删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于北斗GEO卫星反射信号的渤海海冰检测*

本站小编 Free考研考试/2021-12-25

中国渤海每年冬天会因寒潮侵袭而冻结造成海冰灾害,海冰灾害直接造成的经济损失引起了国家气象局的重视[1]。这使得对海冰监测技术的探究和对海冰的预警技术成为重要的研究方向。传统的海冰观测站测量、机载监测和卫星遥感观测等手段受环境限制并且成本高。
全球导航卫星系统反射信号(GNSS-R)具有全球覆盖、全天候的可用性、成本低等特点,其有广泛的卫星资源应用于检测海洋表面,应用领域如海洋测高[2-4]、海洋风场[5-7]、海面浮油[8-9]和海面有效波高[10-11]。近年来,海冰检测已经成为使用GNSS-R技术研究的一个重要领域。
Komjathy等[12]首次于2000年发表了全球定位系统(GPS)在遥感领域的新的潜在应用。不过,GPS只包含中地球轨道(MEO)卫星星座。通常,单颗MEO卫星在一天的可用时间为4~6 h,并且卫星的仰角在10°~80°之间变化,而可使用的仰角范围有限[13-16],这使得单颗卫星的海冰检测的时间分辨率降低。使用多颗卫星相结合可以提高时间分辨率,但每颗卫星发射信号功率不同,在信号传输过程中的信号衰减程度不一致等原因导致使用多颗卫星协作的情况会带来不同程度的系统误差[17-22]
中国自主研发的北斗系统由地球同步轨道(GEO)卫星、倾斜地球同步轨道(IGSO)卫星和MEO卫星组成。与MEO卫星和IGSO卫星相比,GEO卫星具有较低的角速度,仰角几乎没有变化,所以镜面反射点也几乎没有变化。因此,使用GEO卫星检测海冰不仅具有高时间分辨率,而且能够减少因卫星仰角变化对反射信号功率造成的影响。然而,使用北斗GEO卫星反射信号检测海冰的研究还很少[23-24]
本文使用笔者团队开发的北斗卫星反射信号(BeiDou-R)软件接收机接收数据,利用3颗北斗GEO卫星(C01、C02和C03)在渤海湾进行了2次实验,对实验结果的分析验证了北斗GEO卫星反射信号检测海冰密集度的可行性。
第1次实验首次验证了利用GEO卫星的反射信号检测海冰的可能性。由于第1次实验(2015年)当天气温比较高,从海冰状态到全部融化成海水状态仅持续11 h。同时海冰密集度的变化受潮汐的影响,当潮水上涨时会将海冰冲碎并带走海冰,海冰密集度急速降低,因此未能进行长时间的连续观测。第2次实验(2016年)中海冰状态持续了6 d并且海冰密集度高达90%,因此利用3颗北斗GEO卫星对沿海海冰进行了长时间的连续观测。
2次实验结果表明,渤海湾海域海冰产生的反射信号的极化比值与海冰密集度和大气温度有一定的相关性。同时本文使用干涉相位的均方根RMS?讨论了海面粗糙度,发现海面粗糙度变化较小,可以忽略其对实验结果的影响。
1 原理方法 1.1 BDS的特征 北斗卫星导航系统(BDS)由3部分组成:空间段、地面段和用户段。与其他系统不同,BDS不仅包括MEO卫星和IGSO卫星,也包括GEO卫星。截至2016年6月12日,已成功发射23颗卫星,包括7颗GEO卫星、8颗MEO卫星、8颗IGSO卫星。由于卫星轨道的特点,造成了GEO与MEO和IGSO的可视时间和仰角变化率都有较大的不同。其中,GEO卫星的轨道高度为35 786 km,可视时间为24 h(全天),仰角几乎不变。
图 1为2016年2月1日渤海湾的C03(GEO)、C08(IGSO)和C11(MEO)卫星的24 h仰角时序图,体现了北斗3种星座不同的可视时间。C03(北斗GEO)的可视时间长达24 h,仰角的变化范围仅为3°~4°;C08(北斗IGSO)的可视时间为16 h,仰角变化率会改变,一段时间内的仰角变化率保持在10°以内,与GEO卫星有相同的特征,而另一段时间内的仰角变化率非常大,与MEO卫星有相同的特征;C11(北斗MEO)的可视时间被分割成2段,共6 h。可视时间和仰角的变化率与各自卫星的轨道特性有着密切的关系。由此可见,在接收机固定位置的情况下,单颗GEO卫星的时间分辨率比MEO卫星和IGSO卫星高,因此可以利用GEO卫星对特定位置进行长时间的稳定观测。基于这一特性,本文使用了3颗北斗GEO卫星(C01、C02和C03)提高了基于地基反射信号的海冰检测的时间分辨率。
图 1 2016年2月1日的24 h北斗混合星座代表卫星的时序图 Fig. 1 24 h timing diagram of BeiDou mixed constellation (February 1, 2016)
图选项




