一种基于GNSS-R的雪深反演方法及其应用

摘要

本发明公开了一种基于GNSS‑R的雪深反演方法及其应用，步骤：对信噪比观测数据进行预处理，批量获取各颗卫星的直射与反射信号；通过解析GPS卫星的直射信号与反射信号，结合测站周围地形环境，提取卫星高度角信息和信噪比数据；分离出5～25°的卫星高度角信息和信噪比数据，对信噪比数据进行消除趋势项，获得消除趋势项的信噪比序列；根据消除了趋势项的信噪比数据获取线性信噪比残差数据；对线性信噪比残差数据进行小波包分解与重构；对重构后的序列进行Lomb‑Scargle频谱分析，获取主频率；通过对卫星接收机垂直距离和天线高求差值以及公式换算，获取多颗卫星的雪深反演值。本发明的雪深反演方法的精度高，极具应用前景。

说明书

技术领域

本发明属于测绘科学技术领域，涉及一种基于GNSS-R的雪深反演方法及其应用。

背景技术

积雪作为一种气象观测数据，不仅仅对人们日常生活有出行方面的影响，而且对于全球气候变化趋势来说，是一种重要的评估参数，能够反映水资源储量和全球海平面上升高度，同时为下游洪灾预警和水利发电提供信息。

测绘科学是一门综合性科学，是研究与地理空间分布有关的信息的采集、处理、管理、表达和利用的科学与技术，包括大地测量学、摄影测量学、工程测量学和地图制图学等学科。

全球卫星导航反射技术(Global Navigation Satellite SystemReflectometry，GNSS-R)，在气象、工程、水文等领域有着广泛的应用，包括雪深探测、大坝变形监测、水位测量等。在利用全球卫星导航反射技术时，首先利用二次拟合的方法对信噪比数据进行预处理，批量获取各颗卫星的反射信号；然后通过解析直射反射信号，并根据测站周围的地理环境，分离出5～25°的卫星高度角，并根据所对应的历元范围获得信噪比数据，并对信噪比数据进行去趋势项处理和单位转化，获取信噪比残差序列；然后对于低高度角线性信噪比残差数据，利用Lomb-Scargle频谱分析提取信噪比数据的主频率，通过接收机天线高度和公式换算，进而获取雪深数据的反演值。

利用GNSS-R模型进行雪深反演，信噪比观测数据的质量控制十分重要，由于信噪比序列易受到环境噪声和热噪声影响，直接通过Lomb-Scargle频谱分析的结果难以提取主频率信息，得到的反演结果缺乏可靠性与准确性。目前对信噪比数据进行一定噪声地去除方法中，小波分解为主要方法，虽然小波变换对信号低频部分进行分解时，能很好地表征一大类以低频信息为主要成分的信号，但高频信息中往往也包含了大量细节信号，被认为是噪声，其缺点是低频处时间分辨率低，高频处频率分辨率低，重构小波系数获取去噪后的信噪比信号，会丢失部分细节信息，其结果是降低了雪深反演值的精度。

因此，开发一种能够克服以上信噪比数据噪声去除方法缺陷进而提高雪深反演精度的基于GNSS-R的雪深反演方法极具现实意义。

发明内容

本发明的目的在于克服现有信噪比数据的噪声大进而影响雪深反演值的精度的缺陷，提供一种能够克服以上信噪比数据噪声去除方法缺陷进而提高雪深反演精度的基于GNSS-R的雪深反演方法。本发明的方法具体是通过降低信噪比数据的噪声，使其在进行Lomb-Scargle频谱分析时能够更好地区分和提取主频率，进而获取精度较高、较可靠的雪深反演值。

为实现上述目的，本发明提供如下技术方案：

一种基于GNSS-R的雪深反演方法，应用于电子设备，在获取线性信噪比残差数据后对其进行小波包分解与重构，再对重构后的序列进行Lomb-Scargle频谱分析及后处理得到雪深反演值。

本发明的基于GNSS-R的雪深反演方法，通过对线性信噪比残差数据进行小波包分解与重构，能够在避免细节信息丢失的前提下完成去噪，进而提高雪深反演的精度，本发明选用小波包分解与重构技术替换现有的小波分解与重构技术，现有的小波分解与重构技术仅仅对低频子带进行分解，在低频处时间分辨率低，高频处频率分辨率低，处理信噪比数据会丢失部分细节信息，本发明选用的小波包分解与重构技术目前主要应用在数字图像处理领域中，其能够对每一级信号的低频子带和高频子带进行分解，通过最小化一个代价函数，计算出最优的信号分解路径，从而对原始信号进行分解，与现有技术相比，其对高频和低频都能分解，在高频和低频上都有较高的时间分辨率和频率分辨率，能有效地剔除信噪比数据中的噪声，整体保留较为有效的频谱信息，并且小波包分解与重构之后的信噪比数据经过Lomb-Scargle频谱分析后，与小波分解与重构后的数据相比具有更易提取主频信息，能够提升雪深反演的精度，极具应用前景。

作为优选的技术方案：

如上所述的一种基于GNSS-R的雪深反演方法，其步骤如下：

(1)对信噪比观测数据进行预处理，批量获取各颗卫星的直射与反射信号；

(2)通过解析GPS卫星的直射信号与反射信号，结合测站周围地形环境，提取卫星高度角信息和信噪比数据；

(3)分离出5～25°的卫星高度角信息和信噪比数据，对信噪比数据进行消除趋势项，获得消除趋势项的信噪比序列；

(4)根据消除了趋势项的信噪比数据获取线性信噪比残差数据；

(5)对线性信噪比残差数据进行小波包分解与重构；

(6)对重构后的序列进行Lomb-Scargle频谱分析，获取主频率；

(7)通过对卫星接收机垂直距离和天线高求差值以及公式换算，获取多颗卫星的雪深反演值。

如上所述的一种基于GNSS-R的雪深反演方法，步骤(1)中，所述对信噪比观测数据进行预处理具体是利用二次拟合的方法对信噪比观测数据进行预处理。

如上所述的一种基于GNSS-R的雪深反演方法，步骤(4)中，所述线性信噪比残差数据为低高度角下的线性信噪比残差数据，其具体是通过结算低卫星高度角的正弦值和对消除了趋势项的信噪比数据进行单位转换，将指数变化变换成线性变化而获取的。

如上所述的一种基于GNSS-R的雪深反演方法，步骤(5)中，所述线性信噪比残差数据为低高度角下的线性信噪比残差数据。

如上所述的一种基于GNSS-R的雪深反演方法，最终反演值为多颗卫星的雪深反演值的平均值。

本发明还提供应用如上所述的一种基于GNSS-R的雪深反演方法的电子设备，包括一个或多个处理器、一个或多个存储器、一个或多个程序及获取卫星信号的卫星信号获取设备；

所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如上所述的基于GNSS-R的雪深反演方法。

有益效果：

(1)本发明的基于GNSS-R的雪深反演方法，采用小波包分解与重构的技术处理线性信噪比残差数据，能够大大降低信噪比数据的噪声，从而使其在进行Lomb-Scargle频谱分析时能够更好地区分和提取主频率，获取精度较高、较可靠的雪深反演值；

(2)本发明的基于GNSS-R的雪深反演方法，选用的小波包分解与重构的技术相比于现有技术常用的小波分解，细节信息丢失较少即能够在最大限度留存细节信息的同时完成降噪，进而提高雪深反演的精度，极具应用前景。

附图说明

图1为本发明的基于GNSS-R的雪深反演方法的步序流程图；

图2为本发明基于GNSS-R的雪深反演的几何模型图；

图3为本发明GPS卫星信噪比的趋势变化图；

图4为本发明小波包分解示意图；

图5为本发明经过小波包分解与重构后的频谱分析图；

图6为本发明的GNSS-R雪深反演结果图。

具体实施方式

下面结合附图，对本发明的具体实施方式做进一步阐述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。

实施例1

在本实施例中，进行积雪雪深反演所使用的GPS监测数据和实测雪深对比验证数据是由美国地球透镜计划(Earthscope)的板块边界观测项目(Plate BoundaryObservation,http//pboweb.unavco.org)提供。

本实施例选用了美国板块边界计划布设在美国犹他州(State of Utah)Randolph地区的P101测站(41.692°N，111.236°W)的2016年335年积日～2017年15年积日共47天的GPS观测数据，该测站的基本参数如下所示：该站采用的接收机类型为TRIMBLE NETRS，天线类型为TRM29659.00，整流罩类型为SCIT，测站高度为2m，采样频率为15s，周围较为空旷。

一种基于GNSS-R的雪深反演方法，其步骤如图1所示，具体为：

(1)结合GNSS-R积雪反演雪深几何模型(如图2所示)，利用二次项拟合的方法对GPS监测数据进行预处理，批量获取各颗GPS卫星的直射信号与反射信号；此时GPS接收机的直射信号与反射信号可表示为：

其中，SNR表示GPS信噪比信号、A

(2)结合GPS卫星信噪比的趋势变化(如图3所示)，分离出上升段反射信号5～25°的卫星高度角信息和信噪比数据，并对GPS信噪比数据消除趋势项：

其中，d

通过结算低卫星高度角的正弦值和对消除趋势项的信噪比数据进行单位转换，指数变化变换为线性变化，以获取低高度角线性信噪比残差数据：

其中

(3)令上式(2)中的sinθ为x，

(4)将信噪比残差序列经过小波包分解与重构算法，获取重构后的信号：

S＝SSS+dSS+SdS+ddS+SSd+dSd+Sdd+ddd (5)

其中，上述参数均为小波包三层分解后的信号，分解如图4所示，对重构后的信号进行Lomb-Scargle频谱分析，得到主频率f(图5)，通过fλ/2可解算出垂直距离h，而λ＝0.02442m(本实施例选用GPS L2载波信噪比)，再对垂直距离和天线高H求差，可结算出多颗GPS卫星的雪深反演值；

结合图6，为进一步验证算法能够有效提高雪深反演精度，通过对连续多天的多颗卫星L2波段反射信号作频谱分析，联合多颗卫星的反演结果能够形成优势互补，有效改善异常跳变的问题，因此将PRN02、PRN05、PRN09、PRN25、PRN27得到的反演雪深平均值作为最终的雪深反演结果。

本发明的方法的精度如下表所示：

由上表可以看出，将所选卫星的数据经过小波包分解与重构后，以多颗卫星的雪深反演的平均值作为反演结果，可知，平均绝对误差(MAE)为0.045m，均方根误差(RMSE)为0.072m，同时与实测雪深具有较高的相关系数，为0.98，相对于直接进行频谱分析的传统算法(即无“经过小波包分解与重构算法，获取重构后的信号”步序——对应表中Lomb-Scargle)和小波分解算法(即采用“经过小波分解算法处理后获取信号”替换“经过小波包分解与重构算法，获取重构后的信号”步序——对应表中小波算法)，精度分别提高了20％、10％，验证了利用小波包进行雪深反演具有良好的潜力和可行性。

经验证，本发明的基于GNSS-R的雪深反演方法，采用小波包分解与重构的技术处理线性信噪比残差数据，能够大大降低信噪比数据的噪声，从而使其在进行Lomb-Scargle频谱分析时能够更好地区分和提取主频率，获取精度较高、较可靠的雪深反演值；选用的小波包分解与重构的技术相比于现有技术常用的小波分解，细节信息丢失较少即能够在最大限度留存细节信息的同时完成降噪，进而提高雪深反演的精度，极具应用前景。

实施例2

一种电子设备，包括一个或多个处理器、一个或多个存储器、一个或多个程序及获取卫星信号的卫星信号获取设备；

一个或多个程序被存储在存储器中，当一个或多个程序被处理器执行时，使得电子设备执行如实施例1所述的基于GNSS-R的雪深反演方法。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应该理解，这些仅是举例说明，在不违背本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改。