XiaoMi-AI文件搜索系统
World File Search System大气衰减
探测原理 - IMD 普纳
表示为两个术语的总和：在此等式中。右侧的第一个项是频谱辐射i 0在由Z 0表示的频率V上，并被大气衰减。第二项是在大气的各个层发出的频率V处的集成光谱辐射，并被大气衰减。
3D 打印介电透镜可提高天线增益并扩大光束扫描角度
大多数电信和射频传感市场都在向更高性能的无线链路和传感技术迈进。为了实现这些新的吞吐量、延迟、可靠性、无线连接设备数量、可配置性和传感分辨率，从蜂窝电信到军用雷达应用，业界已投入大量资金来使用频谱的更高频率部分。这些努力要求开发更强大的先进/有源天线系统 (AAS) 用于电信，以及有源电子控制天线阵列 (AESA) 用于军事/国防传感和干扰技术。需要在更高频率下使用更复杂的 AAS 来克服与微波和毫米波通信和传感相关的高大气衰减和对准挑战。在大多数情况下，电子可控相控阵天线一直是实现 AAS 的最受探索的解决方案。
机载短驻斜视雷达传感器的性能因素
5.3 简单 CAD 模型特征预测 75 5.3.1 简介 75 5.3.2 试验数据 76 5.3.3 合成 CLTG 数据 77 5.3.4 CLTG 模型 79 5.3.5 CLTG 与真实图像的比较 81 5.3.6 Snake 分割 83 5.3.7 模型匹配技术 83 5.3.8 幅度模型匹配 85 5.3.9 应用于 MRMS 数据 86 5.3.10 杂波抑制 88 5.3.11 模型匹配摘要 90 5.4 雷达灵敏度/衰减的性能影响 91 5.4.1 导引头灵敏度 91 5.4.2 雨杂波后向散射 91 5.4.3 大气衰减 94 5.4.4 图像中的灵敏度影响 96 5.4.5建模降低灵敏度 97 5.4.6 灵敏度对采集性能的影响 98 5.5 属性测量能力 99 5.6 导引头灵敏度结论 108
卫星量子密钥分发易受地面激光干扰
摘要：卫星介导的量子密钥分发 (QKD) 将成为长距离量子安全通信的关键技术。虽然卫星 QKD 无法被有效窃听，但我们表明，它可以通过相对简单且随时可用的设备进行破坏（或“干扰”）。我们开发了一个大气衰减和卫星光散射模型，以估计离轴激光器可以注入卫星 QKD 通道的过量噪声光子的速率，并计算出这种增加的噪声对量子比特误码率的影响。我们表明，由于地面上的 QKD 接收器检测到从卫星散射的光子，1 kW 级的地面激光器可以严重破坏现代卫星 QKD 系统。这类激光器可以商业购买，这意味着这种破坏方法可能对未来通过卫星 QKD 有效保护高价值通信构成严重威胁。我们还讨论了这些结果与卫星介导 QKD 系统未来可能的发展的关系，以及可以采取的针对此类破坏和相关方法的对策。
基于卫星的纠缠分布和具有连续变量的量子隐形传态
卫星量子通信的进步旨在通过提高传输信息的安全性来重塑全球电信网络。在这里，我们研究了大气湍流对地面站和卫星之间光学区域中连续变量纠缠分布和量子隐形传态的影响。更具体地说，我们研究了在下行链路和上行链路场景中，由于分布中的各种误差源（即衍射、大气衰减、湍流和探测器效率低下）导致的纠缠退化。由于使用这些分布式纠缠资源的量子隐形传态协议的保真度不够，我们包括一个中间站，用于状态生成或光束重新聚焦，以分别减少大气湍流和衍射的影响。结果表明，在低地球轨道区域的下行链路中，自由空间纠缠分布和量子隐形传态是可行的，但在中间站的帮助下，在上行链路中也是可行的。最后，完成恶劣天气条件下微波光学比较研究，以及地地和卫星间量子通信水平路径研究。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
基于多源数据
摘要：地表城市热岛（Suhis）对于评估城市热环境至关重要。但是，Suhis的当前定量研究忽略了热辐射方向（TRD），这直接影响了研究精度。此外，他们无法评估不同土地利用强度对Suhis定量研究的TRD特征的影响。为了弥合这一研究差距，这项研究消除了2010 - 2020年Hefei（中国）的MODIS数据和空气温度数据，从MODIS数据和空气温度数据中量化了大气衰减和每日温度变化因子的干扰。通过比较Hefei的不同土地利用强度下的TRD来评估TRD对SUHI强度定量的影响。结果表明：（1）白天和夜间方向性最高可达到4.7 K和2.6 K，并分别发生在最高和中等城市土地使用强度的区域。（2）对于白天的城市表面，有两个显着的TRD热点，其中传感器天顶角与原来的太阳能天顶角大致相同，而传感器Zenith角度在下午的Nadir附近。（3）TRD可以根据卫星数据评估SUHI强度的结果2.0 K，这约占Hefei总SUHI的31-44％。
30 GHz 下 AlN/GaN/AlN HEMT 的大信号响应
功率放大器 (PA) 技术对于国防和商业领域毫米波 (mm-wave) 通信系统的未来至关重要。这些毫米波频率下的大气衰减很高，因此需要能够抵消这种影响的高功率 PA。氮化镓高电子迁移率晶体管 (GaN HEMT) 凭借其宽带隙和高电子速度，已成为在毫米波频率下提供高功率的主要竞争者。为了改进传统的 GaN HEMT 异质结构，我们之前在氮化铝 (AlN) 平台 [1] 上引入了 HEMT，使用 AlN/GaN/AlN 异质结构。二元 AlN 的最大化带隙可防止缓冲器漏电流并增加 HEMT 击穿电压，同时还提供更高的热导率以增强通道温度管理。此外，GaN 增加的极化偏移允许高度缩放的顶部势垒，同时仍能诱导高密度二维电子气 (2DEG)。我们最近展示了 RF AlN/GaN/AlN HEMT 中高达 2 MV/cm 的高击穿电压 [2]，以及这些 HEMT 在 6 GHz 下的 RF 功率操作，功率附加效率为 55%，输出功率 ( ) 为 2.8 W/mm [3]。在这项工作中，我们展示了 AlN/GaN/AlN HEMT 的首次毫米波频率操作，显示峰值 PAE = 29%，相关 = 2.5 W/mm 和 = 7 dB 在 30 GHz 下。
阳光：太阳能卫星无线微波电力传输综合回顾
传统的有线电力传输方法是电气时代进步的基石，因其可靠性而被广泛采用。通过传输电缆，来自重要来源的能源为各行各业提供能源。然而，随着技术的进步和人类生活方式的演变，传统有线传输的缺点变得越来越明显：刚性、兼容性问题（例如与植入式医疗设备）和偶尔的安全风险。因此，人们越来越迫切地希望使用无线电力传输 (WPT) 来消除充电过程中对物理连接的需要。无线电力传输 (WPT) 正沿着两条主要途径发展：近场技术，如电容式电力传输 (CPT) 和电感式电力传输 (IPT)，以及远场技术，如太阳能卫星 (SPS) 概念。SPS 最初由美国国家航空航天局 (NASA) 在 20 世纪 70 年代提出，被设想为太空中的太阳能转换器，将电力传输到地球。在长距离电力传输中，SPS 技术可以采用各种策略。日本宇宙航空研究开发机构 (JAXA) 已开展了大量实际应用研究。与激光电力传输 (LPT) 相比，微波电力传输 (MPT) 系统在传输和接收方面通常具有更高的效率，且大气衰减更低。本文主要关注对微波电力传输 (MPT) 系统的全面回顾。印度电网的输配电损耗居全球首位，世界资源研究所 (WRI) 估计为 27%，而印度各政府部门报告的数字超过 40%。这些损失源于电网的技术效率低下和普遍存在的盗窃行为。利用最先进的技术为这一紧迫问题提供了可行的解决方案。
论文 - DTIC
图 1.雷达的电磁频谱使用情况（来自 [3]）........................................................2 图 2.距离模糊的发生（来自 [3]）......................................................................4 图 3.雷达回波（[9] 之后）.........................................................................................9 图 4.脉冲中的无线电波形（来自 [3]）.........................................................................10 图 5.信号强度与目标范围（来自 [3]） ................................................................11 图 6。零到零和 3dB 波束宽度（来自 [3]） ..............................................................13 图 7。天线孔径尺寸（来自 [3]） ......................................................................14 图 8。线性阵列的零到零波束宽度（来自 [3]） .............................................................14 图 9。锥形照明（来自 [3]） .............................................................................15 图 10。大气衰减（[11] 之后） .............................................................................16 图 11。波的压缩（来自 [3]） .............................................................................18 图 12。相对地面和机载平台的运动（来自 [3]）......................................................................19 图 13。多普勒雷达的类型（来自 [4]）.............................................................................20 图 14。消除模糊返回（来自 [3]）.............................................................................24 图 15。视距（来自 [3]）.........................................................................................25 图 16。PRF Vs.距离（来自 [3]）.........................................................................................26 图 17。速度模糊（[16] 之后）.............................................................................27 图 18。最大。明确多普勒，λ =1 cm（来自 [3]）..............................................27 图 19。最大值。明确多普勒，λ =3 cm（来自 [3]）..............................................28 图 20。最大值。明确多普勒，λ =10 cm（来自 [3]）..............................................28 图 21。具有最大值的不同 PRF 类别。目标范围（来自 [3]）........................................30 图 22。由于高 PRF 而形成的无杂波区域（来自 [3]）.............................................32 图 23。明确范围与高 PRF 模式下的旁瓣回波（来自 [3]） ......................................................................32 图 24。AN/APG-70（来自 [20]） ......................................................................................34 图 25。AN/APG-68（来自 [22]） ......................................................................................35 图 26。AN/APG-73（来自 [24]） ......................................................................................35 图 27。明确速度（来自 [4]） .............................................................................37 图 28。距离剖面（来自 [3]） .............................................................................................38 图 29。多普勒剖面（来自 [3]） .............................................................................................39 图 30。移除 MLC 后的距离剖面（来自 [3]）................................................................39 图 31。八分之三波形（[3] 之后）..............................................................40 图 32。使用 3:8 的目标检测（来自 [3]）.........................................................................41 图 33。GMT 抑制（来自 [3]）.........................................................................................42 图 34。近距离旁瓣杂波（来自 [3]）.........................................................................42 图 35。理想模糊函数（[15] 之后）.........................................................................45 图 36。相干脉冲串，N=5（来自 [25]）.........................................................................46 图 37。相干脉冲串的模糊轮廓图................................................47 图 38。PRF= 30 kHz N=15 脉冲占空比= 0.2..............................................48 图 39。PRF= 10 kHz N=15 脉冲占空比= 0.2..............................................48 图 40。PRF= 30 和 10 kHz 的轮廓比较 .............................................................49 图 41。PRF= 30 和 10 kHz 的椭圆比较 .............................................................49 图 42。模糊图，N=15 脉冲，PRF= 30 kHz .............................................................53