CN104931970B - 一种面向机载气象雷达仿真的三维云场生成方法 - Google Patents
一种面向机载气象雷达仿真的三维云场生成方法 Download PDFInfo
- Publication number
- CN104931970B CN104931970B CN201510333350.4A CN201510333350A CN104931970B CN 104931970 B CN104931970 B CN 104931970B CN 201510333350 A CN201510333350 A CN 201510333350A CN 104931970 B CN104931970 B CN 104931970B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- rho
- cloud field
- water dust
- weather radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种面向机载气象雷达仿真的三维云场生成方法,用以机载气象雷达的机外环境的模拟,包括以下步骤:1)获取动态卫星云图数据作为仿真三维云场的信息来源;2)根据动态卫星云图数据采用元胞自动机迭代的方法生成仿真三维云场内的云滴分布密度;3)采用双二维网格的局部迭代方法对已经生成的仿真三维云场中涉及测试的空间进行数据更新;4)根据数据更新后的三维云场及状态查询接口进行机载气象雷达外部环境的模拟测试。与现有技术相比,本发明具有占用内存少、计算数据少、精度高、应用灵活等优点。
Description
技术领域
本发明涉及气象探测和计算机仿真领域,尤其是涉及一种面向机载气象雷达仿真的三维云场生成方法。
背景技术
机载气象雷达(Airborne Weather Radar)可以探测飞机前方航道的天气状况,包括雷雨、冰雹、风暴、湍流、云雾和微暴等,帮助飞行员正确评估气象态势,对飞行安全与飞行品质都有重要的保障作用,已经成为大型民用飞机不可或缺的重要部件。传统机载气象雷达研发过程在地面只能进行物理样机通电检查和静态测试,综合性能测试要通过试飞来完成。然而,飞行试验中实飞环境选择、试飞测试、与其他航电子系统动态交联等行为成本高、难度大,穿越极端天气空域的实验更是危险重重。现代机载气象雷达研发过程倾向于通过计算机模拟技术仿真机外飞行环境,可在开发机载气象雷达原理样机、工程样机乃至型号产品时对其各项功能进行功能和性能测试与验证,并对机载气象雷达原理样机模型算法设计、产品研制进行改进,大大缩短产品研制周期和开发节省成本。
面向机载气象雷达仿真应用的机外环境模拟软件必须提供大范围的云场密度分布数据,并支持多架次飞机在同一空域中的云滴密度数据随机访问。由此,一个高性能云场数据生成技术就显得至关重要。现有三维云场仿真技术主要分类成两类:1.利用流体动力学和云滴微物理学进行数值模拟的偏向数值气象条件仿真技术;2.利用计算机图形技术生成视觉相似的三维云场可视化图像。第一类技术生成的云场真实度较高,可以生成一定范围内三维云场体数据。但求解流体动力学和微物理方程是一个复杂耗时的过程,计算时间随着计算网格的增加而快速增长,很难在普通PC上实现大范围云场数据实时动态输出。第二类技术可在普通PC上实现云场的实时渲染,但其技术着眼点是面向视觉显示而不是物理真实性,一般不能产生大范围三维云场体数据。
本文借鉴计算机图形技术中采用元胞自动机(Cellular Automaton,CA)生成云场的思路,提出利用卫星云图数据作为元胞自动机的其实状态,提高生成云场与真实测量数据的贴近度。进一步,本文提出一种利用双二维网格迭代近似三维网格迭代的算法,大幅降低传统元胞自动机在大范围三维空间计算时对内存空间的需求。针对机载气象雷达仿真应用的实际需求,本文提出的三维云场生成技术提供一个返回任意空间位置云滴密度的函数接口,该函数计算过程仅需一张卫星图像且完全独立于其他位置的计算,可在多核CPU上实现高度并行的快速计算。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种占用内存少、计算数据少、精度高、应用灵活的面向机载气象雷达仿真的三维云场生成方法。
本发明的目的可以通过以下技术方案来实现:
一种面向机载气象雷达仿真的三维云场生成方法,用以机载气象雷达的机外环境的模拟,包括以下步骤:
1)获取动态卫星云图数据作为仿真三维云场的信息来源;
2)根据动态卫星云图数据采用元胞自动机迭代的方法生成仿真三维云场内的云滴分布密度;
3)采用双二维网格的局部迭代方法对已经生成的仿真三维云场中涉及测试的空间进行数据更新;
4)根据数据更新后的三维云场进行机载气象雷达外部环境的模拟测试。
所述的步骤2)具体包括以下步骤:
21)在初始零时刻,将动态卫星云图中的像素值Iij作为仿真三维云场的基础层所有格点的云滴密度即:
其中,的上标为时刻值,下标为基础层格点的坐标;
22)以仿真三维云场的基础层为初始值,采用于马尔科夫链的迭代规则获取仿真三维云场中格点(i,j,k)的云滴密度
