论文部分内容阅读
2016年12月11日升空的风云四号卫星使中国乃至世界的气象探测进入了新时代,其上所搭载的大气垂直探测仪（GIIRS）作为首个工作于静止轨道的傅里叶光谱仪,能够提供长波波段685-1130cm-1以及中波波段1685-2250cm-1的光谱信息,光谱分辨率为0.625cm-1。数据产品可进一步被用来预测大气温度湿度、水汽轮廓线等的垂直分布,从而能够提供更准确地气象预测。大气垂直探测仪（GIIRS,Geostationary Interferometric Infrared Sounder）所收集的数据是三维的数据立方体,包括空间两维以及时间一维,其数据量相当庞大,在目前探测器规模下的数据量已达66Mb/s。随着日后探测器规模的进一步扩展,其数据量也会随之成倍增长,从而对向下传输带宽造成压力。与此同时,所采集到的是干涉数据,需要经过傅里叶变换之后才能得到光谱信息并进行下一步的反演,所以作为中间数据的干涉数据,其准确性至关重要。论文首先简要介绍了在轨以及在研的几款重要的傅里叶光谱仪及它们的参数,同时关注了它们在降低数据量两方面的方案。本课题主要从压缩算法的角度切入,就降低数据量的问题进行研究。首先以数学中概率的角度看待数据压缩问题,大致介绍了压缩的先验知识,指出无损压缩与有损压缩的实质,以及一个完整的压缩算法流程所需步骤及其各自的功能。在分别对傅里叶变换前后的数据立方体的空间两维和第三维进行了信息熵和相关性的计算后,本文决定在设计方案时主要以针对时间维为主。并且由于对数据的准确度要求较高,着重考虑无损压缩算法以及对数据失真的影响几乎可忽略不计的近无损压缩算法。在无损压缩方面,提出将干涉数据进行分段,对中间0光程差附近的部分进行矢量量化,对两边的部分进行线性预测的压缩方案。并通过Matlab仿真进行参数的选择以使得方案能够得到较优的压缩比,其中预测次数会对资源和最终结果产生较大的影响。据此方案分为多次预测和单次预测分别进行实现,采用主频为4.2ghz的CPU实现基于单次预测的压缩需约0.405s,FPGA能够在0.7942s实现单次预测的方案压缩数据立方体,中波数据立方体此时已能够达到最佳3.54.2的无损压缩比,长波数据立方体有更好的压缩比,但还是可以再进一步,通过资源的增加实现多次预测,从而使其压缩比能够达到最佳的4.75.4左右,此时CPU需约0.753s,FPGA消耗的时间在1.2504s。另外还通过构建噪声和压缩比之间的关系,分析出除了增加资源,通过数据处理的方式减少其包含的噪声可以进一步提高压缩比。近无损压缩本就是有条件的有损压缩:其所带来的失真需在原始数据噪声范围之内。由于最终所需数据并不是直接的干涉数据,而是经过傅里叶变换后的光谱数据,因此噪声的估算和失真度的计算均应发生在光谱数据。估算噪声并以此规范均方光谱误差（mean-square spectral error,MSSE）、光谱失真度（Relative spectral Quadratic Error,RQE）与前后光谱的相关性（spectral correlation,SC）这三项失真度指标,总结出这三项指标的阈值并以此作为评判近无损压缩是否符合要求的标准。本文所提出的近无损压缩方案包括抽取、量化和熵编码,在符合近无损失真要求的情况下,长波能够取得7.8023.72的压缩比,中波能够取得6.2113.15的压缩比。结果表明,本文所提的方案是可用的,能够在降低数据量的同时保证数据的准确性。为日后的研究提供了可实施的算法参考。