CN113552563A - 垂测信息和高频地波雷达杂波信息的对应性分析方法 - Google Patents

Abstract

本发明公开了一种垂测信息和高频地波雷达杂波信息的对应性分析方法，所述方法包括如下步骤：1)获取频高图信息和距离‑多普勒谱信息；2)对距离‑多普勒谱进行图像处理，得到只含有电离层杂波信息的距离‑多普勒谱；3)将频高图信息与图像处理后的距离‑多普勒谱分别进行数据提取，并在提取后进行归一化，得到分别由两设备信息所构成的数据向量；4)对3)得到的两数据向量，采用DTW算法进行数据比对分析，得出两数据间的最小距离或失真度，从而得到电离层垂测仪与高频地波雷达所提取的电离层信息的相关性。该方法可验证电离层垂测仪频高图中的电离层信息与高频地波雷达距离‑多普勒谱中的电离层杂波信息是否具有一定的相关性。

Description

垂测信息和高频地波雷达杂波信息的对应性分析方法

技术领域

本发明属于电离层探测技术领域，涉及一种电离层垂测信息和高频地波雷达杂波信息的对应性分析方法。

背景技术

电离层是由太阳紫外线辐射以及X射线辐射所产生的离层大气，其中存在大量复杂的化学反应，控制着离子浓度和电子浓度等电离层物理特性。由于地磁场、电离层呈现各向异性，因此电离层是一种不均匀随机起伏的离化介质，对于入射电磁波，其相当于一时变滤波器，对信号在时域、频域、角度域等进行复杂调制。要想深入了解电离层的结构特性，就需要进行探测，而其中垂测仪探测则是一项较为成熟的技术，虽然电离层垂测仪受到广泛应用，但是其对于电离层的异常情况以及层中等离子体漂移的情况却不能得出较好的结果。

高频地波雷达(High Frequency Surface Wave Radar，HFSWR)是一种利用高频(HighFrequency，HF)段(3～30MHz)垂直极化电磁波沿海面绕射传播的物理机制而实现海态遥感与超视距目标探测的新体制雷达，不仅可从海面散射回波信号中提取浪高、洋流及风场的速度与方向等丰富的海洋环境信息，还可对视距外的海面舰船及低空飞行目标实施有效监测。此外，HFSWR还具有反隐身、抗反辐射导弹、造价低等特点，是一种性价比高的早期预警雷达。除军事用途外，HFSWR还可对200海里范围内的专属经济特区(ExclusiveEconomic Zone，EEZ)实现全天时、全天候监测，可弥补我国预警机和沿海岸防雷达的不足，加强海上交通管制，打击非法走私舰船，有助于国家对领海资源的监视能力的综合提升。对于高频地波雷达超视距探测而言，由于天线阵列的非理想性，使得HFSWR在探测目标的同时也会收到来自于电离层的回波信息，而这些电磁波是由电离层所反射回来的，其中也必定包含着电离层中的相关信息。

因此人们希望在现有的HFSWR研究成果基础上，结合垂测仪频高图的分布特性，对两设备所获得的电离层信息进行对应性的分析，从而得出彼此的关系。目前的研究只有HFSWR和垂测仪对电离层单独的分析，并没有研究得出他们之间所存在的关系。而电离层杂波的存在则会在一定程度上影响HFSWR的探测性能，在一定程度上限制了HFSWR的性能，因此需要将HFSWR回波信息和垂测仪垂测信息结合起来进行对比分析，得出它们的关系对于电离层特性的研究以及雷达工作频率的选择都有重大意义，为电离层方面的研究提供数据支持，便于人们更深刻的认识电离层，推动电离层研究的发展。

发明内容

为了解决现有技术存在的上述缺陷，本发明提供了一种垂测信息和高频地波雷达杂波信息的对应性分析方法。该分析方法首次将电离层垂测信息与高频地波雷达杂波信息进行联合分析，对两设备的优势进行相互补充，取长补短，可验证电离层垂测仪频高图中的电离层信息与高频地波雷达距离-多普勒谱中的电离层杂波信息是否具有一定的相关性。

