[发明专利]一种基于机器学习的电离层幅度闪烁检测方法

权利要求书

1.一种基于机器学习的电离层幅度闪烁检测方法，其特征在于，包括：

(1)对于不同位置GPS接收机采集到的数据，采用窗口长度为a秒并每次移动b秒的移动窗口获取数据，对于每一次移动窗口获取的数据计算幅度闪烁指标S₄；其中，a、b为正整数，且ab；

(2)将不同位置GPS接收机采集到的数据以每t分钟为一个数据块进行划分，将每个数据块中的幅度闪烁指标的最大值和平均值作为该数据块的特征量，并采用标签标记该数据块是否发生闪烁事件，其中，t为正整数；

(3)将部分数据块的特征量和对应标签作为训练样本，并根据标签分为发生闪烁事件样本和未发生闪烁事件样本两类，剩余数据块的特征量和对应标签作为校验样本；

(4)建立线性SVM分类器模型；

(5)将两类训练样本输入线性SVM分类器模型进行交叉验证，得到SVM分类器模型中的最优超参数，获得最优SVM分类器；

(6)将校验样本中的特征量输入最优SVM分类器进行分类，将输出的分类结果与对应标签比对，当准确率达到预设值则认为SVM分类器合格；

(7)将未知的闪烁事件数据的特征量输入到合格的SVM分类器中，SVM分类器的输出即为分类结果。

2.根据权利要求1所述的基于机器学习的电离层幅度闪烁检测方法，其特征在于：步骤(1)具体包括：

(1.1)将GPS接收机接收到的数字中频信号分别与本地正交载波信号相乘产生I和Q两路基带信号，将I和Q基带信号分别与即时码相乘得到I_p和Q_p；

(1.2)根据I_p和Q_p采用下式计算信号的宽带功率和窄带功率：

式中，I_p,i、Q_p,i分别为对I_p、Q_p以每h毫秒采样一次得到的第i个采样值，Δt为功率计算间隔时间值，J表示将I_p和Q_p的所有采样值以Δt为间隔分别划分成J个分段，W_BP,j、N_BP,j分别表示第j个分段信号的宽带功率和窄带功率；

(1.3)根据信号的宽带功率和窄带功率采用下式计算信号的标准化信号强度：

S_I,raw,j＝N_BP,j-W_BP,j

式中，S_I,norm,j表示第j个分段信号的标准化信号强度，S_I,trend,j表示根据S_I,raw,j的4阶拟合多项式而得的去趋势信号强度；

(1.4)采用窗口长度为a秒并每次移动b秒的移动窗口获取数据，对于每一次移动窗口获取的数据计算其幅度闪烁指标S₄，其中，第k次移动窗口获取的数据的幅度闪烁指标值S₄为：

式中，表示位于k次移动窗口中的a秒数据的标准化信号强度总集合，标准化信号强度数据共a*1000/Δt个，E[·]表示求数学期望。

3.根据权利要求1所述的基于机器学习的电离层幅度闪烁检测方法，其特征在于：步骤(2)具体包括：

(2.1)将不同位置GPS接收机采集到的数据以每t分钟为一个数据块进行无重叠划分；

(2.2)获取根据每个数据块中数据计算得到的多个幅度闪烁指标S₄，从中提取最大值S_4,max和平均值S_4,avg作为该数据块的特征量，并采用标签标记该数据块是否发生闪烁事件，用数学形式表示为：

特征量：

标签：

式中，l表示数据块序号，表示二维向量空间。