43、射电望远镜:原理、挑战与主要设施

射电望远镜:原理、挑战与主要设施

1. 射电望远镜的基本原理与阵列特性

1.1 相控阵与单口径的等效性

相控阵由 n 个面积为 Atot/n 的单元组成,其形成的效果与面积为 Atot 的单口径相同。因此,对单碟望远镜估算的信噪比(S/N)也适用于相同面积的相控阵。当考虑单碟望远镜焦平面附近点接收到的辐射,或者改变单碟指向角度 Δθ 时接收到的辐射,对于子单元的信号而言,相当于将所有延迟改变 B·cos(Δθ),其中 B 是距离碟/阵列中心的距离。通过对信号施加适当的延迟,就可以形成指向天空不同方向的多个波束。

1.2 信号检测与相关项分析

所有子单元信号总和的检测功率为 ((\sum Vi)^2 = \sum(Vi)^2 + \sum(Vi \cdot Vj))。第一项是自相关之和,代表每个单元的总功率;第二项是所有单元间可能的互相关之和。自相关之和包含了来自天空、大气和地面的所有辐射,但这些在单元间是不相关的,因此不影响互相关。只有来自天文源的信号是相关的。自相关项可能非常大,并且会受到系统增益变化以及来自大气和地面辐射变化的影响,这使得检测微弱天文信号变得困难。Ryle 和 Vonberg 在 1946 年发明相位开关时,从干涉仪响应中去除了这一成分,其结果等同于现代相关干涉仪阵列,即只通过模拟或数字方式测量乘积项。

1.3 阵列灵敏度分析

单碟望远镜的灵敏度公式为:
(\Delta S = \frac{2KT_{sys}}{A_{tot}}\sqrt{\tau\Delta\nu} = \frac{2kT_{sys}}{A_i}\sqrt{n^2\tau\Delta\nu})
其中

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值