本发明的目的是通过以下技术方案实现的：

一种垂测信息和高频地波雷达杂波信息的对应性分析方法，包括如下步骤：

步骤1)分别通过电离层垂测仪和高频地波雷达获取频高图信息和距离-多普勒谱信息，其中：

所述频高图信息的获取方法如下：

(1)通过发射机按照扫频的方式向空中发射电磁波，不同频率电磁波在不同的电离层高度处进行反射，从而形成电离层回波；

(2)接收天线接收到电离层回波后将回波信号传给接收机进行滤波放大后解调至基带，经过AD采集后进入信号处理机；

(3)由电离层回波的信号时延得到电离层虚高；

(4)分别对不同频率的回波信号进行上述(2)(3)步的处理，得到电离层频高图；

所述距离-多普勒谱信息的获取方法如下：

通过对HFSWR产生的RD谱进行图像处理从而提取距离-多普勒谱信息，具体步骤如下：

(1)计算回波信号与参考信号的差频：

r₀(t)＝r(t)exp(-jπKt²)；

其中，r(t)为雷达所发射的信号，r₀(t)为雷达所接受的回波信号，K为线性调频信号的调频斜率，t为时间；

(2)对每个信号周期的回波信号作FFT，得到回波的距离谱R(τ)；

(3)对多个信号周期的距离谱作FFT，得到目标的多普勒信息RD(τ,f_d)：

其中，M为参与相干积累的信号周期个数，N为每个信号周期中的采样点数，τ为回波信号的时延，f_d为信号的多普勒频率，r_m(n)为第m个周期的回波信号，n表示对第m个周期的回波信号r_m(t)进行采样后对应的第n个采样点；

步骤2)对距离-多普勒谱进行图像处理，从而得到只含有电离层杂波信息的距离-多普勒谱，具体步骤如下：

步骤2-1)海杂波、地杂波提取与剔除：

(1)根据一阶海杂波在幅度和形态上的特点，在每个距离单元上，以[-f_B-Δf,-f_B+Δf]和[f_B-Δf,f_B+Δf]为搜索半径，采用局部峰值法对高频地波雷达距离-多普勒谱进行检测，检测出海杂波的位置并进行去除，其中，f_B为一阶海杂波对应的多普勒频率，Δf为多普勒频率偏移；

(2)根据地杂波在幅度和形态上的特点，按照与(1)相同的方法对高频地波雷达距离-多普勒谱进行检测，检测出地杂波的位置并进行去除；

步骤2-2)电离层杂波的提取：

(1)对剔除后的距离-多普勒谱取对数，从而得到m(x,y)，其大小为B×A，其中距离单元个数为A，多普勒单元个数为B，灰度值区间为[m_min,m_max]；

(2)由各点的灰度值和其周围邻域信息计算灰度平均值，得到均值图像n(x,y)，从而得到一个由原灰度值和邻域平均灰度值组成的二维数组(m(x,y),n(x,y))；

(3)设最佳阈值为(s^*,t^*)，Otsu算法即最大类间算法，使背景与目标的类间方差最大从而完成图像分割：

其中，m(x,y)为剔除了海杂波与低杂波后的雷达距离-多普勒谱取对数的结果，n(x,y)为由m(x,y)进行灰度化后，由各点的灰度值及其邻域信息计算灰度平均值从而得出的结果，s^*为最佳阈值时m(x,y)的取值，t^*为最佳阈值时n(x,y)的取值，最佳阈值(s^*,t^*)需要在实际场景中进行多次实验来确定，C₁为要进行识别的电离层目标，C₀为除去电离层目标外的背景；

