SARAL测高卫星近海域波形重定新方法

利用AVISO提供的SARAL卫星浙江近海海域周年的WAVEFORM数据,通过对卫星波形分析,提出一种新的波形重定方法,该方法在顾及波形物理机制的基础上,根据各波形的特征进行重定。通过对重定前后的波形数据进行粗差剔除、共线平均和对比分析,结果表明:当纬度为27°左右时,未进行波形重定数据求得的平均海面高为10.770 m、标准差为4.515 m,而进行波形重定后数据求得的平均海面高为12.601 m、标准差为1.263 9 m;当纬度为30°左右时,未进行波形重定数据求得的平均海面高为12.236 m、标准差为1.877 m,而进行波形重定后数据求得的平均海面高为12.503 m、标准差为0.419 m。通过对波形重定前后卫星测高数据与验潮站数据对比,得到未进行波形重定的卫星测高数据与验潮站数据差值平均值为0.275 m、标准差为0.273 m,进行波形重定后卫星测高数据与验潮站数据差值平均值为0.046 m、标准差为0.049 m。研究结果显示利用本文提出的方法能显著提高卫星测高数据的精度与质量。     

基于卫星测高技术的浙江近海平均海面高模型建立

利用Jason-2卫星与SARAL/Alti Ka卫星的Waveform数据,研究一种新的测高数据粗差剔除方法,即剔除不在预定轨迹的海面高后,参考拟合各Pass每个Cycle的海面高值,对测高数据分段剔除粗差,以提高近海卫星数据的可用性;经过交叉点平差,进一步削弱径向轨道误差和海平面时变信号;采用"移去-恢复"法得到较高精度的离散海面高;采用径向基函数法格网化离散海面高,建立2.5'×2.5'格网分辨率的平均海面高模型;将所得模型与验潮站提供的海面高比较,均方根为±0.017 m,与MSS-CNES-CLS11比较,标准差为±0.070 m。研究结果表明,采用本文方法建立的浙江近海平均海面高模型精度可靠。     

基于验潮数据的全球平均海面高模型精度分析

高精度高分辨率的全球平均海面高模型的建立一直是海洋测绘的研究重点。目前大部分的全球平均海面高模型在大洋区域均达到了较高的精度,而近海卫星测高回波受复杂地理环境的综合影响,数据精度大大降低甚至无法使用。对WHU2013、DTU13和CLS15(MSS_CNES_CLS15)三种全球平均海面高模型进行比较,分析差异原因。并从全球选取89个验潮站,利用GPS观测统一验潮数据基准。通过参考椭球和参考框架转换,将三种模型海面高与验潮站得到的海面高在同一基准下进行比较,分析了三种全球平均海面高模型在全球范围内的近海精度。结果表明,WHU2013模型的近海精度高于DTU13和CLS15模型,CLS15模型的近海精度略高于DTU13模型。     

基于Cryosat2与船载重力测量数据反演我国近海海域重力异常

基于Cryosat-2三年半的卫星测高GDR(geophysical data records)数据,使用海面高梯度,依据最小二乘配置方法得到了南海部分海域垂线偏差格网,结合移去-恢复技术采用逆Vening-Meinesz的球面一维傅里叶变换算法快速计算我国近海海域测高重力异常CASM_GRA.与船载重力测量数据融合后,重力场精度在2.75~5.38mgal之间,平均偏差在-0.21~0.45mgal之间.与DTU13重力场模型相比,平均值最大改进为12.98mgal,标准差最大降幅近3.40mgal.与Sandwell V23.1模型相比,平均值最大改进为13.58 mgal,标准差最大降幅为1.09mgal.     

