[发明专利]垂测信息和高频地波雷达杂波信息的对应性分析方法

权利要求书

1.一种垂测信息和高频地波雷达杂波信息的对应性分析方法，其特征在于所述方法包括如下步骤：

步骤1)分别通过电离层垂测仪和高频地波雷达获取频高图信息和距离-多普勒谱信息；

步骤2)对距离-多普勒谱进行图像处理，从而得到只含有电离层杂波信息的距离-多普勒谱，具体步骤如下：

步骤2-1)海杂波、地杂波提取与剔除：

(1)根据一阶海杂波在幅度和形态上的特点，在每个距离单元上，以[-f_B-Δf,-f_B+Δf]和[f_B-Δf,f_B+Δf]为搜索半径，采用局部峰值法对高频地波雷达距离-多普勒谱进行检测，检测出海杂波的位置并进行去除，其中，f_B为一阶海杂波对应的多普勒频率，Δf为多普勒频率偏移；

(2)根据地杂波在幅度和形态上的特点，按照与(1)相同的方法对高频地波雷达距离-多普勒谱进行检测，检测出地杂波的位置并进行去除；

步骤2-2)电离层杂波的提取：

(1)对剔除后的距离-多普勒谱取对数，从而得到m(x,y)，其大小为B×A，其中距离单元个数为A，多普勒单元个数为B，灰度值区间为[m_min,m_max]；

(2)由各点的灰度值和其周围邻域信息计算灰度平均值，得到均值图像n(x,y)，从而得到一个由原灰度值和邻域平均灰度值组成的二维数组(m(x,y),n(x,y))；

(3)设最佳阈值为(s^*,t^*)，Otsu算法即最大类间算法，使背景与目标的类间方差最大从而完成图像分割：

其中，m(x,y)为剔除了海杂波与低杂波后的雷达距离-多普勒谱取对数的结果，n(x,y)为由m(x,y)进行灰度化后，由各点的灰度值及其邻域信息计算灰度平均值从而得出的结果，s^*为最佳阈值时m(x,y)的取值，t^*为最佳阈值时n(x,y)的取值，C₁为要进行识别的电离层目标，C₀为除去电离层目标外的背景；

步骤2-3)电离层杂波的检测识别：

(1)在二值图像h(x,y)上，统计其在每个距离单元上属于C₁类的多普勒单元数R(y)，即：

(2)设定一个阈值，即当多普勒单元数超过该阈值时，则判定该距离单元上有电离层杂波，若没有超过，就判定该距离单元无电离层杂波；

(3)针对不同形状的电离层杂波，用不同的模板与二值图像h(x,y)进行卷积运算，得到杂波识别结果；

步骤3)将频高图信息与图像处理后的距离-多普勒谱分别进行数据提取，并在提取后进行归一化，从而得到分别由两设备信息所构成的数据向量，具体步骤如下：

步骤3-1)垂测仪频高图数据提取与归一化：

设垂测仪频高图数据矩阵的大小为E×F，其中E为发射机扫频输出的所有频率个数，F为距离单元个数，在电离层垂测仪频高图中提取出雷达所对应工作频率的所有回波数据，此数据向量记为将其中的元素进行归一化处理：

其中，为垂测仪频高图中提取出的雷达工作频率对应的所有回波构成的数据向量，为对进行归一化后的结果；

步骤3-2)距离-多普勒谱数据提取与归一化：

距离-多普勒谱中所存储的数据矩阵K大小为B×A，其中距离单元个数为A，多普勒单元个数为B，设存在一数据向量其元素组成为：

其中，K(1,j)为第一个多普勒单元和第j个距离单元处的取值，K(1,j)+…+K(B,j)即为第j个距离单元处所有多普勒单元的取值的加和，最后的则为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量；

将其中的元素进行归一化处理得到用于最终对比分析的数据向量

其中，为将所有距离单元处的多普勒单元取值对应相加而形成的数据向量，为对进行归一化后的结果；

步骤4)对步骤3)得到的两数据向量，采用DTW算法进行数据比对分析，得出两数据间的最小距离或失真度，从而得到电离层垂测仪与高频地波雷达所提取的电离层信息的相关性，具体步骤如下：

步骤4-1)利用DTW算法进行数据比对：

(1)对于两时间序列Q＝q₁,q₂,...,q_i,...,q_n和P＝p₁,p₂,...,p_j,...,p_m，计算出两序列中各个对应点之间的欧式距离即失真度：

d(q_i,p_j)＝|q_i-p_j|；

其中，d(q_i,p_j)为两序列中各个对应点之间的欧式距离，q_i为时间序列Q的第i个元素，p_j为时间序列P的第j个元素；

(2)由两时间序列的大小可以得到共n×m个数据，把这n×m个数据写成一大小为n×m的矩阵M，其中每个元素M(i,j)即q_i和p_j之间的欧式距离，表示两点之间的对齐，生成的矩阵M即为距离矩阵；

(3)计算累积距离矩阵，在累积距离矩阵中对于i＝1和j＝1两向量G(1,j),j＝1…m、G(i,1),1＝1…n的计算由下列公式给出：

G(1,j)＝G(1,j-1)+d(q₁,p_j)；

G(i,1)＝G(i-1,1)+d(q_i,p₁)；

其中，G为距离矩阵M计算得出的累计距离矩阵，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q₁,p_j)为欧式距离矩阵中点(q₁,p_j)处的值；

当i＝1且j＝1时，有G(1,1)＝d(1,1)，即累积距离矩阵中的起始元素即为i＝1且j＝1处的欧氏距离；

(4)当累计距离矩阵中的两向量元素确定后，由下列公式进行其余元素的递推求解：

其中，G(1,j-1)即为累计距离矩阵中点(1,j-1)处的值，d(q_i,p_j)为欧式距离矩阵中点(q_i,p_j)处的值；

(5)搜索从G(1,1)到G(n,m)的代价最小的路径，其中G(n,m)则是两时间序列间的“最小距离”；

步骤4-2)得到两数据相关性的度量：

相关性的度量用概率P_n,m表示：