CN106291470A - 一种基于高频地波雷达海流结果空时特征的干扰抑制方法 - Google Patents

Abstract

本发明提供了一种基于高频地波雷达海流结果空时特征的干扰抑制方法，该方法能够与现有的干扰抑制算法形成互补，提高高频地波雷达海流结果的准确性。包含如下步骤：由高频地波雷达观测得到海流场数据，海流场数据为由多个空间点组成的网格数据，利用空间和时间插值算法补齐海流场数据的缺失网格点并构建协方差矩阵。对协方差矩阵进行特征分解得到各网格点对应的空间特征向量和时间系数序列。对每个网格点的空间特征向量在空间上进行干扰去除。对每个网格点时间系数序列进行干扰去除。根据设定的累积方差贡献率的阈值S来判定主要模态数l。利用干扰去除后的特征向量和时间系数对前l个模态进行重构，重构后获得经干扰抑制后的数据。

Description

一种基于高频地波雷达海流结果空时特征的干扰抑制方法

技术领域

本发明属于无线电海洋遥感和数字信号处理领域，具体涉及一种基于高频地波雷达海流结果空时特征的干扰抑制方法。

背景技术

高频地波雷达(High Frequency Surface Wave Radar,HFSWR)利用短波(3-30MHz)在海洋表面绕射传播衰减小的特点可以大面积、全天候、时实的给出观测海域的表层海流结果。高频地波雷达观测得到的表面流场经过大量的海上对比实验，验证了海流的准确性，推动了高频地波雷达海流观测的业务化运行，为研究当地的流场空时特性提供了很好的数据支持。高频地波雷达具有造价低廉，空时分辨率高等优势。因此，高频地波雷达是专属经济区最廉价有效的监测工具，具有非常广泛的市场前景。然而在实际运行的过程中，由于存在各种干扰(电离层干扰、瞬态干扰等)，导致高频地波雷达海流结果存在明显异于正常值的结果，严重影响了高频地波雷达海流观测结果的使用。

传统的干扰抑制方法如AR模型线性预测方法等在抑制干扰的同时也破坏了准确的高频地波雷达海流结果的空时特征，同时其计算复杂度高且难以工程应用。

发明内容

有鉴于此，本发明提供了一种基于高频地波雷达海流结果空时特征的干扰抑制方法，该方法能够与现有的干扰抑制算法形成互补，提高高频地波雷达海流结果的准确性。

为了达到上述目的，本发明的技术方案为：一种基于高频地波雷达海流结果空时特征的干扰抑制方法，包含如下步骤：

步骤一、由所述高频地波雷达观测得到海流场数据，所述海流场数据为由多个空间点组成的网格数据，利用空间和时间插值算法补齐所述海流场数据的缺失网格点并构建协方差矩阵。

步骤二、对协方差矩阵进行特征分解得到各网格点对应的空间特征向量和时间系数序列。

步骤三、对每个网格点的空间特征向量在空间上进行干扰去除。

步骤四、对每个网格点时间系数序列进行干扰去除。

步骤五、根据设定的累积方差贡献率的阈值S来判定主要模态数l。

步骤六、利用干扰去除后的特征向量和时间系数对前l个模态进行重构，重构后获得经干扰抑制后的数据。

进一步地，利用空间和时间插值算法补齐所述海流场数据缺失结果的具体方法为：

空间差值算法为：对于海流空间序列中的缺失网格点，首先找出该缺失网格点周围3×3范围内其它8个网格点的数据缺失率，如果缺失率在62.5％以上，则该网格点无法补齐，不对该网格点进行插值处理；如果数据缺失率在62.5％以下，采用海流空间序列中存在的网格点数据进行反距离加权平均，得到缺失网格点的海流空间数据。

时间差值算法具体为：对于海流时间序列，对缺失数据的时段采用后推12.4小时的数据来插补；若后推12.4小时的数据也空缺，则采用前推的12.4小时数据，对于后推和前推都无法补齐的时段，利用三次样条插值进行补齐。

进一步地，步骤三具体为：

对于空间特征向量，分别计算每个网格点周围3×3范围内网格点的空间特征向量，并计算所有网格点的空间特征向量的均值与标准差，将空间特征向量与均值之差的绝对值大于标准差的2倍的网格点的空间特征向量值用空间特征向量的均值代替，获得经干扰去除后的空间特征向量。

进一步地，步骤四具体为：对于每个网格点的时间系数序列，计算其均值和标准差，将该网格点时间系数序列中与均值之差的绝对值大于标准差的2倍的数值用该网格点的时间系数的均值替代，获得经干扰去除后的时间系数序列。

有益效果：

1、本发明利用高频地波雷达海流结果的空时特征进行干扰抑制，不依赖于先验知识，具有很好的鲁棒性，干扰抑制后得到的海流结果准确可信；

2、本发明不仅适用于高频地波雷达，还适用于天波雷达以及其它各种通过海洋回波进行海流反演的雷达及设备。

附图说明

附图1为本发明的算法流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

实施例1、

步骤一、设高频地波雷达观测得到的海流场为U(Χ_m,t_n)＝u(Χ_m,t_n)+jv(Χ_m,t_n)，其中Χ_m＝(x,y)，m＝1-M，代表M个空间点的坐标。n＝1-N，代表时间序列长度为N。j＝(-1)^1/2,表示虚数。u,v分别为海流的东分量和北分量。

对于空间上的每一场的缺失值，首先找出该缺失值网格点周围3×3范围内其它8个网格点的数据缺失率，如果数据缺失率在62.5％以上，亦即8个网格点中有5个数据缺失，则该网格点无法补齐，那么就不对该网格点进行插值处理。如果数据缺失率在62.5％以下，亦即8个网格点中有至少4个点存在有效数据，那么就用有数据点的结果进行反距离加权平均，得到缺失点网格的海流。

