基于时延-多普勒图像的海洋表面风速反演方法

论文摘要

随着GNSS-R技术在海洋遥感领域的发展,已经积累了海量的GNSS-R数据。针对基于时延-多普勒相关功率图（DDM）实测波形与经验模型反演风速复杂性高、计算量大和精度低的问题,采用两种神经网络方法,基于NASA CYGNSS的DDM数据,分析了DDM与海洋表面风速的关系,首先引入卷积神经网络建立风速等级分类模型对海洋表面风速进行分类反演,但效果不理想。为获取精度更高的反演风速,对DDM进行特征提取,改用BP神经网络完成了风速反演。反演风速与实际风速的皮尔逊相关系数为0.958、均方根误差为1.86 m/s、平均相对误差为2.66%,证明了基于DDM使用神经网络反演风速的可行性和有效性。

论文目录

• 1 基于DDM原始图像的风速反演方法
•   1.1 DDM图像形成原理
•   1.2 CYGNSS数据集
•   1.3 利用卷积神经网络判别风速
• 2 基于DDM图像特征值的风速反演方法
•   2.1 特征值LES提取
•     （1）去除基底噪声
•     （2）IDW生成
•     （3）LES计算
•   2.2 特征值DDMA提取
•   2.3 特征值BRCS提取
•   2.4 多特征值的风速反演方法
•   2.5 实验结果分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 吴崇,严颂华,杨永立,卜方玲,陈泽强

关键词: 神经网络,风速反演,时延多普勒图像

来源: 科技通报 2019年09期

年度: 2019

分类: 基础科学

专业: 气象学,海洋学

单位: 武汉科技大学信息科学与工程学院,武汉大学电子信息学院

基金: 国家自然科学基金资助项目(41571420),国家重点研发计划项目(2017YFC0805104),中央高校基本科研业务专项资金支持(2042017kf0211)

分类号: P714.2

DOI: 10.13774/j.cnki.kjtb.2019.09.004

页码: 22-30+47

总页数: 10

文件大小: 446K

下载量: 154