[发明专利]一种基于微波衰减特征响应指纹识别的城市降雨反演方法

权利要求书

1.一种基于微波衰减特征响应指纹识别的城市降雨反演方法，其特征在于，包括如下的步骤：

第一步，获得微波信号接收端的微波衰减信号强度数据，并对信号强度数据进行初步处理；

第二步，对初步处理后的信号强度数据进行杂波信号的分离、识别与去除；第二步进一步包括如下的步骤：

将初步处理后的信号强度数据作为样本数据，利用盲源分离中的ICA方法学习得到一组独立的基向量；应用训练好的ICA方法分离出不同分布的微波信号，统计各分离信号的特征，包括幅度分布特性、谱特性、相关性、非平稳性，依据统计的各分离信号的特征将分离出的信号分为不同类型的杂波衰减信号和由降雨引起的衰减信号，建立大数据特征响应指纹库；将杂波衰减信号从初步处理后的信号中消除，得到处理后的微波信号强度；

杂波信号分离的步骤进一步包括如下的步骤：

对于初步处理后的信号S(t)通过白化矩阵进行白化得到白化后的信号利用定点迭代方法进行信号分离：

(1)令i＝1；

(2)选取范数为1初始随机矩阵u(0)，令k＝1；

(3)令u_i(k)＝E[(x_i(k-1)^Tx_i)³]-3u_i(k-1)；

(4)令

(5)若|u_i(k)^Tu_i(k-1)|收敛于1，则停止迭代，输出u_i(k)，否则令k＝k+1，返回第(3)步，继续迭代；

(6)若i小于源信号个数，则返回第(2)步，直至把所有源信号O(t)分离出来；

杂波信号识别的步骤进一步包括如下的步骤：

对于分离出的源信号O(t)，统计各信号的特征，包括幅度分布特性、谱特性、相关性、非平稳性，依据特征对不同类型信号进行分类，并建立不同环境影响下的杂波大数据特征响应指纹库；

杂波信号去除的步骤进一步包括如下的步骤：利用信号分离及特征提取，并与大数据特征响应指纹库中杂波特征指纹进行比对，快速识别杂波类型，并进行去除，得到处理后的信号y(t)；

第三步，依据不同大气条件下的微波时空衰变响应关系，建立雨-衰反演模型，利用第二步中处理后的微波信号强度反演得到路径降雨量；

第四步，多源降雨数据尺度匹配及模型参数优化；

第五步，利用参数优化后的模型进行降雨量反演，得到城市地区实时雨量监测的反演模拟值；

第六步，利用所述反演模拟值与实测值残差序列建立残差模型，对反演结果进行实时校正。

2.根据权利要求1所述的一种基于微波衰减特征响应指纹识别的城市降雨反演方法，其特征在于，第一步中初步处理的步骤进一步包括：对个别丢失数据进行插补，去除明显超过响应阈值的干扰数据。

3.根据权利要求1所述的一种基于微波衰减特征响应指纹识别的城市降雨反演方法，其特征在于，第四步进一步包括如下的步骤：利用尺度匹配方法将微波降雨数据与包括雨量站、雷达和卫星的多源降雨数据进行尺度匹配；对反演模型进行参数敏感性分析，确定敏感参数；利用SCE-UA优化方法对模型敏感参数进行优化，降低模型参数不确定性。

4.根据权利要求3所述的一种基于微波衰减特征响应指纹识别的城市降雨反演方法，其特征在于，对反演模型进行参数敏感性分析，确定敏感参数，该步骤进一步包括如下的步骤：

利用修正的Morris筛选法对反演模型参数进行敏感性分析，将自变量以固定步长变化，将多次扰动后计算出的Morris系数的均值作为参数的灵敏度因子。

5.根据权利要求3所述的一种基于微波衰减特征响应指纹识别的城市降雨反演方法，其特征在于，利用SCE-UA优化方法对模型敏感参数进行优化，降低模型参数不确定性，该步骤进一步包括如下的步骤：确定得到敏感性参数后，利用层析技术结合地理加权回归法将链路雨强与地面站资料进行处理，得到相同尺度的网格信息；将融合地面站资料、雷达数据以及卫星数据生产的降雨产品作为实测值，利用SCE-UA方法对模型敏感性参数进行优化。

6.根据权利要求1所述的一种基于微波衰减特征响应指纹识别的城市降雨反演方法，其特征在于，第六步进一步包括如下的步骤：采用误差自回归校正方法对反演结果进行实时校正。