J****T
发帖数: 29 | 1 最近一个项目要用到信号处理方面的知识,算是跨界应用吧, 不是很深入, 只是借助基
本理论.
我想用power spectrum分析比较几个数值序列(降雨值, 都是正的, 长度一样),我
google到的方法是先傅立叶转换, 然后plot频率与功率的对比图, 思路是这样吗?
我在Matlab写的code是:
Polar=load('E:\polar0605_alg3_1min_mean.txt');
Y1=fft(polar);
N1=length(Y1);
power1 = abs(Y1)/(N1/2); % absolute value of fft
power1 = power1(1:N1/2).^2; % power of positive freq. half
freq1 = [0:N1/2-1]/T; % find the corresponding frequency in Hz
plot(freq1,power1, 'r', 'linewidth', 1);
===========================================
得出来的东西不知道对不对,求指导
还有,如果不同长度的序列可以放在一起比较么? | p***e
发帖数: 472 | 2 你可以人为地设计一个数值序列，例如幅值为100，频率为60Hz的标准正玄函数，用你
的方法算算就知道了。
【在 J****T 的大作中提到】
: 最近一个项目要用到信号处理方面的知识,算是跨界应用吧, 不是很深入, 只是借助基
: 本理论.
: 我想用power spectrum分析比较几个数值序列(降雨值, 都是正的, 长度一样),我
: google到的方法是先傅立叶转换, 然后plot频率与功率的对比图, 思路是这样吗?
: 我在Matlab写的code是:
: Polar=load('E:\polar0605_alg3_1min_mean.txt');
: Y1=fft(polar);
: N1=length(Y1);
: power1 = abs(Y1)/(N1/2); % absolute value of fft
: power1 = power1(1:N1/2).^2; % power of positive freq. half
| t*******e
发帖数: 216 | 3 我想楼主还是应该把问题稍微详细的写出来，我有点不太明白题目本身：
有几个数值序列，那么这些序列的x的物理意义是什么? 我猜可能是时间。
这样，就有一个采样时间间隔的问题，你的几个不同长度的序列，是否采样时间间隔是
一样的？e.g. 3, 5, 6, 3 这个序列采样时间是否未2月、3月、4月、5月，而你的另一
个序列间隔同样是1个月吗？
如果相同，可以比较功率谱
如果不相同，可以插一下值变得一样再fft.
如果x真的是时间，fft这些的物理意义就比较好理解，即可以观察出降雨量的周期重复
强弱程度（如一年周期性就会在1/12的位置有一个峰值，假设取样间隔是1个月）
如果不是时间，楼主要仔细考虑fft之后是否有可描述的物理意义，比如序列是针对不
同地区的，那么fft之后，描述的是一个是否存在地域降雨周期性的课题，即好比存在
每隔100km就会有个降雨峰值，那么在1/100的位置fft会有一个峰值。
粗浅理解，望大牛不吝指教。
【在 J****T 的大作中提到】
: 最近一个项目要用到信号处理方面的知识,算是跨界应用吧, 不是很深入, 只是借助基
: 本理论.
: 我想用power spectrum分析比较几个数值序列(降雨值, 都是正的, 长度一样),我
: google到的方法是先傅立叶转换, 然后plot频率与功率的对比图, 思路是这样吗?
: 我在Matlab写的code是:
: Polar=load('E:\polar0605_alg3_1min_mean.txt');
: Y1=fft(polar);
: N1=length(Y1);
: power1 = abs(Y1)/(N1/2); % absolute value of fft
: power1 = power1(1:N1/2).^2; % power of positive freq. half
| J****T
发帖数: 29 | 4 谢谢LS的回复.
我简要说说我的问题和想法, 我要处理的是雷达观测的降雨数据,通常数据空间分布是
polar形状的, 就是两条直线一夹角和一段弧线那种, 为了方便数据输入到水文模型,
都会把数据分布转成规则的Cartisian形状分布,就是正方形格点. 问题就是在转换过程
中这是一个能量均化,涉及能量损失的过程,理论上说, 转化后格点的分辨率越小, 能量
损失越多, 比如1km网格的就比250m网格的损失多.