Jason-2 卫星波形重定技术在研究贝加尔湖水位中的应用

利用Jason-2测高卫星2008—2013年的Waveform数据,以贝加尔湖为例,研究卫星测高数据编辑标准、地球物理改正方法及波形重定方法;利用波形重定后的数据计算贝加尔湖年水位异常时间序列与季度水位异常时间序列,分析得到贝加尔湖水位的季节性变化规律;利用组合模型预测贝加尔湖2013年10月的水位,并与测高所得水位进行了比较。研究结果表明,利用波形重构技术可提高对贝加尔湖水位测量精度,对其水位变化研究具有一定的可行性。     

基于数字测高仪和 GPS 观测的三亚地区电离层-等离子体层总电子含量特征分析

基于2012年海南三亚台站(18.34°N,109.62°E)的数字测高仪和GPS观测资料,分别研究了数字测高仪和GPS反演得到的总电子含量、等离子体层总电子含量(PTEC)的变化特征.结果显示:GPS观测得到的总电子含量(GTEC)与数字测高仪观测得到的总电子含量(ITEC)的变化特征一致,PTEC和PTEC占GTEC的百分比变化具有明显的日变化特征.PTEC数值在3~22 TECU(1 TECU=10~(16)el/m~2)范围内变化,PTEC的极大值大约出现在地方时日落时分,PTEC极小值大约出现在地方时日出时分,PTEC占GTEC百分比在夜间一般能达到40%左右,甚至能达到80%,白天一般在20%以下.     

基于卫星测高的孟加拉湾海洋时变重力研究

针对GRACE卫星仅能探测到大空间尺度的重力变化,提出利用卫星测高数据反演高空间分辨率的海洋时变重力.首先将CryoSat-2卫星测高数据按月分组,基于每组海面高数据计算沿轨剩余大地水准面梯度和格网剩余垂线偏差,然后利用逆Vening-Meinesz公式反演月重力异常,最后基于全部月重力异常数据计算格网大小为3′的CryoSat-2时变重力.以孟加拉湾及其周边海域为例,在2011年2月—2020年4月间,CryoSat-2时变重力的周年振幅和周年相位分别为(0.10±0.03)μGal和98.84°±0.43°,同期GRACE数据的周年振幅和周年相位分别为(0.66±0.05)μGal和93.52°±0.08°,两者的周年信号基本一致;CryoSat-2和GRACE时变重力的线性趋势分别为(0.02±0.01)和(0.09±0.01)μGal/a,均表现为增长.结果表明：3′×3′格网的CryoSat-2时变重力能够反映出研究海域重力变化的季节性信号和长期趋势,验证了利用卫星测高数据反演高空间分辨率海洋时变重力的可行性.     

星载激光测高仪海面回波的仿真与分析

星载激光测高仪发射的1 064 nm波长激光被波动海洋表面反射,系统接收的时间波形与瞬时海面波浪分布相关。而海面波浪又直接受海面风速影响,因此可以通过观测激光测高仪回波变化监测不同风速下海态变化。本文依据激光雷达方程,利用蒙特卡洛法模拟不同风速下的海面波浪分布,通过光线追击建立海面回波波形仿真器;以地球科学激光测高系统(geo-science laser altimeter system,GLAS)参数为输入,仿真得到不同风速下的海面回波:发现当海面风速在3~10 m/s之间时,回波呈单峰高斯波形,与GLAS发布的实际回波相符;且回波脉宽,以及有效能量反射率(即有效回波能量与发射能量之比)与实测参数误差小于10%。进一步分析可知,回波特征参数与海面风速之间存在显著关联,为利用激光测高仪大规模精确反演海洋表面风速奠定了基础。     

