基于小波分析的多分辨率大气数据建模方法技术

本发明专利技术公开了一种基于小波分析的多分辨率大气数据建模方法，包括以下几个步骤：步骤一：获取飞行器需要的大气环境区域；步骤二：选取小波函数和边界延拓方式；步骤三：根据步骤二中选取的小波函数，构建二维空间的小波变换基函数；步骤四：对大气环境数据进行小波变换；步骤五：确定小波系数筛选阈值；步骤六：加入小波系数的细节部分进行小波逆变换，生成多分辨率大气环境数据模型。本发明专利技术有效快速的实现大气数据的多分辨率建模，提升设备的存储效率，改善运算效能。

【技术实现步骤摘要】

本专利技术属于航空气象环境
，尤其设及航空气象环境中大气数据建模技术 领域，具体是一种。
技术介绍
恶劣气象环境会严重影响飞行器的安全飞行和任务完成。由于机载计算机的计算 能力和传感器性能的要求，W及战场态势的多变性，快速性是军事航路规划需要考虑的重 要性能，而大气数据在航路规划中的表示方法会直接影响机载计算机的存储量和计算量， 为了减少存储和计算负担，设计一种多分辨率大气数据建模方法对实际军事应用有重要意 义。 飞行器在不同飞行条件下对大气数据的分辨率要求不同。当飞行器进行低空突防 或在机场跑道附近处于着陆或起飞阶段时，由于飞行速度较低，易受大气环境的影响，则需 要分辨率较高的大气数据，当飞行器在平坦地形上空运动时，地形对大气流动的影响变化 较小，则可采用分辨率较低的大气数据。大气环境的多分辨率模型在很大程度上取决于其 时空场域特征。从逼真地反映特定区域和特定时间段内的大气环境状况的角度考虑，如果 大气环境随时间和空间变化比较剧烈，则适宜采用较高分辨率的环境数据。但在实际应用 中，一方面难W实时获取最高分辨率的大气环境数据，另一方面，一直采用最高分辨率的大 气环境数据降低计算效率，在很多情况下可能需要的是较为宏观的多分辨率层次的大气环 境数据，如何在不影响大气数据建模质量的同时对数据进行适当的简化并能高效的实现存 储查询是实际应用中需要解决的问题。
技术实现思路
本专利技术的目的是为了解决上述问题，针对现有飞行器在飞行过程中对大气环境数 据的快速存储查询的实际问题，提出一种，利 用小波分析技术，提取出海量、多尺度的大气数据集的基本特征并通过小波系数来表达，对 数据作相应的处理后就能够得到对数据集的多分辨率的表示，提高了飞行器在飞行过程中 对大气环境数据的存储查询效率。 一种，包括W下几个步骤： 步骤一；获取飞行器需要的大气环境区域； 步骤二：选取小波函数和边界延拓方式；[000引步骤S ;根据步骤二中选取的小波函数，构建二维空间的小波变换基函数； 步骤四：对大气环境数据进行小波变换； 步骤五：确定小波系数筛选阔值； 步骤六；加入小波系数的细节部分进行小波逆变换，生成多分辨率大气环境数据 模型； 本专利技术的优点在于： (1)有效快速的实现大气数据的多分辨率建模，提升设备的存储效率，改善运算效 能； (2)提供大气环境区域的多分辨率宏观表达，实现不同层次分辨率模型的快速构 建； (3)提高了飞行器在飞行过程中对大气环境数据的存储查询效率。【附图说明】 图1是基于小波分析的多分辨率大气数据建模流程图； 图2是原始温度场效果图； 图3是一级分辨率温度场效果图； 图4是二级分辨率温度场效果图。【具体实施方式】 下面将结合附图和实施例对本专利技术作进一步的详细说明。 本专利技术方法的主要思想是；将大气环境的数据结构定义为在一片大气区域D中， 选择恰当的坐标系并按X轴和Y轴对区域进行网格划分后，在相应的网格点狂，巧上的采 样数据即为对应的大气属性Z。规则格网的大气环境数据可W看成是一个二维的有关大气 属性的信号场，信号场中，某些区域大气属性变化较为剧烈，而某些区域变化较为缓慢。对 大气环境数据进行小波变换后，提取出高频信号和低频信号，其中高频信号是大气属性快 变的细节部分，低频信号是大气属性慢变的总体水平部分。