神舟四号高度计波形数据预处理和信息提取
航空航天工程师的航天器数据处理
航空航天工程师的航天器数据处理航空航天工程师是致力于研发和改善航天器的专业人士。
在航天器的设计和测试中，数据处理是一个至关重要的环节。
本文将就航天器数据处理的相关内容进行探讨。
一、数据获取与传输航天器在发射前和发射过程中会采集大量的数据，包括测量参数、传感器输出等。
这些数据需要通过可靠的传输方式传送给地面的数据处理中心。
数据传输过程中需要考虑数据的安全性和完整性，以及传输的实时性要求。
二、数据存储与归档航天器的数据量庞大，因此需要配置合适的存储设备来存储这些数据。
传统的存储介质如硬盘和磁带已无法满足需求，航天工程师需要借助高性能的存储系统来存储和组织数据。
同时，为了保证数据的长期保存和备份，需要建立完善的数据归档策略。
三、数据预处理与校正航天器采集到的原始数据可能存在噪声、异常值等问题，需要进行数据预处理和校正。
预处理包括去噪、滤波、插值等操作，以提高数据质量。
校正则是为了校准测量设备的误差，减小数据处理中的不确定度。
四、数据分析与建模在航天器的数据处理中，数据分析和建模是重要的步骤。
通过分析数据，工程师可以推断航天器的工作状态、性能和健康状况。
同时，数据建模可以帮助工程师预测航天器的行为并优化设计。
常用的数据分析方法包括时序分析、频谱分析、机器学习等。
五、数据可视化与报告数据可视化是将处理后的数据以图形化方式呈现，以便更好地理解和交流数据的含义。
通过可视化，航天工程师可以观察数据的趋势、异常和规律，并提取有用的信息。
此外，航天器的数据处理结果还需要整理成报告，向相关人员提供详尽准确的数据分析结果和结论。
六、数据安全与隐私保护航天器数据包含着重要的科研成果和技术秘密，因此数据安全和隐私保护是非常重要的。
航天工程师需要采取严格的数据访问控制和加密措施，确保数据在传输和存储过程中不被泄露和篡改。
同时，要合法合规地处理数据，遵守相关的隐私法规和道德规范。
七、数据挖掘与智能化处理航天器的数据越来越庞大和复杂，传统的数据处理方法已经无法满足需求。
如何进行卫星影像处理与测绘成果提取
如何进行卫星影像处理与测绘成果提取卫星影像处理与测绘成果提取是如今地理信息领域中重要的技术手段之一。
随着遥感技术的发展和地理信息系统的广泛应用，利用卫星影像进行测绘成果提取不仅可以提高工作效率，还可以准确获取地理空间信息。
本文将从卫星影像的获取、预处理、影像分类与测绘成果提取等方面来探讨如何进行卫星影像处理与测绘成果提取。
首先，卫星影像的获取是进行卫星影像处理与测绘成果提取的前提。
卫星影像可以通过遥感卫星进行获取，如Landsat、Sentinel等。
这些卫星携带高分辨率的传感器，能够提供大量的影像数据。
在获取卫星影像时，需要考虑影像的分辨率、波段和时间等因素。
分辨率决定了影像显示的细节程度，波段决定了影像提供的信息类型，时间则影响了影像的时序信息。
获取到卫星影像后，需要进行预处理才能得到准确的测绘成果。
其次，卫星影像的预处理是卫星影像处理与测绘成果提取的重要环节。
常见的卫星影像预处理包括影像校正、几何校正和辐射校正等。
影像校正可以消除影像中的几何畸变，使得影像在空间上更加准确；几何校正可以校正不同时间、不同卫星影像之间的几何配准问题；辐射校正则可以消除影像中的辐射畸变，使得影像的光谱信息更加客观真实。
通过这些预处理手段，可以得到更加准确的卫星影像，为后续的影像分类与测绘成果提取提供更好的数据基础。
然后，影像分类是卫星影像处理与测绘成果提取的重要步骤之一。
通过影像分类，可以将卫星影像中的各种地物类型进行识别和划分。
常见的影像分类方法包括基于像元的分类和基于对象的分类。
在基于像元的分类中，通过对每个像元进行分类，从而得到整个影像的分类结果。
而基于对象的分类则是将相邻的相似像元组合成对象，再对对象进行分类。
影像分类需要结合遥感图像的光谱、纹理和空间等特征，选择适当的分类器进行分类。
常用的分类器有最大似然分类、支持向量机和人工神经网络等。
最后，测绘成果提取是卫星影像处理与测绘成果提取的最终目标。
测绘成果提取主要包括地物信息提取和地理空间分析两个方面。
如何使用测绘技术进行卫星数据处理
如何使用测绘技术进行卫星数据处理近年来，卫星数据在测绘领域的应用越来越广泛。
卫星数据的处理和分析成为了测绘工作中不可或缺的一环。
本文将探讨如何使用测绘技术进行卫星数据处理，并简要介绍相关技术和方法。
测绘技术是通过对地球表面进行观测和测量，获取地理信息并进行分析和处理的一门科学技术。
卫星数据则是通过卫星的遥感设备获取的地球表面的图像和数据。
利用测绘技术进行卫星数据处理，可以快速准确地提取地理信息，并进行可视化呈现和进一步的分析。
首先，使用测绘技术进行卫星数据处理的第一步是数据预处理。
卫星数据获取的过程中，受到许多干扰因素的影响，如大气、云层、地物遮挡等。
因此，需要对原始数据进行校正和去噪处理，以提高数据质量。
常用的数据预处理方法包括大气校正、辐射校正、几何校正等。
其次，进行卫星数据的特征提取。
卫星数据中包含了丰富的地理信息，如地形、地貌、植被覆盖等。
通过测绘技术可以提取出这些地理信息，并制作相应的地图和图表。
常用的特征提取方法有光学遥感方法、雷达遥感方法、激光遥感方法等。
这些方法可以对卫星数据进行分析和解译，得到具有实际意义的信息。
然后，进行卫星数据的空间分析。
卫星数据可以反映地球表面的空间分布规律，通过测绘技术可以对这些数据进行空间分析，揭示地理现象之间的关系和变化趋势。
常用的空间分析方法包括栅格分析、矢量分析、空间统计等。
通过这些方法，可以对卫星数据进行量化分析和模拟预测，为决策提供科学依据。
最后，进行卫星数据的可视化呈现。
将处理后的卫星数据制作成地图、图表等形式，能够更直观地展示地球表面的特征和变化。
利用测绘技术，可以对卫星数据进行三维可视化、动态展示等，增强数据的表达能力和可理解性。
同时，还可以与其他地理信息系统进行集成，形成更丰富的地理信息产品。
综上所述，测绘技术在卫星数据处理中起到了至关重要的作用。
通过数据预处理、特征提取、空间分析和可视化呈现等环节，可以将卫星数据转化为有用的地理信息。
航空航天工程师的航天器数据处理和分析
航空航天工程师的航天器数据处理和分析航空航天工程师是指在航空航天领域从事工程技术研究、设计、开发和管理等相关工作的专业人士。
在航天领域中，数据处理和分析是航空航天工程师职责重要的一部分。
本文将探讨航天器数据处理和分析的方法、工具以及应用。
一、航天器数据处理和分析的重要性航天器数据处理和分析是航空航天工程师实现航天任务的关键环节。
通过对航天器传感器、通信设备、导航系统和其他相关装置产生的数据进行处理和分析，航空航天工程师可以获取有关航天器在太空中运行的关键信息，以及进行故障诊断和改进航天器性能的研究。
航天器数据处理和分析的结果对于导航、轨道控制、姿态稳定以及其他运行参数的优化具有重要意义。
二、航天器数据处理和分析的方法1. 数据采集与传输：首先，航天器上的传感器需要采集相关数据。
这些数据可通过有线或无线方式传输到地面控制中心进行进一步的处理与分析。
在数据采集与传输过程中，要保证数据的完整性和可靠性，以确保后续的数据处理和分析的准确性。
2. 数据清理和预处理：航天器传感器采集到的数据可能包含噪声、错误或异常值。
因此，航天工程师需要对这些数据进行清理和预处理，以消除噪声和异常值的影响，确保数据的准确性和可靠性。
数据清理和预处理的方法包括滤波、去噪、插值等。
3. 数据存储和管理：对于大量的航天器数据，合理的存储和管理是必不可少的。
航空航天工程师可以利用数据库管理系统，如MySQL或Oracle，来存储和管理数据。
此外，数据的备份和恢复也是非常重要的，以防止数据的丢失和损坏。
4. 数据分析与建模：数据分析和建模是航天器数据处理的核心环节。
航空航天工程师可以利用统计学、机器学习、人工智能等方法，对航天器数据进行分析和建模。
这些分析和建模的结果可以用于预测航天器的性能、判断航天器的状态以及进行优化设计等。
三、航天器数据处理和分析的工具1. 数据处理软件：数据处理软件是航天器数据处理和分析的重要工具。
例如，MATLAB、Python、R等编程语言提供了丰富的数据处理库和函数，可以方便地进行数据处理和分析任务。
航空航天工程师的航空航天器数据分析与处理的工具与方法
航空航天工程师的航空航天器数据分析与处理的工具与方法导言：航空航天工程是一门充满挑战的科学，数据分析和处理对于航空航天器的设计、运行和维护至关重要。
在本文中，将介绍航空航天工程师常用的数据分析与处理工具与方法，以提高工作效率和数据分析的准确性。
一、数据采集与预处理在航空航天领域，数据采集是基础工作，常用的数据采集方法包括传感器、记录仪以及地面测试设备等。
数据采集的质量直接影响着后续的数据分析结果，因此，航空航天工程师需要对采集的数据进行预处理，以确保数据的准确性和完整性。
1. 数据校正与滤波航空航天器的传感器常受到噪声的影响，为了得到准确的数据，航空航天工程师需要对数据进行校正与滤波处理。
校正是指通过与已知准确数据进行对比，补偿传感器的误差；滤波则是通过滤波算法去除数据中的噪声，以得到平滑的数据曲线。
2. 数据清洗与缺失值处理数据中可能存在异常值或缺失值，航空航天工程师需要对此进行清洗和处理。
清洗是指通过检测异常值，根据数据分布规律进行处理；而对于缺失值，可以使用插值法或直接舍弃。
二、数据分析工具与方法数据分析是航空航天工程师进行研究和设计的核心环节，以下将介绍常用的数据分析工具与方法。
1. 统计分析统计分析是常用的数据分析方法之一，航空航天工程师可以通过统计分析方法对数据进行描述和推断。
常用的统计分析方法有描述性统计、假设检验、回归分析等，这些方法可以帮助工程师从数据中提取出有价值的信息。
2. 信号处理航空航天领域的数据往往是以信号的形式存在，因此信号处理方法在航空航天器数据分析中占据重要地位。
工程师可以利用数字滤波、频谱分析等信号处理方法对数据进行分析，以发现隐藏在信号中的规律和异常。
3. 机器学习机器学习是一种通过建立模型和算法分析数据的方法，近年来在航空航天领域得到了广泛应用。
航空航天工程师可以利用机器学习方法对大量数据进行训练和学习，以预测未来的趋势和提供决策支持。
三、数据可视化工具与应用数据可视化是将数据以可视化的方式呈现给用户，帮助用户直观地理解和分析数据。
卫星遥感数据处理的高级技术方法
卫星遥感数据处理的高级技术方法卫星遥感是一种利用遥感卫星获取地球表面信息的技术，广泛应用于地质勘探、农业监测、环境保护、城市规划等领域。
随着遥感技术的快速发展，卫星遥感数据的处理方法也得到了极大的提升。
本文将介绍一些卫星遥感数据处理的高级技术方法。
一、数据预处理数据预处理是卫星遥感数据处理的第一步，主要包括辐射校正、大气校正和几何校正。
辐射校正的目的是消除传感器接收到的光信号与观测物体之间的路径距离和大气介质的影响。
大气校正则是通过模拟大气散射光的光谱响应，减少由于大气散射带来的误差。
几何校正则是基于传感器收集的数据进行几何匹配，消除观测误差和几何差异。
二、影像融合影像融合是将多种传感器获取的卫星遥感数据进行综合，提取出更多的地物信息。
常见的影像融合方法包括多光谱图像与高分辨率图像融合、多时相图像融合和多源数据融合。
多光谱图像与高分辨率图像融合可以利用多光谱图像丰富的光谱信息和高分辨率图像的空间分辨率相结合，提取出更详细的地物信息。
多时相图像融合则可以通过对多个时相的数据进行融合，获得地物的时序变化信息。
多源数据融合则是将来自不同传感器的数据进行融合，提取出更全面的地物信息。
三、特征提取特征提取是卫星遥感数据处理的关键环节，可以根据地物的不同特征进行分类和识别。
常用的特征提取方法包括光谱特征提取、纹理特征提取和形态特征提取。
光谱特征提取是根据不同波段的光谱反射率或辐亮度来提取地物的光谱特征，通过光谱曲线的形状和幅度来进行分类和识别。
纹理特征提取则是从图像的纹理分布中提取地物的纹理信息，通过纹理的频率、对比度、方向等来进行分类和识别。
形态特征提取则是通过分析地物的形状和大小来提取地物的形态特征，通过形态学运算来进行分类和识别。
四、高级图像处理高级图像处理是卫星遥感数据处理的一项重要任务，用于提取更复杂的地物信息。
高级图像处理方法包括目标检测、变化检测和地物分类。
目标检测是利用遥感图像提取出感兴趣的地物目标，如建筑物、道路、水体等，常用的方法包括特征提取和分类器建模。
测绘技术中航测数据的获取与处理流程
测绘技术中航测数据的获取与处理流程航测技术是现代测绘领域中不可或缺的一部分，其通过飞行器获取数据，用于地形地貌的测量和制图。
本文将介绍航测数据的获取与处理流程，带领读者了解其中的奥秘。
一、航测数据获取航测数据的获取是整个流程中的重要一环，它基于先进的航空摄影遥感技术。
首先，进行航线规划，确定合适的飞行路径和高度。
然后，在飞行器上安装各种传感器，如相机和雷达等，利用这些设备进行航测数据的采集。
在飞行过程中，相机会连续地拍摄航测区域的图像，雷达则用于测量地物的高程等数据。
航测数据的获取过程中需要注意许多因素，如天气条件、时间管理等。
天气条件是一个重要的考虑因素，恶劣的天气可能会影响相机的拍摄效果，甚至导致数据丢失。
因此，在航测之前必须仔细研究天气预报，并确保适宜的环境条件。
此外，时间管理也是必须考虑的因素，因为航测任务可能需要在规定的时间内完成。
因此，在规划航测过程时，必须准确安排飞行器的起飞和降落时间，以确保整个任务的顺利进行。
二、航测数据处理在航测数据获取完毕后，接下来需要进行数据的处理和分析。
航测数据的处理流程涉及到许多技术和软件的应用，其中包括数据预处理、数据配准、数据融合等步骤。
1. 数据预处理数据预处理是航测数据处理的第一步，其主要目的是对原始数据进行去噪和增强处理。
在数据获取过程中，由于环境因素的影响，采集到的数据可能会受到噪声的污染。
因此，在进行后续处理之前，必须对数据进行滤波处理，去除噪声的影响，并对数据进行增强，以提高后续处理的准确性和可靠性。
2. 数据配准数据配准是航测数据处理中的重要一步，其主要目的是将不同传感器获得的数据进行对齐。
由于航测任务中使用的传感器种类和参数可能不同，所以获得的数据可能存在错位问题。
因此，数据配准是必要的，它可以通过一系列数学算法和图像处理技术，将不同数据进行准确对齐。
3. 数据融合数据融合是航测数据处理的最后一步，其目的是将不同传感器获取的数据进行融合，生成一幅完整的地图或模型。
使用卫星影像进行测绘数据提取的技巧
使用卫星影像进行测绘数据提取的技巧随着科学技术的不断进步，卫星遥感技术在测绘领域的应用越来越广泛。
通过卫星影像可以获取到大范围的地理信息数据，为测绘工作提供了非常有价值的参考。
本文将主要探讨使用卫星影像进行测绘数据提取的技巧，希望能够对相关领域的研究人员和实践者有所帮助。
一、数据预处理在进行测绘数据提取之前，首先需要对获取到的卫星影像进行预处理。
预处理的目的是去除影像中的噪声和干扰，以提高数据的准确性。
常用的预处理方法包括影像去噪、辐射校正和大气校正等。
影像去噪可以通过滤波算法实现，辐射校正可以根据卫星传感器的特性进行像元值的转换，而大气校正则根据大气传输模型对影像进行修正。
二、影像配准卫星影像通常包含多个波段的数据，需要将它们进行配准，使其在空间上一一对应。
影像配准可以使用特征点匹配或者控制点匹配的方法。
特征点匹配是通过计算影像中的特征点，并将其与参考影像中的特征点进行匹配，从而实现影像的配准。
控制点匹配则是在影像中选取一些具有明显特征的地物点，并在参考影像中找到相对应的点进行匹配。
配准的目的是使影像的几何位置尽量准确，为后续的数据提取工作提供良好的基础。
三、地物分类地物分类是卫星影像测绘的重要环节，它将影像中的各个像元分为不同的类别，如水体、植被、建筑物等。
地物分类可以通过监督分类或非监督分类的方法实现。
监督分类需要人工提供一些训练样本，然后根据这些样本的特征对影像进行分类。
非监督分类则是根据影像中像元的相似性进行自动分类，分类结果通常需要人工进行后期的调整和验证。
四、特征提取在地物分类之后，可以对特定地物类别进行特征提取，以获取更加精细的测绘数据。
特征提取可以包括形状、纹理、光谱等多种特征。
形状特征可以通过计算地物的周长、面积、长度等参数获得，纹理特征可以通过计算地物的灰度共生矩阵等统计参数得到，而光谱特征则是利用不同波段的反射率或辐射值来描述地物的光谱特性。
五、数据精度评定完成测绘数据提取之后，需要对提取结果进行评定，以验证其精度和准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第38卷 第6期 海 洋 与 湖 沼Vol.38, No.62007年11月OCEANOLOGIA ET LIMNOLOGIA SINICA Nov ., 2007*国家高技术研究发展计划项目(遥感应用模块检测与验证技术研究), 2005AA604150号。
纪永刚, 博士, E-mail: jiyonggang@收稿日期: 2006-01-04, 收修改稿日期: 2007-12-06神舟四号高度计波形数据预处理和信息提取*纪永刚1 张 杰1 张有广2 孟俊敏1(1. 国家海洋局第一海洋研究所 青岛 266061; 2. 国家卫星海洋应用中心 北京 100081)提要 神舟四号(SZ-4)高度计在国内首次提供了星载雷达高度计回波波形数据。
本文中作者分析了SZ-4高度计回波波形的特点, 完成波形数据的预处理, 并在此基础上完成初步的信息提取。
在数据预处理方面, 通过SZ-4高度计水陆边界处波形的特点, 提出了波形最大幅度控制的方法, 筛选回波波形。
在波形归一化处理过程中, 发现SZ-4高度计波形中存在双峰现象, 并指出第二个峰为异常波形区。
在波形信息提取方面, 利用波形重新跟踪得到的半功率点计算出SZ-4高度计高度跟踪补偿误差, 并根据高度计天线指向角和回波波形下降沿斜率之间的关系, 从波形后沿提取天线指向角信息。
分析结果表明, SZ-4高度计天线指向比较平稳, 而跟踪补偿由于变化较大, 在计算海面高度时, 应作为一项误差源被考虑到。
关键词 神舟四号高度计, 回波波形, 波形重跟踪, 高度跟踪补偿, 指向角 中图分类号 TP753国外雷达高度计卫星从最早的Skylab 开始, 已经发射了GEOS-3、Seasat 、Geosat 、ERS-1/2、TOPEX/Poseidon, 一直到最新的GFO 、Jason-1、Envisat 、ICESat 等多颗高度计卫星; Cryosat 、Jason-2等已在计划发射阶段。
2002年12月30日凌晨发射的“神舟四号”(SZ-4)飞船是中国发射的第四艘无人飞船, 其主要载荷是多模态微波遥感器, 其中高度模态(高度计)是多模态微波遥感器中的一个主要模态。
在近5个月的时间内, SZ-4高度计在留轨期间的五次对地观测内获取了大量的航天雷达高度计回波数据。
利用获取的大量波形数据, 加上GPS 定轨信息, 可提取海面高度、有效波高和海面风速等基本物理量, 并通过对提取物理量的分析和处理, 开展大地测量学、地球物理学和海洋动力学的研究(王广运等, 1995; Fu et al , 2001)。
与国外已业务化运行的卫星高度计不同, SZ-4高度计为一试验系统, 需要根据其波形数据来提取有效波高、海面高度、海面风速等信息, 并通过与实测数据的比对来验证其功能体制。
而SZ-4高度计波形数据的预处理是波形数据信息提取前的数据处理阶段, 此过程必不可少, 其数据处理质量的好坏, 直接影响到后续信息提取的效果。
国外业务化运行的卫星高度计的波形数据预处理甚至一些波形信息的提取, 如有效波高的信息提取, 都是在卫星上完成的。
而SZ-4高度计波形数据的预处理需要在数据下传到地面后进行, 其主要过程包括数据的质量控制、多波形平均、波形归一化等处理过程。
同时, 一些基本的波形信息是在波形预处理过程中完成的, 如高度跟踪补偿和高度计天线指向角, 都是在波形分析的基础上提取得到的。
1 SZ-4数据预处理1.1 数据质量控制当高度计足印靠近陆地或位于浅水海区时, 陆地散射表面的不规则性及散射特性的多变性, 会造成地表倾角变化的不连续, 对处于陆地跟踪模式的高度计, 将造成高度偏差信号的很大误差, 从而导致跟踪环失锁。
由于雷达回波信号的幅度过强, 波动起伏过大, 使得高度计总是处于锁 定—失锁—再锁定的不稳定状态。
此时具有较大脉冲幅度的回波波形已明显不同于足印位于深水488 海洋与湖沼38卷海区中的标准回波波形, 波形变得异常(Hayne, 1980; Chelton et al, 1989)。
图1为SZ-4高度计足印靠近陆地的一个海面回波波形, 其中两实线之间的区域对应真实的海面回波区域, 而第二条实线之后的波形区对应陆地影响的区域。
如果此时将波形起始点到最大峰值处之间的波形作为回波上升沿处理, 则会高估高度计脉冲从开始接触海面到形成最大照明区的时间间隔, 在一定程度上高估了海面的有效波高; 同时, 由于估测的回波前沿半功率点的位置(图1中对应虚线处)比真实的海面回波半功率点的位置推后, 也会高估卫星到海面之间的距离, 进而低估了海平面高度(Bernard et al, 1983)。
已发射且业务化运行的卫星高度计, 如TOPEX/Poseidon高度计数据中, 除提供区分陆地和海洋的标记位外, 还提供了区分深水、浅水、陆地甚至是海冰的标记位, 而SZ-4高度计数据中只提供了一个区分陆地和海洋的水陆标记位。
从已有的波形数据中选取有用的波形数据, 剔除异常波形, 有必要对靠近陆地的波形数据做详细分析。
图1 靠近陆地的高度计回波波形Fig.1 Altimeter waveform near continent图2为SZ-4飞船2003年2月8日由西北向东南方向经过日本本州岛的波形的地面轨迹, 图中圆圈内为根据数据水陆标记剔除了陆地波形的飞船地面轨迹, 对应图3中的j—m之间的波形。
可以看出, 图3中的20个波形清楚地反映出飞船由海洋经过陆地, 然后再由陆地回到海洋的过程, 可简单地用图4中的过程表示。
高度计星下点足印位于海洋中,且距离陆地较远时,波形主图2 带有陆地标识位的波形地面轨迹分布Fig.2 Ground tracks with waveform on land要受海面的影响, 反映了海面信号特征。
随着高度计足印接近陆地, 星下点接近海岸线, 高度计足印内陆地散射的能量开始在波形中反映出来, 如波形c中, 大约从第52个采样门开始出现陆地的影响。
在这种情况下, 由于波浪的存在, 高度计到星下点海面的距离小于高度计到非星下点陆地的距离, 因此海面的返回脉冲在波形中出现的早, 对应前端的波形。
随着高度计轨迹向陆地方向移动, 地面在波形中的影响逐渐增大, 且影响位置不断向前面的采样门方向推进, 如在波形d 的位置为第41门, 波形f中在第34门, 直到波形g的时候, 已经到了第21门的位置, 此时波形主要是受陆地影响, 海面的影响已很弱。
从波形h 开始, 持续到波形p为陆地的波形, 由于地面高度的变化剧烈, 导致了波形的变化很大, 较为杂乱, 且波形主要以尖脉冲为主。
在飞船从陆地到海洋的过程中, 由于高度计足印逐渐移出陆地, 陆地在波形中的影响也逐渐减小, 其在波形中的影响位置与高度计从海洋往陆地转移过程中的趋势相反, 影响位置不断由前向后退移, 直到高度计足印内没有陆地的影响, 直至消失, 此后的回波波形完全来自于海面的影响。
对于这部分的波形处理, 如只是简单地将带有陆地标记位的数据剔除, 则一些异常波形会保留下来, 包括从海洋到陆地与从陆地到海洋过程中陆地影响的波形, 也包括一部分剩余的大幅度尖脉冲的足印位于陆地上的异常波形(如波形i和波形n)。
由上述分析可以得出, 简单地通过剔除带有6期 纪永刚等: 神舟四号高度计波形数据预处理和信息提取489图3 所有地面轨迹的高度计回波波形Fig.3 Altimeter waveforms of all ground tracks图4 经过陆地的波形过程图Fig.4 The waveforms during land passing陆地标识位的波形数据, 必然还会保留浅水海域或者陆地影响的部分异常波形, 因此仅仅根据波形数据中提供的水陆标记位剔除异常波形是不够的。
很明显的是, 保留下来的异常波形, 特别是受陆地影响较大的波形都是幅度较大的尖脉冲(如图3的波形i)。
在图5中, 作者做出了较大幅度尖脉冲异常波形的位置统计分布, 其中异常波形处用实心圆表示。
从图5可以看出, 出现的异常波形很大一部分集中在靠近陆地或岛屿附近, 其主要波形形状为图6中波形a 。
但出现在103.89°E—14.5°S 处的一条数量较大的异常波形带, 波形主要为双尖峰波形, 见图6波形b 。
这部分异常波形带出现的位置并不是在陆地或岛屿附近浅水区, 且数量很大, 其原因可能与当时的飞船运行状态、高度计仪器跟踪状态或仪器的增益不稳定有关。
因此根据异常波形具有较大幅度的特点, 作者除利用陆地标志位剔除部分异常波形外, 还可以简单地利用限制波形脉冲幅度的方法对波形做进一步筛选。
通过这种限制波形最大脉冲幅度的方法, 剔除2.3%数量的异常波形(以2月8日的SZ-4高度计数据为例)。
利用限制脉冲幅度的方法进行筛选是较为简单的方法, 进一步的波形筛选可以结合具体的波形分析和处理方式对波形数据加以控制。
1.2 波形处理1.2.1 波形一秒平均 为减小波形中的随机噪声及其他系统误差的影响, 需要对多个波形进行平均, 常用的是一秒平均(Hayne, 1980), 即20个波形(50ms 平均)对应采样门值的平均。
一秒平均的过程本身就是对波形数据进行筛选的过程,因此需要按照前面提出的水陆交界处波形的质量控制条件, 对每一个参与一秒平均的波形进行筛490 海 洋 与 湖 沼 38卷图5 异常波形分布Fig.5 Distribution of abnormal waveforms图6 异常波形 Fig.6 Abnormal waveforms选, 即每次选取20个原始波形数据, 首先剔除其中带有陆地标记位的数据, 然后利用限制波形脉冲幅度的方法剔除异常波形, 最后计算剩余的波形对应采样门值的平均值。
1.2.2 波形热噪声消除 图7a 为参与一秒平均的一个原始波形, 图7b 是20个波形平均之后的波形。
从图7b 可以看出, 平均后的回波波形主要有四部分组成：跟踪器精距离调整区(第1和12个采样门之间)、较为平坦的热噪声区(13和19个采样门之间)、波形前沿上升区(21个采样门和第37个采样门之间)和波形后沿衰减区。
其中, 热噪声对整个波形产生影响, 需求出平均热噪声分量, 然后将其从波形对应采样门值中减去, 以消除其影响。
对SZ-4高度计波形, 热噪声分量可通过求波形上升沿以前连续且稳定的5个采样门值的平均来估计：P thermal ＝41()5k i kFFT i +=∑, 064i ≤≤ (1)其中, ()FFT i 为第i 个波形采样门值,k 是波形中第一个出现稳定采样门的位置。
由于波形前沿存在跟踪器精距离调整区, 文中选取第13采样门到波形前言起始点之间的相对平坦的区域作为热噪声区, 热噪声消除处理见公式(2), 处理后结果见图7c 。