[发明专利]基于字典学习的高分辨率声速剖面稀疏编码及存储方法

权利要求书

1.一种基于字典学习的高分辨率声速剖面稀疏编码及存储方法，其特征在于，包括如下步骤：

步骤1，利用全球高分辨率海洋再分析产品提供的基础数据，经过声速公式计算形成全球海域的海水声速剖面数据；

所述基础数据至少包括不同经纬度，不同深度上的海洋温度、盐度数据；

步骤2，参照典型声速剖面的分层特点对所有经纬度进行遍历将数据深度统一延拓至海底沉积层；

步骤3，将声速剖面数据按照不同经纬网格点下的采样时刻依次排列组合为目标矩阵，并随机选取足够数量的数据组成训练集训练过完备字典；

步骤4，利用过完备字典对原数据矩阵进行稀疏编码，选取合适的稀疏度得到对应的稀疏矩阵；

步骤5，将稀疏矩阵进行CSR存储，完成对高分辨率声速剖面的压缩。

2.根据权利要求1所述的一种基于字典学习的高分辨率声速剖面稀疏编码及存储方法，其特征在于，所述步骤1的具体步骤如下：

步骤1.1基于全球高分辨率海洋再分析产品，对全球范围内的海域按照经纬度等间距，深度非等间距的方式进行网格划分；其中，全球高分辨率海洋再分析产品提供了对应经纬度和深度上的海水温度、盐度的基础数据；

步骤1.2利用全球高分辨率海洋再分析产品提供的基础数据，按照步骤1.1中经纬度和深度的划分结果，采用声速公式对各点的声速进行计算，得到高分辨率海洋声速剖面信息；

步骤1.3以深度作为高分辨率海洋声速剖面信息矩阵的行，以经纬度及时间信息作为高分辨率海洋声速剖面信息矩阵的列，构建待处理的高分辨率海洋声速剖面信息矩阵。

3.根据权利要求2所述的一种基于字典学习的高分辨率声速剖面稀疏编码及存储方法，其特征在于，所述步骤2的具体步骤如下：

步骤2.1结合各列的数据分布情况对高分辨率海洋声速剖面信息矩阵中NaN的位置进行判定；找到NaN所在位置并根据声速变化规律对声速剖面进行延拓至海底沉积层的位置；形成延拓后特定时刻下特定经纬度对应的深度层数K的声速剖面；

步骤2.2对所有经纬度及时间上的声速剖面进行遍历，获得统一深度的声速剖面数据；共得到经纬度网格空间I个，数据采样时刻J个。

4.根据权利要求3所述的一种基于字典学习的高分辨率声速剖面稀疏编码及存储方法，其特征在于，所述步骤3的具体步骤如下：

步骤3.1以步骤2.2中统一深度分层水声剖面为对象，构建特定时空维度下的声速剖面数据矩阵；所述声速剖面数据矩阵的矩阵行数为深度层数K，列数为经纬度网格空间I与数据采样时刻J的乘积；

步骤3.2从声速剖面数据矩阵的列向量中随机抽取M个作为训练集；过完备字典学习的目标函数式如下：

从M中再选取N(N＞K)个列向量组成初始过完备字典，并对训练集进行OMP编码，得到训练集稀疏矩阵；

步骤3.3利用KSVD对初始过完备字典进行更新获得在训练集对应的过完备字典D，字典D为K×N的矩阵；

步骤3.4继续重复3.2和3.3的步骤直到获得满足指定误差x的过完备字典D。

5.根据权利要求4所述的一种基于字典学习的高分辨率声速剖面稀疏编码及存储方法，其特征在于，所述步骤4的具体步骤如下：

步骤4.1利用过完备字典D对K×(IJ)的海洋声速剖面矩阵进行稀疏编码，采用OMP方法获得稀疏度为t的海洋声速剖面矩阵的稀疏矩阵X，海洋声速剖面矩阵的稀疏矩阵X的大小为N×(IJ)。

6.根据权利要求5所述的一种基于字典学习的高分辨率声速剖面稀疏编码及存储方法，其特征在于，所述步骤5具体步骤如下：

步骤5.1对海洋声速剖面矩阵的稀疏矩阵X进行压缩，具体是指：

按行遍历稀疏矩阵X的非零元素，并记录以下数据：所有非零元素的在海洋声速剖面矩阵的稀疏矩阵X中的列号；按行遍历稀疏矩阵X非零元素，按顺序对值进行排列；在B中找到稀疏矩阵X中每行首非零元素所在位置记录下序号；

步骤5.2利用以下三个向量组成存储稀疏矩阵：

第一个向量，形式为为1×(K+1)，其中存储步骤5.1的C中所有K个序列号，最后一位存储有非零元素总个数；

第二个向量，形式为1×(tIJ)，其中存储步骤5.1的A中所有列号；

第三个向量，形式为1×(tIJ)，其中存储步骤5.1的B中所有的值。