首页 / 专利库 / 单位和数量 / 阈值 / 基于自适应阈值选取技术的迭代海流反演方法

基于自适应阈值选取技术的迭代海流反演方法

阅读:1034发布:2020-07-27

专利汇可以提供基于自适应阈值选取技术的迭代海流反演方法专利检索,专利查询,专利分析的服务。并且本 发明 提供的是一种基于自适应 阈值 选取技术的 迭代 海流反演方法。(1)雷达图像的采集和A\D转换得到32幅原始雷达图像;(2)得到笛卡尔坐标下的图像并将其作傅里叶变换得到图像谱;(3)初始估值,仅考虑0阶次波的影响,反演得到粗略的流;(4)基于自适应阈值选取技术,考虑0、1阶次波的影响,使用平均加权最小二乘方法迭代拟合流信息。本发明能够自动识别海浪 信号 好坏,并通过迭代技术,精确的从图像谱中分离出海浪 能量 ,弥补了经验值的不足;能更好反映流的趋势;具有更小的误差和更好的 稳定性 。,下面是基于自适应阈值选取技术的迭代海流反演方法专利的具体信息内容。

1.一种基于自适应阈值选取技术的迭代海流反演方法,其特征是:
(1)雷达图像的采集和A\D转换得到32幅原始雷达图像;
(2)得到笛卡尔坐标下的图像并将其作傅里叶变换得到图像谱;
(3)初始估值,仅考虑0阶次波的影响,反演得到粗略的流;
(4)基于自适应阈值选取技术,考虑0、1阶次波的影响,使用平均加权最小二乘方法迭代拟合流信息;
所述自适应阈值选取技术为:
①在较短的时间内,海浪在时间和空间上的变化较小,近似的认为前个序列图的信噪比为本序列图的信噪比SNR;
(3)
②由3维傅里叶变换得到的图像谱F (k,ω)和信噪比SNR得到图像谱中含有的海浪能量P
其中:Nkx、Nky、Nω为谱的范围;k=(kx,ky)为波数,kx、ky分别为波数的x与y分量,Δkx、Δky为波数分辨率;ω为波浪的频率,Δω为频率分辨率;
③对图像谱中所有的能量点按照从大到小的顺序进行排序,排序后第i采样点的能量为Pi,因为海浪能量点一般较背景噪声能量点大,因此令
由上式求出用于最小二乘法的能量点数目m,第m个采样点的能量值为Pm,则Pm为迭代能量阈值Cit。

说明书全文

基于自适应阈值选取技术的迭代海流反演方法

技术领域

[0001] 本发明涉及一种遥感技术,特别涉及基于X波段导航雷达的海洋遥感技术。

背景技术

[0002] 测流仪(海流计、声学海流剖面仪)能够测量海表面的流信息,但其容易受人为或自然灾害的破坏,所以目前仅仅用于海洋科考调查中,目前我国还没有对海面流场形成实时有效的业务化监测能
[0003] X波段雷达不仅可以监视移动的目标,其工作在短脉冲模式下时,其可以测量海流和海浪信息,流速(大小、方向)的测量是X波段雷达海浪监测的关键技术。与其它海洋传感器(波浪浮标,测流仪)相比,X波段雷达探测范围更广,安全性高,维护简单等优点,可以作为波浪浮标和测流仪的替代品。国内已有多家单位就X波段雷达测流问题开展初步研究。目前,常用的海流反演技术实现如下:
[0004] (1)雷达图像的时间和空间序列g(x,y,t)经3维离散傅里叶变换到波数频率域(3)F (kx,ky,ω),其中,x,y分别表示雷达图像空间的两个分量,t表示雷达图像的时间轴,kx,ky分别为波数的x与y分量,ω为波浪的频率。
[0005] (2)由于海浪本身的波数和频率符合色散关系,如下所示:
[0006]
[0007] 其中g为重力加速度,k=(kx,ky)为波数,h为深,u为流速。
[0008] 在图像谱中选一个能量阈值C,要求能量值大于C的离散点的数目一般为数十个,使用这些的离散能量点,根据海浪本身波数和频率的特性,使用能量加权的最小二乘法拟合得到粗略的流速。
[0009] (3)首先根据得到的流速,确定0、1阶色散关系。然后根据经验选取能量阈值C1,要求C1远小于C,选取大于C1的能量离散点,然后分别判断这些点属于0阶还是1阶次波,根据能量加权最小二乘法拟合出流速,将新的流速确定新的0、1阶色散关系,重复本步骤,将得到不断准确的流速。
[0010]
[0011] 其中,p=0,1时分别对应0、1阶色散关系。
[0012] 这种方法主要存在以下不足:①X波段雷达测量得到的海表层流应该为分析的区域内平均流信息,而能量加权的最小二乘方法拟合得到的流,倾向于能量较大波的流;②依靠经验选取阈值的方法适应性不好,不同海域、海况的经验值不同,需要经过大量实验得到,通用性不好。

发明内容

[0013] 本发明的目的在于提供一种对流速测量准确,通用性好,能提高X波段雷达测量海表层流的精度的基于自适应阈值选取技术的迭代海流反演方法。
[0014] 本发明的目的是这样实现的:
[0015] (1)雷达图像的采集和A\D转换得到32幅原始雷达图像,
[0016] X波段导航雷达工作在短脉冲下,发射的电磁波与海面的毛细波发生布拉格散射,后向散射被接收机接收,视频信号经A/D转换为数字信号,两个船艏信号间的视频信号组成一幅雷达图像,选择32幅连续的雷达图像g(x,y,t),其中,x,y分别为雷达图像空间的两分量,t为时间分量;
[0017] (2)得到笛卡尔坐标下的图像并将其作傅里叶变换得到图像谱;
[0018] 在雷达图像中选择需要分析矩形框,使用最近点插值实现矩形框内雷达图像由极坐标向笛卡尔坐标转换表示为g1(x,y,t);矩形框内雷达图像序列g1(x,y,t)经离散3维傅里叶变换后成为波数频率域;
[0019]
[0020] 其中k=(kx,ky),Lx,Ly,T分别为矩形区域的长、宽和时间序列的时间总长度三维傅里叶变换后考虑都实际情况,和消除谱的180度模糊问题,只保留w>0的部分因此3维图像的能量谱为:
[0021]
[0022] (3)初始估值,仅考虑0阶次波的影响,反演得到粗略的流;
[0023] 在波数频率域中,选取数十个能量值较大的点,根据海浪信号波数和频率间的色散关系,使用平均加权的最小二乘法,拟合出流信息,基本的数学模型如下:
[0024] 为了得出表层流u,将式
[0025]
[0026] 对ux、uy求一阶偏导数,并使其为零:
[0027]
[0028]
[0029] 将上式写成矩阵的形式:
[0030]
[0031] 简写为:
[0032] Du=b
[0033] 矩阵D的元素为
[0034]
[0035]
[0036] 矢量b的元素为
[0037]
[0038] 其中,wiD=wi-ζ(ki)为了计算出流u,D必须为非奇异矩阵(det(D)≠0)即D-1是存在的,此时
[0039] u=D-1·b;
[0040] (4)基于自适应阈值选取技术,考虑0、1阶次波的影响,使用平均加权最小二乘方法迭代拟合流信息;
[0041] ①使用自适应阈值选取技术,得到阈值Cit,大于Cit的能量就包含了0阶次和1阶次海浪能量,数目为N1,利用初始估值得到的流,由式 计算0阶次和1阶次波频率;
[0042] ②判断实测到的这N1个能量点是符合0阶次还是1阶次波色散关系,若|wi-w(ki)|<|wi-w1(ki)|,则该频率符合0阶次波;若|wi-w(ki)|>|wi-w1(ki)|,则该频率符合1阶次波,将判断好的数据根据不同的极小值函数如式 应用平均最小二乘法,拟合得到新的表层流;
[0043] ③应用新的表层流构建带通滤波器,得到新的海浪信噪比,使用自适应阈值选取技术,得到新的阈值;
[0044] ④将新得到的表层流,代入式 得到新的0阶次和1阶次波频率,重复上述步骤,将得到不断精确的表层流。
[0045] 所述自适应阈值选取技术为:
[0046] ①在较短的时间内,海浪在时间和空间上的变化较小,近似的认为前个序列图的信噪比为本序列图的信噪比SNR;
[0047] ②由3维傅里叶变换得到的图像谱F(3)(k,w)和信噪比SNR得到图像谱中含有的海浪能量P
[0048]
[0049] ③对图像谱中所有的能量点按照从大到小的顺序进行排序,排序后第i采样点的能量为Pi,因为海浪能量点一般较背景噪声能量点大,因此可令
[0050]
[0051] 由上式求出用于LSM的能量点数目m,第m个采样点的能量值为Pm,则Pm为迭代能量阈值Cit。
[0052] 本发明的主要技术要点为:
[0053] (1)初始估值,获得粗略的流速(大小、方向)。假定矩形框内海浪空间均匀,时间稳定,则海浪模型符合高斯分布。当没有流速的情况下,海表面张力波和重力波的色散关系为
[0054]
[0055] 其中,ζ(k)是波频率,k是波数矢量,h是水深,g是重力加速度。如果有一个相对于雷达的表层流u,频率中就引进了多普勒频移项,色散关系变为:
[0056] S(k)=ζ+k·u=ζ+|k||u|cosθ(4)
[0057] 其中,S(k)为理论的海浪频率,k·u为多普勒频移,u=(ux,uy)是海浪场与雷达天线平台间的相对速度,包括雷达平台运动速度(比如船速)和表层流速度矢量,θ为波数k与u之间夹,当θ=90时,多普勒频移项为0,只有流u在波数k的方向上有分量时才能影响多普勒频移,当雷达平台静止时,u指的是海表层流。
[0058] 通过平均加权最小二乘法可得到粗略的流信息。平均加权的最小二乘法的极小值函数定义如式(5)所示:
[0059]
[0060] 其中,ωi为雷达观测的海浪频率,n为用于最小二乘法的能量点个数。
[0061] (2)阈值自动选取技术获得阈值Cit。
[0062] 当速较大、波高较高时,雷达图像的回波较强,海浪信号的信噪比较大,此时的数据的质量较好。反之,海浪信号信噪比较小,数据质量差。通过海浪信号的信噪比判断数据质量的好坏,依此选取阈值Cit。
[0063] 首先给出海浪图像能量信噪比的定义:
[0064]
[0065]
[0066]
[0067]
[0068]
[0069] 其中,SIG为波浪谱能量,BGN为背景噪声,F(3)是3维图像谱,F(2)(k)是2维图像谱,Nkx、Nky、Nω为谱的范围,Δkx、Δky为波数分辨率,Δω为频率分辨率,δ(ω-ω0)是带通滤波器。
[0070] 阈值自动选取方法的基本实现,结合附图7说明。
[0071] ①在较短的时间内,海浪的信噪比变化较小即在时间上是稳定的,因此假设之前得到的信噪比为本序列图的信噪比SNR。
[0072] ②由3维傅里叶变换得到的图像谱F(3)(k,w)和信噪比SNR可以得到图像谱中含有的海浪能量P。
[0073]
[0074] ③对图像谱中所有的能量点按照从大到小的顺序进行排序,排序后第i采样点的能量为Pi,因为海浪能量点一般较背景噪声能量点大,因此可令
[0075]
[0076] 由上式即可求出用于LSM的能量点数目m,第m个采样点的能量值为Pm,则Pm为迭代能量阈值Cit。
[0077] (3)基于阈值自动选取技术的迭代估值。
[0078] 在此,我们只考虑0、1阶次谐波的情况。
[0079] ①应用自适应阈值选取技术,选取阈值Cit,可以认为大于Cit的能量部分包含了0阶次和1阶次海浪能量,数目为N1。利用初始估值得到的流,分别由式(12)计算0阶次和1阶次波频率。
[0080]
[0081] p=0、1分别对应0、1阶次波的色散关系。
[0082] ②判断实测得到的这N1个能量点是属于0阶次还是1阶次波,若|wi-w(ki)|<|wi-w1(ki)|,则该频率符合0阶次波;若|wi-w(ki)|>|wi-w1(ki)|,则该频率符合1阶次波。将判断好的数据根据不同的极小值函数,应用最小二乘法,可以得到新的表层流。
[0083] ③应用新的表层流构建带通滤波器,得到新的海浪信号信噪比,应用自适应阈值选取技术,得到新的阈值。
[0084] ④将新得到的表层流,代入式(12)中,得到新的0阶次和1阶次波色散关系,重复上述步骤,将得到不断精确的表层流。
[0085] 发明的基于自动阈值选取的流反演新方法与现有技术相比的优点:
[0086] (1)不同风速和区域下雷达序列图中海浪信号的是不同的,主要是通过信噪比体现。由信噪比和图像的总能量可以计算出图像序列中海浪的能量,由此可以得出阈值。根据以上思路本发明提出了阈值自动选取技术,它能够自动识别海浪信号好坏,并通过迭代技术,精确的从图像谱中分离出海浪能量,弥补了经验值的不足。
[0087] (2)从图1、2、表1可知,当流速较大时(>0.3m/s),本发明方法的流反演结果较原方法结果具有两方面优势:①能更好反映流的趋势;②具有更小的误差和更好的稳定性
[0088] (3)流速较小时(<0.2m/s),信号较弱,从弱信号中提取流信息是一个难题。本发明的方法的反演结果较原方法已有很大的改进如图3、4、表1所示。

附图说明

[0089] 图1流速较大时,本发明中方法、原方法与现场传感器流速结果比较。
[0090] 图2流速较大时,本发明中方法、原方法与现场传感器流向结果比较。
[0091] 图3流速较小时,本发明中方法、原方法与现场传感器流速结果比较。
[0092] 图4流速较小时,本发明中方法、原方法与现场传感器流向结果比较。
[0093] 图5本发明的技术实施方案流程图
[0094] 图6基于自适应阈值选取技术的迭代流反演流程图。
[0095] 图7自适应阈值选取技术实施流程图。
[0096] 图8表1流速较大时,各方法结果统计分析。
[0097] 图9表2流速较小时,各方法结果统计分析。

具体实施方式

[0098] 下面结合图5、6、7,对本发明做更详细介绍:
[0099] (5)雷达图像的采集和A\D转换得到32幅原始雷达图像。
[0100] X波段导航雷达工作在短脉冲下,发射的电磁波与海面的毛细波发生布拉格散射,后向散射被接收机接收,视频信号经A/D转换为数字信号,两个船艏信号间的视频信号组成一幅雷达图像,在本发明中,需要使用32幅连续的雷达图像g(x,y,t),其中,x,y分别为雷达图像空间的两分量,t为时间分量。
[0101] (6)得到笛卡尔坐标下的图像并将其作傅里叶变换得到图像谱。
[0102] 在雷达图像中选择需要分析矩形框,使用最近点插值实现矩形框内雷达图像由极坐标向笛卡尔坐标转换表示为g1(x,y,t);矩形框内雷达图像序列g1(x,y,t)经离散3维傅里叶变换后成为波数频率域。
[0103]
[0104] 其中k=(kx,ky),Lx,Ly,T分别为矩形区域的长、宽和时间序列的时间总长度三维傅里叶变换后考虑都实际情况,和消除谱的180度模糊问题,我们只保留了w>0的部分因此3维图像的能量谱为:
[0105]
[0106] (7)初始估值,仅考虑0阶次波的影响,反演得到粗略的流。
[0107] 在波数频率域中,选取数十个能量值较大的点,根据海浪信号波数和频率间的色散关系,使用平均加权的最小二乘法,拟合出流信息,基本的数学模型如下:
[0108] 为了得出表层流u,将式(15)
[0109]
[0110] 对ux、uy求一阶偏导数,并使其为零:
[0111]
[0112] 将上式写成矩阵的形式:
[0113]
[0114] 简写为:
[0115] Du=b (18)
[0116] 矩阵D的元素为
[0117]
[0118]
[0119] 矢量b的元素为
[0120]
[0121] 其中,wiD=wi-ζ(ki)为了计算出流u,D必须为非奇异矩阵(det(D)≠0)即D-1是存在的,此时
[0122] u=D-1·b (21)
[0123] (8)基于自适应阈值选取技术,考虑0、1阶次波的影响,使用平均加权最小二乘方法迭代拟合流信息。结合附图6进行说明。自适应阈值选取技术具体实施详见第(5)部分。
[0124] 通过第(3)步骤初始估值得到的流速(大小、方向)是不准确的,需要考虑一阶次波的影响,使用迭代的方法提高流的反演精度,其实现方法结合附图6做如下说明:
[0125] ①使用自适应阈值选取技术,得到阈值Cit,大于Cit的能量就包含了0阶次和1阶次海浪能量,数目为N1。利用初始估值得到的流,由式(12)计算0阶次和1阶次波频率。
[0126] ②判断实测到的这N1个能量点是符合0阶次还是1阶次波色散关系,若|wi-w(Ki)|<|wi-w1(ki)|,则该频率符合0阶次波;若|wi-w(ki)|>|wi-w1(ki)|,则该频率符合1阶次波。将判断好的数据根据不同的极小值函数如式(15),应用平均最小二乘法,可以拟合得到新的表层流。
[0127] ③应用新的表层流构建带通滤波器,得到新的海浪信噪比,使用自适应阈值选取技术,得到新的阈值。
[0128] ④将新得到的表层流,代入式(12),得到新的0阶次和1阶次波频率,重复上述步骤,将得到不断精确的表层流。
[0129] (9)在上步骤中使用到自适应阈值选取技术,现结合附图7进行说明,[0130] ①在较短的时间内,海浪在时间和空间上的变化较小,因此可近似的认为前个序列图的信噪比为本序列图的信噪比SNR;
[0131] ②由3维傅里叶变换得到的图像谱F(3)(k,w)和信噪比SNR可以得到图像谱中含有的海浪能量P
[0132]
[0133] ③对图像谱中所有的能量点按照从大到小的顺序进行排序,排序后第i采样点的能量为Pi,因为海浪能量点一般较背景噪声能量点大,因此可令
[0134]
[0135] 由上式即可求出用于LSM的能量点数目m,第m个采样点的能量值为Pm,则Pm为迭代能量阈值Cit。
[0136] 将本发明提出的流反演方法应用到流速较大时的实测数据中(时间段为2009年10月06日上午10:36:00到下午16:40:00)结果如图1、2所示,统计分析结果如表1所示,可以看出本发明方法结果较原方法有更高的精度和稳定性。图3、4给出了本发明方法反演流较小时的结果(时间段为2009年10月06日上午08:16:00到09:20:00),统计结果分析见表2,可知本发明方法结果较原方法结果精度有很大的提高。
相关专利内容
标题 发布/更新时间 阅读量
阈值确定装置、阈值确定方法 2020-05-12 600
电流阈值检测器 2020-05-11 189
具有权重的阈值计算 2020-05-12 843
一种图像阈值分割算法 2020-05-12 572
一种双阈值AdaBoost分类方法 2020-05-12 287
薄体MOSFET的阈值电压调节 2020-05-13 386
阈值结账 2020-05-11 621
多阈值存储器 2020-05-11 496
表示LSP切换阈值的LDP切换阈值TLV 2020-05-12 632
多阈值比较电路 2020-05-11 663
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