[发明专利]一种基于机器学习的电离层幅度闪烁检测方法

摘要

本发明公开了一种结合机器学习的电离层幅度闪烁检测方法，该方法利用机器学习中的SVM算法，对电离层幅度闪烁信号进行检测，依此判断是否发生闪烁事件。在此过程中，首先将接收到的GPS信号经处理并计算得幅度闪烁指数S4的最大值和平均值，将其作为学习样本对对应的闪烁事件进行标记，设置标签为1表示闪烁事件发生，为‑1表示闪烁事件未发生。接着将样本输入SVM分类器中进行学习，得到最优分类器。当新的闪烁事件特征向量进入SVM分类器时，将对其自动进行分类。该检测方法能同时检测大量闪烁事件，提高了检测效率的同时，简化了检测过程并获得了较高且稳定的准确度。

主权项

1.一种基于机器学习的电离层幅度闪烁检测方法，其特征在于，包括：(1)对于不同位置GPS接收机采集到的数据，采用窗口长度为a秒并每次移动b秒的移动窗口获取数据，对于每一次移动窗口获取的数据计算幅度闪烁指标S4；其中，a、b为正整数，且a>b；(2)将不同位置GPS接收机采集到的数据以每t分钟为一个数据块进行划分，将每个数据块中的幅度闪烁指标的最大值和平均值作为该数据块的特征量，并采用标签标记该数据块是否发生闪烁事件，其中，t为正整数；(3)将部分数据块的特征量和对应标签作为训练样本，并根据标签分为发生闪烁事件样本和未发生闪烁事件样本两类，剩余数据块的特征量和对应标签作为校验样本；(4)建立线性SVM分类器模型；(5)将两类训练样本输入线性SVM分类器模型进行交叉验证，得到SVM分类器模型中的最优超参数，获得最优SVM分类器；(6)将校验样本中的特征量输入最优SVM分类器进行分类，将输出的分类结果与对应标签比对，当准确率达到预设值则认为SVM分类器合格；(7)将未知的闪烁事件数据的特征量输入到合格的SVM分类器中，SVM分类器的输出即为分类结果。