[发明专利]张衡一号感应磁力仪数据闪电哨声波自动识别方法及系统

权利要求书

1.张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于,包括：

样本收集：将SCM数据做傅立叶频谱图，根据闪电哨声波在频谱图中呈现明显的L形态特征，对频谱图进行分割完成样本图像收集，收集到闪电频谱图和非闪电样本频谱图；

灰度化及尺度处理：对频谱图像进行灰度化处理和尺度缩小以降低计算维度同时强化闪电特征；

模糊卷积处理：设计模糊卷积核，对图像进行卷积计算以滤除大量阶跃边缘信息的影响；

L形态卷积处理：基于闪电哨声波的L形态特征设计L形态卷积核，对图像进行卷积处理以进一步增强图像中的L形态特征；

SVM模型分类识别：将增强后的图像输入支持向量机SVM进行训练及分类识别，获得识别结果。

2.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述SCM数据主要来自张衡一号卫星三个轨道的SCM载荷的VLF波段的波形数据，在收集过程设计一滑动窗，其宽度是10个2s，步长是2个2s,采用滑动窗从功率谱数据截取数据1000Hz-6000Hz。

3.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述灰度化处理按如下公式：

Gray＝RGB.R×0.3+RGB.G×0.59+RGB.B×0.11

其中RGB表示原始的样本频谱图，RGB.R是其红色通道的像素值，RGB.G和RGB.B分别是绿色和蓝色通道的值，Gray是灰度化的频谱图。

4.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述尺度处理为讲尺度缩小到50×50。

5.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述模糊卷积核是尺度为5×5的全1模板。

6.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述L形态卷积核是尺度为9×9L状卷积核。

7.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述SVM模型分类识别中，SVM采用的是多项式核函数k(x_i，x_j)：

其中，x_j表示第j个图像的特征矢量，x_i表示第i个图像的特征矢量；γ和r是需要调整的参数，所述SVM来自Python的SVC库；其中，最佳参数d是13，γ和r其他均使用该库下的默认参数。

8.根据权利要求1所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法，其特征在于，所述SVM模型分类识别中，采用的评估指标是：识别精度、召回率、F1值和AUC-ROC。

9.张衡一号感应磁力仪数据闪电哨声波自动识别装置，其特征在于，包括：

样本收集模块：用于将SCM数据做傅立叶频谱图，根据闪电哨声波在频谱图中呈现明显的L形态特征，对频谱图进行分割完成样本图像收集，收集到闪电频谱图和非闪电样本频谱图；

灰度化及尺度处理模块：用于对频谱图像进行灰度化处理和尺度缩小以降低计算维度同时强化闪电特征；

模糊卷积处理模块：用于设计模糊卷积核，对图像进行卷积计算以滤除大量阶跃边缘信息的影响；

L形态卷积处理模块：用于基于闪电哨声波的L形态特征设计L形态卷积核，对图像进行卷积处理以进一步增强图像中的L形态特征；

SVM模型分类识别模块：用于将增强后的图像输入支持向量机SVM进行训练及分类识别，获得识别结果。

10.张衡一号感应磁力仪数据闪电哨声波自动识别系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至8任意一项所述的张衡一号感应磁力仪数据闪电哨声波自动识别方法。