一种基于微波链路多统计量的自适应干湿区分方法技术

本发明专利技术公开了一种基于微波链路多统计量的自适应干湿区分方法，采用统计学的手段分析链路衰减数据的统计参量与干湿时刻的关联程度，以关联程度为准则，自适应选取关联度高的统计参量作为特征向量，利用支持向量机等分类算法实现了对天气变化过程中的干湿区分。本发明专利技术的自适应干湿区分方法能够利用微波链路信号变化对干湿时刻进行区分，可以有效实现对天气的连续监测，对于进一步提高微波链路测雨精度、提升微波链路测雨方法的应用效益等具有重要的意义。

【技术实现步骤摘要】
一种基于微波链路多统计量的自适应干湿区分方法
本专利技术涉及一种气象信息处理与应用领域，具体涉及一种基于微波链路多统计量的自适应干湿区分方法。
技术介绍
作为与人民生活密切相关的对流层中最活跃的天气现象之一，降水现象密切关系着人们的生活，随着与各种气象水文相关的业务不断地开展，不仅仅是气象领域，越来越多的领域对于获取降水相关的信息有了越来越高的需求。同时，在气象保障越来越精细化的趋势下，人们对于降水信息的质量也有了更高的要求。因此实时、准确并精细地监测降水，无论在气象水文研究还是政府预警决策中都具有至关重要的意义近年来，利用微波频段通讯信号中的衰减信息来测量降水的手段被提出，随着通信领域的发展，微波信号基站的分布范围越来越广，在缺少专用的气象设备的条件下，利用这些信号收发站的信号变化信息进行大范围的降水监测，能够极大地节约成本。目前，许多微波信号中干扰因素，如湿天线效应的干扰、信号的多尺度扰动、电平信号中参考基线的时间分布不规律等问题在商业微波链路中十分普遍，限制了微波链路应用于监测降水。
技术实现思路
专利技术目的：本专利技术针对大部分通信链路接收信号存在复杂时间分布规律，干湿时刻难以准确区分，导致雨衰基准值难以准确提取、雨强反演精度受限的问题，提出一种基于微波链路多统计量的自适应干湿区分方法，本专利技术采用统计学的手段分析微波链路观测数据衰减统计参量与下雨(湿天气)/不下雨(干天气)之间的相关性，并选择其中相关性高的统计参量作为特征向量，建立多统计参量的自适应干湿区分方法，为进一步提高微波链路测雨精度、提升微波链路测雨方法的应用效益提供基础技术支撑。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种基于微波链路多统计量的自适应干湿区分方法，采用统计学的手段分析链路衰减数据的统计参量与干湿时刻的关联程度，以关联程度为准则，自适应选取关联度高的统计参量作为特征向量，利用支持向量机等分类算法实现了对天气变化过程中的干湿区分，具体包括以下步骤：步骤1：分析微波链路信号衰减数据与干湿时刻的关联程度：步骤1.1，计算微波链路信号的统计参量。步骤1.2，选取与干湿时刻关联程度高的统计参量组成支持向量机分类算法的特征向量。步骤2：选择有效微波链路：以链路衰减数据与干湿时刻相关性为指标，选择相关程度高的链路进行干湿区分。步骤3：建立基于微波链路多统计量的自适应干湿区分方法：步骤3.1，利用历史观测数据组成训练数据集xT,i和yT,i，xT,i为由统计参量组成的特征向量，yT,i为干、湿标签值。步骤3.2，构造并求解凸二次规划问题的最优解：上式求解得到α*，式中K(·)为核函数，α*表示凸二次问题最优解，N表示训练集样本数量，αi表示拉格朗日乘子，yT,i表示干湿标签，C表示惩罚参数，取值为>0。步骤3.3，计算得到分类函数的权向量w*：步骤3.4，计算分类函数权向量b：步骤3.5，构建分类函数：其中，表示凸二次问题最优解。优选的：统计参量包括微波链路信号的衰减均值、极小值、极大值。优选的：当f(x)＝1时，表示分类结果为湿时刻，当f(x)＝-1时，表示分类结果为干时刻。本专利技术相比现有技术，具有以下有益效果：本专利技术提出的一种基于微波链路多统计量的自适应干湿区分方法，采用统计学的手段分析链路衰减数据的统计参量与干湿时刻的关联程度，自适应选取关联度高的统计参量作为特征向量，利用相关分类算法建立干湿区分方法。本专利技术不仅利用信号衰减的时序变化，而且还结合信号在不同时间尺度上的统计特征，以关联程度为自适应选择统计量和有效链路的准则，可以有效挖掘可以信息，不仅可以得到单条链路上的天气干湿情况，通过微波链路组网，还可以实现对天气干湿和晴雨等区域分布的灵敏监测。附图说明图1为一种基于微波链路多统计量的自适应干湿区分方法的实施流程图；图2为一种基于微波链路多统计量的自适应干湿区分方法的实现效果图。具体实施方式下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。一种基于微波链路多统计量的自适应干湿区分方法，为了进一步提高微波链路测雨的效果，采用统计学的手段分析微波链路观测数据衰减统计参量与降雨的相关性，并选择其中相关性高的统计参量作为特征向量，以支持向量机理论为例，如图1所示，包括以下步骤：步骤1：分析微波链路信号衰减数据与干湿时刻的关联程度：步骤1.1，计算微波链路信号的衰减均值、极小值、极大值等统计参量。步骤1.2，研究并选择几种与干湿时刻关联程度高的统计参量组成支持向量机分类算法的特征向量。步骤2：选择有效微波链路：由于微波链路的易受到其他因素的影响导致，降低降雨与链路衰减数据的关联程度，以链路衰减数据与干湿时刻相关性为指标，选择相关程度高的链路进行干湿分类。步骤3：以支持向量机理论为例，建立基于微波链路多统计量的自适应干湿区分方法：步骤3.1，利用历史观测数据组成训练数据集xT,i和yT,i，xT,i为由统计参量组成的特征向量，yT,i为干、湿标签值。步骤3.2，构造并求解凸二次规划问题的最优解：上式求解得到α*，式中K(·)为核函数，C>0为惩罚参数，α*表示凸二次问题最优解，N表示训练集样本数量，αi表示拉格朗日乘子，yT,i表示干湿标签，C表示惩罚参数，取值为>0。步骤3.3，计算得到分类函数的权向量w*：步骤3.4，计算分类函数权向量b：步骤3.5，构建分类函数：其中，表示凸二次问题最优解。当f(x)＝1时，表示分类结果为湿时刻，当f(x)＝-1时，表示分类结果为干时刻，分类结果如图2所示。本专利技术的自适应干湿区分方法能够利用微波链路信号变化对干湿时刻进行区分，可以有效实现对天气的连续监测，对于进一步提高微波链路测雨精度、提升微波链路测雨方法的应用效益等具有重要的意义。虽然上述说明描述了完整的实施例，包括链路衰减数据与干湿时刻的关联程度分析方法、基于微波链路多统计量的干湿识别方法，但并不局限于上述举例。本领域的技术人员，在本专利技术的实质范围内做出的变型、修改或替换，都应属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于微波链路多统计量的自适应干湿区分方法，其特征在于，包括以下步骤：/n步骤1：分析微波链路信号衰减数据与干湿时刻的关联程度：/n步骤1.1，计算微波链路信号的统计参量；/n步骤1.2，选取与干湿时刻关联程度高的统计参量组成支持向量机分类算法的特征向量；/n步骤2：选择有效微波链路：以链路衰减数据与干湿时刻相关性为指标，选择相关程度高的链路进行干湿区分。/n步骤3：建立基于微波链路多统计量的自适应干湿区分方法：/n步骤3.1，利用历史观测数据组成训练数据集x

【技术特征摘要】
1.一种基于微波链路多统计量的自适应干湿区分方法，其特征在于，包括以下步骤：
步骤1：分析微波链路信号衰减数据与干湿时刻的关联程度：
步骤1.1，计算微波链路信号的统计参量；
步骤1.2，选取与干湿时刻关联程度高的统计参量组成支持向量机分类算法的特征向量；
步骤2：选择有效微波链路：以链路衰减数据与干湿时刻相关性为指标，选择相关程度高的链路进行干湿区分。
步骤3：建立基于微波链路多统计量的自适应干湿区分方法：
步骤3.1，利用历史观测数据组成训练数据集xT,i和yT,i，xT,i为由统计参量组成的特征向量，yT,i为干、湿标签值；
步骤3.2，构造并求解凸二次规划问题的最优解：






上式求解得到α*，式中K...

【专利技术属性】
技术研发人员：刘西川，宋堃，贺彬晟，胡帅，高太长，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43