【技术实现步骤摘要】
本专利技术属于海浪參数反演
，具体涉及ー种基于X波段雷达图像和粒子群优化的海表面流信息提取方法。
技术介绍
海表面流又称洋流，是海水在其内部变化及各种外界作用力的影响下而形成的大规模的相对稳定的流动。随着科学技术的发展，现有技术已经可以利用海流选择航线、发电和捕鱼等。海流对海洋中多种地质过程、物理过程、化学过程、海洋上空的气候和天气的形成及变化都有深刻的影响和制约作用，因此了解和掌握海流信息对渔业、海运、排污和军事等都有重要意义。1985年，Yong等人提出利用最小ニ乘(LSM)迭代逼近方法进行海流參数的估计，这个方法的主要思想是使理论值&床.)和由能量谱/⑶び，)计算得到真值'.⑷之间的差值的平方根达到最小。该方法的提出使得通过X波段雷达图像获得海表面流信息成为可能。2001年，Senetetal考虑海浪成像的非线性引起的高次谐波以及低采样引起的频率谱混淆现象，提出了一种迭代最小ニ乘海表面流估计算法，并给出了海表面流误差估计模型，大大提高其估算精度。2002年，Gangeskar对海表面流场的计算方法进行了改进，把谱能量作为权值參与流速的迭代运算，其推导方法也是以最小二乗法为基础，所得到的方程可直接计算流速的X和I分量，再经方向转换可以得到海表面流的大小和方向。采用基于最小ニ乘策略的海表面流估计方法虽然已经具有一定的精度，但由于最小ニ乘法的最优评估策略是固定的(即实测值与理论值的平方最小)，因此对于其估计精度受到一定影响。
技术实现思路
本专利技术方法针对现有技术采用基于最小ニ乘策略的海表面流估计方法，出现由于评估策略固定而影响估计精度的问题...
【技术保护点】
【技术特征摘要】
1.一种基于X波段雷达图像和粒子群优化的海表面流信息提取方法，其特征在干，该方法包括如下步骤 步骤一、初始化參数，所述的參数包括粒子位置、粒子速度、惯性权重的最大值和最小值、自身学习因子、全局学习因子、最大迭代次数、以及迭代停止阈值，具体是 粒子位置K =(ul，UlyJ)，其中，为第i个粒子海表面流的X，y方向分量大小，1= 1,2,..., η,表示第i个粒子，η彡I为粒子的种群数量，I表示种群代数，初始1 = 1;粒子速度 = (rx,ry)，rx,ry为服从标准正态分布的随机数；惯性权重的最大值Wmax和最小值Wmin 0 < wmax ^ 1,0 ^ Wmin彡Wmax ；自身学习因子C1 > O ;全局学习因子C2 > O ;最大迭代次数Imax ;迭代停止阀值I彡2' 步骤ニ、首先，对于每个粒子，将该粒子在第I = I代...
【专利技术属性】
技术研发人员：刘利强，戴运桃，范志超，张丽娜，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
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。