[发明专利]一种极地探冰雷达原始数据噪声抑制方法

说明书

技术领域

本发明属于极地探冰雷达数据噪声抑制技术，具体涉及一种基于Curvelet阈值神经网络的极地探冰雷达数据噪声抑制方法。

背景技术

探冰雷达技术是基于电磁波理论，通过雷达回波研究冰雪介质特征的地球物理探测方法。由于南极冰盖面积巨大，具有成层性和匀质性，而且低温下冰对电磁波衰减非常弱，电磁波能够穿透三四千米的深度，使得冰厚探测雷达在南极冰盖探测方面具有很大的优势。20世纪60年代以来，通过探冰雷达获得的冰盖厚度、冰盖内部层理、冰盖底部环境和物质平衡等，大大促进了极地冰川和全球气候变化的研究。

探冰雷达回波信号中，通常包括：收发天线之间的耦合信号、冰面直接反射信号、冰下内部层反射信号、冰岩界面回波信号以及系统噪声和其他杂波干扰信号。为了提高探冰雷达数据分析的准确性，必须进行杂波抑制和降噪处理。

发明内容

(一)要解决的技术问题

为了解决传统Curvelet降噪方法用于探冰雷达数据处理时，对Curvelet系数存在一定程度的“过扼杀”的问题，本发明目的是提供一种基于Curvelet阈值神经网络和新阈值函数的极地探冰雷达原始数据噪声抑制方法。

(二)技术方案

为实现上述目的，本发明提供一种极地探冰雷达原始数据噪声抑制方法，该方法包括步骤如下：

步骤S1：通过对探冰雷达原始数据进行曲波变换，获得雷达原始数据的曲波系数矩阵；

步骤S2：利用阈值神经网络模型调整探冰雷达原始数据的曲波系数的阈值，获得探冰雷达原始数据的曲波系数的最优阈值；

步骤S3：基于新阈值函数和最优阈值对探冰雷达原始数据的曲波系数去除噪声，获得去除噪声的曲波系数矩阵；

步骤S4：在曲波变换域对去除噪声的曲波系数矩阵进行曲波反变换，获得降噪声后的探冰雷达数据。

(三)有益效果

本发明基于曲波阈值神经网络和新阈值函数，在曲波变换域对探冰雷达数据进行降噪，得到降噪数据。本发明提出极地探冰雷达数据降噪方法，可用于用于探冰雷达数据的预处理、提高数据信噪比等方面。

附图说明

图1为本发明的方法流程图；

图2为本发明中TNN阈值神经网络框图；

图3为本发明新阈值函数与经典的Donoho普适阈值函数对比图；

图4为本发明适用的探冰雷达原始数据成像图；

图5为本发明的方法处理后的探冰雷达数据成像图；

图6是图4对应的第2000道数据的单道波形；

图7是图5对应的第2000道数据的单道波形。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面将结合附图和具体实施方式对本发明做进一步详细的解释。

本发明中所使用的数据来源于本实验室研制的探冰雷达，没有具体型号，没有批产。具体参数如下：工作带宽：100MHz，中心频率：150MHz，发射信号类型：线性调频信号，天线阵列：2个。

本发明对探冰雷达数据处理流程如图1所示。基于阈值神经网络模型，基于提出的新阈值函数连续可导的特性，在最小均方误差意义下，通过梯度下降法求解曲波(Curvelet)域各尺度、方向的自适应阈值，经过阈值处理后，最后用Curvelet反变换得到降噪数据。通过对探冰雷达原始数据进行Curvelet变换，获得雷达原始数据的Curvelet系数矩阵，再利用阈值神经网络(TNN是Threshholding Neural Network的简称)对Curvelet系数的阈值进行调整，即：在最小均方误差意义下获得最优阈值，将最优阈值代入本发明的阈值函数，获得阈值调整后的Curvelet系数矩阵，最后对阈值调整后的Curvelet系数矩阵进行Curvelet反变换，获得降噪后的探冰雷达数据。

利用本发明方法对探冰雷达原始数据处理包括如下步骤：

步骤S1：将含噪探冰雷达原始数据进行Curvelet变换，获得雷达原始数据的曲波系数矩阵。对探冰雷达原始数据进行Curvelet变换获得不同尺度和不同方向的各向异的Curvelet系数，所述不同尺度和不同方向的各向异的Curvelet系数包含粗尺度系数和精细尺度系数；粗尺度系数，用于恢复探冰雷达原始数据的粗轮廓；精细尺度系数，用于恢复探冰雷达原始数据的纹理细节。