DE112021000018T5 - Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung - Google Patents

Abstract

Die Erfindung veröffentlicht ein Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen einer Hochfrequenz-Satelliten-Boden-Verbindung. Durch den Filter werden die schnellen Signaländerungen eliminiert, die durch Rauschen und Szintillation der Satelliten-Boden-Verbindung verursacht werden; dann werden verschiedene Kenngrößen wie Standardabweichung, Trend, Maximalwert, Minimalwert, Mittelwert, Schiefe, Kurtosis und Informationsentropie extrahiert; das optimale Zeitfenster wird durch Anpassung ausgewählt, schließlich wird der Klassifizierungsalgorithmus verwendet, um die sonnige und regnerische Zeit zu bestimmen. Die vorliegende Erfindung kann die sonnige und regnerische Zeit unter Verwendung des Hochfrequenz-Satelliten-Boden-Verbindungssignals genau unterscheiden und die Überwachung der sonnigen und regnerischen Verteilung im breiten Bereich in Echtzeit realisieren. Es ist von großer Bedeutung, die Genauigkeit der Niederschlagsmessung durch die Stern-Boden-Verbindung weiter zu verbessern und das Niveau der Überwachung für städtisches Hochwasser sowie der Hochwasserprävention und der Frühwarnung zu erhöhen.

Description

• Technischer Bereich
• Die vorliegende Erfindung bezieht sich auf das Gebiet der meteorologischen Sondierung, insbesondere auf ein Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung; genauer gesagt handelt es sich darum, dass mehrere Kenngrößen mithilfe des Signalwechsels der Stern-Boden-Verbindung extrahiert wird, dann Bestimmung der sonnigen und regnerischen Zeit durch Klassifikationsalgorithmen realisiert wird.
• Hintergrundtechnik
• Seit die Idee der Niederschlagsmessung auf der Basis der bodennahen Mikrowellenverbindung im Jahr 1977 vorgestellt wurde, hat diese neue Methode der Niederschlagsmessung unter Verwendung der bodennahen Mikrowellenverbindung wegen der einfachen Bedienung, der geringen Kosten und der hohen Präzision große Aufmerksamkeit bei Wissenschaftlern im In- und Ausland erregt und große Fortschritte gemacht. Gegenwärtig kann die bodennahe Mikrowellenverbindung nicht nur die Inversion der durchschnittlichen Regenintensität und des durchschnittlichen Regentropfenspektrums des Weges realisieren, sondern auch eine wichtige Rolle bei der Radarkalibrierung und der Überwachung des regionalen Niederschlags spielen und ist zu einem Hilfsmittel und einer Ergänzung der traditionellen Beobachtungsmethoden des Niederschlags geworden. Es besteht jedoch noch eine große Lücke zu der Realisierung der automatischen Niederschlagsmessung per Mikrowellenverbindung und der Einsatz. Einer der wichtigen Faktoren, welche die automatische Niederschlagsmessung einschränken, ist die Erkennung von sonniger und regnerischer Zeit, was sich direkt auf die Genauigkeit der Ergebnisse der Niederschlagserkennung auswirkt. Es wurde bereits viel darüber geforscht, wie die bodennahen Mikrowellenverbindungen zum Unterscheiden der sonnigen und regnerischen Zeit genutzt werden kann, aber es entspricht immer noch nicht den Anforderungen der praktischen Anwendungen.
• Mikrowellenverbindung als eine spezielle Verbindung wird zur Sondierung von Regenfällen genutzt, was zu einem neuen diskutierten Problem geworden ist. Im Allgemeinen sind die Arbeitsfrequenzbänder von Satelliten-Boden-Verbindung meist in Hochfrequenzbändern wie L, C, Ku und Ka konzentriert. Die Signale werden leicht durch externe Faktoren gestört, da die Satelliten-Boden-Verbindungen die gesamte Atmosphäre durchqueren, führen viele Faktoren wie Gas, Wolken, Staub, Szintillation und Niederschlag in der Atmosphäre auch dazu, dass die Signaländerungen komplexer als bodennahe Mikrowellenverbindungen sind. Gegenwärtig hat die Forschung an der Methode der Sondierung von Regenfällen durch die Satelliten-Boden-Verbindung gerade erst begonnen, die genaue Bestimmung für sonnige und regnerische Zeit ist die notwendige Voraussetzung für die Inversion der Niederschlagsintensität. Daher ist es von großer Bedeutung, die sonnige und regnerische Zeit anhand der Hochfrequenzsignale der Satelliten-Boden-Verbindung zu unterscheiden. Es kann nicht nur die Genauigkeit der Regenerkennung durch Satelliten-Boden-Verbindung verbessern, sondern auch die breite Anwendung der Satelliten-Boden-Verbindung zur Regenerkennung fördern.
• Inhalt der Erfindung
• Um die oben genannten technischen Probleme zu lösen, bietet die vorliegende Erfindung ein Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung. Durch die Analyse der Änderungsregelmäßigkeit von Hochfrequenzsignalen werden die Kenngrößen mit offensichtlichen Unterschieden in der sonnigen und regnerischen Zeit extrahiert, die Erkennung der sonnigen und regnerischen Zeit wird mit Hilfe des Klassifizierungsalgorithmus realisiert.
• Um den oben genannten Zweck zu erreichen, verwendet die vorliegende Erfindung die folgenden technischen Lösungen:
• Ein Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung umfasst die folgenden Schritte:
  • Schritt 1: Aufbau der Hochfrequenz-Satelliten-Boden-Verbindung.
  • Schritt 2: Abtasten der Verbindung im Zeitbereich in Intervallen von ΔT, um das ursprüngliche Empfangssignal SN zu erhalten;
  • Schritt 3: Filtern des ursprünglichen Empfangssignals SN mithilfe der Wavelet-Analyse, Eliminieren der durch Szintillation in der Troposphäre verursachten schnellen Änderungen, um das Signal S(n) zu erhalten.
  • Schritt 4: Extrahieren der Kenngröße des Signals S(n) für jeden Zeitpunkt;
  • Schritt 5: Einstellen des Berechnungsfensterbereiches Wi für jede Kenngröße, um das optimale Zeitfenster W zu wählen;
  • Schritt 6: x₁ und x₂ stellen die Eigenvektoren der zwei Signale zu unterschiedlichen Zeitpunkten dar, die aus den in Schritt 4 erhaltenen Kenngröße bestehen; Wählen der gaußschen Kernel-Funktion K(x₁,x₂) und des Straffaktors C: $$K\left(x_1\text{,}{x}_2\right)=\text{exp}\left(-\frac{\Vert x_1-x_2\Vert }{2{\sigma }^2}\right)$$
    
