一、风切变雷达原理与应用（论文文献综述）
刘志鑫[1]（2020）在《海杂波背景下的低空风切变检测方法研究》文中进行了进一步梳理随着世界科技与经济的发展,各国都在发展建造海上/滨海机场,例如英国伦敦第三机场、纽约拉瓜迪亚机场以及澳门机场等。然而由于海上/滨海机场附近气象条件复杂,民航客机在海上/滨海机场起飞降落将面临着许多恶劣的气象状况,会对飞机飞行安全造成重大威胁,而低空风切变则是众多恶劣气象状况中威胁飞机飞行安全的“头号杀手”。机载气象雷达作为飞机航电设备的重要组成部分可以在海面背景下进行低空风切变检测,但是却面临着许多困难,首当其冲的是机载气象雷达接收的海杂波信号会埋没低空风切变信号,使风速无法准确估计,导致低空风切变无法准确检测。目前的低空风切变检测方法多针对于地杂波背景,然而地杂波与海杂波之间存在着许多不同,海面波浪的运动会造成海杂波空时谱展宽,导致杂波抑制难度增加,影响低空风切变检测的准确性。因此专门研究海杂波背景下的低空风切变检测方法具有十分重要的意义。本论文以机载相控阵气象雷达为基础,针对海杂波背景下的低空风切变检测方法展开研究。主要内容如下:提出一种海杂波背景下基于空间多波束-时域滑窗的低空风切变检测方法。此方法首先对雷达回波数据进行预处理,然后构建空间多波束-时域滑窗的空时自适应处理（Space-Time Adaptive Processing,STAP）结构,对同频多普勒通道的输出进行自适应处理,构造代价函数实现低空风切变场的风速估计,最后计算平均F因子与告警阈值进行比较,实现低空风切变检测。针对独立同分布（Independent Identical Distribution,IID）训练样本数量极少的情况,提出一种基于稀疏重构的低空风切变检测方法,可仅利用几个少量的样本就能实现准确的低空风切变检测。此方法首先利用前视阵海杂波在角度-多普勒域的稀疏特性,通过构造超完备字典对空时快拍信号进行稀疏表示,采用稀疏贝叶斯学习算法进行信号重构,估计待检测距离单元的杂波协方差矩阵,然后通过构建空时自适应滤波器进行海杂波抑制与信号匹配,构造代价函数实现低空风切变风速估计,最后计算平均F因子进行低空风切变危险性判决,实现低空风切变检测。
雍从建[2]（2020）在《幅相误差情况下低空风切变检测》文中研究表明低空风切变通常出现在高度六百米以下,利用机载气象雷达对低空风切变进行检测时,此时航空器距离地面较近,因此气象雷达接收的回波信号中包含大量的地杂波信号,导致低空风切变无法被直接检测,为了在杂波背景下完成低空风切变检测,首先要对地杂波进行抑制。机载气象雷达在实际应用中,当存在阵元幅相误差时,导致杂波自由度增大,杂波在空时二维平面上散开,占据更大的二维空间,使得杂波谱变得更加复杂,以至于影响杂波抑制效果,进而导致低空风切变检测结果不准确。基于此,本论文以幅相误差为背景,对低空风切变检测方法进行了研究。首先,论文研究了幅相误差下机载气象雷达地杂波和低空风切变的回波数据模型,根据回波数据模型,对存在幅相误差的机载气象雷达回波信号进行了仿真,并对机载气象雷达地杂波的距离依赖性进行了推导,最后仿真了无误差和存在不同误差情况下的低空风切变和地杂波的空时二维谱,并进行了分析,为接下来的低空风切变检测奠定了基础。其次,针对存在幅相误差时,导致低空风切变检测不准确的问题,提出了一种基于组合空时主通道-局域联合空时自适应处理的低空风切检测方法。该方法首先依据雷达回波数据,对杂波存在的距离依赖性进行矫正;然后根据算法原理构造降维变换自适应处理器;最后利用求得的最优权矢量对雷达回波数据进行自适应滤波,完成幅相误差情况下低空风切变风速估计,从而实现低空风切变检测。仿真结果表明,该方法能够在幅相误差的情况下,很好的实现低空风切变检测。最后,针对CMCAP-JDL方法复杂度高计算量大的问题,提出一种计算量较小的改进辅助通道低空风切变检测方法。该方法首先采用幅相误差下基于修正导向矢量的杂波距离依赖性矫正方法;然后对待测距离单元杂波能量在波束-多普勒域的分布进行分析,根据杂波能量的分布特征选取辅助通道,来构建自适应降维处理器;最后利用求解的自适应降维处理器的最优权矢量实现对雷达回波数据的自适应滤波,完成幅相误差情况下低空风切变风速的准确估计,从而实现风切变检测。仿真结果表明,该方法在存在幅相误差时,能较好的实现低空风切变检测,同时进一步降低了运算量和算法复杂度。
