CN113031013B - 一种星载gnss-r海冰边界探测方法及系统 - Google Patents

一种星载gnss-r海冰边界探测方法及系统 Download PDF

Info

Publication number
CN113031013B
CN113031013B CN202110235496.0A CN202110235496A CN113031013B CN 113031013 B CN113031013 B CN 113031013B CN 202110235496 A CN202110235496 A CN 202110235496A CN 113031013 B CN113031013 B CN 113031013B
Authority
CN
China
Prior art keywords
sea
determining
satellite
distance
waveform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110235496.0A
Other languages
English (en)
Other versions
CN113031013A (zh
Inventor
杨东凯
张国栋
王峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110235496.0A priority Critical patent/CN113031013B/zh
Publication of CN113031013A publication Critical patent/CN113031013A/zh
Application granted granted Critical
Publication of CN113031013B publication Critical patent/CN113031013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G01S13/955—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on satellite
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种星载GNSS‑R海冰边界探测方法和系统。该星载GNSS‑R海冰边界探测方法，依据所述星载时延‑多普勒映射数据，采用K‑means聚类方法确定海水聚类中心波形和海冰聚类中心波形，在获取待探测海域的卫星信号后，确定卫星信号与所述海水和海冰聚类中心波形间的欧氏距离，然后，根据确定的欧氏距离间的关系，确定海域类型，最后，根据获取的所述镜面反射点位置和所述海域类型确定待探测海域的海冰边界位置，以使整个探测过程具有算法简单、探测精度高等特点。