步骤2-3)电离层杂波的检测识别：

(1)在二值图像h(x,y)上，统计其在每个距离单元上属于C₁类的多普勒单元数R(y)，即：

其中，A为距离单元的个数，B为多普勒单元的个数，h(x,y)为完成图像分割后生成的二维数组；

(2)设定一个阈值，即当多普勒单元数超过该阈值时，则判定该距离单元上有电离层杂波，若没有超过，就判定该距离单元无电离层杂波；

(3)针对不同形状的电离层杂波，用不同的模板与二值图像h(x,y)进行卷积运算，得到杂波识别结果；

步骤3)将频高图信息与图像处理后的距离-多普勒谱分别进行数据提取，并在提取后进行归一化，从而得到分别由两设备信息所构成的数据向量，具体步骤如下：

步骤3-1)垂测仪频高图数据提取与归一化：

设垂测仪频高图数据矩阵的大小为E×F，其中E为发射机扫频输出的所有频率个数，F为距离单元个数，在电离层垂测仪频高图中提取出雷达所对应工作频率的所有回波数据，此数据向量记为

将其中的元素进行归一化处理：

其中，

为垂测仪频高图中提取出的雷达工作频率对应的所有回波构成的数据向量，

为对

进行归一化后的结果；

步骤3-2)距离-多普勒谱数据提取与归一化：

距离-多普勒谱中所存储的数据矩阵K大小为B×A，其中距离单元个数为A，多普勒单元个数为B，设存在一数据向量

其元素组成为：

其中，K(1,j)为第一个多普勒单元和第j个距离单元处的取值，K(1,j)+…+K(B,j)即为第j个距离单元处所有多普勒单元的取值的加和，最后的

则为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量；

将其中的元素进行归一化处理得到用于最终对比分析的数据向量

其中，

为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量，

为对

进行归一化后的结果；

步骤4)对步骤3)得到的两数据向量，采用DTW算法进行数据比对分析，得出两数据间的最小距离或失真度，从而得到电离层垂测仪与高频地波雷达所提取的电离层信息的相关性，具体步骤如下：

步骤4-1)利用DTW算法进行数据比对：

(1)对于两时间序列Q＝q₁,q₂,...,q_i,...,q_n和P＝p₁,p₂,...,p_j,...,p_m，计算出两序列中各个对应点之间的欧式距离(即失真度)：

d(q_i,p_j)＝|q_i-p_j|；

其中，d(q_i,p_j)为两序列中各个对应点之间的欧式距离，q_i为时间序列Q的第i个元素，p_j为时间序列P的第j个元素；

(2)由两时间序列的大小可以得到共n×m个数据，把这n×m个数据写成一大小为n×m的矩阵M，其中每个元素M(i,j)即q_i和p_j之间的欧式距离，表示两点之间的对齐，生成的矩阵M即为距离矩阵；其中，M为n×m个欧式距离所构成的距离矩阵；

(3)计算累积距离矩阵，在累积距离矩阵中对于i＝1和j＝1两向量G(1,j),j＝1…m、G(i,1),1＝1…n的计算由下列公式给出：

G(1,j)＝G(1,j-1)+d(q₁,p_j)；

G(i,1)＝G(i-1,1)+d(q_i,p₁)；

其中，G为距离矩阵M计算得出的累计距离矩阵，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q₁,p_j)为欧式距离矩阵中点(q₁,p_j)处的值；

当i＝1且j＝1时，有G(1,1)＝d(1,1)，即累积距离矩阵中的起始元素即为i＝1且j＝1处的欧氏距离；

(4)当累计距离矩阵中的两向量元素确定后，由下列公式进行其余元素的递推求解：

其中，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q_i,p_j)为欧式距离矩阵中点(q_i,p_j)处的值；

(5)搜索从G(1,1)到G(n,m)的代价最小的路径，其中G(n,m)则是两时间序列间的“最小距离”；

步骤4-2)得到两数据相关性的度量：

相关性的度量用概率P_n,m表示：

其中，n，m分别为最后提取出的两数据向量的长度，G(n,m)为所求得累积距离矩阵中第(n,m)位置的数值。

相比于现有技术，本发明具有如下优点：

1、首次将电离层垂测信息与高频地波雷达电离层杂波信息进行联合分析；

2、能够验证垂测仪频高图中的电离层信息与高频地波雷达距离-多普勒谱中的电离层杂波是否具有一定的相关性。

附图说明

图1是电离层垂测仪信息和高频地波雷达信息的对应性分析方法的流程图；

图2是对距离-多普勒谱进行图像处理的流程图；

图3对垂测仪频高图提取数据向量的流程图。

图4对HFSWR距离-多普勒谱提取数据向量的流程图。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种电离层垂测信息和高频地波雷达杂波信息的对应性分析方法，所述方法将电离层垂测信息与高频地波雷达距离-多普勒谱中的电离层杂波信息加以联合对比分析。如图1所示，该方法具体包括如下步骤：

