阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly...
详细信息
阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。
准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2...
详细信息
准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2020年黄河流域碳储量的时空分布。通过土地利用转移矩阵和碳储量贡献率分析土地利用变化对碳储量的影响,并采用最优参数地理探测器(OPGD)识别碳储量空间分异性的主要驱动因素。结果表明,1990-2020年间,黄河流域耕地面积减少,而林地、草地、建设用地面积增加,碳储量值呈现波动上升趋势,增加了0.549×10^(8)t,增幅为0.37%,经历了1990-1995年和2005-2010年两个增加阶段,以及1995-2005年和2010-2020年两个减少阶段。碳储量的空间分布具有明显的异质性,碳储量变化呈现零散分布,增减不一的特点。极显著热点区集中在青海、陕西、内蒙古等森林覆盖较广泛的山区,冷点分布在经济发达地区。草地是主要碳储存类型,未利用地转为草地对碳储量贡献最大(73.3%),耕地转为建设用地对碳储量产生最大负效应(−20.8%)。在5 km最优空间尺度和因子最佳空间离散化参数下,单因子和交互探测分别显示,归一化植被指数(NDVI)是碳储量空间分异性的主要驱动因素(20.7%),坡度、降水和日照等因素也具有显著影响;归一化植被指数与高程的组合解释力最强,达到29.0%。综合考虑自然地理和气候因素,因地制宜地制定土地利用政策,平衡城市扩张、农业发展与生态保护,是实现区域碳储量增加的关键。
暂无评论