Description

一种星载GNSS-R海冰边界探测方法及系统
技术领域
本发明涉及海洋监测技术领域，特别是涉及一种星载GNSS-R海冰边界探测方法与系统，具体而言其是一种基于K-means聚类算法的星载GNSS-R海冰边界探测方法与系统。
背景技术
利用GNSS反射信号进行海洋遥感是卫星遥感技术的新型技术之一，具有信源多、重量轻、扩频处理、应用面宽等优势。全球导航卫星系统-反射(Global NavigationSatellite system-Reflected，GNSS-R)技术通过采用岸基、机载以及空载的特殊接受设备接受GNSS直射信号以及经反射面散射的回波信号，通过协同处得到反射面内时延多普勒单元对应的反射信号二维相关功率，然后通过一定的反演方法得出地球表面散射面的物理参数信息。
相比于岸基近海岸探测，星载探测具有范围广，可全球覆盖和高时空分辨率等优势，同时还可同步、快速获取地面信息，实现全天候、全天时、宽覆盖的全球地表参数反演。随着微卫星组网技术的发展，利用卫星对全球海冰监测已经逐渐成为一种重要的工具，通过对卫星观测区域数据的分析，可以有效提高海冰灾害的预警预报，并对海冰的发展态势做长期的调研跟踪。由英国成功发射的UK-DMC和UK-TDS-1卫星提供了大量的导航卫星反射信号数据，对利用星载GNSS-R技术进行海冰边界探测提供了很好的数据保障。
但是采用现有的星载GNSS-R技术进行海冰边界探测过程中，存在探测精度低、计算过程复杂等问题。
发明内容
为解决现有技术存在的上述问题，本发明提供了一种星载GNSS-R海冰边界探测方法及系统。
为实现上述目的，本发明提供了如下方案：
一种星载GNSS-R海冰边界探测方法，包括：
获取星载时延-多普勒映射数据；
依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形；
获取待探测海域的卫星信号；
确定所述卫星信号与所述海水聚类中心波形间的欧氏距离，记为第一距离；
确定所述卫星信号和海冰聚类中心波形间的欧氏距离，记为第二距离；
根据所述第一距离和所述第二距离间的关系，确定海域类型；所述海域类型包括：海水和海冰；
获取卫星的轨道参数数据，并根据所述轨道参数数据确定对应时间内的镜面反射点位置；
根据所述镜面反射点位置和所述海域类型确定待探测海域的海冰边界位置。
优选地，所述依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形，具体包括：
根据所述星载时延-多普勒映射数据得到一维时延相关功率波形；
采用自适应阈值法，根据所述一维时延相关功率波形得到时延映射的有效区；
采用K-means聚类方法，根据所述时延映射的有效区确定所述海水聚类中心波形和所述海冰聚类中心波形。
优选地，所述采用自适应阈值法，根据所述一维时延相关功率波形得到时延映射的有效区，具体包括：
获取所述一维时延相关功率波形中各功率值的平均值；
以所述一维时延相关功率波形中峰值功率对应的时延坐标为中心，向所述一维时延相关功率波形的两侧扩展确定首次低于所述平均值的点，则两侧首次低于所述平均值的点间的区域即为所述时延映射的有效区。
优选地，所述根据所述第一距离和所述第二距离间的关系，确定海域类型，具体包括：
判断所述第一距离是否大于所述第二距离，得到判断结果；
当所述判断结果为第一距离大于第二距离时，则确定所述海域类型为海水；
当所述判断结果为所述第一距离小于第二距离时，则确定所述海域类型为海冰。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的星载GNSS-R海冰边界探测方法，依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形，在获取待探测海域的卫星信号后，确定卫星信号与所述海水和海冰聚类中心波形间的欧氏距离，然后，根据确定的欧氏距离间的关系，确定海域类型，最后，根据获取的所述镜面反射点位置和所述海域类型确定待探测海域的海冰边界位置，以使整个探测过程具有算法简单、探测精度高等特点。
对应于上述提供的星载GNSS-R海冰边界探测方法，本发明还提供了如下系统结构：
一种星载GNSS-R海冰边界探测系统，包括：
时延-多普勒映射数据获取模块，用于获取星载时延-多普勒映射数据；
聚类中心波形确定模块，用于依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形；
卫星信号获取模块，用于获取待探测海域的卫星信号；
第一距离确定模块，用于确定所述卫星信号与所述海水聚类中心波形间的欧氏距离，记为第一距离；
第二距离确定模块，用于确定所述卫星信号和海冰聚类中心波形间的欧氏距离，记为第二距离；
海域类型确定模块，用于根据所述第一距离和所述第二距离间的关系，确定海域类型；所述海域类型包括：海水和海冰；
镜面反射点位置确定模块，用于获取卫星的轨道参数数据，并根据所述轨道参数数据确定对应时间内的镜面反射点位置；