其中,p(ot|ot-1)为t-1时刻的云滴会在t时刻停留在原格点位置的概率,p(ht|ht-1)为t-1时刻的云滴会在t时刻发生水平迁移的概率,p(vt|vt-1)为t-1时刻的云滴会在t时刻发生垂直迁移的概率,为t-1时刻格点(i,j,k)的云滴密度,为t时刻格点(i,j,k)在x方向上相邻格点的云滴密度,为格点(i,j,k)在y方向上相邻格点的云滴密度,为在z方向上相邻格点的云滴密度,(i,j,k)为格点的三维坐标。
所述的步骤22)中的p(ot|ot-1)、p(ht|ht-1)和p(vt|vt-1)服从正态分布:
其中,σ1、σ2、σ3为仿真三维云场厚度和垂直剖面形状控制参数,z为飞行高度值,z0为人为设定的云场垂直位置基准高度。
所述的步骤3)具体包括以下步骤:
31)获取机载气象雷达的扫描位置;
32)通过双二维网格的局部迭代方法对被扫描位置的附近格点进行状态更新,最终格点vijk的状态为:
迭代规则为:
其中,为在t时刻z-x平面迭代的格点,为在t时刻z-y平面迭代的格点,p(ot|ot-1)为t-1时刻的云滴会在t时刻停留在原格点位置的概率,p(ht|ht-1)为t-1时刻的云滴会在t时刻发生水平迁移的概率,p(vt|vt-1)为t-1时刻的云滴会在t时刻发生垂直迁移的概率,为在t-1时刻格点vijk的状态,为在t时刻格点v(i±1)jk的状态,为在t时刻格点vij(k±1)的状态。
所述的步骤4)具体包括以下步骤:
由多核CPU根据数据更新后的三维云场生成一个返回任意空间位置云滴密度的函数接口Cld(x,y,z),供机载气象雷达外部环境模拟测试中获取三维云场任意位置的云滴密度。
与现有技术相比,本发明具有以下优点:
一、占用内存少:状态查询接口函数和三维云场计算在多核CPU上或众核GPU上实现完全并行计算,从而大幅提高计算效率,减少占有的内存空间,使普通PC平台都能实现大范围三维云场的动态仿真,具有较高实际工程应用价值。
二、计算数据少、精度高:本发明在面向机载气象雷达仿真应用时,无需实际计算整个三维云场数据,仅需输出雷达波扫描位置的云场密度即可,并且通过双二维网格的局部迭代方法进行三维云场的更新,大大减少了需要计算的数据总量,提高了仿真精度。
三、应用灵活:本发明对大范围云场生成任务,可使用二维网格近似计算空间单独格点位置的云场密度,输出稀疏云场数据,对小范围云场仿真、可视化等任务,可使用三维网格离线生成某个小区域的体数据。
附图说明
图1为元胞自动机计算网格示意图。
图2为机载气象雷达仿真计算过程示意图。
图3为两个正交的2D网格。
图4为本发明输出的大范围云场示意图,其中图(4a)为大范围云场示意图,图(4b)为图(4a)中A部的放大图。
图5为三维云场中雷达扫描线位置关系及其仿真扫描结果示意图。
图6为大范围稀疏格点云场数据输出结果。
图7为小范围云场体数据输出结果。
图8为本发明技术方案示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例:
三维云场生成技术最终目标是能提供某一空域任意位置的云滴密度,考虑到飞行器机动速度较快的特性,此空域一般范围较大。另一方面,机载气象雷达仿真应用仿真访问此空域的位置仅为雷达波扫描线上的稀疏位置,如图2所示的锥形区域,故仅需提供返回任意位置云滴密度的API接口即可,并不需要计算整个云场所有位置的云滴密度动态变化情况。
如图1所示,该网格的三维示意图,为生成大范围云场数据,本发明采用卫星云图信息作为初始种子,以元胞自动机迭代的形式生长出三维云场,设元胞自动机计算网格为:
V={vijk=(xj,yi,zk)|i∈[1,m],j∈[1,n],k∈[1,l]}
为方便问题描述,可设定xj,yi,zk∈[0,1],其他空间位置情况可通过线性拉伸得到所需要的云场覆盖区域。三维云场的生成任务即可通过某种计算方式,得到计算网格中任意位置的云滴密度:
ρ(vijk)=f(xj,yi,zk) (1)
元胞自动机计算过程是一个迭代过程,即空间中每个格点vijk在t时刻的属性由其周边邻近点在t-1时刻的状态共同决定:
其中CA为元胞自动机迭代规则;
由此,如图3所示,本发明技术方案以三维空间上元胞自动机迭代为理论基础,实际程序实现时采用双二维计算网格,对每个空间位置的云滴密度实施完全独立的计算过程。
为达到动态仿真机载气象雷达系统工作过程,需要为其仿真环境提供大范围三维云场分布数据,以便可随时根据飞机当前位置和雷达扫描线方向计算雷达信号回波强度。本发明提出的三维云场生成技术方案实施方式如图8所示,通过读取动态卫星云图数据,为机载气象雷达仿真应用提供大范围动态云场数据访问接口。该技术方案包括“基础层数据设定”、“元胞自动机迭代”和“三维云场数据接口”三个子模块,每个仿真模块独立运行,并实时交换数据。
一、基础层数据设定模块
通过读取动态卫星云图数据,建立三维云场生成网格并设定其初始状态:
在初始状态,可将卫星云图像素值Iij作为云场网格中基础层,如图1中BaseLayer,所有格点的状态,从而形成较贴近实际观测值的元胞自动机迭代结果,
二、元胞自动机迭代模块
按照自动迭代规则,将三维云场网格的每个格点状态进行更新,从而将原始卫星云图数据扩散到三维空间,详细迭代规则为:
考虑到云场自身发展规律和计算效率等因素,本发明未采用Dobashi等人的迭代规则,而是提出面向马尔科夫链的迭代规则,将云场密度看成雨滴出现的概率,从而形成关于概率的计算公式:
