CN119414414A 基于星地有源测量和sar图像联合反演的电离层tec确定方法 （中国空间技术研究院）

基于星地有源测量和SAR图像联合反演的电本发明涉及一种基于星地有源测量和SAR图像联合反演的电离层TEC确定方法及系统，方法收站测量的电离层TEC的映射关系数据库；步骤所述TEC反演深度学习模型以电离层幅相参数为电离层散射信号幅相参数和/或电离层透射信号型对全球上空的电离层TEC进行在轨智能快速反2述电离层幅相参数为电离层散射信号幅相参数和/或电离层透射步骤S3、根据所述TEC反演深度学习模型对全球上空的电2.根据权利要求1所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方括针对同时空电离层的双频SAR卫星测量的电离层散射信号幅相参数、星地有源测量的电离层透射信号幅相参数和GPS接收站测量的电离层q所述映射关系数据库的样本数据表示为其中，q3.根据权利要求2所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方步骤S11、利用地面收发站与双频SAR卫星进行联合测量述双频SAR电离层散射信号子数据库中样本步骤S13、利用GPS接收站获取多个与所述步骤S11中星地有源测量的电离层透射信号步骤S14、根据所述星地有源测量的电离层透射信号子数据4.根据权利要求3所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方35.根据权利要求3所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方步骤S23、根据所述映射关系数据库，获取步骤S26、根据获得的TEC估计值和样本数据中的GPS6.根据权利要求5所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方所述第一批归一化层和所述第二批归一化层的计算方式为x1'=γ*xnorm+β其中，xnorm4k表示单次前向训练第k批次神经网络前向过程中产生的中间值；'3)所述深度融合卷积层的输入通道数与经所述特征拼接后得到的特征图s”的通道数一征融合之前有z％的概率被替换为高斯噪声，以适应在轨预测阶段仅有自发自收信号特征7.根据权利要求5所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方入为双频SAR卫星测量的电离层散射信号经过所述特征提取网络后提取的特征图和随机生8.根据权利要求7所述的基于星地有源测量和SAR图像联合反演的电离层TEC确定方步骤S32、对提取到的所述双频SAR卫星散射回波信号的步骤S33、通过所述TEC反演深度学习模型对所述双频SAR卫星散射回波信号的电离层散射幅相参数进行在轨智能快速反演，得到双频SAR卫星观测区域上空的电离层TEC数值Γ'。q9.一种用于实现如权利要求1至8中任一项所述的基于星地有源测量和SAR图像联合反5[0001]本发明涉及遥感技术领域，尤其涉及一种基于星地有源测量和SAR图像联合反演[0002]卫星遥感中卫星高度通常在500km以上，地球同步轨道SAR则轨道高度达到穿过地球表面的电离层，背景电离层和电离层不规则体都会对星载SAR成像质量产生严重[0006]为实现上述发明目的，本发明提供的一种基于星地有源测量和SAR图像联合反演6数据，每个样本数据包括针对同时空电离层的双频SAR卫星测量的电离层散射信号幅相参[0011]所述映射关系数据库的样本数据表示为其qq层透射信号同时空的电离层散射信号幅相参数样本，建立双频SAR电离层散射信号子数据[0015]步骤S13、利用GPS接收站获取多个与所述步骤S11中星地有源测量的电离层透射[0017]根据本发明的一个技术方案，利用地面收发站与双频SAR卫星进行的星地有源测7[0025]步骤S25、对融合后的深度特征通过所述TEC回归网络进行TEC估计获得TEC估计[0026]步骤S26、根据获得的TEC估计值和样本数据中的GPS接收站[0028]在训练阶段，设置学习率为0.01，优化器为SGD，训练100轮次，以