欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202410431651X
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.海洋、极地和内陆水体区域星载GNSS-R原始中频相干反射信号检测方法,其特征在于,包括以下步骤:步骤S1,获取TDS-1/CYGNSS星载GNSS-R原始中频信号数据并进行数据预处理;星载GNSS-R原始中频信号数据为TDS-1/CYGNSS卫星的单频多星座GNSS原始中频信号观测数据集,数据预处理包括直射信号处理、反射信号处理、观测值提取和数据质量控制;具体包括以下步骤:步骤S1.1,直射信号处理和单频GPS/Galileo/BeiDou-3反射信号处理;

直射信号的处理采用通用的GNSS信号处理方案,首先进行码偏移和载波多普勒的粗略采集,然后利用延迟锁定环DLL和锁相环PLL的组合对直射信号进行跟踪,直射信号处理输出包括TDS-1/CYGNSS卫星的位置、速度和时间估计和直射信号的信号参数以及解码的导航数据比特;

双基地几何计算的主要输入是GNSS-R接收器和GNSS发射器的位置和速度,然后计算直射信号和反射信号之间的距离延迟差,计算公式为:式中,T(t

步骤S1.2,观测值提取;CYGNSS或TDS-1上的GNSS-R接收器执行OL跟踪,并生成I和Q通道相关器输出,这些相关器输出用于推导信噪比SNR、载波相位估计,其计算公式如下:式中,F

除上述观测值,还计算包括NBRCS、相干系数、相位差圆长度、相位差圆峰度、功率DDM、反射率DDM、双基地雷达截面BRCS及时延多普勒波形;其中,反射率DDM、双基地雷达截面BRCSDDM和归一化双基地雷达散射截面NBRCSDDM的计算公式分别如下:反射率DDM估计如下:

式中,R

双基地雷达截面BRCSDDM估计如下:

归一化双基地雷达散射截面NBRCSDDM计算如下:

式中,A

步骤S1.3,质量控制;在数据处理过程中应进行质量控制措施,以获得更可靠的观测值,具体控制遵循如下标准:

1.3a)对于海洋场景,利用ERA5风速和有效波高参考数据删除风速大于8m/s、有效波高大于1.2m的GNSS信号,以确保在相对平静的海洋表面条件进行载波信号跟踪;

1.3b)删除天线增益小于0dBi的数据,若天线增益太小,会导致信号弱化或不准确;

1.3c)对于CYGNSS卫星,由于CYGNSS的DDMI的黑体校准每60秒执行一次,当DDMI连接到内部负载而不是CYGNSS科学天线时,在黑体校准过程中没有观察到有效的反射信号,复杂波形CW产品在观测中没有标记黑体校准,因此,CYGNSS一级数据中变量“quality_flags”的“black_body_ddm”用于通过匹配GPS时间来标记校准期间的Raw IF观测值,并将其删除步骤S2,相干检测特征工程选择;

步骤S3,不同场景以及相干和非相干反射信号数据标签设置;

步骤S4,训练集和测试集划分;

步骤S5,面向多模态的星载GNSS-R信号相干和非相干检测分类混合模型训练和测试,使用训练集训练模型,将训练好的检测模型应用于测试数据集,并将得到的检测结果与经典的相干检测算法进行对比评估,具体如下:步骤S5.1,面向多模态的星载GNSS-R信号相干性检测分类混合模型设计;分类混合模型以最终选择的一维波形特征和二维的功率DDM、反射率DDM和BRCSDDM以及特征向量作为输入,均经过归一化处理;在更新后的模型中,这些数据被输入到三个不同的分支中以提取深层特征;第一分支中,一维波形数据输入到Xception模块中,该模块用于提取一维特征;Xception模块通过其深度可分离卷积架构,有效地捕获波形数据中的时间维度特征,从而实现一维特征的高效提取;第二分支中,二维的功率DDM、反射率DDM和BRCSDDM数据输入到由自注意力机制构成的模块中;这个模块包括卷积层和Softmax函数,旨在捕获这些二维数据中的空间关系;之后,数据被送入Transformer编码器,该编码器进一步提取二维特征,利用其强大的自注意力能力来捕捉数据间复杂的交互和依赖关系;第三分支中,特征向量在归一化后输入自注意力模块,以提取加权矢量特征;经过三个分支后,特征合并到分类模块中以实现分类;分类结果α和β分别计算损失L步骤S5.2,使用训练集训练模型,将训练好的检测模型应用于测试数据集,并将得到的检测结果与经典的相干检测算法进行对比评估。

2.根据权利要求1所述的海洋、极地和内陆水体区域星载GNSS-R原始中频相干反射信号检测方法,其特征在于,步骤S2中所述的相干检测特征工程选择为:选择反映相干反射和非相干反射之间差异的特征,包括从观测数据中提取的50Hz SNR、载波相位差、NBRCS、圆长度、圆峰度和相干系数观测值,增加反射点坐标和反射点入射角作为辅助特征,同时考虑其他影响相干检测性能的元数据变量,从反射率DDM、双基地雷达截面BRCS、功率DDM三种类型的DDM以及不同DDM计算的积分多普勒延迟波形和积分时延多普勒波形中选择最优波形组合作为检测模型的输入特征。

3.根据权利要求2所述的海洋、极地和内陆水体区域星载GNSS-R原始中频相干反射信号检测方法,其特征在于,采用基于网络架构搜索的星载GNSS-R波形特征选择模型选择与相干和非相干信号具有显著敏感性的波形特征,该模型包括网络结构搜索和特征敏感性分析两大模块;

网络结构搜索采用不同类型的波形特征组合对多个模型结构进行分类训练学习,优化网络结构以提高分类表达能力,关键在于设计模型整体结构、层级结构和单元结构,考虑时间和空间特征推理关系;

特征敏感性分析则定量评估特征对分类精度的影响,通过随机测试集验证模型和特征,分析网络模型的学习能力和特征分类性能,最终选择最佳特征组合。

4.根据权利要求1所述的海洋、极地和内陆水体区域星载GNSS-R原始中频相干反射信号检测方法,其特征在于,步骤S3所述的不同场景以及相干和非相干反射信号数据标签设置方法为基于目视检查对Raw IF信号处理的数据进行手动标记以区分相干和非相干反射,标签1代表相干反射,标签0表示非相干反射;此外,设置海洋、极地、内陆水体、陆地场景的标签分别为0、1、2、3。

5.根据权利要求1所述的海洋、极地和内陆水体区域星载GNSS-R原始中频相干反射信号检测方法,其特征在于,步骤S4所述的训练集和测试集划分方式为标记数据被随机打乱并分为训练集和测试集,其中训练集占60%,测试集占40%。