基于新一代GNSS-R星座海面测高原理提高水下惯性/重力组合导航精度研究进展

紧跟国际卫星测高反演和水下组合导航的最新热点,以满足中国迫切提出的科学和国防需求为导向,介绍了基于GNSS-R卫星海面测高原理提高水下惯性/重力组合导航精度研究进展。第一,介绍了GNSS-R测高精度研究进展、GNSS-R测高沿轨迹空间分辨率研究进展、GNSS-R反射点轨迹间空间分辨率研究进展、基于卫星测高反演海洋重力场研究进展、水下重力匹配导航研究进展等。第二,在GNSS-R海面测高方面,提出了新型大地水准面静态高程镜面反射点修正定位法、海洋潮汐时变高程镜面反射点修正定位法、法向投影镜面反射点修正定位法、GNSS-R星载下视天线接收信噪比模型构建法、GNSS-R星载下视天线可用镜面反射点筛选算法等,旨在提高卫星测高精度和空间分辨率;在水下重力匹配导航方面,提出了新型主成分加权平均归一化法、测地线周期性航向控制法、分层邻域阈值搜索法、先验递推迭代最小二乘误匹配修正法等,旨在提高水下重力匹配导航精度、匹配效率及可靠性。第三,预期提出新型二阶不动点时延提取法,旨在提高GNSS-R卫星海面测高精度;预期提出新型反射信号分解法,旨在提高GNSS-R卫星海面测高沿轨迹空间分辨率;预期提出新型海面粗糙度误差校正法,旨在提高GNSS-R卫星海面测高轨迹间空间分辨率;预期提出新型正则化稳健算法,旨在提高海洋重力场反演精度和空间分辨率;预期融合星载GNSS-R模拟测高数据、岸/空基GNSS-R验证测高数据等多源信息,联合几何配准收敛速度快和直接概率准则定位精度高的优点,构建新型几何配准-直接概率准则混合法,旨在提高水下惯性/重力组合导航精度和速度。     

基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高

针对无人机巡航测高过程中,采用单一传感器进行高度测量时受到环境干扰较大且精度较差,而现有多传感器融合方法精度较低的问题,提出一种基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高方法 .首先,将优化后的三步延迟时空融合算法作为第一层融合,有效避免了传感器出现故障所导致的测量误差;其次,采用加速度计对融合后的数据进行检测和辅助测高,将基于参数迭代的自适应高斯-牛顿滤波器作为第二层融合模型算法,可以在保证稳定性的前提下,提高无人机巡航或悬停时的精度.最后,采用实际高度测量数据进行实验.实验结果表明,与二步延迟融合方法比较,最大误差减小25.4%,均方根误差减小26.4%.同时,该测高方法简化了相关量测方程和状态量维数,降低了计算量,系统结构更加简洁,有利于实际应用.     

Improved threshold retracker for satellite altimeter waveform retracking over coastal sea

Data quality is a key factor for the application of satellite altimetry to geodesy and oceanography. Accuracy of altimetry is limited in the coastal area because the altimeter waveforms are seriously contaminated by topography and environmental pollution. So waveform retracking is needed to compute the range correction of geophysical data records (GDRs) for better accuracy. In this paper, a new waveform retracker named the improved threshold retracker (ITR) is put forward. The retracker first builds sub-waveforms based on leading edges detected in a waveform, then determines the middle point of each leading edge to compute the retracking range correction, finally calculates the referenced sea surface heights according to the geoid undulation from a local geopotential model and tide heights from an ocean tide model, and compares it with all retracking ranges to determine the best one. As a test, altimeter waveforms of Geosat/GM are retracked around the Taiwan coastal area. The result shows that accuracy of ITR method is two times better than that of the β-5-parameter function-fitting method and threshold method, and three times better than that of GDRs. ITR can efficiently improve the altimetry accuracy of the coastal sea area.     

Improved retracking algorithm for oceanic altimeter waveforms

Over the deep oceans without land/ice interference, the waveforms created by the return altimeter pulse generally follow the ocean model of Brown, and the corresponding range can be properly determined using the result from an onboard tracker. In the case of complex altimeter waveforms corrupted due to variety of reasons, the processor on the satellite cannot properly determine the center of the leading edge, and range observations can be in error. As an efficacious method to improve the precision of those altimeter observations with complex waveforms, waveform retracking is required to reprocess the original returning pulse. Based on basic altimeter theory and the geometric feature of altimeter waveforms, we developed a new altimeter waveform retracker, which is valid for all altimeter waveforms once there a reasonable returning signal exists. The performances of the existing Beta-5 retracker, threshold retracker, improved threshold retracker, and the new retracker are assessed in the experimental regions (China Seas and its adjacent regions), and the improvements in the accuracy of sea surface height are investigated by the difference between retracked altimeter observations and referenced geoid. The comparisons denote that the new algorithm gives a best performance both in the open ocean and coastal regions. Also, the new retracker presents a uniform performance in the whole test region. Besides, there is a significant improvement in the short-wavelength precision and the spatial resolution of sea surface height after retracking process.     