    wobei σ die Bandbreite darstellt und die den Wirkungsbereich der Kernel-Funktion steuert.
• Konstruieren des Optimierungsproblems:
• $$\underset{\mathrm{\alpha }}{\text{min}}\frac{1}{2}{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^n{\alpha }_i{\alpha }_j{y}_i{y}_{j}K\left(x_i\text{,}{x}_j\right)}}-{\displaystyle \sum _{i=1}^n{\alpha }_i},$$

  

  $$s\text{.}t\text{. }{\displaystyle \sum _{i=1}^n{\alpha }_i{y}_i}=0$$

  

  $$0\le {\alpha }_i\le C$$

  

  
  wobei y das Klassifizierungsergebnis und α der Lagrangeschen Multiplikator darstellt.
• Schritt 7: Lösung des optimalen α auf der Basis des quadratischen Planungsproblems, Konstruieren einer Entscheidungsfunktion G(x), um die Unterscheidung für die sonnige und regnerische Zeit zu realisieren. $$G\left(x_i\right)=sign\left({\displaystyle \sum _i{\alpha }_i{y}_i}K\left(x_i\text{,}{x}_j\right)+b\right)$$
  
  $$b=y_i-{\displaystyle \sum _{i"\in SV}{\alpha }_{i"}{y}_{i"}}K\left(x_j\text{,}{x}_{i"}\right)$$
  
  wobei SV den Unterstützungsvektor bezeichnet.
• Ferner: In Schritt 3 ist die Methode über Filtern des ursprünglichen Empfangssignals SN mit Hilfe der Wavelet-Analyse wie folgt: Zunächst wird Wavelet in 3 Schichten zerlegt; dann die Berechnung der Wavelet-Zerlegung; der Schwellenwert der Hochfrequenzkoeffizienten der Wavelet-Zerlegung wird quantisiert; schließlich wird eine eindimensionale Wavelet entsprechend den niederfrequenten Koeffizienten der niedrigsten Schicht und den hochfrequenten Koeffizienten jeder Ebene der Wavelet-Zerlegung rekonstruiert, um das Signal S(n) zu erhalten.
• Ferner: In Schritt 4 wird das Signal S(n) wie folgt extrahiert: Bei einem gegebenen idealen Zeitfenster W werden die folgenden Kenngrößen des Signals S(n) zum n-ten Zeitpunkt extrahiert:
• (1) Standardabweichung: Std $$Std\left(S\left(n\right)\right)=\left[\frac{1}{N+1}{\displaystyle \sum _{i+1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^2}\right]\text{, N}=W/\Delta t$$
  
