[发明专利]星载微波传感器低频通道无线电频率干扰检测及校正方法有效
| 申请号: | 201811515789.9 | 申请日: | 2018-12-12 |
| 公开(公告)号: | CN109406911B | 公开(公告)日: | 2020-02-11 |
| 发明(设计)人: | 杨俊 | 申请(专利权)人: | 中国气象科学研究院 |
| 主分类号: | G01R31/00 | 分类号: | G01R31/00;G06N3/00 |
| 代理公司: | 11375 北京市炜衡律师事务所 | 代理人: | 王加莹 |
| 地址: | 100081 北*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 低频通道 无线电频率干扰 亮温 微波传感器 星载 校正 高频通道 训练模型 检测 观测 机器学习算法 地表一致性 训练样本集 差值运算 处理区域 观测数据 准确检测 大区域 中高频 | ||
1.一种星载微波传感器低频通道无线电频率干扰检测方法,其特征在于,包含以下步骤:
根据星载微波传感器的历史观测数据中高频通道、低频通道亮温历史值建立训练样本集,并采用机器学习算法确定所述低频通道与高频通道亮温历史值的关系,得到训练模型;
将高频通道亮温观测值输入所述训练模型中,得到低频通道亮温模拟值;
对低频通道亮温观测值与所述低频通道亮温模拟值进行差值运算,得到无线电频率干扰指数。
2.如权利要求1所述的方法,其特征在于,所述机器学习算法为随机森林算法。
3.如权利要求1所述的方法,其特征在于,所述历史观测数据为一个任意区域或全球,包含不同季节和不同天气的观测值。
4.如权利要求1所述的方法,其特征在于,所述星载微波传感器为风云卫星上的微波成像仪。
5.如权利要求1所述的方法,其特征在于,所述高频通道的个数大于等于1,所述低频通道的个数大于等于1。
6.一种星载微波传感器低频通道无线电频率干扰检测方法,其特征在于,包含以下步骤:
根据星载微波传感器的历史观测数据中高频通道、低频通道亮温历史值建立训练样本集,并采用机器学习算法确定所述低频通道与高频通道亮温历史值的关系,得到训练模型;
将高频通道亮温观测值输入所述训练模型中,得到低频通道亮温模拟值;
对低频通道亮温观测值与所述低频通道亮温模拟值进行差值运算,得到无线电频率干扰指数;
对所述无线电频率干扰指数进行校正,得到无线电频率干扰指数校正值。
7.如权利要求6所述的方法,其特征在于,所述对无线电频率干扰指数进行校正,得到无线电频率干扰指数校正值的步骤,进一步包含:
将所述无线电频率干扰指数与高、低阈值进行比较:
当所述无线电频率干扰指数大于所述高阈值时,所述无线电频率干扰指数校正值为所述低频通道亮温模拟值;
当所述无线电频率干扰指数小于所述低阈值时,所述无线电频率干扰指数校正值为所述低频通道亮温观测值;
当所述无线电频率干扰指数小于等于所述高阈值且大于等于所述低阈值时,所述无线电频率干扰指数校正值为所述低频通道亮温观测值与模拟值的加权平均:
其中,TBcorr、TBobs、TBsimu分别为所述无线电频率干扰指数校正值、观测值、模拟值,RFIindex为所述无线电频率干扰指数,Tlow、Thigh分别为所述低阈值、高阈值,α为加权系数。
8.如权利要求6所述的方法,其特征在于,所述机器学习算法为随机森林算法。
9.如权利要求6所述的方法,其特征在于,所述历史观测数据为一个任意区域或全球,包含不同季节和不同天气的观测值。
10.如权利要求6所述的方法,其特征在于,所述星载微波传感器为风云卫星上的微波成像仪。
11.如权利要求6所述的方法,其特征在于,所述高频通道的个数大于等于1,所述低频通道的个数大于等于1。
12.如权利要求7所述的方法,其特征在于,所述高阈值、低阈值采用图像处理算法计算得到或采用人工设定得到。
13.如权利要求7所述的方法,其特征在于,所述加权系数为:
其中,α为所述加权系数,Tlow、Thigh分别为所述低阈值、高阈值,RFIindex为所述无线电频率干扰指数。
14.如权利要求7所述的方法,其特征在于,所述高阈值、低阈值分别为15、5。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国气象科学研究院,未经中国气象科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811515789.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种充电桩检修车
- 下一篇:一种基于中间量程信号的检测系统





