基于时频分析的电离层多模污染抑制研究

研究高分辨线性时频分析方法和联合时频分析方法，利用这两种方法对高频电离层返回散射探测的多个传播模式实测数据，对污染抑制效果进行分析.结果显示，这两种基于时频分析的方法针对多模和相位污染同时存在的复杂情况，与其他常规方法相比均使杂波谱得到了较好的锐化，目标信号在二维时频域较清楚地显出.因此可以证明，上述两种方法具有很高的应用价值，对天波超视距雷达海上低速目标检测具有重要意义.      

利用高频天波返回散射反演台风中心和风速

通过分析高频天波返回散射地（海）杂波频谱分布特性,构建三谱滤波器模型,实现多类型频谱中一阶海杂波峰值比的提取,结果与实测数据吻合较好.基于台风中心与区域一阶海杂波峰值比相关性分析,结合后向差分法,有效确定了台风中心,结果与气象部门发布数据趋势上基本一致,平均绝对误差约38km.使用修正经验模型法初步开展了台风中心最大风速和台风中心附近的风速反演,结果与气象部门发布数据分布基本一致.研究结果表明高频天波返回散射探测对大范围、远距离海态监测具有重要意义.      

电离层f_0F_2参数提前24小时预测

利用中国9个垂测站(海口、广州、重庆、拉萨、兰州、北京、乌鲁木齐、长春、满洲里)一个太阳周(1976-1986年)的数据资料,采用三层前向反馈神经网络(BP网络)实现了电离层F2层临界频率(f0F2)参数提前24h预测.通过对f0F2参数的时间序列及其与日地活动之间进行相关分析,确定f(t)(当前时刻f0F2)、经过变换的F10.7指数等5个参数作为神经网络的输入参数,并通过同时段训练法获得不同时刻的预测值,本文与自相关分析法进行了预测性能比较.结果表明,上述方法构建的神经网络可以达到较高的预测精度.针对暴时数据,对神经网络算法进行了改进,提高了神经网络法对暴时数据的适用性.     

电离层暴时经验模型STORM在中国区域的适应性研究

利用中国区域内9个垂测站1976---1987年一个太阳活动周期的电离层暴时f0F2数据, 统计分析了电离层暴事件的等级, 以及不同等级的电离层暴随季节和地磁纬度的分布特征. 研究发现, 中小型电离层暴在春秋季发生的概率较大, 不同季节的发生次数与地磁纬度具有明显的关系. 利用STORM模型对电离层暴时f0F2和大型及特大型电离层暴时f0F2的预测值与月中值进行了比较. 结果表明, 除了冬季误差增大外, 发生电离层暴时STORM模型能够有效地改善月中值模型. 增加中国的暴时数据, 并提高对冬季的暴时参数f0F2的预测是改善STORM模型的重要因素. 建立合适的暴时指数来预测f0F2是未来研究的重点.