一种改进的PBAS运动目标检测算法

针对现有PBAS目标检测算法在动态背景下存在着误检率高、检测精度较低的问题,提出了一种将改进的自适应决策阈值更新策略与优化处理方法相结合的目标检测算法。该算法首先使用改进的自适应前景判断阈值进行目标检测,然后对检测的结果使用前景点生命周期机制、形态学处理等方法进行优化处理。实验结果表明,与传统的PBAS算法相比,该算法在动态背景下可以更精确有效地提取出运动目标,准确度平均提高13%。     

天波雷达短驻留时间下海杂波抑制的改进算法

在高频天波雷达的舰船目标检测中,为消除电离层变化带来的谱展宽效应,采用了短驻留时间下基于奇异值分解(SVD)的海杂波抑制算法.该算法对构造出的Hankel矩阵进行奇异值分解,将对应于海杂波分量的奇异值置零,再重新构造出数据序列,达到海杂波抑制的目的.相对于原有的迭代杂波对消算法,该算法无需估计众多参数及设置对消截止门限,并且可以获得更好的抑制效果.为了有效地识别分解后的海杂波与目标所对应的奇异值以避免错误对消,还提出了一种改进方案,可以在抑制前分辨出海杂波分量和目标所对应的奇异值,当回波目标的能量与海波处于相近量级以及多目标情况下,能够避免错误对消现象的出现.仿真结果验证了所提算法的有效性.     

软件定义网络下两阶段大象流识别算法

目的 针对数据中心网络(Data Center Network, DCN)中数据流量多导致大象流与老鼠流识别精确度低的问题,提出一种基于软件定义网络(Software Defined Networking, SDN)下两阶段大象流识别算法。方法 将SDN与DCN结合,第一阶段,采用高斯分布动态阈值优化算法,通过对数据包阈值的设定,计算大象流误检率与漏检率,不断优化得到最优阈值,以此识别出可疑大象流;第二阶段,在依据流传输速率与流持续时间精确得到大象流的基础上,提出阈值约束、流量检测机制、Count计数器等三方面改进对大象流识别阈值下限的约束,将网络中大象流的数据量与流持续时间进行周期内阈值计算,提高大象流的识别精确度。结果 实验结果表明：算法与已有相关算法相比,第一阶段可疑大象流平均字节数比网络流平均字节数多11.3%;不同阈值下的算法准确度提高1.7%,不同网络流量下的大象流平均检测时间降低至6 ms以内。结论 软件定义网络下两阶段大象流识别算法在第一阶段具有较强的大象流识别能力,同时算法的精确度有所提高,大象流的平均检测时间降低,提高了网络质量,能为进行网络流量调度策略的进一步研究...     

基于信噪比的自适应门限判决PN码捕获算法

现有的自适应门限判决PN码捕获方法在低信噪比条件下的检测概率较低.针对这一问题,文中提出一种考虑噪声功率的改进算法.该算法首先通过参数设置对基于信噪比的门限进行调整,然后利用中值滤波平滑门限波形,减少了由于起伏波动引起的错误捕获,最后通过限幅滤波降低因毛刺造成的虚警概率.理论分析以及蒙特卡罗仿真表明,改进算法较现有算法能够获得更高的检测概率和更低的虚警概率,同时对窄带干扰有较强的抑制能力.     

基于混沌天牛群算法优化的神经网络分类模型

针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN（Improved Beetle Antennae Search and Back Propagation Neural Network）分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。     

微弱光信号的极值检测及滤波算法研究

为有效提高微弱光电信号极值检测的精度，通过分析被测信号的变化规律，提出了高精度目标信号极值检测滤波算法，探讨了在理想条件和强干扰条件下的信号检测解决方法。该算法以改进的动态阈值法获得极值初始数据集，通过基于中值数绝对偏差的滑动滤波和加权平均滤波法相结合的方式对采集值进行滤波处理，最终获得信号的极值。实验结果表明，该算法测量结果和实际值相吻合，最小平均相对误差控制在0.1%左右，满足精度要求,测量精度及稳定性高于传统方法。该研究对不同波形微弱信号的高精度极值检测提供了参考依据。