BDS发射2种右旋圆极化(RHCP)L波段信号,分别为B1频率(1 561.098 MHz)和B2频率(1 207.14 MHz)。本文采用B1频率信号,其带宽为4.092 MHz。
1.2 海冰检测原理 本文假设海面平静,忽略海面粗糙度的影响。对于光滑的表面,电磁波的反射类似镜面反射[23]。入射角等于反射角,利用菲涅耳反射系数可以确定入射电磁波与反射电磁波之间的关系。
实验中卫星数据的仰角范围为38°~43°,故实验利用直射信号在海面反射后的反射左旋圆极化信号R-LHCP与直射右旋圆极化信号D-RHCP的比值——极化比(R-LHCP/D-RHCP)模型反推海洋表面物理信息。
1.3 海面粗糙度原理 在本文的2次实验中,镜面反射区域实际是略微粗糙的海面,这导致海冰表面的反射信号在各个方向都有散射,从而降低了反射信号的功率[19]
由于反射面的粗糙度与RMS?的变化相关,因此通过RMS?来表征镜面反射点处的海面粗糙度。图 2为计算RMS?的流程。通过分析RMS?与海冰表面状况之间的关系来判断是否需要用海面粗糙度对实验结果进行校正。
图 2 RMS?计算流程 Fig. 2 Calculation flowchart of RMS?
图选项




2 海冰实验 为了验证使用BeiDou-R技术与极化比(R-LHCP/D-RHCP)海冰模型检测海冰密集度的可行性,笔者在中国渤海进行了2次实验。为了消除不同时刻卫星仰角变化对实验结果的影响以及提高观测的时间分辨率,采用北斗GEO卫星对海冰进行探测。
考虑到天线波束角和反射面积,选择卫星仰角范围为135°~225°的海冰数据进行处理。筛选出3颗符合条件的GEO卫星C01、C02和C03。然而在2015年的实验期间,C02卫星发生轨道漂移现象,故2015年符合条件的卫星只有C01和C03卫星。
图 3(a)为实验位置坐标,图 3(b)为北斗卫星的镜面反射点位置。图中,蓝色、玫红色、绿色圆点分别代表C01、C02、C03的镜面反射点,红色圆点表示接收器的位置。
图 3 实验场地接收机和镜面反射点位置 Fig. 3 Receiver and specular reflection points of experimental area
图选项




本次实验用了3个接收天线:D-RHCP、R-LHCP和R-RHCP天线,相关参数详见表 1。本文使用的是BDS中频(IF)信号的软件接收机,采样频率为16.36 MHz,带宽约为16 MB/s。
表 1 D-RHCP、R-LHCP和R-RHCP天线的参数对比 Table 1 Comparison of parameters of D-RHCP, R-LCHP and R-RHCP antennas
参数 D-RHCP
天线
R-LHCP
天线
R-RHCP
天线
工作温度/℃ -55~+85 -40~+80 -55~+85
天线增益/dB 3 12 12
波束角/(°) 0~360 21 21
质量/kg < 0.2 1.2 1.2
尺寸/(mm×mm×mm) 119×76×18 212×212×20 212×212×20


