[发明专利]一种基于相对辐射校正的导航雷达图像反演海面风向方法

摘要

本发明的目的在于提供一种基于相对辐射校正的导航雷达图像反演海面风向方法，包含导航雷达图像序列采集、导航雷达图像预处理、导航雷达图像相对辐射较正和海面风向反演四个部分。本发明在应用风条纹反演风向中增添导航雷达图像相对辐射校正环节，有效消除了导航雷达回波强度径向衰减对风向反演造成的影响。导航雷达图像相对辐射校正采用一种自适应拉格朗日最小二乘分段拟合校正法，既保证校正后不会破坏海杂波图像特征，又提高了工程的适用性。

主权项

一种基于相对辐射校正的导航雷达图像反演海面风向方法，其特征是：(1)导航雷达图像序列采集：采集连续N幅导航雷达图像，将其定义为一组导航雷达图像序列，并收集对应时间和位置的实际风向与风速值；(2)导航雷达图像预处理：对导航雷达图像序列极坐标图像进行归一化，使导航雷达图像序列中的每幅导航雷达图像的线数固定，再对单幅导航雷达图像通过观测去除遮挡区域的影响，只保留海杂波图像区域，应用图像中值滤波抑制同频信号对导航雷达图像的干扰；(3)导航雷达图像相对辐射校正：对步骤(2)处理得到的导航雷达图像的回波强度值按方位向进行平均，得到关于距离的回波强度均值，对导航雷达图像径向回波强度进行相对辐射校正，得到相对辐射校正图像序列；(4)海面风向反演：对相对辐射校正图像序列首先利用低通滤波器得到海面静态特征图像，然后基于波数能量谱尺度分离方法得到风条纹能量谱，最终获得海面风向；导航雷达图像相对辐射校正的具体步骤为：(a)对导航雷达图像沿方位向进行平均，令导航雷达图像回波强度值为σ(θp,rq)，其中θp为方位向角度，p＝1,2,…P，共P个，rq为径向距离，q＝1,2,…Q，共Q个，生成一维径向平均回波强度值y：y(rq)=1PΣp=1Pσ(θp,rq)]]>径向距离rq定义为x，则x和y形成的数据集为数据点总数为n，n＝Q；(b)选取x中间位置x0，将n分成两段数据，个数分别为n1和n2，若K为间断点数，则K＝1，生成两个数据集进行分段拟合；(c)假设数据共有K个间断点，则形成K+1个数据集，即nk为第k个数据集的点数，xk是数据集Ωk和Ωk+1的分段点；(d)拟合函数f(x)的形式如下：f(x)=f1(x)=Σj=1mαj1hj(x),1≤x≤x1f2(x)=Σj=1mαj2hj(x),x1≤x≤x2...fk(x)=Σj=1mαjkhj(x),xk-1≤x≤xk...]]>式中fk‑1(xk)＝fk(xk)，是数据集Ωk的基函数；m为基函数的个数，即m＝3；为待确定回归系数；为了使拟合误差达到最小且在xk处连续，建立最小二乘回归模型如下：minαjkΣi=1n1(f1(xi1)-yi1)2+Σi=1n2(f2(xi2)-yi2)2+...+Σi=1nk(fk(xik)-yik)2+...Σi=1nk(fK+1(xiK+1)-yiK+1)2,]]>s.t.fk‑1(xk)＝fk(xk)令基函数h(x)＝[1 x x2]，拟合参数行向量分别为：k＝1,2,…K+1；则多段数据集拟合参数可以表示为：y=y1Ty2T...yK+1T,α=α1Tα2T...αK+1T,X=X10...00X2...0.........00...XK+1]]>则最小二乘回归模型的二次范数形式为：minα||Xα-y||2,s.t.Zα=0,]]>对上式建立拉格朗日函数为：L(∂,λ)=||Xα-Y||2+2λTZα,]]>其中λ为列向量约束参数，即λ＝[λ1,λ2,…,λK]T，由多元函数极值必要条件，得到:∂L∂α1=2XT(Xα-y)+2ZTλ=0∂L∂λ=Zα=0,]]>由上式可得：α=α^-(XTX)-1ZTλ,]]>其中将带入中，可解得：λ=[Z(XTX)-1ZT]-1Zα^,]]>将式带入α获得最小二乘回归系数α的解，根据导航雷达回波机制数据集Ωk可以保证式中的是非退化的，Z是非零的，因此，α的解是唯一的，从而获得有多段拟合函数f(x)；(e)计算k点相邻两个数据集绝对值误差均值Sk,k＝1,2…K+1，每点的绝对值误差ei,i＝1,2,…n，若ei>Sk且ei+1>Sk且ei+2>Sk，则在ei所对应的数据集Ωk中i点位置进行再次分段，执行步骤(f)；其他情况或分段内点数少于十个，则不分段，执行步骤(g)；(f)在分段点处对数据再次进行分段，返回从步骤(c)开始重新拟合，K为分段点的数量，再执行步骤(e)的判断；得到数据集最优分段函数拟合函数值；(g)将导航雷达图像中每个方位向θp对应的回波强度值σ(θp,rq)与径向拟合函数值做偏差，实现导航雷达图像相对辐射校正；校正遍历导航雷达图像序列的每幅图像，最终得到相对辐射校正后图像序列f′(θ,r,t)，θ为方位向角度，r为径向距离，t为图像序列时间轴。