微波链路测量降水研究综述

降雨对微波传输的影响可用雨衰模型描述。通信领域的研究人员为了实现对卫星通信系统和微波通信系统的优化设计,尽量减少发射功率,通过大量的雨衰雨强同步观测实验和理论完善工作,先后提出了CraneGlobal模型、Assis.EinloftImproved模型、SAM模型、DAH模型、ITU.R模型等多个雨衰模型,分别适用于不同频段、不同体制的地地链路和地空链路。

式中,γ为每单位距离造成的雨衰量(单位:dB·km-1);R为降雨强度(单位:mm·h-1);k、a为指数律参数,其取值与频率、雨滴大小分布、雨滴温度和极化等因素有关。

对于不同的电磁波发射极化角度和路径斜角,利用相应的水平极化系数和垂直极化系数,可以通过下列等式计算出k和α:

式中,θ是路径斜角,τ是相对水平位置的极化斜角(对于圆极化,τ=45°)。

降雨对微波造成的雨衰量,其中系数k和α的值,作为频率范围为1~1000GHz的频率f(GHz)的函数,由下列等式确定:

利用微波链路测量降水,微波链路作用于近地面大气,物理基础清晰,并且微波通信设施分布广泛,利用这些微波链路能显著提高降水资料的时空分辨率,具有独特的优势。发展微波链路测量降水新技术,对于提高区域降水测量水平,全面提升天气监测能力具有重要的促进作用。

微波链路受降水粒子直接作用产生雨衰量,因此,路径降水的准确反演对于路径所在区域的降水反演估计有关键意义。此外,由于链路雨衰量变化可以直接反映链路上有无雨区覆盖,密集的微波链路将对雨区分布及雨区移动趋势更敏感。对于平均路径的降水反演,主要采用单频链路和双频/多频链路两种方法。

双频链路测量降水的基本思路是尽量消除式(1)所示平均路径雨强与链路衰减之间的非线性关系不利于降水估计的问题。对于单一频段f,雨衰量γ与降雨强度R呈幂律关系,参数k和α的取值与频率、雨滴大小分布、雨滴温度、极化等因素有关。对于不同的降雨场景,雨滴模型、雨滴温度等要素不同也未知,直接由雨衰量和式(1)反演降雨强度,将因为k和α的不准确造成误差。但是,两条或多条单频链路上的衰减差值与平均路径雨强的关系近似为线性关系。

利用双频/多频链路测量降雨的基本原理就是在相同的发射端和相同的接收端同时架设两条或多条使用不同频段的平行微波链路,覆盖同一降水区域。如两条链路的发射频段分别为f1和f2,雨衰量分别为γf1和γf2,则在同一降水区域,降雨强度为R时,有如下关系:

总体来讲,选择特定频率的双频链路可以较好地解决非降水因素的消除问题,但是使用的频段不同,式(2)中的系数也不同,目前尚没有专门的研究结果揭示出所使用频段与该系数的规律关系。因此,在利用已有微波通信系统的现实条件下,依据其通信频段选择合适的单频链路较容易实现,而针对双频链路方法的假设条件,则需要通过实验尝试较为苛刻地选择频率,选择出完全符合条件的双频链路有较大困难。

区域降水的反演是微波链路测量降水的重要内容,不规则拓扑结构下的反演模型及算法仍是研究热点及难点之一。

微波链路对降雨、降雪的衰减影响不同,气体吸收、雾、地理环境等因素也可能造成信号衰减,与雨衰的表现形式相同。因此,仅从信号衰减值正确区分降水及降水类型是个难点,但这是推广应用微波链路测量降水方法的必要基础。在此基础上,利用微波链路实现对雾、温湿度等其他气象要的监测是潜在的应用方向。

利用微波链路测量降水的独特优势在于,可以充分利用广泛、密集分布的已有无线通信设施及微波链路,获得更高时空分辨率的降水分布。利用商用网络测量降水需要了解商用网络的工作频率、工作体制、覆盖区域等特点。在已有条件下,选择合适的单频或双频微波链路,提取工作参数,进行降水反演试验。还需要分析商用网络测量降水的误差因素及修正误差的方法。

但正如前所述,双频/多频链路的特定使用要求难以满足,探索其他精确测量雨衰减量的方法仍十分必要。

在反演降雨时,若将非降雨时段的衰减当作降雨时段的衰减会导致过高估计降雨强度,因此正确区分判别降雨时段与非降雨时段是提高降雨反演精度的必要基础。

区域降雨场反演是指在平均路径降雨反演的基础上,获得二维区域降雨分布的理论与方法。目前区域降雨场的反演主要有距离反比权重插值和层析两种方法。距离反比权重插值法适用于链路相对稀疏的微波链路网络覆盖区域,但是分辨率较低,反演精度较差。层析方法可以得到空间分辨率更高和更为准确的降雨场分布,但是对于没有链路穿的网格,反演效果较差。

层析方法的假设前提是将微波链路网络覆盖区域划分成规则的正方形网格,而商用微波链路的拓扑结构不规则且无法改变,链路密度也分布不均。因此,研究不规则拓扑结构下的自适应反演模型及算法是将微波链路测量降水方法推向实用化的重要内容之一。

THE END
1.算法分析与设计本文介绍了两种线性时间选择算法:RandomizedSelect和Select,用于在给定的线性序集中寻找第k小的元素。RandomizedSelect通过随机选取基准元素进行划分,平均时间复杂度为O(n);Select算法通过固定基准划分,通过多次选择中位数优化,最坏情况下时间复杂度也为O(n)。这两种算法在实际应用中提供了高效的元素查找解决方案。 摘要https://blog.csdn.net/qq_50737715/article/details/123948915
2.算法设计与分析(线性时间选择算法51CTO博客线性时间选择算法(QuickSelect)实现 线性时间选择算法是快速排序算法的一个变种,用于在未完全排序的数组中找到第k小的元素。线性时间选择算法的平均时间复杂度为O(n),但最坏情况下的时间复杂度仍然是O(n^2)。通过随机选择基准点(pivot),可以在一定程度上避免最坏情况的发生。 https://blog.51cto.com/u_16672541/12100853
3.线性时间选择常见问题给定线性序集中n个元素和一个整数k,1≤k≤n,要求找出这n个元素中第k小的元素。在某些特殊情况下,很容易设计出解选择问题的线性时间算法。如:当要选择最大元素或最小元素时,显然可以在O(n)时间完成。https://m.php.cn/faq/423439.html
4.线性时间选择给定序列,使用线性时间复杂度,寻找出第k小的元素 问题来源:当k是最小或最大的元素时,可以一遍遍历所有的元素,就找到第k小的元素 遂第k小元素的寻找时间有下界:O(n)算法思想:寻找Partition函数的最优基准(找到新的划分基准) 原理:一个好基准,可以帮助下一次递归去除更多的无用元素,减少递归规模,从而减少时间https://www.jianshu.com/p/a96c1326684d
5.时间复杂度常见的非合次线性时间算法都采用了诸如平行处理(就像NC1 matrix行列式计算那样)、非古典处理(英语:Quantum algorithm)(如同葛罗佛搜索那样),又或者选择性地对有保证的输入结构作出假设(如幂对数时间的二分搜索)。不过,一些情况,例如在头 log(n) 比特中每个字符串有一个比特作为索引的字符串组就可能依赖于输入的每个http://mp2.allhistory.com/detail/5924158b55b54278ac0026ee
6.第十一章线性规划的多项式时间算法如果存在求解线性规划问题 (11.1.3)的多项式时间算法, 能够 判定 ( 11.1.3)不可行或 无界或达到最优解 , 则当( 11.1.3)不可行时,线性 不等式组 (11.1.2)无解;当( 11.1.3)无界或达到最优解时,我们得到了线性不等式组 (11.1.2)的一个解 . 这表明该算法在多项式时间能够求解线性不等式组 (11.1.2)http://www.360doc.com/document/22/1020/10/32929879_1052444973.shtml
7.算法中七种常见的时间复杂度作为程序员,我们经常努力编写旧能这篇文章介绍了算法中七种常见的时间复杂度,包括大 O 表示法的定义和作用,用简单的术语解释算法、运行时间、输入规模等概念,列举了七种时间复杂度的常见例子,如常数、对数、线性等,并在最后指出还有更多相关内容可学习。 关联问题:哪种算法复杂度高时间复杂度怎么算常见算法有哪些 https://juejin.cn/post/6873379647125553159
8.《光谱学与光谱分析》2022年,第42卷,第02期然后,为验证PLS建立的TOC模型对仪器状态变化的鲁棒性,选择不同时间段采集的光谱数据分别作为训练集和测试集,进行不同仪器状态交叉实验,4组实验中测试集样品TOC浓度预测值的MAPE分别为3.82%,3.75%,3.43%和0.98%。实验表明,采用PLS算法建立的TOC紫外-可见光谱定量分析模型具有较好的分析精度和鲁棒性,分组实验和不同仪器http://www.sinospectroscopy.org.cn/readnews.php?nid=97028
9.Python3实现旋转数组的3种算法小结python旋转数组是一种常见的数据结构问题,通常是指一个有序数组经过旋转后,使得所有元素逆序排列。例如,给定一个数组 [4,5,6,7,0,1,2],它可能经过旋转变为 [0,1,2,4,5,6,7]。解决旋转数组的问题对于理解算法设计和数据结构有重要意义。 二、线性时间复杂度算法 https://www.jb51.net/python/30995639p.htm
10.Matlab自带遗传算法工具箱的介绍和使用注意事项4、selection(selection function)依据适应值选择父代 stochastic uniform:随机均匀分布 remainder: 残余,取适应值的整数部分进行轮盘赌选择 uniform:不是一个好方法,但是可以用来做测试 shift linear:线性转换 roulette:轮盘赌算法 tournament:联赛选择算法 custom:自定义 https://www.360doc.cn/article/42278386_747158977.html
11.五大算法设计思想,你都知道吗?腾讯云开发者社区7)线性时间选择 8)最接近点对问题 9)循环赛日程表 10)汉诺塔 二.动态规划 1.概念:每次决策依赖于当前状态,又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划。 2.思想策略:将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前https://cloud.tencent.com/developer/article/1882027
12.机器学习的常用算法在这种学习模式下,输入数据作为对模型的反馈,不像监督模型那样,输入数据仅仅是作为一个检查模型对错的方式,在强化学习下,输入数据直接反馈到模型,模型必须对此立刻作出调整。常见的应用场景包括动态系统以及机器人控制等。常见算法包括Q-Learning以及时间差学习(Temporal difference learning) http://jsjx.llu.edu.cn/info/1598/3841.htm
13.C++实现第K顺序统计量的求解方法一种原始的解决方案是,用堆排序或归并排序将输入数据进行排序,然后返回第k个元素。这样在Θ(nlgn)时间内一定可以解决。但是我们希望有更好的方案,最好是线性时间。 二、期望线性时间的解决方案: 为了在线性时间内解决这个选择问题,我们使用一个随机的分治算法,即RANDOMIZED-SELECT算法。此算法是使用随机化的快速排序https://www.xiuzhanwang.com/a1/Cyuyan/3500.html