• (2) Trend: Trd $$Trd\left(S\left(n\right)\right)=\frac{1}{N}{\displaystyle \sum _{i=N/2}^{N/2}{\alpha }_{i}S\left(n+i\right)}\text{, }{\alpha }_i=\left(-\mathrm{1,}-\mathrm{1,}\dots -\mathrm{1,0,1}\dots 1\right)$$
  
• (3) Maximalwert: Max $$Max\left(S\left(n\right)\right)=\text{max}\left(S\left(n-N+i\right)\right)\text{, }i=\mathrm{1,2,}\dots \text{,}N$$
  
• (4) Minimalwert: Min $$Min\left(S\left(n\right)\right)=\text{min}\left(S\left(n-N+i\right)\right)\text{, }i=\mathrm{1,2,}\dots \text{,}N$$
  
• (5) Mittelwert: Ave $$Ave\left(S\left(n\right)\right)=\frac{1}{N}{\displaystyle \sum _{i=1}^{N}S\left(n+i-N\right)}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$
  
• (6) Kurtosis: Kur $$Kur\left(S\left(n\right)\right)=\frac{N\left(N+1\right)}{\left(N-1\right)\left(N-2\right)\left(N-3\right)}{\displaystyle \sum _{i=1}^N\left(\frac{S\left(n-N+i\right)-\overline{S}}{Std\left(S\left(n\right)\right)}\right)}-\frac{3{\left(N-1\right)}^2}{\left(N-2\right)\left(N-3\right)}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$
  
• (7) Schiefe: Ske $$Ske\left(S\left(n\right)\right)={\left(\frac{1}{N}{\displaystyle \sum _{i=1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^3}\right)/\left(\frac{1}{N}{\displaystyle \sum _{i=1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^2}\right)}^{\frac{3}{2}}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$
  
  Informationsentropie: En $$En\left(S\left(n\right)\right)={\displaystyle \sum _{i=1}^n-p_i\text{log}\left(p_i\right)\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N}$$
  
  wobei Δt das Abtastintervall des Signals bezeichnet, S den Durchschnittswert der Signalintensität in einem gegebenen Zeitfenster bezeichnet und p_i die Wahrscheinlichkeit darstellt, dass der Signalpegelwert zum Zeitpunkt von n-N+i S(n-N+i) ist.
• Ferner: Der durchschnittliche euklidische Abstand zwischen den Kenngrößen der sonnigen und regnerischen Zeit wird durch das Verfahren zur Auswahl des optimalen Zeitfensters W in Schritt 5 maximiert. $$\text{max}\frac{1}{N\text{'}M\text{'}}{\displaystyle \sum _{i\text{'}=1}^{N\text{'}}{\displaystyle \sum _{j\text{'}=1}^{M\text{'}}\sqrt{{\displaystyle \sum _{k=1}^8{\left(R_{i\text{'}k}-S_{j\text{'}k}\right)}^2}}}}$$

  

