论文部分内容阅读
针对传统星载全球卫星导航系统反射计(GNSS-R)测风,通过建立经验性的地球物理模型函数(GMF)进行风速反演时,会因反射信号数据质量较差而出现异常结果,若执行严格的数据质量控制,则会降低数据利用率,最终影响星载GNSS-R测风的空间覆盖率的问题,提出1种基于卡尔曼(Kalman)滤波的风速反演算法:利用差分整合移动平均自回归模型(ARIMA)得到状态方程和观测方程,并将GMF反演的风速值作为观测值,从而建立Kalman滤波模型,实现星载GNSS-R风速反演的实时校正和优化。实验结果表明,该方法的风