海况偏差（Sea State Bias,SSB）是雷达高度计测量海面高度的重要误差源。目前,业务化运行的雷达高度计的海况偏差校正都是采用基于风速（U）和有效波高（SWH）的2维经验模型方法,其海况偏差校正不确定度约为2cm。该文提出一种基于交叉...海况偏差（Sea State Bias,SSB）是雷达高度计测量海面高度的重要误差源。目前,业务化运行的雷达高度计的海况偏差校正都是采用基于风速（U）和有效波高（SWH）的2维经验模型方法,其海况偏差校正不确定度约为2cm。该文提出一种基于交叉点数据和3维非参数模型的海况偏差估计方法,该方法利用星下交叉点数据,采用基于U,SWH以及平均波周期（MWP）的3维非参数模型进行海况偏差估计。该文利用这种估计方法对Jason-2卫星雷达高度计2009~2011年3年的数据进行了处理,将处理结果与Jason-2卫星高度计的地球物理数据集（Geophysical Data Records,GDR）中的海况偏差校正项进行对比,结果表明该文提出的海况偏差估计方法平均能降低1.64 cm2的交叉点海面高度不符值的方差和0.92 cm2的沿轨海面高度异常值的方差,分别对应于1.28 cm和0.96 cm的均方根（RMS）海面高度,这对于提高高度计数据产品的精度具有重要意义。展开更多
在建立雷达高度计海况偏差(Sea State Bias,SSB)非参数模型时,通常会用到局部线性回归(Local Linear Regression,LLR)估计器,而传统的局部线性回归估计器涉及高维矩阵运算,当建模的数据量较大时,估计海况偏差需要大量的时间,从而使得非...在建立雷达高度计海况偏差(Sea State Bias,SSB)非参数模型时,通常会用到局部线性回归(Local Linear Regression,LLR)估计器,而传统的局部线性回归估计器涉及高维矩阵运算,当建模的数据量较大时,估计海况偏差需要大量的时间,从而使得非参数估计方法很难用于高维海况偏差模型。该文提出一种改进的局部线性回归(Improved Local Linear Regression,ILLR)估计器,可以避免传统的LLR估计器所需的高维矩阵运算,在不影响海况偏差估计结果的条件下,将局部线性回归估计器获取加权函数的时间复杂度由O(N)2降低为O(N),从而大幅地降低估计海况偏差所需的时间,为实现高维非参数海况偏差模型的实时运算奠定了基础。展开更多
文摘海况偏差（Sea State Bias,SSB）是雷达高度计测量海面高度的重要误差源。目前,业务化运行的雷达高度计的海况偏差校正都是采用基于风速（U）和有效波高（SWH）的2维经验模型方法,其海况偏差校正不确定度约为2cm。该文提出一种基于交叉点数据和3维非参数模型的海况偏差估计方法,该方法利用星下交叉点数据,采用基于U,SWH以及平均波周期（MWP）的3维非参数模型进行海况偏差估计。该文利用这种估计方法对Jason-2卫星雷达高度计2009~2011年3年的数据进行了处理,将处理结果与Jason-2卫星高度计的地球物理数据集（Geophysical Data Records,GDR）中的海况偏差校正项进行对比,结果表明该文提出的海况偏差估计方法平均能降低1.64 cm2的交叉点海面高度不符值的方差和0.92 cm2的沿轨海面高度异常值的方差,分别对应于1.28 cm和0.96 cm的均方根（RMS）海面高度,这对于提高高度计数据产品的精度具有重要意义。
文摘在建立雷达高度计海况偏差(Sea State Bias,SSB)非参数模型时,通常会用到局部线性回归(Local Linear Regression,LLR)估计器,而传统的局部线性回归估计器涉及高维矩阵运算,当建模的数据量较大时,估计海况偏差需要大量的时间,从而使得非参数估计方法很难用于高维海况偏差模型。该文提出一种改进的局部线性回归(Improved Local Linear Regression,ILLR)估计器,可以避免传统的LLR估计器所需的高维矩阵运算,在不影响海况偏差估计结果的条件下,将局部线性回归估计器获取加权函数的时间复杂度由O(N)2降低为O(N),从而大幅地降低估计海况偏差所需的时间,为实现高维非参数海况偏差模型的实时运算奠定了基础。
