Modelling synthetic atmospheric turbulence profiles with temporal variation using Gaussian mixture model
Modelling synthetic atmospheric turbulence profiles with temporal variation using Gaussian mixture model
复制标题
使用高斯混合模型对具有时间变化的合成大气湍流剖面进行建模
DOI：
10.1093/mnras/sty1951
复制
发表时间：
2018
影响因子：
4.8
通讯作者：
Jia P
中科院分区：
文献类型：
--
作者：
Jia P
大气湍流廓线对于评价宽视场自适应光学系统的性能有着重要的作用。由于大气湍流是不断演化的，湍流廓线会随着时间的推移而变化。为了更好地模拟湍流廓线的时间变化，本文建议使用一个观测点的广泛的STEREO-SCIDAR湍流廓线数据集来训练高斯混合模型。训练好的高斯混合模型可以用多个多维高斯分布来描述该特定位置的湍流轮廓结构。我们用高斯混合模型对湍流廓线数据进行了聚类，并分析了聚类的时间变化特性。我们将特征时间定义为测量的湍流轮廓保持在给定轮廓中的时间。我们发现，正常情况下，特征时间在2-20分钟左右，并且会在不同的地点和不同的季节发生变化。利用特征时间的统计结果和训练好的高斯混合模型，我们可以生成具有真实时间变化的人工合成湍流轮廓，以更好地测试自适应光学系统的性能。
The atmospheric turbulence profile plays a very important role for performance evaluation of wide-field adaptive optic systems. Since the atmospheric turbulence is evolving, the turbulence profile will change with time. To better model the temporal variation of turbulence profile, in this paper, we propose to use the extensive stereo-SCIDAR turbulence profile dataset from one observation site to train a Gaussian mixture model. The trained Gaussian mixture model can describe the structure of the turbulence profile in that particular site with several multidimensional Gaussian distributions. We cluster the turbulence profile data with the Gaussian mixture model and analyse the temporal variation properties of the clusters. We define the characteristic time as the time that the measured turbulence profile remains in a given profile. We find that normally the characteristic time is around 2 to 20 min and will change at different sites and in different seasons. With the statistical results of the characteristic time and the trained Gaussian mixture model, we can generate synthetic artificial turbulence profiles with realistic temporal variation to better test the performance of adaptive optics systems.
登录
查看更多内容
激光导星多共轭自适应光学器件的整个天空的天空覆盖建模。
影响因子：
1.9
作者：
Lianqi Wang;D. Andersen;B. Ellerbroek
通讯作者：
B. Ellerbroek
影响因子：
7
作者：
Vrieze, Scott I.
通讯作者：
Vrieze, Scott I.
影响因子：
4.8
作者：
H. Shepherd;J. Osborn;R. Wilson;T. Butterley;R. Avila;V. Dhillon;T. Morris
通讯作者：
H. Shepherd;J. Osborn;R. Wilson;T. Butterley;R. Avila;V. Dhillon;T. Morris
断层摄影自适应光学中相位空间协方差矩阵测量的时间收敛
DOI：
--
发表时间：
2012
期刊：
Other Conferences
影响因子：
--
作者：
O. Martin;E. Gendron;G. Rousset;F. Vidal
通讯作者：
F. Vidal
达勒姆极大望远镜自适应光学模拟平台。
影响因子：
1.9
作者：
Basden A
通讯作者：
Basden A