logo móvil
Contáctanos

Estudio de algoritmos para la recuperación de la dirección del viento a partir de imágenes de radar marino de banda X

Autores: Wang, Hui; Qiu, Haiyang; Zhi, Pengfei; Wang, Lei; Chen, Wei; Akhtar, Rizwan; Zahoor Raja, Muhammad Asif

Idioma: Inglés

Editor: MDPI

Año: 2019

Descargar PDF

Acceso abierto

Artículo científico
2019

Estudio de algoritmos para la recuperación de la dirección del viento a partir de imágenes de radar marino de banda X


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Banda X
Radares marinos
Medición del viento
Método de gradiente local
Método reducido adaptativo
Método de espectro de energía

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 28

Citaciones: Sin citaciones


Descripción
Después de décadas de investigación, los radares marinos de banda X se han utilizado ampliamente para la medición del viento. Para recuperar la dirección del viento basándose en las franjas inducidas por el viento, se ha dedicado mucho esfuerzo a tres enfoques célebres: el método de gradiente local (LGM), el método reducido adaptativo (ARM) y el método del espectro de energía (ESM). Este artículo presenta un estudio científico de estos métodos. La contrastación de la recuperación de las imágenes reales medidas por radar marino y los resultados medidos por veleta se evalúa, en perspectiva de las estadísticas de error y la eficiencia de operación del algoritmo. También se consideran factores de interferencia, como la información histórica del área medida, la velocidad del viento de referencia y la condición del mar que se muestra en el equipo de monitoreo. Los resultados tentativos mostraron que LGM es robusto, lo que se puede implementar en la mayoría de las imágenes de radar, ya que permite una menor selección de requisitos en comparación con los otros dos métodos. En cuanto a ARM, el mejor rendimiento de recuperación es un compromiso con una computación adicional, que es costosa. ESM es superior a los otros dos algoritmos en términos de precisión y carga computacional; sin embargo, este algoritmo es sensible en imágenes de radar contaminadas por la lluvia, lo que significa que es una buena opción para el procesamiento de datos en laboratorio.

Otros recursos que podrían interesarte

Temas Virtualpro