极化阵列抗主瓣干扰性能研究

为改善极化敏感阵列主瓣抗干扰性能,分析了基于特征空间投影算法的交替极化敏感阵列的主瓣干扰抑制性能,并与常规极化敏感阵列进行了比较.讨论了期望信号和干扰信号的空域和极化域匹配系数对阵列输出信干噪比的影响;分析了在期望信号导向矢量失配情况下,采用特征空间投影算法改善两种极化敏感阵列的主瓣抗干扰性能.理论分析和仿真结果表明:在期望信号导向矢量存在误差情况下,基于特征空间投影算法的交替极化敏感阵列具有良好的稳健性.交替极化敏感阵列系统复杂度低、更易于工程实现.

基于时空极化导向矢量的阵列信号多维参数联合估计

通过对极化敏感阵列的时域采样构造了具有旋转不变结构的矩阵对,该矩阵对分解的特征值与对应特征向量分别是旋转矩阵和阵列的时空导向矢量,利用该导向矢量和旋转矩阵直接得到信号的频率、二维波达方向和极化的联合估计,该多维参数计算方法具有虚拟阵元和较高的估计精度。简述了多维ESPRIT方法的基本原理,其配对方法采用了多个矩阵束具有相同的特征向量,两种方法均利用了的相同信息-矩阵束的特征值和特征向量,仿真实验验证和比较了两种方法的性能。

基于极化敏感阵列的高效DOA与极化参数联合估计算法

提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法。首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计。最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计。算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度。此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度。仿真实验结果验证了算法的有效性和良好的估计性能。

双台风“玛娃(2005)”和“古超(2005)”移动路径与强度的伴随敏感性分析

本文利用WRF模式及其伴随模式研究了2005年发生在西北太平洋的一对双台风玛娃和古超的移动路径与强度的伴随敏感性特征,一方面探讨了环境场对双台风的影响,另一方面也讨论了双台风之间的相互影响过程的差异.首先,利用双台风初始化技术准确地模拟了双台风的演变过程,并以此模拟结果为背景场计算了台风的中心扰动气压和引导气流的伴随敏感性.研究结果表明:伴随敏感性不但能反映环境场对双台风的影响,还能指示双台风之间相互影响过程的差异.从台风强度的敏感性来看,影响台风强度变化的高影响区均位于台风中心附近,弱台风古超的强度敏感性的量级要大于强台风玛娃的强度敏感性,表明双台风中较弱的那个更容易受到外部环境变化的影响.台风引导气流的敏感性分布也存在较大差异,强台风玛娃的移动主要受到其西北侧的高空槽,其自身环流以及台风古超的影响,而弱台风古超的引导气流的敏感性主要位于其自身环流附近以及双台风之间的区域.最后,通过在理想试验中增加初始时刻高空槽的强度以及弱台风古超的强度,证实了台风玛娃的移动路径的变化与伴随敏感性的分析一致.

西北太平洋双台风引导气流的伴随敏感性分析

研究了2005-2011年西北太平洋六对双台风个例,根据其路径特征将其分为三类:双台风同时转向;双台风一前一后移动;东台风转向、西台风原地打转或停滞不前等异常路径.利用WRF(Weather Research and Forecasting Model,V3.5.1)模式及其伴随模式分别计算了各个台风的基于伴随模式的引导气流敏感性(Adjoint-Derived Sensitivity Steering Vector,ADSSV),在此基础上分析了不同移动类型的双台风之间的相互影响和环境场对其影响的差异,研究结果表明:ADSSV在垂直方向上主要分布在850 hPa和500 hPa之间,不同台风引导气流敏感性极值的高度具有较明显的差异;不同双台风ADSSV的水平分布特征也有显著不同,有的双台风之间的相互影响非常明显,有的双台风则属于单向影响型,还有的双台风虽然满足双台风的定义,但它们相互之间并没有明显的相互作用.