CN115016035A - 一种基于波前探测的实时大气湍流分层强度测量方法 - Google Patents
一种基于波前探测的实时大气湍流分层强度测量方法 Download PDFInfo
- Publication number
- CN115016035A CN115016035A CN202210610898.9A CN202210610898A CN115016035A CN 115016035 A CN115016035 A CN 115016035A CN 202210610898 A CN202210610898 A CN 202210610898A CN 115016035 A CN115016035 A CN 115016035A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- wavefront
- atmospheric turbulence
- layering
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000000691 measurement method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000003044 adaptive effect Effects 0.000 claims abstract description 13
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013517 stratification Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000032798 delamination Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- 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
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Telescopes (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种基于波前探测的实时大气湍流分层强度测量方法。该方法包括：利用自适应光学系统的夏克‑哈特曼波前传感器实时获取波前斜率信息；实时的波前斜率信息被传送至实时大气处理机中；实时大气处理机利用积累一定帧数的波前斜率数据进行大气湍流分层强度的计算；输出实时的大气湍流分层强度信息。利用本发明，可以实时获取大气湍流分层强度信息，同时提升大视场自适应光学系统的校正性能。
Description
技术领域
本发明属于大气光学技术领域，具体涉及一种基于波前探测的实时大气湍流分层强度测量方法。
背景技术
自适应光学(Adaptive Optics,AO)目前已成为大口径地基望远镜实现高分辨率成像不可或缺的技术。基于单颗导引星的传统自适应光学技术，其校正视场非常有限，严重限制了其在天文观测中的应用。从大视场成像的需求出发，科学家们提出多层共轭自适应光学技术(Multi-Conjugate Adaptive Optics,MCAO)，通过对大气湍流分层探测，并利用多块变形镜(DM)共轭校正相应高度层的大气湍流，从而实现校正视场的扩大。然而，保证MCAO系统达到优异校正效果的前提之一是：输入的大气湍流分层信息是准确的。因此，必须对望远镜站址上空的大气湍流分层信息进行实时监测与准确计算。
大气光学湍流随垂直高度的分布信息常用大气折射率结构常数表征。同时该参数有着非常广泛的应用领域，例如：用于评价望远镜站址好坏；优化系统参数，包括伺服闭环带宽、波前重构算法以及MCAO系统DM的共轭高度等。此外，大气视宁度也是评价大气湍流特性的重要参数，二者关系为：
上式中，
表示随高度h变化的大气湍流强度，λ为波长，r0(hn)代表hn高度层的大气视宁度。
因而，通常将大气层离散为有限数量的均匀薄层，并测量每层的视宁度参数，从而得到大气折射率结构常数。目前主流的基于波前斜率探测的大气湍流强度分层测量方法主要有：SLODAR(SLOpe Detection And Ranging，SLODAR，Butterley T,Wilson R W,SarazinM.Determination of the profile of atmospheric optical turbulence strengthfrom SLODAR data[J].Monthly Notices of the Royal Astronomical Society,2006,369(2):835-845.)、S-DIMM+(S-DIMM+，Scharmer G B,Van Werkhoven T I M.S-DIMM+height characterization of day-time seeing using solar granulation[J].Astronomy&Astrophysics,2010,513:A25.)以及增加分层数目的S-DIMM+方法(ZhiyongWang,Lanqiang Zhang,Lin Kong,Hua Bao,Youming Guo,Xuejun Rao,Libo Zhong,LeiZhu,Changhui Rao,A modified S-DIMM+:applying additional height grids forcharacterizing daytime seeing profiles[J],Monthly Notices of the RoyalAstronomical Society,Volume 478,Issue 2,August 2018,Pages 1459–1467,https://doi.org/10.1093/mnras/sty1097)。上述三种方法通常都采用数据离线处理的方式，需要提前将大量大气湍流波前探测斜率信息保存，之后做离线处理。针对实时变化的大气湍流，这样的结果不能体现大气湍流的实时变化特性，不能用于辅助MCAO系统实时校正。此外，对于某一些独立、专有的大气湍流测量仪器，其大都通过对站点长周期观测并基于其长周期的统计特性，得到站址的分层信息。但这种专用仪器并不适用于MCAO系统。对于MCAO系统，需要结合站址上空大气湍流实时情况，实时调整MCAO系统的相应参数，从而使系统达到衍射极限的成像效果。根据以上背景可知，目前对于大气湍流强度的分层测量，大多采用离线处理的方法，还无法做到大气湍流强度的实时监测，即使专有的仪器无法满足MCAO系统实时性和协同的要求。因此，为满足MCAO系统的性能需求，目前亟需寻找一种完善的实时大气湍流分层强度测量方法。
针对上述问题，本发明提出一种基于波前探测的实时大气湍流分层强度测量方法，使之可以为MCAO系统提供实时准确的大气湍流分层信息输入。
发明内容
针对大气湍流分层强度测量的实时性需求问题，提出一种基于波前探测的实时大气湍流分层强度测量方法。
本发明采用的技术方案为：
一种基于波前探测的实时大气湍流分层强度测量方法，所述方法通过实时获取波前信息并实时处理，最终得到实时的大气湍流分层强度信息，该方法包括如下步骤：
步骤(1)：通过自适应光学系统中的实时波前传感器获取大气湍流的实时波前斜率信息；
步骤(2)：将实时波前斜率信息传输至实时大气分层处理机中；
步骤(3)：实时大气分层处理机积累一定帧数的波前斜率数据，然后进行大气湍流分层强度的计算；
步骤(4)：输出大气湍流分层强度信息并实时显示。
进一步的，步骤(1)-步骤(2)中，通过大口径地基天文望远镜配备的自适应光学系统中的实时波前传感器获取实时的大气湍流波前斜率作为所述实时波前斜率信息，然后在波前处理机中将所述实时波前斜率信息逐帧传输给后端的大气分层处理机以用于大气湍流分层强度实时计算。
进一步的，步骤(3)中，所述大气湍流分层强度的计算通过基于夏克-哈特曼波前传感器斜率的大气湍流强度分层探测方法实现。
进一步的，所述大气湍流强度分层探测方法包括SLODAR方法、S-DIMM+方法或增加分层网格的S-DIMM+方法。
进一步的，步骤(3)中，采用“栈”式数据存储方式保留一定时间的波前斜率数据：采用先进先出的窗口滑动式数据进出规则，当新的数据进入时，将在“栈”中保存最久的数据踢出。
本发明所述步骤(1)中，需要实时获取波前斜率信息。利用波前传感器获取实时的大气湍流波前斜率，然后在波前处理机中将该斜率一帧一帧的传输给后端的大气湍流分层强度实时计算。步骤(3)中，需要实时对获取的波前斜率进行计算并输出结果。大气湍流强度信息是基于大气特性的统计结果，因此需要在积累一定时间后的计算结果才更具有可信度。在本发明中具体体现在：在积累一定帧数的波前斜率信息后，再计算大气湍流分层强度信息。同时，为了更好的实时性效果，本发明中采用“滑窗”式的波前斜率信息选择，即在一个时间点上，当该时间点的大气湍流分层强度计算完成后，只将波前斜率中时间相对较旧的部分数据踢出，并接收最新的波前斜率数据。
本发明预计取得的有益效果为：
(1)利用本发明可以实时获取大气湍流分层强度信息，不再依靠离线处理，能够更好地监控大气湍流强度信息；
(2)利用本发明可以进一步提升MCAO系统的校正性能；
利用本发明不需要增加其他硬件条件。本发明可以集成到自适应光学系统的实时处理机中，且大部分大口径地基天文望远镜均配备自适应光学系统。
附图说明
图1为本发明主要的框架；
图2为GLAO哈特曼探测器子孔径排布图；
图3为本发明使用的“窗口滑动”结构示意图；
图4为本发明实现的大气分层测量结果显示示意图。
具体实施方式
下面结合例图以及具体实施进一步说明本发明。
如图1所示为本发明所述一种基于波前探测的实时大气湍流分层强度测量方法的主要框架，所述方法通过实时获取波前信息并实时处理，最终得到实时的大气湍流分层强度信息，该方法包括如下步骤：
步骤(1)：通过自适应光学系统中的实时波前传感器获取大气湍流的实时波前斜率信息；
步骤(2)：将实时波前斜率信息传输至实时大气分层处理机中；
步骤(3)：实时大气分层处理机积累一定帧数的波前斜率数据，然后进行大气湍流分层强度的计算；
步骤(4)：输出大气湍流分层强度信息并实时显示。
具体实施例：采用中国科学院云南天文台1米新真空太阳望远镜研制的MCAO系统。MCAO系统可以视为一个地表层自适应光学系统(GLAO)然后加上一个高层湍流的探测校正系统。由于测量需要真实的大气斜率信息，所以只能从GLAO系统中获取大气湍流信息。
该GLAO系统使用9×9哈特曼波前探测器，有效子孔径个数为48个，如图2所示，由于其六边形的子孔径形状，实际中一行中只有8个子孔径。GLAO哈特曼具有约四十角秒的大视场，可以在这个视场中选择合适的导星，目前暂时采用规则的3×3导星排布，每个导星具有约十角秒的视场。
在MCAO系统启动后，GLAO哈特曼波前探测器会实时探测站址上空的大气湍流信息。本实施例的测量系统会向GLAO哈特曼探测器请求数据，因为大气测量不需要AO系统中的所有帧数据(超过每秒2000帧)，只需要按照大气测量所需的帧数频率向GLAO哈特曼探测器请求数据即可。本实施例设置帧数为每秒200帧。本实施例按照200帧每秒的频率一帧一帧地向GLAO哈特曼系统请求数据，GLAO哈特曼系统会对该请求做出及时响应，并发送一帧哈特曼斜率数据给本设计测量系统，数据量为48×9(子孔径数×一个子孔径中的导星数)。
本实施例的测量系统会一帧一帧的接收到GLAO哈特曼探测器传输来的斜率数据。由于大气视宁度是对大气湍流的统计特性，需要使用很多帧数据来统计计算，所以本实施例设计了一个类似“栈”的数据存储空间，该空间的大小设置为2000帧(10秒)数据，该数据量基本能够保证很好的计算大气视宁度。当数据一帧一帧的进入该存储空间，当刚好达到2000帧时(栈满)，系统通过中断通知计算线程，计算线程从该存储空间中拷贝相应的数据进入计算空间，另外，系统会清除最先进入(停留最久、和当前时间最不相关)的200帧(1秒)数据，以便接收最新的数据。每次计算舍弃一秒的数据，然后再接收一秒的数据就可以进行下一次计算。如图3所示，这样的“窗口滑动”处理能够保证每秒都能计算一个大气湍流分层结果，并且每次计算都是基于过去十秒的斜率数据，结果相比一秒的数据更加可靠。
测量系统的计算线程会等待相应的中断，当数据准备好时，就会拷贝数据并进行计算。该计算可以使用多种方法，本实例采用S-DIMM+方法。根据GLAO系统哈特曼探测器的子孔径排布信息，可以找到相应的子孔径对(存在相应位置关系的两个子孔径为：如间隔为1子孔径直径或3子孔径直径)。然后就可以根据相应的方法进行下一步计算：计算相应的斜率相关。
该公式为测量协方差(斜率相关表征)的计算公式，式中
为测量协方差，其两个参数分别为子孔径间隔△和导星间隔α，s表示斜率数据，x[1]和x[2]表示相隔α的两个导星，i,j表示夏克-哈特曼波前传感器上子孔径的排序位置。
根据S-DIMM+方法，该斜率相关和大气湍流分层信息存在以下关系：
上述公式(3)-(4)为理论情况下的斜率相关性表征，上式中
分别为水平方向和垂直方向的理论协方差，其两个参数分别为孔径间隔s和导星间隔α。式中，
cn(hn)＝0.358λ2r0(hn)-5/3Deff(hn)-1/3 (6)
Deff(hn)＝D+βhn (7)
I只是一个计算公式的缩写，cn(hn)中包含了分层计算结果r0(hn)，Deff(hn)为有效子孔径，D为夏克-哈特曼波前传感器子孔径大小，β表示导星大小，hn表示湍流层高度。
设置相应的湍流高度层，通过测量协方差和理论协方差的拟合，就可以计算出大气湍流分层大气视宁度信息r0(hn)。
图4表示了一个示例，Y轴为设置的湍流高度层，计算出来大气视宁度r0(hn)后，就可以根据相应关系，计算出
(参见公式(1))。
根据相应的规则，子孔径排布中一行最多有8个子孔径，代表最多能够探测8个大气湍流高度层。本实施例也考虑了王志勇的修改S-DIMM+方法(Zhiyong Wang,LanqiangZhang,Lin Kong,Hua Bao,Youming Guo,Xuejun Rao,Libo Zhong,Lei Zhu,ChanghuiRao,A modified S-DIMM+:applying additional height grids for characterizingdaytime seeing profiles[J],Monthly Notices of the Royal Astronomical Society,Volume 478,Issue 2,August 2018,Pages 1459–1467,https://doi.org/10.1093/mnras/sty1097)，由于导星采用3×3规则排布，所以具有两个导星夹角对，能够构成两个8层的高度测量网络，踢出两个网络中相同的高度层，最终可以测量12个高度层的大气湍流信息。
本实施例每次计算的实时计算结果都可以用于实时调整MCAO系统的相应参数，便于达到更好的校正效果，实现衍射极限分辨率的大视场天文观测，也可以将相应的结果记录或者传输至显示系统进行展示。
以上所述，仅为本发明的具体实施方式，未详细阐述的部分属于本领域公知技术。但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解到的替换或增减，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种基于波前探测的实时大气湍流分层强度测量方法，其特征在于，所述方法通过实时获取波前信息并实时处理，最终得到实时的大气湍流分层强度信息，该方法包括如下步骤：
步骤(1)：通过自适应光学系统中的实时波前传感器获取大气湍流的实时波前斜率信息；
步骤(2)：将实时波前斜率信息传输至实时大气分层处理机中；
步骤(3)：实时大气分层处理机积累一定帧数的波前斜率数据，然后进行大气湍流分层强度的计算；
步骤(4)：输出大气湍流分层强度信息并实时显示。
2.根据权利要求1所述的一种基于波前探测的实时大气湍流分层强度测量方法，其特征在于，步骤(1)-步骤(2)中，通过大口径地基天文望远镜配备的自适应光学系统中的实时波前传感器获取实时的大气湍流波前斜率作为所述实时波前斜率信息，然后在波前处理机中将所述实时波前斜率信息逐帧传输给后端的大气分层处理机以用于大气湍流分层强度实时计算。
3.根据权利要求1所述的一种基于波前探测的实时大气湍流分层强度测量方法，其特征在于，步骤(3)中，所述大气湍流分层强度的计算通过基于夏克-哈特曼波前传感器斜率的大气湍流强度分层探测方法实现。
4.根据权利要求3所述的一种基于波前探测的实时大气湍流分层强度测量方法，其特征在于，所述大气湍流强度分层探测方法包括SLODAR方法、S-DIMM+方法或增加分层网格的S-DIMM+方法。
5.根据权利要求3所述的一种基于波前探测的实时大气湍流分层强度测量方法，其特征在于，步骤(3)中，采用“栈”式数据存储方式保留一定时间的波前斜率数据：采用先进先出的窗口滑动式数据进出规则，当新的数据进入时，将在“栈”中保存最久的数据踢出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210610898.9A CN115016035B (zh) | 2022-05-31 | 2022-05-31 | 一种基于波前探测的实时大气湍流分层强度测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210610898.9A CN115016035B (zh) | 2022-05-31 | 2022-05-31 | 一种基于波前探测的实时大气湍流分层强度测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115016035A true CN115016035A (zh) | 2022-09-06 |
| CN115016035B CN115016035B (zh) | 2023-12-22 |
Family
ID=83071252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210610898.9A Active CN115016035B (zh) | 2022-05-31 | 2022-05-31 | 一种基于波前探测的实时大气湍流分层强度测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115016035B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1164688A (en) * | 1966-11-16 | 1969-09-17 | North American Aviation Inc | Atmospheric Turbulence Detector |
| CN101755187A (zh) * | 2007-07-19 | 2010-06-23 | 齐戈股份有限公司 | 用于干扰测量法的生成模型信号 |
| KR100982031B1 (ko) * | 2009-07-28 | 2010-09-14 | 대한민국(기상청장) | 유비쿼터스 센서 네트워크 기반의 자동 기상관측 시스템 |
| CN101952855A (zh) * | 2008-01-15 | 2011-01-19 | 拉古纳大学 | 从三维场景实时获取视觉信息的方法和照相机 |
| CN102353514A (zh) * | 2011-08-25 | 2012-02-15 | 中国科学院光电技术研究所 | 一种用于实时大气湍流参数计算的信号处理系统 |
| CN102438116A (zh) * | 2011-08-17 | 2012-05-02 | 中国科学院光电技术研究所 | 一种基于嵌入式Linux系统的高速图像记录装置 |
| US20160171657A1 (en) * | 2013-07-31 | 2016-06-16 | Mbda Uk Limited | Image processing |
| US20170006227A1 (en) * | 2015-07-02 | 2017-01-05 | National Security Technologies, Llc | Passive method to measure strength of turbulence |
| CN107942406A (zh) * | 2017-11-09 | 2018-04-20 | 中国科学院光电技术研究所 | 一种基于总大气相干长度约束的分层大气湍流强度测量方法 |
| US20180130191A1 (en) * | 2015-04-27 | 2018-05-10 | Raytheon Company | Full motion color video atmospheric turbulence correction processing |
| US20180313975A1 (en) * | 2017-05-01 | 2018-11-01 | I.M. Systems Group, Inc. | Self-Learning Nowcast System for Modeling, Recording, and Predicting Convective Weather |
| US20180356642A1 (en) * | 2017-06-09 | 2018-12-13 | Regents Of The University Of Minnesota | Managing electromagnetic field propagation in gradient-index media |
| CN109410313A (zh) * | 2018-02-28 | 2019-03-01 | 南京恩瑞特实业有限公司 | 一种气象三维信息3d模拟反演方法 |
| CN109689503A (zh) * | 2016-07-11 | 2019-04-26 | 雅玛西有限公司 | 用于经由位于飞机上的通信设备获得和呈现湍流数据的方法和系统 |
| US20190196062A1 (en) * | 2017-12-22 | 2019-06-27 | Ernest Wilson Coleman | Storm warning method and apparatus |
| US20190340940A1 (en) * | 2017-11-03 | 2019-11-07 | Climacell Inc. | Improved real-time weather forecasting for transportation systems |
| US20200286209A1 (en) * | 2019-03-04 | 2020-09-10 | Canon Kabushiki Kaisha | System and method of reducing effects of turbulence in an image |
| CN111650672A (zh) * | 2020-05-22 | 2020-09-11 | 西北核技术研究院 | 采用时间堆栈实现空气污染物大气扩散快速预测的方法 |
| CN112566152A (zh) * | 2019-09-26 | 2021-03-26 | 华为技术有限公司 | 一种卡顿预测的方法、数据处理的方法以及相关装置 |
| CN115993667A (zh) * | 2022-12-27 | 2023-04-21 | 中国科学院光电技术研究所 | 光学系统闭环条件下的实时大气湍流强度分布测量方法 |
-
2022
- 2022-05-31 CN CN202210610898.9A patent/CN115016035B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1164688A (en) * | 1966-11-16 | 1969-09-17 | North American Aviation Inc | Atmospheric Turbulence Detector |
| CN101755187A (zh) * | 2007-07-19 | 2010-06-23 | 齐戈股份有限公司 | 用于干扰测量法的生成模型信号 |
| CN101952855A (zh) * | 2008-01-15 | 2011-01-19 | 拉古纳大学 | 从三维场景实时获取视觉信息的方法和照相机 |
| KR100982031B1 (ko) * | 2009-07-28 | 2010-09-14 | 대한민국(기상청장) | 유비쿼터스 센서 네트워크 기반의 자동 기상관측 시스템 |
| CN102438116A (zh) * | 2011-08-17 | 2012-05-02 | 中国科学院光电技术研究所 | 一种基于嵌入式Linux系统的高速图像记录装置 |
| CN102353514A (zh) * | 2011-08-25 | 2012-02-15 | 中国科学院光电技术研究所 | 一种用于实时大气湍流参数计算的信号处理系统 |
| US20160171657A1 (en) * | 2013-07-31 | 2016-06-16 | Mbda Uk Limited | Image processing |
| US20180130191A1 (en) * | 2015-04-27 | 2018-05-10 | Raytheon Company | Full motion color video atmospheric turbulence correction processing |
| US20170006227A1 (en) * | 2015-07-02 | 2017-01-05 | National Security Technologies, Llc | Passive method to measure strength of turbulence |
| CN109689503A (zh) * | 2016-07-11 | 2019-04-26 | 雅玛西有限公司 | 用于经由位于飞机上的通信设备获得和呈现湍流数据的方法和系统 |
| US20180313975A1 (en) * | 2017-05-01 | 2018-11-01 | I.M. Systems Group, Inc. | Self-Learning Nowcast System for Modeling, Recording, and Predicting Convective Weather |
| US20180356642A1 (en) * | 2017-06-09 | 2018-12-13 | Regents Of The University Of Minnesota | Managing electromagnetic field propagation in gradient-index media |
| US20190340940A1 (en) * | 2017-11-03 | 2019-11-07 | Climacell Inc. | Improved real-time weather forecasting for transportation systems |
| CN107942406A (zh) * | 2017-11-09 | 2018-04-20 | 中国科学院光电技术研究所 | 一种基于总大气相干长度约束的分层大气湍流强度测量方法 |
| US20190196062A1 (en) * | 2017-12-22 | 2019-06-27 | Ernest Wilson Coleman | Storm warning method and apparatus |
| CN109410313A (zh) * | 2018-02-28 | 2019-03-01 | 南京恩瑞特实业有限公司 | 一种气象三维信息3d模拟反演方法 |
| US20200286209A1 (en) * | 2019-03-04 | 2020-09-10 | Canon Kabushiki Kaisha | System and method of reducing effects of turbulence in an image |
| CN112566152A (zh) * | 2019-09-26 | 2021-03-26 | 华为技术有限公司 | 一种卡顿预测的方法、数据处理的方法以及相关装置 |
| CN111650672A (zh) * | 2020-05-22 | 2020-09-11 | 西北核技术研究院 | 采用时间堆栈实现空气污染物大气扩散快速预测的方法 |
| CN115993667A (zh) * | 2022-12-27 | 2023-04-21 | 中国科学院光电技术研究所 | 光学系统闭环条件下的实时大气湍流强度分布测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张兰强: ""大气湍流三维波前探测模式层析算法分析"", 《物理学报》, vol. 62, no. 16, pages 169501 - 1 * |
| 张浩田: ""基于多核DSP的实时波前复原研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 1 - 62 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115016035B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barton | Satellite‐derived sea surface temperatures: Current status | |
| CN100464167C (zh) | 一种红外测温实时校准的方法及装置 | |
| CN104729718B (zh) | 一种用于红外成像系统netd的处理系统及方法 | |
| CN203704875U (zh) | 一种基于图像处理技术的霜层厚度测量系统 | |
| CN110174044A (zh) | 一种基于psi技术的桥梁纵向位移形变监测的方法 | |
| CN108692711B (zh) | 基于低空探空火箭的海洋数据处理的实现方法 | |
| CN103743356A (zh) | 建筑物多点实时视频测量方法及测量系统 | |
| CN114720324A (zh) | 一种锂电池极片净涂层量检测方法、装置及系统 | |
| CN114391857A (zh) | 一种基于移动最小二乘算法的双能x射线骨密度检测方法 | |
| CN115016035A (zh) | 一种基于波前探测的实时大气湍流分层强度测量方法 | |
| CN115993667A (zh) | 光学系统闭环条件下的实时大气湍流强度分布测量方法 | |
| CN111696093B (zh) | 恒星辐射照度相对测量方法和装置 | |
| CN106323505B (zh) | 一种反射式光学成像设备焦面参考温度采集方法 | |
| CN109655415B (zh) | 一种波长偏移校正方法及装置及计算机设备 | |
| CN114993483B (zh) | 一种星载微波辐射计外定标方法、装置、设备及存储介质 | |
| CN109612686A (zh) | 一种基于神经网络的色散共焦测量装置标定方法 | |
| CN116124716A (zh) | 基于近感高光谱的水质监测方法及装置 | |
| CN113670433B (zh) | 一种能提高水听器阵列阵元在线灵敏度测量精度的方法 | |
| Bedding et al. | Angular diameters of compact planetary nebulae | |
| CN110543835B (zh) | 基于三重匹配理论的卫星海面盐度遥感产品精度评估方法 | |
| CN103398695B (zh) | 一种应用于冠层反射光谱测量的测距系统及其方法 | |
| CN111123406A (zh) | 手持气象仪温度数据拟合方法 | |
| TWI494549B (zh) | 利用多核心支援向量迴歸之背光模組輝度檢測方法及檢測器 | |
| CN111062976B (zh) | 基于fmt的低轨卫星太阳望远镜遥感图像配准方法 | |
| CN112504122B (zh) | 星载双光栅准直器的指向光轴和光栅位姿标定系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |