CN113532588A - 水位获取方法、装置、设备及存储介质 - Google Patents
水位获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113532588A CN113532588A CN202010310772.0A CN202010310772A CN113532588A CN 113532588 A CN113532588 A CN 113532588A CN 202010310772 A CN202010310772 A CN 202010310772A CN 113532588 A CN113532588 A CN 113532588A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- water level
- reflection
- observation data
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000013523 data management Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Thermal Sciences (AREA)
- Fluid Mechanics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请公开了一种水位获取方法、装置、设备及存储介质，涉及遥感通信技术领域。该方法包括：获取待测区域对应的目标卫星的目标观测数据；从所述目标观测数据中分解出目标多路径反射信号；根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号；对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度；根据所述目标反射高度，获取所述待测区域的水位。根据本申请实施例，能够提高获取的水位的准确度。
Description
技术领域
本申请属于遥感通信技术领域，尤其涉及一种水位获取方法、装置、设备及存储介质。
背景技术
水位监测，是指对堤坝、水库、河流等待测水域的水面深度进行监测。古往今来，水位监测在国计民生中一直具有很重要的意义。以大坝为例，大坝是调节区域水资源分布和空间布局不可或缺的手段，可以实现水利灌溉、水利发电和防洪等功能，为了降低大坝崩塌、溃退给人们的生产、生活以及财产安全带来的重大危害，通常将水位作为监测大坝安全运转的一个重要指标。
现有技术中，通常通过GNSS-R(Global Navigation Satellite SystemReflectometry，全球导航卫星系统)遥感技术采集待测水域的观测数据，然后利用观测数据计算待测水域的水位。然而，现有的利用遥感信号得到的待测水域的水位，其准确度往往较低。
发明内容
本申请实施例提供一种水位获取方法、装置、设备及存储介质，以解决如何提高获取的水位准确率的问题。
为了解决上述技术问题，本申请是这样实现的：
第一方面，本申请实施例提供了一种水位获取方法，包括：
获取待测区域对应的目标卫星的目标观测数据；
从所述目标观测数据中分解出目标多路径反射信号；
根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号；
对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度；
根据所述目标反射高度，获取所述待测区域的水位。
第二方面，本申请实施例提供了一种水位获取装置，包括：
数据获取模块，用于获取待测区域对应的目标卫星的目标观测数据；
分解模块，用于从所述目标观测数据中分解出目标多路径反射信号；
识别模块，用于根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号；
频谱分析模块，用于对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度；
水位获取模块，用于根据所述目标反射高度，获取所述待测区域的水位。
第三方面，本申请实施例提供了一种水位获取设备，包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如第一方面所述的水位获取方法。
第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面所述的水位获取方法。
相较于现有技术，本申请具有以下有益效果：
在本申请实施例中，通过观测数据得到的反射高度，可以获取到待测区域的水位。由于反射高度是基于从观测数据中识别出的水面反射信号而得到的，所以能够排除由观测数据中的非水面反射信号所带来的干扰，从而提高了获取的水位的准确度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的大坝信号反射示意图；
图2是本申请另一个实施例提供的应用场景图；
图3是本申请另一个实施例提供的水位获取方法的流程示意图；
图4是本申请另一个实施例提供的水位获取系统的结构示意图；
图5是本申请另一个实施例提供的水位获取系统中软件前台的结构示意图；
图6是本申请另一个实施例提供的水位获取系统中软件结算后台的结构示意图；
图7是本申请另一个实施例提供的水位获取装置的结构示意图；
图8是本申请又一个实施例提供的水位获取设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本申请，并不被配置为限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
