降雨率的最坏月分区转换模式研究

最坏月分布特性是无线电系统设计和研制过程中需要考虑的重要指标,大多数无线电气象数据和传播数据只能提供年平均分布概率,这就要求提供最坏月分布和年平均分布之间的转换模式. 本文首先给出了包含累积分布和互补累积分布完整的最坏月概念. 然后分析了对流层散射传输损耗、降雨率和雨衰减、地面视距链路多径衰落等多种电波环境和传播特性的年平均和最坏月概率转换关系,并通过对比分析给出了最优的模型参数,其对应的均方根误差最小,其中对流层散射和雨衰减的均方根误差小于10%,同时论证了雨衰减的转换关系可以由降雨率的转换关系得到. 本文的研究将有力支撑无线电系统的最坏月设计.     

对流层散射最坏月转换模式研究

针对目前的最坏月预测模型无法有效反映对流层散射传输损耗的最坏月时间概率分布随地域和气象气候条件变化的特点,结合ITU-R P.617-3和ITU-R P.841-4建议书给出的最坏月预测模型,提出了一种对流层散射传输损耗最坏月时间概率预测方法。通过合理的数学推演和数值优化,该方法得到了对流层散射最坏月与年平均传输损耗的时间概率转换与地面折射率Ns的对应关系。该方法不仅解决了上述2种ITU模型的缺点,而且更加简单实用,适用范围更广。随后,为了验证该方法的准确性和全球适用性,利用该方法模拟了全球对流层散射数据库中各实验链路典型概率(50%、90%、99%)下的最坏月传输损耗,并与实测值和ITU-R P.841模型进行了对比验证。研究结果对对流层散射传播的发展和应用有一定的参考价值。     

我国不同积分时间降雨率的统一转换模式

1min积分时间降雨率概率分布是10GHz以上无线电系统雨衰减预测的基础性数据。但多数气象台站降雨率数据的积分时间大于1min，因而需要一种有效的转换方法。为此利用我国典型气候区的实测降雨率数据对几种不同积分时间降雨率转换模式进行了参数拟合与结果比较，在比较研究的基础上，提出了我国统一的转换模式。这一模式可较好地用于我国不同地区的降雨率转换。     

安徽省分钟降雨率分布特征

利用安徽省2017—2019年81个国家级气象站实测分钟降雨率资料，统计站点分钟降雨率累积分布，对安徽省分钟降雨率的时空分布特征进行分析，并将实测降雨率与ITU降雨率模型预测结果进行对比.结果表明:安徽省山区的分钟降雨率累积分布整体上高于其他地区，淮北平原东部在小于0.03%时间概率点时呈现出较高分钟降雨率累积分布；山区受地形降雨影响，高海拔处分钟降雨率总体上高于低海拔处；平原地区的R（0.01）年际变化较其他地区显著；2017年、2018年和2019年的降雨最坏月份分别为8月、7月和6月.实测分钟降雨率分布与ITU模型预测结果总体上保持一致，在0.03%时间概率点以内，模型预测结果整体偏低；在淮北平原和山区高海拔处，模型预测结果误差较大.     

我国典型地区不同积分时间降雨率的换算公式

简要介绍国内外对不同积分时间降雨率的换算方法的研究结果，重点介绍我国海口，广州同，南京，重庆，新乡，长春６个典型气候区的１０ｍｉｎ，５ｍｉｎ降雨率及１ｍｉｎ了雨率分布的测量结果，介绍６个地区的１０ｍｉｎ，５ｍｉｎ降雨率和１ｍｉｎ降雨率的换算公式和负算误差，并指出这些换算公式在我国所适用的不同降雨气候区。     

CS到BS模式转换的技术研究

从现阶段计算机信息技术发展情况来看,Internet的快速发展对4GL编写GUI提出了新的挑战,这些程序需要在Client sever(CS)结构下,实现数据信息的有效处理.但是CS模式在应用过程中,存在着结构不足的问题,这样一来,会对CS的应用产生较大的影响.BS模式能够有效地弥补CS模式存在的不足,从而保证4GL编写的GUI能够得到更好地应用.本文在对该问题分析过程中,主要探讨了CS到BS模式的转换技术.     

新型高功率微波模式转换天线研究

给出了一种新型高功率微波模式转换天线,该天线将同轴插板式模式转换器和一种新型喇叭有机结合,可直接辐射高功率微波源输出的同轴TEM模或TM01模,具有结构尺寸小、口径效率高、轴向辐射、容易实现等优点.优化设计了一个中心频率为3.8GHz的天线,长度约300mm、口径为280mm,在中心频率上增益为19dBi、反射损耗为-20dB,在3.7～ 4.1GHz的频率范围内增益大于18.7dBi、反射损耗小于-15dB.     

