[发明专利]半监督模糊识别模型及基于该模型的土壤湿度测量方法

权利要求书

1.一种半监督模糊识别模型，其特征在于：所述模型的建立包括以下步骤：

步骤1：数据获取，

选用接收机在实验场地进行安置，获取地基监测站的监测数据，并从监测数据中提取目标数据；

步骤2：数据预处理，

在步骤1中获取的目标数据中，根据拟合结果剔除质量较差的数据；

步骤3：去除趋势项，

将仰角正弦化，并对目标数据进行多项式拟合，去除直射分量，得到SNR多径分量，利用信号频谱分析法进行频谱分析获取主频率；

步骤4：求取观测量，

对SNR多径分量进行最小二乘拟合，分别求得振幅和相位观测量；

步骤5：建立半监督模糊识别模型，

将上述观测量与实测土壤湿度建立相关关系，绘制观测量与土壤湿度的相关关系图，并根据两者关系及经验模型建立半监督的模糊识别模型。

2.根据权利要求1所述的半监督模糊识别模型，其特征在于：所述的步骤1中接收机为GNSS接收机。

3.根据权利要求1所述的半监督模糊识别模型，其特征在于：所述的步骤1中目标数据包括：GPS和GLONASS卫星的仰角、方位角、时间和SNR数据，以及实测土壤湿度数据。

4.根据权利要求1所述的半监督模糊识别模型，其特征在于：所述的步骤2中数据预处理包括：根据拟合结果剔除目标数据中不满足预设质量条件的SNR数据。

5.根据权利要求1所述的半监督模糊识别模型，其特征在于：所述的步骤3中去除趋势项具体包括以下：SNR直射和反射信号可表示为：

其中：A_d，A_m分别表示直射、反射信号的幅度，A_c表示为二者的干涉信号的幅度，即信噪比SNR；ψ为两信号的相位差，θ为卫星高度角；

提取出多径分量之后的序列振幅SNR_m可表示为：

对上述数据进行去噪处理，然后根据高度角分为上升、下降段，将其转化为高度角正弦序列，最后进行多项式拟合，将直射分量去除。

6.根据权利要求5所述的半监督模糊识别模型，其特征在于：所述的步骤4中求取观测量具体包括以下：对步骤4中的序列振幅SNR_m进行Lomb-Scargle频谱分析，得到频率的谱，进而求得等效天线高度的谱，选取谱值最大的等效天线高度值作为等效天线高度的估测值，然后通过最小二乘拟合求得振幅值。