水位监测，是指对堤坝、水库、河流等待测水域的水面深度进行监测，通常通过全球导航卫星系统遥感技术采集待测水域的观测数据，然后利用观测数据计算待测水域的水位。
申请人经过研究发现，待测水域周边的环境往往复杂，布置在待测水域的GNSS天线所接收到的遥感信号成分复杂。以大坝为例，如图1所示，GNSS天线不仅接收了直射信号和来自于水面的水面反射信号，还接收其它反射面的反射信号，例如坝顶的坝顶反射信号。在这些信号中，能够用于准确计算水位的只有水面反射信号。然而，在现有技术中，只是从遥感信号中分离出包含水面反射信号的多路径反射信号，然后基于多路径反射信号，计算待测水域的水位，导致计算出的水位，其准确度往往较低。
为了解决现有技术问题，本申请实施例提供了一种水位获取方法、装置、设备及存储介质。下面首先对本申请实施例所提供的水位获取方法进行介绍。
该水位获取方法的执行主体可以是一种水位获取设备，例如一台服务器或者由多台服务器组成的服务集群。应用场景图可以如图2所示，水位获取设备200可以获取待测区域对应的观测数据，然后可以从观测数据中识别出水面反射信号，进而可以通过水面反射信号，得到待测区域的水位。
如图3所示，本申请实施例提供的水位获取方法包括以下步骤：
S301、获取待测区域对应的目标卫星的目标观测数据。
S302、从目标观测数据中分解出目标多路径反射信号。
S303、根据预设识别条件，从目标多路径反射信号中识别出水面反射信号。
S304、对水面反射信号进行频谱分析，得到目标观测数据对应的目标反射高度。
S305、根据目标反射高度，获取待测区域的水位。
上述各步骤的具体实现方式将在下文中进行详细描述。
在本申请实施例中，通过观测数据得到的反射高度，可以获取到待测区域的水位。由于反射高度是基于从观测数据中识别出的水面反射信号而得到的，所以能够排除由观测数据中的非水面反射信号所带来的干扰，从而提高了获取的水位的准确度。
下面介绍上述各个步骤的具体实现方式。
首先介绍S301的具体实现方式。在一个示例实施例中，可以在待测区域部署卫星接收机，该卫星接收机可以通过GNSS天线，接收到各个目标卫星的目标观测数据。这样，水位获取设备可以从卫星接收机中获取到目标观测数据。
以上为S301的具体实现方式，下面介绍S302的具体实现方式。
在一个示例实施例中，水位获取设备在获取到目标观测数据后，可以对目标观测数据进行分解处理，得到目标多路径反射信号。
考虑到多路径反射信号通常位于信噪比观测信号中，因此，S302的具体处理可以如下：从目标观测数据中提取出信噪比观测信号；对信噪比观测信号进行去除直射信号处理和去除噪声信号处理，得到目标多路径反射信号。
在一个示例实施例中，水位获取设备在获取到目标观测数据后，可以先从目标观测数据中提取出信噪比(Signal-to-Noise Ratio，SNR)观测信号，然后可以对信噪比观测信号进行去除直射信号处理和去除噪声信号处理，得到目标多路径反射信号。
可选的，可以通过去除趋势项处理和经验模态分解的方式，从信噪比观测信号中得到目标多路径反射信号，相应的处理可以如下：对所述信噪比观测信号进行去除趋势项处理，得到不包含直射信号的目标信噪比观测信号；对所述目标信噪比观测信号进行经验模态分解，得到多层本征模态信号；通过奇异值分解，确定每层本征模态信号的主成分分量；结合所述主成分分量和预设噪声贡献率，确定噪声信号和所述目标多路径反射信号的分界层；将层数位于所述分界层之后的本征模态信号作为所述目标多路径反射信号。
在一个示例实施例中，以经验模态分解方式为CEEMD(Complete EnsembleEmpirical Mode Decomposition，完备总体经验模态分解)为例，对得到目标多路径反射信号的过程进行具体说明。
首先，可以对信噪比观测信号进行去除趋势项处理，得到不包含直射信号的目标信噪比观测信号。
之后，可以采用CEEMD对目标信噪比观测信号进行经验模态分解，得到一系列从高频到低频排列的信号成分，这些信号成分可以称为本征模态(Intrinsic Mode Function，IMF)信号。具体的，以获取第一个本征模态IMF1信号为例，可以向原始分解信号，即目标信噪比观测信号的序列X中加入I次均值为零的单位方差白噪声，以产生I组不同的信号
之后，对信号
进行经验模态分解，然后按照式(1)，对第一层模态
(I组)取平均值，以得到第一个本征模态IMF1信号。
接着，用r1表示剩余的余项，即r1＝X-IMF1，用算子Ej(·)表示对信噪比观测信号序列X的EMD分解过程，以获得第j个本征模态信号。具体的，可以按照式(2)，对r1进行如下处理：
rk+1＝rk+βk×Ek(ωj) (2)
其中，k＝1...N，j＝1…I，β为信噪比，ω为零均值单位方差白噪声。对加入的I组噪声分别进行EMD分解，以获取第k个本征模态信号，分别加入rk,当k＝1时，即得I组r2。
接着，再对r2进行EMD分解，然后按照式(3)取第一层模态的平均值，以得到第二个本征模态IMF2信号。
值得注意的是，在将高斯白噪声经EMD分解后的第k层模态加入第k阶余项后，进行EMD分解并取第一层模态后，可以以此类推，直至解析信号余项不能被分解。此时信噪比观测信号序列X，可以如式(4)所示：
其中，K表示分解层数。
这样，通过将不同本征模态IMF信号进行组合，可以组成高通、带通、低通滤波器，达到信号提取作用。由于多路径信号表现为低频特征，存在于高阶模态中，因此，可以采用主成分分析的方法，并通过奇异值分解，确定每层本征模态信号的主成分分量，然后结合主成分分量和预设噪声贡献率，确定噪声信号和目标多路径反射信号的分界层，然后将层数位于分界层之后的本征模态信号作为目标多路径反射信号，以此消除或减弱高频噪声。
