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

1、激光在大氣中傳播時(shí)會(huì)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(duì)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(píng)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(tái)站環(huán)境，對(duì)臺(tái)站的大氣光學(xué)條件做出可靠評(píng)估至關(guān)重要。本文從實(shí)測(cè)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(duì)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(cè)資料，給出不同數(shù)據(jù)的全國(guó)分布。用常規(guī)氣象參數(shù)估算全國(guó)不同地區(qū)的氣溶膠光學(xué)厚度，并用太陽(yáng)輻射計(jì)的實(shí)際觀測(cè)數(shù)據(jù)驗(yàn)證估算算法的精度。對(duì)全國(guó)多個(gè)站點(diǎn)的大氣光學(xué)參數(shù)進(jìn)行長(zhǎng)期觀測(cè)，分析大氣光學(xué)湍流數(shù)據(jù)，給出了大氣相干長(zhǎng)度和等暈角的對(duì)數(shù)概率分布;考慮光學(xué)湍流的分層特性，定義相干長(zhǎng)度比評(píng)估近地面光學(xué)湍流對(duì)

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(cè)廓線。完備集合經(jīng)驗(yàn)?zāi)B(tài)分解將光學(xué)湍流實(shí)測(cè)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(píng)估不同分量里的振動(dòng)對(duì)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(shì)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(duì)相關(guān)參數(shù)的影響，以大氣相干長(zhǎng)度、等暈角和閃爍指數(shù)對(duì)應(yīng)的湍流動(dòng)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(chǎng)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(duì)不同輸入?yún)?shù)的敏感性。采用

5、主效應(yīng)檢測(cè)方法定性地評(píng)估各個(gè)參數(shù)對(duì)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(píng)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(duì)熱畸變參數(shù)產(chǎn)生影響，也可以通過(guò)和其它參數(shù)相互作用對(duì)熱畸變參數(shù)產(chǎn)生影響，且這些參數(shù)間的相互作用對(duì)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(duì)多層感知器的輸入特征進(jìn)行篩選，使用試錯(cuò)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(cè)試集，訓(xùn)練集和驗(yàn)證集用來(lái)訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)，測(cè)試集用來(lái)評(píng)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(cè)試數(shù)據(jù)來(lái)自同一站點(diǎn)時(shí)多層感知器的性能較好，來(lái)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(duì)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(duì)數(shù)據(jù)變化規(guī)律的深入理解，評(píng)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(zhǎng)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(wèn)題的新角度。結(jié)論上，不僅可用于