简介:传统上,有限差分的差分系数一般可以通过泰勒级数展开法或优化方法来极小化频散误差得到。基于泰勒级数展开的差分法在有限的波数范围内精度较高,但在这个范围之外会产生较强的数值频散;基于最小二乘的优化有限差分法能在更大的波数范围内达到较高的精度,并可以在较小的计算需求内获得全局最优解。本文将基于最小二乘的优化有限差分法从二维正演模拟推广到三维,形成了计算效率高、高精度范围宽、适合并行计算的三维声波优化有限差分方法。频散分析及正演模拟表明本文发展的有限差分方法可以很好地压制数值频散。最后,将本文发展的有限差分方法应用到三维逆时偏移的震源波场延拓和检波点波场延拓中,并结合有效边界存储策略与checkpointing技术在GPU集群上实现三维逆时偏移以提高计算效率、减少存储量。三维逆时偏移试算结果表明本文三维优化有限差分方法与传统的有限差分法相比可以获得更高精度的偏移成像结果。
简介:用时间序列分析方法做预报,是气象预报中的重要方法之一。气象上观测资料随时间变化大多属非平稳的。所谓非平稳时间序列,表示其统计特征量随时间变化主要有三种表现形式。一种是序列平均值Xt随时间而变,表现为它的一个现实曲线在一条水平线的上下波动大:另一种是序列标准差St随时间变化。这表现为它的一个现实的曲线的波动幅度较大;第三种表现更为复杂,序列均值Xt和标准差St同时随时间而变,这表现为它的一个现实曲线上下波动大,同时波动幅度也大。对于上述三种非平稳序列,至今没有理想的处理办法。本文介绍差分模型方法,能在一定程度上消除均值随时间的变化,而后建立差分自回归模型。效果较好。
简介:与相干检测相比传统差分检测会带来约3dB的性能损失.提出一种新的差分酉空时调制检测方案.该方案分为2步:首先将传统差分检测获得的数据序列进行差分再编码,作为对发送符号序列的初始估计;然后由期望最大化(EM)算法进行迭代检测,利用上一步得到的发送符号序列的初始估计值作为EM算法的初始值.在每一次迭代时,最新检测到的发送符号序列用来进行信道估计,随后利用估计出的信道实施相干序列检测,进一步提高对发送符号序列检测的准确性.仿真结果表明。经过几次迭代后,提出的检测方案性能大大优于传统的差分酉空时调制检测方案.