在一个示例实施例中，在得到多个本征模态信号后，考虑到各本征模态信号间相互正交，并按照频率从高到低排列，以及多个本征模态信号中主要的成分为具有高频随机特性的噪声信号和具有低频特性的多路径反射信号，这时，判断噪声信号和多路径反射信号的分界层将成为关键。可以利用如式(5)和(6)的奇异值分解，确定每层本征模态信号的主成分分量，然后结合主成分分量和预设噪声贡献率，确定噪声信号和目标多路径反射信号的分界层。
[VT,S,Q]＝SVD(Y)(5)
Ym×n>>Qm×nSn×nVn×n(6)
其中，Y表示原始信号，即本征模态信号IMF所构成的矩阵；Q表示特征向量矩阵，Q的每一列代表一个特征向量；V的每一行正交，代表与本征模态信号IMF相联系的主成分分量；S表示对角阵，S＝diag(s1,s2,s3,s4,×××,sn)。这时，如果Y为可逆阵，则对角阵S对角线上为Y的特征值，且按照从大到小排列。
接着，可以按照式(7)找出级数l，即分界层，l级之前的本征模态信号可以作为噪声信号，l级之后的叠加起来，可以作为多路径反射信号。
其中，D表示噪声贡献率。
进一步的，可以采用KS(Kolmogorov-Smirnov)检验，对噪声贡献率D进行验证。由于白噪声分布符合高斯分布，因此，可以对提取出的高频信号求取功率谱，然后反算其高斯分布参数σ和u，与符合相同参数的高斯分布数据频率谱进行KS检验。如果KS检验的结果是接受，说明残余量(即l级之前的量之和)是符合高斯分布的，即所选取的D值是可接受的。在实验时，由于数据中噪声含量未知，可以将D值设置为较大的值。
需要说明的是，在通过KS对噪声贡献率D进行验证时，由于D值较大，获取的l层以前的高频信号通常将包含部分的多路径反射信号，因此KS检验将不通过，这时，可以以一定步长减小D值，然后进行迭代，直至KS检验通过。
以上为S302的具体实现方式，下面介绍S303的具体实现方式。
在一个示例实施例中，水位获取设备在分解出目标多路径反射信号，可以根据预设识别条件，从目标多路径反射信号中识别出水面反射信号。
可选的，可以结合信号频谱变动特征和相邻年积日间隔时段，从目标多路径反射信号中识别出水面反射信号，相应的处理可以如下：基于非水面信号的信号频谱变动特征，从目标多路径反射信号中识别出第一本征模态信号；获取第一本征模态信号与历史多路径反射信号中的本征模态信号的相关性系数；历史多路径反射信号，基于与目标观测数据相隔相邻年积日间隔时段的观测数据而得到；基于相关性系数，从第一本征模态信号中识别出第二本征模态信号；从目标多路径反射信号中去除第二本征模态信号，得到水面反射信号。
在一个示例实施例中，由于卫星信号经过的地面轨迹通常为固定的，只有在少数情况下会进行轨道变动，因此，在这种固定的地面轨迹上如果存在反射面，则产生的多路径反射信号将显示一定的规律特征。故而，可以基于非水面信号的信号频谱变动特征，从目标多路径反射信号中识别出潜在的非水面反射信号，即第一本征模态信号。之后，可以通过式(8)，获取第一本征模态信号与历史多路径反射信号中的本征模态信号的相关性系数，该历史多路径反射信号，可以基于与目标观测数据相隔所述相邻年积日间隔时段的观测数据而得到。
其中，A,φ,f分别表示l信号的振幅、相位、频率；ld表示当天的本征模态信号，ld+1+dt表示经过错位矫正之后的本征模态信号，
表示相邻两天本征模态信号之间的相关系数。
之后，可以基于得到的上述相关性系数，从潜在的非水面反射信号中，识别出真正的非水面反射信号，即第二本征模态信号，
以上为S303的具体实现方式，下面介绍S304的具体实现方式。
在一个示例实施例中，水位获取设备在识别出水面反射信号后，可以对水面反射信号进行频谱分析，以得到目标观测数据对应的目标反射高度，该目标反射高度可以作为该目标观测数据对应的待测区域的水位。
可选的，可以基于水面反射信号的主频率与反射高度之间的转换关系，求取目标反射高度，相应的处理可以如下：对水面反射信号进行频谱分析，得到水面反射信号的主频率；结合主频率以及主频率与反射高度转换关系，获取目标观测数据对应的目标反射高度。
在一个示例实施例中，可以采用L-S(Lomb-Scargle Periodogram)频谱分析的方法，对水面反射信号进行频谱分析，即根据分析结果，可以得到水面反射信号的振幅和频率信号，进而可以从频率信号中获取主频信号。
具体的，可以采用式(9)所示的频率转换公式，计算目标观测数据对应的目标反射高度：
其中，fm为主频率，λ为载波波长，Heff为目标反射高度。
以上为S304的具体实现方式，下面介绍S305的具体实现方式。
在一个示例实施例中，待测区域可以对应多颗目标卫星，相应的，水位获取设备可以获取多组不同目标卫星的目标观测数据，这些目标卫星所属的全球卫星导航系统，可以相同，也可以不同。进而水位获取设备可以获取到多个目标反射高度。故而水位获取设备，可以基于获取的目标卫星的目标观测数据的数量对应的方式，获取最终的待测水域的水位。如果水位获取设备只获取一组目标卫星的目标观测数据，则可以将该目标观测数据的目标反射高度，作为最终的待测区域的水位。如果水位获取设备获取到多组目标卫星的目标观测数据，则可以对多组目标观测数据对应的目标反射高度，进行加权处理，以得到最终的待测区域的水位。
具体的，可以基于卫星系统构型和卫星时间跨度，获取各组目标观测数据的目标权值，然后可以基于目标权值和目标反射高度，获取每组目标观测数据的目标水位。之后，可以对多个目标水位取平均值，得到平均目标水位，该平均目标水位即为最终的待测区域的水位，处理方式可以如式(10)所示：
