排序方式: 共有23条查询结果,搜索用时 0 毫秒
1.
多次散射影响下激光大气透射仪测量误差研究 总被引:3,自引:2,他引:1
针对多次散射影响激光大气透射仪的测量精度问 题,提出了不同能见度条件下的激光大气透射仪受 基线长度、接收机视场角以及多次散射影响的误差分析模型。首先,通过Monte Carlo 法和 Bouguer-Lamber 定律计算了消除和未消除多次散射的大气透过率;其次,根据仿真结果,对不同能见度条 件下多次散射 影响程度进行分析;最后,结合可变基线与可变接收机视场角的透射仪工作原理,给出能见 度误差分析模 型。结果表明,应用激光大气透射仪进行能见度测量时,能见度越低,多次散射对测量精度 的影响越严重, 选取适当的基线长度和接收机视场角对减小多次散射引起的测量误差有重要意义。 相似文献
2.
激光雷达进行大气能见度探测时,当探测路径上存在云、雾、烟尘或硬目标时,大气消光系数会在局部发生显著变化,表现为激光雷达回波信号在原有衰减趋势上出现突变。受此影响,直接使用现有算法将导致能见度反演精度低或错误反演。为此提出一种将突变点定位、消光系数边界值确定、消光系数迭代反演相结合的能见度反演算法。首先查找、定位突变信号所在位置;然后剔除突变点,利用斜率法得到消光系数边界值;最后基于Fernald法,以迭代方式反演大气消光系数及能见度。对两种典型大气消光模式的仿真实验表明,该算法提高了能见度反演精度,能够获得更为准确的全局能见度。利用自行研制的激光雷达能见度仪实测回波数据也验证了该算法的有效性。 相似文献
3.
针对物流配送领域的一种新型交付方式--无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。 相似文献
4.
针对相位敏感光时域反射仪(Ф-OTDR)信号信噪比过低的问题,提出了一种基于改进变分模态分解(VMD)结合独立成分分析(ICA)的去噪方法。首先,采用模拟退火方法(SA)对VMD进行优化;然后,采用SA-VMD将预处理后的Ф-OTDR信号分解成一系列本征模态分量(IMF),并根据相关准则选取IMF分量进行虚拟噪声重构;最后,将原始信号与虚拟噪声作为ICA的输入,去除信号中的噪声,提高信号信噪比。采用自行设计的相干Ф-OTDR系统进行实验验证,结果表明,该方法能够有效去除噪声,与EMD-ICA和SA-VMD方法相比,信噪比提高了4dB,这对系统的实际应用具有重要意义。 相似文献
5.
为了研究非视距(NLOS)紫外光通信在雾天环境下的通信性能,针对常见的雾天衰减模型不适用于紫外光大气信道衰减的问题,提出一种新的衰减模型,针对多次散射传输模型计算复杂的问题,提出一种非对称因子的简化计算方法,并使用分集接收技术建立单发多收(SIMO)紫外光通信系统.利用Mie散射理论建立雾天紫外光衰减模型,计算两种雾型... 相似文献
6.
为解决复杂多变环境下光纤入侵事件因噪声干扰识别困难、误报率高的问题,提出了基于改进的奇异谱分析和遗传算法优化的双向长短期记忆神经网络的入侵事件识别方法。首先,为了减少噪声对识别效果的影响采用改进的奇异谱分析法去噪,对入侵信号及其分量进行迭代奇异谱分析去噪,并利用信号贡献率的大小来确定信号重构的秩阶次,调节信号分量去噪的程度,实现光纤信号的去噪。然后,利用遗传算法优化神经网络结构参数,构建双向长短期记忆神经网络提取光纤信号空间特征,最后基于以上方法对攀爬、跑动、敲击、静态、大风、雨天6种实测信号进行入侵事件识别实验,实验结果表明,在双Mach-Zehnder光纤周界传感系统识别入侵事件过程中,改进的奇异谱分析相比普通的奇异谱分析,去噪信噪比有明显提高,平均信噪比提高了12.79 dB,平均均方根误差略有减少。遗传算法优化的双向长短期记忆神经网络较未优化神经网络平均识别率提高了5.7%,识别准确率最高可达98.1%。 相似文献
7.
本文介绍了使用电磁场仿真工具COMSOL 4.2进行仿真的一般步骤,以及使用COMSOL 4.2对基本类型光波导模式特性进行仿真的实例,并介绍了在此基础上进行光波导模式特性仿真实验设计中的几个教学重点,遵循由简单到复杂、由理论到实践、由演示到设计的思维训练过程。基于COMSOL 4.2的光波导模式特性仿真实验主要应用于"光纤通信"课程的实践化教学中,COMSOL 4.2的使用也可引入到其他场类课程的教学中。 相似文献
8.
针对侧向激光雷达应用于气溶胶探测领域时,雷达回波信号易受噪声影响这一问题,本文提出了一种基于神经网络的激光雷达信号去噪算法。该算法在卷积神经网络基础上融合残差学习法和批量标准化,引入了注意力机制,改进激活函数,提升了网络性能和学习效率。采用本文提出的方法对噪声进行预测,实现了信号和噪声的有效分离,提高了侧向激光雷达CCD图像的信噪比。实验结果表明,使用本文提出的去噪算法对侧向激光雷达CCD图像进行去噪,图像的峰值信噪比提高了约5 dB,信号相对误差减小至9.62%,本文提出的去噪算法优于小波变换、维纳滤波等去噪方法,验证了该方法的可行性和实用性。
相似文献9.
10.
为了提高相干激光测风雷达风切变的检测率,本 文提出了一种在频域检测风切变的新 方法。首先,截取激光雷达 目标探测距离处的回波信号进行傅里叶变换。其次,通过对回波信号的频率分量按其幅值大 小加权进行频谱重构。然后, 对重构后的频谱进行平滑并估计峰值频率,计算局部频率差,与风切变阈值进行比较,进而 在频域判别风切变。采用旋 转电机实验数据对该算法误差进行评估,得到该算法频谱估计误差为0.64 MHz。设计基于小 型飞机的激光雷达风切变检 测实验对算法检测率进行验证,以小型飞机飞行报告作为风切变判定标准,对激光雷达检测 结果进行判别。通过朝阳机 场实验得到该算法风切变检测率为84.62%,表明该算法对提高激光雷 达风切变检测率具有重要价值。 相似文献