[发明专利]基于毫米波雷达的山体滑坡预测方法和电子设备

权利要求书

1.一种基于毫米波雷达的山体滑坡预测方法，其特征在于，包括：

以设置于待测山体的角反射器为目标位置，通过毫米波雷达获取所述角反射器的相位波动参数；

通过机器学习算法对所述相位波动参数进行调制训练，得到强预测函数，根据所述强预测函数得到最优分类结果；

根据所述最优分类结果计算山体滑坡区域的真实位移，并与设定的山体位移阈值比较，根据比较结果对山体滑坡的情况进行预警；

其中，所述通过机器学习算法对所述相位波动参数进行调制训练，得到强预测函数，根据所述强预测函数得到最优分类结果，进一步包括：

采集若干时序差分干涉相位图，提取差分干涉相位并作为数据集，得到第一训练样本；

根据所述第一训练样本，计算强预测函数，得到训练好的强预测器；

通过所述强预测器对所有的所述时序差分干涉相位图进行分类，得到最优分类结果，根据所述最优分类结果，得到各时间点的高精度形变相位，完成误差修正；

根据所述第一训练样本，计算强预测函数，进一步包括：

初始化训练数据集中m组训练样本权重w_i；其中，，且i为1到m之间的整数；

配置p个弱预测器，将训练样本的差分干涉相位作为样本特征属性对训练样本进行训练和预测；

经过p次训练后，将p个弱预测函数加权合成强预测函数，得到强预测器；其中，所述强预测函数为：

；

式中，p为弱预测器的个数，a_t为第t个弱预测器的权重系数，且t为1到p之间的整数；

所述a_t的获取进一步包括：

调整训练样本权重w_i并进行归一化，所述归一化具体为：

；其中，，

式中，e_c为训练样本的预测误差绝对值，e_ɛ为预定误差限值；

根据所述训练样本权重w_i，计算第t个弱预测器的预测误差率e_t；其中，，且i为1到m之间的整数，t为1到p之间的整数，p为弱预测器的个数；

根据所述第t个弱预测器的预测误差率e_t，计算第t个弱预测器的权重系数a_t；其中，，且t为1到p之间的整数，p为弱预测器的个数。

2.根据权利要求1所述的一种基于毫米波雷达的山体滑坡预测方法，其特征在于，所述采集若干时序差分干涉相位图，提取差分干涉相位并作为数据集，得到第一训练样本，进一步包括：

在所述时序差分干涉相位图中选取M幅时序差分干涉相位图，并分别从M幅时序差分干涉相位图中选取N个位置相同的图像元素，提取每个所述图像元素在时间序列上的差分干涉相位，并将每个所述差分干涉相位作为一个数据集，进而将得到的N个数据集作为第一训练样本；其中，M和N为自然数。

3.根据权利要求2所述的一种基于毫米波雷达的山体滑坡预测方法，其特征在于，所述时序差分干涉相位图以预定时间周期性地监测得到。

4.根据权利要求1所述的一种基于毫米波雷达的山体滑坡预测方法，其特征在于，通过所述强预测器对所有的所述时序差分干涉相位图进行分类，得到最优分类结果，根据所述最优分类结果，得到各时间点的高精度形变相位，完成误差修正，进一步包括：

将所有的所述时序差分干涉相位图以图像元素为单位构建时序分类集合；

将时序分类集合输入所述强预测函数中，通过所述强预测函数输出时序差分干涉相位图中图像元素点修正后的坐标，作为最优分类结果，得到修正后的相位。

5.根据权利要求1所述的一种基于毫米波雷达的山体滑坡预测方法，其特征在于，根据所述最优分类结果计算山体滑坡区域的真实位移，进一步包括：

对所述待测山体的边坡建立数字高程模型，根据数字高程信息提取所述目标位置的坡向和坡度；

测量所述毫米波雷达到所述目标位置的视线方向位移；

将所述视线方向位移投影到所述坡向和坡度所确定的最大坡度方向上，从而获得山体滑坡区域的真实位移。