极化技术（共7篇）
极化技术 篇1
圆极化天线的原理和特点
能够接收和辐射圆极化波的天线称为圆极化天线。圆极化波可以分解为两个在空间和时间相互正交的等幅线极化波。实现圆极化工作的原理为:产生两个等幅且相位相差90°的线极化电场分量。
圆极化微带天线在卫星导航定位、遥感遥测以及雷达技术中得到广泛应用,不仅因为微带天线具有体积小、剖面低、便于加工等特点,更重要的是因为圆极化天线具有以下特点:
(1)圆极化天线能够接收任意极化形式的电磁波,其辐射的圆极化波也能够被任意极化的天线接收。这一特点使圆极化天线在电子侦查和干扰中广泛应用;
(2)圆极化天线具有旋转正交性,即天线辐射电磁波与接收电磁波的旋向是一致的,这一性质可应用于电子对抗和雷达的极化分集中;
(3)当圆极化波入射到对称目标(如平面、球面等)时,其反射波旋向反转。这一性质使圆极化天线具有抑制雨雾干扰的能力,并能够增加通信容量。
圆极化微带天线实现方法
微带天线的结构相对简单,贴片结构的灵活性比较大,在实现圆极化方面具有很多方法,常用方法有:单点馈电实现圆极化、多点馈电实现圆极化和多元法实现圆极化。
单馈实现圆极化
微带天线采用单点馈电实现圆极化,其结构简单,便于加工,与多点馈电相比,简化了馈电电路,减小了能量的损耗。在实际应用中具有很重要的意义。目前已有大量文献对单点馈电实现圆极化进行了研究。下面以矩形贴片为例,介绍微带天线采用单点馈电实现圆极化的原理。
设矩形贴片的尺寸为a×b。那么TM01和TM10模在沿着z轴方向的辐射场就会形成正交的分量,将这两个模选为主模。其辐射的电场为:
在上式中:
对于z轴方向,θ=ϕ=0,可得:
TM01模:
TM10模:
为了使波能够在边射方向圆极化辐射,那么就要求两个正交极化的简并模同时激励起来。并要求:
选择合适的频率,使得
则TM01模和TM10模的场都能得到比较强的激励。此时式(6)就可以近似成下面的式子:
式中:
因此,如果要辐射圆极化波,激励的条件就化为:
这就要求k-k10比k-k01超前或者滞后π/2,而且应有:
通常情况,单点馈电实现圆极化的微带贴片天线会引入微扰∆s来产生圆极化。∆s也称为简并分离元,它可以是正的(∆s>0),也可以是负的(∆s<0)。选择合适大小的简并分离元∆s,辐射贴片的两个主模就能形成90°的相位差。常见单点馈电的形式如图1所示。
多点馈电法实现圆极化
多点馈电实现圆极化的方法是利用多个馈电点对天线的辐射贴片进行馈电。一般多点馈电实现圆极化都需要额外的馈电电路。馈电电路的作用就是产生一对幅度相等,相位差为90°的信号,作用在天线的辐射贴片上,产生一对正交的简并模。
在双点馈电中,T型接头是最简单的形式。馈电的两个支路之间在长度上相差四分之一个波长,以产生90°的相位差,而两路信号的幅度相等,以此使天线辐射圆极化波。其结构如图2(a)所示,激励起的两个模式分别为TM01模和TM10模,两个支路的输入阻抗分别记为Ra和Rb,并且有Ra=Rb。那么各段微带线的特性阻抗满足下面的关系:
两点馈电实现圆极化,还可以用威尔金森功分器或者3d B定向耦合器来进行馈电。其中3d B定向耦合器馈电的结构如图2(b)所示。3d B定向耦合器的两个输出端的信号幅度相等,相位相差90°,不需要额外的电路。
多元实现圆极化
使用多个辐射源的方法来实现圆极化的方法也是比较常用和比较容易实现的。这种方法和多点馈电来实现圆极化的原理类似。每一个单元都进行单独馈电。图3(a)为只有两个单元的情况,图3(b)是有四个单元的情况。
以上所介绍的这三种实现圆极化的方法是在天线设计中常用的方法,当然在实际应用中,还有其他实现圆极化的方法,每种方法各有其自身的优点和缺点。单点馈电的结构简单,但是天线的带宽相对较窄;多点馈电能够满足较宽的带宽,但是馈电电路比较复杂,并且损耗较大。这要根据实际的需要进行设计。
极化技术 篇2
由山东科技大学研制的循环水极化水处理系统, 其防垢、除垢、杀菌、灭藻效果完全能够达到加药的效果, 实现了国家对企业要求环保、节能、减排这一重大课题的要求, 是未来发展的技术趋势。
该技术目前在国内尚属独创。通过对该技术的原理分析和用户的调研、与其它技术的比较, 证实了这一技术的独创性和先进性与任何类似技术有着本质的区别, 因此在使用效果上有很大的差别。
1 技术原理
极化水处理系统的性能机理是, 在极化场的作用下, 利用极化能量, 完成对水分子的极化作用, 它克服了循环水含盐量高, 静电水处理对水分子作用减小这一根本缺点。众所周知, 用水设备内壁水垢的生成, 主要由于水中所含有硫酸盐和碳酸盐所致。这种盐类溶于水中, 便离解成Ca2+、Mg2+等阳离子或CO32-、SO42-等阴离子。输水管道或用水设备外壳一般与大地连接, 为阴极, 将吸引阳离子趋向器壁。在受热条件下, 聚集在器壁的阳离子与相应的阴离子化合, 将生成结晶沉淀附着于器壁, 从而形成水垢。极化水处理属于物理方法, 它与化学方法不同, 不是靠改变水中的离子成分达到水处理的目的, 而是通过高极化场的作用, 改变水分子结构。
1.1 极化水处理器防垢、除垢的原理及理论依据
由于水分子中氢原子和氧原子位置不对称性, 且有极性, 一般称偶极子。在极化电场作用下, 水分子将定向地按正极、负极的顺序呈链状整齐排列, 如图1所示。当水中含有溶解盐的离子时, 这些阳离子和阴离子将分别被水偶极子包围, 也将按正负顺序整齐地排列在水偶极子群中 (如图2所示) 使之不能自由运动也就不可能靠近器壁。
某一阳离子被数个水偶极子包围之后, 一般是某水偶极子的正极端距器壁距离比阳离子距器壁的距离小 (r1
式中, q1和q2分别为两离子的电荷, r为离子间距离, K为系数。由上式可见, 两离子的引力与它们之间距离的平方成反比。由于一般总是r1
实验表明, 经过极化处理后, 水中将释放少许部分活性氧。对于无垢的新系统来说, 释放的活性氧将在器壁生成微薄的氧化被膜, 防止腐蚀。而对于已经结垢的系统, 释放的活性氧将破坏垢分子之间的电子结合力, 改变其晶体结构, 使坚硬垢变为疏松软垢, 加之, 通过极化处理, 将增大水偶极子的偶极矩, 增强其与盐类离子的水合能力, 从而提高水垢的溶解速率;这样使积垢逐渐剥蚀, 乃至成碎屑、碎片脱落, 达到除垢目的。试验证明, 经我单位产品处理后形成的活化水的防垢率≥95%, 除垢率≥95%。
1.2 极化水处理器杀菌、灭藻原理
通过进行的大量的试验和实际运用结果都表明, 极化水处理器处理后的活化水具有显著的杀菌、灭藻效果, 这主要是由于水中含有大量溶解氧, 在极化电场的作用下释放出活性氧自由基, 如O2-、H2O2、OH-、O3等, 这些物质具有很强的杀菌灭藻作用, 经极化水处理后形成的活化水的平均杀菌率应≥97%, 灭藻率≥97%。
1.3 极化水处理器的缓蚀原理
在一般用水系统中设备的腐蚀问题危害较大, 造成设备腐蚀主要有四个因素:氧化腐蚀;生物腐蚀;氯根腐蚀;电化学腐蚀。综上所述, 极化水处理器具有显著的杀菌、灭藻效果, 由于水中菌藻被杀灭, 使得水系统中的腐蚀得到抑制, 被极化的水分子在金属管道壁上形成水膜, 水中的溶解氧大大降低, 从而减缓了氧化腐蚀, 但对后两种腐蚀类型, 其作用不太明显。从对管道的综合作用上说, 经极化水处理器处理后的管道系统其腐蚀速率不小于未经处理前的腐蚀速率, 《工业循环冷却水处理设计规范》 (GB50050-95) 中对循环冷却水系统中腐蚀控制指标规定:碳钢换热器管壁中的腐蚀速度易小于0.125mm/a, 经极化水处理器处理后的缓蚀率技术要求控制在≤0.125mm/a。
控制系统是把电能转化为极化能量并根据不同工况、水质调整不同的极化模式和能量而设计, 并可进行数据通讯以便监控中心的监控。
2 效益分析
2.1 社会效益
1) 环保:停止对循环水的加药, 完全使用循环水极化技术, 消除加药对水资源及环境的污染;2) 节能、减排:将循环水的浓缩倍数提高到4倍, 每年可减少排污量32.123万立方。
2.2 经济效益
将循环水的浓缩倍数由加药时的≤1.8倍提高到使用极化处理系统时的4倍, 每年可减少污水排放量32.123万立方。
经济效益的计算 (以鲍店电厂为例) :
a.可节省药费:
水质稳定剂:0.87元/吨×1吨/月×12月=10.44万元
灭藻剂:1.2万元/吨×1吨/月×5个月 (夏秋季) =6万元
1.2万元/吨×0.2吨/月×7个月 (春冬季) =1.68万元
合计:10.44+7.68=18.12万元
b.可节省硫酸费:2100元/吨*30吨/月*12=75.6万元;
c.每年节水量321230m 3
每年节水费用:321230m3/年×1.5元/m3=48.1845万元
由此可见, 使用极化水处理系统每年可产生效益:药费+水费+硫酸费=18.12万元+48.1458万元+75.6万元=141.8658万元。
摘要：极化水处理系统是在极化场的作用下, 利用极化能量, 完成对水分子的极化作用, 它克服了循环水含盐量高, 静电水处理对水分子作用减小这一根本缺点, 实现了对循环水进行防垢、除垢、杀菌、灭藻的目的。
极化技术 篇3
在群体对个体影响的研究中,群体极化现象被定义为群体中成员的交流通常可以强化群体成员的平均倾向[6]。社会比较理论解释了群体极化产生的原因,人们都有在讨论的过程中使自己的观点进入到群体主流立场的动机,因此通过不断地将自己的观点与他人的观点进行比较,然后通过不断调整, 使自己的观点接近群体主流认可的方向[7]。Wallace[8]在其 《互联网心理学》 一书中指出,研究证明网络中的群体极化现象大约是现实生活中面对面时的两倍多。桑斯坦[9]指出在网络和新的传播技术的领域里,志同道合的团体会彼此进行沟通讨论, 到最后他们的想法和原先一样,只是形式上变得更极端了; 网络为志同道合者的沟通提供了便利,但是群体内部的讨论并没有避免群体极化,而是强化群体极化。Sia等[10]对网络上的群体极化现象的实验研究中发现,网络上形成的群体由于没有了面对面的非语言差异,从而降低了人们的社会临场感, 最终促发了人们提出了更多新奇的观点,并且产生了要高人一等的行为,因此导致了强度更高的群体极化。但目前,关于群体极化的研究集中在现实社会中的群体决策和网络中的舆论公共管理领域,尚未应用到新技术产品的团购情境中去。
综上所述,在新技术产品的团购中,社会化媒体提供了丰富的互动交流平台,发起人作为团购的组织者和执行者,其观点很大程度上影响着团友的观点[11],持不同观点的意见领袖发布的信息更具说服力,更容易被团友相信和接受,而团友之间又相互影响[12],因此,团购中群体观点的形成是一个动态过程,个体不断受到群体影响,同时也不断影响着其他个体的观点直到舆论涌现。而观点交互模型描述和解释了各种社会环境中人们的观点全部或部分达成共识的过程,通过定义个体间的交互规则使个体无序的 观点演化 到具有明 显倾向的 群体观点[13]。因此,其也可以应用到群体消费的新技术产品团购中去。目前,关于观点演化的模型有Sznajd模型、Majority Rule模型和bounded confidence模型等,随着计算机仿真技术的发展,多主体仿真的思想逐渐应用到观点演化中。2005年,Ono等[14]在元胞自动机的基础上构建了宏观层和微观层的多主体模型来仿真舆论的形成。2008年,刘常昱等[15]引入个体意见的不确定性以及个体间的信任因子,建立了个体间的不对称影响函数,以此为基础实现了一个舆论涌现的主体仿真模型。然而,目前关于观点演化的多主体仿真研究大都集中于公共事件或危机事件中舆论的形成,而对于新技术产品团购这种合作性的群体购物模式,目前尚未运用观点交互模型对其进行研究。由于Deffaunt模型是一个连续观点动力学模型,其改进能更好地反应社会情境中的舆论演进状况。因此,本文以Deffuant模型为基础, 结合新技术产品团购的特征和参与者的属性进行改进,从群体观点形成的角度研究新技术产品团购中是否存在群体极化现象以及其规律性,为企业开展新技术产品的市场推广提供理论依据。
1仿真模型构建
1.1影响团友卷入团购因素的内容分析
本文首先根据研究主题阅读了团友卷入团购影响因素的相关文献,并对国内知名的自发团购网站中团社区、织家网等论坛成员进行调研,经过反复修改编制了团友卷入新技术产品团购影响因素的一级类目表,主要包括信息质量、发起人特征、意见领袖特征和个体特征4类,并据此设计了访谈大纲; 而后深度访谈了25名中团社区的资深成员,包括版主、团长及普通团友,现场根据提前设计好的访谈大纲采用交互问答的方式,时间控制在1个小时左右; 访谈结束后由3位经过相关培训的编码者整理访谈的文本资料,进行二值数据的编码并统计以确定二级类目,再根据二级类目的关键词及信息描述解读抽取访谈文本资料,最后对内容分析的信度和效度进行分析并通过。
通过文献阅读、深度访谈和文本编码并进行频次分析的结果表明,在团友通过互动交流卷入新技术产品团购的影响变量中,一是信息质量的两个指标: 信息详细出现频次为24,出现频率32% ,信息客观分别为20和27% ,说明团友发布的信息越详尽客观,他人越能了解产品属性和服务态度等,越容易更新自己加入新技术产品团购的观点,二是发起人特征的两个指标: 专业权威性出现频次38,出现频率51% ,执行力分别为42和56% ,说明发起人的资信度、团购经验以及桥梁纽带作用影响着团友对加入新技术产品团购与否的决定; 三是意见领袖的两个指标: 活跃度出现频次为33,出现频率44% ,影响力分别为32和43% ,说明意见领袖的影响范围越广、越能积极主动地发帖回帖,就越能影响团友的观点; 四是个体自身特征的两个指标: 从众性出现频次23,出现频率31% ,对他人的信任分别为45和60% ,说明个体从众性越高,对他人越容易信任,就越容易被他们的观点影响进而改变自身的观点。
通过以上内容分析,本文将以社会化媒体为交流渠道,以发起人、意见领袖和团友作为仿真系统中的主体,以访谈文本分析的二级类目作为各主体的属性特征,而各主体都会通过互联网发布信息交流互动,因此,将信息质量作为各个主体的属性特征。
1.2主体及其属性的确立
( 1 ) 团友Agent。
根据访谈资料的内容分析,本文将普通团友的属性定义为如下形式:
Aj( Bj( t) ,Cj( t) ,Dj)
Bj( t) 表示团友j在时刻t的观点,在[0,1]的连续区间中取值,0表示对参与新技术产品团购的强烈反对,1表示对强烈支持。Cj( t) 表示团友j在时刻t的观点可信度,指团友提供的信息是否客观详细以支持其观点。在[0,1]的连续区间中取值,0表示团友没有提供任何理由支持其观点,1表示团友信息质量很高,能以图片、视频等各种形式详细阐述自己的理由。Dj表示团友j的从众性,不随时间发生变化,在[0,1]的连续区间中取值,0表示团友从来不考虑他人的观点,1表示团友总是受他人观点的影响。在对他人的信任方面,根据孙晓茜等人的研究[16],在此引入一个不对称的信任矩阵Q ( t) , 矩阵中的值qji( t) 表示团友j对团友i在时刻t的信任度,取值为连续区间[0,1]之间的数。0表示完全不信任,l表示完全信任,信任矩阵每行和为1,对角线为0。在每次交换意见后,相互的信任程度会有所变化。
( 2) 发起人Agent。根据访谈资料的内容分析, 本文将发起人的属性定义为如下形式:
Ek( Fk,Gk,Hk,Ik)
Fk指发起人观点,由于发起人是新技术产品团购的倡导者,其立场鲜明,强烈支持,因此取值为[0. 8,1]。Gk指发起人的观点可信度,由于发起人是新技术产品团购的组织者,因此会多方考察,全面了解店铺及产品信息,并以各种形式展示在互联网平台上,其观点可信度高,因此,Gk在[0. 8,1]之间取值。Hk指发起人的专业权威性,在[0,1]的连续区间中取值,0表示发起人不具有团购的经验,没有专业权威性。1表示发起人多次组织过团购,经验丰富。Ik指发起人的执行力,在[0,1]的连续区间中取值,0表示发起人发布信息后听之任之,不与团友互动,1表示发起人能主动及时地跟团友互动,并就新技术产品团购的相关事宜在商家和团友中起到桥梁纽带作用。
( 3) 意见领袖Agent。根据访谈资料的内容分析,本文将意见领袖的属性定义为如下形式:
Jh( Kh,Lh,Mh,Nh)
Kh指意见领袖的观点,由于意见领袖有明确的观点倾向,赞同或反对参与新技术产品团购,因此, 将其取值为[0,0. 3]和[0. 7,1]。Lh指意见领袖的观点可信度,由于意见领袖传播的信息更具针对性,因此也更容易被相信接受,本文将Lh取值为[0. 7,1]。Mh指意见领袖的影响力,即意见领袖信息被转发、评论、 提及的次数,由于意见领袖在这三方面较普通团友更为突出,因此,本文将其取值为[0. 7,1]。Nh指意见领袖的活跃度,即意见领袖的自回帖数、回复他人的帖子数以及活跃天数等,较之普通团友,意见领袖表现出更大的积极性与持久的关注度[17],因此, 本文将其取值为[0. 7,1]。
1.3影响函数的构建
通过以上对团友个体特征影响新技术产品团购观点的分析,团友对参与新技术产品团购观点的变化与自身的从众性成正比,与自身观点的不可信度成正比,与其对他人的信任程度成正比。因此,把团友i对团友j的影响函数定义为
Eagly认为当信息发送者所具有的正向属性越多,其信息的说服力就越强。对信息接受者的态度和观点的形成更具影响[18]。因此,在新技术产品团购中,发起人的执行力和专业权威性作为信息发送者的正向属性,对团友观点的变化起到正向影响。 另外,团友观点的变化又与自身的从众性和观点不可信度成正比,因此,把发起人k对团友j的影响函数定义为:
同样,意见领袖所具有的影响力和活跃度正向属性影响团友参与新技术产品团购观点的形成,另外,团友观点的变化又与自身的从众性和观点的不可信度成正比,因此,本文把意见领袖h对团友j的影响函数定义为:
本文采用层次分析法确定权重系数,首先根据影响函数方程编制调查问卷,邀请网络营销专家、 中团社区论坛版主打分,而后根据评价指标的相对值构造判断矩阵并计算相对权重,最后选取经过一致性检验的结果,从而验证了结果的科学性。最终得到影响函数为:
2交互规则
2.1团友之间的交互规则——规则
在仿真系统中,每个主体代表着一个团友,在每个仿真时刻,主体随机选择临近的主体交互,根据Deffaunt模型,交互规则如下: 比较主体之间的观点值,如果观点值的差距超过某一范围,则不发生交互,主体的观点值和观点可信度都不变。如果双方观点的差距在某一范围内,首先比较双方的观点可信度,可信度大的主体影响可信度小的主体, 然后根据式 ( 1) 计算影响函数,观点可信度小的主体调整自身的观点和观点可信度,观点可信度大的主体不发生变化。最后,改变双方的信任程度。 因此,主体i与主体j的交互规则如下:
( 3) 其他情况,视为双方观点差距过大,不发生交互,观点和观点可信度不发生变化。
根据Hegselmann等[19]的研究,μ 的取值会影响群体观点的形成,μ 取值太小会造成群体观点的不收敛,μ 取值太大与实际情况不相符,因此,本文 μ 值取0. 2。
2.2发起人和团友之间的交互规则——规则
发起人作为新技术产品团购的组织者和执行者, 其发布的信息对团友观点的形成有重要的影响。发起人通过互联网平台发布信息,团友看到信息,比较发起人的观点可信度和自己的观点可信度,如果个体j的观点可信度低,则根据式 ( 2) 计算发起人对团友的影响函数并改变团友的观点及观点可信度。 因此,发起人和团友间的交互规则如下:
若 Gk > Cj,则
2.3意见领袖和团友之间的交互规则——规则
由于意见领袖较普通团友的活跃度和影响力高, 其积极地回帖、回复,其帖子又被转发、评论等, 因此,意见领袖的发帖信息对团友起着影响和引导作用。团友看到意见领袖的信息,比较意见领袖观点可信度与自身的观点可信度,如果团友j的观点可信度低,根据式 ( 3) 计算意见领袖对团友的影响函数并改变团友自身的观点和观点可信度,因此意见领袖和团友间的交互规则如下:
若 Lh> Cj( t) ,且| Kh- Bj( t) | < μ,
3仿真实验
3.1模型的验证
本文选择中团社区中的一次智能手机团购活动进行调研,原因如下: 一方面,中团社区是国内有名的自发网络团购平台,有一整套完整的交易机制, 网站本身因素不影响团友的观点; 另一方面,智能手机作为新技术产品的一种,具有代表性。根据斯科特等[20]的研究,本文首先运用社会网络分析法, 利用ucinet进行中心性分析、结构洞分析和核心边缘分析,确定了26个意见领袖; 而后在论坛版主的帮助下,将142份问卷分别发放给参与此次团购的普通团友和意见领袖,普通团友的问卷包括给自身的初始观点、最终观点和特性属性打分,给发起人的特征属性打分,分值是 [0,1] 之间的任意值; 意见领袖的问卷包括给自身的初始观点和特征属性打分,分值是 [0,1] 之间的任意值。回收的问卷中有120份有效,其中22份来自意见领袖。最后, 统计分析表明团友的初始观点、观点可信度和从众性基本服从 [0,1] 之间的均匀分布; 发起人的专业权威性平均值为0. 6,执行力的平均值为0. 1; 意见领袖的观点值基本上在 [0,0. 3] 和 [0. 7,1] 上均匀分布,其特征属性基本上在 [0. 7,1] 上均匀分布。根据观点更新规则,本文采取Matlab8. 0进行数值仿真,仿真结果如图1所示。以下所有图中, X轴代表时间步长,Y轴代表群体观点演化。运行时长为7 000步长。
从图1中可以看到,几乎所有的团友的观点收敛在0. 8左右,少数团友不赞同加入该团购。而实际情况是此次团购活动非常成功,几乎相互交流的团友集群并加入其中,少数退出。仿真结果与实际情况相吻合,这也证明了模型的有效性。
根据以往文献的研究,个体特征、意见领袖特征、互动等都会导致群体极化,因此,本文将调节发起人、意见领袖以及个体团友特征等参数,以探讨在新技术产品团购中,群体极化现象形成的原因。
3.2发起人对群体极化形成的影响
在新技术产品团购中,发起人的专业权威性 ( 如发起人的社区等级、产品专业知识、成功组团的次数等) 和发起人信息的说服力 ( 新技术产品的优越性、有用性等) 分别从感性和理性的角度影响着消费者对新技术产品不确定性感知和风险感知,其在影响团友卷入新技术产品团购方面起到了决定性作用。因此,本文将调节发起人的相关参数探讨其是否影响群体极化的形成。
Dunbar的研究表明,当群体规模在100 ~ 150之间时,群体规模能够维持和谐一致,再结合本文对中团社区等涵盖新技术产品的团购网站的成员进行调研分析,将群体规模设置为150人。根据Lyons B等[21]关于群体中意见领袖比例的研究,本文将团购中意见领袖的比例设置为20% 。所以,群体中有30个意见领袖,其中,15个意见领袖的观点在 [0, 0. 3] 上均匀分布,15个意见领袖的观点在 [0. 7, 1] 上均匀分布,所有意见领袖的影响力和活跃度都在 [0. 7,1] 上均匀分布。群体中有120个团友, 根据二八原则,其中12人的观点值、从众性、观点可信度在 [0,0. 2] 上均匀分布,12人的观点值、 从众性、观点可信度在 [0. 8,1] 上均匀分布,96人的观点值、从众性、观点可信度在 ( 0. 2,0. 8) 上均匀分布,团友属性自由组合。发起人1人,其观点值、观点可信度在 [0. 8,1] 的连续区间中随机取值,专业权威性和执行力在 [0,1] 的连续区间中随机取值。
本文在仿真实验一开始,加入发起人、意见领袖和团友的信息,发起人与每个团友按规则2演化, 意见领袖和每个团友按规则3演化,团友之间按规则1进行观点演化,改变发起人与团友的交互次数, 将发起人与团友的交互次数分别设置为1、4、8、 16,仿真结果如图2所示,改变发起人专业权威性、 执行力的特征值,仿真结果如图3和图4所示。初始观点值为与发起人、意见领袖交互后的观点值。
通过仿真结果发现,随着发起人与团友交互次数的增多,群体赞同新技术产品团购的观点向赞同一端倾向,出现群体极化现象。当发起人的专业权威性低的时候,群体观点大部分集中在 [0. 3,0. 5] 的区间; 当发起人的专业权威性高的时候,群体持赞同观点的人数增多,集中在 [0. 6,0. 7] 的区间中,持反对观点的人数下降且分散。当发起人的执行力低的时候,群体观点大部分集中于 [0. 6,0. 7] 的区间内,部分观点分散在 [0. 2,0. 4] 的区间内; 当发起人的执行力高的时候,群体观点基本收敛在 [0. 7,0. 8] 之间,少数团友不加入团购且观点分散。以上仿真结果说明发起人与团友的交互次数高能极强地导致正向群体极化现象的发生,执行力强也能导致正向群体极化现象的发生,专业权威性高不能导致正向群体极化现象的发生,而交互次数和发起人特征值都不会导致负向群体极化现象发生。
3.3意见领袖对群体极化形成的影响
以往关于舆论的研究表明,各类主体特征会不同程度地引导群体观点的形成。在本文的研究中, 意见领袖具有活跃度和影响力的特征,因此,本文将调节意见领袖的相关参数探讨其是否影响群体极化的形成。改变意见领袖与团友的交互次数,分别设置为1、36,仿真结果如图5所示。改变意见领袖活跃度和影响力的特征值,由于活跃度与影响力是成为意见领袖的必要条件,因此,对特征值的改变仅限于调高其取值范围,仿真结果如图6所示。
通过仿真结果发现,随着意见领袖与团友交互次数的增多,群体赞同新技术产品团购的观点向赞同一端倾向,出现群体极化现象; 当意见领袖的特征的取值区间提高时,没有出现群体极化现象。这说明意见领袖与团友的交互次数高能导致正向群体极化现象的发生,交互次数低不会导致负向群体极化现象发生,意见领袖的特征对群体极化的形成没有影响作用。
3.4从众性和群体规模对群体极化形成的影响
根据文献回顾,在公共事件和危机事件中,个体特征会导致群体极化,而在群体行为的研究中, 群体规模一直作为重要的影响变量,因此,本文调节从众性和群体规模的参数以探讨其对群体极化的影响作用。改变群体规模,将群体人数设置为100人,人员比例和参数设置不变,仿真结果如图7所示,改变团友的从众性,仿真结果如图8所示。
仿真结果表明,当群体规模减少时,群体赞同团购观点收敛区间仍然在 [0. 6,0. 7] 之间,当团友的从众性低时,群体观点逐渐向中间汇聚,而当团友的从众性高时,大部分团友持赞同观点并汇聚在 [0. 6,0. 7] 的区间内,部分团友持否定观点且分散。说明群体规模不影响群体极化的形成,从众性仅推动着新技术产品团购的形成,并不影响群体极化的形成。
4研究结论与管理启示
本文首先通过文献分析、深度访谈和内容分析法确定了个体团友卷入新技术产品团购的影响因素, 而后运用层次分析法确定了权重,构建了影响函数, 最后以Deffaunt模型为基础,结合新技术产品团购的特点,构建了团友之间、发起人与团友之间、意见领袖与团友之间的交互规则。仿真实验验证了模型的合理性并表明: 新技术产品团购中存在群体极化现象,发起人与团友的互动次数多,意见领袖与团友的互动次数多,发起人的执行力强,都不同程度地导致正向群体极化,发起人的专业权威性强、 个体团友的从众性强,对团购观点的形成仅只起推动作用,群体规模、意见领袖的特征不起作用。而无论何种情况,都不会出现负向群体极化现象。
根据本文的研究结论,以下从3个方面探讨管理方面的启示作用。第一,发起人与团友的交互次数越多,意见领袖与团友的互动次数越多,越能导致正向群体极化,而目前,国内涵盖新技术产品团购的部分知名网站没有交流沟通的平台,如唯品会、 聚美优品等,因此,商家应为网站搭建平台方便消费者互动。另外,新技术产品团购的情景下,不会出现负向群体极化现象,因此,商家可以放心为消费者搭建交互平台。第二,发起人的执行力强会导致正向群体极化。因此,对商家而言,如果有消费者以发起人身份主动联系组团事宜,那么商家以书面形式跟发起人确定好组团的相关事宜以保证发起人的执行力。如果商家自身有意愿在团购网站上开展新技术产品团购推广自身的产品,那么对有意愿成为发起人的消费者进行沟通,在双方自愿满意的基础上签订文本协议,以确保发起人的执行力和新技术产品团购活动的顺利开展。第三,发起人的专业权威性强,个体团友的从众性高,对正向团购观点的形成有推动作用,但由于个体团友的从众性属于个体特质,不具备可操作性,因此,本文仅讨论发起人专业权威性的实践意义。如果商家自身有意愿在团购网站上开展新技术产品团购推广自身的产品,那么就选择网站中有资历、有经验、口碑好的成员联系,以确保组团成功。
摘要：团购中群体的交流互动能够有效化解新技术产品市场推广过程中的困难,因此,Deffaunt“有界信任模型”和复杂系统多主体的建模方法被运用,构建了群体视角下的新技术产品团购观点涌现的仿真模型。数值仿真实验表明,发起人与团友的互动次数多,意见领袖与团友的互动次数多,发起人的执行力强,都不同程度地导致正向群体极化,任何情况下都不会出现负向群体极化。最后探讨利用团购中的群体极化推广新技术产品的实践应用。
极化技术 篇4
许多国家正在进行下一代数字地面广播的研究,以便提高大容量内容服务, 如超高清(SHV)。在本文中,提出了大容量传输技术,使用超多层(例如, 1024QAM或4096QAM)正交频分复用 (OFDM)技术和双极化多输入多输出技术(MIMO)。
MIMO(多输入多输出)系统通过在发送端和接收端使用多个天线分别完成信号的发送和接收,实现了分集增益和空间复用增益,大幅度地提高了信道容量和频带利用率。MIMO系统中,同一时刻不同天线发送不同的信息比特, 它们在每一根接收天线上叠加,相互形成干扰,当符号周期小于信道的多径时延扩展,即出现信道的频率选择性衰落时,接收信号会产生严重的码间干扰。因此,克服来自多天线和多径的干扰成为MIMO系统检测的主要问题。
在过去的研究中发现,接收到的水平极化和垂直极化波的能量是不同的, 这是因为它们不同的传输特性,这样降低了BER(误码率)特性。为了解决这一问题,需要使用LDPC码(低密度奇偶校验)方案和多维交织方法。在本文中,我们提出了一种LDPC码的译码方法,使用双极化MIMO传输信道响应进一步改善误码率性能。信道衰落的失真引起了载波符号之间的功率差,这降低了误码率性能。我们使用信道响应评估噪声方差,不仅可以得到OFDM信号中的所有载波符号噪声方差的平均值, 而且可以得到每个载波符号噪声方差的值,并将这提供给LDPC码的译码方案。该方法是基于LLR(对数似然比)的和积译码算法的迭代计算的过程。LLR迭代计算考虑到每个载波符号的噪声方差。这些措施使LLR计算更准确,并可以提高译码性能。
解码方法
1.和积算法
常规的和积算法中,第i个LLR由公式(1)给出:
公式1
在这里,是一个条件概率密度函数。发射信号x和接收信号y由公式(2) 和(3)给出:
公式2
公式3
LDPC码的长度为n。和积算法是工作在LDPC码的Tanner图(LDPC的校验矩阵)的信息传送算法。重复此操作, 直到满足一个奇偶校验或者迭代次数达到最大值。和积算法中有详细的说明, 图1显示了传统方法的框图。
2.和积算法和伪随机LLR
和积译码算法的第t次迭代产生初次排列c,见公式(4)。
公式4
伪随机LLR的使用公式5可以得到。向量和可以通过在c中置换为0和1来获得,公式分别为(6)和(7)。这些向量生成副本的符号。“伪”用来表明该对数似然是不是真正的对数似然。
公式5
公式6
公式7
接下来,向量和在(8)和(9)中被定义。μ是每个符号的比特数。有复制的符号,它在或中有第i位数据。向量和相差只有一位,如果使用灰度映射方案他们在I-Q图的位置一个挨着一个。此外,在和中,副本符号除向量和外, 都是相同的。结果,伪LLR变成公式 (10)。在这里是中的一个载波符号, 包含第i位数据符号。是所有载波符号的平均噪声方差。伪LLR变成和积算法中t+1轮的输入。图2显示了伪LLR的解码方法框图。
= 公式8
= 公式9
公式10
3.提出的方法
在迭代计算LLR中,我们替代的不是所有载波符号平均噪声方差,而是每个载波的符号的噪声方差。每个载波符号的噪声方差从MIMO信道响应H的矩阵和经过MIMO检测的所有载波符号的平均噪声方差中获得。这些值表明每个载波符号的CNR(载波噪声比)。噪声的方差是恒定的,见公式(10)。根据每个载波的符号的方差噪声,我们得到的伪LLR更准确地在双极化MIMO传输, 解码的结果要优于传统的方法。因此, 公式(11)用于获得伪LLR的第i个数据点。每个载波的符号噪声方差伪LLR是和积算法第t+1个输入。图3显示了提出的方法的方框图。
公式11
验证
我们在计算机中模拟验证了所提出的方法。奇偶校验矩阵和比特交织方案与在DVB-T2系统相同。输入数据流分为两个流(一个水平极化,另一个垂直极化)与多元交织方法,载波调制方案64QAM或4096QAM。图4显示计算机仿真方框图,表I显示参数表。
响应的差异。在这里,我们假设水平极化和垂直极化之间没有交叉极化分量。所需的CNR的定义在LDPC解码后假定BER小于1E-7。图6和图7标记了仿真所需的水平和垂直极化波的CNRs。比较所需的CNRs,显然所提出的方法的改进, 增加了接收功率的差异。此外,我们可以看到,改进双极化MIMO传输后, 即使接收功率没有区别,4096QAM比64QAM变化更大。
有两个原因。第一,接收功率的差异信息包括在解码过程中。在OFDM符号中,伪LLR能获得每个载波的符号的更精确的噪声方差,而不是所有载体的平均噪声方差。这意味着,如果在两种极化下所有载波符号的CNRs不是相同的水平,该方法将强于传统的方法。第二,一个复合载波调制方案将使OFDM符号中的载波符号模糊。图8显示了在I-Q图64QAM信号排列。图8有的信号点(称为“环绕信号点”)被别的信号(被称为“边缘信号点”)所包围。在一般情况下,如果采用QAM方案,被包围的信号点容易生成误差点。环绕信号给所有信号点的误差率的比例是36/64 = 56.3%。在另一方面,4096QAM比64QAM还有更多的环绕信号点,在这种情况下,比率是3844/4096=93.8%。这些值表明,复合载波调制方案降低了误码率性能。请注意所提出的方法产生两个副本的符号,伪LLR与他们进行迭代计算。如果他们与接收到的载波的符号相同,伪LLR计算会更准确。此外,伪LLR复制符号更准确。如果有许多环绕信号点, 迭代方法使用两个并排符号来缓解误码率降低。
出于这个原因,明确的是,当使用双极化MIMO技术和超多的OFDM技术时,使用LDPC码的译码方法运行良好。
结论
极化技术 篇5
线极化信号与圆极化信号在天线接收过程中, 由于线极化根据地理位置的不同, 出现不同的极化角。信号在波导中的传播因为不同的构造又有不同的特殊要求, 解决极化角和波导特性的问题, 从硬件控制上可实现跟踪功能, 达到极化匹配的要求, 有助于提高接收信号的质量。
1极化角的影响
1.1极化的概念
电磁波可以以电场与磁场的组合形式表达, 而电磁波的方向即为磁场与电场矢量方向的合成。其中, 极化定义为电磁波在传播过程中电场矢量的方向, 由于选定基准的不同, 卫星信号的极化与地面接收天线的极化就有不同的定义。卫星信号的极化定义以卫星轴系为基准。为了实现极化复用, 又可以进一步分为水平极化和垂直极化。电场矢量垂直于卫星的自旋轴定义为水平极化波, 平行于自旋定义为垂直极化波。由于自旋轴指向地心, 因此, 水平极化波电场矢量与卫星运动轨道方向一致, 即电场矢量与卫星所在点的圆切线方向一致 (即与赤道平面平行) , 垂直极化波电场量方向与卫星运动轨道平面 (即赤道平面) 垂直。对于2 个相符垂直的线极化波, 当它们等幅同相或等幅反相时还是形成线极化波;当它们不同相时, 且相位相差90°时则形成圆极化波, 当它们不等幅时可形成圆极化波。
1.2 极化角的产生
由于地球是个圆球结构, 接收天线工作于不同的地理环境, 处在不同经纬度上的地面接收站的基准极化面同卫星下行电磁波极化面有不同的夹角, 通常把卫星发射的水平线极化波与接收点地平面的夹角称为极化角, 用 θp表示, 如图1 所示。设S1 为星下点, p为地面接收点, θ 角为p点与赤道面的夹角, 在已知卫星经度Le和纬度Ls, 差值 ΔØ=Le-Ls, 根据极化角计算公式tanθp=sinΔØ/ tanθ, θp=tan-1sinΔØ/ tanθ, 可以计算出极化角, 有了极化角对于接收信号就有了调整的依据。根据波导特性调整开口的方向, 实现跟踪接收。
2 波导特性
波导作为新型传输介质, 具有运行高功率容量及低损耗的优点, 其形式多种多样, 主要有平行平面波导、矩形波导、圆波导和同轴线。在其中传输的电磁波根据其不同可分为TEM, TE和TM。矩形波导是最早用于传输微波信号的传输线类型之一, 而且今天仍然有很多应用, 用于从1GHz到超过220GHz波段的各种标准波导的大量元件。中空波导可以传播TM模和TE模, 但不能传播TEM模。矩形波导的几何结构如图2 所示, 其中, 假定波导中填充有介质常数 ε 和波导率为 μ 的材料。常规惯例是取波导的宽边沿x轴, 所以有a>b。
3 硬件实现跟踪
卫通天线运用矩形波导在接受卫星信号时应当实现极化匹配, 最小程度地减少信号损失。根据上述对矩形波导特性的分析, 可以得出电场线垂直于宽边, 平行于窄边。实现极化匹配需要旋转极化面。以赤道为分界, 可将地球区域分为4 个相限。1, 3 相限为0~90°, 2, 4 相限为-90~0°, 所出现的问题是当接受天线穿过赤道时, 由于极化面旋转要求寻找最小角度调整, 导致无法跟踪。卫星信号进入馈源网络, 首先经过TE21耦合器产生和差信号, 和差信号经处理送跟踪接收机进行计算, 可生成控制信号。极化旋转机构主要由转动筒和2 个轴承组成的, 是可以相对转动的定位机构。转动筒用于定位安装频谱复用网络, 通过上、下2个轴承分别固定在网络的不动部位和高频箱上。安装在转筒上的齿轮与极化减速器啮合。极化旋转关节内部构造等效于矩形开孔的极化面, 在不同区域通过旋转改变开口方向以实现极化匹配。信号经过四支臂、线圆转换后通过接受端口1, 2 区分水平极化与垂直极化接收。
特别指出的是, 跟踪圆极化信号不存在极化角的影响。但是, 极化旋转关节必须转到0 附近才能锁定。
4 结语
极化技术 篇6
近年来，我国的广播电视发展迅猛异常。就广播接收而言，从短波的传频接收，到微波接力，再到卫星接收；卫星接收从C波段到Ku波段，从传输模拟信号到传输数字信号，从单极化方式到双极化方式接收等。广播技术的迅猛发展，也给我们的维护工作带来了巨大挑战，例如，卫星接收双极化技术的采用，它是用同一信道传输两套节目，大大节约了频谱资源，但同时对极化调整的准确度要求更高，极化调整得不好，就会使接收信号的接收场强减弱、接收信噪比降低，因此，广播电视系统的极化调整，对广播发射台的安全播出和优质播出显得非常重要，必须引起我们的高度重视。
2 有关极化的基本概念
2.1 极化
电磁波的极化是指电磁波瞬时电场矢量在与电波传播方向垂直的平面内的变化轨迹。电场矢量的方向就是电磁波的极化方向。极化方式的判别也是由其运动轨迹的形状来判别的，主要是看电场矢量投影在与传播方向垂直平面上的运动轨迹，运动轨迹是圆就称为圆极化，投影轨迹是直线就称之为线极化。由此，说明极化的概念实质就是电磁波的电场矢量在与传播方向垂直平面内轨迹变化的方式。就目前来讲，我国国内和区域性专用卫星大都采用线极化方式，线极化又分为水平极化（E‖表示）和垂直极化（E⊥表示）。
卫星辐射极化波的极化与地面接收天线的极化定义，其基准是不同的。卫星辐射极化的定义是以卫星轴系为基准，卫星运动的轨迹近似为圆。如果电场矢量与卫星所在点的圆切线方向一致则称为水平极化，如果电场矢量方向与卫星运动轨迹平面垂直（与赤道平面垂直）称作垂直极化；地面接收天线的极化是指在主波束轴线上所辐射电磁波的极化，即电场矢量方向。
对于天线系统，其辐射和接收为相同极化时，即被认为极化匹配。为此，某种特定的天线只能接收相同极化状态的入射波。工程中，对极化的调整，通常都是以天线馈源的矩形波导短边为参考，短边与地面平行，则电场矢量与地面平行，称水平极化；反之，矩形波导短边与地面垂直，即电场矢量与地面垂直，即为垂直极化（见图1）。
2.2 极化角
我们都知道卫星的定位是在赤道上方35768km的天空，一般情况，卫星处在我国地面接收区域的南向正上方。显然，与卫星同经度的接收站天线能很好地与卫星辐射电磁波匹配，形成很好的接收效果。而与卫星经度不同的接收站，接收卫星信号时，接收站天线必须调整好一个角度才能与卫星辐射电波相匹配，对于简单圆波的覆盖，地面接收天线的极化角P可用下式表示：
其中：φs为卫星经度，
φg为接收站经度，
θ为接收站纬度。
从公式可以看出，极化角是卫星与接收站经度差及接收站纬度的函数。经度基本相同时，接收站的纬度越高，P（极化角）的值越小；相同纬度的地球站，经度差的绝对值越大，极化角越大，这在直观上较容易理解。
另外，还有一种情况，即卫星不是处在地面接收区域的正上方时，如果，卫星波束中心经度（即卫星转发器向地球发射信号覆盖面的中心点的经度，也是最大接受场强点的经度）与卫星经度不同，甚至相差较大时，则会出现如下的情况。实际上，位于卫星波束中心的接收站的天线极化，能与卫星辐射电磁波较理想匹配，这是因为随着波束中心偏离与卫星同经度地区，卫星波束的极化也做了相应的改变，也就是说，卫星辐射波的极化，还不是较为理想的极化（水平或垂直极化），而是变化了角度。因此，这就为我们提出了一个如何求证波束中心以外卫星接收天线的极化角度的问题。一般的计算方法是，将卫星的经度φs换成波束中心的经度φc来计算P值，即极化角度。
其中：φc为波束中心的经度；
φg、φθ分别为接收站的经纬度。
一般情况下，卫星波束中心的数值，是由卫星公司根据卫星自身经度及地面辐射电磁波的角度，经计算得出波束中心的经度，并提供给各个卫星地面接收站，使之各个卫星地面接受站能较好地调整接受设备，以实现良好地接收卫星信号。
2.3 极化隔离度
极化隔离度的概念是随着极化及频率复用技术的出现而诞生的, 它是为节约频率资源, 采取两个声道共用一个频率，互不干扰地传送两组独立的信息。极化隔离度反应的是卫星传输质量的一个重要指标。对卫星广播电视系统而言，正交极化隔离度取决于二段：即从卫星地球站发射到卫星接收和从卫星发射到地面接收站接收。在这里我们只讨论下行空间与接收。
对于接收系统，产生极化干扰的主要原因有如下几点:
(1）卫星发射本身极化不纯；
(2）空间去极化效应；
(3）接收站天线极化隔离度不佳；
(4）接收天线极化匹配不好。
此外，影响地球站接收天线极化不好的原因，还有空间的去极化效应，主要包括有：电离层中的法拉弟旋转效应、大气中的云层、雨滴等，这样的影响往往时间很短，强度也较小。接收天线的极化隔离度取决于反射面和馈源的极化特性以及安装水平。接收天线的匹配不良，可通过精心调整，达到最佳。下面就重点谈谈极化的调整。
3 极化的调整方法
对于单极化，如果极化调整不匹配，就会产生极化损耗，使接收信号（接收场强）降低；对于接收双极化系统，极化调整不匹配，不仅会产生极化损耗，降低接收信号场强，还会产生同频正交信号的干扰，增加噪声电平，使接收信号载噪比大大降低，严重时无法实施接收。极化角度的调整，首先是在调整前根据已知接收站的经纬度，应用公式P=arctg[sin（φs-φg）/tgθ]计算出极化角度，极化角度值有三种情况，即：P>0, P=0, P<0。我们以水平极化为例进行说明，图2为极化角度值的三种情况。
图2都是逆着电磁波方向调整的视图，即人面迎着电磁波的入射方向。
当P=0时，接收站与卫星是同经度，其极化为理想的水平或是垂直，但实际上，多数情况下，接收站和卫星不在同一经度上，所调整的极化角也就各不相同；当P>0时，此时接收天线的方位角是南偏东，前馈天线极化馈源向顺时针方向旋转，后馈天线向逆时针方向旋转；当P<0时，此时接收天线的方位角是南偏西，前馈天线馈源向逆时针方向旋转，后馈天线馈源向顺时针方向旋转。
在实际的极化角调整中，可分两步进行，即：粗调和细调。粗调，就是先按计算所得的俯昂角、方位角调整天线的指向，再根据计算的极化角调整馈源的旋转角度，通过较慢的转动天线的方位和俯昂角度找到天线最佳接收点，即接收场强最大点，锁定天线指向；细调，就是利用仪器进行对信号接收的精确调整。下面介绍利用三种不同仪器调整极化的方法：
(1）频谱仪调整法
频谱仪调整法主要是利用恒星信标，即下行频率信号，一般情况下用峰值法进行调整，也可用谷值法调整，这里我们主要介绍峰值法调整。调整前，应知道要调整节目的下行频率，如：对于中星6B的4175.0MHz的垂直极化信号，首先将LNB连接到馈源的垂直极化口，慢慢地旋转馈源找到垂直接收下行频率的最大峰值点，然后锁定馈源，即极化调整完成。频谱仪调整法的连接示意图如图3所示。
(2) AGC电压调整法
AGC（自动增益控制）电压调整法是利用卫星接收机输出的AGC电压来调整接收天线的极化匹配，这种方法简单易操作，也可达到较好的调整效果，其连接示意图如图4所示。
调整方法是：首先按照接收信号的要求，将LNB接在适应的极化端口（水平极化或是垂直极化）上，再将接收机设置在相应频道和参数，使之能接收到卫星信号，并记下显示的AGC电压值D；然后，将接收机调到无节目的频道，如AGC电压低于D，则说明AGC电压是随着接收信号的大小而变化的；再将接收机调回到预接收节目的频道，调整馈源，找到AGC电压的最大值，找到最大值的方法是，分别向右左两侧旋转，分别找到右左两侧AGC电压的最小值，并做下标记，再将馈源调整到右左两侧最小值的中间位置，即为AGC电压最大值，锁定馈源，极化调整结束。
(3）信号强度调整法
当我们接收数字卫星节目时，因大多数的数字卫星接收机没有AGC电压输出端口，因此最常用，也是最有效的方法，就是采用信号强度调整法，即将一台接收机放到天线附近，直接连接在LNB上，如图5所示。
其调整方法是：
①根据预接收信号的极化方式，将LNB连接到馈源上相应的极化接口，即水平极化或垂直极化。
②按接收节目的参数设置接收机，使其处于显示信号强度的状态。
③缓慢旋转馈源方法同用AGC调整法寻找最大值的方法相同，找到信号强度最大点，然后锁定馈源，完成极化调整。
极化是否调整好，主要看同一载波显示的其它节目的信号强度是否一致或是相近，若是出现强度相差明显，则说明调整不良。
4 结束语
广播电视的收转与播出，其极化的调整是保证广播电视播出质量的一个重要环节，熟悉极化的概念和性质，全面掌握实际工作中对极化的准确调整方法，对我们从事安全播出一线人员是大有益处的，也是必须的。在此，也希望我们同行能积极地总结广播电视维护工作的经验，交流沟通，促进广播电视在新时期更好地发展。
摘要：文章对于广播电视卫星接收的极化基本概念进行了介绍, 并强调了极化准确调整的重要性, 同时, 作者根据自己的维护经验, 交流了极化调整的不同方法。
极化技术 篇7
在合成孔径成像过程中,雷达平台相对于被成像的目标的位置是在不断变化,也就是说,全分辨率SAR图像的每个像素点都是目标散射信号在整个方位向上的合成。因此,基于全分辨率SAR图像的分类没有考虑目标散射特性的方位向变化,这会使得目标散射特性的分析不精确。为了能够更精确地分析目标的散射特性随着方位视角的变化,可以将整个雷达孔径分成几段,对同一地区在这些更小的孔径上分别成像,然后对所成图像进行分析,这就是子孔径分析。子孔径分析主要是一些国外的学者在研究,目前已经有初步的应用,如在文献[1]和[2]中,提出了一种用隐性马尔科夫模型描述单极化SAR数据的方位向变化的方法。在文献[3]中,用距离和方位子孔径分解来识别人造散射物,其中利用的就是人造散射物在不同孔径下的高相关特性。在文献[4]中,通过分析方位向子孔径数据来研究动目标位置的更新。在文献[5]中,用子孔径分析及其扩展时频分析来研究散射物的各向异性和色散行为。
子孔径分析可用来检测非平稳目标,在极化SAR图像中,主要存在两类非平稳目标,一类具有周期性表面,如成片的田埂、犁沟或周期分布的农作物;另一类是具有特定朝向的人造目标,如道路,屋脊等。非平稳目标一般都是用极大似然比参数来检测[4,6],但我们通过实验发现,极大似然比对周期表面非平稳目标的敏感度并不好,对这类目标的检测不完整。因此,我们用极大似然比参数来检测特定朝向非平稳目标,用参数的变化系数来检测周期表面散射物。
H/α极化分类Cloude和Pottier提出的一种SAR图像分类方法[7],它基于特征分解,可以将极化SAR图像中的目标分成几类,但这种方法没有考虑目标的平稳性。对同一幅极化SAR图像,进行基于子孔径分析的非平稳目标检测和H-α分类,然后将两者结果结合起来,可以得到更多的地物类别。
1 子孔径分解
要想进行子孔径分析,必须首先得到子孔径SAR图像。SAR的方位向的波数与方位向视角的关系为[8]
其中:ω为载波频率,φ为雷达视角,c为光速。因此不同的视角对应不同的多普勒频率范围。根据不同的波数范围(多普勒频率范围)对应的视角φ的范围,可以将原始SAR数据在不同子谱(子孔径)上合成,得到低分辨率的多个图像。
我们将EMISAR获得的丹麦Foulum地区L波段的极化SAR图像数据进行了子孔径生成,在方位向分解为5个子孔径,全孔径与部分子孔径的Span图像如图1所示。
从视觉上可以看出,子孔径图像的分辨率比分解前的全分辨率图像有所下降,并且,对于同一地区,全分辨率图像与子孔径图像以及子孔径图像之间也存在差别。
2 非平稳目标检测
2.1 特定朝向非平稳目标检测
非平稳散射行为可以通过检测极大似然比(ML ratio)来得到[6]。当雷达照射包含许多散射元的随机面时,散射矢量可以建模成具有多变量复高斯概率密度函数NC(,0Σ)的随机矢量。其中Σ=E(kpkpH),是kp的协方差矩阵。在此情况下,样本相干矩阵服从自由度为n(n为多视SAR图像的视数)的复Wishart分布[9,10,11]:
其中q为极化散射矢量中元素的个数,并且:
其中Γ()为Gamma函数[6]。
如果一个像素对应的R个子孔径样本相干矩阵iT,i=1,...,R服从同样的分布,则我们说这个像素具有平稳的散射行为。在此情况之下,R个相干矩阵满足下列假设:
这种假设的有效性可以通过极大似然比Λ来检测,极大似然比由子孔径相干矩阵计算得到[12]:
其中ni是第i个子孔径的视数,且:
如果
则认为目标是各向同性(具有平稳散射行为)的,其中cβ是虚警概率达到β时的分布点。一般的非平稳散射物,都可以用这种方法来检测,但极大似然比这个参数对特定朝向非平稳目标更敏感些,因此我们主要用它来检测特定朝向非平稳目标。为了计算的方便,我们用机大似然比取对数来进行特定朝向非平稳目标检测,图2是参数计算结果和与门限值比较后的非平稳性判别结果,其中越亮的地方非平稳性越强。
2.2 周期表面散射物检测
在所检测的场景当中,周期表面散射物(如农作物区域)的Bragg谐振是方位向极化特性变化的原因之一[6]。Bragg谐振来自一系列散射体的回波的相干叠加,这种现象容易发生在周期性地形表面或者是具有周期分量的随机不规则表面。例如,假设地面是具有周期分量的随机曲面S(x,y),如图3所示。
其表达式为
其中:B和P表示周期分量的幅度和周期。
Bragg谐振产生的条件可以写成入射波长λ的函数[6]:
其中:P为周期表面的起伏周期,θ为入射角,ky是地面距离波数,n为任意整数,ϕ0表示观测视线与周期表面法线的方位角度差。
在SAR成像过程中,距离向不同位置处相似的各向异性区域,或者对应不同入射角或朝向的地方,可能在不同的子孔径中产生谐振。
散射熵(H)和散射机制角(α)是表征散射机制的两个非常重要的参数[7,13],当Bragg谐振发生时,这两个参数会发生突变[14,15]。因此定义子孔径间的参数变化系数为
其中:σ(i,j)是像素点(i,j)的参数(H或α)在子孔径间的标准差,I(i,j)是像素点(i,j)的参数在子孔径间的均值。参数变化系数很大的区域,说明参数发生了突变,也就是有Bragg谐振产生,这个区域是具有周期表面的散射物。
把H和α组成向量[Hα],求取这个向量的变化系数的模值,来进行非平稳目标的检测,模值越大,非平稳性越大。变化系数绝对值如图4(a)所示;设定一定门限,认定变化系数高于门限的目标为周期表面非平稳目标,如图4(b)所示。
3 H/α分类
相干矩阵T做特征分解得:
其中:D是一个由特征值组成的3×3的对角阵,U3是由单位正交的特征向量组成的3×3的酉阵。散射熵是表征目标散射的杂乱程度的参数[7],其取值范围为0～1,它定义为
其中Pi是由T矩阵的特征值求得的概率:
矩阵U3可以被参数化为
可以求得参数α为
参数α是与散射机制密切相关的一个参数,其范围是0～90o。
根据H与α所在的范围,可以将散射目标分为8个主要类别[7]。各类别对应的散射机制为
类别1:高熵多次散射,这类散射可以发生在森林中,也可发生在枝干和树冠发育完整的植被区域。
类别2:高熵植被散射,森林树冠的散射就落在这个类别内,一些植被覆盖的,具有高度各向异性行为的散射元构成的散射面,也会落在这个类别内。
类别3:中等熵多次散射,这个类别主要是具有中等散射熵的二面角散射。
类别4:中等熵植被散射,包含的散射是植被覆盖面,散射面中包含有各向异性散射元。
类别5:中等熵面散射,此类主要是粗糙面散射,如包含扁平球散射元的面散射。
类别6:低熵多次反射,此类别对应于经过偶数次或奇数次反射的散射事件,如孤立的绝缘的或金属性二面角散射物的散射。
类别7:低熵偶极子散射,比如独立的偶极子散射机制,以及强相关朝向的各向异性散射元的植被散射。
类别8:低熵面散射,其中包含几何光学面散射和物理光学面散射,L波段和P波段的水面,L波段的冰面,以及非常光滑的陆面散射都属于这一类。
将每个类别用一种颜色表示,Foulum地区分类效果如图5所示。
4 结合非平稳检测结果与H/α分解的分类
上节中的H/α分类并没有考虑目标的平稳性,如果在分类时将平稳性考虑进来,则目标的类别数目将会加倍,即原有的某一类别可以分为平稳和非平稳两类。将第二节的基于子孔径分析的非平稳目标检测结果和第三节中的H/α分类结果结合起来,得到更为精细的分类结果如图6所示。
对比图6与图5可以看出,由于在H/α分类的基础上加上了目标平稳性的区分,使得分类结果更加精细,尤其是非平稳目标区域跟原来区别较大。为了进行更为具体的对比,将图5和图6中的部分地区进行放大,如图7所示。
从图7可以看出,我们提出的平稳性-H/α分类方法分类后道路脉络更清晰,内陆湖面显示出赋以非平稳意义的白色,具有更细致的分类效果。
Foulum地区的极化SAR图像并没有精确的先验知识,但为了定量比较平稳性-H/α分类和原有方法的效果,我们将图7(a)中属于道路的像素点进行了统计,在原有H/α方法中,道路属于第三类,在平稳性-H/α分类中,表现出非平稳性的第三类(实际属于第六类)、第五类(实际属于第十类)都被认为是道路,我们对两种方法的道路像素点数目的统计结果为
H/α方法:3 122
平稳性-H/α方法:5 208
由此可见,平稳性-H/α方法的道路检测更为完整。
5 结论