合精度低以及目标反演误差大等问题,基于双曲线形成机理提出了雷达离地工作时目标双曲线的修正Hough数学模型.该算法利用对称度法和极值法分别实现双曲线顶点的定位和图像二值化,基于双曲线修正数学模型,利用Hough变换反演圆形目标大小,实现目标回波双曲线的拟合.仿真结果表明,与通用Hough变换相比,该算法具有更好的拟合效果和反演精度.     

土压平衡盾构改性砂土离散元模型参数反演方法研究

首次将遗传神经网络与三轴试验离散元数值模拟有机结合,用于改性砂土颗粒离散元接触模型参数反演.反演目标是使三轴试验离散元模拟曲线与真实实验曲线误差最小,采用的求解策略是基于遗传神经网络的参数识别.三轴试验的离散元数值模拟为网络提供训练样本,遗传算法映射网络输入与输出样本之间的复杂非线性关系,改性土三轴试验的真实测量曲线为参数反演提供依据.以反演结果为接触模型参数的三轴试验离散元模拟曲线与真实实验曲线相吻合,为改性土离散元接触模型参数的确定提供了有效和准确的方法,为进一步的盾构密封舱压力分析奠定了基础.     

改进的非相参导航雷达探测有效浪高算法

针对X波段非相参导航雷达对海杂波的成像,研究了利用信噪比和布拉格散射探测有效浪高的方法,提出一种用最大流速带通滤波来分割信号与噪声获取信噪比的算法。结合信噪比与有效浪高的关系,经相关定标处理,得到探测区域连续的有效浪高。与传统的X波段导航雷达测高方法相比,该算法不需要得到雷达探测区域精准的流速,简单高效,占用资源少。与舟山浮标有效浪高数据的对比,表明其有效提高了雷达测浪高的便捷性和稳定性。     

基于多重分形关联和深度CNN的常规雷达目标分类方法

针对传统分类方法中飞机雷达回波信号识别分类精度低、人工定义特征稳定性差的问题，提出基于多重分形关联特征和深度卷积神经网络(convolutional neural network,简称CNN)的雷达目标分类方法.首先，对输入训练数据进行多重分形关联分析，将多重分形关联谱的投影图作为输入特征图；然后，利用深度卷积神经网络对特征进行训练，得到训练模型；最后，使用训练后的模型对目标进行分类.实验结果表明：相对于其他3种方法，该文方法有更强的飞机分类性能.     

局部气垫双体船在规则波中的运动研究

结合模型试验和数值计算两种方法研究了局部气垫双体船在迎浪规则波中的运动.首先,通过模型试验对气垫压力进行监测,记录了其随波浪的变化情况,并与其他参数进行对比,得到了不同运动随波浪的变化规律;然后,采用数值计算方法对其在波浪中的运动响应进行预报,记录了气垫舱室内的速度矢量和自由液面变化,并将计算结果和试验现象进行对比分析.结果表明:气垫压力随波浪的周期性变化规律与升沉、纵摇运动相反,与加速度相同;数值计算能够对各个运动的周期性振荡进行合理的预报,且各运动参数的幅值响应在高频区具有相当的精度,但数值计算对纵摇响应的预报误差较大,须要改善气囊形式提高精度.     

TRMM/PR在青藏高原土壤水分变化研究中的应用

针对热带降雨观测计划(TRMM)上搭载的降雨雷达(PR)参数情况发展了基于积分方程模型与一阶植被散射模型的青藏高原地区的土壤水分变化反演模型.利用AVHRR/NDVI产品以及PR数据,用上述模型对青藏高原3个试验区1998年4～9月的土壤水分变化情况进行了反演,结果显示模型反演结果与实测结果吻合较好,3个站点的均方根误差分别为0.045,0.069和0.056.     

X波段天气雷达强度回波信号定标方法

为了抵消X波段天气雷达的接收机参数变化引起的雷达回波强度误差,根据雷达回波强度定标原理,利用CINRAD-SA天气雷达回波强度资料对NuistRD-X常规天气雷达进行强度标定,用标定后的NuistRD-X天气雷达回波与南京和常州CINRAD-SA的雷达回波作对比分析,测得的回波强度与南京和常州CINRAD-SA资料基本一致,结果表明这种定标方法适用于X波段常规天气雷达,这种定标方法是可行的.