我想做的用功率谱比较Information content的损失量, 因为序列长度都是一样的(一个
洪水过程,10天左右), 取样频率相同(1分钟), 因为雨量输入到水文模型, 水文模型相
当于一个low pass filter, 如果有模型这好比较, 直接输入降雨就知道差异, 但是没
有特定水文模型的情况下, 如何去判定不同分辨率雨量的能量大小, 然后去判断输入到
水文模型后出来的结果差异. 或者说如何去找出一个universal的初步判定方法, 是我
比较感兴趣的研究.
【在 t*******e 的大作中提到】
: 我想楼主还是应该把问题稍微详细的写出来，我有点不太明白题目本身：
: 有几个数值序列，那么这些序列的x的物理意义是什么? 我猜可能是时间。
: 这样，就有一个采样时间间隔的问题，你的几个不同长度的序列，是否采样时间间隔是
: 一样的？e.g. 3, 5, 6, 3 这个序列采样时间是否未2月、3月、4月、5月，而你的另一
: 个序列间隔同样是1个月吗？
: 如果相同，可以比较功率谱
: 如果不相同，可以插一下值变得一样再fft.
: 如果x真的是时间，fft这些的物理意义就比较好理解，即可以观察出降雨量的周期重复
: 强弱程度（如一年周期性就会在1/12的位置有一个峰值，假设取样间隔是1个月）
: 如果不是时间，楼主要仔细考虑fft之后是否有可描述的物理意义，比如序列是针对不
| t*******e
发帖数: 216 | 5 嗯，从我的知识来说，只能根据你所说的第一段来分析，第二段相信是你的专业领域我
看得不是很懂。
我的理解，雷达实验数据是polar形，其x轴是空间，你说的规则cartisian分布，是否指
得是将一个网格的数据进行积分（或平均）来获得该点的数据值？
如果是这个意思，这也就是所谓的空间滤波。那么我在之前回文中已经对于x是空间坐标
作出了解释。你做fft得到的，应该是降水量的空间变化谱。我不太明白能量均化损失的
说法，这个能量你指得是什么？
另外分辨率越“小”，你的意思是否是“低”？
我觉得你的这个分析过程，是否是将雷达获取的模拟空间降雨数据进行数字化的过程，
如果如此，应该可以在数字信号处理的书籍中找到所谓量化误差分析等内容，希望能有
所帮助。
【在 J****T 的大作中提到】
: 谢谢LS的回复.
: 我简要说说我的问题和想法, 我要处理的是雷达观测的降雨数据,通常数据空间分布是
: polar形状的, 就是两条直线一夹角和一段弧线那种, 为了方便数据输入到水文模型,
: 都会把数据分布转成规则的Cartisian形状分布,就是正方形格点. 问题就是在转换过程
: 中这是一个能量均化,涉及能量损失的过程,理论上说, 转化后格点的分辨率越小, 能量
: 损失越多, 比如1km网格的就比250m网格的损失多.
: 我想做的用功率谱比较Information content的损失量, 因为序列长度都是一样的(一个
: 洪水过程,10天左右), 取样频率相同(1分钟), 因为雨量输入到水文模型, 水文模型相
: 当于一个low pass filter, 如果有模型这好比较, 直接输入降雨就知道差异, 但是没
: 有特定水文模型的情况下, 如何去判定不同分辨率雨量的能量大小, 然后去判断输入到
| J****T
发帖数: 29 | 6 对, 降雨量的x轴是时间. 雷达的数据分布是扇形,要将其转换成网格正方形, 就要计算
一个网格里有多少个扇形, 再根据他们叠加的面积,进行均化, 也就是加权平均. 所以
分辨率越低,所包含的扇形就越多
如果把降雨数据看成能量波,均化过程自然会有所衰减, 我就想量化这个衰减量.
我做的并不是研究雷达的反射率转成雨量这个过程的能量损失, 而是其生成雨量后,转
换空间面积所代表的雨量带来的损失.
