针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地...针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地提出了基于YOLOv5识别模型的HFSWR杂波和干扰识别分类方法。该方法旨在帮助研究人员在海量实验数据中快速筛选出符合其科学研究需求的数据集,从而提高研究效率和数据准确性。在具体实施过程中,通过采用批量实测距离-多普勒(Range-Doppler,RD)谱数据对所提出模型进行训练和分析,使该方法能够在频域范围内对杂波和干扰进行有效识别。本研究以该识别分类算法为核心,进一步基于Python语言设计了一款地波雷达智能杂波和干扰识别分类软件。经过严格的批量实测数据测试验证,该软件能够满足设计需求,具有良好的可靠性,极大地提高了研究人员筛选有效实测数据的工作效率,为科学研究工作提供了有力的技术支撑。展开更多
文摘针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地提出了基于YOLOv5识别模型的HFSWR杂波和干扰识别分类方法。该方法旨在帮助研究人员在海量实验数据中快速筛选出符合其科学研究需求的数据集,从而提高研究效率和数据准确性。在具体实施过程中,通过采用批量实测距离-多普勒(Range-Doppler,RD)谱数据对所提出模型进行训练和分析,使该方法能够在频域范围内对杂波和干扰进行有效识别。本研究以该识别分类算法为核心,进一步基于Python语言设计了一款地波雷达智能杂波和干扰识别分类软件。经过严格的批量实测数据测试验证,该软件能够满足设计需求,具有良好的可靠性,极大地提高了研究人员筛选有效实测数据的工作效率,为科学研究工作提供了有力的技术支撑。
文摘基于能量的设计方法被广泛应用于结构抗震设计与性能评估,而确定结构能量耗散需求是设计过程中需解决的首要问题。目前针对近断层脉冲型地震动能量谱特征的研究仍然不够充分,很可能低估其对结构的破坏作用。为此,从PEER(Pacific Earthquake Engineering Research Center)强震数据库中选取了789条近断层地震动作为输入,并从中识别出192条脉冲型地震动,重点分析了近断层脉冲型地震动与无脉冲地震动的能量谱差异,研究了地震动特征参数及恢复力模型参数对能量谱的影响,并建立了考虑脉冲效应的近断层地震动实用设计能量谱。结果表明:(1)场地越软,近断层地震动能量谱谱值越大,且各类场地下脉冲型地震动能量谱平均谱的谱值明显大于无脉冲地震动;(2)阻尼比ξ增大对输入能量谱具有削峰作用,并减缓其长周期段的衰减速度,延性比μ增大会提高输入能量谱及阻尼耗能谱峰值,并降低滞回耗能谱峰值,屈服后刚度比α对能量谱影响较小,可近似忽略其影响;(3)脉冲型地震动的输入能量设计谱平台段长度远大于无脉冲地震动,所建立的设计能量谱可为近断层区域基于能量的抗震设计提供参考。