闫文辉[3]（2019）在《三类航空危险性天气特征的雷达探测研究》文中提出虽然近年来航空技术飞速发展,但天气原因仍然是影响航空安全与效率最重要的因素之一。雷暴、风切变和飞机积冰对飞行安全以及飞行效益影响巨大。天气雷达因具有较高的时空分辨率及较远的探测距离,成为航空危险性天气探测的重要仪器。因此,本文主要针对影响飞行安全的上述三类航空危险性天气特征的雷达探测进行了研究。论文主要内容和结论如下:（1）利用地基多普勒天气雷达反射率因子数据和改进的DBSCAN聚类算法对雷暴单体的三维结构及特征量计算进行了研究,并在地基和机载平台上对雷暴单体探测算法的有效性进行了验证分析。结果表明:相对于SCIT算法,本文雷暴单体探测算法减少了雷暴分量识别的复杂性,可以很好地识别任意形状的雷暴单体;使用多层阈值及特征核心提取技术可以识别雷暴簇中的雷暴单体;利用腐蚀膨胀技术可以解决雷暴单体虚假合并现象。（2）利用地基多普勒天气雷达径向速度数据,进行了风切变的探测研究。探测算法的核心是计算二维合成风切变、垂直风切变和时间风切变。在计算二维合成风切变时,先利用风切变强度因子自适应地选择拟合“窗口”的大小,再利用最小二乘线性拟合方法,得到水平风切变。结果表明:自适应多尺度最小二乘法得到的合成风切变,在探测效果、连续性和边缘数据处理等方面都优于我国业务多普勒天气雷达PUP的合成风切变产品。（3）利用南京信息工程大学C波段双偏振天气雷达数据,基于偏振量回波的纹理均匀性和美国NCAR提出的积冰危险等级算法（IHLA）开展了积冰区探测。算法采用模块化设计,实现了过冷水区（冻毛毛雨和混合相云区）的识别,进而给出潜在的飞机积冰区域。结果表明:利用雷达数据,特别是双偏振雷达数据,可以探测潜在飞机积冰区域,并对飞机积冰进行预警。
段佳玲[4]（2019）在《基于多通道LFMCW雷达的低空风切变检测技术》文中指出低空风切变是自然界中一种看不见、摸不着,但却真实存在的天气现象,通常发生突然且强度极大,同时又不易检测,对飞机航行期间尤其是起降阶段的飞行安全造成了极大威胁,因此,及时地发现、回避低空风切变对于保障飞机飞行安全有着及其重要的现实意义。目前,脉冲体制雷达是最常用的低空风切变探测工具,其检测精度较高,但是该体制雷达存在结构复杂、成本高、体积大的问题。而线性调频连续波（Linear Frequency Modulation Continuous Wave,LFMCW）雷达具备体积小、重量轻、结构简单及分辨率高等诸多优点,使用其进行低空风切变检测不仅可以获得良好的检测效果,同时还可以满足机载雷达系统对小型化、轻量化以及低功耗的需求。因此,论文以机载多通道LFMCW雷达为平台,对低空风切变的检测技术进行了深入研究。第一,论文对LFMCW雷达系统的工作原理进行了简单介绍,并结合其特点建立了机载前视多通道LFMCW雷达下的地杂波回波信号模型。第二,针对机载前视多通道LFMCW雷达,提出了一种基于最优空时自适应处理（Space Time Adaptive Processing,STAP）算法的低空风切变检测方法。该方法首先对杂波距离依赖性进行校正,然后结合低空风切变的复杂空间分布特性构造空-时最优处理器,并利用该处理器的最优权矢量实现杂波抑制和风场速度的估计,最后采用双脉冲重复频率（Dual-Pulse Repetition Frequency,D-PRF）解速度模糊算法修正模糊速度,获得真实的风场风速值。仿真实验表明,该方法可以有效滤除地杂波并保留较为完整的风场目标信号。第三,针对最优STAP算法存在计算量大和复杂度高的问题,提出了一种基于修正局域联合处理（Joint Domain Localized,JDL）算法的多通道LFMCW雷达低空风切变检测方法。该方法首先在传统JDL算法的局域处理区域（Localized Processing Region,LPR）内选择部分空域波束和多普勒通道来设计降维矩阵,并对待检测距离单元内的雷达接收数据进行降维处理;然后构造修正JDL算法降维处理器滤除地杂波并匹配风场信号;最后采用D-PRF解速度模糊算法求出真实的风场风速值。仿真实验表明,该方法能够获得较好的风速估计结果,并进一步降低了算法的复杂度和运算量。
李怡静[5]（2019）在《复杂轨迹下机载气象雷达低空风切变检测研究》文中研究说明机载气象雷达在检测低空风切变时,由于处于下视工作模式而面临着大量杂波,致使风切变信号淹没在杂波环境中,因此为检测低空风切变,首先就要对地杂波进行抑制。在实际的复杂飞行环境下,当飞机受到空气中强气流、机动飞行（如转弯）等影响时,飞机可能会存在偏航、俯冲、滚转以及加速、俯仰等运动状态,从而导致飞机轨迹复杂,这会使得杂波谱更加复杂,从而增加杂波抑制难度,严重影响低空风切变的检测性能。因此,研究复杂轨迹下低空风切变检测具有重要意义。基于此,本文中选取了载机偏航和俯冲两个运动状态特例来研究复杂轨迹下低空风切变检测问题。首先,论文介绍了复杂轨迹下机载前视阵气象雷达的低空风切变、地杂波回波信号模型和雷达回波数据模型,并对复杂轨迹下机载前视阵气象雷达地杂波回特性进行了分析,最后对低空风切变和地杂波回波信号进行了仿真。其次,论文针对当载机偏航角和俯冲角比较小时,载机复杂轨迹导致杂波回波特性变得复杂,从而影响低空风切变检测不准确,提出了一种基于广义相邻多波束（GMB）自适应处理的低空风切变风速估计的方法。该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正。然后利用该方法构造降维变换矩阵,并对雷达回波数据进行降维处理。最后构造该方法的最优权矢量来实现自适应滤波与低空风切变的风速估计。最后,论文针对载机偏航和俯冲角度变大,导致能够用来估计待测距离单元内杂波协方差矩阵的参考距离单元数减少,提出了一种不需要参考距离单元的基于在直接数据域后级联多普勒三通道联合自适应处理（DDD-3DT）的低空风切变风速估计方法。该方法首先采用直接数据域算法对消掉待测距离单元的风切变信号,并通过滑窗得到多个训练样本。然后求得DDD-3DT方法的联合降维变换矩阵,并对训练样本进行降维处理。最后构造该方法的最优权矢量对待测距离单元的每个多普勒通道进行自适应滤波与风切变信号的匹配,来实现低空风切变的风速估计。
