[发明专利]一种海面多参数同步反演全局优化方法和装置

权利要求书

1.一种海面多参数同步反演全局优化方法，其特征在于，包括：

S1、获取初始辅助数据；

S2、根据所述初始辅助数据，使用平静海面及粗糙海面发射率模型求解L/C/K波段粗糙海面辐射亮温，使用基于Liebe和Wentz提出的模型求解大气衰减模型，使用外推法和PALSAR的地物模式函数获得了大入射角的后向散射系数，建立L波段地物模式函数，通过粗糙海面散射的宇宙辐射亮温建立宇宙辐射模型；

S3、根据L/C/K波段粗糙海面辐射亮温模型、L波段地物模式函数以及大气衰减模型，确定大气顶层亮温和后向散射系数；

S4、获取测量数据；

S5、获取1.4GHz交叉极化亮温数据，并利用其对测量数据进行法拉第旋转修正，利用宇宙辐射模型对修正的数据进行宇宙背景辐射修正，得到最终的修正观测数据；

S6、根据所述修正观测数据及所述大气顶层亮温和后向散射系数，采用HWOANM算法进行多参数非线性迭代反演，得到目标海面盐度、目标海面风速和目标海面温度。

2.如权利要求1所述的海面多参数同步反演全局优化方法，其特征在于，所述初始辅助数据包括海表盐度、温度、风速、风向和大气参数。

3.如权利要求1所述的海面多参数同步反演全局优化方法，其特征在于，所述测量数据包括L/C/K波段亮温数据及L波段后向散射系数。

4.如权利要求1所述的海面多参数同步反演全局优化方法，其特征在于，所述采用HWOANM算法进行多参数非线性迭代反演，包括：

S601、确定反演模型的输入为：鲸鱼群的规模数量N、全局算法的最大迭代次数t_max、维度的个数D和Nelder–Mead单纯性算法的最大迭代次数N_mmaxiter；确定反演模型的输出为群体中代价函数值最小的最优个体即最优解x_opt；

S602、初始化鲸鱼群的数量：对每个搜索引擎的适用性进行评估：选择最佳的搜索引擎T；

S603、迭代次数为l，对参数l进行从2到t_max的循环并执行步骤S604-S614；

S604、同时对j在1到N的范围内循环内进行以下操作：更新当前搜索引擎的位置；如果当前搜索引擎位置超出边界范围将其撤回；评估每个新的搜索引擎的适用性；

S605、根据搜索引擎的适应性按升序对鲸鱼群的全体进行排序，即对向量进行排序，选择最佳的D+1个向量作为Nelder–Mead单纯性算法的初始单纯性；

S606、调用Nelder–Mead单纯性算法，对参数K进行从1到N_mmaxiter的循环并执行步骤S607至步骤S613；

S607、根据D+1个初始向量的顺序对单纯性顶点进行排序，x^h是最高顶点，x^s是第二高顶点，其中x^l为最低顶点，x⁰为除最差点外的所有顶点的质心，x^r＝x⁰+α(x⁰-x^h)为反射点；下述步骤中，α为反射系数、γ为膨胀系数、β为收缩系数；

S608、计算反射点x^r对应的适应性，对比相应的值进行不同的操作，若x^r的适用性小于x^l的适用性，即f(x^r)f(x^l),执行步骤S609,若f(x^l)≤f(x^r)≤f(x^s)，则用x^r代替x^h，令x^h＝x^r且f(x^h)＝f(x^r)并执行步骤S613，否则执行步骤S610；

S609、对反射进行扩展，使搜索空间向同一方向扩展，扩展点x^e按下式计算,令x^e＝x⁰+γ(x^r-x⁰)，若f(x^e)≤f(x^r)则接受扩展，并用x^e代替x^h,令x^h＝x^e且f(x^h)＝f(x^e)并执行步骤S613，否则用x^r代替x^h,令x^h＝x^r且f(x^h)＝f(x^r)并执行步骤S613；

S610、若f(x^s)≤f(x^r)≤f(x^h)，执行步骤S611，否则用x^r代替x^h并尝试收缩,令x^h＝x^r且f(x^h)＝f(x^r)并执行步骤S612；

S611、不直接用x^r代替x^h，收缩点x^c按下式计算,令x^c＝x⁰+β(x^h-x⁰)，若f(x^c)≤f(x^h)，则令x^h＝x^c且f(x^h)＝f(x^c)并执行步骤S613，否则执行步骤S612；

S612、对i在1到D+1进行循环，并执行减少单纯性大小的操作，循环结束后执行步骤S613；

S613、结束一次循环，并重新返回步骤S606进行循环；

S614、当步骤S606的循环结束后，若有更优解则更新T的值并返回步骤S603继续执行判断。