表选项






图 4为2016年1月30日3颗GEO卫星的天顶图。实线箭头代表 2015年接收天线朝向, 虚线箭头代表 2016年接收天线朝向。
图 4 2016年1月30日实验地点卫星天顶图 Fig. 4 Skyplot of satellite at experiment point (January 30, 2016)
图选项




图 5为2015年1月24日08:24时刻C01卫星的路径延迟与相关功率关系曲线,该曲线为240 s的数据。在这组数据中,极化比(R-LHCP/D-RHCP)为0.11。用同样的方法估计2个实验中的极化比(R-LHCP/D-RHCP)所有值。
图 5 2015年1月24日08:24时刻C01卫星路径延迟与相关功率关系曲线 Fig. 5 Relationship between path delay and related power of C01 satellite (January 24, 2015, 08:24)
图选项




3 实验数据分析 3.1 第1次实验 在本次BeiDou-R岸基实验中,用照相机每5 min拍摄一张实验场景,并使用支持向量机(SVM)的方法计算照片中实验场景的海冰密集度。结果显示在图 6中,图中小照片代表实验场景。
图 6 海冰密集度及实验场景 Fig. 6 Pictures of sea ice concentration and experimental scene
图选项




2015年1月24日,海面高潮发生在05:48和17:33时刻,低潮发生在12:09时刻。从图 6中可以看出,07:58~12:14时刻海冰密集度没有明显的变化,12:14时刻之后海冰密集度略有下降,然后又有所上升。结合气象站的气温资料,可能是中午气温变化造成的。在13:06~15:16时刻,海冰密集度稳定。15:16时刻之后,海水涨潮到实验区域,海水增加并将海冰冲走,镜面反射区海冰密集度急剧下降。
将接收的07:58~16:43时刻的卫星信号数据进行1次相干累加和100次非相干累加,得到如图 7所示结果。
图 7 C01和C03卫星的极化比、海冰密集度和大气温度变化 Fig. 7 Polarization ratio, sea ice concentration and atmospheric temperature change of C01 and C03 satellites
图选项




根据文献[21]所述,极化比值(R-LHCP/D-RHCP)与海冰密集度呈负相关。从图 7中可以看到,07:58~12:55时刻C01卫星的极化比值和07:58~11:22时刻C03卫星的极化比值逐渐上升,而海冰密集度逐渐下降;12:55~15:16时刻C01和C03卫星的极化比值先下降后上升,海冰密集度先上升后下降;15:16时刻之后潮汐到达实验区域,C01和C03卫星的极化比值上升,海冰密集度下降。
12:55时刻的C01卫星数据中的峰值可能是由于中午大气温度较高引起的海冰暂时融化,15:16时刻之后极化比值迅速上升是因为潮汐影响导致海冰密集度迅速降低。C03卫星的结果类似。
3.2 第2次实验 在2016年的实验中,笔者对实验区域进行了视频拍摄,随后使用SVM计算从视频中获取的实验场景照片的海冰密集度。结果如表 2所示,实验期间海面几乎被海冰覆盖。由于海冰密集度变化幅度极小,很难分析海冰密集度和极化比之间的关系。
表 2 2016年实验中每天的海冰密集度 Table 2 Daily sea ice concentration of experiment in 2016
时刻 海水密集度
2016-01-30 2016-01-31 2016-02-01 2016-02-02 2016-02-03 2016-02-04
08:00 0.91 0.93 0.93 0.93 1.00 0.97
11:00 0.94 0.97 1.00 1.00 0.95 0.95
14:00 0.95 0.99 1.00 1.00 0.98 0.94
17:00 0.95 0.99 1.00 1.00 0.98 0.94


表选项






本文分析了极化比和大气温度之间的关系,结果如图 8所示。可以看出,C01、C02和C03卫星的极化比值与大气温度之间呈正相关关系。
图 8 极化比与大气温度的关系 Fig. 8 Relationship between polarization ratio and atmospheric temperature
图选项