海冰边界位置确定模块，用于根据所述镜面反射点位置和所述海域类型确定待探测海域的海冰边界位置。
优选地，所述聚类中心波形确定模块具体包括：
一维时延相关功率波形确定单元，用于根据所述星载时延-多普勒映射数据得到一维时延相关功率波形；
有效区确定单元，用于采用自适应阈值法，根据所述一维时延相关功率波形得到时延映射的有效区；
聚类中心波形确定单元，用于采用K-means聚类方法，根据所述时延映射的有效区确定所述海水聚类中心波形和所述海冰聚类中心波形。
优选地，所述有效区确定单元，具体包括：
平均值获取子单元，用于获取所述一维时延相关功率波形中各功率值的平均值；
有效区确定子单元，用于以所述一维时延相关功率波形中峰值功率对应的时延坐标为中心，向所述一维时延相关功率波形的两侧扩展确定首次低于所述平均值的点，则两侧首次低于所述平均值的点间的区域即为所述时延映射的有效区。
优选地，所述海域类型确定模块，具体包括：
判断单元，用于判断所述第一距离是否大于所述第二距离，得到判断结果；
第一海域类型确定单元，用于当所述判断结果为第一距离大于第二距离时，则确定所述海域类型为海水；
第二海域类型确定单元，用于当所述判断结果为所述第一距离小于第二距离时，则确定所述海域类型为海冰。
因本发明提供的星载GNSS-R海冰边界探测系统所达到的技术效果与上述提供的星载GNSS-R海冰边界探测方法所达到的技术效果相同，因此，在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的星载GNSS-R海冰边界探测方法的流程图；
图2为本发明实施例提供的采用星载GNSS-R海冰边界探测方法进行海冰边界探测的流程图；
图3为本发明实施例提供的星载GNSS-R海水和海冰的K-means聚类波形示意图；
图4为本发明实施例提供的UK-TDS-1卫星DDM数据海冰边界探测结果图；
图5为本发明提供的星载GNSS-R海冰边界探测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种具有算法简单适合星载平台搭载、探测精度高等特点的星载GNSS-R海冰边界探测方法及系统。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图2所示，本发明提供的星载GNSS-R海冰边界探测方法，包括：
步骤100：获取星载时延-多普勒映射数据。
步骤101：依据星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形。
步骤102：获取待探测海域的卫星信号。
步骤103：确定卫星信号与海水聚类中心波形间的欧氏距离，记为第一距离。
步骤104：确定卫星信号和海冰聚类中心波形间的欧氏距离，记为第二距离。
步骤105：根据第一距离和第二距离间的关系，确定海域类型。海域类型包括：海水和海冰。
步骤106：获取卫星的轨道参数数据，并根据轨道参数数据确定对应时间内的镜面反射点位置。
步骤107：根据镜面反射点位置和海域类型确定待探测海域的海冰边界位置。
其中，步骤101具体包括：
步骤1011：根据星载时延-多普勒映射数据得到一维时延相关功率波形。具体的，由得到的星载DDM(Delay-DopplerMap，时延-多普勒映射)数据提取出对应的一维时延相关功率波形DM(DelayMap，时延映射)，可表示为：
<|YDM(τ)|2>＝<|YDDM(τ,f0)|2>
其中，<|YDDM(τ,f0)|2>为散射信号的二维时延多普勒相关功率，<|YDDM(τ)|2>为散射信号的一维时延相关功率，f0为<|YDDM(τ，f)|2>取峰值时的多普勒频率，τ为时间延迟。
步骤1012：采用自适应阈值法，根据一维时延相关功率波形得到时延映射的有效区。自适应阈值调整算法的基本思想是以DM平均值为参考，从镜面反射点处(即DM峰值功率所对应的时延坐标)向两侧扩展寻找首次低于平均值的点，记为(τL,DML)、(τR,DMR)，两点间的DM数据即为有效的相关功率值，即步骤1012具体包括：
获取一维时延相关功率波形中各功率值的平均值。
以一维时延相关功率波形中峰值功率对应的时延坐标为中心，向一维时延相关功率波形的两侧扩展确定首次低于平均值的点，则两侧首次低于平均值的点间的区域即为时延映射的有效区。
步骤1013：采用K-means聚类方法，根据时延映射的有效区确定海水聚类中心波形和海冰聚类中心波形。得到的聚类中心波形如图2所示，从图2中可以看出，海水和海冰的聚类中心波形有着明显的差别。
其中，海冰和海水K-means聚类中心求解的具体算法如下：
1、任意选取k个参考点作为k个聚类中心，即Ccj＝DMij,c＝{1,2,…,k}。
2、计算
3、对于每一个参考点i，找到最小的dic，将第i个参考点归为第c类。
4、重新计算个聚类中心，/>