对变换后的细节部分进行适当 的滤波即能够得到多分辨率的大气环境数据模型。 本专利技术是一种，流程如图1所示，包 括W下几个步骤： 步骤一；获取飞行器需要的大气环境区域。 步骤1. 1 ;将飞行器所处的=维环境空间区域，从高度方向上分解为不同层次的 二维欧氏空间，所得到的二维欧氏空间即为所需要的大气环境区域； 步骤1. 2 ;将得到的二维欧氏空间根据地形高程和飞行器可飞行高度，划分为障 碍区和非障碍区，并确定飞行器的初始位置和目标位置，对原始数字地形高程图中第i点 位置Xi表示如下：【主权项】1. 一种，包括以下几个步骤： 步骤一：获取飞行器需要的大气环境区域； 步骤1. 1 :将飞行器所处的三维环境空间区域，从高度方向上分解为不同层次的二维 欧氏空间，所得到的二维欧氏空间即为所需要的大气环境区域； 步骤1. 2 :将得到的二维欧氏空间根据地形高程和飞行器可飞行高度，划分为障碍区 和非障碍区，并确定飞行器的初始位置和目标位置，对原始数字地形高程图中第i点位置Xi 表示如下：其中，0:表示障碍物空间，：F表示非障碍物空间，21表示位置Xi的地形高程，H表示飞行 器的可飞行高度； 步骤1. 3 :将环境区域归一化为单位方形区域，并进行网格划分； 步骤二：选取小波函数和边界延拓方式； 选取Haar小波，选取小波函数和边界延拓方式； 步骤三：根据步骤二中选取的小波函数，构建二维空间的小波变换基函数； 具体包括以下几个步骤： 步骤3. 1 :选取一维空间的Haar基本小波，将Haar基本小波通过伸缩和平移操作得到 一组形状相似的小波，得到一维空间的Haar小波基函数：其中，j表示分辨率等级，2']表示伸缩因子，i表示平移量，φ/(X)，ψ/0)分别表示伸缩 和平移后的Haar尺度函数和Haar母小波函数，X表示一维空间的位置变量； 步骤3. 2 :由一维空间的Haar小波基函数构造二维空间的Haar小波基函数如下：其中，（x，y)表示二维空间的位置变量，m，η为二维空间两个方向的位置标号； 表示二维空间的Haar尺度函数，Ψ&0,)/)表示在η方向的Haar母小波函数， Ψ?ηΟ,y)表示在m方向的Haar母小波函数，(X,)/)表示在对角线方向的Haar母小波 函数； 步骤四：对大气环境数据进行小波变换； 所述步骤四中对大气环境数据进行小波变换的方法具体是： 步骤4. 1 :对原始数据进行读取和分块处理，选取出感兴趣的大气环境区域，将大气环 境数据表示成当前区域内有效格点（XDyi)对应数据值Zi的数据格式； 步骤4. 2 :选取边界延拓方式对上述大气环境数据进行边界延拓处理； 步骤4. 3 :对大气环境数据的二维小波变换通过一维基底函数的张量积来实现，从一 维的多分辨率函数空间通过张量积得到二维的多分辨率函数空间，方法具体过程为：先对 大气环境数据矩阵的各行进行一次一维小波行变换、将所得的结果再进行一维小波列变 换，或者交替的在行和列上施行一维小波变换得到大气环境数据的小波系数； 步骤五：确定小波系数筛选阈值； 所述步骤五确定小波系数筛选阈值的方法具体是： 步骤5. 1 :根据原始数据和最低分辨率数据建立分辨率等级划分，并确定对应的小波 系数筛选阈值； 步骤5. 2 :根据大气属性变化的剧烈程度来确定模型分辨率等级，按分辨率等级采用 插值的方法获得相应的阈值； 步骤六：加入小波系数的细节部分进行小波逆变换，生成多分辨率大气环境数据模 型； 所述步骤六加入小波系数的细节部分进行小波逆变换的方法具体是： 步骤6. 1:根据步骤五中计算出的阈值，将步骤四中所得的大气环境数据的小波系数 与阈值进行对比，保留位于阈值之间的小波系数； 步骤6. 2 :加入保留下来的全部小波系数的细节部分进行数据重构，生成多分辨率的 大气环境数据模型。【专利摘要】本专利技术公本文档来自技高网...

