一种基于无人机平台任意方向斜程能见度的反演方法技术

本发明专利技术提供一种基于无人机平台任意方向斜程能见度的反演方法，其特征在于，具体步骤：S1获取激光雷达和水平能见度仪观测原始数据以及观测时段所对应的气象数据；S2对激光雷达原始信号进行订正，通过激光雷达信号不同探测距离处的信噪比获得激光雷达的最大探测距离；S3统一激光雷达最大探测距离、能见度仪、气象数据的时空分辨率；S4基于统一后的时空分辨率构建并验证神经网络模型；S5所述模型确立后，通过搭载在无人机上的激光雷达对不同方向的有效探测距离反演得到能见度。本发明专利技术能够获得不同天气条件下，不同方向上的能见度值。此外，激光雷达搭载在无人机上，可以实现灵活探测。通过不同空间位置的探测可以获得不同空间处的实时能见度数据。的实时能见度数据。的实时能见度数据。

【技术实现步骤摘要】
一种基于无人机平台任意方向斜程能见度的反演方法


[0001]本专利技术属于气象和遥感
，具体涉及一种基于无人机平台任意方向斜程能见度的反演方法。

技术介绍

[0002]大气能见度是大气稳定度和垂直结构的气象指标，对于各种交通运行、空气污染监测甚至在军事决策方面都具有决定性的意义。民航应用中将大气能见度分为水平能见度和斜程能见度。其中的斜程能见度是空间目标识别的一个重要参数，在气象分析、海陆空交通、天文观测、海雾预警等领域发挥着更为重要的作用。此外，斜程能见度与大气消光参数、观测方向、太阳天顶角等因素有关，目前还没有被深入系统的研究。因此，对斜程能见度观测的研究在大气研究、民用航空、空间探索等方面具有重要意义。

技术实现思路

[0003]本专利技术的目的是提供一种基于无人机平台任意方向斜程能见度的反演方法，从而反演得到任意空间范围下各方向能见度。
[0004]本专利技术的技术方案如下：
[0005]一种基于无人机平台任意方向斜程能见度的反演方法，具体包括如下步骤：
[0006]S1获取激光雷达和水平能见度仪观测原始数据以及观测时段所对应的气象数据；
[0007]S2对激光雷达原始信号进行订正，通过激光雷达信号不同探测距离处的信噪比获得激光雷达的最大探测距离；
[0008]S3统一激光雷达最大探测距离、能见度仪、气象数据的时空分辨率；
[0009]S4基于统一后的时空分辨率构建并验证神经网络模型；
[0010]S5所述模型确立后，通过搭载在无人机上的激光雷达对不同方向的有效探测距离反演得到能见度。
[0011]进一步的，所述S1具体为：
[0012]将能见度仪观测得到的能见度数据作为水平能见度真值；将激光雷达探测方向调整为水平，得到米散射回波原始信号；下载观测时段所对应的再分析气象数据集。
[0013]进一步的，所述S2具体为：
[0014]S21对激光雷达探测得到的原始信号依次进行背景订正、几何重叠因子overlap订正和距离订正，进行信号的去噪声处理；
[0015]进一步的，所述S21具体利用三角滤波器进行信号的去噪声处理。
[0016]S22根据信噪比公式计算出信噪比随激光雷达探测距离的分布；
[0017]进一步的，所述S22具体为：设定信噪比阈值为10，从激光雷达初始探测距离处的数据开始，十个数据为一组，若一组数据中大于阈值的个数小于6，则向上移动一个数据，再次以十个数据为一组继续判断一组数据中大于阈值的个数，直到一组数据中有6个及以上的数据大于所设阈值，取这组数据中第一个小于阈值的数据所在的探测距离为最大探测距
离。
[0018]进一步的，利用内插或者外插方法对激光雷达最大探测距离、能见度仪、气象数据进行插值以统一数据时空分辨率；其中所述再分析资料为格点数据，则需要采用邻近插值或双线性插值方法将格点值插值到对应站点。
[0019]进一步的，所述S4具体为：
[0020]S41随机选出统一分辨率后其中80％的数据用于构建和优化神经网络模型；
[0021]S42将剩余的20％数据放入所述S31得到的神经网络模型，通过比较相关系数与均方根误差验证模型的准确性。
[0022]进一步的，所述神经网络模型由输入层、隐藏层和输出层构成；所述输入和输出层由单个层组成，所述隐藏层由不同数量的层构成
[0023]进一步的，所述隐藏层的节点数是5，最大迭代次数是100，研究率是0.1，收敛阈值被认为是0.00001。
[0024]本专利技术的技术效果：
[0025]本专利技术应用机器学习技术中的神经网络模型，通过搭载在无人机上的激光雷达多角度观测，将雷达最大探测距离与气象要素数据作为模型输入，能够获得不同天气条件下，不同方向上的能见度值。此外，激光雷达搭载在无人机上，可以实现灵活探测。通过不同空间位置的探测可以获得不同空间处的实时能见度数据。为航空、军事方面飞机的起飞降落，船舶海水运行提供重要支撑和安全保障。
附图说明
[0026]附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所专利技术的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。
[0027]图1示出了本专利技术的流程示意图；
[0028]图2示出了本专利技术的神经网络模型结构示意图。
具体实施方式
[0029]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0030]参照图1所示，本专利技术所提出的反演方法，具体包括如下步骤：
[0031]步骤S1、获取激光雷达和水平能见度仪观测原始数据以及观测时段所对应的气象数据。将能见度仪观测得到的能见度数据作为水平能见度真值。调整激光雷达探测方向为水平，得到米散射回波原始信号。下载观测时段所对应的再分析气象数据集。选取不同天气条件(晴天、降水、雾、沙尘)进行多次观测，获得多组观测数据。由于气象因素也会影响能见度，下载再分析资料。2m露点温度、相对湿度RH、地表气压、2m温度、总柱状臭氧值、总柱状水汽含量、10m风速(u、v分量)、边界层高度数据。
[0032]步骤S2、对激光雷达原始信号进行订正，通过激光雷达信号不同探测距离处的信噪比获得激光雷达的最大探测距离。与能见度仪与再分析资料的时空分辨率进行统一。具
体包括：
[0033]步骤S2.1、对激光雷达探测得到的原始信号依次进行背景订正、几何重叠因子overlap订正和距离订正，利用三角滤波器进行信号的去噪声处理。
[0034]步骤S2.2、根据信噪比(SNR)公式计算出信噪比随激光雷达探测距离的分布。设定信噪比阈值为10，从激光雷达初始探测距离处的数据开始，十个数据为一组，若一组数据中大于阈值的个数小于6，则向上移动一个数据，再次以十个数据为一组继续判断一组数据中大于阈值的个数，直到一组数据中有6个及以上的数据大于所设阈值，取这组数据中第一个小于阈值的数据所在的探测距离为最大探测距离。
[0035]步骤S2.3、根据激光雷达最大探测距离、能见度仪、气象数据的时空分辨率，利用内插或者外插方法对数据进行插值以统一数据时空分辨率。其中再分析资料为格点数据，则需要采用邻近插值或双线性插值方法将格点值插值到对应站点。
[0036]步骤S3、构建并验证神经网络模型。
[0037]步骤S3.1、随机选出统一分辨率后其中80％的数据用于构建和优化神经网络模型。具体为：将雷达最大探测距离和气象数据作为神经网络模型的输入层，将能见度仪的数据作为模型的输出层，这里初步设定模型参数为三层BP神经网络系统，结构如图2所示。其中隐藏层的节点数被认为是5，最大迭代次数是100，研究率是0.1，收敛阈值被认为是0.00001。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机平台任意方向斜程能见度的反演方法，其特征在于，具体包括如下步骤：S1获取激光雷达和水平能见度仪观测原始数据以及观测时段所对应的气象数据；S2对激光雷达原始信号进行订正，通过激光雷达信号不同探测距离处的信噪比获得激光雷达的最大探测距离；S3统一激光雷达最大探测距离、能见度仪、气象数据的时空分辨率；S4基于统一后的时空分辨率构建并验证神经网络模型；S5所述模型确立后，通过搭载在无人机上的激光雷达对不同方向的有效探测距离反演得到斜程能见度。2.根据权利要求1所述的反演方法，其特征在于，所述S1具体为：将能见度仪观测得到的能见度数据作为水平能见度真值；将激光雷达探测方向调整为水平，得到米散射回波原始信号；下载观测时段所对应的再分析气象数据集。3.根据权利要求1所述的反演方法，其特征在于，所述S2具体为：S21对激光雷达探测得到的原始信号依次进行背景订正、几何重叠因子overlap订正和距离订正，进行信号的去噪声处理；S22根据信噪比公式计算出信噪比随激光雷达探测距离的分布。4.根据权利要求1所述的反演方法，其特征在于，利用三角滤波器进行信号的去噪声处理。5.根据权利要求3所述的反演方法，其特征在于，所述S22具体为：设定信噪...

【专利技术属性】
技术研发人员：刘千滔，黄忠伟，闭建荣，史晋森，
申请(专利权)人：兰州大学，
类型：发明
国别省市：