基于相干激光雷達的風場圖像生成及特征識別
發(fā)布時間:2021-04-27 10:02
風切變作為一種突發(fā)性大氣風場現(xiàn)象會嚴重影響飛機的正常行駛,是威脅民航安全的主要因素之一。由于風場中的風速信息能以偽彩色圖像的形式反映出來,科研人員可通過分析風場圖像特征來判斷風場中是否存在風切變并識別其種類,從而協(xié)助飛行員做出正確操作。因此,研究風場圖像生成與特征分析方法是極為重要的。本文基于相干激光雷達進行了雷達數據預處理、風場反演、風場圖像生成、風切變有無檢測與類型識別的研究。首先,本文分析了雷達回波數據預處理方法,為后續(xù)風場圖像生成做準備。研究基于距離門相干激光雷達回波數據去噪方法,去噪后的相干激光雷達回波信號可以用來計算風場的徑向風速。徑向風速的求解屬于微弱信號的頻率估計問題,利用最大似然離散譜峰值估計與頻域非相干累積估計相結合的方法計算不同測量方向上的徑向風速并組成風場徑向風速矩陣。隨后,分析了基于線性與非線性插值的風場反演方法,人為獲得了密集的徑向風速矩陣,同時使用軟件完成了風場圖像的生成。針對沒有足夠的相干激光雷達實測數據、真實數據中風切變種類較為匱乏的問題,使用仿真的方法構造相干激光雷達測量數據,為后續(xù)風切變識別模型的訓練做準備。最后,在風切變類型識別方面,提出了三種基...
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數】:85 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景和意義
1.2 國內外研究現(xiàn)狀及分析
1.2.1 測風雷達的國內外研究現(xiàn)狀
1.2.2 雷達數據預處理的國內外研究現(xiàn)狀
1.2.3 風切變有無檢測與類型識別方法的國內外研究現(xiàn)狀
1.2.4 主動學習算法
1.3 本課題主要研究內容
第2章 基于相干激光雷達的數據預處理與風場反演
2.1 引言
2.2 相干激光雷達的測風原理
2.3 相干激光雷達回波信號預處理
2.3.1 雷達回波信號的噪聲來源以及常見的信號去噪方法
2.3.2 基于距離門的雷達回波信號去噪方法
2.3.3 相干激光雷達數據預處理的實驗結果與分析
2.4 確定雷達掃描方式與風場的插值反演
2.4.1 基于線性插值的風場反演
2.4.2 基于非線性插值的風場反演
2.4.3 風場反演的實驗結果與分析
2.5 本章小結
第3章 風切變檢測及圖像生成與仿真方法
3.1 引言
3.2 基于八鄰域系統(tǒng)的風切變有無檢測方法
3.3 風場圖像生成與探測數據仿真方法
3.3.1 風場圖像生成方法
3.3.2 相干激光雷達探測數據仿真方法
3.4 本章小結
第4章 基于機器學習算法的風切變類型識別
4.1 引言
4.2 基于遺傳算法-支持向量機的風切變識別模型
4.2.1 支持向量機的基本原理
4.2.2 遺傳算法的基本原理
4.3 基于卷積神經網絡的風切變識別模型
4.3.1 多層神經網絡的基本原理
4.3.2 卷積神經網絡的基本原理
4.4 基于半監(jiān)督GAN網絡的風切變識別模型
4.4.1 GAN網絡的基本原理
4.4.2 半監(jiān)督GAN網絡的基本原理
4.5 實驗分析
4.6 本章小結
第5章 基于主動學習的風切變識別模型訓練方法
5.1 引言
5.2 基于不確定采樣的主動學習算法
5.3 基于多層次不確定采樣的主動學習算法
5.4 基于委員會投票選擇的主動學習算法
5.5 實驗分析
5.6 本章小結
結論
參考文獻
致謝
【參考文獻】:
期刊論文
[1]基于卷積神經網絡的低空風切變類型識別[J]. 熊興隆,陳楠,李永東,馬愈昭,李猛,馮帥. 系統(tǒng)工程與電子技術. 2019(04)
[2]基于高斯擬合的相干激光雷達風速估計算法[J]. 王平春,陳廷娣,周安然,韓飛,王元祖,孫東松,王國成. 紅外與激光工程. 2018(12)
[3]基于VMD的激光雷達回波信號去噪方法研究[J]. 徐帆,常建華,劉秉剛,李紅旭,朱玲嬿,豆曉雷. 激光與紅外. 2018(11)
[4]基于短距相干測風激光雷達的機場低空風切變觀測[J]. 張洪瑋,吳松華,尹嘉萍,王琪超. 紅外與毫米波學報. 2018(04)
[5]基于頻譜重構的相干激光測風雷達風切變檢測算法[J]. 熊興隆,徐玖治,李猛,邢曉晴,馬愈昭. 光電子·激光. 2018(07)
[6]測風激光雷達修正F因子的小尺度風切變檢測算法[J]. 陳星,李貞,莊子波,熊興隆. 光學精密工程. 2018(04)
[7]基于模糊C均值的低空風切變預警算法[J]. 熊興隆,楊立香,馬愈昭,莊子波. 計算機應用. 2018(03)
[8]相干測風激光雷達VAD風場反演的數據質量控制方法[J]. 王貴寧,劉秉義,馮長中,吳松華,劉金濤,王希濤,李榮忠. 紅外與激光工程. 2018(02)