【技术保护点】
一种基于小波分析的多分辨率大气数据建模方法，包括以下几个步骤：步骤一：获取飞行器需要的大气环境区域；步骤1.1：将飞行器所处的三维环境空间区域，从高度方向上分解为不同层次的二维欧氏空间，所得到的二维欧氏空间即为所需要的大气环境区域；步骤1.2：将得到的二维欧氏空间根据地形高程和飞行器可飞行高度，划分为障碍区和非障碍区，并确定飞行器的初始位置和目标位置，对原始数字地形高程图中第i点位置Xi表示如下：其中，表示障碍物空间，表示非障碍物空间，zi表示位置Xi的地形高程，H表示飞行器的可飞行高度；步骤1.3：将环境区域归一化为单位方形区域，并进行网格划分；步骤二：选取小波函数和边界延拓方式；选取Haar小波，选取小波函数和边界延拓方式；步骤三：根据步骤二中选取的小波函数，构建二维空间的小波变换基函数；具体包括以下几个步骤：步骤3.1：选取一维空间的Haar基本小波，将Haar基本小波通过伸缩和平移操作得到一组形状相似的小波，得到一维空间的Haar小波基函数：φij(x)=2jφ(2jx-i),ψij(x)=2jψ(2jx-i)j=0,1,...Jmaxand i=0,1,...,2j-1---(2)]]>其中，j表示分辨率等级，2j表示伸缩因子，i表示平移量，分别表示伸缩和平移后的Haar尺度函数和Haar母小波函数，x表示一维空间的位置变量；步骤3.2：由一维空间的Haar小波基函数构造二维空间的Haar小波基函数如下：Φm,nj(x,y)=φmj(x)φnj(y)Ψm,n1,j(x,y)=φmj(x)ψnj(y)Ψm,n2,j(x,y)=ψmj(x)φnj(y)Ψm,n3,j(x,y)=ψmj(x)ψnj(y)---(3)]]>其中，(x,y)表示二维空间的位置变量，m,n为二维空间两个方向的位置标号；表示二维空间的Haar尺度函数，表示在n方向的Haar母小波函数，表示在m方向的Haar母小波函数，表示在对角线方向的Haar母小波函数；步骤四：对大气环境数据进行小波变换；所述步骤四中对大气环境数据进行小波变换的方法具体是：步骤4.1：对原始数据进行读取和分块处理，选取出感兴趣的大气环境区域，将大气环境数据表示成当前区域内有效格点(xi,yi)对应数据值zi的数据格式；步骤4.2：选取边界延拓方式对上述大气环境数据进行边界延拓处理；步骤4.3：对大气环境数据的二维小波变换通过一维基底函数的张量积来实现，从一维的多分辨率函数空间通过张量积得到二维的多分辨率函数空间，方法具体过程为：先对大气环境数据矩阵的各行进行一次一维小波行变换、将所得的结果再进行一维小波列变换，或者交替的在行和列上施行一维小波变换得到大气环境数据的小波系数；步骤五：确定小波系数筛选阈值；所述步骤五确定小波系数筛选阈值的方法具体是：步骤5.1：根据原始数据和最低分辨率数据建立分辨率等级划分，并确定对应的小波系数筛选阈值；步骤5.2：根据大气属性变化的剧烈程度来确定模型分辨率等级，按分辨率等级采用插值的方法获得相应的阈值；步骤六：加入小波系数的细节部分进行小波逆变换，生成多分辨率大气环境数据模型；所述步骤六加入小波系数的细节部分进行小波逆变换的方法具体是：步骤6.1:根据步骤五中计算出的阈值，将步骤四中所得的大气环境数据的小波系数与阈值进行对比，保留位于阈值之间的小波系数；步骤6.2：加入保留下来的全部小波系数的细节部分进行数据重构，生成多分辨率的大气环境数据模型。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王江云，鲍乐庭，张翟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11