5、如果k个中心均没发生变化，则算法终止，如果有中心发生变化，则重新计算算法的第2到5步，直至个中心均没发生变化。
其中，DMij表示第i个反射信号DM的第j个信号强度值，Ccj表示第c个子类的第j个DM的信号强度值，dic表示第i个参考点与第c个子类中心的欧氏距离。
步骤105具体包括：
判断第一距离是否大于第二距离，得到判断结果。
当判断结果为第一距离大于第二距离时，则确定海域类型为海水。
当判断结果为第一距离小于第二距离时，则确定海域类型为海冰。
其中，第一距离和第二距离的计算公式为：
其中，DI和DS分别为海冰和海水的聚类中心。
通过计算d1和d2距离来判断海面的类型，具体为：
下面以具体实施案例，对采用本发明提供的星载GNSS-R海冰边界探测方法进行海冰边界探测的效果进行说明。
参见图4，采用UK-TDS-1卫星的GPS反射信号数据采用本发明提供的星载GNSS-R海冰边界探测方法进行基于K-means聚类的星载GNSS-R海冰边界探测。图4(a)部分和图4(b)部分中的两组数据分别为2016年04月03日和2016年04月19日的DDM，对应的镜面反射点贯穿格陵兰岛区域，依次经过海水-海冰。从图4中可以看出，通过K-means聚类方法能够很好的将海水和海冰进行区分，与美国国家海冰中心提供的海冰边界位置的误差为2.532km。
参见表1，将同时期的美国海冰中心提供的星载GNSS-R海冰边界探测方法探测得到的海冰分布图与卫星经过的镜面反射点作对比分析，并统计相应的数据量，海冰检测概率根据p＝D1/D2×100％来计算，其中D1为由采用本发明提供的得到的数据量，D2为美国海冰中心提供的数据量。从图5中可以看出，海冰检测概率均在95％以上。
表1本发明(K-means方法)探测结果与美国海冰中心数据对比表
基于以上内容，本发明提供的星载GNSS-R海冰边界探测方法相较于现有技术具有以下优点：
1)、本发明将K-means聚类算法用于海水和海冰分类，利用镜面反射点估计算法估计镜面反射点位置，综合两者实现海冰边界探测功能。算法复杂度低，消耗的运算资源少，适合星载平台搭载。
2)、本发明提出的DM有效区概念，可以有效地剔除DDM中由接收天线、信号传输环境变化以及接收机仪器等因素带来的噪声。
3)、本发明缩短了建模和探测时间，能够有效的提升海水和海冰的识别率。
此外，对应于本发明提供的星载GNSS-R海冰边界探测方法，本发明还提供了一种星载GNSS-R海冰边界探测系统，如图5所示，该星载GNSS-R海冰边界探测系统包括：时延-多普勒映射数据获取模块1、聚类中心波形确定模块2、卫星信号获取模块3、第一距离确定模块4、第二距离确定模块5、海域类型确定模块6、镜面反射点位置确定模块7和海冰边界位置确定模块8。
其中，时延-多普勒映射数据获取模块1用于获取星载时延-多普勒映射数据。
聚类中心波形确定模块2用于依据星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形。
卫星信号获取模块3用于获取待探测海域的卫星信号。
第一距离确定模块4用于确定卫星信号与海水聚类中心波形间的欧氏距离，记为第一距离。
第二距离确定模块5用于确定卫星信号和海冰聚类中心波形间的欧氏距离，记为第二距离。
海域类型确定模块6用于根据第一距离和第二距离间的关系，确定海域类型。海域类型包括：海水和海冰。
镜面反射点位置确定模块7用于获取卫星的轨道参数数据，并根据轨道参数数据确定对应时间内的镜面反射点位置。
海冰边界位置确定模块8用于根据镜面反射点位置和海域类型确定待探测海域的海冰边界位置。
进一步，上述聚类中心波形确定模块2具体包括：一维时延相关功率波形确定单元、有效区确定单元和聚类中心波形确定单元。
其中，一维时延相关功率波形确定单元用于根据星载时延-多普勒映射数据得到一维时延相关功率波形。
有效区确定单元用于采用自适应阈值法，根据一维时延相关功率波形得到时延映射的有效区。
聚类中心波形确定单元用于采用K-means聚类方法，根据时延映射的有效区确定海水聚类中心波形和海冰聚类中心波形。
进一步，上述有效区确定单元优选具体包括：平均值获取子单元和有效区确定子单元。
其中，平均值获取子单元用于获取一维时延相关功率波形中各功率值的平均值。
有效区确定子单元用于以一维时延相关功率波形中峰值功率对应的时延坐标为中心，向一维时延相关功率波形的两侧扩展确定首次低于平均值的点，则两侧首次低于平均值的点间的区域即为时延映射的有效区。
进一步，上述海域类型确定模块6具体包括：判断单元、第一海域类型确定单元和第二海域类型确定单元。
其中，判断单元用于判断第一距离是否大于第二距离，得到判断结果。
第一海域类型确定单元用于当判断结果为第一距离大于第二距离时，则确定海域类型为海水。
第二海域类型确定单元用于当判断结果为第一距离小于第二距离时，则确定海域类型为海冰。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种星载GNSS-R海冰边界探测方法，其特征在于，包括：