步骤1)分别通过电离层垂测仪和高频地波雷达获取频高图信息和距离-多普勒谱信息。具体包括如下步骤：

步骤1-1)电离层频高图信息的获取：

电离层频高图信息的获取通过发射机按照扫频的方式向空中发射电磁波，所发射的不同频率电磁波由等离子体折射率公式可知，会在不同电子浓度(即不同的电离层高度处)进行反射，从而形成电离层回波。等离子体折射率公式如下：

其中，n_i是等离子体的折射率，N_i是电子密度，f_c是电磁波频率。

接收天线接收到电离层回波后将回波信号传给接收机进行滤波放大后解调至基带，经过AD采集后进入信号处理机。由电离层回波的信号时延τ_i可以得到电离层虚高，其表达式为：

其中，τ_i为回波信号的时延，c为光速，c＝3×10⁸m/s。

分别对不同频率的回波信号进行上述处理，即可得到电离层频高图。根据电离层频高图中的反射轨迹，可以得到每一层的最大电子浓度，对应该层的最大等离子体频率为：

其中，N_m为电离层中某层的最大电子浓度，f_c则为该层所对应的最大等离子体频率。

步骤1-2)距离-多普勒谱信息的获取；

高频地波雷达的信息获取通过对HFSWR产生的RD谱进行图像处理从而提取信息。信号处理机首先计算回波信号与参考信号的差频：

r₀(t)＝r(t)exp(-jπKt²)；

其中，r(t)为雷达所发射的信号，r₀(t)为雷达所接受的回波信号，K为线性调频信号的调频斜率，t为时间。

然后对每个信号周期的回波信号作FFT，得到回波的距离谱R(τ)，最后对多个信号周期的距离谱作FFT，即可得到目标的多普勒信息RD(τ,f_d)：

其中，M为参与相干积累的信号周期个数，N为每个信号周期中的采样点数，τ为回波信号的时延，f_d为信号的多普勒频率，r_m(n)为第m个周期的回波信号，n表示对第m个周期的回波信号r_m(t)进行采样后对应的第n个采样点。

步骤2)对高频地波雷达距离-多普勒谱进行图像处理，从而得到只含有电离层杂波信息的距离-多普勒谱。如图2所示，具体包括如下步骤：

步骤2-1)海杂波、地杂波提取与剔除；

将步骤1)采集的距离-多普勒谱进行处理，如图2所示，根据一阶海杂波在幅度和形态上的特点，采用局部峰值法对其进行检测，在理想状态下，一阶海杂波在距离多普勒图上的形态为零频对称的两条“亮线”，其对应多普勒频率为：

其中，±f_B为正负Bragg频率，λ为雷达波长，g为重力加速度。

由于海洋洋流等的影响，其多普勒频率会发生一定的偏移，其偏移量为：

其中，v_e为最大洋流径向速度，λ为雷达波长，c为真空中的光速，从而在每个距离单元上，以[-f_B-Δf,-f_B+Δf]和[f_B-Δf,f_B+Δf]为搜索半径，从而准确的检测出海杂波的位置并进行去除，地物杂波在雷达距离-多普勒谱上的分布与一阶海杂波类似，所以去除方法相同；

步骤2-2)电离层杂波的提取：

在去除了海杂波和地物杂波后，就要进行电离层杂波的提取，电离层杂波的提取部分用到二维最大类间方差(Otsu)阈值分割技术。由于电离层杂波幅度和背景噪声幅度相差较大数量级，因此先对剔除后的距离-多普勒谱取对数，从而得到m(x,y)，其大小为M×N，其中距离单元个数为M，多普勒单元数为N，灰度值区间为[m_min,m_max]。再由各点的灰度值和其周围邻域信息计算灰度平均值，得到均值图像n(x,y)，从而得到一个由原灰度值和邻域平均灰度值组成的二维数组(m(x,y),n(x,y))，当阈值设定为(s,t)，由此图像被分为两部分，从而可以求出此两部分出现的概率：