其中,p(ot|ot-1)表示t-1时刻的云滴会在t时刻停留在原格点位置的概率,p(ht|ht-1)表示t-1时刻的云滴会在t时刻发生水平迁移的概率,p(vt|vt-1)表示t-1时刻的云滴会在t时刻发生垂直迁移的概率,这些概率可有高斯分布函数定义:
工程人员可以通过调整σ1σ2σ3的取值来间接控制最终生成云场的厚度和垂直剖面形状。典型的云场计算结果可参见图6和图7。
三、云场数据接口模块
为机载气象雷达仿真应用提供任意空间位置云场密度分布数据访问接口,其内部计算采用双二维网格的局部迭代计算,具有高度并行计算特性并占有较少内存空间,详细计算过程为:
直接在图1所示的计算网格展开方程(4)涉及三维网格数据的存储和访问,在面向大范围云场重建问题时,将耗费大量内存空间(即使一个低精度1900 1300卫星图像所形成的512层网格也需要多余4Gb的内存空间),考虑到机载气象雷达仿真是仅需要随机访问云场中一个二维平面的云场密度信息,如图5所示的扇形区域,在内存中维护一个巨大三维网格体数据存在严重内存空间的浪费。本发明提出一个二维快速并行计算策略,其最大优势是仅须在内存中维护与卫星图像同样分辨率的二维网格,即可支持随机访问三维空间任意位置云场密度的,且无需实时更新整个元胞自动机格点状态。
与数值天气仿真、飞行模拟等应用不同,机载气象雷达仿真应用不需要随时读取整个三维空间的云场数据,仅需计算机载气象雷达扫描线上的云场数据即可,如图2所示,同时,一般搭载机载气象雷达的民航客机的巡航速度较高、飞行范围较大,仿真多架飞机在同一空域内飞行的情况频率较多,需要三维云场覆盖较大范围(一般为1000km 1000km1000km以上),在普通PC机内维护如此大规模的三维网格数据存在计算速度、内存空间等诸多困难,很难达到实时动态仿真的水平。
实际上,每个格点迭代t步时方程(4)仅涉及仅用到t+1内的邻近格点信息,完全可以针对每个格点进行局部计算,从而通过并行计算大幅提高计算速度。另一方面,如图3所示,方程(4)本质上是在两个正交的2D网格(x方向和y方向)上进行,可通过近似计算将3D网格迭代降低到2D网格迭代计算,从而大幅降低对内存空间的需求。
考虑到机载气象雷达仿真应用需求对大范围云场少量2D网格的随机访问(与当前飞机姿态和雷达扫描线偏角决定),云场重建过程无需在整个三维云场中进行,而是仅针对被访问位置附近的格点进行状态更新。这样做虽然造成一定程度相邻格点冗余计算,但相对于整个三维云场的更新计算量而言,整体计算量是大幅下降的。
设在z-x平面迭代的格点为在z-y平面迭代的格点为迭代规则为:
则最终vijk格点的状态为:
方程(5)~(7)与方程(4)相比,对每个格点的计算量有所增加,但优势是仅在两个特定的二维网格上进行计算,且无需其他三维网格的信息,对内存空间的需求大幅减少。面向方程(5)~(7)的迭代规则,本文提出的大范围三维云场生成技术在实际计算时仅保存一张2D卫星云图的图像数据,并提供一个函数接口以供机载气象雷达仿真应用访问三维云场任意位置的云滴密度。
方程(5)~(7)与方程(4)相比,对每个格点的计算量有所增加,但优势是仅在两个特定的二维网格上进行计算,且无需其他三维网格的信息,对内存空间的需求大幅减少。面向方程(5)~(7)的迭代规则,本文提出的大范围三维云场生成技术在实际计算时仅保存一张2D卫星云图的图像数据,并提供一个函数接口Cld(x,y,z)以供机载气象雷达仿真应用访问三维云场任意位置的云滴密度。
函数接口Cld(x,y,z)的计算过程如表1所示:
表1函数接口Cld(x,y,z)的计算过程
如图4a、4b和图5所示,函数Cld(x,y,z)仅需一张2D卫星图像数据,其计算过程完全独立于其他位置的云场计算,可在多核CPU上或众核GPU上实现完全并行计算,从而大幅提高计算效率,占有最少内存空间。
Claims (4)
1.一种面向机载气象雷达仿真的三维云场生成方法,用以机载气象雷达的机外环境的模拟,其特征在于,包括以下步骤:
1)获取动态卫星云图数据作为仿真三维云场的信息来源;
2)根据动态卫星云图数据采用元胞自动机迭代的方法生成仿真三维云场内的云滴分布密度,所述的步骤2)具体包括以下步骤:
21)在初始零时刻,将动态卫星云图中的像素值Iij作为仿真三维云场的基础层所有格点的云滴密度即:
其中,的上标为时刻值,下标为基础层格点的坐标;
22)以仿真三维云场的基础层为初始值,采用于马尔科夫链的迭代规则获取仿真三维云场中格点(i,j,k)的云滴密度
其中,p(ot|ot-1)为t-1时刻的云滴会在t时刻停留在原格点位置的概率,p(ht|ht-1)为t-1时刻的云滴会在t时刻发生水平迁移的概率,p(vt|vt-1)为t-1时刻的云滴会在t时刻发生垂直迁移的概率,为t-1时刻格点(i,j,k)的云滴密度,为t时刻格点(i,j,k)在x方向上相邻格点的云滴密度,为格点(i,j,k)在y方向上相邻格点的云滴密度,为在z方向上相邻格点的云滴密度,(i,j,k)为格点的三维坐标;
3)采用双二维网格的局部迭代方法对已经生成的仿真三维云场中涉及测试的空间进行数据更新;
4)根据数据更新后的三维云场进行机载气象雷达外部环境的模拟测试。
2.根据权利要求1所述的一种面向机载气象雷达仿真的三维云场生成方法,其特征在于,所述的步骤22)中的p(ot|ot-1)、p(ht|ht-1)和p(vt|vt-1)服从正态分布:
其中,σ1、σ2、σ3为仿真三维云场厚度和垂直剖面形状控制参数,z为飞行高度值,z0为人为设定的云场垂直位置基准高度。
3.根据权利要求1所述的一种面向机载气象雷达仿真的三维云场生成方法,其特征在于,所述的步骤3)具体包括以下步骤:
31)获取机载气象雷达的扫描位置;
32)通过双二维网格的局部迭代方法对被扫描位置的附近格点进行状态更新,最终格点vijk的状态为:
迭代规则为:
其中,为在t时刻z-x平面迭代的格点,为在t时刻z-y平面迭代的格点,p(ot|ot-1)为t-1时刻的云滴会在t时刻停留在原格点位置的概率,p(ht|ht-1)为t-1时刻的云滴会在t时刻发生水平迁移的概率,p(vt|vt-1)为t-1时刻的云滴会在t时刻发生垂直迁移的概率,为在t-1时刻格点vijk的状态,为在t时刻格点v(i±1)jk的状态,为在t时刻格点vij(k±1)的状态。
4.根据权利要求1所述的一种面向机载气象雷达仿真的三维云场生成方法,其特征在于,所述的步骤4)具体包括以下步骤:
由多核CPU根据数据更新后的三维云场生成一个返回任意空间位置云滴密度的函数接口Cld(x,y,z),供机载气象雷达外部环境模拟测试中获取三维云场任意位置的云滴密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510333350.4A CN104931970B (zh) | 2015-06-16 | 2015-06-16 | 一种面向机载气象雷达仿真的三维云场生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510333350.4A CN104931970B (zh) | 2015-06-16 | 2015-06-16 | 一种面向机载气象雷达仿真的三维云场生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104931970A CN104931970A (zh) | 2015-09-23 |
CN104931970B true CN104931970B (zh) | 2017-02-22 |
Family
ID=54119223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510333350.4A Active CN104931970B (zh) | 2015-06-16 | 2015-06-16 | 一种面向机载气象雷达仿真的三维云场生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104931970B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653350B (zh) * | 2015-12-30 | 2018-11-27 | 南京乐飞航空技术有限公司 | 一种用于飞行模拟器的气象雷达仿真渲染方法 |
JP6486875B2 (ja) | 2016-09-15 | 2019-03-20 | 株式会社東芝 | 気象データ処理装置、システム、気象データ処理方法及びプログラム |
CN106991710B (zh) * | 2017-04-17 | 2020-06-23 | 中国人民解放军63796部队 | 静止气象卫星云图网格点自动纠错方法 |
DE102018210937A1 (de) * | 2018-07-03 | 2020-01-09 | Robert Bosch Gmbh | Realistischere Simulation physikalischer Messdaten |
CN110174687B (zh) * | 2019-05-24 | 2020-11-20 | 中国气象科学研究院 | 一种云水路径获取方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706967B (zh) * | 2009-11-18 | 2011-10-05 | 电子科技大学 | 一种真实感云层的综合模拟方法 |
US8111186B2 (en) * | 2009-12-17 | 2012-02-07 | Honeywell International Inc. | Systems and methods for infering hail and lightning using an airborne weather radar volumetric buffer |
-
2015
- 2015-06-16 CN CN201510333350.4A patent/CN104931970B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104931970A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104931970B (zh) | 一种面向机载气象雷达仿真的三维云场生成方法 | |
Zhao et al. | An improved multi-step forecasting model based on WRF ensembles and creative fuzzy systems for wind speed | |
