CN115755043B - 一种基于x波段非相参雷达的波浪场重构及预测方法 - Google Patents

一种基于x波段非相参雷达的波浪场重构及预测方法 Download PDF

Info

Publication number
CN115755043B
CN115755043B CN202211280261.4A CN202211280261A CN115755043B CN 115755043 B CN115755043 B CN 115755043B CN 202211280261 A CN202211280261 A CN 202211280261A CN 115755043 B CN115755043 B CN 115755043B
Authority
CN
China
Prior art keywords
wave
wave field
band non
coherent radar
sea
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
CN202211280261.4A
Other languages
English (en)
Other versions
CN115755043A (zh
Inventor
刘曾
朱灏潭
孙江龙
刘敬喜
张正艺
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202211280261.4A priority Critical patent/CN115755043B/zh
Publication of CN115755043A publication Critical patent/CN115755043A/zh
Application granted granted Critical
Publication of CN115755043B publication Critical patent/CN115755043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于海浪预报相关技术领域,其公开了一种基于X波段非相参雷达的波浪场重构及预测方法,该方法包括以下步骤:(1)获取X波段非相参雷达图像,并得到对应的雷达强度图像数据集;(2)选取矩形样本窗口并进行数据处理,对于矩形样本窗口使用全新的波浪场重构方法进行波浪场重构,以得到重构的波浪场;(3)对重构的波浪场进行数据处理,得到可预测区域,根据重构波浪场的有义波高判断所处海况,针对不同海况使用相应的波浪模型进行下游指定海域的波浪场预测。本发明用原始强度值减去所有未被遮挡点的强度值均值,而被遮挡的点的强度值保持原始值,以此达到修正目的,提高了波浪场重构的准确度和精确度。