地空路径统计雨衰减建模的几个问题

地空路径雨衰减统计特性是卫星通信等地空无线电系统设计和运行评估的关键参数.针对地空路径统计雨衰减的建模研究, 分析了影响模型准确度的几个关键因素, 它们包括雨滴谱分布、雨顶高度、降雨率在水平和垂直路径的不均匀性等.同时比较分析了现有主要模型计算的路径调整因子随仰角的变化、与频率的关系等, 讨论了现有模型的局限性和可能的改进途径.通过上述对比研究, 提出了地空路径雨衰减统计建模向确定性模型方向发展的观点.     

基于雨胞分布的视距链路雨衰减预报模型

基于指数雨胞分布,推导得到路径调整因子,提出了一种新的视距链路雨衰减预报模型.利用ITU-R视距链路雨衰减数据库数据回归得到了预报模型中的参数.通过和ITU-R模型以及近几年发展的几种雨衰减模型比较表明,这一模型较其他模型具有更好的预测精度.     

A mathematical theory of de‐integrating long‐time integrated rainfall and its application for predicting 1‐min rain rate statistics

To date, the methods devised for converting long‐term experimental probability distribution (pd), , of the rain rate ρ_T integrated in T min (T > > 1 min) to 1‐min pd, P_R(R), of the instantaneous rain rate R, are based on flawed T‐min data and, as such, are not based on fully reliable first principles. is not only an upward translated version of P_R(R) but also rotated clockwise and distorted. The current methods do not correct these errors. We propose and discuss a mathematical theory, which corrects these errors and thus de‐integrates T‐min experimental pds into the corresponding 1‐min pd, the input required by all rain attenuation prediction methods. The theory is based on simple first principles whose parameters are calibrated by means of a large and reliable rain‐rate data bank recorded in Spino d'Adda, a site held as an experimental laboratory and used for exploratory data analysis. We show that P_R(R) is modelled by four distinct functions in four disjoint ranges, and that this modelling is physically meaningful. We have tested the theory up to integration times of 12 h, with a large experimental data bank of 1‐min rain‐rate time series recorded in Gera Lario, Fucino, Rome, Prague, and Montreal, besides Spino d'Adda. Defined the fraction of rainy time in an average year, P_o (%), we have found that: (a) the modelling is very good up to 6 h; (b) in the range from about P_o to 0.001%, the error values are constant, with average error set at about ? 3% and RMS error less than 8% for T ≤ 120 min, less than about 9% for 120 < T ≤ 360 min. We have also applied the theory to rain‐rate time series provided by meteorological agencies with integration time T = 60 min (blind test) with excellent result. Copyright © 2011 John Wiley & Sons, Ltd.     

基于进化神经网络的地空路径雨衰减模型

雨衰减对工作在高频的地空通信链路稳定性具有很大影响。本文在考虑多个参数对雨衰减非线性影响的基础上,建立了基于进化神经网络的雨衰模型,并与ITU－R模型进行了比较。结果表明,利用本文提出的模型进行高频电波的预测具有更好的精度,可降低平均误差0.64dB,并减小标准偏差0.79bD,为雨衰减预测提供了一种新的方法。     

雨衰减预测中的降雨率调整因子概念

利用ITUR数据库地面视距链路和地空链路雨衰减数据,分析了传统雨衰减预报中所使用的基于柱状雨胞模型的雨衰减物理模型导出的路径调整因子与实测数据之间的矛盾.在此基础上,基于指数雨胞建立的雨衰减物理模型,通过理论分析导出了降雨率调整因子的概念.利用降雨率调整因子,可以解释实测数据的主要特征,表明：基于指数雨胞的雨衰减物理模型是合理的,利用降雨率调整因子的概念,可为发展新的地面视距链路和地空链路雨衰减预报模式和方法提供理论依据.     

视距链路的雨衰减预报模式研究

基于ITU-R的视距链路雨衰减数据库中的数据,本文提出了一种新的视距链路雨衰减的预报模式,给出了一种新的路径调整因子与不同时间概率雨衰减转换公式.与其他几种预报模式的比较表明,新模式与实验结果有更好的一致性.     

一种地面视距链路雨衰减预测模式

基于指数雨胞雨衰减物理模型得到的降雨率调整因子概念,通过对ITUR雨衰减数据库实验数据的分析,提出了一种降雨率调整因子公式,并利用ITUR雨衰减数据库数据回归得到了降雨率调整因子公式的参数,建立了一种利用全概率降雨分布的地面视距链路雨衰减预测模式通过与其它模式的比较表明：该模式预测精度优于其它利用全概率降雨的雨衰减预测模式,预测精度与利用概率转换的ITUR模式相当,且预测过程更加简便。