针对正交频分线性调频(OFD-LFM)信号MIMO高分辨雷达稀疏成像问题展开研究,在分析了OFD-LFM信号频谱合成原理以及MIMO高分辨雷达一次快拍成像原理的基础上,给出了一种基于频域稀疏OFD-LFM信号和空域稀疏MIMO雷达天线阵列的联合稀疏模型,...针对正交频分线性调频(OFD-LFM)信号MIMO高分辨雷达稀疏成像问题展开研究,在分析了OFD-LFM信号频谱合成原理以及MIMO高分辨雷达一次快拍成像原理的基础上,给出了一种基于频域稀疏OFD-LFM信号和空域稀疏MIMO雷达天线阵列的联合稀疏模型,并结合压缩感知理论,提出了目标高分辨距离像(high-resolution range profile,HRRP)合成方法以及目标二维成像方法。该方法能够在大幅减少OFD-LFM信号子载波个数、大幅减少MIMO高分辨雷达天线阵元个数的条件下,利用一次快拍重构出高质量的目标HRRP和二维像,不仅避免了目标机动带来的运动补偿难题,同时还有利于天线阵列的工程实现。仿真结果表明所提方法是有效的,且具有一定的抗噪性。展开更多
长江中下游地区位于东亚季风区,其夏季降水的水汽部分来源于孟加拉湾的水汽输送。本文利用青藏高原地区全球定位系统(GPS)站点观测到的大气可降水量(PW)资料,采用WRF模式(Weather Research and Forcasting Model)的同化模块(WR...长江中下游地区位于东亚季风区,其夏季降水的水汽部分来源于孟加拉湾的水汽输送。本文利用青藏高原地区全球定位系统(GPS)站点观测到的大气可降水量(PW)资料,采用WRF模式(Weather Research and Forcasting Model)的同化模块(WRFDA),将这支水汽输送带的信息同化进数值模式,并用WRF模式对长江中下游地区的7月份降水预报进行批量试验和个例分析。批量试验和个例分析采用3种方案:无资料同化的控制试验(NoDA),冷启动同化试验(Cold)和循环同化试验(Cycling)。此外,还针对Cycling方案进行延长预报时长的补充试验以探究同化带来正效果最明显的时段。同时为了探究同化正效果的来源,针对Cycling方案进行只同化被主要水汽输送带覆盖的GPS站点的补充试验(Cycling_less_a)以及只同化不被主要水汽输送带覆盖的GPS站点的补充试验(Cycling_less_b)。试验结果表明:同化青藏高原地区的GPS数据能在一定程度上改善长江中下游地区的降水预报,对于48-72小时的降水预报改善效果尤为明显,且Cycling方案在整体上优于Cold方案。对于Cycling方案,在120小时预报时长内,同化正效果最明显时段为48-72小时。当水汽输送带较多地经过同化区域时,降水的TS评分能得到明显改善,而当水汽输送带较少地经过同化区域时,降水的TS评分改善效果不明显。如果只同化被水汽输送带覆盖到的GPS站点的GPSPW数据,仍然可以保留住大部分的同化正效果,因此,针对性地同化GPSPW数据是可行的。展开更多
文摘针对正交频分线性调频(OFD-LFM)信号MIMO高分辨雷达稀疏成像问题展开研究,在分析了OFD-LFM信号频谱合成原理以及MIMO高分辨雷达一次快拍成像原理的基础上,给出了一种基于频域稀疏OFD-LFM信号和空域稀疏MIMO雷达天线阵列的联合稀疏模型,并结合压缩感知理论,提出了目标高分辨距离像(high-resolution range profile,HRRP)合成方法以及目标二维成像方法。该方法能够在大幅减少OFD-LFM信号子载波个数、大幅减少MIMO高分辨雷达天线阵元个数的条件下,利用一次快拍重构出高质量的目标HRRP和二维像,不仅避免了目标机动带来的运动补偿难题,同时还有利于天线阵列的工程实现。仿真结果表明所提方法是有效的,且具有一定的抗噪性。
文摘长江中下游地区位于东亚季风区,其夏季降水的水汽部分来源于孟加拉湾的水汽输送。本文利用青藏高原地区全球定位系统(GPS)站点观测到的大气可降水量(PW)资料,采用WRF模式(Weather Research and Forcasting Model)的同化模块(WRFDA),将这支水汽输送带的信息同化进数值模式,并用WRF模式对长江中下游地区的7月份降水预报进行批量试验和个例分析。批量试验和个例分析采用3种方案:无资料同化的控制试验(NoDA),冷启动同化试验(Cold)和循环同化试验(Cycling)。此外,还针对Cycling方案进行延长预报时长的补充试验以探究同化带来正效果最明显的时段。同时为了探究同化正效果的来源,针对Cycling方案进行只同化被主要水汽输送带覆盖的GPS站点的补充试验(Cycling_less_a)以及只同化不被主要水汽输送带覆盖的GPS站点的补充试验(Cycling_less_b)。试验结果表明:同化青藏高原地区的GPS数据能在一定程度上改善长江中下游地区的降水预报,对于48-72小时的降水预报改善效果尤为明显,且Cycling方案在整体上优于Cold方案。对于Cycling方案,在120小时预报时长内,同化正效果最明显时段为48-72小时。当水汽输送带较多地经过同化区域时,降水的TS评分能得到明显改善,而当水汽输送带较少地经过同化区域时,降水的TS评分改善效果不明显。如果只同化被水汽输送带覆盖到的GPS站点的GPSPW数据,仍然可以保留住大部分的同化正效果,因此,针对性地同化GPSPW数据是可行的。