均方误差[0034]所述第一批归一化层和所述第二批归一化层的计算方式为x1'=γ*xnorm+β其中，k表示单次前向训练第k批次神经网络前向过程中产生的中间值；[0036]所述深度融合卷积层的输入通道数与经所述特征拼接后得到的特征图s”的通道在特征融合之前有z％的概率被替换为高斯噪声，以适应在轨预测阶段仅有自发自收信号述特征融合网络的输入为双频SAR卫星测量的电离层散射信号经过所述特征提取网络后提8层的输入通道数与经过所述特征提取网络后提取的标准化预处理并输入所述TEC反演深度学[0041]步骤S33、通过所述TEC反演深度学习模型对所述双频SAR卫星散射回波信号的电qq[0042]根据本发明的一个方面，提供的一种用于实现上述的基于星地有源测量和SAR图模型反演出所述双频SAR卫星测量位置上空电离层[0045]本发明提出了一种基于星地有源测量和SAR图像联合反演的电离层TEC确定方法[0046]本发明同步利用双频SAR卫星与地面收发站对电离层的电磁波散射幅相参数与透[0048]图1示意性表示根据本发明一个实施例中提供的基于星地有源测量和SAR图像联[0049]图2示意性表示根据本发明一个实施例中提供的基于星地有源测量和SAR图像联[0050]图3示意性表示根据本发明一种实施方式的有源测量和SAR成像的时间安排示意9[0054]图7示意性表示根据本发明另一种实施方式的基于GPU与FPGA混合架构的星上在解为对本发明保护范围的任何限制。以下对于优选实施方式的说明会涉及到特征的组合，[0057]如图1所示，本发明提供的一种基于星地有源测量和SAR图像联合反演的电离层[0058]在建库10过程中利用双频SAR卫星测量电离层散射信号幅相参数，同时利用地面[0059]在建模20过程中在考虑测量获得的电离层散射信号、透射信号等复杂数据情况模型的加载与配置，利用双频SAR卫星获得全球任意空间中电离层的散射信号幅度与相位射信号幅相参数输入、混合平台配置深度学习模型和反演双频SAR卫星测量位置上空电离[0062]如图2所示，本发明的一种基于星地有源测量和SAR图像联合反演的电离层TEC确本数据包括针对同时空电离层的双频SAR卫星测量的电离层散射信号幅相参数的8个参数、星地有源测量的电离层透射信号幅相参数的24个参数和GPS接收站测量的电离层[0065]所述映射关系数据库的样本数据表示为其qq[0069]在构建第q个样本过程中TEC近似不变，双频SAR卫星与地面站对电离层同一区域重复测量H次，并将H次测量结果取平均，记为一组样本数据，以提高信号信噪比，记为其中层透射信号同时空的电离层散射信号幅相参数样本，建立双频SAR电离层散射信号子数据[0075]步骤S13、利用GPS接收站获取多个与所述步骤S11中星地有源测量的电离层透射层散射信号幅相参数s1和s3，并输入到所述特征提取网络201，得到提取后的电离层散射信号幅相参数s2输入到特征提取网络201，得到提取后的特征图s'2＝Net[0087]第一批归一化层2012和第二批归一化层2015的计算方式为x1'=γ*xnorm+β其中，[0090]深度融合卷积层2024的输入通道数与经所述特征拼接后得到的特征图s”的通道特征融合之前有z％的概率被替换为高斯噪声，以适应在轨预测阶段仅有自发自收信号特'2[0092]步骤S25、对融合后的深度特征通过所述TEC回归网络203进行TEC估计获得TEC估[0094]步骤S26、根据获得的TEC估计值和样本数据中的GPS接收站[0096]在训练阶段，设置学习率为0.01，优化器为SGD，训练100轮次，以均方误差[0099]本发明还提供了一种用于实现基于星地有源测量和SAR图像联合反演的电离层模型反演出所述双频SAR卫星测量位置上空电离层[0103]步骤S31、利用FPGA获取双频SAR卫星在轨实时测量的散C表示双频SAR卫星散射回波信号的标准化预处理并输入所述TEC反演深度学准化预处理，利用FPGA与GPU之间的高速数据接口将标准化后的八个散射回波幅相参数[0106]步骤S33、通过所述TEC反演深度学习模型对所述双频SAR卫星散射回波信号的电qq[0107]地面测控站通过星地测控链路将训练优化后的电