[9]主動學習算法研究進展[J]. 楊文柱,田瀟瀟,王思樂,張錫忠. 河北大學學報(自然科學版). 2017(02)
[10]1.55μm全光纖相干多普勒激光測風雷達[J]. 胡楊,朱鶴元. 紅外與激光工程. 2016(S1)
博士論文
[1]1.55μm相干測風激光雷達樣機的研制[D]. 賈曉東.中國科學技術大學 2015
碩士論文
[1]基于小波矩的激光雷達成像低空風切變識別[D]. 陳紅.中國民航大學 2014
本文編號:3163266
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數】:85 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景和意義
1.2 國內外研究現(xiàn)狀及分析
1.2.1 測風雷達的國內外研究現(xiàn)狀
1.2.2 雷達數據預處理的國內外研究現(xiàn)狀
1.2.3 風切變有無檢測與類型識別方法的國內外研究現(xiàn)狀
1.2.4 主動學習算法
1.3 本課題主要研究內容
第2章 基于相干激光雷達的數據預處理與風場反演
2.1 引言
2.2 相干激光雷達的測風原理
2.3 相干激光雷達回波信號預處理
2.3.1 雷達回波信號的噪聲來源以及常見的信號去噪方法
2.3.2 基于距離門的雷達回波信號去噪方法
2.3.3 相干激光雷達數據預處理的實驗結果與分析
2.4 確定雷達掃描方式與風場的插值反演
2.4.1 基于線性插值的風場反演
2.4.2 基于非線性插值的風場反演
2.4.3 風場反演的實驗結果與分析
2.5 本章小結
第3章 風切變檢測及圖像生成與仿真方法
3.1 引言
3.2 基于八鄰域系統(tǒng)的風切變有無檢測方法
3.3 風場圖像生成與探測數據仿真方法
3.3.1 風場圖像生成方法
3.3.2 相干激光雷達探測數據仿真方法
3.4 本章小結
第4章 基于機器學習算法的風切變類型識別
4.1 引言
4.2 基于遺傳算法-支持向量機的風切變識別模型
4.2.1 支持向量機的基本原理
4.2.2 遺傳算法的基本原理
4.3 基于卷積神經網絡的風切變識別模型
4.3.1 多層神經網絡的基本原理
4.3.2 卷積神經網絡的基本原理
4.4 基于半監(jiān)督GAN網絡的風切變識別模型
4.4.1 GAN網絡的基本原理
4.4.2 半監(jiān)督GAN網絡的基本原理
4.5 實驗分析
4.6 本章小結
第5章 基于主動學習的風切變識別模型訓練方法
5.1 引言
5.2 基于不確定采樣的主動學習算法
5.3 基于多層次不確定采樣的主動學習算法
5.4 基于委員會投票選擇的主動學習算法
5.5 實驗分析
5.6 本章小結
結論
參考文獻
致謝
【參考文獻】:
期刊論文
[1]基于卷積神經網絡的低空風切變類型識別[J]. 熊興隆,陳楠,李永東,馬愈昭,李猛,馮帥. 系統(tǒng)工程與電子技術. 2019(04)
[2]基于高斯擬合的相干激光雷達風速估計算法[J]. 王平春,陳廷娣,周安然,韓飛,王元祖,孫東松,王國成. 紅外與激光工程. 2018(12)
[3]基于VMD的激光雷達回波信號去噪方法研究[J]. 徐帆,常建華,劉秉剛,李紅旭,朱玲嬿,豆曉雷. 激光與紅外. 2018(11)
[4]基于短距相干測風激光雷達的機場低空風切變觀測[J]. 張洪瑋,吳松華,尹嘉萍,王琪超. 紅外與毫米波學報. 2018(04)
[5]基于頻譜重構的相干激光測風雷達風切變檢測算法[J]. 熊興隆,徐玖治,李猛,邢曉晴,馬愈昭. 光電子·激光. 2018(07)
[6]測風激光雷達修正F因子的小尺度風切變檢測算法[J]. 陳星,李貞,莊子波,熊興隆. 光學精密工程. 2018(04)
[7]基于模糊C均值的低空風切變預警算法[J]. 熊興隆,楊立香,馬愈昭,莊子波. 計算機應用. 2018(03)
[8]相干測風激光雷達VAD風場反演的數據質量控制方法[J]. 王貴寧,劉秉義,馮長中,吳松華,劉金濤,王希濤,李榮忠. 紅外與激光工程. 2018(02)
[9]主動學習算法研究進展[J]. 楊文柱,田瀟瀟,王思樂,張錫忠. 河北大學學報(自然科學版). 2017(02)
[10]1.55μm全光纖相干多普勒激光測風雷達[J]. 胡楊,朱鶴元. 紅外與激光工程. 2016(S1)
博士論文
[1]1.55μm相干測風激光雷達樣機的研制[D]. 賈曉東.中國科學技術大學 2015
碩士論文
[1]基于小波矩的激光雷達成像低空風切變識別[D]. 陳紅.中國民航大學 2014
本文編號:3163266
本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/3163266.html