表 3显示了每颗卫星每天的极化比值与大气温度之间的相关性,最右列是每颗卫星在6 d的实验中总的相关值。
表 3 极化比和大气温度的相关性 Table 3 Relationship between polarization ratio and atmospheric temperature
卫星 仰角/(°)相关值总相关值
2016-01-30 2016-01-31 2016-02-01 2016-02-02 2016-02-03 2016-02-04
C01 38 0.55 0.67 0.82 0.71 0.45 0.49 0.61
C02 30 0.66 0.78 0.80 0.76 0.84 0.68 0.72
C03 43 0.54 0.57 0.73 0.72 0.60 0.52 0.57


表选项






通过对图 8表 3进行分析,得出以下结论:
1) 在连续6 d的实验期间,C01、C02和C03卫星的极化比值与大气温度之间呈正相关的关系,相关值分别为0.61、0.72和0.57。
2) C02卫星的极化比与大气温度的相关性结果比C01和C03卫星大。通过实验现场观察发现,C02卫星的镜面反射点区域的海冰结构更稳定。推测当海冰密集度高且稳定时,大气温度对极化比值的影响最大。
3.3 海面粗糙度分析 通过计算RMS?标准偏差来分析海面的粗糙度。
图 9为2次实验的RMS?数据,图中每个点是30 min实验数据的平均值。在2015年的实验中,实验海域中是冰与水的混合物(见图 6)。在2016年的实验中,实验海域中海冰密集度达到90%以上(见表 2)。从图 9可以得出,风速和RMS?之间无明显的相关性。海冰和海水混合物的海况,海面粗糙度基本不受风速影响,主要与海冰的表面状况有关。图 10为2次实验中具有代表性的海面状况照片。
图 9 2次实验的RMS?值 Fig. 9 RMS? values of two experiments
图选项




图 10 2次实验海冰状况实景图 Fig. 10 View diagrams of two sea ice experiments
图选项




表 4为2次实验RMS?值的标准偏差。可以发现,第2次实验的RMS?值的标准偏差值比第1次实验更小,反映了更加光滑的海面状况。第2次实验期间,渤海湾实验区海面是由海水新结的海冰组成,海面比第1次实验的更光滑(实验现场照片见图 10)。在海冰密集度大时,RMS?值可以直接反映海冰的表面状况。
表 4 2次实验的RMS?值的标准差 Table 4 Standard deviation of RMS? of two experiments
实验标准差
C01 C02 C03
第1次 0.129 7 0.143 7
第2次 0.002 6 0.002 4 0.002 3