  wobei N' die Anzahl der regnerischen Zeit darstellt, M' die Anzahl der Zeit ohne Regen ist, R_i'k die k-te Kenngröße in der i' -ten regnerischen Zeit ist und S_j'k die k-te Kenngröße der j' -ten Zeit ohne Regen bezeichnet.
• Ferner: In Schritt 7 wird der sonnige oder regnerische Zustand für jeden Moment durch die Support-Vektor-Maschine SVM bestimmt.
• Die vorliegende Erfindung hat gegenüber dem Stand der Technik die folgenden vorteilhaften Wirkungen:
• Die vorliegende Erfindung bietet ein Verfahren zur Erkennung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung für Sondierung von Niederschlag durch Satelliten-Boden-Verbindung, die in den Signalen enthalten Informationen wie Trend, Kurtosis, Schiefe und dergleichen, werden vollständig ausgewertet, die sonnigen und regnerischen Zeit wird durch einen Support-Vector-Machine (SVM)-Klassifizierungsalgorithmus als Beispiel bestimmt. Die Erfindung spielt eine wichtige Rolle bei der weiteren Erforschung und Verbesserung der neuen Methode zur Niederschlagsmessung durch die Satelliten-Boden-Verbindung und bei der Förderung der Realisierung einer automatischen Sondierung.
• Beschreibung der Abbildungen
• ist ein Flussdiagramm der Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung.
• ist das Effektbild der Realisierung der Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung.
• Spezifische Durchführung
• Die vorliegende Erfindung wird in Verbindung mit den beigefügten Abbildungen und den Ausführungsformen ferner klar und vollständig beschrieben.
• Selbstverständlich sind die beschriebenen Ausführungsformen nur ein Teil der Ausführungsformen der vorliegenden Erfindung und nicht alle Ausführungsformen. Ausgehend von den Ausführungsformen der vorliegenden Erfindung fallen auch alle anderen Ausführungsformen, die von Fachleuten ohne schöpferische Tätigkeit erzielt werden, in den Schutzbereich der vorliegenden Erfindung.
• Ein Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung extrahiert durch die Hochfrequenz-Satelliten-Boden-Verbindung-Signalen Signalcharakteristik zu jedem Zeitpunkt und realisiert die Bestimmung der sonnigen und regnerischen Zeit mit Hilfe des Klassifizierungsalgorithmus. Nehmen der Wavelet-Analyse für die Filterung und der Support-Vector-Maschine für die Klassifizierung als Beispiel, wie in dargestellt, die Erfindung umfasst die folgenden Schritte:
• Schritt 1: Aufbau der Hochfrequenz-Satelliten-Boden-Verbindung.
• Schritt 2: Abtasten der Verbindung im Zeitbereich in Intervallen von ΔT, um das ursprüngliche Empfangssignal SN zu erhalten;
• Schritt 3: Filtern des ursprünglichen Empfangssignals SN mithilfe der Wavelet-Analyse, Eliminieren der durch Szintillation in der Troposphäre verursachten schnellen Änderungen, um das Signal S(n) zu erhalten.
• Wählen von Gaus-Wavelet zunächst, Wavelet wird in 3 Schichten zerlegt; dann die Berechnung der Wavelet-Zerlegung; der Schwellenwert der Hochfrequenzkoeffizienten der Wavelet-Zerlegung wird quantisiert; schließlich wird eine eindimensionale Wavelet entsprechend den niederfrequenten Koeffizienten der niedrigsten Schicht und den hochfrequenten Koeffizienten jeder Ebene der Wavelet-Zerlegung rekonstruiert, um das Signal S(n) zu erhalten.
• Schritt 4: Extrahieren der 8 Kenngrößen des Signals S(n) für jeden Moment.
• Bei einem gegebenen idealen Zeitfenster W werden die folgenden Kenngrößen des Signals S(n) zum n-ten Zeitpunkt extrahiert:
• (1) Standardabweichung Std: $$Std\left(S\left(n\right)\right)=\left[\frac{1}{N+1}{\displaystyle \sum _{i+1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^2}\right]\text{, N}=W/\Delta t$$
  
• (2) Trend Trd $$Trd\left(S\left(n\right)\right)=\frac{1}{N}{\displaystyle \sum _{i=N/2}^{N/2}{\alpha }_{i}S\left(n+i\right)}\text{, }{\alpha }_i=\left(-\mathrm{1,}-\mathrm{1,}\dots -\mathrm{1,0,1}\dots 1\right)$$
  
• (3) Maximalwert Max $$Max\left(S\left(n\right)\right)=\text{max}\left(S\left(n-N+i\right)\right)\text{, }i=\mathrm{1,2,}\dots \text{,}N$$
  
• (4) Minimalwert Min $$Min\left(S\left(n\right)\right)=\text{min}\left(S\left(n-N+i\right)\right)\text{, }i=\mathrm{1,2,}\dots \text{,}N$$
  
• (5) Mittelwert Ave $$Ave\left(S\left(n\right)\right)=\frac{1}{N}{\displaystyle \sum _{i=1}^{N}S\left(n+i-N\right)}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$
  