张强[6]（2019）在《机载气象雷达气象湍流检测方法研究》文中研究表明机载气象雷达（Airborne weather radar,WXR）作为飞机环境监视系统（Aircraft environment surveillance system,AESS）的核心子系统,是遵循FAA/EASA/CCAR25部民用飞机必须装备的机载设备。其通过探测飞机飞行航路上的恶劣气象条件,并实时向飞行员提供告警信息,可以保障飞机及机上人员在飞行全过程的安全。随着民机研制对机载设备新功能的要求,尤其是在IMA架构下各类机载设备的集成,更加需要开展对机载气象雷达的系统模型、数据处理、地面仿真等理论研究。在此背景下,本文主要围绕机载气象雷达在探测气象湍流方面的信号处理新方法展开研究,提出了基于神经网络和主成分分析的气象湍流检测方法。主要内容包含以下四个方面:1.介绍了典型的机载气象雷达系统,包括机载气象雷达的基本结构和系统功能,气象湍流对飞机飞行的危害性原理以及目前常用的气象湍流检测方法。2.提出了一种基于BP神经网络的气象湍流检测方法。利用了BP神经网络的多类分类功能,对气象目标的雷达回波数据直接进行分类处理,从而达到探测气象湍流的目的。解决了目前经典气象湍流探测的脉冲对法、快速傅里叶变换法和模型拟合法存在的问题,所提出的方法不需要借助经验公式及复杂的参数化模型即可准确的判断出某气象目标是否是气象湍流目标或识别出气象湍流目标的强度大小。仿真结果表明所在对气象湍流目标的强度进行四个等级分类时,该方法有较高的准确率。在判断气象湍流是否存在时,准确率大大提高。且在低信噪比情况下,所提出的方法依然有良好的探测性能。3.提出了一种基于主成分分析的气象湍流检测方法。利用了主成分分析良好的降噪能力,在对气象目标雷达回波信号进行脉冲对谱矩估计之前,利用主成分分析方法对原始数据进行去噪声处理,再结合脉冲对方法进行谱宽估计,从而探测气象湍流的强度。实验结果证明,无论回波数据的长短和信噪比的高低,所提出的方法检测性能均比传统的脉冲方法好,克服了传统脉冲对方法在低信噪比情况下,探测性能较差的问题。4.在实验室条件下建立了机载气象雷达仿真软件,包括气象雷达数据激励模块、气象雷达控制面板和综合显示界面。在气象数据激励下,仿真软件可以检测出普通的气象条件并实时显示,且当出现湍流或风切变时,可以实时给出告警信息。
于莹洁[7]（2018）在《多普勒气象雷达湍流目标检测与信号处理研究》文中指出灾害性天气对飞机的飞行安全带来很大的危害和影响,多普勒气象雷达可以实现对台风、湍流和风切变等极端天气的有效探测和预警,目前仍是一项重要的技术手段并获得了广泛应用。由于大气环境变化的突发性和复杂性,多普勒气象雷达对恶劣气象的探测还存在许多技术难题,例如地杂波抑制和湍流目标的解速度模糊等问题。信号处理是多普勒气象雷达系统的重要组成部分,开展多普勒气象雷达信号处理关键技术的深入研究,有助于提高雷达检测气象目标的性能,具有重要的学术研究意义和较大的应用价值。本文深入研究了多普勒气象雷达的湍流目标检测方法、解速度模糊和地杂波抑制等关键技术,主要贡献和创新工作如下:1.提出了一种机载多普勒气象雷达湍流目标检测的仿真方案,采用湍流三维风场模型提高了仿真系统的逼真度。该方法采用理论模型的相关函数矩阵来生成三维风场模型,建立了基于Von Karman模型和Dryden模型的三维仿真湍流模型,进行了两种模型的理论分析和数值仿真对比。仿真结果及分析表明,基于Von Karman的湍流仿真模型的相关特性与理论值有较好的一致性,可以较好满足机载多普勒气象雷达湍流检测对湍流风场模型的仿真要求。2.提出了一种机载多普勒气象雷达湍流目标的检测方法:涡旋耗散率（EDR）法,EDR法不仅考虑了湍流目标的速度谱宽,而且参考了雷达工作参数和目标相对距离等参数,与传统的简单谱宽的判定法相比,不仅适用于湍流区域判定,还能实现湍流强度的分级。仿真结果及分析表明,EDR法具有较好的湍流检测性能,而且适用面更宽。3.基于BoXPol雷达强对流天气过程的观测数据,采用了模糊逻辑水凝物分类法（FHC）,并结合双线偏振多普勒气象雷达偏振参量,对实测数据进行了降水粒子相态的识别分析,并将偏振参量与湍流强度相结合,分析了湍流对降水系统中粒子相态的影响,采用FHC法获得了降水粒子相态的识别结果,采用EDR法获得了湍流强度分布。数据分析结果表明,湍流强度较大时会导致降水粒子下落过程中速度和形态的变化趋势发生改变,符合实际天气情况。4.提出了一种在距离高度显示（RHI）扫描方式下三维模型的速度模糊修正方法,较好解决了多普勒气象雷达速度测量中的速度模糊问题。