光電系統(tǒng)選址中關(guān)鍵大氣光學(xué)參數(shù)測量與分析.pdf

1、激光在大氣中傳播時(shí)會與大氣介質(zhì)相互作用產(chǎn)生一系列線性與非線性效應(yīng)，這些效應(yīng)引起光束漂移、擴(kuò)展、相位畸變，使得傳播路徑上光束能量和功率密度下降。激光大氣傳輸研究這些效應(yīng)，進(jìn)而回避或減小大氣對光束傳播的影響。激光大氣傳輸是光電系統(tǒng)應(yīng)用的重要環(huán)節(jié)，也是光電系統(tǒng)試驗(yàn)與評估的重要內(nèi)容。光電系統(tǒng)的儀器效能和技術(shù)發(fā)展受制于臺站環(huán)境，對臺站的大氣光學(xué)條件做出可靠評估至關(guān)重要。本文從實(shí)測數(shù)據(jù)出發(fā)，結(jié)合數(shù)值模擬的方法，根據(jù)數(shù)據(jù)特征引入合適的數(shù)據(jù)分析方法分析

2、典型地區(qū)的大氣光學(xué)條件，并研究一些關(guān)鍵大氣光學(xué)參數(shù)的不確定度。主要工作如下:
　　1.對光電系統(tǒng)選址的大量數(shù)據(jù)進(jìn)行整理和分析。搜集了多年氣象觀測資料，給出不同數(shù)據(jù)的全國分布。用常規(guī)氣象參數(shù)估算全國不同地區(qū)的氣溶膠光學(xué)厚度，并用太陽輻射計(jì)的實(shí)際觀測數(shù)據(jù)驗(yàn)證估算算法的精度。對全國多個(gè)站點(diǎn)的大氣光學(xué)參數(shù)進(jìn)行長期觀測，分析大氣光學(xué)湍流數(shù)據(jù)，給出了大氣相干長度和等暈角的對數(shù)概率分布;考慮光學(xué)湍流的分層特性，定義相干長度比評估近地面光學(xué)湍流對

3、整層光學(xué)湍流的貢獻(xiàn)。用多年常規(guī)探空資料分析風(fēng)速廓線，建立符合站址實(shí)際情況的風(fēng)速模式，擬合了不同季節(jié)的Greenwood風(fēng)速模式。
　　2.根據(jù)光學(xué)湍流數(shù)據(jù)的特點(diǎn)，引入改進(jìn)版的Hilbert-Huang變換分析高分辨率光學(xué)湍流實(shí)測廓線。完備集合經(jīng)驗(yàn)?zāi)B(tài)分解將光學(xué)湍流實(shí)測廓線分解為不同尺度的分量，采用不同方法探究每個(gè)分量的物理意義。定義方差貢獻(xiàn)率評估不同分量里的振動對于原始廓線的貢獻(xiàn)，最終給出光學(xué)湍流廓線的定量描述。提出光學(xué)湍流模式應(yīng)

4、該包含一個(gè)趨勢項(xiàng)和若干特定尺度的精細(xì)結(jié)構(gòu)，定義了本征光學(xué)湍流模式，該模式中不同階次的廓線能夠嵌入原始廓線中不同尺度的變化分量。分析光學(xué)湍流廓線中不同尺度的分量對相關(guān)參數(shù)的影響，以大氣相干長度、等暈角和閃爍指數(shù)對應(yīng)的湍流動量為例，比較不同階次本征光學(xué)湍流模式廓線的計(jì)算結(jié)果。
　　3.熱暈效應(yīng)和光束傳輸路徑上的風(fēng)速、大氣消光系數(shù)等眾多參數(shù)有關(guān)。在典型傳輸場景下，引入全局敏感性分析方法探索熱畸變參數(shù)的數(shù)值模型對不同輸入?yún)?shù)的敏感性。采用

5、主效應(yīng)檢測方法定性地評估各個(gè)參數(shù)對熱畸變參數(shù)數(shù)值模型的影響，將輸入?yún)?shù)分為重要參數(shù)和不重要參數(shù)。采用基于方差分解的敏感性分析方法定量地評估重要參數(shù)的敏感性。結(jié)果表明，這些參數(shù)既可以直接地對熱畸變參數(shù)產(chǎn)生影響，也可以通過和其它參數(shù)相互作用對熱畸變參數(shù)產(chǎn)生影響，且這些參數(shù)間的相互作用對熱畸變參數(shù)的影響較大。用自舉法計(jì)算了敏感性統(tǒng)計(jì)量的置信區(qū)間，給出了各個(gè)敏感性指數(shù)的置信度。
　　4.探索人工智能算法在大氣光學(xué)中的應(yīng)用。構(gòu)建多層感知器估

6、算近地面光學(xué)湍流，使用基于偏互信息的特征選擇和基于遺傳算法的特征選擇方法對多層感知器的輸入特征進(jìn)行篩選，使用試錯嘗試的方法確定最優(yōu)神經(jīng)元的個(gè)數(shù)。將數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測試集，訓(xùn)練集和驗(yàn)證集用來訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)，測試集用來評估多層感知器的泛化性能。結(jié)果表明，訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)來自同一站點(diǎn)時(shí)多層感知器的性能較好，來自不同站點(diǎn)時(shí)訓(xùn)練出的多層感知器泛化能力較弱。用廣義Hufnagel-Valley模式擬合多個(gè)地區(qū)的平均光學(xué)湍流廓線，引入

7、遺傳算法反演模式中的七個(gè)參數(shù)，擬合的模式能較好地表示光學(xué)湍流廓線的平均變化。
　　本文以光電系統(tǒng)選址工程為應(yīng)用背景，內(nèi)容上，一方面對大量的數(shù)據(jù)進(jìn)行了分析，探索數(shù)據(jù)的變化規(guī)律;另一方面，基于對數(shù)據(jù)變化規(guī)律的深入理解，評估了若干關(guān)鍵參數(shù)的精度，如氣溶膠光學(xué)厚度，大氣相干長度、等暈角和熱畸變參數(shù)。方法上，一方面采用傳統(tǒng)的數(shù)據(jù)處理方法;另一方面，引入了若干新的方法，不僅克服了傳統(tǒng)方法的局限，還提供了研究相關(guān)問題的新角度。結(jié)論上，不僅可用于