获取星载时延-多普勒映射数据；
依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形；
获取待探测海域的卫星信号；
确定所述卫星信号与所述海水聚类中心波形间的欧氏距离，记为第一距离；
确定所述卫星信号和海冰聚类中心波形间的欧氏距离，记为第二距离；
根据所述第一距离和所述第二距离间的关系，确定海域类型；所述海域类型包括：海水和海冰；
获取卫星的轨道参数数据，并根据所述轨道参数数据确定对应时间内的镜面反射点位置；
根据所述镜面反射点位置和所述海域类型确定待探测海域的海冰边界位置；
所述根据所述第一距离和所述第二距离间的关系，确定海域类型，具体包括：
判断所述第一距离是否大于所述第二距离，得到判断结果；
当所述判断结果为第一距离大于第二距离时，则确定所述海域类型为海水；
当所述判断结果为所述第一距离小于第二距离时，则确定所述海域类型为海冰。
2.根据权利要求1所述的星载GNSS-R海冰边界探测方法，其特征在于，所述依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形，具体包括：
根据所述星载时延-多普勒映射数据得到一维时延相关功率波形；
采用自适应阈值法，根据所述一维时延相关功率波形得到时延映射的有效区；
采用K-means聚类方法，根据所述时延映射的有效区确定所述海水聚类中心波形和所述海冰聚类中心波形。
3.根据权利要求2所述的星载GNSS-R海冰边界探测方法，其特征在于，所述采用自适应阈值法，根据所述一维时延相关功率波形得到时延映射的有效区，具体包括：
获取所述一维时延相关功率波形中各功率值的平均值；
以所述一维时延相关功率波形中峰值功率对应的时延坐标为中心，向所述一维时延相关功率波形的两侧扩展确定首次低于所述平均值的点，则两侧首次低于所述平均值的点间的区域即为所述时延映射的有效区。
4.一种星载GNSS-R海冰边界探测系统，其特征在于，包括：
时延-多普勒映射数据获取模块，用于获取星载时延-多普勒映射数据；
聚类中心波形确定模块，用于依据所述星载时延-多普勒映射数据，采用K-means聚类方法确定海水聚类中心波形和海冰聚类中心波形；
卫星信号获取模块，用于获取待探测海域的卫星信号；
第一距离确定模块，用于确定所述卫星信号与所述海水聚类中心波形间的欧氏距离，记为第一距离；
第二距离确定模块，用于确定所述卫星信号和海冰聚类中心波形间的欧氏距离，记为第二距离；
海域类型确定模块，用于根据所述第一距离和所述第二距离间的关系，确定海域类型；所述海域类型包括：海水和海冰；
镜面反射点位置确定模块，用于获取卫星的轨道参数数据，并根据所述轨道参数数据确定对应时间内的镜面反射点位置；
海冰边界位置确定模块，用于根据所述镜面反射点位置和所述海域类型确定待探测海域的海冰边界位置；
所述海域类型确定模块，具体包括：
判断单元，用于判断所述第一距离是否大于所述第二距离，得到判断结果；
第一海域类型确定单元，用于当所述判断结果为第一距离大于第二距离时，则确定所述海域类型为海水；
第二海域类型确定单元，用于当所述判断结果为所述第一距离小于第二距离时，则确定所述海域类型为海冰。
5.根据权利要求4所述的星载GNSS-R海冰边界探测系统，其特征在于，所述聚类中心波形确定模块具体包括：
一维时延相关功率波形确定单元，用于根据所述星载时延-多普勒映射数据得到一维时延相关功率波形；
有效区确定单元，用于采用自适应阈值法，根据所述一维时延相关功率波形得到时延映射的有效区；
聚类中心波形确定单元，用于采用K-means聚类方法，根据所述时延映射的有效区确定所述海水聚类中心波形和所述海冰聚类中心波形。
6.根据权利要求5所述的星载GNSS-R海冰边界探测系统，其特征在于，所述有效区确定单元，具体包括：
平均值获取子单元，用于获取所述一维时延相关功率波形中各功率值的平均值；
有效区确定子单元，用于以所述一维时延相关功率波形中峰值功率对应的时延坐标为中心，向所述一维时延相关功率波形的两侧扩展确定首次低于所述平均值的点，则两侧首次低于所述平均值的点间的区域即为所述时延映射的有效区。
CN202110235496.0A 2021-03-03 2021-03-03 一种星载gnss-r海冰边界探测方法及系统 Active CN113031013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110235496.0A CN113031013B (zh) 2021-03-03 2021-03-03 一种星载gnss-r海冰边界探测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110235496.0A CN113031013B (zh) 2021-03-03 2021-03-03 一种星载gnss-r海冰边界探测方法及系统