不知我这样说会不会清楚点
否指
坐标
失的
【在 t*******e 的大作中提到】
: 嗯，从我的知识来说，只能根据你所说的第一段来分析，第二段相信是你的专业领域我
: 看得不是很懂。
: 我的理解，雷达实验数据是polar形，其x轴是空间，你说的规则cartisian分布，是否指
: 得是将一个网格的数据进行积分（或平均）来获得该点的数据值？
: 如果是这个意思，这也就是所谓的空间滤波。那么我在之前回文中已经对于x是空间坐标
: 作出了解释。你做fft得到的，应该是降水量的空间变化谱。我不太明白能量均化损失的
: 说法，这个能量你指得是什么？
: 另外分辨率越“小”，你的意思是否是“低”？
: 我觉得你的这个分析过程，是否是将雷达获取的模拟空间降雨数据进行数字化的过程，
: 如果如此，应该可以在数字信号处理的书籍中找到所谓量化误差分析等内容，希望能有
| t*******e
发帖数: 216 | 7 呵呵，我想真是应了一句话，隔行如隔山，我不是雷达方面的专家，只能现学了。不过
我大概用EE的语言来澄清一下。
看来所获的的雷达数据序列，是一个二维数组，其中一维为时间，即每分钟采样一次，
所覆盖的时间是固定的（因为洪水时间固定）；第二维是空间，而这由于雷达所获得的
数据格式带来了一定复杂度，因此你需要对这一维度进行数据调理 （这里相当于将极
坐标的雷达数据变换为笛卡尔坐标 right?）
关于能量波我理解了，这是一个便于描述的类比。
我认为我之前的解释应该没什么问题，即这是一个空间滤波的问题，也就是好比在1km
的网格内，雷达数据也许某些点的降雨量非常强，但是其他部分较弱，当你进行了滤波
之后，得到的该地区的总降雨量是一样的，但是没有办法知道那些超强降雨量的信息。
（在我的领域，我更希望将雷达一个点的数据除以面积r*dr*dphi得到单位面积内的降
雨量，即降雨量空间密度），因此在做fft之后，你所得到的就是降雨量的空间谱密度
。这样，1km的网格下，很多空间谱峰值就会被“低通滤波”掉，其实更加严格的来说
，是你把这些高频分量变成了低频分量（还是直流分量？），总降雨量是不变的，即你
对滤波前后，对整个谱（f=0 to f=+Inf)的积分量是不变的。你所研究的所谓衰减量，
实际上是针对高频段的衰减量（补偿到了低频段）。
你还提到了其中还需要带入水文模型，这个你应该需要考虑，你的水文模型是否是一个
通常意义的低通滤波，该模型是否和你所作的空间滤波一样，只是把高频谱变成了低频
分量，而总降雨量保持不变（在我的领域，这也就是所谓的能量守恒）。
最后，也是我拿不准的一点，在1分钟内的雷达数据点，不同空间位置的数据实际上意
味着到达雷达接收机的时间不同，这样时间空间坐标是不是就不相互独立，而需要时频
联合分析（joint time frequency analysis）,我只是感觉仍然独立， 这还是需要请
教其他大牛来解答吧。
【在 J****T 的大作中提到】
: 对, 降雨量的x轴是时间. 雷达的数据分布是扇形,要将其转换成网格正方形, 就要计算
: 一个网格里有多少个扇形, 再根据他们叠加的面积,进行均化, 也就是加权平均. 所以
: 分辨率越低,所包含的扇形就越多
: 如果把降雨数据看成能量波,均化过程自然会有所衰减, 我就想量化这个衰减量.
: 我做的并不是研究雷达的反射率转成雨量这个过程的能量损失, 而是其生成雨量后,转
: 换空间面积所代表的雨量带来的损失.
: 不知我这样说会不会清楚点
:
: 否指
: 坐标
| J****T
发帖数: 29 | 8 感谢你的回答,有些EE的专业术语, 看的不是很明白, 呵呵
第一段你说得对,是将极坐标的雷达数据变换为笛卡尔坐标.