• (6) Kurtosis Kur $$Kur\left(S\left(n\right)\right)=\frac{N\left(N+1\right)}{\left(N-1\right)\left(N-2\right)\left(N-3\right)}{\displaystyle \sum _{i=1}^N\left(\frac{S\left(n-N+i\right)-\overline{S}}{Std\left(S\left(n\right)\right)}\right)}-\frac{3{\left(N-1\right)}^2}{\left(N-2\right)\left(N-3\right)}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$
  
• (7) Schiefe Ske $$Ske\left(S\left(n\right)\right)={\left(\frac{1}{N}{\displaystyle \sum _{i=1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^3}\right)/\left(\frac{1}{N}{\displaystyle \sum _{i=1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^2}\right)}^{\frac{3}{2}}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$
  
• Informationsentropie En $$En\left(S\left(n\right)\right)={\displaystyle \sum _{i=1}^n-p_i\text{log}\left(p_i\right)\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N}$$
  
  wobei Δt das Abtastintervall des Signals bezeichnet, S den Durchschnittswert der Signalintensität in einem gegebenen Zeitfenster bezeichnet und p_i die Wahrscheinlichkeit darstellt, dass der Signalpegelwert zum Zeitpunkt von n-N+i S(n-N+i) ist.
• Schritt 5: Einstellen des Berechnungsfensterbereiches Wi für jede Kenngröße und Wählen des optimale Zeitfensters W, um der durchschnittliche euklidische Abstand zwischen den Kenngrößen der sonnigen und regnerischen Zeit zu maximieren. $$\text{max}\frac{1}{N\text{'}M\text{'}}{\displaystyle \sum _{i\text{'}=1}^{N\text{'}}{\displaystyle \sum _{j\text{'}=1}^{M\text{'}}\sqrt{{\displaystyle \sum _{k=1}^8{\left(R_{i\text{'}k}-S_{j\text{'}k}\right)}^2}}}}$$

  

  wobei N' die Anzahl der regnerischen Zeit darstellt, M' die Anzahl der Zeit ohne Regen ist, R_i'k die k-te Kenngröße in der i' -ten regnerischen Zeit ist und S_j'k die k-te Kenngröße der j' -ten Zeit ohne Regen bezeichnet.
• Schritt 6: x₁ und x₂ stellen die Eigenvektoren der zwei Signale zu unterschiedlichen Zeitpunkten dar, die aus den in Schritt 4 erhaltenen 8 Kenngrößen bestehen; Wählen der gaußschen Kernel-Funktion K(x₁,x₂) und des Straffaktors C: $$K\left(x_1\text{,}{x}_2\right)=\text{exp}\left(-\frac{\Vert x_1-x_2\Vert }{2{\sigma }^2}\right)$$

  

  wobei σ die Bandbreite darstellt und die den Wirkungsbereich der Kernel-Funktion steuert.
• Konstruieren des Optimierungsproblems:
• $$\underset{\mathrm{\alpha }}{\text{min}}\frac{1}{2}{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^n{\alpha }_i{\alpha }_j{y}_i{y}_{j}K\left(x_i\text{,}{x}_j\right)}}-{\displaystyle \sum _{i=1}^n{\alpha }_i}$$

  

  $$s\text{.}t\text{. }{\displaystyle \sum _{i=1}^n{\alpha }_i{y}_i}=0$$

  

  $$0\le {\alpha }_i\le C$$

  

  wobei y das Klassifizierungsergebnis und α der Lagrangeschen Multiplikator darstellt.
• Schritt 7: Lösung des optimalen α auf der Basis des quadratischen Planungsproblems, Konstruieren einer Entscheidungsfunktion G(x), um die Unterscheidung für die sonnige und regnerische Zeit zu realisieren. $$G\left(x_i\right)=sign\left({\displaystyle \sum _i{\alpha }_i{y}_i}K\left(x_i\text{,}{x}_j\right)+b\right)$$

  

  $$b=y_i-{\displaystyle \sum _{i"\in SV}{\alpha }_{i"}{y}_{i"}}K\left(x_j\text{,}{x}_{i"}\right)$$