Publications (2)

Publication Number Publication Date
CN113031013A CN113031013A (zh) 2021-06-25
CN113031013B true CN113031013B (zh) 2023-07-18

Family

ID=76466278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110235496.0A Active CN113031013B (zh) 2021-03-03 2021-03-03 一种星载gnss-r海冰边界探测方法及系统

Country Status (1)

Country Link
CN (1) CN113031013B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114690212B (zh) * 2022-03-18 2024-05-14 中国科学院国家空间科学中心 一种利用ddm数据质量监控进行干扰预警的方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109471106A (zh) * 2018-11-22 2019-03-15 上海海事大学 结合聚类分析和边界跟踪法的sar海洋内波条纹识别方法
CN112241722A (zh) * 2020-11-18 2021-01-19 河南工业大学 一种基于蚁群算法的南极海冰遥感图像分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6549165B2 (en) * 2001-01-19 2003-04-15 Agence Spatiale Europeenne Ocean altimetry interferometric method and device using GNSS signals

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109471106A (zh) * 2018-11-22 2019-03-15 上海海事大学 结合聚类分析和边界跟踪法的sar海洋内波条纹识别方法
CN112241722A (zh) * 2020-11-18 2021-01-19 河南工业大学 一种基于蚁群算法的南极海冰遥感图像分割方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于Sentinel-1卫星的北冰洋海冰信息提取;罗丽程 等;《上海航天》;20181231;第35卷(第3期);16-22 *
张善文 等.图像模式识别.《图像模式识别》.西安电子科技大学出版社,2020, *
星载GNSS-R海冰边界探测方法;张国栋 等;《武汉大学学报.信息科学版》;20190531;第44卷(第5期);668-674 *
朗伯定律的宽观测带SAR海冰图像分割;赵庆平;《国土资源遥感》;20170630;第29卷(第2期);67-71 *

Also Published As

Publication number Publication date
CN113031013A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
Senet et al. The near-surface current velocity determined from image sequences of the sea surface
WO2022005619A2 (en) Ocean surface wind direction retrieval from reflected radio signals on space-borne platforms
CN103236063B (zh) 基于多尺度谱聚类及决策级融合的sar图像溢油检测方法
CN109059750A (zh) 一种基于组合差分gnss的桥梁形变多频动态分析方法
CN107484139B (zh) 一种基于地理位置信息的车联网协作定位方法和装置
KR20130091688A (ko) 네비게이션 시스템에서 수신 장치의 물리적 특성을 판단하는 방법 및 장치
CN113031013B (zh) 一种星载gnss-r海冰边界探测方法及系统
Vàsquez Tuning the CARIS implementation of CUBE for Patagonian Waters
Roggenbuck et al. Sea surface heights retrieval from ship-based measurements assisted by GNSS signal reflections
CN111220146A (zh) 一种基于高斯过程回归学习的水下地形匹配定位方法
CN117075149A (zh) 基于ddm的星载gnss-r台风位置估计方法及系统
Al-Khaldi et al. Track-based cyclone maximum wind retrievals using the cyclone global navigation satellite system (CYGNSS) mission full DDMs
WO2023102021A1 (en) Underwater acoustic ranging and localization
Cosoli et al. A real-time and offline quality control methodology for SeaSonde high-frequency radar currents
Nohara et al. AR-based growler detection in sea clutter
US6256264B1 (en) Localization of a submerged tow vehicle (lost)
Li et al. Sea surface oil slick detection from GNSS-R Delay-Doppler Maps using the spatial integration approach
CN117434563A (zh) 一种适用于gnss-ir水位反演的降噪方法
Ziedan Optimized position estimation in mobile multipath environments using machine learning
CN116953744A (zh) 一种导航卫星非视距信号识别方法和导航卫星定位方法
Matte et al. A robust estimation method for correcting dynamic draft error in PPK GPS elevation using ADCP tilt data
Derkani Waves in the Southern Ocean and Antarctic Marginal Ice Zone: Observations and modelling
Guo et al. Target Echo Detection Based on the Signal Conditional Random Field Model for Full-Waveform Airborne Laser Bathymetry
Li et al. GNSS NLOS signals identification based on deep neural networks
KR102694525B1 (ko) 위성 기반의 선박 탐지 방법, 선박 탐지 시스템, 이를 위한 컴퓨터 프로그램

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant