System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及月壤随机建模,尤其涉及一种基于分形噪声的非均质月壤随机建模方法、设备及介质。
技术介绍
1、自古以来,人类便对外太空抱有无限的好奇与向往,作为距离地球最近的天体,月球自然便成为了人类迈向宇宙的第一步,探索月球对于人们认识生命、地球、太阳系以至整个宇宙起源和演化有着重要意义。通过探测月球的内部构造,人们可以了解月球的演化历史、地质构造及地质运动等方面。雷达技术是探测月球的一个重要手段,我国的“嫦娥三号”和“嫦娥四号”搭载的探月雷达实现了对月表的探测,为我们研究月壤及其以下结构提供了可能。
2、目前针对探月雷达数据的研究多是通过双曲线拟合算法进行介电常数反演,然而该方法仍局限于相对简单的地下环境,其反演出来的介电常数精度并不理想。近年来,随着算力水平的提高,深度学习发展迅速,在各个领域都有了一席之地,然而缺少大量有标注数据是将深度学习技术应用到探月雷达数据反演上的最大阻碍。
技术实现思路
1、本专利技术的目的在于:为了解决上述
技术介绍
中所提到的问题,提供一种可以生成大量探月雷达数据所需的标签数据的基于分形噪声的非均质月壤随机建模方法、设备及介质。
2、本申请的上述目的是通过以下技术方案得以实现的:
3、s1:参考月壤样品的测试结果,确定月壤相对介电常数的第一范围;
4、s2:基于分形噪声的方法,生成噪声幅度值服从标准高斯正态分布的二维随机数矩阵,得到空间域的二维白噪声图像;
5、s3:通过傅里叶变换将空间域的二维白噪
6、s4:计算空间域的二维白噪声图像x方向的频率和y方向的频率,通过所述频率以及分形噪声的方法中的分形维数d,构建滤波器;将滤波器与频率域图像相乘进行滤波;
7、s5:将滤波后的频率域图像进行傅里叶逆变换,转换到空间域,得到空间域图像;
8、s6:通过整体缩放以及平移,将空间域图像的范围调整至第一范围,更新空间域图像的每个点的值并作为月壤相对介电常数,完成非均质月壤模型的创建。
9、可选的,步骤s2包括:
10、生成功率密度为常数的二维白噪声图像,即二维白噪声图像的噪声幅度z值服从高斯分布,如下:
11、z~n(μ,σ2)
12、二维白噪声图像的噪声幅度z值的概率密度函数为:
13、
14、其中,σ为总体标准差,其值为1;μ为总体均值,其值为0;π为3.14159,e为2.71828;z表示z值中的一部分,为一个点;z值可以是二维数组或矩阵。
15、可选的,步骤s3包括:
16、使用二维傅里叶变换将二维白噪声图像从空间域变换到频率域,得到频率域图像,计算公式为:
17、
18、其中,m为空间域的二维白噪声图像的长,n为空间域的二维白噪声图像的高,f(u,v)表示频率域图像,u是空间域x方向上的空间频率,v是空间域y方向上的空间频率,u的范围是[0,m-1],v的范围是[0,n-1];f(x,y)表示空间域的二维白噪声图像,x表示空间域图像x轴坐标;y表示空间域图像y轴坐标,x的范围是[0,m-1],y的范围是[0,n-1]。
19、可选的,步骤s4包括:
20、滤波器构建公式为:
21、
22、其中,xfreq表示空间域的二维白噪声图像x方向上的频率,wx表示x方向上的权重;yfreq表示空间域的二维白噪声图像y方向上的频率,wy表示y方向上的权重;b为与分形维数d相关的常数
23、将滤波器与频率域图像相乘进行滤波,表达式如下:
24、f′(u,v)=f(u,v)*filter
25、其中,f(u,v)表示频率域图像,f′(u,v)表示滤波后的频率域图像。
26、可选的,步骤s5包括:
27、将滤波后的频率域图像进行傅里叶逆变换,从频率域转回到空间域,计算公式为:
28、
29、其中,f′(u,v)表示滤波后的频率域图像,u是空间域x方向上的空间频率,v是空间域y方向上的空间频率,u的范围是[0,m-1],v的范围是[0,n-1];f′(x,y)表示滤波后的空间域图像,x表示空间域图像x轴坐标;y表示空间域图像y轴坐标,x的范围是[0,m-1],y的范围是[0,n-1];m为空间域图像的长,n为空间域图像的高。
30、可选的,步骤s6包括:
31、通过调整空间域图像的整体数据范围[min,max],更新空间域图像的每一个点的月壤相对介电常数,计算公式为:
32、
33、其中,vi为空间域图像的第i点处的原始值,v′i为空间域图像的第i点处更新后的月壤相对介电常数;vmin表示空间域图像的最小值;vmax表示空间域图像的最大值。
34、一种电子设备,包括处理器、存储器、用户接口及网络接口,所述存储器用于存储指令,所述用户接口和网络接口用于给其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述电子设备执行一种基于分形噪声的非均质月壤随机建模方法。
35、一种计算机可读存储介质,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行一种基于分形噪声的非均质月壤随机建模方法。
36、本申请提供的技术方案带来的有益效果是:
37、参考月壤样品的测试结果,确定月壤相对介电常数的第一范围;基于分形噪声的方法生成二维白噪声图像,并构建滤波器;通过滤波器对傅里叶变换后的二维白噪声图像进行滤波,将滤波后的频率域图像进行傅里叶逆变换,转换到空间域,得到空间域图像,过整体缩放以及平移,将空间域图像的范围调整至第一范围,更新空间域图像的每个点的值并作为月壤相对介电常数,月壤相对介电常数即为非均质月壤模型,即为探月雷达训练数据所需的标签数据。基于分形噪声的方法,将月壤相对介电常数的第一范围确定为准确的常数,能够快速生成大量贴近真实情况的月壤模型,为深度学习反演探月雷达数据提供大量有标签的训练数据。
本文档来自技高网...【技术保护点】
1.一种基于分形噪声的非均质月壤随机建模方法,其特征在于,方法包括以下步骤:
2.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤S2包括:
3.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤S3包括:
4.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤S4包括:
5.如权利要求4所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤S5包括:
6.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤S6包括:
7.一种电子设备,其特征在于,包括处理器(501)、存储器(505)、用户接口(503)及网络接口(504),所述存储器(505)用于存储指令,所述用户接口(503)和网络接口(504)用于给其他设备通信,所述处理器(501)用于执行所述存储器(505)中存储的指令,以使所述电子设备(500)执行如权利要求1-6任意一项所述的方法。
8.一种计算机可读存储介质,其特征在
...【技术特征摘要】
1.一种基于分形噪声的非均质月壤随机建模方法,其特征在于,方法包括以下步骤:
2.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤s2包括:
3.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤s3包括:
4.如权利要求1所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤s4包括:
5.如权利要求4所述的一种基于分形噪声的非均质月壤随机建模方法,其特征在于,步骤s5包括:
6.如权利要求1所述的一种基于分形噪声的非...
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。