在RHI扫描方式下,依据扫描风场的分布特点和多普勒速度分布建立了三维圆筒模型,并采用最小二乘法估计奈奎斯特数,实现了速度测量的解模糊。在无其它辅助测量设备条件下与基于线性外推的自动判别法进行了对比分析。仿真结果及分析表明,所提出的方法在不同尺度的风场环境下能够准确解算速度模糊值,且计算简单,具有较高的应用价值。5.设计了一种基于时域参数化方法（PTDM）的多重脉冲重复周期工作方式下的杂波抑制方案,进行了三种不同脉冲重复周期组合条件下的地杂波抑制性能分析和数值仿真。在雷达发射单一重复周期信号时,与高斯模型自适应处理方法相比,PTDM方法的信号参数估计精度更高;在雷达采用参差双重复周期时,与谱矩估计方法相比,PTDM法具有较高的杂波抑制性能;当应用于多重脉冲重复周期时,与参差双重重复周期相比,杂波抑制效果得到进一步提升。仿真结果及分析表明,在雷达多重脉冲重复周期工作方式下,所提出的杂波抑制方案较好克服了常规技术的局限性,实现了地杂波的有效抑制。
韩雁飞,刘夏,李海,卢晓光[8]（2015）在《利用函数拟合的低空风切变三维建模与雷达回波仿真》文中研究指明高保真的低空风切变数据是进行低空风切变检测和飞行性能分析的必要基础。为解决低空风切变危险性高、发生突然且持续时间短等带来的真实数据不易获取的难题,本文提出了一种利用函数拟合的低空风切变三维建模方法。该方法依据风切变的流体力学特征,通过函数拟合的方式建立风场类型及特征可变的三维密度场和速度场,并按照现有机载气象雷达在风切变探测模式下的天线扫描与工作方式,实现低空风切变雷达回波仿真。仿真结果表明:该方法可灵活快速地实现低空风切变三维风场建模,雷达回波的速度估计结果较好地反映了低空风切变径向速度沿距离方向呈现反"S"型特征的分布特点。
韩雁飞,刘夏,李海,吴仁彪[9]（2016）在《基于微物理特性的三维低空风切变雷达回波仿真》文中认为低空风切变是一种危险性非常高的恶劣天气现象,对民航飞机起飞和着陆阶段的航行安全威胁最大。由于其具有发生突然、持续时间较短、影响强度大和危险性高等特点,使得真实的雷达回波数据难以轻易获取。在分析风切变目标微物理特性的基础上,利用计算流体力学的仿真方法建立三维风场模型,在对非均匀的原始风场数据进行预处理之后,依据民航装机使用的机载气象雷达设备设置扫描参数,利用逐脉冲撒点仿真法实现高保真的三维低空风切变雷达回波仿真。仿真结果表明,雷达回波数据可真实地反映出风切变信号的气象特征,仿真过程设计合理,仿真数据有效可靠。
高志光[10]（2013）在《基于图像处理的风切变类型识别研究》文中研究指明低空风切变已经成为严重影响飞机起飞和进场着陆阶段的一个危险因素,而且不同风切变具有独特的风场特征,对飞机的飞行影响也有很大不同,需要飞行员针对不同类型的风切变做出最正确的操作,所以对低空风切变的探测以及对其类型的识别就十分重要。而由于其突发性以及持续时间较短,使得实际探测资料比较缺乏。所以,能够仿真出风切变的风场数据,将有利于对风切变的类型识别等研究。多普勒激光雷达相比于微波天气雷达和风廓线仪等测风设备,具有探测距离远、分辨率高、探测精度高等特点,可在晴空天气条件下工作,是目前探测三维风场信息最有效的工具之一。本文基于多普勒激光雷达,结合大气流场理论实现对下击暴流、侧风切变、低空急流及顺逆风切变四种低空风切变的三维模拟仿真,建立雷达图像样本库,解决了风场数据难以获得及样本库难以建立的难题。基于图像处理方法实现风切变类型识别,分别提取图像的形状特征及奇异值特征,分别采用人工神经网络和支持向量机分类器算法,对于完整信息的样本库达到了较高的识别率。同时,针对缺失信息的样本,以及同类样本差异较大的难题,提出多特征提取方法,提取图像的纹理特征,结合形状特征进行识别。同时采用基于SOM-SVM的二次识别算法,实现了对缺失信息的图像的有效识别,进一步提高了整体识别率。与传统的风切变研究相比,本文方法忽略气象因素,完全转化为图像处理问题,实现低空风切变的类型识别。
二、风切变雷达原理与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、风切变雷达原理与应用（论文提纲范文）
（1）海杂波背景下的低空风切变检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测和预警 |
| 1.2.3 海杂波背景下的目标检测技术 |
| 1.3 本文工作内容和结构安排 |
| 第二章 海杂波背景下的机载气象雷达回波仿真 |
| 2.1 引言 |
| 2.2 机载相控阵气象雷达回波数据模型 |
| 2.3 低空风切变回波信号建模与仿真 |
| 2.4 机载相控阵气象雷达海杂波回波仿真 |
| 2.4.1 基于PM海浪谱的物理海平面模拟 |
| 2.4.2 海面后向散射系数与幅度分布 |
| 2.4.3 基于Ward模型的机载相控阵气象雷达海杂波仿真 |
| 2.4.4 机载前视阵雷达海杂波特性分析 |
| 2.5 仿真结果分析 |
| 2.5.1 仿真参数 |
| 2.5.2 机载相控阵气象雷达低空风切变仿真分析 |
