排序方式： 共有11条查询结果，搜索用时 15 毫秒
2.
3.
闪电哨声波作为探索空间物理环境的重要媒介,淹没在海量的电磁卫星数据中.近年来随着计算机视觉和深度学习等人工智能技术的发展,从电磁卫星的存档数据中自动检测闪电哨声波的算法取得了一定的效果.本文对近年来闪电哨声波智能检测算法的文献进行了整理和总结.首先,阐述闪电哨声波在电磁卫星数据中呈现的时频特征和类型;然后,介绍了闪电哨声波智能检测算法的流程并从闪电哨声波的特征提取、分类和定位三个方面对主要的智能检测算法进行归纳、总结和评述;其次,简述了闪电哨声波智能检测模型的评价指标;接着,在张衡一号(ZH-1)卫星的磁场数据上对三种典型的闪电哨声波智能检测算法进行复现,并对三种算法的优缺点进行了较深入的分析;最后,对基于电磁卫星的闪电哨声波智能检测的研究领域进行总结和展望. 相似文献
4.
利用大数据的研究思想,对鲁甸地震多个前兆测项的震前观测数据进行多测项异常检测的联合应用,结果与地震有很好的对应关系。对区域内更多数据的分析表明,该方法检测结果与5级以上地震具有较好的对应关系。该方法是将大数据思想引入地震观测数据应用的一次尝试。 相似文献
5.
地震前兆数据中的形变观测数据变化复杂,地球物理场变化和环境干扰等信息识别与剔除是与地震相关现象分析的关键.传统的信号识别主要采用回归分析、经验模态分解、频域信号分解等方法,但它们难以统一识别高幅值变化(尖峰、阶跃)与高频变化波形.本文利用信息熵参与形变时序数据的自动化分段构造子序列,一定程度上避免了这两种波形被分割的弊端,然后以统计描述方式表达子序列,最后利用角度异常因子(Angle-Based Outlier Factor,ABOF)和局部异常因子(Local Outlier Factor,LOF)构建对数函数定义离群点,以解决统一识别高幅度变化与高频率变化的问题.实验表明,对于特征向量维度变化的情况,LOF-ABOF算法的计算效率呈线性变化关系;在特征表达策略改变的情况下,该算法对高幅值变化和高频变化的异常识别效果良好.本文所提供方法可以检测出高幅值变化与高频率变化的异常形态,为地震前兆数据中形变观测数据"前兆信号"的识别提供指导与参考,为深入认识地震现象及其产生机理奠定基础. 相似文献
6.
针对ZH-1卫星朗缪尔探针(LAP)原位电子密度观测数据远小于其他系统观测数据的问题,本文利用COSMIC及COSMIC 2在中纬度地区的掩星数据,得到对LAP数据的校正关系,并进一步利用与ZH-1具有相似飞行高度的Swarm B卫星全球等离子观测数据对校正后的LAP数据进行检验,以评估校正结果的准确性和可靠性.检验结果认为:(1)校正后的LAP数据与Swarm B数据基本一致,两者在中纬度地区符合较好,在赤道地区仍有明显偏差.(2)这一偏差与观测数据值的大小有关,在较小观测值时两者符合较好,较大观测值时差异变大,可能与两个卫星载荷的不同动态响应特性有关.(3)经过线性校正的LAP数据不会改变相对变化关系,但拓展了数据的应用场合. 相似文献
7.
8.
为了从多源遥感图像中提取震害信息,研究了一种图像自动配准的高精度算法.首先,利用Moravec算子提取图像的特征点,并采用随机抽样一致性(random sample consensus,RANSAC)算法剔除误匹配点;然后,根据特征点对图像进行对数极坐标变换,求得基准图像和待配准图像间的旋转和缩放因子;进行旋转角度和缩放系数补偿后,采用与相位相关的亚像元级算法计算图像间的偏移量;最后,利用插值算法对待配准图像进行重采样,实现待配准图像与基准图像的几何配准.将配准后的震前和震后图像作为分类目标,分别进行基于特征的分类和震害信息提取,并对分类结果进行变化检测.实验结果表明,该算法流程具有较高的鲁棒性与配准精度,适用于多源遥感图像配准,所提取的震害信息能较好地应用于震害评估. 相似文献
9.
10.
张衡一号卫星感应式磁力仪(Search Coil Magnetometer,SCM)探测到了大量的低频电磁波动数据.本文探索从中自动识别闪电哨声波(Lightning Whistler,LW)的算法,相关结果对进一步研究空间天气闪电事件的时空变化规律具有重要研究意义.首先,以20 s的时间窗提取SCM原始波形数据,再对其做短时傅里叶变换(Short-Time Fourier Transform,STFT)得到时频图;接着,以LW在时频图中呈现明显的L形态特征为依据创建LW时频图像数据集,该数据集包括316个LW时频图,8000个非闪电哨声波的时频图;再对时频图像进行灰度化处理和尺度缩放处理以降低计算维度,同时增强闪电哨声波特征;通过设计模糊卷积核,对图像进行卷积计算以滤除大量阶跃边缘信息的影响;基于LW的形态特征设计L形态卷积核,对图像进行卷积处理以进一步增强图像中的L形态特征.最后,将增强后的L特征图输入支持向量机(Support Vector Machines,SVM)进行分类识别.大量数据处理实验结果表明:本文提出的闪电哨声波自动识别方案有效,其识别效果在精度、召回率、F1值(F1 score)和接受者操作特性曲线面积(Area Under Curve,AUC)指标上均达到94％以上. 相似文献