公开(公告)号：CN117647808B

公开(公告)日：2024-04-30

申请号：CN202410102035.X

申请日：2024-01-25

Applicant: 青岛哈尔滨工程大学创新发展中心

Inventor： 黄礼敏 ,  韩博宇 ,  马学文 ,  李敬军 ,  范吉豪

IPC: G01S13/89 ,  G01S13/95

Abstract: 本发明公开了基于深度学习的非相参雷达相位解析波浪时历反演方法，涉及海洋遥感探测领域，包括步骤：预处理雷达海杂波图像，通过傅里叶变换将区域内雷达海杂波图像的灰度数据变为雷达图像频谱数据；构建深度学习频谱映射模型，将雷达图像频谱数据输入到构建的深度学习频谱映射模型，深度学习频谱映射模型包括三维卷积模块、位置编码、注意力模块、残差模块和三维转置卷积模块；最后数据逆处理，将模型计算的频谱数据转换为实际相位解析海浪时历数据。本发明能够减少频谱数据缺失的现象，提高反演数据的准确性。

公开(公告)号：CN117647808A

公开(公告)日：2024-03-05

申请号：CN202410102035.X

申请日：2024-01-25

Applicant: 青岛哈尔滨工程大学创新发展中心

Inventor： 黄礼敏 ,  韩博宇 ,  马学文 ,  李敬军 ,  范吉豪

IPC: G01S13/89 ,  G01S13/95

Abstract: 本发明公开了基于深度学习的非相参雷达相位解析波浪时历反演方法，涉及海洋遥感探测领域，包括步骤：预处理雷达海杂波图像，通过傅里叶变换将区域内雷达海杂波图像的灰度数据变为雷达图像频谱数据；构建深度学习频谱映射模型，将雷达图像频谱数据输入到构建的深度学习频谱映射模型，深度学习频谱映射模型包括三维卷积模块、位置编码、注意力模块、残差模块和三维转置卷积模块；最后数据逆处理，将模型计算的频谱数据转换为实际相位解析海浪时历数据。本发明能够减少频谱数据缺失的现象，提高反演数据的准确性。