其中，f1，f2...fk是目标权值，f1+f2+…fk＝n，
是不同目标卫星不同时间跨度的水位估计值，即目标水位，t1，t2...tk是不同的时间跨度，
是最终的待测区域的水位。
需要说明的是，H0水位的获取，需要一定弧段长度的信噪比观测信号，但是北斗导航系统和GPS系统的空间构型不同、卫星轨道不同、卫星载波频率等都不尽相同，以BDS(BeiDou Navigation Satellite System，北斗卫星导航系统)和GPS(Global PositioningSystem，全球定位系统)的观测数据为例，采用联合估计算法估计水位时，可以按照BDS和GPS构型，赋予不同的权值，对距离水位估计时间点的不同时间跨度的卫星也赋予不同的权值，最后取H0的加权平均值作为最后的待测区域的水位。
通过上述联合估计算法估计水位，可以有效提升水位估计的准确度和精确度。
在本实施例中，一方面，采用CEEMD分解识别算法，可以有效解决非水面反射面干扰，减弱环境影响。由于大坝所处的复杂环境，以上得到的多路径目标信号，是来自水面以及坝顶等多个表面反射信号的干涉混合信号，而水位估计算法的前提是获取来自储水面的反射信号，那么需要对水面反射信号进行分离。为了解决上述问题，引入CEEMD方法，基于该CEEMD方法，可以用于非平稳信号的分析，具有良好的滤波去噪能力和良好的信号重构效果，且极大限度克服了模态混叠问题，利用该方法可以将大坝的原始多路径信号分为成高频到低频的细节成分，根据噪声贡献率、先验确定和相邻验证算法流程，可以克服噪声和非水面信号的影响，可以保留有效信号，更有利于在大坝复杂环境下实现GNSS-R水位监测。
另一方面，为了解决卫星系统单一化，有效应对复杂环境，可以采用BDS/GPS卫星系统，然后对系统中的各个目标卫星，进行差异化分析，研究分析信号频率、高度角范围、弧段长度等因素对水位估计结果的影响，结合大坝实际观测情况，采用联合水位估计算法，根据先验信息确定相应的约束条件，实现最终的大坝水位变化监测，从而增强了GNSS-R技术应用于大坝水位变化监测的适用性、可靠性和有效性。
可选的，为了较好的实现上述水位获取方法，下面给出一种水位监测系统，该水位监测系统可以用于获取待测区域的水位，例如电站大坝、高拱坝和混凝土坝等大坝水位的监测。
在一个示例实施例中，以大坝水位监测为例，可以结合大坝的实际复杂环境和监测需求建立系统的逻辑模型，该模型暂时与系统的物理因素，如计算机、数据库管理系统无关，它是系统需求与物理实现的中间结构，参见表一，表一示出了一种大坝水位监测的系统组织表，在表一中，设计描述了水位监测系统的各个组成子系统(模块)，以及子系统与业务职能的关系。
表一
如图4所示，上述水位监测系统可以包括软件前台、软件解算后台和数据库部分，其中，软件前台主要用于各种程序的调用、测站的配置、数据配置交互和图形显示等功能。
如图5所示，软件前台可以包括系统管理、配置管理、测站管理、信号处理、水位分析和帮助等功能。在数据处理及数据交互层有4个环节，分别是数据管理、信号分解识别、水位联合估计和结果输出，其中：
数据管理是将相应的数据配置于数据库，包括某些变量属性配置、接受的GNSS终端数据以及水位估计算法过程中涉及的过程变量和结果变量。
信号分解识别是基于CEEMD的多经信号分解和识别，对去噪后的GNSS水面反射信号进行频谱分析，获取频谱特征。
水位联合估计，根据获取的BDS和GPS SNR数据，利用联合估计算法获取水位，最终用于结果输出。
图形功能支持层有4个方面，分别是测站分布图、信号分解图、水位联合估计图和分析报告图。
测站分布图将显示在大坝顶部不同位置布置的多个GNSS接收机，显示测站分布图，有利于筛选和分析测站用于水位估计。
信号分解图用于显示各级IMF本征模态函数、非水面信号和水面信号，便于后期结合水位数据进行结果分析。
水位联合估计图将会显示BDS、GPS以及BDS/GPS联合估计的水位结果，可以直观显示水位估计精度、各系统水位估计精度对比以及水位变化趋势。
分析报告图是显示GNSS信噪比观测信号分解识别和BDS/GPS联合估计等环节的分析报告和分析图像显示。
如图6所示，软件解算后台可以包括6个组成部分，分别是RINEX文件数据获取、数据预处理、CEEMD分解识别、L-S频谱分析、GPS/BDS联合水位估计和水位分析。其中：
RINEX文件数据获取是指从GNSS RINEX文件中获取SNR、ELE、AZI、EPOCH等数据信息，用于之后的数据处理。
数据预处理包括数据粗差的剔除、卫星分布图预分析和菲涅尔反射区的确定。
采用CEEMD算法，对信噪比多路径反射信号进行分解和识别，根据IMF本征模态的函数特征和以及噪声贡献率进行信号的初步分解和去除高频噪声，然后根据先验确定策略和相邻验证算法来对非水面信号进行剔除，最后获取储水面的有用反射信号。
L-S频谱分析，是对反射信号数据进行重采样和单位化，设定相关的模型约束条件，利用L-S频谱分析方法得到主频率。
利用构建的联合水位估计算法，使用GPS+BDS系统的卫星信噪比数据进行大坝储水水位估计，获取水位变化结果，并对水位变化进行有效性检验和后续的水位分析。
数据库支持包括数据存储、数据获取和数据管理，数据库设计是为了辅助实现功能需求，主要为存储软件前台配置信息和后台数据解算结果。数据库设计依据需满足以下几个方面：满足当前需求、分离主体与附属、适当的冗余、应对可能出现的新需求、应对大数据量。
这样，形成了完整的大坝水位监测解决方案。综上，该构建设计的水位监测系统，主要由软件前台、软件解算后台和数据库部分组成，软件前台主要用于各种程序的调用、测站的配置、数据配置交互和图形显示等功能。数据处理后台程序由RINEX文件数据获取、CEEMD分解识别、L-S频谱分析、GPS/BDS联合水位估计等部分组成。数据库部分支持主要包括数据存储、数据获取和数据管理。该水位监测系统可用于电站大坝、高拱坝和混凝土坝等大坝水位的监测。
