导读:本文包含了回波识别论文开题报告文献综述及选题提纲参考文献，主要关键词:WSR-88D,生物回波,模糊逻辑算法,双偏振雷达
回波识别论文文献综述
朱轶明,马舒庆,杨玲,吴东丽,杨大生[1]（2019）在《上海南汇WSR-88D双偏振天气雷达的生物回波识别与分析》一文中研究指出为识别我国新一代天气雷达的生物回波,研究长江中下游地区天气雷达观测到的生物迁飞发生发展规律,选取上海南汇WSR-88D双偏振天气雷达2018年春季的观测数据,应用反射率因子Z、双程差分相位Φ_(DP)、0延迟相关系数ρ_(HV)等雷达物理量和反射率因子纹理SD(Z)、差分相位纹理SD(Φ_(DP))等反映观测值小尺度数值变化的参量,用Python语言设计基于模糊逻辑算法的雷达回波分类程序识别生物回波,识别结果以生物回波采样点的生成时间(世界时)为横坐标,分析了2018年春季上海南汇天气雷达生物回波识别结果的日变化特点,讨论了降水、风及温度等气象条件对生物迁飞的影响。结果表明,S波段天气雷达无法分辨生物单体,但在春季有大规模生物迁飞的时段能够对昆虫成层定向迁飞的现象进行有效识别,3月生物迁飞活动强度较弱,4月和5月回波强度显着增强。地物回波(超折射回波)在雷达低仰角观测中,对有效识别生物迁飞回波尤其具有阻碍性。为此,在原有算法的基础上,用标准化频率直方图对迁飞现象明显时段的数据中生物回波点的以上4个变量观测值进行概率统计,揭示生物回波与地物(超折射)回波雷达物理量之间的差异。(本文来源于《气象与环境科学》期刊2019年03期）
魏鸣,管理,梁学伟,秦南南[2]（2019）在《基于支持向量机的雷达地物回波识别研究》一文中研究指出多普勒天气雷达探测过程中的非气象因子会显着影响雷达资料的定量化应用,在雷达基数据的应用前需对雷达资料进行抑制地物杂波、去距离折迭和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机(Support Vector Machine,SVM)识别雷达地物杂波的方法,2013年6—8月对安庆和常州两地的CINRAD/SA雷达观测资料进行雷达地物回波识别,并将其与运用人工神经网络(Artificial Neural Networks,ANNs)识别的结果进行对比,结果表明支持向量机方法能够取得更好的效果。在地物、降水回波总样本识别和地物回波识别方面更为有效;降水回波的误判方面,神经网络略优于支持向量机,但两者差异不大,都将降水回波的误判率控制在了一个较小的范围内;另外支持向量机方法较之神经网络方法对于训练样本数目的依赖性较小,在训练样本较少时,支持向量机方法仍能保持有效的识别效果。(本文来源于《大气科学学报》期刊2019年04期）
王胜,周晨,姜春华,杨国斌,赵正予[3]（2019）在《频高图Es层回波的自动识别》一文中研究指出提出了一种基于决策树算法的自动识别Es层回波的方法以提高Es识别效率.通过自适应二值化以及中值滤波算法对频高图进行预处理,并提取有效的Es回波区域.利用Es层在虚高轴分布的规律,通过图像投影的方法选择出特征,将这些特征以及时间信息作为决策树算法的输入;通过人工识别方式为每幅频高图标明是否存在Es回波的标签,与决策树算法的输出进行比较.对训练集进行训练、剪枝,获取最接近人工识别结果的决策树,使用测试集对获取的决策树进行测试验证.本文使用云南普洱站(22.7°N,101.5°E)记录的频高图数据作为训练集,分别使用云南普洱站(22.7°N,101.5°E)和四川乐山站(29.5°N,103.7°E)的频高图数据作为测试集对该方法进行测试验证,结果表明该方法对普洱站和乐山站两地Es二跳回波的识别均具有较高的准确率,分别达到84.2%和82.8%.(本文来源于《空间科学学报》期刊2019年04期）
陈尹翔,杨磊,罗丁利,王勇[4]（2019）在《基于脉冲多普勒雷达时域回波的直升机识别算法》一文中研究指出针对窄带雷达不同类直升机的识别问题,本文提出了一种基于时域回波信号的分类方法。首先分析了直升机主旋翼转动的运动模型;然后分析主旋翼奇偶性对桨叶反射信号强度以及间隔的影响;最后根据两类目标回波的不同,提出了桨叶反射回波强度以及间隔等特征对不同直升机的识别。基于实测数据的实验结果表明,所提方法对这两类直升机具有较好的识别效果。(本文来源于《火控雷达技术》期刊2019年02期）
刘南希[5]（2019）在《基于超声回波相位谱的钢构件单轴应力识别方法研究》一文中研究指出钢结构构件应力的无损检测是评价在役钢结构性能演化及安全性的重要手段之一。已有的无损检测方法中,超声波法相比于其他方法具有可定向发射、穿透力强、测量仪器方便携带等优点,受到国内外学者的关注。目前对于钢构件单轴应力识别的研究主要集中在超声声时法上,而超声声时法由于时域信号成分复杂、可利用的信息较为单一等不足,难以保证应力识别的精度。在超声检测中引入谱分析技术可以更充分地利用信号中的信息,有利于应力识别精度的提升。另外,材料正交方向的影响在一般轴向受力构件的应力识别中往往不予考虑,但对于具有一定偏转角的钢构件而言,这种影响是不可忽略的。基于上述,本文利用超声回波相位谱对一般轴向受力构件和具有一定偏转角的钢构件分别提出了相应的单轴应力识别方法。主要研究内容如下:基于超声回波相位谱的简化单轴应力识别理论公式的建立。首先利用声弹性原理,阐明了构件轴向受力时两波分量波速与应力的关系。其次基于横波双折射效应,通过建立超声回波的数学模型,给出了包含应力信息的相位差及其变化率的表达式。进而通过分析从中提取的相位差变化率极大值与两波分量波速的关系,推导出了基于超声回波相位谱的简化单轴应力识别理论公式。考虑材料正交方向的单轴应力识别理论公式的建立。通过将钢构件材料正交轴相对于构件轴偏转的影响体现在新坐标系中,确定了新坐标系下两波分量波速与应力的关系。在此基础上,建立超声回波的新模型,从相位差变化率中提取出第一特征频率,并将之与两波分量波速建立关系,进而推导出考虑材料正交方向的单轴应力识别公式。通过对比具有不同偏转角的钢构件在不同入射角下的相位差,验证了材料正交方向的影响。基于超声回波相位谱的单轴应力识别及结果验证。基于搭建的应力识别系统和建立的简化单轴应力识别公式,通过初步试验说明识别公式的准确性,提出相应的应力识别实施方法,并在此基础上进行试件特征参数的标定试验和试件的识别试验,对试验结果进行误差分析,验证识别公式的准确性。同时对考虑材料正交方向的单轴应力识别公式,同样提出相应的应力识别实施方法,并进行应力识别试验,以说明此方法的有效性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
卢江波,张文伟,唐盛华[6]（2019）在《基于冲击回波法的预应力孔道注浆缺陷类型识别方法研究》一文中研究指出浆体与波纹管内壁脱粘缺陷和初始注浆缺陷是预应力孔道注浆缺陷的两种主要形式,一般情况下前者不会影响预应力筋的耐久性,不需要修复处理,而后者则一般需要修复。常规的基于冲击回波法的检测方法无法准确区分这两种缺陷形式,浇筑了3个混凝土试件,一个注浆饱满试件、一个注浆饱满但浆体与波纹管内壁脱粘试件、一个存在初始注浆缺陷试件,研究了3个试件的冲击回波厚度频率随养护时间变化的规律,得到了区分两种缺陷形式的方法。(本文来源于《湖南交通科技》期刊2019年01期）
黄小玉,彭洁,毛紫阳,尹新怀[7]（2019）在《多普勒天气雷达有源干扰回波识别算法研究》一文中研究指出本文首先对多普勒天气雷达有源干扰回波形成的原因进行了分析,进一步分析了不同类型有源干扰回波的PPI图像形态特征。提出反射率因子径向能量以及径向能量一阶差分的概念,并使用径向能量一阶差分识别有源干扰回波所在的方位。算法针对北京、长沙、汕头、岳阳等多个地(市)的雷达数据进行了试验,结果表明该算法对于各种形态的有源干扰回波,均能准确识别其所在方位。特别是当多处干扰回波同时存在,以及干扰回波与降水回波混合存在时,算法也能有效进行识别并滤除有源干扰回波,较完整保留降水回波。(本文来源于《气象》期刊2019年03期）
邢艳亮,甘正红,丹红兵[8]（2019）在《带垫板焊缝的超声检测回波识别》一文中研究指出为了准确识别带垫板焊缝进行超声波检测时出现的真假反射回波信号,对带垫板的单面焊双面成形焊缝(包括管道对接环焊缝、 T形和角接焊缝)超声检测的反射回波信号的产生原因及特点进行了分析,并分别提出了识别真假回波信号的技术方法。分析认为,精确校准距离轴线(时基扫描线),寻找回波源的最佳反射角,精确确定回波源的坐标,是正确判断焊缝真假缺陷的关键,同时指出超声检测人员应熟悉焊接结构和焊接工艺,有助于进行正确的判断。(本文来源于《焊管》期刊2019年01期）
李海峰[9]（2018）在《基于雷达回波的雷暴大风识别算法研究》一文中研究指出雷暴大风是一种严重且常见的中小尺度气象灾害天气。雷暴大风天气一般由多个雷暴单体或超级单体构成的狭长状飑线引起,雷暴大风天气具有生成时间短、强度大、破坏力强、变化快、防御困难等特点,常对工农业的生产、人民的生活以及交通运输等行业造成严重的危害。相比于中长尺度的气象灾害现象,雷暴大风的识别和预测十分具有挑战性,气象领域的中外学者对此问题做了大量预报及预警方面的研究。利用机器学习和深度学习方法进行雷暴大风识别的研究,目前仍然处在前沿探索阶段,因此本课题的研究不仅具备较高的学术价值,同时拥有紧迫的现实意义。针对雷暴大风识别任务,本文基于深圳市气象局提供的广东省2015-2017年的雷达回波拼图数据、气象自动观测站数据,构建雷暴大风样本集,并进行雷达回波杂波滤除、噪声样本剔除等数据预处理。本文使用十种基于传统机器学习的雷暴大风识别方法,通过提取雷达组合反射率、垂直液态水含量(VIL)、雷达回波顶高等共十种雷达特征,对雷暴大风区域进行识别。为了减少雷暴大风的误识别率,本文设计基于形态学的飑线分割方法,仅对飑线区域的雷达回波进行雷暴大风识别,在提升识别速度的同时,有效提升雷暴大风的识别率。为充分利用雷暴大风识别问题的时空特性,本课题结合卷积神经网络和循环神经网络的优点,考虑雷达图像的时序因素和空间上下文的关系,设计并实现了四种雷暴大风识别网络模型。分别是简单卷积神经网络模型、空间上下文循环卷积神经网络模型、时间循环卷积神经网络模型,以及综合两种模型优点的时空循环卷积神经网络模型,设计实验对四种模型进行严格的实验对比。同时将深度学习模型,与使用手工提取特征的十种传统机器学习方法进行比较。实验结果表明:本文提出的方法在雷暴大风识别问题上具有较高的识别准确率,针对雷暴大风识别问题设计的网络模型,结合飑线分割方法,在5000个雷暴大风测试样本上的识别准确率达到83.2%,相比气象领域的传统方法有明显优势。本课题利用机器学习和深度学习方法,针对雷暴大风识别问题进行了系统的研究、实验和分析。通过搭建雷暴大风识别展示系统,使雷暴大风识别问题的研究流程化,本文搭建的系统将部署到深圳市气象局,供气象预报人员使用。(本文来源于《哈尔滨工业大学》期刊2018-12-01）
杨有林,纪晓玲,张肃诏,朱海斌,郑鹏徽[10]（2018）在《基于雷达回波强度面积谱识别降水云类型》一文中研究指出基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积(回波强度不小于40 dBZ的回波面积)占总回波面积百分比和基本降水回波面积(回波强度不小于20 dBZ的回波面积)占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。(本文来源于《应用气象学报》期刊2018年06期）
回波识别论文开题报告
（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：
多普勒天气雷达探测过程中的非气象因子会显着影响雷达资料的定量化应用,在雷达基数据的应用前需对雷达资料进行抑制地物杂波、去距离折迭和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机(Support Vector Machine,SVM)识别雷达地物杂波的方法,2013年6—8月对安庆和常州两地的CINRAD/SA雷达观测资料进行雷达地物回波识别,并将其与运用人工神经网络(Artificial Neural Networks,ANNs)识别的结果进行对比,结果表明支持向量机方法能够取得更好的效果。在地物、降水回波总样本识别和地物回波识别方面更为有效;降水回波的误判方面,神经网络略优于支持向量机,但两者差异不大,都将降水回波的误判率控制在了一个较小的范围内;另外支持向量机方法较之神经网络方法对于训练样本数目的依赖性较小,在训练样本较少时,支持向量机方法仍能保持有效的识别效果。
（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。
回波识别论文参考文献
[1].朱轶明,马舒庆,杨玲,吴东丽,杨大生.上海南汇WSR-88D双偏振天气雷达的生物回波识别与分析[J].气象与环境科学.2019
[2].魏鸣,管理,梁学伟,秦南南.基于支持向量机的雷达地物回波识别研究[J].大气科学学报.2019
[3].王胜,周晨,姜春华,杨国斌,赵正予.频高图Es层回波的自动识别[J].空间科学学报.2019
[4].陈尹翔,杨磊,罗丁利,王勇.基于脉冲多普勒雷达时域回波的直升机识别算法[J].火控雷达技术.2019
[5].刘南希.基于超声回波相位谱的钢构件单轴应力识别方法研究[D].哈尔滨工业大学.2019
[6].卢江波,张文伟,唐盛华.基于冲击回波法的预应力孔道注浆缺陷类型识别方法研究[J].湖南交通科技.2019
[7].黄小玉,彭洁,毛紫阳,尹新怀.多普勒天气雷达有源干扰回波识别算法研究[J].气象.2019
[8].邢艳亮,甘正红,丹红兵.带垫板焊缝的超声检测回波识别[J].焊管.2019
[9].李海峰.基于雷达回波的雷暴大风识别算法研究[D].哈尔滨工业大学.2018
[10].杨有林,纪晓玲,张肃诏,朱海斌,郑鹏徽.基于雷达回波强度面积谱识别降水云类型[J].应用气象学报.2018