| 2.5.3 机载相控阵气象雷达海杂波仿真分析 |
| 2.6 本章小结 |
| 第三章 基于空间多波束-时域滑窗的低空风切变检测方法 |
| 3.1 引言 |
| 3.2 基于空间多波束-时域滑窗的低空风切变检测方法 |
| 3.2.1 回波数据预处理 |
| 3.2.2 构造降维变换矩阵 |
| 3.2.3 低空风切变风速估计 |
| 3.2.4 低空风切变危险判决 |
| 3.3 方法流程 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于稀疏重构的低空风切变检测方法 |
| 4.1 引言 |
| 4.2 稀疏重构理论 |
| 4.2.1 稀疏重构问题描述 |
| 4.2.2 信号稀疏重构算法 |
| 4.3 基于稀疏重构的低空风切变检测方法 |
| 4.3.1 空时信号稀疏表示与超完备字典构造 |
| 4.3.2 基于稀疏贝叶斯学习的空时二维谱重构 |
| 4.3.3 低空风切变风速估计 |
| 4.3.4 低空风切变危险判决 |
| 4.4 方法流程 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 结束语 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（2）幅相误差情况下低空风切变检测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测 |
| 1.2.3 幅相误差下STAP技术 |
| 1.3 本文内容和结构 |
| 第二章 幅相误差下机载前视阵气象雷达回波仿真 |
| 2.1 引言 |
| 2.2 幅相误差下机载气象雷达回波信号模型 |
| 2.2.1 幅相误差下机载前视阵气象雷达几何模型描述 |
| 2.2.2 幅相误差下机载气象雷达低空风切变回波信号模型 |
| 2.2.3 幅相误差下机载气象雷达地杂波回波信号模型 |
| 2.2.4 幅相误差下机载气象雷达回波信号模型 |
| 2.3 幅相误差下机载气象雷达地杂波特性分析 |
| 2.4 低空风切变空时导向矢量建模 |
| 2.5 实验仿真分析 |
| 2.5.1 仿真参数设置 |
| 2.5.2 低空风切变导向矢量仿真 |
| 2.5.3 低空风切变仿真分析 |
| 2.5.4 幅相误差下地杂波仿真分析 |
| 2.6 本章小结 |
| 第三章 幅相误差下基于CMCAP-JDL的低空风切变检测 |
| 3.1 引言 |
| 3.2 幅相误差下基于RBC的杂波谱补偿方法 |
| 3.3 幅相误差下基于CMCAP-JDL的低空风切检测方法 |
| 3.3.1 幅相误差下基于CMCAP-JDL的低空风切变风速估计 |
| 3.3.2 低空风切变危险评定 |
| 3.4 方法流程 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 幅相误差下基于改进辅助通道低空风切变检测 |
| 4.1 引言 |
| 4.2 幅相误差下基于修正导向矢量的杂波距离依赖性矫正 |
| 4.3 幅相误差下基于改进辅助通道低空风切变检测 |
| 4.3.1 幅相误差下基于改进辅助通道低空风切变风速估计 |
| 4.3.2 低空风切变危险评定 |
| 4.4 方法流程 |
| 4.5 实验结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（3）三类航空危险性天气特征的雷达探测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 三类航空危险性天气探测的国内外研究进展 |
| 1.2.1 雷暴探测的国内外研究进展 |
| 1.2.2 风切变探测的国内外研究进展 |
| 1.2.3 飞机积冰探测的国内外研究进展 |
| 1.3 论文主要研究内容 |
| 第二章 三类航空危险性天气介绍 |
| 2.1 雷暴 |
| 2.1.1 雷暴发生发展基本条件 |
| 2.1.2 雷暴结构 |
| 2.1.3 雷暴对飞行的影响 |
| 2.1.4 雷暴的雷达回波特征 |
| 2.2 风切变 |
| 2.2.1 风切变的形式 |
| 2.2.2 风切变的强度 |
| 2.2.3 产生低空风切变的气象条件 |
| 2.2.4 风切变的时空尺度特征 |
| 2.2.5 风切变的雷达回波特征 |
| 2.3 飞机积冰 |
| 2.3.1 飞机积冰的原理 |
| 2.3.2 积冰的种类 |
| 2.3.3 影响飞机积冰强度的因素 |
| 2.3.4 产生积冰的天气系统 |
| 2.4 本章小结 |
| 第三章 雷暴单体三维结构探测 |
| 3.1 数据预处理 |
| 3.1.1 数据质量控制 |
| 3.1.2 雷达数据格点化 |
| 3.2 雷暴单体三维结构探测算法 |
| 3.2.1 基于DBSCAN聚类算法的二维雷暴分量探测 |
| 3.2.2 特征核心提取 |
| 3.2.3 二维雷暴分量垂直关联 |
| 3.2.4 雷暴单体特征量计算 |