Description

一种基于X波段非相参雷达的波浪场重构及预测方法
技术领域
本发明属于海浪预报相关技术领域,更具体地,涉及一种基于X波段非相参雷达的波浪场重构及预测方法。
背景技术
人们对于波浪的研究也越来越多,获取波浪信息不仅可以保证船舶行驶和海上作业的安全,还可以保护海岸以及便于实施海上救援任务。
如今获取波浪参数可以通过浮标、测流计等实地测量工具,但由于这种测量方式是单点测量,测量工具的部署耗时耗力,并且在检测大面积海域时效率较低。相比较而言,通过X波段非相参雷达测量获取的海域面积更大,使得获取波浪场的效率更高。不同海况下波浪高度不同,给海上作业等带来的挑战也有所不同,但是只适用一种模型去预测所有海况下的波浪场,效果往往不好。所以面对不同海况时,需要用不同的模型进行波浪场预测,从而提高波浪场预测的可行性,有利于进行海上作业等。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于X波段非相参雷达的波浪场重构及预测方法,基于X波段非相参雷达进行波浪场重构,求得可预测区域,提出一种与海况相适应的波浪预测方法。
为实现上述目的,按照本发明的一个方面,一种基于X波段非相参雷达的波浪场重构及预测方法,该方法主要包括以下步骤:
(1)获取X波段非相参雷达图像,并得到对应的雷达强度图像数据集;
(2)选取矩形样本窗口并进行数据处理,对于矩形样本窗口使用全新的波浪场重构方法进行波浪场重构,以得到重构的波浪场;
(3)对重构的波浪场进行数据处理,得到可预测区域,根据重构波浪场的有义波高判断所处海况,针对不同海况使用相应的波浪模型进行下游指定海域的波浪场预测。
进一步地,获取得到的X波段非相参雷达图像数据包括角度、径向距离及雷达强度值。
进一步地,数据处理时,将矩形样本窗口在极坐标下的数值转换至直角坐标下,矩形样本窗口长宽均为1km。
进一步地,波浪场重构方法包括以下子步骤:X波段雷达图像修正、三维傅里叶变换、高通滤波、带通滤波、图像谱修正、逆三维傅里叶变换和图像尺度化。
进一步地,得到样本窗口中波浪的最大群速度、最小群速度和周期,计算出可预测区域的边界,计算公式为:
t1=x/Cmin
t2=T+x/Cmax
其中,t1表示可预测时间起点,t2表示可预测时间终点,x表示所求点距离样本窗口距离,T表示波分量周期,Cmin表示波分量最小群速度,Cmax表示波分量最大群速度。
进一步地,根据重构波浪场的有义波高,获得重构波浪场对应的海况等级。
进一步地,波浪场不同海况预测模型具体为:海况等级为一至二级时,采用线性波浪理论进行波浪场预测;海况等级为三至四级时,采用考虑色散关系修正的二阶波浪理论进行波浪场预测;海况等级为五级及以上时,采用三阶非线性Zakharov方程进行波浪场预测。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的基于X波段非相参雷达的波浪场重构及预测方法主要具有以下有益效果:
1.本发明提出了一种全新的、高效的波浪场重构方法,核心是对于获取的原始X波段非相参雷达图像进行修正,首先将获取的原始X波段非相参雷达图像中被遮挡的点的强度值从非负值修正为均值为零的值,即用原始强度值减去所有未被遮挡点的强度值均值,而被遮挡的点的强度值保持原始值,以此达到修正目的,相比于原始未修正的X波段非相参雷达图像,提高了波浪场重构的准确度和精确度。
2.根据重构波浪场的有义波高判断所处海况,对不同海况等级使用与之对应的波浪预测模型。海况等级为一至二级时,采用线性波浪理论进行波浪场预测;海况等级为三至四级时,采用考虑色散关系修正的二阶波浪理论进行波浪场预测;海况等级为五级及以上时,采用三阶非线性Zakharov方程进行波浪场预测。该波浪预测方法在保证预测精度的同时,最大程度地减少计算量,同时可有效保证波浪预测的稳定性,兼顾了波浪场预测的准确性和灵活性。
3.由于X波段非相参雷达图像强度在时间上不具有周期性会导致频谱泄露,故采用零填充来最小化频谱泄露在三维傅里叶变化中的影响,即在X波段非相参雷达图像前后各添加全零数据图像。
附图说明
图1是本发明提供的一种基于X波段非相参雷达的波浪场重构及预测方法的流程示意图;
图2是X波段非相参雷达强度图像;
图3是矩形样本窗口雷达图像;
图4是波浪场重构流程示意图;
图5是矩形样本窗口波浪场重构图;
图6是可预测区域示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于X波段非相参雷达的波浪场重构及预测方法,所述方法主要包括以下步骤:
步骤一,获取X波段非相参雷达图像,并得到对应的雷达强度图像数据集。获取得到的X波段非相参雷达图像数据包括角度、径向距离及雷达强度值。
步骤二,选取矩形样本窗口并进行数据处理,对于矩形样本窗口使用全新的波浪场重构方法进行波浪场重构,以得到重构的波浪场。
数据处理时,将矩形样本窗口在极坐标下的数值转换至直角坐标下。处理后的数据包括:横坐标、纵坐标和波高值。
波浪场重构方法具体为:X波段雷达图像修正、三维傅里叶变换、高通滤波、带通滤波、图像谱修正、逆三维傅里叶变换和图像尺度化。
步骤三,对重构的波浪场进行数据处理,得到可预测区域,根据重构波浪场的有义波高判断所处海况,针对不同海况使用相应的波浪模型进行下游指定海域的波浪场预测。
得到样本窗口中波浪的最大群速度、最小群速度和周期,计算出可预测区域的边界,计算公式为:
t1=x/Cmin
t2=T+x/Cmax
其中,t1表示可预测时间起点,t2表示可预测时间终点,x表示所求点距离样本窗口距离,T表示波分量周期,Cmin表示波分量最小群速度,Cmax表示波分量最大群速度。
根据重构波浪场的有义波高,获得重构波浪场对应的海况等级。
针对不同海况使用相应的波浪模型进行下游指定海域的波浪场预测。海况等级为一至二级时,采用线性波浪理论进行波浪场预测;海况等级为三至四级时,采用考虑色散关系修正的二阶波浪理论进行波浪场预测;海况等级为五级及以上时,采用三阶非线性Zakharov方程进行波浪场预测。