虽然雷达数据表示的是点的数据, 但其所代表的面的数据由雷达波的分辨率(azimuth,
gate size)决定, 也就是你所说的降雨量空间密度, 一般来说得到的雷达降雨数据就是
代表在扇形面积内的降雨量. 当然, 离雷达越远, 扇形面积越大, 这样所代表的降雨量
精度就越低, 这个先不在这里讨论.
我对你说的总雨量不变, 高频分量变成了低频分量的说法很感兴趣,比如一个2*2的网格
.降雨量分别为2.2.2.4, 均化为一个网格后雨量就是2.5, 那就说4的高频分量变成了低
频分量2.5,补偿到其它2的网格, 类似这样吗?
水文里面也是能量守恒,就是说降雨量mm的输入到水文模型的流量输出m^3/s,总水量是
一致的.你最后一个问题, 我是觉得每个点回到接收机的时间上差别非常小, 可以忽略
不计的.
回到这个问题本身, 原来我写的那个code可以解决我的研究问题吗? 如果在某个频段,
功率谱有差别, 该怎么解释? | t*******e
发帖数: 216 | 9 空间谱高频变低频：你的理解没错。你在均化之前，这四个点是有空间不同雨量的，因
此fft后就会存在高频分量而不存在直流分量；当你均化之后再看这数据，都变成了2.5
，因此fft后就只剩下直流分量（即f = 0），空间分布没有了变化，高频分量被“滤掉
”（或者说转为直流）。
关于你的问题本身，code应该没问题，不过我不太确定你是否应该直接用amplitude
fft分析，还是必须squared fft分析。EE里处理的是电磁波，是有幅度和相位信息在里
面（A*exp(i*Omega*t+phi)），因此在不关心相位的时候，用功率谱分析A。 | J****T
发帖数: 29 | 10 最近一个项目要用到信号处理方面的知识,算是跨界应用吧, 不是很深入, 只是借助基
本理论.
我想用power spectrum分析比较几个数值序列(降雨值, 都是正的, 长度一样),我
google到的方法是先傅立叶转换, 然后plot频率与功率的对比图, 思路是这样吗?
我在Matlab写的code是:
Polar=load('E:\polar0605_alg3_1min_mean.txt');
Y1=fft(polar);
N1=length(Y1);
power1 = abs(Y1)/(N1/2); % absolute value of fft
power1 = power1(1:N1/2).^2; % power of positive freq. half
freq1 = [0:N1/2-1]/T; % find the corresponding frequency in Hz
plot(freq1,power1, 'r', 'linewidth', 1);
===========================================
得出来的东西不知道对不对,求指导
还有,如果不同长度的序列可以放在一起比较么? | | | p***e
发帖数: 472 | 11 你可以人为地设计一个数值序列，例如幅值为100，频率为60Hz的标准正玄函数，用你
的方法算算就知道了。
【在 J****T 的大作中提到】
: 最近一个项目要用到信号处理方面的知识,算是跨界应用吧, 不是很深入, 只是借助基
: 本理论.
: 我想用power spectrum分析比较几个数值序列(降雨值, 都是正的, 长度一样),我
: google到的方法是先傅立叶转换, 然后plot频率与功率的对比图, 思路是这样吗?
: 我在Matlab写的code是:
: Polar=load('E:\polar0605_alg3_1min_mean.txt');
: Y1=fft(polar);
: N1=length(Y1);
: power1 = abs(Y1)/(N1/2); % absolute value of fft
: power1 = power1(1:N1/2).^2; % power of positive freq. half
| t*******e
发帖数: 216 | 12 我想楼主还是应该把问题稍微详细的写出来，我有点不太明白题目本身：
有几个数值序列，那么这些序列的x的物理意义是什么? 我猜可能是时间。
这样，就有一个采样时间间隔的问题，你的几个不同长度的序列，是否采样时间间隔是
一样的？e.g. 3, 5, 6, 3 这个序列采样时间是否未2月、3月、4月、5月，而你的另一
个序列间隔同样是1个月吗？
如果相同，可以比较功率谱
如果不相同，可以插一下值变得一样再fft.
