【正文】 一般來說，采樣速度高而功能較簡單者宜用前者；采樣速度較低而功能復(fù)雜者則宜采用后者。信號(hào)處理方法有兩種，一種是信號(hào)依次進(jìn)入而形成信號(hào)流，另一種是執(zhí)行完一條指令再執(zhí)行下一條指令，形成指令流。這種方法尤其適用于利用電子計(jì)算機(jī)進(jìn)行仿真分析。同樣，這一類型的數(shù)字處理可以采用線性常系數(shù)差分方程描述,從而可以用Z變換或離散傅里葉變換求解。在理論上最容易解決的是線性非時(shí)變型的處理。對(duì)于隔周期處理，采樣周期可以長達(dá)一個(gè)重復(fù)周期。隔周期處理是指對(duì)多個(gè)周期中回波脈沖串的復(fù)包絡(luò)進(jìn)行匹配或最佳濾波處理，使整個(gè)脈沖串中某時(shí)刻的信－噪比達(dá)到最大。在脈沖雷達(dá)中，數(shù)字信號(hào)處理可劃分為周期內(nèi)處理和隔周期處理兩大部分。因此，單位時(shí)間內(nèi)的處理量（或稱吞吐率、解題率）極大。③有利于高速大規(guī)模集成電路的應(yīng)用，從而可使信號(hào)處理機(jī)的重量減輕和體積縮小。同模擬信號(hào)處理相比，采用數(shù)字信號(hào)處理的優(yōu)點(diǎn)是：①把許多功能綜合設(shè)計(jì)在一部處理機(jī)中，可以根據(jù)外來指令或預(yù)先編好的程序靈活地選擇和組合使用。50年代出現(xiàn)利用計(jì)算機(jī)進(jìn)行信號(hào)處理的雷達(dá)系統(tǒng)。數(shù)字處理須采用模擬數(shù)字轉(zhuǎn)換器,把模擬信號(hào)轉(zhuǎn)換成為數(shù)字信號(hào)（時(shí)間上離散，幅度上分層），然后進(jìn)行各種運(yùn)算和處理。三、數(shù)字信號(hào)處理的應(yīng)用雷達(dá)信號(hào)處理則是為完成雷達(dá)數(shù)字信號(hào)檢測和信息提取功能所采取的實(shí)施手段。相控陣天氣雷達(dá)具有常規(guī)天氣雷達(dá)所不具有的許多優(yōu)點(diǎn)：可以實(shí)現(xiàn)跳躍式電掃描波束和天線方向圖形狀的自適應(yīng)控制，從而實(shí)現(xiàn)多功能探測能力；可充分地將雷達(dá)時(shí)間和能量資源應(yīng)用于微弱目標(biāo)探測能力、目標(biāo)數(shù)據(jù)率、分辨率、精度等等技術(shù)性能上，因而具有能對(duì)付多目標(biāo)、機(jī)動(dòng)性強(qiáng)、反應(yīng)時(shí)間短、功能多、數(shù)據(jù)率高、抗干擾能力強(qiáng)、可靠性高等特點(diǎn)。回波信號(hào)經(jīng)接收機(jī)放大、濾波后進(jìn)入信號(hào)處理機(jī)進(jìn)行多種模式的信號(hào)處理。若干個(gè)固態(tài)發(fā)射機(jī)通過功分網(wǎng)絡(luò)將能量分配到每個(gè)天線單元，移相網(wǎng)絡(luò)又控制每個(gè)天線單元的初相位，通過大量獨(dú)立的天線單元將能量輻射出去并在空間進(jìn)行功率合成。相控陣天氣雷達(dá)快速而精確地轉(zhuǎn)換波束的能力使該雷達(dá)能夠在1 min內(nèi)完成全空域的掃描，同時(shí)獲取大量的氣象信息。二、相控陣天氣雷達(dá)相控陣多普勒天氣雷達(dá)，主要優(yōu)勢是可以提高獲取資料的時(shí)間分辨率、進(jìn)一步提高探測能力。從1970年代后期，歐盟COST72(Cooperative in Science and Technology Project 72)項(xiàng)目開始實(shí)施并持續(xù)了6年，至1980年代中后期的COST76項(xiàng)目，歐洲形成了世界上兩大雷達(dá)網(wǎng)之一，共有130多部雷達(dá)，其中一半具有多普勒雷達(dá)能力，并建立了風(fēng)廓線雷達(dá)網(wǎng)，進(jìn)行歐洲大面積降水監(jiān)測和風(fēng)廓線觀測。雷達(dá)網(wǎng)的建成，使得對(duì)龍卷的預(yù)報(bào)從幾乎不可能到提前15~20 min，對(duì)風(fēng)暴位置和雨雪量級(jí)做出了比以前更為準(zhǔn)確的預(yù)報(bào)。雷達(dá)的有效探測距離為240 km，多普勒模式下為120 km。計(jì)劃在2010年完成WSR88D雷達(dá)的雙線偏振雷達(dá)改造。NEXRAD網(wǎng)的布設(shè)，大大提高了對(duì)災(zāi)害性天氣，尤其是暴雨的預(yù)報(bào)能力，對(duì)龍卷形成前奏中尺度氣旋和機(jī)場附近的下?lián)舯┝鞯淖R(shí)別具有特殊的能力。WSR88D多普勒天氣雷達(dá)不僅提高了探測能力，還具備了獲取風(fēng)場信息的功能，并提供了豐富的監(jiān)測和預(yù)警產(chǎn)品。第五篇：學(xué)科前沿講座 心得學(xué)科前沿講座報(bào)告郝倚天 2011021142報(bào)告人：電子工程學(xué)院 張福貴老師 地點(diǎn)：1104 時(shí)間：2014年12月1日（星期一）14:00 本次講座，張老師首先介紹了氣象雷達(dá)的發(fā)展歷史，接著介紹了相控陣?yán)走_(dá)的相關(guān)情況，最后詳細(xì)介紹了數(shù)字信號(hào)處理在氣象雷達(dá)中的應(yīng)用。在這個(gè)信息化時(shí)代，數(shù)據(jù)挖掘技術(shù)是一個(gè)發(fā)展很迅速的領(lǐng)域，隨著數(shù)據(jù)挖掘技術(shù)在各個(gè)領(lǐng)域的發(fā)展和應(yīng)用，未來會(huì)有很多人投入到數(shù)據(jù)挖掘技術(shù)的學(xué)習(xí)和研究中來。這對(duì)于一個(gè)企業(yè)的發(fā)展十分重要。隨著Internet的迅速發(fā)展及Web 的全球普及，使得Web上的信息量無比豐富，通過對(duì)Web的挖掘，可以利用Web 的海量數(shù)據(jù)進(jìn)行分析，收集政治、經(jīng)濟(jì)、政策、科技、金融、各種市場、競爭對(duì)手、供求信息、客戶等有關(guān)的信息，集中精力分析和處理那些對(duì)企業(yè)有重大或潛在重大影響的外部環(huán)境信息和內(nèi)部經(jīng)營信息，并根據(jù)分析結(jié)果找出企業(yè)管理過程中出現(xiàn)的各種問題和可能引起危機(jī)的先兆，對(duì)這些信息進(jìn)行分析和處理，以便識(shí)別、分析、評(píng)價(jià)和管理危機(jī)。意外規(guī)則的挖掘可以應(yīng)用到各種異常信息的發(fā)現(xiàn)、分析、識(shí)別、評(píng)價(jià)和預(yù)警等方面。偏差包括很大一類潛在有趣的知識(shí)，如分類中的反常實(shí)例，模式的例外，觀察結(jié)果對(duì)期望的偏差等，其目的是尋找觀察結(jié)果與參照量之間有意義的差別。如營銷人員通過對(duì)客戶流失因素的特征提取，可以得到導(dǎo)致客戶流失的一系列原因和主要特征，利用這些特征可以有效地預(yù)防客戶的流失。⑤特征。關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間所存在的關(guān)系的規(guī)則，即根據(jù)一個(gè)事務(wù)中某些項(xiàng)的出現(xiàn)可導(dǎo)出另一些項(xiàng)在同一事務(wù)中也出現(xiàn)，即隱藏在數(shù)據(jù)間的關(guān)聯(lián)或相互關(guān)系。它可以應(yīng)用到客戶群體的分類、客戶背景分析、客戶購買趨勢預(yù)測、市場的細(xì)分等。聚類分析是把一組數(shù)據(jù)按照相似性和差異性分為幾個(gè)類別，其目的是使得屬于同一類別的數(shù)據(jù)間的相似性盡可能大，不同類別中的數(shù)據(jù)間的相似性盡可能小。它可以應(yīng)用到市場營銷的各個(gè)方面，如客戶尋求、保持和預(yù)防客戶流失活動(dòng)、產(chǎn)品生命周期分析、銷售趨勢預(yù)測及有針對(duì)性的促銷活動(dòng)等。②回歸分析。分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對(duì)象的共同特點(diǎn)并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到某個(gè)給定的類別，使用到KNN算法。第五，知識(shí)的同化，將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去，從而得到有價(jià)值的信息。即對(duì)經(jīng)過預(yù)處理的數(shù)據(jù)進(jìn)行挖掘，包括分析和預(yù)測，關(guān)聯(lián)分析以及聚類分析相關(guān)算法等。具體包含以下步驟：1)數(shù)據(jù)的選擇，即搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)2)數(shù)據(jù)的預(yù)處理，即研究詩句的質(zhì)量，為進(jìn)一步分析做準(zhǔn)備，并確定將要進(jìn)行的挖掘操作的種類3)數(shù)據(jù)的轉(zhuǎn)換，將數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型，這個(gè)分析模型是針對(duì)挖掘算法建立的，能否建立一個(gè)真正適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關(guān)鍵。數(shù)據(jù)挖掘的最后結(jié)是不可預(yù)測的，但是要探