表选项






由于2次实验中RMS?范围小于0.5 rad(见图 9表 4),对海冰检测的影响可以忽略,所以无需对2次实验的结果进行校正。
4 结论 本文通过在渤海的2次实验,利用3颗北斗GEO卫星的反射信号检测海冰密集度,验证了使用岸基BeiDou-R软件接收机接收北斗GEO卫星反射信号检测海冰密集度的可行性。
从2次实验的结果可知,BeiDou-R软件接收机能够被用来接收BeiDou-R信号。从处理后的数据可以得到以下结论:
1) 由于GEO卫星仰角几乎不变,在岸基实验中呈现很好的时间分辨率,并提供更可行的数据,可以使用单颗GEO卫星定点长时间监测海况,可以使用多个GEO卫星结合提高空间分辨率。在未来的研究中,将结合北斗IGSO卫星进一步提高检测海冰密集度的空间分辨率。
2) 当海冰密集度变化范围大的情况下,可以利用BeiDou-R信号极化比技术探测海冰密集度变化。
3) 当海冰密集度大,且变化范围小的情况下,极化比技术可以检测气温的变化。因为海冰厚度与气温有一定的相关性,海冰厚度的变化也可能影响极化比值。由于本文提到的2次实验中缺乏海冰厚度的数据,这一问题需要在将来进一步研究。
4) 当海冰密集度大时,由于海面粗糙度受风速影响较小,非相干相位的RMS可以直接反映海冰的表面状况。从本文实验中RMS?的结果得出海面粗糙度对海冰检测的影响极小可以忽略,故不需校正。
5) 本文实验中定性地分析了海冰密集度的变化与极化比的相关性,在未来的实验中将尝试对极化比和海冰密集度的关系进行定量分析。
致谢    
本文在研究过程中,得到了北京航空航天大学杨东凯教授、李伟强博士关于GNSS-R方面的悉心指导;在渤海海冰实验过程中,中国气象局气象探测中心、天津市气象科学研究所、天津市滨海新区气象局等单位给予了大力支持;同时,在撰写论文的过程中,得到了上海海洋大学通信导航海洋应用实验室老师和同学的关心和帮助,在此一并表示诚挚感谢。
参考文献
[1] 李剑, 黄嘉佑, 刘钦政. 黄、渤海海冰长期变化特征分析[J].海洋预报, 2005, 22(2): 22–32.
LI J, HUANG J Y, LIU Q Z. Long term variation characteristics of sea ice in Bohai and Yellow Sea[J].Ocean Forecast, 2005, 22(2): 22–32.DOI:10.11737/j.issn.1003-0239.2005.02.004(in Chinese)
[2] RIUS A, CARDELLACH E, MATTIN-NEIRA M. Altimetric analysis of the sea-surface GPS-reflected signals[J].IEEE Transactions on Geoscience & Remote Sensing, 2010, 48(4): 2119–2127.
[3] PARK H, VALENCIA E, CAMPS A, et al. Delay tracking in spaceborne GNSS-R ocean altimetry[J].IEEE Geoscience & Remote Sensing Letters, 2013, 10(1): 57–61.
[4] ZHANG Y, LI B B, TIAN L M, et al. Phase altimetry using reflected signals from BeiDou GEO satellites[J].IEEE Geoscience & Remote Sensing Letters, 2016, 13(10): 1410–1414.
[5] ZAVOROTNY V U, VORONOVICH A G. Scattering of GPS signals from the ocean with wind remote sensing application[J].IEEE Transactions on Geoscience & Remote Sensing, 2000, 38(2): 951–964.
[6] RODRIGUEZ-ALVAREZ N, AKOS D M, ZAVOROTNY V U, et al. Airborne GNSS-R wind retrievals using delay-Doppler maps[J].IEEE Transactions on Geoscience & Remote Sensing, 2013, 51(1): 626–641.
[7] VALENCIA E, ZAVOROTNY V U, AKOS D M, et al. Using DDM asymmetry metrics for wind direction retrieval from GPS ocean-scattered signals in airborne experiments[J].IEEE Transactions on Geoscience & Remote Sensing, 2014, 52(7): 3924–3936.
[8] LI C, HUANG W, GLEASON S. Dual antenna space-based GNSS-R ocean surface mapping:Oil slick and tropical cyclone sensing[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015, 8(1): 425–435.
[9] VALENCIA E, CAMPS A, RODRIGUEZ-ALVAREZ N, et al. Using GNSS-R imaging of the ocean surface for oil slick detection[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2013, 6(1): 217–223.
[10] SOULAT F, CAPARRINI M, GERMAIN O, et al. Sea state monitoring using coastal GNSS-R[J].Geophysical Research Letters, 2004, 31(21): 133–147.