基于上述实施例提供的水位获取方法，相应地，本申请还提供了水位获取装置的具体实现方式。请参见以下实施例。
首先参见图7，本申请实施例提供的水位获取装置包括以下模块：
数据获取模块701，用于获取待测区域对应的目标卫星的目标观测数据；
分解模块702，用于从所述目标观测数据中分解出目标多路径反射信号；
识别模块703，用于根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号；
频谱分析模块704，用于对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度；
水位获取模块705，用于根据所述目标反射高度，获取所述待测区域的水位。
经过上述各模块的配合处理，通过观测数据得到的反射高度，可以获取到待测区域的水位。由于反射高度是基于从观测数据中识别出的水面反射信号而得到的，所以能够排除由观测数据中的非水面反射信号所带来的干扰，从而提高了获取的水位的准确度。
可选的，为了得到目标多路径反射信号，所述分解模块702，具体用于：
从所述目标观测数据中提取出信噪比观测信号；
对所述信噪比观测信号进行去除直射信号处理和去除噪声信号处理，得到所述目标多路径反射信号。
可选的，为了得到目标多路径反射信号，所述分解模块702，还用于：
对所述信噪比观测信号进行去除趋势项处理，得到不包含直射信号的目标信噪比观测信号；
对所述目标信噪比观测信号进行经验模态分解，得到多层本征模态信号；
通过奇异值分解，确定每层本征模态信号的主成分分量；
结合所述主成分分量和预设噪声贡献率，确定噪声信号和所述目标多路径反射信号的分界层；
将层数位于所述分界层之后的本征模态信号作为所述目标多路径反射信号。
可选的，为了识别出水面反射信号，所述识别模块703，具体用于：
结合信号频谱变动特征和相邻年积日间隔时段，从所述目标多路径反射信号中识别出水面反射信号。
可选的，为了识别出水面反射信号，所述识别模块703，还用于：
基于非水面信号的信号频谱变动特征，从所述目标多路径反射信号中识别出第一本征模态信号；
获取所述第一本征模态信号与历史多路径反射信号中的本征模态信号的相关性系数；所述历史多路径反射信号，基于与所述目标观测数据相隔所述相邻年积日间隔时段的观测数据而得到；
基于所述相关性系数，从所述第一本征模态信号中识别出第二本征模态信号；
从所述目标多路径反射信号中去除所述第二本征模态信号，得到所述水面反射信号。
可选的，为了获取所述目标观测数据对应的目标反射高度，所述频谱分析模块704，具体用于：
对所述水面反射信号进行频谱分析，得到所述水面反射信号的主频率；
结合所述主频率以及主频率与反射高度转换关系，获取所述目标观测数据对应的目标反射高度。
可选的，所述主频率与反射高度转换关系包括：
其中，fm为所述主频率，λ为载波波长，Heff为所述目标反射高度。
可选的，所述目标卫星的数量为多个，相应的，所述目标观测数据的数量为多组，所述目标反射高度为多个；其中，多个所述目标卫星所属的全球卫星导航系统不同。
可选的，为了得到所述待测区域的水位，所述水位获取模块705，具体用于：
基于卫星系统构型和卫星时间跨度，获取各组所述目标观测数据的目标权值；
基于所述目标权值和所述目标反射高度，获取每组所述目标观测数据的目标水位；
对多个所述目标水位取平均值，得到所述待测区域的水位。
图7提供的水位获取装置中的各个模块具有实现图3所示实施例中各个步骤的功能，并达到与图3所示水位获取方法相同的技术效果，为简洁描述，在此不再赘述。
图8为实现本申请各个实施例的一种水位获取设备的硬件结构示意图。
水位获取设备可以包括处理器801以及存储有计算机程序指令的存储器802。
具体地，上述处理器801可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器802可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器802可在综合网关容灾设备的内部或外部。在特定实施例中，存储器802是非易失性固态存储器。在特定实施例中，存储器802包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器801通过读取并执行存储器802中存储的计算机程序指令，以实现上述实施例中的任意一种水位获取方法。
在一个示例中，水位获取设备还可包括通信接口803和总线810。其中，如图8所示，处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。
通信接口803，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线810包括硬件、软件或两者，将水位获取设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线810可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该水位获取设备可以执行本申请实施例中的水位获取方法，从而实现结合图3和图7描述的水位获取方法和装置。
本申请实施例还提供一种计算机可读存储介质，该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述水位获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (13)
