(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110509388.8 (22)申请日 2021.05.11 (65)同一申请的已公布的文献号 申请公布号 CN 113111593 A (43)申请公布日 2021.07.13 (73)专利权人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 刘西川　蒲康　高太长　刘磊　 (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 专利代理师 张雪 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/12(2006.01) G06F 111/06(2020.01) G06F 111/08(2020.01) G06F 113/08(2020.01) (56)对比文件 CN 10473209 2 A,2015.0 6.24 CN 109376940 A,2019.02.2 2 咸明皓等.降水对Ku/Ka频 段星地链路衰减 特性的影响研究. 《电子学报》 .2020,第48卷(第 03期),417-425. 审查员 黄剑飞 (54)发明名称 一种基于双链路衰减的降雨模糊聚类方法 (57)摘要 本发明公开一种基于双链路衰减的降雨模 糊聚类方法， 包括以下步骤： S1、 利用双 链路分别 提取路径平均雨致衰减率， 获得双 链路雨致衰减 率； S2、 设置所述双链路雨致衰减率为降雨样本 特征量， 将所述降雨样本特征量划分为K个分簇， 随机生成K个初始聚类中心； S3、 优化所述K个初 始聚类中心， 构建初始降雨模糊聚类模型； S4、 收 敛所述S3获得的初始降雨模糊聚类模型； S5、 通 过收敛后的降雨模糊聚类模型确定降雨样本类 别。 本发明在对微波雨致衰减信息提取的基础 上， 充分利用了雨致衰减能够反映降雨类型信息 的特点， 实现了对降雨类型的有效识别； 该方法 可以任意设置分簇数， 进而实现足够精细化的降 雨信息分离。 可以作为降雨类型区分新方法应用 到实际业 务当中。 权利要求书1页 说明书4页 附图3页 CN 113111593 B 2022.09.02 CN 113111593 B 1.一种基于双链路衰减的降雨模糊聚类方法， 其特 征在于： 包括以下步骤： S1、 利用双链路分别提取路径平均雨致衰减率， 获得双链路雨致衰减率， 包括以下步 骤： S11、 选取两条邻近的不同频点或极化方式的微波链路， 所述微波链路的发射端发射恒 定功率的微波信号， 由所述微波链路的对应接收端记录所述微波信号的电平值分别为RSL1 和RSL2； S12、 基于两条所述微波链路的所述电平值， 确定基线电平值， 剔除非雨致因素影响， 计 算路径雨 致衰减； S13、 基于所述路径雨 致衰减， 计算路径 平均雨致衰减率， 获得双链路雨 致衰减率； S2、 设置所述双链路雨致衰减率为降雨样本特征量， 将所述降雨样本特征量划分为K个 分簇， 随机生成K个初始聚类中心； S3、 采用遗传模拟退火算法优化所述K个初始聚类中心， 构建初始降雨模糊聚类模型， 优化初始聚类中心包括以下步骤： S31、 预设遗传算法和模拟退火算法参数； S32、 基于所述K个初始聚类中心， 按规则得到初始种群； S33、 初始化代数： gen= 0； S34、 利用遗传算法对个 体进行选择、 交叉、 变异， 模拟退火算法根据概 率保留新个 体； S35、 由新个 体产生新的种群； S36、 判断新种群所处繁衍代数gen是否小于最大繁衍代数GENmax， 如果gen小于GENmax， 则重复S34 ‑S36， 如果gen不小于GENmax， 则判断当前温度T是否小于终止温度Tmin， 如果T大于 Tmin， 则使T=qT， 并重复S3 3‑S35， 如果T小于Tmin， 则结束， 其中， q为冷却系数； S4、 收敛所述S3获得的初始降雨模糊聚类模型； S5、 通过收敛后的降雨模糊聚类模型确定降雨样本类别。 2.根据权利要求1所述的基于双链路衰减的降雨模糊聚类方法， 其特征在于： 所述降雨 模糊聚类模型采用模糊C ‑均值聚类模型。 3.根据权利要求1所述的基于双链路衰减的降雨模糊聚类方法， 其特征在于： 所述降雨 样本类别包括但不限于层状云降雨、 对流云降雨和层积混合型降雨。 4.根据权利要求1所述的基于双链路衰减的降雨模糊聚类方法， 其特征在于： 所述非雨 致因素包括但不限于水汽衰减、 干空气衰减、 空间衰减。权　利　要　求　书 1/1 页 2 CN 113111593 B 2一种基于双链路衰减的降雨模糊聚类方 法 技术领域 [0001]本发明涉及 地面气象观测领域， 特别是涉及一种基于双链 路衰减的降雨模糊聚类 方法。 背景技术 [0002]降水是自然科学领域的一个重要研究内容， 其与水循环、 海洋盐度和温度分布、 土 壤侵蚀与地貌演化均密切相关， 因此发展降水信息监测技术具有重要的现实意义。 而对降 水的准确描述， 除了强度信息， 还应包括类型信息。 就降雨现象而言， 根据其生成云系不同， 一般主要分为层状云降雨和对流云降雨， 其本质差异体现在雨滴谱的不同。 但是这种分类 方式比较粗 糙， 难以将雨 滴谱差异较为明显的降雨样本进行有效精细化分离 。 [0003]由于微波链路衰减信息受到雨滴谱影响， 因此不同类型降雨所引起的雨致微波衰 减也存在差异。 根据这一基本原理， 微波链路衰减信息具有识别降雨类型的潜力。 为 实现基 于微波链路的降雨信息有效分离， 需要提出精细化的降雨类型区分方法。 发明内容 [0004]本发明的目的是提供一种基于双链 路衰减的降雨模糊聚类方法， 以解决上述现有 技术存在的问题， 仅需双链路微波衰减信息， 即可获得任意簇数的降雨模糊聚类模型， 进而 提高降雨信息的有效分离水平， 能够广泛应用于微波链路降雨类型识别等气象信息精细化 遥感领域。 [0005]为实现上述目的， 本发明提供了如下方案： 本发明提供一种基于双链路衰减的降 雨模糊聚类方法， 包括以下步骤： [0006]S1、 利用双链路分别提取路径 平均雨致衰减率， 获得双链路雨 致衰减率； [0007]S2、 设置所述双链路雨致衰减率为降雨样本特征量， 将所述降雨样本特征量划 分 为K个分簇， 随机生成K个初始聚类中心； [0008]S3、 优化所述K个初始聚类中心， 构建初始降雨模糊聚类模型； [0009]S4、 收敛所述S3获得的初始降雨模糊聚类模型； [0010]S5、 通过收敛后的降雨模糊聚类模型确定降雨样本类别。 [0011]优选的， 所述S1包括以下步骤： [0012]S11、 选取两条邻近的不同频点或极化方式的微波链路， 所述微波链 路的发射端发 射恒定功率的微波信号， 由所述微波链路的对应接收端记录所述微波信号的电平值分别为 RSL1和RSL2； [0013]S12、 基于所述电平值， 剔除非雨 致因素影响， 计算路径雨 致衰减； [0014]S13、 基于所述路径雨 致衰减， 计算路径 平均雨致衰减率， 获得双链路雨 致衰减率。 [0015]优选的， 所述S3中优化初始聚类中心采用遗传模拟退火算法。 [0016]优选的， 所述S3中优化初始聚类中心包括以下步骤： [0017]S31、 预设遗传算法和模拟退火算法参数；说　明　书 1/4 页 3 CN 113111593 B 3