| 3.3 地基天气雷达雷暴单体三维结构探测个例分析 |
| 3.3.1 个例1—2013年3月19日 |
| 3.3.2 个例2—2013年3月30日 |
| 3.4 机载气象雷达雷暴单体三维结构探测仿真实验 |
| 3.4.1 机载气象雷达数据构建 |
| 3.4.2 机载气象雷达雷暴单体三维结构探测仿真 |
| 3.5 本章小结 |
| 第四章 风切变探测 |
| 4.1 基于最小二乘法的二维合成风切变探测 |
| 4.1.1 自适应拟合“窗口”选取 |
| 4.1.2 一维径向风切变 |
| 4.1.3 一维切向风切变 |
| 4.1.4 二维合成风切变 |
| 4.2 垂直风切变探测算法 |
| 4.3 时间风切变探测算法 |
| 4.4 风切变探测算法验证 |
| 4.4.1 个例1—2009年6月3日 |
| 4.4.2 个例2—2017年6月5日 |
| 4.5 本章小结 |
| 第五章 潜在飞机积冰区域探测 |
| 5.1 数据筛选模块 |
| 5.2 冻毛毛雨探测模块 |
| 5.3 混合相云探测模块 |
| 5.4 潜在飞机积冰区域输出模块 |
| 5.5 潜在飞机积冰区域探测算法验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 论文创新点 |
| 6.3 不足与展望 |
| 6.3.1 本文工作不足 |
| 6.3.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于多通道LFMCW雷达的低空风切变检测技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 LFMCW雷达 |
| 1.2.2 低空风切变检测技术 |
| 1.2.3 STAP技术 |
| 1.3 主要工作及论文结构 |
| 第二章 机载多通道LFMCW雷达地杂波建模 |
| 2.1 引言 |
| 2.2 LFMCW雷达系统及信号分析 |
| 2.2.1 LFMCW雷达系统概述 |
| 2.2.2 LFMCW雷达信号分析 |
| 2.3 地杂波模型 |
| 2.4 实验结果及分析 |
| 2.5 本章小结 |
| 第三章 基于最优STAP算法的多通道LFMCW雷达低空风切变检测方法 |
| 3.1 引言 |
| 3.2 机载多通道LFMCW雷达数据模型 |
| 3.2.1 低空风切变信号模型 |
| 3.2.2 噪声模型 |
| 3.3 基于RBC法的杂波谱补偿方法 |
| 3.4 基于最优STAP算法的风速估计方法 |
| 3.5 D-PRF解速度模糊算法 |
| 3.6 算法流程 |
| 3.7 实验结果及分析 |
| 3.8 本章小结 |
| 第四章 基于修正JDL算法的多通道LFMCW雷达低空风切变检测方法 |
| 4.1 引言 |
| 4.2 基于修正JDL算法的风速估计方法 |
| 4.2.1 JDL算法原理简介 |
| 4.2.2 求解修正JDL算法降维矩阵 |
| 4.2.3 低空风切变风速估计 |
| 4.3 算法流程 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（5）复杂轨迹下机载气象雷达低空风切变检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外的研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测 |
| 1.3 本文的主要工作及论文结构 |
| 第二章 复杂轨迹下机载前视阵气象雷达回波信号仿真 |
| 2.1 引言 |
| 2.2 复杂轨迹下机载气象雷达回波信号仿真 |
| 2.2.1 复杂轨迹下机载前视阵几何模型描述 |
| 2.2.2 复杂轨迹下机载气象雷达低空风切变回波信号仿真 |
| 2.2.3 复杂轨迹下机载气象雷达地杂波回波信号仿真 |
| 2.2.4 复杂轨迹下机载气象雷达回波信号仿真 |
| 2.3 复杂轨迹下机载前视阵气象雷达地杂波回波特性分析 |
| 2.3.1 飞机正常飞行时地杂波回波特性分析 |
| 2.3.2 载机偏航时地杂波回波特性分析 |
| 2.3.3 载机俯冲时地杂波回波特性分析 |
| 2.4 实验仿真结果及其分析 |
| 2.5 本章小结 |
| 第三章 复杂轨迹下基于GMB自适应处理的低空风切变风速估计方法 |
| 3.1 引言 |
| 3.2 复杂轨迹下基于回波数据的杂波距离依赖性矫正 |
| 3.3 复杂轨迹下基于GMB自适应处理的风速估计方法 |
| 3.3.1 GMB自适应处理器原理分析 |
| 3.3.2 求解GMB自适应处理降维变换矩阵 |
| 3.3.3 低空风切变风速估计 |
| 3.4 方法流程 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 复杂轨迹下基于DDD-3DT的低空风切变风速估计方法 |
| 4.1 引言 |
| 4.2 复杂轨迹下基于DDD-3DT的风速估计方法 |
| 4.2.1 直接数据域算法(DDD)描述 |
| 4.2.2 DDD-3DT方法原理分析 |
| 4.2.3 低空风切变风速估计 |
| 4.3 方法流程 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间所发表的论文 |
（6）机载气象雷达气象湍流检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 气象湍流检测技术 |
| 1.3 论文的主要内容与章节安排 |
| 第二章 典型机载气象雷达系统 |
| 2.1 机载气象雷达 |
| 2.1.1 基本结构 |
| 2.1.2 系统功能 |
| 2.2 气象湍流概述 |
| 2.3 气象湍流检测方法 |
| 2.3.1 脉冲对法 |
| 2.3.2 快速傅里叶变换法 |
| 2.3.3 模型拟合法 |
| 2.4 多普勒效应 |
| 2.5 本章小结 |
| 第三章 基于BP神经网络的气象湍流检测 |
| 3.1 BP神经网络多类分类 |
| 3.1.1 BP神经网络 |
| 3.1.2 多类分类 |
| 3.2 雷达回波幅值序列仿真 |
| 3.3 基于BP神经网络的湍流检测 |
| 3.3.1 算法描述 |
| 3.3.2 仿真结果分析 |
| 3.4 本章小结 |
| 第四章 基于主成分分析的气象湍流检测 |
| 4.1 主成分分析 |
| 4.1.1 方法原理 |
| 4.1.2 降噪效果 |
| 4.2 雷达回波时间序列仿真 |
| 4.3 基于主成分分析的湍流检测 |
| 4.3.1 算法描述 |
| 4.3.2 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 机载气象雷达系统仿真 |
| 5.1 系统组成框图 |
| 5.2 建立WXR数据激励 |
| 5.3 WXR显示界面 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作与创新点 |
| 6.2 后续研究工作 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（7）多普勒气象雷达湍流目标检测与信号处理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 湍流建模 |
| 1.2.2 湍流检测 |
| 1.2.3 降水粒子相态识别 |
| 1.2.4 解速度模糊技术 |
| 1.2.5 杂波抑制技术 |
| 1.3 本文主要内容和章节安排 |
| 2 气象目标与探测 |
| 2.1 电磁波传播特性 |
| 2.1.1 电磁波在大气中的散射 |
| 2.1.2 电磁波在大气中的衰减 |
| 2.1.3 电磁波在大气中的折射 |
| 2.2 气象目标回波信号 |
| 2.2.1 气象目标特性 |
| 2.2.2 回波信号特性 |
| 2.2.3 回波信号仿真 |
| 2.3 气象目标探测 |
| 2.3.1 多普勒气象雷达基本组成 |
| 2.3.2 气象雷达方程 |
| 2.3.3 降水区域探测 |
| 2.3.4 冰雹区域探测 |
| 2.3.5 湍流区域探测 |
| 2.3.6 下击暴流探测 |
| 2.4 本章小结 |
| 3 湍流目标的建模与检测方法 |
| 3.1 湍流风场建模 |
| 3.1.1 大气湍流风场特性 |
| 3.1.2 湍流Von Karman模型 |
| 3.1.3 湍流Dryden模型 |
| 3.1.4 湍流风场建模仿真 |
| 3.1.5 湍流模型分析及对比 |
| 3.2 湍流回波信号检测 |
| 3.2.1 湍流回波信号建模 |
| 3.2.2 回波信号谱矩估计 |
| 3.2.3 基于涡旋耗散率的湍流判定 |
| 3.2.4 湍流判定算法分析 |
| 3.2.5 仿真结果与分析 |
| 3.3 本章小结 |
| 4 双线偏振多普勒气象雷达降水测量数据分析 |
| 4.1 双线偏振多普勒气象雷达的测量参数 |
| 4.1.1 雷达基本组成 |
| 4.1.2 水平和垂直反射率因子 |
| 4.1.3 差分反射率 |
| 4.1.4 零延迟的相关系数 |
| 4.1.5 比差分相位 |
| 4.1.6 偏振参量的组合测量 |
| 4.2 FHC降水粒子相态识别法 |
| 4.2.1 模糊化 |
| 4.2.2 推理规则 |
| 4.2.3 合成 |
| 4.2.4 去模糊化 |
| 4.3 相态识别实测数据分析 |
| 4.3.1 平面位置扫描(PPI)方式下实测数据分析 |
| 4.3.2 距离高度扫描(RHI)方式下实测数据分析 |
| 4.4 基于降水粒子相态实测数据的湍流特征分析 |
| 4.5 本章小结 |
| 5 多普勒气象雷达解速度模糊方法 |
| 5.1 速度模糊 |
| 5.2 模糊速度修正技术 |
| 5.2.1 平面位置扫描(PPI)方式下速度模糊修正 |