1.一种水位获取方法，其特征在于，所述方法包括：
获取待测区域对应的目标卫星的目标观测数据；
从所述目标观测数据中分解出目标多路径反射信号；
根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号；
对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度；
根据所述目标反射高度，获取所述待测区域的水位。
2.根据权利要求1所述的方法，其特征在于，所述从所述目标观测数据中分解出目标多路径反射信号，包括：
从所述目标观测数据中提取出信噪比观测信号；
对所述信噪比观测信号进行去除直射信号处理和去除噪声信号处理，得到所述目标多路径反射信号。
3.根据权利要求2所述的方法，其特征在于，所述对所述信噪比观测信号进行去除直射信号处理和去除噪声信号处理，得到所述目标多路径反射信号，包括：
对所述信噪比观测信号进行去除趋势项处理，得到不包含直射信号的目标信噪比观测信号；
对所述目标信噪比观测信号进行经验模态分解，得到多层本征模态信号；
通过奇异值分解，确定每层本征模态信号的主成分分量；
结合所述主成分分量和预设噪声贡献率，确定噪声信号和所述目标多路径反射信号的分界层；
将层数位于所述分界层之后的本征模态信号作为所述目标多路径反射信号。
4.根据权利要求1所述的方法，其特征在于，所述根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号，包括：
结合信号频谱变动特征和相邻年积日间隔时段，从所述目标多路径反射信号中识别出水面反射信号。
5.根据权利要求4所述的方法，其特征在于，所述结合信号频谱变动特征和相邻年积日间隔时段，从所述目标多路径反射信号中识别出水面反射信号，包括：
基于非水面信号的信号频谱变动特征，从所述目标多路径反射信号中识别出第一本征模态信号；
获取所述第一本征模态信号与历史多路径反射信号中的本征模态信号的相关性系数；所述历史多路径反射信号，基于与所述目标观测数据相隔所述相邻年积日间隔时段的观测数据而得到；
基于所述相关性系数，从所述第一本征模态信号中识别出第二本征模态信号；
从所述目标多路径反射信号中去除所述第二本征模态信号，得到所述水面反射信号。
6.根据权利要求1所述的方法，其特征在于，所述对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度，包括：
对所述水面反射信号进行频谱分析，得到所述水面反射信号的主频率；
结合所述主频率以及主频率与反射高度转换关系，获取所述目标观测数据对应的目标反射高度。
7.根据权利要求6所述的方法，其特征在于，所述主频率与反射高度转换关系包括：
其中，fm为所述主频率，λ为载波波长，Heff为所述目标反射高度。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述目标卫星的数量为多个，相应的，所述目标观测数据的数量为多组，所述目标反射高度为多个；其中，多个所述目标卫星所属的全球卫星导航系统不同。
9.根据权利要求8所述的方法，其特征在于，所述根据所述目标反射高度，获取所述待测区域的水位，包括：
基于卫星系统构型和卫星时间跨度，获取各组所述目标观测数据的目标权值；
基于所述目标权值和所述目标反射高度，获取每组所述目标观测数据的目标水位；
对多个所述目标水位取平均值，得到所述待测区域的水位。
10.一种水位获取装置，其特征在于，所述装置包括：
数据获取模块，用于获取待测区域对应的目标卫星的目标观测数据；
分解模块，用于从所述目标观测数据中分解出目标多路径反射信号；
识别模块，用于根据预设识别条件，从所述目标多路径反射信号中识别出水面反射信号；
频谱分析模块，用于对所述水面反射信号进行频谱分析，得到所述目标观测数据对应的目标反射高度；
水位获取模块，用于根据所述目标反射高度，获取所述待测区域的水位。
11.根据权利要求10所述的装置，其特征在于，所述目标卫星的数量为多个，相应的，所述目标观测数据的数量为多组，所述目标反射高度为多个；其中，多个所述目标卫星所属的全球卫星导航系统不同。
12.一种水位获取设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述的水位获取方法。
13.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述的水位获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010310772.0A CN113532588B (zh) | 2020-04-20 | 2020-04-20 | 水位获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010310772.0A CN113532588B (zh) | 2020-04-20 | 2020-04-20 | 水位获取方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113532588A true CN113532588A (zh) | 2021-10-22 |
| CN113532588B CN113532588B (zh) | 2023-10-31 |
Family
