【技术实现步骤摘要】
基于RBF神经网络的航海雷达图像反演海面风速方法
本专利技术涉及属于海面风速遥感
,具体涉及一种基于RBF神经网络的航海雷达图像反演海面风速方法。
技术介绍
海面风场对航海作业和海洋动力学研究有重要的意义,且是了解海洋变化与预知风险的重要手段。海面风场信息主要包括海面风向和海面风速两个方面,本专利技术是用于反演海面风速信息的。传统的提取海面风速信息的方式主要有两大类:站点式观测和遥感反演。站点式观测通常在船上或岸边使用测风仪,但由于船体结构及船上建筑物的或是岸基等影响而产生的湍流效应,使风速测量的误差较大,不能满足实际应用。若测风仪安装在浮标上,其测量结果虽较为准确,但测得的仅是浮标位置及附近局部区域的风速信息,还易受海上天气或是海上交通的影响,在时间上和空间上缺乏连续性。现有遥感观测主要有散射计、机载或星载合成孔径雷达(SAR)和卫星高度计等。散射计存在分辨率较低的问题,卫星遥感重复采样率低,且受到云层的干扰,导致测量数据可能不是海表面所要探测的风速信息。X波段雷达具有不受光线影响、实时连续反馈和高分辨率等优点,成为现阶段风场信息获取的重要手段。目前国内外已应用X-band导航雷达实现了海面浪、流,降雨量,海面漏油面积等方面的研究。现有基于航海雷达图像反演海面风速主要算法有两种:一种是模型函数法,一种是神经网络法。Horstmann首次提出应用地球物理模型函数(GMF)得到海面风速信息,但此模型是针对SAR回波强度进行建模,不能准确表达航海雷达回波截面积(RCS)与海面风速的关系,但足已证明海 ...
【技术保护点】
1.基于RBF神经网络的航海雷达图像反演海面风速方法,其特征在于,包括如下步骤:/n步骤1,航海雷达图像数据预处理,采集航海雷达图像序列,航海雷达图像序列中包含N幅雷达图像,同时采集对应时间和位置同步传感器获得的实际风向、风速及海况信息,对每幅雷达图像进行中值滤波,抑制同频、雨雪噪声对图像的影响;/n步骤2,RBF神经网络输入层构建,对航雷达图像序列进行全局低通滤波得到海面静态特征图像,选取风条纹特征明显图像,利用风条纹尺度带通滤波器获得海面风场能量谱,结合传感器及图像信息构建RBF神经网络输入层样本;/n步骤3,RBF神经网络模型确定,对获取的海面风场能量谱平均值、海面风向、风速信息及海况信息等样本数据进行归一化映射,建立RBF神经网络框架,利用减聚类算法对样本目标矩阵选取中心,由聚类密度指数终止反向判定,得到基函数参数和扩展常数,利用递推最小二乘法获得输出层连接权值,最终确定RBF神经网络模型。/n步骤4,海面风速信息提取,对测试航海雷达图像序列得到的海面风场能量谱平均值,海面风向信息和海况信息进行归一化映射,输入到RBF神经网络模型中,得到海面风速信息。/n
【技术特征摘要】
1.基于RBF神经网络的航海雷达图像反演海面风速方法,其特征在于,包括如下步骤:
步骤1,航海雷达图像数据预处理,采集航海雷达图像序列,航海雷达图像序列中包含N幅雷达图像,同时采集对应时间和位置同步传感器获得的实际风向、风速及海况信息,对每幅雷达图像进行中值滤波,抑制同频、雨雪噪声对图像的影响;
步骤2,RBF神经网络输入层构建,对航雷达图像序列进行全局低通滤波得到海面静态特征图像,选取风条纹特征明显图像,利用风条纹尺度带通滤波器获得海面风场能量谱,结合传感器及图像信息构建RBF神经网络输入层样本;
步骤3,RBF神经网络模型确定,对获取的海面风场能量谱平均值、海面风向、风速信息及海况信息等样本数据进行归一化映射,建立RBF神经网络框架,利用减聚类算法对样本目标矩阵选取中心,由聚类密度指数终止反向判定,得到基函数参数和扩展常数,利用递推最小二乘法获得输出层连接权值,最终确定RBF神经网络模型。
步骤4,海面风速信息提取,对测试航海雷达图像序列得到的海面风场能量谱平均值,海面风向信息和海况信息进行归一化映射,输入到RBF神经网络模型中,得到海面风速信息。
2.根据权利要求1所述的基于RBF神经网络的航海雷达图像反演海面风速方法,其特征在于:
所述步骤3包括以下步骤:
步骤3.1,海面风场能量谱平均值、海面风向、风速信息及海况信息进行归一化映射;
①对获得的海面风场能量谱I(kx,ky)沿x和y轴归一化,得到能量谱均值Si:
式(1)中,i是对应的雷达图像序列数;
②获得每幅雷达图像信噪比rt,以雷达图像时间序列进行归一化,得到海况信息归一化值Ri:
式(2)中为二维波数谱经校正后的海浪谱,为雷达图像海浪信号以外的噪声谱;
③对风力计获得的海面风向信息di、海面风速信息pi,按雷达图像时间序列进行归一化,得到海面风向、风速信息归一化值Di及Pi:
步骤3.2,建立RBF神经网络框架;
①对步骤3.1获得的Si、Ri、Di和Pi的所有数据分成两个部分,一部分用于RBF神经网络模型的训练得到海面风速经验模型,另一部分用于模型的测试;
②依据海面风场与相关信息的关联性,建立RBF神经框架,
该RBF神经网络第一层输入层为信号源节点,第二层隐含层的函数是非线性基函数,非线性基函数的中心就是指实测风速,第三层是输出层,它随着输入模式的作用而响应;
③RBF输入层到隐含层是一种非线性的映射关系,它按照输入值与中心点的欧式距...
【专利技术属性】
技术研发人员:王慧,邱海洋,智鹏飞,朱琬璐,鲍晓明,
申请(专利权)人:江苏科技大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。