| 5.2.2 平面位置扫描(PPI)方式下算法仿真 |
| 5.2.3 距离高度扫描(RHI)方式下速度模糊修正 |
| 5.2.4 距离高度扫描(RHI)方式下算法仿真 |
| 5.3 参差脉冲重复周期技术 |
| 5.3.1 基本原理 |
| 5.3.2 参差双PRT技术算法及仿真分析 |
| 5.3.3 MPRT技术算法及仿真分析 |
| 5.4 本章小结 |
| 6 多普勒气象雷达PTDM杂波抑制方法 |
| 6.1 地杂波及分析 |
| 6.1.1 地杂波特性 |
| 6.1.2 地杂波及总回波信号功率谱 |
| 6.2 PTDM杂波抑制技术 |
| 6.2.1 基本原理 |
| 6.2.2 算法仿真分析 |
| 6.2.3 扩展应用于SPRT技术原理 |
| 6.2.4 应用于SPRT技术算法仿真分析 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 发表论文及参加科研情况 |
（8）利用函数拟合的低空风切变三维建模与雷达回波仿真（论文提纲范文）
| 1引言 |
| 2基于函数拟合的低空风切变三维风场建模 |
| 2. 1下冲气流的垂直风速 |
| 2. 2下冲气流的水平风速 |
| 2. 3下冲气流的密度场 |
| 2. 4风场模型数据分析 |
| 3低空风切变雷达回波仿真 |
| 4仿真结果及分析 |
| 4. 1风场建模结果 |
| 4. 2密度场建模结果 |
| 4. 3低空风切变雷达回波信号仿真结果 |
| 5结论 |
（9）基于微物理特性的三维低空风切变雷达回波仿真（论文提纲范文）
| 0 引言 |
| 1 低空风切变三维风场模型 |
| 2 风场数据预处理 |
| 3 仿真流程 |
| 4 仿真结果及分析 |
| 5 结论 |
（10）基于图像处理的风切变类型识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 风场探测现状研究 |
| 1.3 低空风切变识别现状研究 |
| 1.4 本文的主要研究内容 |
| 第二章 低空风切变及其对飞行性能的影响 |
| 2.1 引言 |
| 2.2 低空风切变的形成与分类 |
| 2.2.1 引起风切变的因素 |
| 2.2.2 低空风切变的分类 |
| 2.3 低空风切变对飞行的影响 |
| 2.3.1 风切变对飞机的影响原理 |
| 2.3.2 不同类型风切变对飞行的影响 |
| 2.4 本章小结 |
| 第三章 风场建模及数据库建立方法研究 |
| 3.1 引言 |
| 3.2 风场建模方法研究 |
| 3.3 四种常见低空风切变的风场仿真实验 |
| 3.3.1 下击暴流风场仿真实验 |
| 3.3.2 侧风切变风场仿真实验 |
| 3.3.3 低空急流风场仿真实验 |
| 3.3.4 顺逆风切变风场仿真实验 |
| 3.4 模拟激光雷达探测风场 |
| 3.4.1 多普勒激光雷达波束扫描方式 |
| 3.4.2 四种低空风切变的激光雷达图像 |
| 3.5 本章小结 |
| 第四章 低空风切变类型识别方法研究 |
| 4.1 引言 |
| 4.2 雷达图像预处理 |
| 4.3 基于矩特征的类型识别算法 |
| 4.3.1 基本原理 |
| 4.3.2 算法流程 |
| 4.4 基于奇异值特征的类型识别算法 |
| 4.4.1 基本原理 |
| 4.4.2 算法流程 |
| 4.5 基于多特征的类型识别算法 |
| 4.5.1 基本原理 |
| 4.5.2 算法流程 |
| 4.6 本章小结 |
| 第五章 实验结果分析 |
| 5.1 引言 |
| 5.2 结果分析 |
| 5.3 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
四、风切变雷达原理与应用（论文参考文献）
- [1]海杂波背景下的低空风切变检测方法研究[D]. 刘志鑫. 中国民航大学, 2020
- [2]幅相误差情况下低空风切变检测[D]. 雍从建. 中国民航大学, 2020
- [3]三类航空危险性天气特征的雷达探测研究[D]. 闫文辉. 南京信息工程大学, 2019(03)
- [4]基于多通道LFMCW雷达的低空风切变检测技术[D]. 段佳玲. 中国民航大学, 2019(02)
- [5]复杂轨迹下机载气象雷达低空风切变检测研究[D]. 李怡静. 中国民航大学, 2019(02)
- [6]机载气象雷达气象湍流检测方法研究[D]. 张强. 上海交通大学, 2019(06)
- [7]多普勒气象雷达湍流目标检测与信号处理研究[D]. 于莹洁. 西北工业大学, 2018(02)
- [8]利用函数拟合的低空风切变三维建模与雷达回波仿真[J]. 韩雁飞,刘夏,李海,卢晓光. 信号处理, 2015(09)
- [9]基于微物理特性的三维低空风切变雷达回波仿真[J]. 韩雁飞,刘夏,李海,吴仁彪. 系统工程与电子技术, 2016(02)
- [10]基于图像处理的风切变类型识别研究[D]. 高志光. 中国民航大学, 2013(03)