【技術實現步驟摘要】
本專利技術屬于衛星高度計數據偏差訂正領域，具體涉及一種基于深度學習的國產衛星高度計融合產品偏差訂正方法。
技術介紹
1、衛星高度計是一種主動式星載微波雷達，能精確測量全球動力地形，為深入認識海洋地形提供了有力手段新型工具。通常為克服不同衛星的高度計觀察的差異，常基于適當的融合算法，得到網格化的多衛星高度計觀測的融合產品。如中國專利技術專利《一種基于多源衛星高度計數據的垂線偏差自適應融合系統及方法》(申請號202410884624.8)采用的多源測高數據進行分類預處理的方法。2023年，我國國家衛星海洋應用中心發布了海面衛星高度計融合產品alt?mul，但是以獨立的實測海溫資料和漂流浮標資料為參考，分析評估發現，相較于國際主流的衛星高度計融合產品(duacs，也可稱為aviso產品)，國產高度計融合產品alt?mul雖然已經達到了一定的準確性和精度標準，但還存在差距，為更好地為開展科學研究提供高精度的數據支持，需要以國際主流的高精度衛星高度計產品為基準，對國產alt?mul進行偏差訂正。本專利技術將采用深度學習技術對國產衛星高度計融合產品進行偏差訂正，提高產品的精度，從而進一步拓寬其應用面，加強對國產海洋衛星高度計融合產品的認識。
2、在深度學習圖像重構(ir，image?reconstruction)領域，采用基于cnn或transformer的框架對輸入圖像進行重構，實現了圖像去噪，細節復原等高質量重構的效果。本專利技術提出一種新的深度學習的cnn與transformer相結合的框架，能夠兼顧捕獲局部與全局特征，提
技術實現思路
1、針對現有技術的不足，本專利技術提供了一種基于深度學習的國產衛星高度計融合產品偏差訂正方法。本專利技術基于深度學習的國產衛星高度計融合產品偏差訂正網絡a2a(altimeter?to?altimeter?network)，旨在解決目前國產衛星高度計融合產品的精度不高的問題。a2a能夠將全球高精度的衛星海面溫度、海面風速(經向、緯向)、經度、緯度共5種衛星海面觀測數據與國產衛星高度計融合產品的絕對動力高度以及海面高度異常數據融合，快速訂正國產衛星高度計融合產品的偏差，輸出更高精度的全球絕對動力高度以及海面高度異常數據，為改善國產衛星高度計融合產品的精度提供了新的有效途徑。
2、為實現上述目的，本專利技術采用的技術方案是：
3、一種基于深度學習的國產衛星高度計融合產品偏差訂正方法，包括以下步驟：
4、s1、從開源的渠道獲取衛星遙感數據作為輸入與標簽數據，并將獲得的輸入與標簽數據集整合成一定的組織結構并劃分為用于模型訓練、驗證以及測試的子集；
5、s2、搭建深度學習網絡a2a，a2a的表達式如下：
6、
7、其中，示深度學習網絡a2a的輸入與輸出的映射關系，輸入為經過歸一化處理的多變量輸入批次pnorm-input，輸出為偏差訂正后的絕對動力高度以及海面高度異常數據批次o，θ＝{wk,bk}表示a2a模型中第k層的權重與偏差；
8、s3、利用步驟s1得到的數據集對步驟s2得到的深度學習網絡a2a進行交替地訓練與驗證；
9、s4、利用訓練好的深度學習網絡a2a訂正國產衛星高度計融合產品，即得到更高精度的國產衛星高度計數據。
10、優選的，步驟s1具體包含以下步驟：
11、s11、獲取7個變量作為輸入，分別是衛星海面溫度、海面經向風速、海面緯向風速、全球經度網格場、全球緯度網格場，以及國產衛星高度計融合產品的絕對動力高度和海面高度異常；獲取2個變量作為標簽，分別是國外高精度的衛星高度計融合產品的絕對動力高度和海面高度異常，要求上述變量的時間分辨率一致；
12、s12、將步驟s11得到的輸入數據與標簽數據進行空間配對，采用雙線性插值方法，統一所有變量的空間分辨率為s°×s°；
13、s13、將s11所述的經度與緯度序列張成二維網格場，分辨率與s12的網格場一致，為°°
14、s×s；
15、s14、將s12和s13得到的輸入與標簽數據進行時空配對，得到時間與空間匹配的數據對矩陣x，數據對矩陣x的組織方式為：
16、
17、其中，數據對矩陣x中每個輸入變量記為xi,j，表示為第i個樣本的第j個變量，i∈[1,i]表示第1到i個樣本，一個樣本為矩陣x中的一行，由于時間分辨率相同，一個時刻即對應一個樣本，每行含9個變量，其中輸入變量為前7個，為矩陣x的前7列數據：海面溫度、海面經向風速、海表緯向風速、經度場、緯度場，以及國產衛星高度計融合產品的絕對動力高度和海面高度異常數據，標簽變量為后2個，為矩陣x的后2列數據，即國外高精度的衛星高度計融合產品的絕對動力高度和海面高度異常數據，每個樣本的標簽與輸入變量一一對應，在時間與空間范圍上一致；
18、s15、將配對好的數據對矩陣x按照8:1:1，劃分為訓練集t、驗證集v、測試集s，即x的前80％行作為訓練集t，剩下20％行分別對半作為驗證集v和測試集s；
19、s16、從步驟s15得到的訓練集t或驗證集v或測試集s中隨機取p個樣本，得到某輸入批次p，將其中的海面溫度、海面經向風速、海表緯向風速、經度場、緯度場、絕對動力高度和海面高度異常數據歸一化到[0,1]區間，得到歸一化處理后的某批次數據pnorm-input，所述的歸一化公式表達式如下：
20、
21、其中，pn表示批次中某個變量n的樣本集合，為訓練集t中某變量的最小值，為訓練集t中某變量的最大值，該批次歸一化后的某個變量記為pnorm；
22、s17、將經過歸一化處理后的某批次數據pnorm轉化為四維網格化張量的格式[批次中樣本數，變量數，緯向跨度，經向跨度]，簡記為[p,9,lat,lon]，lat表示進行偏差訂正的區域在水平方向上的緯向跨度，lon表示進行偏差訂正的區域在水平方向上的經向跨度，然后將前7個變量作為輸入批次pnorm-input，后2個變量作為標簽批次pnorm-target。
23、優選的，步驟s2具體包含以下步驟：
24、s21、構建sf(shallow?feature)淺層特征提取模塊，用于初步提取輸入變量特征，并初步分配對不同通道的關注度權重，包括1層含d個1×1卷積核的卷積層，1層relu激活層，1個通道注意力權重計算層，即ca通道注意力模塊，其輸出特征圖為fsf，表達式為：
25、fsf＝fsf(pnor本文檔來自技高網...
【技術保護點】
1.基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟S21、構建SF淺層特征提取模塊，包括以下子步驟；
3.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟S223具體包含以下步驟：
4.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟S1具體包含以下步驟：
5.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟S23具體包含以下步驟：
6.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟3具體包含以下步驟：
7.根據權利要求6所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟S32具體包含以下步驟：
8.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟S4
...【技術特征摘要】
1.基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟s21、構建sf淺層特征提取模塊，包括以下子步驟；
3.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟s223具體包含以下步驟：
4.根據權利要求1所述的基于深度學習的國產衛星高度計融合產品的偏差訂正方法，其特征在于：步驟s1具體包含以下步驟：
...【專利技術屬性】
技術研發人員：閆恒乾，鮑森亮，梁真瑜，王輝贊，林聰豪，劉健斌，郭雨榕，周雋涵，吳明輝，
申請(專利權)人：中國人民解放軍國防科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。