以下以具体实施例来对本发明进行进一步的详细说明。
如图1至图6所示,根据X波段非相参雷达图像进行矩形样本窗口的波浪场重构,再求矩形样本窗口所对应的可预测区域,最后进行波浪场预测
(1)雷达图像数据集
根据目标,获取32张极坐标系下的X波段非相参雷达图像,采样时间间隔为1s,角度分辨率为0.5°,径向分辨率为10m,数据集的维度是三维,分别为角度、径向距离及时间。
(2)波浪场重构
对于X波段非相参雷达图像进行波浪场重构可以得到重构的波浪场,包括如下步骤:
2.1)取x∈[500,1500],y∈[-500,500]范围内的图像作为矩形样本窗口,由于原雷达强度图像数据点为径向分布,故需要进行插值,实现坐标转换,矩形样本窗口x轴、y轴分辨率均为5m,得到矩形样本窗口的三维数据集。
将雷达图像强度值从非负范围转换为均值接近0的值,具体公式如下:
Figure BDA0003897994550000051
Figure BDA0003897994550000052
其中,ρ为原雷达图像强度,ρ0为未被遮挡点的平均强度值,
Figure BDA0003897994550000053
为修正后雷达图像强度值,β为经验参数,s为阴影函数,当该点被遮挡时取s=0,否则取s=1。
由于仿真的X波段雷达图像强度在时间上不具有周期性会导致频谱泄露,故采用零填充来最小化频谱泄露在三维傅里叶变化中的影响,即在X波段雷达图像前后各添加全零数据。
2.2)对矩形样本窗口进行三维傅里叶变换成图像谱I0,将图像从时域转至频域进行分析,计算公式为:
Figure BDA0003897994550000061
其中,A0代表I0对应幅值,
Figure BDA0003897994550000062
代表I0对应相位,kx、ky代表波数,ω代表频率,η代表波高,x、y代表样本窗口横纵坐标值,t代表雷达图像采样时间。
2.3)对图像谱I0进行高通滤波和带通滤波操作,以提取与波相关的频谱,计算公式如下:
ωcut0=cΔω=c×2π/T;
Figure BDA0003897994550000063
Figure BDA0003897994550000064
ωb=bΔω;
Figure BDA0003897994550000065
Figure BDA0003897994550000066
Figure BDA0003897994550000067
其中,ωcut0代表截止频率,c代表经验参数,取c=2,Δω代表频率间隔,T代表雷达图像总时长,I1代表高通滤波操作后的图像谱,A1代表I1对应幅值,
Figure BDA0003897994550000068
代表I1对应相位,g代表重力加速度,U代表表面流速向量,使用最小二乘法测定,H代表水深,k代表波数,b代表经验参数,取b=2,ωcut1、ωcut2代表截止频率上下限,I2代表带通滤波操作后的图像谱,A2代表I2对应幅值,/>
Figure BDA0003897994550000071
代表I2对应相位。
2.4)由于存在阴影调制等调制过程,导致频谱I2不等于实际波谱,需进行图像谱修正,计算公式如下:
Ac(kx,ky,ω)=A2(kx,ky,ω)·M(k)=A2(kx,ky,ω)·(k)-q
其中,Ac代表A2修正后的幅值,M代表调制传递函数,k代表波数。
由于X波段相参雷达重构波浪场准确度更高,对于相同波浪场利用X波段相参雷达的重构波场对上述公式中的q进行校核,得到q=0.5。
2.5)由Ac
Figure BDA0003897994550000072
计算出修正后的图像谱Ic,通过逆三维傅里叶变换求得未尺度化的波浪场ηE,计算公式如下:
Figure BDA0003897994550000073
Figure BDA0003897994550000074
2.6)对未尺度化的波浪场进行尺度化,得到重构波浪场ηc,计算公式如下:
Figure BDA0003897994550000075
Figure BDA0003897994550000076
Figure BDA0003897994550000077
其中,Hs代表有效波高,σηE代表ηE的标准差,C1、C2为常量,SR为信噪比。
(3)可预测区域及波浪场预测
对重构的波浪场进行数据处理,得到可预测区域,获取重构波浪场的海况等级,针对不同海况使用相应的波浪模型进行下游指定海域的波浪场预测,包括如下步骤:
3.1)得到样本窗口中波浪的最大群速度、最小群速度和周期,计算出可预测区域的边界,计算公式如下:
t1=x/Cmin
t2=T+x/Cmax
其中,t1表示可预测时间起点,t2表示可预测时间终点,x表示所求点距离样本窗口距离,T表示波分量周期,Cmin表示波分量最小群速度,Cmax表示波分量最大群速度。
3.2)根据重构波浪场的有义波高,获得重构波浪场对应的海况等级。针对不同海况,使用不同模型对下游指定海域的波浪场进行预测。
海况等级为一至二级时,波浪的陡度较小,采用线性理论进行时空上的波浪场预测,以单向波为例,计算公式如下:
Figure BDA0003897994550000081
其中N表示样本点数量,Y(0)表示重构波浪场的波高值,Y表示傅里叶系数,Y*表示共轭复数,km表示波数,ωm表示频率,km和ωm满足线性色散关系,
Figure BDA0003897994550000082
g为重力加速度。
海况等级为三至四级时,波浪陡度增加,体现出非线性效应,采用考虑色散关系修正的二阶波浪理论进行时空上的波浪场预测,以单向波为例,计算公式如下:
Figure BDA0003897994550000083
其中,Ωm表示非线性频率修正,计算公式如下:
Ωm=ωm+∑pempTmp|Bp|2
其中,ωm表示线性频率,emp、Tmp和Bp由以下计算公式算出:
Figure BDA0003897994550000084
Figure BDA0003897994550000091
Figure BDA0003897994550000092
其中,m、p代表选取样本点,k表示波数,N表示样本点数量,g表示重力加速度,ω表示频率。
海况等级为五级及以上时,采用三阶非线性Zakharov方程获取各波分量振幅随时间的变化,从而进行波浪场预测,计算公式如下:
Figure BDA0003897994550000093
其中,Y(m,t)为与振幅相关的修正后的傅里叶系数。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于X波段非相参雷达的波浪场重构及预测方法,其特征在于,该方法包括以下步骤:
(1)获取X波段非相参雷达图像,并得到对应的雷达强度图像数据集;
(2)选取矩形样本窗口并进行数据处理,对于矩形样本窗口进行波浪场重构,以得到重构的波浪场;
(3)对重构的波浪场进行数据处理,得到可预测区域,根据重构波浪场的有义波高判断所处海况,针对不同海况使用相应的波浪模型进行下游预定海域的波浪场预测;
其中,得到样本窗口中波浪的最大群速度、最小群速度和周期,计算出可预测区域的边界,计算公式为:
t1=x/Cmin
t2=T+x/Cmax
其中,t1表示可预测时间起点,t2表示可预测时间终点,x表示所求点距离样本窗口距离,T表示波分量周期,Cmin表示波分量最小群速度,Cmax表示波分量最大群速度。
2.如权利要求1所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:获取得到的X波段非相参雷达图像数据包括角度、径向距离及雷达强度值。
3.如权利要求1所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:数据处理时,将矩形样本窗口在极坐标下的数值转换至直角坐标下,矩形样本窗口长宽均为1km。
4.如权利要求1所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:波浪场重构包括以下子步骤:X波段非相参雷达图像修正、三维傅里叶变换、高通滤波、带通滤波、图像谱修正、逆三维傅里叶变换和图像尺度化。
5.如权利要求4所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:对获取的原始X波段非相参雷达图像进行修正,首先将获取的原始X波段非相参雷达图像中被遮挡的点的强度值从非负值修正为均值为零的值,即用原始强度值减去所有未被遮挡点的强度值均值,而被遮挡的点的强度值保持原始值,以此达到修正目的,采用的公式为:
Figure FDA0004238417450000021
Figure FDA0004238417450000022
其中,ρ为原雷达图像强度,ρ0为未被遮挡点的平均强度值,
Figure FDA0004238417450000023
为修正后雷达图像强度值,β为经验参数,s为阴影函数,当点被遮挡时取s=0,否则取s=1;
其次,在X波段非相参雷达图像前后各添加全零数据图像。
6.如权利要求1所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:针对不同海况使用相应的波浪模型,其中,
海况等级为一至二级时,采用线性波浪理论进行时空上的波浪场预测,以单向波为例,采用的公式为:
Figure FDA0004238417450000024
其中N表示样本点数量,Y(0)表示重构波浪场的波高值,Y表示傅里叶系数,Y*表示共轭复数,km表示波数,ωm表示频率,km和ωm满足线性色散关系,
Figure FDA0004238417450000025
g为重力加速度。
7.如权利要求6所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:海况等级为三至四级时,波浪陡度增加,体现出非线性效应,采用考虑色散关系修正的二阶波浪理论进行时空上的波浪场预测,以单向波为例,采用的公式为:
Figure FDA0004238417450000031
其中,Ωm表示非线性频率修正,采用的公式为:
Ωm=ωm+∑pempTmp|Bp|2
其中,ωm表示线性频率,emp、Tmp和Bp采用的公式为:
Figure FDA0004238417450000032
Figure FDA0004238417450000033
Figure FDA0004238417450000034
其中,m、p代表选取样本点,k表示波数,N表示样本点数量,g表示重力加速度,ω表示频率。
8.如权利要求6所述的基于X波段非相参雷达的波浪场重构及预测方法,其特征在于:海况等级为五级及以上时,采用三阶非线性Zakharov方程获取各波分量振幅随时间的变化,从而进行波浪场预测,采用的公式为:
Figure FDA0004238417450000041
其中,Y(m,t)为与振幅相关的修正后的傅里叶系数。
CN202211280261.4A 2022-10-19 2022-10-19 一种基于x波段非相参雷达的波浪场重构及预测方法 Active CN115755043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211280261.4A CN115755043B (zh) 2022-10-19 2022-10-19 一种基于x波段非相参雷达的波浪场重构及预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211280261.4A CN115755043B (zh) 2022-10-19 2022-10-19 一种基于x波段非相参雷达的波浪场重构及预测方法

Publications (2)

Publication Number Publication Date
CN115755043A CN115755043A (zh) 2023-03-07
CN115755043B true CN115755043B (zh) 2023-07-04

Family

ID=85353843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211280261.4A Active CN115755043B (zh) 2022-10-19 2022-10-19 一种基于x波段非相参雷达的波浪场重构及预测方法

Country Status (1)

Country Link
CN (1) CN115755043B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116147587B (zh) * 2023-04-17 2023-07-18 南开大学 一种波浪预测方法及波浪测量系统
CN117647808B (zh) * 2024-01-25 2024-04-30 青岛哈尔滨工程大学创新发展中心 基于深度学习的非相参雷达相位解析波浪时历反演方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002008786A1 (de) * 2000-07-21 2002-01-31 Gkss-Forschungszentrum Geesthacht Gmbh Verfahren zur ermittlung von ein in situ seegangsfeld beschreibenden hydrographischen parametern mittels einer radareinrichtung
JP3783058B2 (ja) * 2003-07-19 2006-06-07 独立行政法人情報通信研究機構 レーダ画像からの波浪方向スペクトル逆推定方法及びシステム
CN106990402B (zh) * 2017-03-30 2019-09-03 南京信息工程大学 一种基于波浪理论的导航x波段雷达波群检测方法
CN111257886B (zh) * 2020-03-23 2021-11-30 南京信息工程大学 一种利用单幅船载x波段雷达图像反演海浪参数的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
X波段雷达测波信息再处理;王作超 等;中国航海;第4卷(第04期);7-11页 *

Also Published As

Publication number Publication date
CN115755043A (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
CN115755043B (zh) 一种基于x波段非相参雷达的波浪场重构及预测方法
CN111950438B (zh) 基于深度学习的天宫二号成像高度计有效波高反演方法
Fichaux et al. Combined extraction of high spatial resolution wind speed and wind direction from SAR images: A new approach using wavelet transform
CN113189559B (zh) 一种星载成像高度计遥感数据海底地形反演方法
CN113075706A (zh) 一种基于gnss-r的雪深反演方法及其应用
CN107831013A (zh) 一种利用概率主分量分析增强循环双谱的轴承故障诊断方法
Karimi et al. Mean sea surface and mean dynamic topography determination from CryoSat-2 data around Australia
CN111951204B (zh) 一种基于深度学习的天宫二号探测数据海面风速反演方法
Montopoli et al. Spectral downscaling of integrated water vapor fields from satellite infrared observations
Lopez-Radcenco et al. Analog data assimilation of along-track nadir and wide-swath swot altimetry observations in the western Mediterranean Sea
CN113204020A (zh) 一种基于频谱分割的海浪波谱仪斑点噪声谱估计方法
CN116503716A (zh) 一种雷达图像衍生与数据库扩容的方法
CN110657742A (zh) 含水层形变信号分离方法、装置、设备及可读存储介质
Kim et al. Real-time inverse estimation of multi-directional random waves from vessel-motion sensors using Kalman filter
CN108957571B (zh) 一种航空重力数据插值、扩边和下延一体化方法
Marghany et al. 3-D reconstruction of coastal bathymetry from AIRSAR/POLSAR data
Andari et al. Identification of sea level rise and land subsidence based on sentinel 1 data in the coastal city of Pekalongan, Central Java, Indonesia
Pedder et al. Applications of EOF analysis to the spatial estimation of circulation features in the ocean sampled by high-resolution CTD soundings
Crossley et al. Quantifying uncertainty in acoustic measurements of tidal flows using a ‘Virtual’Doppler Current Profiler
CN112835077A (zh) 基于变分模态分解的卫星导航信噪比数据去趋势方法
Vergara et al. Global submesoscale diagnosis using alongtrack satellite altimetry
Li et al. Piecewise adaptive-norm trend filtering method for ICESat/GLAS waveform data denoising
Radhakrishnan et al. Retrieval of Ocean Wave Spectra From X-Band Marine Radar Images Using Inversion Schemes Based on Auto-Spectral Analysis
Lu et al. The impact of observational errors on objective analyses
CN117310708B (zh) 不依赖外部风向的sar图像海面风场反演方法与系统

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