其中，C₀为背景，C₁为目标，P_r(C₀)为背景出现的概率，P_r(C₁)为目标出现的概率，p_ij为灰度值取值为i且邻域平均灰度值取值为j时出现的概率，m_min与m_max为灰度值中的最大值与最小值，n_min与n_max为邻域平均灰度值中的最大值与最小值。

C₀和C₁的权矢量分别为：

其中，P₀为背景出现的概率，P₁为目标出现的概率，i为灰度值的取值，j为邻域平均灰度值的取值，p_ij为灰度值取值为i且邻域平均灰度值取值为j时出现的概率，m_min与m_max为灰度值中的最大值与最小值，n_min与n_max为邻域平均灰度值中的最大值与最小值，μ_0i与μ_0j为权矢量

的两分量，同理μ_1i与μ_1j为权矢量

的两分量。

从而二维数组的总均值向量为：

其中，i为灰度值的取值，j为邻域平均灰度值的取值，p_ij为灰度值取值为i且邻域平均灰度值取值为j时出现的概率，m_min与m_max为灰度值中的最大值与最小值，n_min与n_max为邻域平均灰度值中的最大值与最小值，μ_Ti与μ_Tj为总均值向量

的两分量。

由于图像邻域有较强相关性，因此对于点(i,j)，大多数会出现在对角线的附近，因此远离对角线的点出现的概率很小可近似忽略，可得：

其中，P₀为背景出现的概率，P₁为目标出现的概率，

为二维数组的总均值向量，

和

分别为C₀和C₁的权矢量。

背景C₀与目标C₁的类间方差为：

σ_B＝P₀[(μ_0i-μ_Ti)²+(μ_0j-μ_Tj)²]+P₁[(μ_1i-μ_Ti)²+(μ_1j-μ_Tj)²]。

其中，μ_0i与μ_0j为权矢量

的两分量，μ_1i与μ_1j为权矢量

的两分量，μ_Ti与μ_Tj为总均值向量

的两分量。

设最佳阈值为(s^*,t^*)，Otsu算法即最大类间算法，使背景与目标的类间方差最大从而完成图像分割：

其中，m(x,y)为剔除了海杂波与低杂波后的雷达距离-多普勒谱取对数的结果，n(x,y)为由m(x,y)进行灰度化后，由各点的灰度值及其邻域信息计算灰度平均值从而得出的结果，s^*为最佳阈值时m(x,y)的取值，t^*为最佳阈值时n(x,y)的取值，最佳阈值(s^*,t^*)需要在实际场景中进行多次实验来确定。

步骤2-3)电离层杂波的检测识别：

在检测识别中利用电离层杂波占据的多普勒范围较大来进行检测识别，在二值图像h(x,y)上，统计其在每个距离单元上属于C₁类的多普勒单元数R(y)，即：

其中，A为距离单元的个数，B为多普勒单元的个数，h(x,y)为完成图像分割后生成的二维数组。

然后再设定一个阈值Th_R，即当多普勒单元数超过Th_R，则判定该距离单元上有电离层杂波，若没有超过，就判定该距离单元无电离层杂波。随后，根据电离层杂波的形态特征来做进一步识别。针对不同形状的电离层杂波，用不同的模板来与二值图像h(x,y)进行卷积运算。

对于扩展型电离层杂波，采用n×n的全1方阵L₁(x,y)对h(x,y)进行卷积处理：

S₁(x,y)＝L₁(x,y)*h(x,y)；

其中，L₁(x,y)为n阶的全1方阵，h(x,y)为完成图像分割后生成的二维数组，n可以经过多次实验获得，从上式可以看出，S₁(x,y)体现了(x,y)邻域内属于C₁类像素点的密集程度，选取一合适的阈值Th₁，可以得出：

其中，Th₁为对于扩展型电离层杂波所选取的阈值，S₁(x,y)为对于扩展型电离层杂波卷积后的结果。

对于条状电离层杂波，采用m×p的全1矩阵L₂(x,y)对h(x,y)进行卷积处理，其中m＜p，同样对于卷积后的结果可以得出：

其中，Th₂为对于条状电离层杂波所选取的阈值，S₂(x,y)为对于扩展型电离层杂波卷积后的结果。

若(x,y)满足：

或

其中，I_c1(x,y)和I_c2(x,y)为卷积后的杂波识别结果，R(y)为在每个距离单元上属于C₁类的多普勒单元数，Th_R为对于R(y)所设置的阈值。

则认为存在电离层杂波。

步骤3)将频高图信息与图像处理后的距离-多普勒谱分别进行不同方式的数据提取，并在提取后进行归一化，从而得到分别由两设备信息所构成的数据向量。如图3和图4所示，具体包括如下步骤：

步骤3-1)垂测仪频高图数据提取与归一化：

设垂测仪频高图数据矩阵的大小为E×F，其中E为发射机扫频输出的所有频率个数，F为距离单元个数，在电离层垂测仪频高图中提取出雷达所对应工作频率的所有回波数据，此数据向量记为

运用相同的算法将其中的元素进行归一化处理：

其中，

为垂测仪频高图中提取出的雷达工作频率对应的所有回波构成的数据向量，

为对

进行归一化后的结果。

步骤3-2)高频地波雷达距离-多普勒谱数据提取与归一化：

距离-多普勒谱中所存储的数据矩阵K大小为B×A，其中多普勒单元数为B，距离单元个数为A，设存在一数据向量

其元素组成为：

其中，K(1,j)为第一个多普勒单元和第j个距离单元处的取值，K(1,j)+…+K(B,j)即为第j个距离单元处所有多普勒单元的取值的加和，最后的

则为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量。

将其中的元素进行归一化处理得到用于最终对比分析的数据向量

其中，

为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量，

为对

进行归一化后的结果。

步骤4)对步骤3)得到的两数据向量，采用DTW算法进行数据比对分析，得出两数据间的最小距离(或失真度)，从而得到电离层垂测仪与高频地波雷达所提取的电离层信息的相关性。具体包括如下步骤：

步骤4-1)利用DTW算法进行数据比对：

DTW算法即动态时间规划算法，是一种衡量两个长度不同的时间序列相似度的方法，通过把时间序列进行延伸或缩短，来计算两时间序列之间的相似性。

对于两时间序列Q＝q₁,q₂,...,q_i,...,q_n和P＝p₁,p₂,...,p_j,...,p_m，为了对齐这两个序列，首先需要计算出两序列中各个对应点之前的欧式距离(即失真度)：

d(q_i,p_j)＝|q_i-p_j|。

其中，d(q_i,p_j)为两序列中各个对应点之间的欧式距离，q_i为时间序列Q的第i个元素，p_j为时间序列P的第j个元素。

由两时间序列的大小可以得到共n×m个数据，此时可以把这n×m个数据写成一大小为n×m的矩阵M，其中每个元素M(i,j)即q_i和p_j之间的欧式距离，表示两点之间的对齐，生成的矩阵M即为距离矩阵。在得到了距离矩阵后由公式计算累积距离矩阵，在累积距离矩阵中对于i＝1和j＝1两向量G(1,j),j＝1…m、G(i,1),1＝1…n的计算由下列公式给出：

G(1,j)＝G(1,j-1)+d(1,p_j)；

G(i,1)＝G(i-1,1)+d(q_i,1)；

其中，G为距离矩阵M计算得出的累计距离矩阵，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q₁,p_j)为欧式距离矩阵中点(q₁,p_j)处的值。

当i＝1且j＝1时，有G(1,1)＝d(1,1)，即累积距离矩阵中的起始元素即为i＝1且j＝1处的欧氏距离。当累计距离矩阵中的两向量元素确定后，即可由下列公式进行其余元素的递推求解：

其中，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q_i,p_j)为欧式距离矩阵中点(q_i,p_j)处的值。

得到累积距离矩阵G后，则可确定一条从G(1,1)到G(n,m)的一条代价最小的路径，其中G(n,m)则是我们想要得到的两时间序列间的“距离”。

步骤4-2)得到两数据相关性的度量：

最终相关性的度量我们用概率P_n,m表示：

其中，n，m分别为最后提取出的两数据向量的长度，G(n,m)为所求得累积距离矩阵中第(n,m)位置的数值，Max(n,m)为n和m中的最大值。

最后可得出电离层垂测仪与高频地波雷达所提取的电离层信息以P_n,m的概率相关。

本发明的方法通过将电离层垂测信息与高频地波雷达电离层杂波信息加以联合分析，从而得到它们的相关性，对提升各自的性能起到了一个积极的作用。本发明方法简单易行，可为电离层的探测以及高频地波雷达抗电离层干扰方面提供积极作用。

Claims (6)

1.一种垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述方法包括如下步骤：

步骤1)分别通过电离层垂测仪和高频地波雷达获取频高图信息和距离-多普勒谱信息；

步骤2)对距离-多普勒谱进行图像处理，从而得到只含有电离层杂波信息的距离-多普勒谱；

步骤3)将频高图信息与图像处理后的距离-多普勒谱分别进行数据提取，并在提取后进行归一化，从而得到分别由两设备信息所构成的数据向量；

步骤4)对步骤3)得到的两数据向量，采用DTW算法进行数据比对分析，得出两数据间的最小距离或失真度，从而得到电离层垂测仪与高频地波雷达所提取的电离层信息的相关性。

2.根据权利要求1所述的垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述频高图信息的获取方法如下：

(1)通过发射机按照扫频的方式向空中发射电磁波，不同频率电磁波在不同的电离层高度处进行反射，从而形成电离层回波；

(2)接收天线接收到电离层回波后将回波信号传给接收机进行滤波放大后解调至基带，经过AD采集后进入信号处理机；

(3)由电离层回波的信号时延得到电离层虚高；

(4)分别对不同频率的回波信号进行上述(2)(3)步的处理，得到电离层频高图。

3.根据权利要求1所述的垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述距离-多普勒谱信息的获取方法如下：

(1)计算回波信号与参考信号的差频：

r₀(t)＝r(t)exp(-jπKt²)；

其中，r(t)为雷达所发射的信号，r₀(t)为雷达所接受的回波信号，K为线性调频信号的调频斜率，t为时间；

(2)对每个信号周期的回波信号作FFT，得到回波的距离谱R(τ)；

(3)对多个信号周期的距离谱作FFT，得到目标的多普勒信息RD(τ,f_d)：

其中，M为参与相干积累的信号周期个数，N为每个信号周期中的采样点数，τ为回波信号的时延，f_d为信号的多普勒频率，r_m(n)为第m个周期的回波信号，n表示对第m个周期的回波信号r_m(t)进行采样后所对应的第n个采样点。

4.根据权利要求1所述的垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述步骤2)的具体步骤如下：

步骤2-1)海杂波、地杂波提取与剔除：

(1)根据一阶海杂波在幅度和形态上的特点，在每个距离单元上，以[-f_B-Δf,-f_B+Δf]和[f_B-Δf,f_B+Δf]为搜索半径，采用局部峰值法对高频地波雷达距离-多普勒谱进行检测，检测出海杂波的位置并进行去除，其中，f_B为一阶海杂波对应的多普勒频率，Δf为多普勒频率偏移；

(2)根据地杂波在幅度和形态上的特点，按照与(1)相同的方法对高频地波雷达距离-多普勒谱进行检测，检测出地杂波的位置并进行去除；

步骤2-2)电离层杂波的提取：

(1)对剔除后的距离-多普勒谱取对数，从而得到m(x,y)，其大小为B×A，其中距离单元个数为A，多普勒单元个数为B，灰度值区间为[m_min,m_max]；

(2)由各点的灰度值和其周围邻域信息计算灰度平均值，得到均值图像n(x,y)，从而得到一个由原灰度值和邻域平均灰度值组成的二维数组(m(x,y),n(x,y))；

(3)设最佳阈值为(s^*,t^*)，Otsu算法即最大类间算法，使背景与目标的类间方差最大从而完成图像分割：

其中，m(x,y)为剔除了海杂波与低杂波后的雷达距离-多普勒谱取对数的结果，n(x,y)为由m(x,y)进行灰度化后，由各点的灰度值及其邻域信息计算灰度平均值从而得出的结果，s^*为最佳阈值时m(x,y)的取值，t^*为最佳阈值时n(x,y)的取值，C₁为要进行识别的电离层目标，C₀为除去电离层目标外的背景；

步骤2-3)电离层杂波的检测识别：

(1)在二值图像h(x,y)上，统计其在每个距离单元上属于C₁类的多普勒单元数R(y)，即：

(2)设定一个阈值，即当多普勒单元数超过该阈值时，则判定该距离单元上有电离层杂波，若没有超过，就判定该距离单元无电离层杂波；

(3)针对不同形状的电离层杂波，用不同的模板与二值图像h(x,y)进行卷积运算，得到杂波识别结果。

5.根据权利要求1所述的垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述步骤3)的具体步骤如下：

步骤3-1)垂测仪频高图数据提取与归一化：

设垂测仪频高图数据矩阵的大小为E×F，其中E为发射机扫频输出的所有频率个数，F为距离单元个数，在电离层垂测仪频高图中提取出雷达所对应工作频率的所有回波数据，此数据向量记为

将其中的元素进行归一化处理：

其中，

为垂测仪频高图中提取出的雷达工作频率对应的所有回波构成的数据向量，

为对

进行归一化后的结果；

步骤3-2)距离-多普勒谱数据提取与归一化：

距离-多普勒谱中所存储的数据矩阵K大小为B×A，其中距离单元个数为A，多普勒单元个数为B，设存在一数据向量

其元素组成为：

其中，K(1,j)为第一个多普勒单元和第j个距离单元处的取值，K(1,j)+…+K(B,j)即为第j个距离单元处所有多普勒单元的取值的加和，最后的

则为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量；

将其中的元素进行归一化处理得到用于最终对比分析的数据向量

其中，

为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量，

为对

进行归一化后的结果。

6.根据权利要求1所述的垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述步骤4)的具体步骤如下：

步骤4-1)利用DTW算法进行数据比对：

(1)对于两时间序列Q＝q₁,q₂,...,q_i,...,q_n和P＝p₁,p₂,...,p_j,...,p_m，计算出两序列中各个对应点之间的欧式距离即失真度：

d(q_i,p_j)＝|q_i-p_j|；

其中，d(q_i,p_j)为两序列中各个对应点之间的欧式距离，q_i为时间序列Q的第i个元素，p_j为时间序列P的第j个元素；

(2)由两时间序列的大小可以得到共n×m个数据，把这n×m个数据写成一大小为n×m的矩阵M，其中每个元素M(i,j)即q_i和p_j之间的欧式距离，表示两点之间的对齐，生成的矩阵M即为距离矩阵；

(3)计算累积距离矩阵，在累积距离矩阵中对于i＝1和j＝1两向量G(1,j),j＝1…m、G(i,1),1＝1…n的计算由下列公式给出：

G(1,j)＝G(1,j-1)+d(q₁,p_j)；

G(i,1)＝G(i-1,1)+d(q_i,p₁)；

其中，G为距离矩阵M计算得出的累计距离矩阵，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q₁,p_j)为欧式距离矩阵中点(q₁,p_j)处的值；

当i＝1且j＝1时，有G(1,1)＝d(1,1)，即累积距离矩阵中的起始元素即为i＝1且j＝1处的欧氏距离；

(4)当累计距离矩阵中的两向量元素确定后，由下列公式进行其余元素的递推求解：

其中，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q_i,p_j)为欧式距离矩阵中点(q_i,p_j)处的值；

(5)搜索从G(1,1)到G(n,m)的代价最小的路径，其中G(n,m)则是两时间序列间的“最小距离”；

步骤4-2)得到两数据相关性的度量：

相关性的度量用概率P_n,m表示：

Images