CN104977583A - 一种基于经验正交分解的x波段雷达海浪反演方法 - Google Patents

Abstract

本发明提供一种基于经验正交分解的X波段雷达海浪反演方法，具体过程为：利用X波段雷达回波数据构建协方差矩阵；对协方差矩阵进行经验正交函数分解，通过判定得到主要模态的特征向量以及特征根；建立浪高He与主模态的特征根以及雷达回波的平均信噪比SNR之间的关系式，利用仿真或实测数据进行拟合，得到关系式系数；建立浪向Di与主模态的特征向量的相位之间的关系式，并利用仿真或者实测数据拟合，得到关系式的系数；根据所建立的浪高和浪向的关系式，进行实时海浪参数反演。该方法与现有的谱分析反演算法形成互补，提高X波段雷达海浪反演的精度。

Description

一种基于经验正交分解的X波段雷达海浪反演方法

技术领域

本发明属于无线电海洋遥感和数字信号处理技术领域，具体涉及一种基于经验正交分解的X波段雷达海浪反演方法，它主要适用于提高X波段海浪反演结果的准确性和可靠性。

背景技术

X波段雷达在近三十年来逐步发展成为一种用于海洋环境监测的新手段。当X波段测波雷达电磁波入射到海面时，那些与雷达波长相当的、由风引起的毛细波产生Bragg散射，后向散射回波被雷达接收器接收，形成“海杂波”，而波长较长的重力波通过对毛细波的流体动力调制、倾斜调制、阴影调制作用表现在海杂波图像上，因此，X波段测波雷达图像包含着丰富的海洋动力学参数信息。对此雷达回波图像进行分析可以找到与海洋表面动力学过程(风、浪、流)相对应的特征，由此即可提取和反演出海面动力学要素值。利用X波段测波雷达进行海洋监测具有便捷、可靠、经济、实时和分辨率高等特点，具有广阔的应用前景，被认为是一种能实现对海洋进行有效监测的高科技手段。

目前主流的海浪反演算法对雷达图像序列先进行3维FFT变换，以获得相对海浪方向谱，然后利用海浪方向谱计算得到海浪的主波周期和主波向等信息。由于海流的存在，使得回波图像功率谱由于多普勒效应而产生频移。同时由于各种干扰的存在，利用谱变换的方法反演得到的海浪结果总存在一定的误差。

发明内容

有鉴于此，本发明的目的在于提出一种基于经验正交分解的X波段雷达海浪反演方法，该方法与现有的谱分析反演算法形成互补，提高X波段雷达海浪反演的精度。

实现本发明的技术方案如下：

一种基于经验正交分解的X波段雷达海浪反演方法，具体过程为：

步骤一、利用X波段雷达回波数据构建协方差矩阵；

步骤二、对协方差矩阵进行经验正交函数分解，通过判定得到主要模态的特征向量以及特征根；

步骤三、建立浪高He与主模态的特征根λ₁-λ_l以及雷达回波的平均信噪比SNR之间的关系式，利用仿真或实测数据进行拟合，得到关系式系数a₁～a_l和c₁；

$He=a_1{\mathrm{\λ}}_1+a_2{\mathrm{\λ}}_2+...+a_l{\mathrm{\λ}}_l+c_1\sqrt{SNR}$

步骤四、建立浪向Di与主模态的特征向量的相位均值∠Φ₁～∠Φ_l之间的关系式，并利用仿真或者实测数据拟合，得到关系式的系数b₁～b_l；

Di＝b₁∠Φ₁+b₂∠Φ₂+...+b_l∠Φ_l

步骤五、根据所建立的浪高和浪向的关系式，进行实时海浪参数反演，当更换观测海域或者运行时间超过30天时重复上述步骤得到新的关系式的系数。

进一步地，本发明所述步骤一构建协方差矩阵的过程为：

首先，选取同一位置的X波段雷达连续转动N转得到的N幅雷达回波数据；

其次，对N幅雷达回波数据进行距平处理；

再次，计算处理后N幅雷达回波数据的协方差矩阵。

进一步地，本发明所述步骤二的具体过程为：

首先，利用经验正交分解计算协方差矩阵的特征根和特征向量，并将所述特征根按照从大到小的顺序排序；

其次，设特征根的累积方差贡献率的阈值为S，利用阈值S与特征根的累积方差进行比较，判断出主要模态的特征根及特征向量。

有益效果

第一，本发明利用经验正交分解，不依赖于先验知识，且具有很好的鲁棒性。

第二，本发明通过建立主要模态的特征根和浪高的关系以及主要模态的特征向量和浪向的关系来反演海浪，使得本发明反演得到的海浪结果准确，且本发明对各种干扰有一定的抑制效果。

第三，本发明不仅适用于岸基X波段测波雷达，还适用于船载X波段测波以及其它各种通过回波数据进行海浪反演的雷达；本发明具有算法简单高效，占用资源少的优点。

附图说明

图1为利用X波段雷达回波构建经验正交分解所需的数据矩阵的示意图；

图2为本发明方法的流程图。

具体实施方式

下面结合附图对本发明作进一步详细的说明，具体实施方式如下：

如图2所示，一种基于经验正交分解的X波段雷达海浪反演方法，具体过程为：

一、在得到X波段雷达回波图像后，选取如附图1中所示的长和宽分别为L×M的面元(L和M分别为选取的X波段雷达回波图像在X方向和Y方向的像素点)，然后选取同一位置的X波段雷达连续转动N转得到的N幅雷达回波图像，构成大小为(L×M，N)的矩阵，记L×M＝P，进行后续分析的雷达回波可以表示为H(X_m，T_n)。其中，X_m＝(x，y)，m＝1～P，代表P个空间点的坐标，n＝1～N，代表时间序列长度为N，T₁-T_n代表X波段雷达连续转动N转得到的N幅雷达图像。