[11] LARSON K M, RAY R D, NIEVINSKI F G, et al. The accidental tide gauge:A GPS reflection case study from Kachemak Bay, Alaska[J].IEEE Geoscience & Remote Sensing Letters, 2013, 10(5): 1200–1204.
[12] KOMJATHY A, ZAVOROTNY V, AXELRAD P, et al. GPS signal scattering from sea surface: Comparison between experimental data and theoretical model[C]//The 5th International Conference on Remote Sensing for Marine and Coastal Environments, 1998: 1-12.
[13] YAN Q, HUANG W. Spaceborne GNSS-R sea ice detection using delay-Doppler maps:First results from the U.K.TechDemoSat-1 mission[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2016, 9(10): 4795–4801.
[14] WIEHL M, LEGRESY B, DIETRICH R. Potential of reflected GNSS signals for ice sheet remote sensing[J].Progress in Electromagnetics Research, 2003, 40: 177–205.DOI:10.2528/PIER02102202
[15] GLEASON S, HODGART S, SUN Y, et al. Detection and processing of bistatically reflected GPS signals from low earth orbit for the purpose of ocean remote sensing[J].IEEE Transactions on Geoscience & Remote Sensing, 2005, 43(6): 1229–1241.
[16] RIVAS M B, MASLANIK J A, AXELRAD P. Bistatic scattering of GPS signals off arctic sea ice[J].IEEE Transactions on Geoscience & Remote Sensing, 2010, 48(3): 1548–1553.
[17]
[18] CARDELLACH E, FABRA F, NOGUéS-CORREIG O, et al. GNSS-R ground-based and airborne campaigns for ocean, land, ice, and snow techniques:Application to the GOLD-RTR data sets[J].Radio Science, 2016, 46(6): 1–16.
[19] FABRA F, CARDELLACH E, RIUS A, et al. Phase altimetry with dual polarization GNSS-R over sea ice[J].IEEE Transactions on Geoscience & Remote Sensing, 2012, 50(6): 2112–2121.
[20] FABRA F. GNSS-R as a source of opportunity for remote sensing of the cryosphere[D]. Barcelona: Universitat Politècnicade Catalunya(UPC), 2013.
[21] ZHANG Y, GUO J J, YUAN G L, et al. Sea ice study based on GNSS-R signal[J].Global Positioning System(China), 2013, 38(2): 1–7.
[22] ZHANG Y, MENG W T, GU Q M, et al. Detection of Bohai bay sea ice using GPS-reflected signals[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015, 8(1): 39–46.
[23] 张阳. 基于北斗卫星反射信号的海面高度测量方法研究[D]. 北京: 北京化工大学, 2015.
ZHANG Y. Study on sea surface height measurement based on Beidou satellite reflection signal[D]. Beijing: Beijing University of Chemical Technology, 2015(in Chinese).http://www.bigengculture.com/kejilunwen/dizhicehuilunwen/320110.html
[24] 白伟华. GNSS-R海洋遥感技术研究[D]. 北京: 中国科学院研究生院, 2008.
BAI W H. Study of the GNSS-R ocean remote sensing technique[D]. Beijing: Graduate University of Chinese Academy of Sciences, 2008(in Chinese).http://cdmd.cnki.com.cn/Article/CDMD-80073-2009222984.htm


相关话题/卫星 实验 信号 数据 大气

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 原子自旋陀螺气室加热电磁噪声抑制实验研究*
    陀螺仪广泛应用于航空航天等导航与制导领域,其精度决定了导航的精度。随着量子技术和微加工技术的发展,基于原子自旋的一些量子器件发展迅速,极大地提升了仪器的精密测量能力[1-2]。原子自旋陀螺是原子自旋器件的一个重要研究领域,其凭借超高理论精度和小体积,有望成为未来主流的一类陀螺[3-5]。碱金属气室是 ...
    本站小编 Free考研考试 2021-12-25
  • 液氮贮箱常压停放实验与数值仿真*
    新一代大推力液体火箭采用液氢、液氧等低温流体作为芯级推进剂,推进剂在加注完后至发射前一直处于地面停放过程,贮箱壁面漏热使低温推进剂的温度升高并发生汽化,造成推进剂的损失,并影响发射安全。国内外对低温推进剂的地面停放过程开展过一系列的研究。在实验方面:Lewis研究中心[1]将4.89m3的多层绝热液 ...
    本站小编 Free考研考试 2021-12-25
  • GNSS海面反射信号的三维建模方法*
    全球导航卫星系统反射(GNSS-R)已成为一种新兴的海洋遥感技术[1]。该技术以全球导航卫星系统(GNSS)卫星为信号源,采用双基雷达前向散射模式进行海洋信息的探测[2]。具有信号源稳定、覆盖范围广、成本低等优点[3],近20年得到了国内外****的广泛关注。美国、欧洲以及中国都投入了很多精力对GN ...
    本站小编 Free考研考试 2021-12-25
  • 基于波长调制谐波信号主峰拟合的气体浓度测量方法*
    作为一种非接触式的气体测量方法,波长调制光谱法被用来测量多种气体的参数。在对激光波长进行调谐扫描气体的吸收光谱时,波长调制光谱法通过低频扫描信号叠加高频调制信号的方式去除低频噪声。因此,波长调制光谱法更适用于低吸收率以及高温高压的测量情况。现在,波长调制光谱法已经被广泛应用于测量气体的温度[1-5] ...
    本站小编 Free考研考试 2021-12-25
  • 基于Lamb波气体传感器的数据采集仪*
    超声波作为一种信息载体,已广泛应用于化工工业、航空航天、无损检测、海洋探查及生物医学等领域[1]。Lamb波气体传感器是一种新型的超声波传感器,具有高灵敏度、低损耗、多模式特性,可实现流速矢量、压强、温度、水分等多参数的测量,在气体传感、空气动力学、多参数解耦等方面展示出十分广阔的工业应用前景[2- ...
    本站小编 Free考研考试 2021-12-25
  • 基于凝结实验平台的音速喷嘴凝结现象研究*
    音速喷嘴因具有构造简单、性能稳定、精确度高等优点,被普遍应用于能源、化工、制药、航天等诸多领域[1]。由于喷嘴的测量对象多数含有水蒸气,而喷嘴内超音速流动会产生凝结、热阻塞以及激波现象[2],其变化规律以及对喷嘴流量计量精度的影响一直未得到很好的解释。针对音速喷嘴凝结现象的问题,已有一些专家**** ...
    本站小编 Free考研考试 2021-12-25
  • 临近空间38°N大气密度特性及建模技术*
    临近空间是指国际民航飞机飞行高度以上、卫星轨道维持高度以下的空间区域,是人类活动的新领域,跨越连续流、滑移流、过渡流及自由分子流[1]。临近空间大气密度要素对低速飞行器(如浮空器、飞艇等)的设计、飞行非常重要[2-3],同时也极大地影响高速飞行器气动力、气动热的计算和辨识、飞行轨道、飞行姿态控制等[ ...
    本站小编 Free考研考试 2021-12-25
  • 基于随机森林的航天器电信号多分类识别方法*
    航天器进入轨道飞行阶段以后,完全工作在高真空、冷黑和太阳辐照强烈的环境中,航天器一次发射以后,在目前的技术水平上,不可能进行在轨维修,因此需要对可能出现的故障进行诊断和预测[1]。由于航天器电子负载系统内部元器件非线性化的高度耦合,且是一种开放性时变系统,使得其有着不确定且较为复杂的整体构造,导致经 ...
    本站小编 Free考研考试 2021-12-25
  • 空间站大气环控系统应急运行策略优化*
    大气环控系统(ECS)是载人航天器重要的组成系统[1-2]。该系统主要通过控制舱室五大环境参数(总压、氧分压、二氧化碳分压、温度和湿度),为航天员提供适宜的舱室生存环境。许多****开展了载人航天器舱室环境仿真与优化研究,以改进大气环控系统的运行性能[3-5]。能源系统为空间站提供连续电能[6],然 ...
    本站小编 Free考研考试 2021-12-25
  • 基于双基雷达原理的GNSS海面反射信号建模方法*
    全球导航卫星系统反射(GNSS-R)技术是自20世纪90年代以来逐渐发展起来的GNSS的一个新型分支,是国内外遥感探测和导航技术领域研究热点之一[1]。通过这种技术可以获取海态、海面风场、海冰以及海水盐度等信息[2-4],这对于海洋学、远洋航运、海上捕捞、气象、潮位、海气相互作用等均具有重要的研究意 ...
    本站小编 Free考研考试 2021-12-25