一种星载GNSS-R有效波高估计及偏差校正方法技术

技术编号:46559643 阅读:2 留言:0更新日期:2025-10-10 21:13
本发明专利技术公开一种星载GNSS‑R有效波高估计及偏差校正方法。即提出基于BayesOpt‑CNN‑Trans‑BiConvLSTM‑BiLSTM与通道空间注意力机制的星载GNSS‑R有效波高估计模型及基于BayesOpt‑BiLSTM的有效波高偏差校正模型。构建步骤和方法如下:第一,有效波高估计模型输入数据准备和有效波高偏差校正模型输入;第二,有效波高估计模型构建,构建基于BayesOpt‑CNN‑Trans‑BiConvLSTM‑BiLSTM与通道空间注意力机制的星载GNSS‑R有效波高估计模型;第三,有效波高估计偏差校正模型构建,构建一种基于贝叶斯优化的双向长短期记忆网络模型用于有效波高估计偏差校正;第四,有效波高估计及偏差校正,在测试数据集上,利用模型估计有效波高值和基于贝叶斯优化的BiLSTM模型预测有效波高差值,得到偏差校正后有效波高值。本发明专利技术能够实现高效、高精度和可靠的星载GNSS‑R有效波高数据。

【技术实现步骤摘要】

本专利技术属于人工智能与全球导航卫星系统遥感交叉应用,具体涉及一种基于智能优化与深度学习融合的星载gnss-r有效波高估计及偏差校正方法。


技术介绍

1、在海洋监测领域,有效波高(swh)的精准估计是海洋工程建设、航海安全保障以及海洋科学研究的关键环节。传统的有效波高估计方法多依赖单一物理模型或简单统计手段。例如,基于波谱分析的方法通过解析波浪频率谱来推算有效波高,但在极端海况、多向不规则波浪等复杂条件下,其受限于模型假设和数据噪声,估算精度显著下降;基于浮标测量的方法虽能提供较高精度的局部数据,但由于浮标部署成本高昂、维护难度大且空间覆盖范围有限,难以满足全球海洋动态监测的实时性与广域性需求。

2、随着人工智能技术的蓬勃发展,基于机器学习的有效波高估计方法逐渐成为研究热点。这些方法通过整合风速、波浪反射信号、海洋环境参数等多源数据构建预测模型,但仍存在诸多技术瓶颈:其一,模型超参数的设定高度依赖人工经验,缺乏自适应优化机制,导致模型在不同海况数据集上泛化能力不足;其二,对多模态数据(如遥感图像、时序信号)的特征提取手段单一,未能充分挖掘数据中本文档来自技高网...

【技术保护点】

1.一种星载GNSS-R有效波高估计及偏差校正方法,其特征在于:其方法包括以下步骤:

2.根据权利要求1所述的一种星载GNSS-R有效波高估计及偏差校正方法,其特征在于:步骤S1中,所述有效波高估计模型输入数据准备和有效波高偏差校正模型输入,数据准备,即从官网下载CYGNSS GNSS-R L1观测数据,预处理提取得到双基地散射截面,即BRCS,有效散射面积,即effective scattering area,功率时延多普勒图,即power_analog,时延多普勒图峰值平均值,即DDMA,归一化双基地散射截面,即NBRCS,前沿斜率,即LES,后沿斜率,即TES,信噪比,...

【技术特征摘要】

1.一种星载gnss-r有效波高估计及偏差校正方法,其特征在于:其方法包括以下步骤:

2.根据权利要求1所述的一种星载gnss-r有效波高估计及偏差校正方法,其特征在于:步骤s1中,所述有效波高估计模型输入数据准备和有效波高偏差校正模型输入,数据准备,即从官网下载cygnss gnss-r l1观测数据,预处理提取得到双基地散射截面,即brcs,有效散射面积,即effective scattering area,功率时延多普勒图,即power_analog,时延多普勒图峰值平均值,即ddma,归一化双基地散射截面,即nbrcs,前沿斜率,即les,后沿斜率,即tes,信噪比,即snr,等效全向辐射功率,即gps_eirp,接收机天线增益,即sp_rx_gain,入射角,即sp_inc_angle,反射点经纬度,即sp_lat,sp_lon和距离校正增益,即rcg观测变量;从ecmwf网站下载era5有效波高、era5风速;其中,从国家浮标中心,即ndbc网站下载浮标有效波高数据。

3.根据权利要求1所述的一种星载gnss-r有效波高估计及偏差校正方法,其特征在于:步骤s2有效波高估计模型构建,即构建基于bayesopt-cnn-trans-biconvlstm-bilstm与通道空间注意力机制的星载gnss-r有效波高估计模型,该模型包括:使用贝叶斯优化,即bayesian optimization,bayesopt来调整模型超参数,并融合基于卷积神经网络,即cnn模块、transformer模块、双向卷积长短期记忆网络,即bidirectional convlstm,biconvlstm、双向长短期记忆网络,即bidirectional lstm,bilstm以及通道空间注意力机制的关键特征增强模块;其中,cnn模块被用于处理三个不同的图像输入,分别是:双基地散射截面,即brcs,有效散射面积,即effective scattering a...

【专利技术属性】
技术研发人员:汪秋兰布金伟贺馨籍超颖向彤粟杨慧左小清
申请(专利权)人:昆明理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1