| 张衡一号感应磁力仪数据闪电哨声波自动识别 |
| |
| 引用本文： | 袁静, 王桥, 杨德贺, 刘芹芹, 泽仁志玛, 申旭辉. 2021. 张衡一号感应磁力仪数据闪电哨声波自动识别. 地球物理学报, 64(11): 3905-3924, doi: 10.6038/cjg2021O0164 |
| |
| 作者姓名： | 袁静 王桥 杨德贺 刘芹芹 泽仁志玛 申旭辉 |
| |
| 作者单位： | 1. 防灾科技学院, 河北三河 065421; 2. 应急管理部国家自然灾害防治研究院, 北京 100085 |
| |
| 基金项目： | 国家重点研发计划（2018YFC1503501,2018YFC1503806）,中央直属高校基本科研业务（ZY20180122）,亚太空间合作组织地震二期项目（APSCO Earthquake Research Project Phase Ⅱ）和国际空间科学研究所北京分部项目（ISSI-BJ,2019IT-33）,廊坊科技局科学研究与发展计划（2020011025）资助 |
| |
| 摘 要： | 
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.
|
| 关 键 词： | 张衡卫星 感应磁力仪 闪电哨声波 识别 |
| 收稿时间： | 2020-05-07 |
| 修稿时间： | 2021-01-29 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《地球物理学报》浏览原始摘要信息 |
|
点击此处可从《地球物理学报》下载全文 |
|
