[发明专利]一种基于局部线性嵌入算法的GNSS-R海冰检测方法及装置

说明书

本发明提供了一种基于局部线性嵌入算法的GNSS‑R海冰检测方法及装置，所述方法包括：对获取的延迟多普勒频移图像数据集进行预处理，筛选合适数据进行调整并生成数据集；搭建用于降维的局部线性嵌入算法；搭建分类器并完成训练与测试；以及利用训练并测试好的分类器对数据集中的数据进行预测，完成海冰与海水的分类。本发明提供的基于局部线性嵌入算法的GNSS‑R海冰检测方法及装置可实现对海冰与海水的分类，降低了数据处理量，缩短了数据处理时间并具有极高的准确率。

技术领域

本发明涉及海洋气象监测技术领域，具体地，涉及一种基于局部线性嵌入算法的GNSS-R海冰检测方法及装置。

背景技术

全球卫星导航系统(Global Navigation Satellite System，GNSS)经历了几十年的发展，已经在国家的社会、军事和经济生活发挥越来越重要的作用。GNSS不仅可以为用户提供导航定位信息、授时等功能，其反射信号也可以被接收与处理，利用GNSS反射信号进行目标遥感测量的技术，被称为GNSS-R技术，利用GNSS经过反射后的信号对反射面的物理特性和参数进行反演已经成为导航应用领域的新的研究热点，主要应用包括海面高度、海浪、海风、海水盐度、海冰、土壤湿度、森林覆盖、移动目标探测等。其中海冰探测是探索、检测海洋重要参数之一，也是海洋气象监测和预报领域一直的关注重点。

由于在海冰上收集到的扩散系数比在海水上收集到的扩散系数要小，因此，在扩散系数中具有高归一化值的扩散系数像素的数量被认为是检测标准，即根据多普勒频移和时间延迟图像(Delay Doppler Map，DDM)进行海冰探测主要有两种途径，一种是通过评估分布式数据处理和波形中的相干性的方式对海冰的存在性进行验证，另一种是直接利用获取的DDM图像来判别海冰。

现有的海冰检测方法基本都是利用从星载接收机上获取的DDM，当转化为图像进行处理时，会出现数据量增大，降低处理速度，以使用卷积神经网络技术进行海冰检测为例，使用DDM图像作为输入数据，处理时间一般在两个小时以上，但直接使用原始数据，处理时间一般在四十分钟以内，严重限制利用星载接收机数据对海冰的检测效率。并且由于数据形式为图像，在传输中会出现数据失真，失效等问题。实际实验中，对于海冰的检测需要极高的实时性，使用原始数据和转化的DDM图片数据的处理速度无法满足。针对以上可能出现的问题，提出基于局部线性嵌入算法的GNSS-R海冰检测方法，对原始数据进行降维，将二维的数据转化为一维数据，通过对一维数据进行特征提取，进一步降低数据量，将大批量数据的处理时间缩短到十分钟，单个数据的处理时间缩短到1秒以内，完成对于海冰检测时的实时性，提高海冰检测效率。

发明内容

针对现有技术中的缺陷，本发明的目的在于提供一种可实现对海冰与海水的分类并可降低数据处理量、具有极高准确率的基于局部线性嵌入算法的GNSS-R海冰检测方法及装置。

为解决上述问题，本发明的技术方案为：

一种基于局部线性嵌入算法的GNSS-R海冰检测方法，所述方法包括以下步骤：

对获取的延迟多普勒频移图像数据集进行预处理，筛选合适数据进行调整并生成数据集；

搭建用于降维的局部线性嵌入算法；

搭建分类器并完成训练与测试；以及

利用训练并测试好的分类器对数据集中的数据进行预测，完成海冰与海水的分类。

可选地，所述对获取的延迟多普勒频移图像数据集进行预处理，筛选合适数据进行调整并生成数据集的步骤具体包括：获取星载接收机上的延迟多普勒频移功率谱数据集，筛选出具备完整特征的延迟多普勒频移功率谱，对筛选出来的延迟多普勒频移功率谱进行噪底处理，减少噪声的干扰，并进行多普勒积分，获得积分延迟波形，对积分延迟波形进行归一化，将归一化的积分延迟波形和类型标签放入数据集中。