二、对H(X_m，T_n)进行距平处理，即对每个空间点上的X波段雷达回波的时间序列做减去这个时间序列的均值的处理，将处理完后的X波段雷达回波仍记为H(X_m，T_n)。

三、计算H(X_m，T_n)的协方差矩阵R(X_i，X_m)，其中i＝1，2…，P；

$R(X_i,X_m)=\frac{1}{N}\underset{n=1}{\overset{N}{\Σ}}H(X_i,T_n)H^{*}(X_m,T_n)---\left(1\right)$

四、利用经验正交分解来计算R(X_i，X_m)的特征根λ和特征向量Φ(X_m)，使得二者满足下式：

$\underset{m=1}{\overset{P}{\mathrm{\Σ}}}R(X_i,X_m)\mathrm{\Φ}\left(X_m\right)=\mathrm{\λ}\mathrm{\Φ}\left(X_i\right)---\left(2\right)$

式(2)中Φ(X_m)和λ均为P×P维的矩阵，其中Φ(X_m)的每一列之间都是相互正交的。λ具有以下的形式：

$\mathrm{\λ}=\left[\begin{array}{cccc}{\mathrm{\λ}}_1& 0& ...& 0\\ 0& {\mathrm{\λ}}_2& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& {\mathrm{\λ}}_p\end{array}\right]---\left(3\right)$

式(3)中特征根是按从大到小顺序排列，即λ₁＞λ₂＞…＞λ_P，每个特征值对应着Φ(X_m)中的一列特征向量值，也称为一个模态。

五、设特征根的累积方差贡献率的阈值为S，根据所述S来判断主要模态数的个数，设判定出的主要模态数为l个；其中较佳取阈值S为80％。

六、建立浪高与前l个模态的特征根以及雷达回波的平均信噪比SNR之间的关系式，并利用仿真或者实测数据通过最小二乘拟合等方法得到关系式的系数，建立的浪高与前l个模态的特征根之间的关系式如下：

$He=a_1{\mathrm{\λ}}_1+a_2{\mathrm{\λ}}_2+...+a_l{\mathrm{\λ}}_l+c_1\sqrt{SNR}---\left(5\right)$

七、建立浪向与前l个模态的特征向量的相位之间的关系式，并利用仿真或者实测数据通过最小二乘拟合等方法得到关系式的系数，建立的浪向与前l个模态的特征向量的相位之间的关系式如下：

Di＝b₁∠Φ₁+b₂∠Φ₂+...+b_l∠Φ_l    (6)

式(6)中∠Φ₁表示特征根λ₁所对应的特征向量Φ₁的相位的均值。

八、进行实时海浪参数反演，当更换观测海域或者运行时间超过30天时重复上述步骤以得到新的关系式系数。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于经验正交分解的X波段雷达海浪反演方法，其特征在于，具体过程为：

步骤一、利用X波段雷达回波数据构建协方差矩阵；

步骤二、对协方差矩阵进行经验正交函数分解，通过判定得到主要模态的特征向量以及特征根；

步骤三、建立浪高He与主模态的特征根λ₁～λ_l以及雷达回波的平均信噪比SNR之间的关系式，利用仿真或实测数据进行拟合，得到关系式系数a₁～a_l和c₁；

$He=a_1{\mathrm{\λ}}_1+a_2{\mathrm{\λ}}_2+...+a_1{\mathrm{\λ}}_1+c_1\sqrt{SNR}$

步骤四、建立浪向Di与主模态的特征向量的相位均值∠Φ₁～∠Φ_l之间的关系式，并利用仿真或者实测数据拟合，得到关系式的系数b₁～b_l；

Di＝b₁∠Φ₁+b₂∠Φ₂+...+b_l∠Φ_l

步骤五、根据所建立的浪高和浪向的关系式，进行实时海浪参数反演。

2.根据权利要求1所述基于经验正交分解的X波段雷达海浪反演方法，其特征在于，所述步骤一构建协方差矩阵的过程为：

首先，选取同一位置的X波段雷达连续转动N转得到的N幅雷达回波数据；

其次，对N幅雷达回波数据进行距平处理；

再次，计算处理后N幅雷达回波数据的协方差矩阵。

3.根据权利要求1所述基于经验正交分解的X波段雷达海浪反演方法，其特征在于，所述步骤二的具体过程为：

首先，利用经验正交分解计算协方差矩阵的特征根和特征向量，并将所述特征根按照从大到小的顺序排序；

其次，设特征根的累积方差贡献率的阈值为S，利用阈值S与特征根的累积方差进行比较，判断出主要模态的特征根及特征向量。

4.根据权利要求1所述基于经验正交分解的X波段雷达海浪反演方法，其特征在于，所述拟合为采用最小二乘法实现。

5.根据权利要求3所述基于经验正交分解的X波段雷达海浪反演方法，其特征在于，所述阈值S为80％。

6.根据权利要求1所述基于经验正交分解的X波段雷达海浪反演方法，其特征在于，当更换观测海域或者运行时间超过预设天数时，重新计算新的关系式系数，建立浪高和浪向的关系式。