ID=78093654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010310772.0A Active CN113532588B (zh) | 2020-04-20 | 2020-04-20 | 水位获取方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113532588B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117367541A (zh) * | 2023-09-28 | 2024-01-09 | 深圳妙月科技有限公司 | 一种水位监测方法、装置、电子设备及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5504490A (en) * | 1994-04-05 | 1996-04-02 | Thomson-Csf | Radar method and device for the measurement of distance |
| JP2000035357A (ja) * | 1998-07-17 | 2000-02-02 | Yokogawa Electric Corp | 超音波レベル計 |
| US20100271254A1 (en) * | 2007-12-25 | 2010-10-28 | Honda Elesys Co., Ltd. | Electronic scanning type radar device, estimation method of direction of reception wave, and program estimating direction of reception wave |
| CN103090930A (zh) * | 2011-10-28 | 2013-05-08 | 上海凡宜科技电子有限公司 | 雷达物位计及其信号处理方法 |
| CN103679790A (zh) * | 2013-12-18 | 2014-03-26 | 安徽理工大学 | 一种基于图像处理技术的井下煤仓煤位检测方法 |
| CN106052795A (zh) * | 2016-07-28 | 2016-10-26 | 中国石油天然气集团公司 | 一种获取潮位的方法及装置 |
| CN106643965A (zh) * | 2016-12-23 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用模板匹配精确识别液位的方法 |
| CN106768179A (zh) * | 2016-11-11 | 2017-05-31 | 清华大学 | 基于连续运行gnss站信噪比数据的潮位的测量方法 |
| CN107796484A (zh) * | 2017-01-11 | 2018-03-13 | 中南大学 | 一种基于北斗导航定位系统信噪比数据观测水位变化方法 |
| CN109738041A (zh) * | 2019-01-11 | 2019-05-10 | 中冶长天国际工程有限责任公司 | 一种城市地下综合管廊智能液位监测方法及系统 |
| CN110824510A (zh) * | 2019-10-17 | 2020-02-21 | 中国空间技术研究院 | 一种提高gnss-r测高卫星接收海面反射信号数量的方法 |
| CN112013925A (zh) * | 2020-08-19 | 2020-12-01 | 杨元德 | 基于卫星测高新型波形重定算法的结冰湖泊水位测定方法 |
-
2020
- 2020-04-20 CN CN202010310772.0A patent/CN113532588B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5504490A (en) * | 1994-04-05 | 1996-04-02 | Thomson-Csf | Radar method and device for the measurement of distance |
| JP2000035357A (ja) * | 1998-07-17 | 2000-02-02 | Yokogawa Electric Corp | 超音波レベル計 |
| US20100271254A1 (en) * | 2007-12-25 | 2010-10-28 | Honda Elesys Co., Ltd. | Electronic scanning type radar device, estimation method of direction of reception wave, and program estimating direction of reception wave |
| CN103090930A (zh) * | 2011-10-28 | 2013-05-08 | 上海凡宜科技电子有限公司 | 雷达物位计及其信号处理方法 |
| CN103679790A (zh) * | 2013-12-18 | 2014-03-26 | 安徽理工大学 | 一种基于图像处理技术的井下煤仓煤位检测方法 |
| CN106052795A (zh) * | 2016-07-28 | 2016-10-26 | 中国石油天然气集团公司 | 一种获取潮位的方法及装置 |
| CN106768179A (zh) * | 2016-11-11 | 2017-05-31 | 清华大学 | 基于连续运行gnss站信噪比数据的潮位的测量方法 |
| CN106643965A (zh) * | 2016-12-23 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用模板匹配精确识别液位的方法 |
| CN107796484A (zh) * | 2017-01-11 | 2018-03-13 | 中南大学 | 一种基于北斗导航定位系统信噪比数据观测水位变化方法 |
| CN109738041A (zh) * | 2019-01-11 | 2019-05-10 | 中冶长天国际工程有限责任公司 | 一种城市地下综合管廊智能液位监测方法及系统 |
| CN110824510A (zh) * | 2019-10-17 | 2020-02-21 | 中国空间技术研究院 | 一种提高gnss-r测高卫星接收海面反射信号数量的方法 |
| CN112013925A (zh) * | 2020-08-19 | 2020-12-01 | 杨元德 | 基于卫星测高新型波形重定算法的结冰湖泊水位测定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吕铮: ""基于GNSS-R信号的高拱坝电站水位反演及应用分析"", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 03, pages 008 - 105 * |
| 马海龙: ""GNSS水位反演方法及其在大坝变形分析中的应用研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 06, pages 037 - 6 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117367541A (zh) * | 2023-09-28 | 2024-01-09 | 深圳妙月科技有限公司 | 一种水位监测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113532588B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359270B (zh) | 北斗地基增强系统完好性风险监测的阈值模型建立方法 | |
| CN110816588B (zh) | 一种机车车轮失圆检测方法、装置、设备及系统 | |
| CN113124919B (zh) | 参考站的异常监测方法、装置及相关设备 | |
| CN112526470A (zh) | 标定雷达参数的方法和装置、电子设备、存储介质 | |
| CN113075706A (zh) | 一种基于gnss-r的雪深反演方法及其应用 | |
| CN113532588B (zh) | 水位获取方法、装置、设备及存储介质 | |
| CN114200490A (zh) | 电离层闪烁的多径噪声干扰量化评估方法及装置 | |
| CN114814840A (zh) | 含干扰合成孔径雷达图像筛选及干扰位置检测方法和系统 | |
| CN116931026B (zh) | 一种卫星导航信号的异常判定方法 | |
| US9395444B2 (en) | Mitigation of spurious signals in GNSS receivers | |
| CN111999750B (zh) | 针对杆臂不准的实时单站周跳探测改进方法 | |
| CN114296046B (zh) | 基于人工神经网络的hfswr多海况有效波高提取方法与装置 | |
| CN114821361A (zh) | 积雪深度的计算方法、装置、计算机设备及可读存储介质 | |
| CN116073880A (zh) | 网络实时动态测量服务可用率的确定方法和装置 | |
| Ratnam et al. | Forecasting of ionospheric time delays using ARMA model under Geomagnetic storm conditions | |
| CN111175789B (zh) | 地基增强系统的电离层异常监测方法、装置以及系统 | |
| CN117724125B (zh) | 一种基于一致性的观测数据的质量控制方法及装置 | |
| Kudrys | Spectral analysis of multi-year GNSS code multipath time-series | |
| CN114764145A (zh) | 卫星监测数据异常原因的确定方法、装置及设备 | |
| CN117368870B (zh) | 一种微波散射计载荷特性评估方法、装置及设备 | |
| López‐Almansa et al. | Derivation of an analytical model for estimation of measurement error induced by an arbitrary disturbance on a coherent delay lock loop | |
| CN114355421B (zh) | 一种基于北斗卫星l4和cmc组合观测值洪水探测方法 | |
| CN117526318B (zh) | 配电网状态评估方法、装置、电子设备、存储介质 | |
| CN117590431B (zh) | 一种抑制扫频干扰方法及装置 | |
| CN115276686B (zh) | 低频射电频谱仪干扰信号的处理方法、装置、设备及介质 |
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 |