针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈...针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈值降噪算法提高信号信噪比,降低噪声信号协方差矩阵的秩;再使用PHAT加权广义互相关时延估计算法以提高时延估计的准确性,同时根据时延关系对传统MUSIC算法矢量矩阵进行改进;最后通过MUSIC算法实现对风速风向的测量。理论分析与仿真结果表明:改进后的MUSIC算法具有较好的抗噪性能和较高的风参数测量精度,测量风速绝对误差达到0.15 m/s,风向绝对误差达到2°,可以应用于对风参数要求较高的场景。展开更多
文摘针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈值降噪算法提高信号信噪比,降低噪声信号协方差矩阵的秩;再使用PHAT加权广义互相关时延估计算法以提高时延估计的准确性,同时根据时延关系对传统MUSIC算法矢量矩阵进行改进;最后通过MUSIC算法实现对风速风向的测量。理论分析与仿真结果表明:改进后的MUSIC算法具有较好的抗噪性能和较高的风参数测量精度,测量风速绝对误差达到0.15 m/s,风向绝对误差达到2°,可以应用于对风参数要求较高的场景。
文摘植被物候动态是多重因子影响的结果,尤其在对外界扰动响应敏感的青藏高原草地生态系统。本研究利用2000-2020年MODIS 16 d合成的归一化植被指数(normalization difference vegetation index, NDVI)数据,选用动态阈值法提取了青藏高原逐年的植被物候期,探究了青藏高原草地物候动态变化及其对驱动因子的响应。结果表明:1) 2000-2020年青藏高原草地生长季始期(start of the growing season, SOS)从西北向东南呈提前趋势,每年提前约0.19 d;草地生长季末期(end of the growing season, EOS)整体呈推迟趋势,每年推迟约0.19 d;草地生长季长度(length of the growing season, LOS)由西北向东南逐渐增长。2)风速和连续5 d最大降雨(yearly maximum five-day precipitation, RX5day)是影响草地LOS的主要因素,且因子间两两交互作用要强于单个因子对植被物候的影响,尤其表现在RX5day与温度和风速与温度之间的交互。3)草地LOS与风速和RX5day的回归系数有明显的空间异质性。藏北高原草地LOS随风速增大而变长,随RX5day增大而变短。青海高原和藏南谷地的草地LOS随风速增大而变短。川藏高山峡谷区草地LOS随RX5day增大而变长。综上,本研究可为研究区内生态系统保护和畜牧业的发展提供一定科学依据。