  

  wobei SV den Unterstützungsvektor bezeichnet.
• Der sonnige oder regnerische Zustand für jeden Moment wird durch die Support-Vektor-Maschine SVM bestimmt. Das Ergebnis der zeitlichen Abfolge der Bestimmung der sonnigen und regnerischen Zeit ist in dargestellt. Die vorliegende Erfindung kann die sonnige und regnerische Zeit unter Verwendung des Hochfrequenz-Satelliten-Boden-Verbindungssignals genau unterscheiden und die Überwachung der sonnigen und regnerischen Verteilung im breiten Bereich in Echtzeit realisieren. Es ist von großer Bedeutung, die Genauigkeit der Niederschlagsmessung durch die Stern-Boden-Verbindung weiter zu verbessern und das Niveau der Überwachung für städtisches Hochwasser sowie der Hochwasserprävention und der Frühwarnung zu erhöhen.
• Obwohl die obigen Ausführungen die Wavelet-Rauschfilterung und die Support-Vektor-Maschine als Beispiele nehmen, sollte darauf hingewiesen werden, wenn es um Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung geht, ist jede äquivalente konstruktive Änderung und Modifikation, die nach dem Konzept der Erfindung unter Verwendung des Inhalts der Beschreibung und der beigefügten Abbildungen vorgenommen werden, vom Patentschutzumfang der Erfindung umfasst.

Claims (5)

1. Ein Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung ist dadurch gekennzeichnet, dass es die folgenden Schritte umfasst: Schritt 1: Aufbau der Hochfrequenz-Satelliten-Boden-Verbindung. Schritt 2: Abtasten der Verbindung im Zeitbereich in Intervallen von ΔT, um das ursprüngliche Empfangssignal SN zu erhalten; Schritt 3: Filtern des ursprünglichen Empfangssignals SN mithilfe der Wavelet-Analyse, Eliminieren der durch Szintillation in der Troposphäre verursachten schnellen Änderungen, um das Signal S(n) zu erhalten; Schritt 4: Extrahieren der Kenngröße des Signals S(n) für jeden Zeitpunkt; Schritt 5: Einstellen des Berechnungsfensterbereiches Wi für jede Kenngröße, um das optimale Zeitfenster W zu wählen; Schritt 6: x₁ und x₂ stellen die Eigenvektoren der zwei Signale zu unterschiedlichen Zeitpunkten dar, die aus den in Schritt 4 erhaltenen Kenngröße bestehen; Wählen der gaußschen Kernel-Funktion K(x₁,x₂) und des Straffaktors C: $$K\left(x_1\text{,}{x}_2\right)=\text{exp}\left(-\frac{x_1-x_2}{2{\sigma }^2}\right)$$

   

   wobei σ die Bandbreite darstellt und die den Wirkungsbereich der Kernel-Funktion steuert; Konstruieren des Optimierungsproblems: $$\underset{\mathrm{\alpha }}{\text{min}}\frac{1}{2}{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^n{\alpha }_i{\alpha }_j{y}_i{y}_{j}K\left(x_i\text{,}{x}_j\right)}}-{\displaystyle \sum _{i=1}^n{\alpha }_i}$$

   

   $$s\text{.}t\text{. }{\displaystyle \sum _{i=1}^n{\alpha }_i{y}_i}=0$$

   

   $$0\le {\alpha }_i\le C$$

   

   wobei y das Klassifizierungsergebnis und α der Lagrangeschen Multiplikator darstellt. Schritt 7: Lösung des optimalen α auf der Basis des quadratischen Planungsproblems, Konstruieren einer Entscheidungsfunktion G(x), um die Unterscheidung für die sonnige und regnerische Zeit zu realisieren: $$G\left(x_i\right)=sign\left({\displaystyle \sum _i{\alpha }_i{y}_i}K\left(x_i\text{,}{x}_j\right)+b\right)$$

   

   $$b=y_i-{\displaystyle \sum _{i"\in SV}{\alpha }_{i"}{y}_{i"}}K\left(x_j\text{,}{x}_{i"}\right)$$

   