如果x真的是时间，fft这些的物理意义就比较好理解，即可以观察出降雨量的周期重复
强弱程度（如一年周期性就会在1/12的位置有一个峰值，假设取样间隔是1个月）
如果不是时间，楼主要仔细考虑fft之后是否有可描述的物理意义，比如序列是针对不
同地区的，那么fft之后，描述的是一个是否存在地域降雨周期性的课题，即好比存在
每隔100km就会有个降雨峰值，那么在1/100的位置fft会有一个峰值。
粗浅理解，望大牛不吝指教。
【在 J****T 的大作中提到】
: 最近一个项目要用到信号处理方面的知识,算是跨界应用吧, 不是很深入, 只是借助基
: 本理论.
: 我想用power spectrum分析比较几个数值序列(降雨值, 都是正的, 长度一样),我
: google到的方法是先傅立叶转换, 然后plot频率与功率的对比图, 思路是这样吗?
: 我在Matlab写的code是:
: Polar=load('E:\polar0605_alg3_1min_mean.txt');
: Y1=fft(polar);
: N1=length(Y1);
: power1 = abs(Y1)/(N1/2); % absolute value of fft
: power1 = power1(1:N1/2).^2; % power of positive freq. half
| J****T
发帖数: 29 | 13 谢谢LS的回复.
我简要说说我的问题和想法, 我要处理的是雷达观测的降雨数据,通常数据空间分布是
polar形状的, 就是两条直线一夹角和一段弧线那种, 为了方便数据输入到水文模型,
都会把数据分布转成规则的Cartisian形状分布,就是正方形格点. 问题就是在转换过程
中这是一个能量均化,涉及能量损失的过程,理论上说, 转化后格点的分辨率越小, 能量
损失越多, 比如1km网格的就比250m网格的损失多.
我想做的用功率谱比较Information content的损失量, 因为序列长度都是一样的(一个
洪水过程,10天左右), 取样频率相同(1分钟), 因为雨量输入到水文模型, 水文模型相
当于一个low pass filter, 如果有模型这好比较, 直接输入降雨就知道差异, 但是没
有特定水文模型的情况下, 如何去判定不同分辨率雨量的能量大小, 然后去判断输入到
水文模型后出来的结果差异. 或者说如何去找出一个universal的初步判定方法, 是我
比较感兴趣的研究.
【在 t*******e 的大作中提到】
: 我想楼主还是应该把问题稍微详细的写出来，我有点不太明白题目本身：
: 有几个数值序列，那么这些序列的x的物理意义是什么? 我猜可能是时间。
: 这样，就有一个采样时间间隔的问题，你的几个不同长度的序列，是否采样时间间隔是
: 一样的？e.g. 3, 5, 6, 3 这个序列采样时间是否未2月、3月、4月、5月，而你的另一
: 个序列间隔同样是1个月吗？
: 如果相同，可以比较功率谱
: 如果不相同，可以插一下值变得一样再fft.
: 如果x真的是时间，fft这些的物理意义就比较好理解，即可以观察出降雨量的周期重复
: 强弱程度（如一年周期性就会在1/12的位置有一个峰值，假设取样间隔是1个月）
: 如果不是时间，楼主要仔细考虑fft之后是否有可描述的物理意义，比如序列是针对不
| t*******e
发帖数: 216 | 14 嗯，从我的知识来说，只能根据你所说的第一段来分析，第二段相信是你的专业领域我
看得不是很懂。
我的理解，雷达实验数据是polar形，其x轴是空间，你说的规则cartisian分布，是否指
得是将一个网格的数据进行积分（或平均）来获得该点的数据值？
如果是这个意思，这也就是所谓的空间滤波。那么我在之前回文中已经对于x是空间坐标
作出了解释。你做fft得到的，应该是降水量的空间变化谱。我不太明白能量均化损失的
说法，这个能量你指得是什么？
另外分辨率越“小”，你的意思是否是“低”？
我觉得你的这个分析过程，是否是将雷达获取的模拟空间降雨数据进行数字化的过程，
如果如此，应该可以在数字信号处理的书籍中找到所谓量化误差分析等内容，希望能有
所帮助。
【在 J****T 的大作中提到】
: 谢谢LS的回复.
: 我简要说说我的问题和想法, 我要处理的是雷达观测的降雨数据,通常数据空间分布是
: polar形状的, 就是两条直线一夹角和一段弧线那种, 为了方便数据输入到水文模型,
: 都会把数据分布转成规则的Cartisian形状分布,就是正方形格点. 问题就是在转换过程
: 中这是一个能量均化,涉及能量损失的过程,理论上说, 转化后格点的分辨率越小, 能量
: 损失越多, 比如1km网格的就比250m网格的损失多.
: 我想做的用功率谱比较Information content的损失量, 因为序列长度都是一样的(一个
: 洪水过程,10天左右), 取样频率相同(1分钟), 因为雨量输入到水文模型, 水文模型相
: 当于一个low pass filter, 如果有模型这好比较, 直接输入降雨就知道差异, 但是没
: 有特定水文模型的情况下, 如何去判定不同分辨率雨量的能量大小, 然后去判断输入到
| J****T
发帖数: 29 | 15 对, 降雨量的x轴是时间. 雷达的数据分布是扇形,要将其转换成网格正方形, 就要计算
一个网格里有多少个扇形, 再根据他们叠加的面积,进行均化, 也就是加权平均. 所以
分辨率越低,所包含的扇形就越多
如果把降雨数据看成能量波,均化过程自然会有所衰减, 我就想量化这个衰减量.
我做的并不是研究雷达的反射率转成雨量这个过程的能量损失, 而是其生成雨量后,转
换空间面积所代表的雨量带来的损失.
不知我这样说会不会清楚点
否指
坐标
失的
【在 t*******e 的大作中提到】
: 嗯，从我的知识来说，只能根据你所说的第一段来分析，第二段相信是你的专业领域我
: 看得不是很懂。
: 我的理解，雷达实验数据是polar形，其x轴是空间，你说的规则cartisian分布，是否指
: 得是将一个网格的数据进行积分（或平均）来获得该点的数据值？
: 如果是这个意思，这也就是所谓的空间滤波。那么我在之前回文中已经对于x是空间坐标
: 作出了解释。你做fft得到的，应该是降水量的空间变化谱。我不太明白能量均化损失的
: 说法，这个能量你指得是什么？
: 另外分辨率越“小”，你的意思是否是“低”？
: 我觉得你的这个分析过程，是否是将雷达获取的模拟空间降雨数据进行数字化的过程，
: 如果如此，应该可以在数字信号处理的书籍中找到所谓量化误差分析等内容，希望能有
| t*******e
发帖数: 216 | 16 呵呵，我想真是应了一句话，隔行如隔山，我不是雷达方面的专家，只能现学了。不过
我大概用EE的语言来澄清一下。
看来所获的的雷达数据序列，是一个二维数组，其中一维为时间，即每分钟采样一次，
所覆盖的时间是固定的（因为洪水时间固定）；第二维是空间，而这由于雷达所获得的
数据格式带来了一定复杂度，因此你需要对这一维度进行数据调理 （这里相当于将极
坐标的雷达数据变换为笛卡尔坐标 right?）
关于能量波我理解了，这是一个便于描述的类比。
我认为我之前的解释应该没什么问题，即这是一个空间滤波的问题，也就是好比在1km
的网格内，雷达数据也许某些点的降雨量非常强，但是其他部分较弱，当你进行了滤波
之后，得到的该地区的总降雨量是一样的，但是没有办法知道那些超强降雨量的信息。
（在我的领域，我更希望将雷达一个点的数据除以面积r*dr*dphi得到单位面积内的降
雨量，即降雨量空间密度），因此在做fft之后，你所得到的就是降雨量的空间谱密度
。这样，1km的网格下，很多空间谱峰值就会被“低通滤波”掉，其实更加严格的来说
，是你把这些高频分量变成了低频分量（还是直流分量？），总降雨量是不变的，即你
对滤波前后，对整个谱（f=0 to f=+Inf)的积分量是不变的。你所研究的所谓衰减量，
实际上是针对高频段的衰减量（补偿到了低频段）。
你还提到了其中还需要带入水文模型，这个你应该需要考虑，你的水文模型是否是一个
通常意义的低通滤波，该模型是否和你所作的空间滤波一样，只是把高频谱变成了低频
分量，而总降雨量保持不变（在我的领域，这也就是所谓的能量守恒）。
最后，也是我拿不准的一点，在1分钟内的雷达数据点，不同空间位置的数据实际上意
味着到达雷达接收机的时间不同，这样时间空间坐标是不是就不相互独立，而需要时频
联合分析（joint time frequency analysis）,我只是感觉仍然独立， 这还是需要请
教其他大牛来解答吧。
【在 J****T 的大作中提到】
: 对, 降雨量的x轴是时间. 雷达的数据分布是扇形,要将其转换成网格正方形, 就要计算
: 一个网格里有多少个扇形, 再根据他们叠加的面积,进行均化, 也就是加权平均. 所以
: 分辨率越低,所包含的扇形就越多
: 如果把降雨数据看成能量波,均化过程自然会有所衰减, 我就想量化这个衰减量.
: 我做的并不是研究雷达的反射率转成雨量这个过程的能量损失, 而是其生成雨量后,转
: 换空间面积所代表的雨量带来的损失.
: 不知我这样说会不会清楚点
:
: 否指
: 坐标
| J****T
发帖数: 29 | 17 感谢你的回答,有些EE的专业术语, 看的不是很明白, 呵呵
第一段你说得对,是将极坐标的雷达数据变换为笛卡尔坐标.
虽然雷达数据表示的是点的数据, 但其所代表的面的数据由雷达波的分辨率(azimuth,
gate size)决定, 也就是你所说的降雨量空间密度, 一般来说得到的雷达降雨数据就是
代表在扇形面积内的降雨量. 当然, 离雷达越远, 扇形面积越大, 这样所代表的降雨量
精度就越低, 这个先不在这里讨论.
我对你说的总雨量不变, 高频分量变成了低频分量的说法很感兴趣,比如一个2*2的网格
.降雨量分别为2.2.2.4, 均化为一个网格后雨量就是2.5, 那就说4的高频分量变成了低
频分量2.5,补偿到其它2的网格, 类似这样吗?
水文里面也是能量守恒,就是说降雨量mm的输入到水文模型的流量输出m^3/s,总水量是
一致的.你最后一个问题, 我是觉得每个点回到接收机的时间上差别非常小, 可以忽略
不计的.
回到这个问题本身, 原来我写的那个code可以解决我的研究问题吗? 如果在某个频段,
功率谱有差别, 该怎么解释? | t*******e
发帖数: 216 | 18 空间谱高频变低频：你的理解没错。你在均化之前，这四个点是有空间不同雨量的，因
此fft后就会存在高频分量而不存在直流分量；当你均化之后再看这数据，都变成了2.5
，因此fft后就只剩下直流分量（即f = 0），空间分布没有了变化，高频分量被“滤掉
”（或者说转为直流）。
关于你的问题本身，code应该没问题，不过我不太确定你是否应该直接用amplitude
fft分析，还是必须squared fft分析。EE里处理的是电磁波，是有幅度和相位信息在里
面（A*exp(i*Omega*t+phi)），因此在不关心相位的时候，用功率谱分析A。 | J****T
发帖数: 29 | 19 我的实验结果是极坐标转为高分辨率的网格，无论是250m，500m还是1km分别都非常小
。而且power spectrum的峰值一样。那说明什么呢？
还有，降雨数据的峰值在这个频谱分析中能看出分别么？ |
|