Blockley et al. | The future of sea ice modeling: Where do we go from here? | |
CN106339568A (zh) | 一种基于混合背景场的数值天气预报方法 | |
Li | Global transport on a spherical multiple-cell grid | |
CN110909623B (zh) | 三维目标检测方法及三维目标检测器 | |
Zhurbas et al. | Rotation of floating particles in submesoscale cyclonic and anticyclonic eddies: a model study for the southeastern Baltic Sea | |
Vanharen et al. | Near-field anisotropic mesh adaptation for the third AIAA sonic boom workshop | |
Wang et al. | Large-eddy simulation of turbulent flows over an urban building array with the ABLE-LBM and comparison with 3D MRI observed data sets | |
CN106846247B (zh) | 空间环境数据多尺度显示方法、模型建立方法及装置 | |
Qu et al. | Can a machine learning–enabled numerical model help extend effective forecast range through consistently trained subgrid-scale models? | |
Kabanikhin et al. | An algorithm for recovering the characteristics of the initial state of supernova | |
Xiong et al. | A point cloud deep neural network metamodel method for aerodynamic prediction | |
Lin et al. | Reducing TC position uncertainty in an ensemble data assimilation and prediction system: A case study of Typhoon Fanapi (2010) | |
Mullen et al. | Linear parabolized stability analysis of the BOLT flight geometry at off-nominal conditions | |
Eidsvik et al. | A prediction system for local wind variations in mountainous terrain | |
Jones et al. | Physics-based simulated SAR imagery generation of vehicles for deep learning applications | |
He et al. | IPC-Net: Incomplete point cloud classification network based on data augmentation and similarity measurement | |
Takahashi et al. | Non-hydrostatic atmospheric GCM development and its computational performance | |
CN110108271A (zh) | 一种气动光学效应引起的星光偏折补偿方法 | |
Oshima et al. | Development of a physics-informed neural network to enhance wind tunnel data for aerospace design | |
Ubald et al. | Density Reconstruction from Schlieren Images through Bayesian Nonparametric Models | |
Shenghui et al. | Sensitivity analysis of the VVP wind retrieval method for single-Doppler weather radars | |
Rallabhandi | Sonic boom prediction and mitigation using three-dimensional earth effects | |
CN103116886B (zh) | 基于嵌入式dsp的sar图像实时分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |