| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-11-23 14:40 ニューラルネットワークとパラメトリック推定法を用いた単一ドップラーライダのための高精度風ベクトル推定法 ○松尾太郎・孫 光鎬・桐本哲郎（電通大）  SANE2017-68 |
|
| 抄録 | （和） | Doppler light detection and ranging (LIDAR) systems measure the wind velocity along the line-of-sight direction by processing the frequency shift of received signals. These systems are useful tool for real-time wind monitoring during aircraft taking off and landing. A wind vector reconstruction method for a single LIDAR is essential for wind field visualization. The conventional velocity volume processing (VVP) and velocity azimuth display (VAD) methods have been developed for a single LIDAR model, which suffer from inaccuracy in the case of local air turbulence. To address with such problem, the neural network augmented parametric estimation method using typical turbulence models such as tornado and microburst, have been proposed in our research. Aiming at more accurate for vector reconstruction, this paper introduces the adaptively size optimization of analysis area into parametric approach. The proposed method enhances the accuracy for wind vector reconstruction in the turbulence case from a numerical simulation. |
| （英） | Doppler light detection and ranging (LIDAR) systems measure the wind velocity along the line-of-sight direction by processing the frequency shift of received signals. These systems are useful tool for real-time wind monitoring during aircraft taking off and landing. A wind vector reconstruction method for a single LIDAR is essential for wind field visualization. The conventional velocity volume processing (VVP) and velocity azimuth display (VAD) methods have been developed for a single LIDAR model, which suffer from inaccuracy in the case of local air turbulence. To address with such problem, the neural network augmented parametric estimation method using typical turbulence models such as tornado and microburst, have been proposed in our research. Aiming at more accurate for vector reconstruction, this paper introduces the adaptively size optimization of analysis area into parametric approach. The proposed method enhances the accuracy for wind vector reconstruction in the turbulence case from a numerical simulation. | |
| キーワード | （和） | / / / / / / / |
| （英） | Single LIDAR / Local air turbulence / Neural Network / Parametric estimation / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 321, SANE2017-68, pp. 27-31, 2017年11月. | |
| 資料番号 | SANE2017-68 | |
| 発行日 | 2017-11-16 (SANE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SANE2017-68 |
|
| 研究会情報 | |
| 研究会 | SANE |
| 開催期間 | 2017-11-23 - 2017-11-24 |
| 開催地（和） | マレーシア（ボルネオ島） |
| 開催地（英） | Malaysia (Borneo Island) |
| テーマ（和） | ICSANE2017 |
| テーマ（英） | ICSANE2017 |
| 講演論文情報の詳細 | |
| 申込み研究会 | SANE |
| 会議コード | 2017-11-SANE |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | ニューラルネットワークとパラメトリック推定法を用いた単一ドップラーライダのための高精度風ベクトル推定法 |
| サブタイトル（和） | |
| タイトル（英） | A Neural Network Augmented Parametric Estimation Method for Accurate Wind Vector Reconstruction Using Single Doppler LIDAR |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Single LIDAR |
| キーワード(2)（和/英） | / Local air turbulence |
| キーワード(3)（和/英） | / Neural Network |
| キーワード(4)（和/英） | / Parametric estimation |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 松尾 太郎 / Taro Matsuo / マツオ タロウ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 孫 光鎬 / Guanghao Sun / ソン グァンホ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | 桐本 哲郎 / Tetsuo Kirimoto / キリモト テツオ |
| 第3著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-11-23 14:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SANE |
| 資料番号 | SANE2017-68 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.321 |
| ページ範囲 | pp.27-31 |
| ページ数 | 5 |
| 発行日 | 2017-11-16 (SANE) |
[研究会発表申込システムのトップページに戻る]