对于每个空间点的海流时间序列，对缺失数据的时段采用后推12.4小时的数据来插补。当后推12.4小时的数据也空缺时，采用前推的数据。对于后推和前推都无法补齐的数据，利用三次样条插值进行补齐。

将海流场U(Χ_m,t_n)做距平处理，即对每个空间点上的海流的时间序列做减去这个时间序列的均值海流的处理。将处理完后的海流场仍记为U(Χ_m,t_n)。

计算U(X_m,t_n)的协方差矩阵R(X_i,X_m)

$R(X_i,X_m)=\frac{1}{N}\underset{n=1}{\overset{N}{\Σ}}U(X_i,t_n)U^{*}(X_m,t_n)---\left(1\right)$

步骤二、计算R(Xi,Xm)的特征根λ和特征向量Φ(Χ_m,Χ_m)，使得二者满足下式：

$\underset{m=1}{\overset{M}{\Σ}}R(X_i,X_m)\mathrm{\Φ}(X_m,X_m)=\mathrm{\λ}\mathrm{\Φ}(X_i,X_i)---\left(2\right)$

式(2)中Φ(Χ_m,Χ_m)和λ均为M×M维的矩阵，其中Φ(Χ_m,Χ_m)的每一列之间都是相互正交的。λ具有以下的形式：

$\mathrm{\λ}=\left[\begin{array}{cccc}{\mathrm{\λ}}_1& 0& ...& 0\\ 0& {\mathrm{\λ}}_2& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& {\mathrm{\λ}}_M\end{array}\right]---\left(3\right)$

式(3)中特征根是按从大到小顺序排列，即λ₁＞λ₂＞…＞λ_M，每个特征值对应着Φ(Χ_m)中的一列特征向量值，也称为一个模态。

计算特征向量对应的时间系数T(Χ_m,t_n):

T(Χ_m,t_n)＝Φ(Χ_m,Χ_m)U(Χ_m,t_n) (4)

式(4)中T(Χ_m,t_n)中每行数据就是对应每个模态的时间系数。

步骤三、对于特征向量Φ(Χ_m,Χ_m)，分别计算每个网格点周围3×3范围内东分量Φ_E和北分量Φ_E的特征向量的标准差σ，然后将特征向量和特征向量均值(和)的差的绝对值大于2倍标准差(或者)的网格点的特征向量值用特征向量均值代替。将处理过后的特征向量记为Φ₁(Χ_m)

步骤四、对于时间系数T(Χ_m,t_n)，对每个网格的时间系数的序列记为y(t_n)，y(t_n)的均值记为其标准差记为σ，将满足的时间系数的值用该网格点的时间系数的均值替代。将处理过后的时间系数记为T₁(Χ_m,t_n)

步骤五、设点特征根的累积方差贡献率的阈值S(一般为90％)来判断主要模态数的个数，设判定出的主要模态数为l个。

步骤六、根据式(5)利用前l个特征模态对海流结果进行重构。将得到重构值加上步骤4中得到的时间序列上的均值，得到最终重构后的数据集，该数据集即为经干扰抑制后的结果。

U_re(Χ_m,t_n)＝Φ₁(Χ_m,1:l)^-1·T₁(1:l,t_n) (5)。

综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于高频地波雷达海流结果空时特征的干扰抑制方法，其特征在于，包含如下步骤：

步骤一、由所述高频地波雷达观测得到海流场数据，所述海流场数据为由多个空间点组成的网格数据，利用空间和时间插值算法补齐所述海流场数据的缺失网格点并构建协方差矩阵；

步骤二、对协方差矩阵进行特征分解得到各网格点对应的空间特征向量和时间系数序列；

步骤三、对每个网格点的空间特征向量在空间上进行干扰去除；

步骤四、对每个网格点时间系数序列进行干扰去除；

步骤五、根据设定的累积方差贡献率的阈值S来判定主要模态数l；

步骤六、利用干扰去除后的特征向量和时间系数对前l个模态进行重构，重构后获得经干扰抑制后的数据。

2.如权利要求1所述的一种基于高频地波雷达海流结果空时特征的干扰抑制方法，其特征在于，所述利用空间和时间插值算法补齐所述海流场数据缺失结果的具体方法为：

空间差值算法为：对于海流空间序列中的缺失网格点，首先找出该缺失网格点周围3×3范围内其它8个网格点的数据缺失率，如果缺失率在62.5％以上，则该网格点无法补齐，不对该网格点进行插值处理；如果数据缺失率在62.5％以下，采用海流空间序列中存在的网格点数据进行反距离加权平均，得到缺失网格点的海流空间数据；

时间差值算法具体为：对于海流时间序列，对缺失数据的时段采用后推12.4小时的数据来插补；若后推12.4小时的数据也空缺，则采用前推的12.4小时数据，对于后推和前推都无法补齐的时段，利用三次样条插值进行补齐。

3.如权利要求2所述的一种基于高频地波雷达海流结果空时特征的干扰抑制方法，其特征在于，所述步骤三具体为：

对于空间特征向量，分别计算每个网格点周围3×3范围内网格点的空间特征向量，并计算所有网格点的空间特征向量的均值与标准差，将空间特征向量与均值之差的绝对值大于标准差的2倍的网格点的空间特征向量值用空间特征向量的均值代替，获得经干扰去除后的空间特征向量。

4.如权利要求2或者3所述的一种基于高频地波雷达海流结果空时特征的干扰抑制方法，其特征在于，所述步骤四具体为：对于每个网格点的时间系数序列，计算其均值和标准差，将该网格点时间系数序列中与均值之差的绝对值大于标准差的2倍的数值用该网格点的时间系数的均值替代，获得经干扰去除后的时间系数序列。