   wobei SV den Unterstützungsvektor bezeichnet.
2. Das Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung nach Anspruch 1 ist dadurch gekennzeichnet, dass in Schritt 3 die Methode über Filtern des ursprünglichen Empfangssignals SN mit Hilfe der Wavelet-Analyse ist wie folgt: Zunächst wird Wavelet in 3 Schichten zerlegt; dann die Berechnung der Wavelet-Zerlegung; der Schwellenwert der Hochfrequenzkoeffizienten der Wavelet-Zerlegung wird quantisiert; schließlich wird eine eindimensionale Wavelet entsprechend den niederfrequenten Koeffizienten der niedrigsten Schicht und den hochfrequenten Koeffizienten jeder Ebene der Wavelet-Zerlegung rekonstruiert, um das Signal S(n) zu erhalten.
3. Das Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung nach Anspruch 1 ist dadurch gekennzeichnet, dass in Schritt 4 das Signal S(n) wie folgt extrahiert wird: Bei einem gegebenen idealen Zeitfenster W werden die folgenden Kenngrößen des Signals S(n) zum n-ten Zeitpunkt extrahiert: (1) Standardabweichung Std: $$Std\left(S\left(n\right)\right)=\left[\frac{1}{N+1}{\displaystyle \sum _{i+1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^2}\right]\text{, N}=W/\Delta t$$

   

   (2) Trend Trd $$Trd\left(S\left(n\right)\right)=\frac{1}{N}{\displaystyle \sum _{i=N/2}^{N/2}{\alpha }_{i}S\left(n+i\right)}\text{, }{\alpha }_i=\left(-\mathrm{1,}-\mathrm{1,}\dots -\mathrm{1,0,1}\dots 1\right)$$

   

   (3) Maximalwert Max $$Max\left(S\left(n\right)\right)=\text{max}\left(S\left(n-N+i\right)\right)\text{, }i=\mathrm{1,2,}\dots \text{,}N$$

   

   (4) Minimalwert Min $$Min\left(S\left(n\right)\right)=\text{min}\left(S\left(n-N+i\right)\right)\text{, }i=\mathrm{1,2,}\dots \text{,}N$$

   

   (5) Mittelwert Ave $$Ave\left(S\left(n\right)\right)=\frac{1}{N}{\displaystyle \sum _{i=1}^{N}S\left(n+i-N\right)}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$

   

   (6) Kurtosis Kur $$Kur\left(S\left(n\right)\right)=\frac{N\left(N+1\right)}{\left(N-1\right)\left(N-2\right)\left(N-3\right)}{\displaystyle \sum _{i=1}^N\left(\frac{S\left(n-N+i\right)-\overline{S}}{Std\left(S\left(n\right)\right)}\right)}-\frac{3{\left(N-1\right)}^2}{\left(N-2\right)\left(N-3\right)}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$

   

   (7) Schiefe Ske $$Ske\left(S\left(n\right)\right)={\left(\frac{1}{N}{\displaystyle \sum _{i=1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^3}\right)/\left(\frac{1}{N}{\displaystyle \sum _{i=1}^N{\left(S\left(n-N+i\right)-\overline{S}\right)}^2}\right)}^{\frac{3}{2}}\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N$$

   

   (8) Informationsentropie En $$En\left(S\left(n\right)\right)={\displaystyle \sum _{i=1}^n-p_i\text{log}\left(p_i\right)\text{, }i=\mathrm{1,2,}\text{3}\text{,}\dots \text{,}N}$$

   

   wobei Δt das Abtastintervall des Signals bezeichnet, S den Durchschnittswert der Signalintensität in einem gegebenen Zeitfenster bezeichnet und p_i die Wahrscheinlichkeit darstellt, dass der Signalpegelwert zum Zeitpunkt von n-N+i S(n-N+i) ist.
4. Das Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung nach Anspruch 1 ist dadurch gekennzeichnet, dass der durchschnittliche euklidische Abstand zwischen den Kenngrößen der sonnigen und regnerischen Zeit durch das Verfahren zur Auswahl des optimalen Zeitfensters W in Schritt 5 maximiert wird. $$\text{max}\frac{1}{N\text{'}M\text{'}}{\displaystyle \sum _{i\text{'}=1}^{N\text{'}}{\displaystyle \sum _{j\text{'}=1}^{M\text{'}}\sqrt{{\displaystyle \sum _{k=1}^8{\left(R_{i\text{'}k}-S_{j\text{'}k}\right)}^2}}}}$$

   

   wobei N' die Anzahl der regnerischen Zeit darstellt, M' die Anzahl der Zeit ohne Regen ist, R_i'k die k-te Kenngröße in der i'-ten regnerischen Zeit ist und S_j'k die k-te Kenngröße der j' -ten Zeit ohne Regen bezeichnet.
5. Das Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung nach Anspruch 1 ist dadurch gekennzeichnet, dass in Schritt 7 der sonnige oder regnerische Zustand für jeden Moment durch die Support-Vektor-Maschine SVM bestimmt wird.

Images