基于去相关性字典的高分辨率声速剖面数据压缩方法

本发明属于海洋声学领域中的声速剖面数据压缩技术，尤其涉及一种基于去相关性字典的高分辨率声速剖面数据压缩方法。

背景技术：

1、目前，声波被广泛应用于海洋工程领域，尤其是在大规模水下探测和海洋资源勘探中具有不可替代的地位，这主要得益于声波具有在海洋中衰减缓慢、传播距离远的优势。声波在海洋中的传播速度与海水声速分布状况密切相关，高分辨率的声速剖面数据对于海洋声学领域的研究应用具有重要的推动作用，在提升水下环境反演精度、加强声学模型研究等方面发挥着不可替代的作用。高分辨率声速剖面数据可为水下目标识别、声纳成像及水下装备性能评估等应用提供有效支撑，对于提高水下探测和勘探的效率和精确性具有重要意义。然而，高分辨率声速剖面数据的存储和处理存在相当大的困难。由于数据量庞大，单一时刻采样获得的高分辨率声速剖面数据文件至少为gb量级，普通计算机难以胜任长时间序列数据的存储和处理。因此，高分辨率声速剖面数据的高效存储与管理是当前海洋声学领域亟待解决的关键问题之一。

2、2019年，李倩倩和史娟等人开展了基于字典学习的声速剖面稀疏表示研究。该研究聚焦于利用非强制正交原子生成声速剖面字典，并通过稀疏编码和对应原子的组合来提取声速剖面的特征，实现了高精度的声速剖面反演。专利cn110837791a提出了一种基于过完备字典的声速剖面反演方法，该方法利用过完备字典的冗余特性挖掘声速剖面数据内在特征，并在此基础上进行稀疏表示，以利用少量数据实现高精度声速剖面估计，提高了海洋环境反演的准确性。专利cn113051261a提出了一种基于字典学习的高分辨率声速剖面的稀疏编码和存储方法，该方法利用训练集训练得到的过完备字典处理对应海域的声速剖面，从而对大规模声速剖面数据进行压缩，提高了数据的压缩率并保证了数据重构精度。虽然以上专利和研究都对声速剖面数据的压缩存储进行了一定程度的研究，但从实际应用的角度考虑，传统字典学习方法存在计算效率低、字典冗余程度高、字典原子列的有效利用率低等问题，这限制了高分辨率声速剖面数据压缩效率的进一步提升。

技术实现思路

1、本发明创造旨在利用去相关性字典实现对高分辨率声速剖面数据的有效压缩。本发明基于全球高分辨率海洋再分析产品中的海水温盐深物理参数，获取海水声速剖面数据，首先在训练集中等间隔选取原子列进行组合得到初始字典；而后对初始字典进行离散余弦变换；再通过ksvd(k-singular value decomposition)方法对字典进一步更新迭代；之后，通过计算字典中所有不同原子列间的相关性，若两个原子列间的相关性较高，则仅保留其中的一个原子列，从而获得去相关性字典；基于去相关性字典，通过omp(orthogonalmatching pursuit)方法得到对应声速剖面数据的稀疏编码矩阵；最后，通过csr(compressed sparse row)方法实现对稀疏编码矩阵的存储。该发明在保证声速剖面数据重构精度的前提下，实现了大规模高分辨率声速剖面数据的有效压缩，且计算效率相对传统字典学习算法有显著提升。

2、为实现上述目的，本发明创造采用如下技术方案。

3、一种基于去相关性字典的高分辨率声速剖面数据压缩方法，包括如下步骤：

4、步骤1，以全球海洋高分辨率海洋再分析产品网格化的海洋温盐深物理参数为基础，通过声速经验公式计算得到网格化的声速剖面数据；

5、步骤2，以声速剖面的垂向分层结构为参考，确定标准层，统一将网格化声速剖面数据进行延拓，直至涵括所有标准层；截取标准层深度的声速剖面数据，将截取后的声速剖面数据按经度、纬度、时间的顺序进行串联，串联后的矩阵作为压缩的原始数据s；

6、步骤3，对每个经纬度点处对深度维度求取声速平均值，将原始数据减去声速平均值得到去均值化后的声速剖面数据s′；按比例选取训练集t；

7、步骤4，在训练集中随机抽取p个列向量进行组合作为初始字典d1，对初始字典d1进行离散余弦变换得到d2；d2与d1维度相同，且d2的能量更为聚集、原子列间的相关性降低；

8、步骤5，基于字典d2，利用omp方法获得声速剖面训练集t对应的稀疏编码矩阵r1；基于训练集t、字典d2、稀疏编码矩阵r1，利用ksvd方法得到更新后的字典d3与稀疏编码矩阵r2；

9、步骤6，计算字典d3中不同原子列间的相关系数，设定原子相关性阈值cd，若两个原子列间的相关系数大于阈值，则仅保留其中的一个原子列；将最后保留的原子列重新组合成最终的字典d4；

10、步骤7，基于字典d4，利用omp方法获得去均值化后的声速剖面数据对应的稀疏编码矩阵q，对稀疏编码矩阵q进行csr存储，只存储非零值的数值与对应索引，从而完成对高分辨率声速剖面数据的压缩。

11、步骤1的具体步骤如下：

12、步骤1.1，参照高分辨率海洋再分析产品的数据结构，设计高分辨率声速剖面数据结构；所述的高分辨率海洋再分析产品在经纬度方向以等间距网格划分、在深度方向以非等间距网格划分，产品中包括温度、盐度等水文要素及其对应的深度值；

13、步骤1.2，以高分辨率海洋再分析产品的经度、纬度、深度网格为基础，采用声速经验公式将海洋温盐深物理参数转换为海水声速剖面数据；所述的声速经验公式表达式如下：

14、c(s,t,p)＝cω(t,p)+a(t,p)s+b(t,p)s3/2+d(t,p)s2

15、式中：c为海水声速值，s、t、p分别为海水盐度、温度、静压力，cω、a、b、d分别为与海水温度和静压力相关的经验函数，0≤s≤40、0°≤t≤40°、0pa≤p≤108pa，声速计算值的标准差为0.19m/s。

16、步骤2的具体步骤如下：

17、步骤2.1，以声速剖面的表面层、跃变层、等温层三层结构为参考，作为声速剖面数据延拓的先验信息，确定m个标准层深度；

18、步骤2.2，提取海域范围的声速剖面数据为分析对象，该区域的经纬度网格数为i×j，每个空间网格点具有k个时间采样点；统一将海域范围经纬度网格点的垂向深度网格进行延拓，确保每个位置的深度包含所有标准层深度，m个标准层深度的声速值通过对该经纬度点的垂向声速剖面数据进行三次分段插值得到；

19、步骤2.3，对插值后的声速剖面数据按照经度、纬度、时间的顺序依次进行串联得到声速剖面数据矩阵s，串联得到的声速剖面数据矩阵s行数为m、列数为i×j×k；高分辨率声速剖面数据矩阵s作为压缩的原始数据。

20、步骤3的具体步骤如下：

21、步骤3.1，对声速剖面数据矩阵s在深度维度上求取均值，将求得的均值列向量进行延拓，生成一个与声速剖面数据矩阵s相同维度的均值矩阵a；

22、步骤3.2，将声速剖面数据矩阵s与均值矩阵a相减，得到去均值化的声速剖面数据矩阵s′；

23、步骤3.3，按照设定比例η选取训练集，训练集的选取方法采用等间隔选取法；所述的训练集矩阵t行数为m、列数为η×i×j×k；若矩阵t的列数不为整数，则η×i×j×k向下取整。

24、步骤4的具体步骤如下：

25、步骤4.1，在训练集矩阵t中随机抽取p个列向量组合成为初始字典d1，初始字典d1的行数为m、列数为p；

26、步骤4.2，对初始字典d1进行离散余弦变化得到能量聚集的字典d2，字典d2的行数为m、列数为p；所述的离散余弦变换公式为

27、

28、式中：

29、

30、步骤5的具体步骤如下：

31、步骤5.1，确定稀疏度t、最大重构误差δs、最大迭代次数n，基于训练集t、字典d2、稀疏度t、最大重构误差δs、最大迭代次数n，利用omp方法获得训练集t对应的稀疏编码矩阵r1；

32、步骤5.2，逐列更新字典d2，逐行更新稀疏编码矩阵r1，更新后的字典、稀疏编码矩阵分别为d3、r2；所述的更新的具体方法为：对残余矩阵t′进行奇异值分解，更新字典的第i列、稀疏编码的第i行；所述的残余矩阵t′是在训练集t的基础上删减掉第i行、第i列；

33、步骤5.3，重复步骤5.2，直至重构误差小于最大重构误差δs或迭代次数达到n；所述的重构误差为||t-d3r2||。

34、步骤6的具体步骤如下：

35、步骤6.1，计算字典d3中不同原子列之间的相关系数，得到原子列的相关系数矩阵c；所述的相关系数矩阵c的元素ci，j代表字典d3中第i个原子列与第j个原子列之间的相关系数；设定原子列间最大可接受相关系数阈值为cd；

36、步骤6.2，对原子列的相关系数矩阵c右对角线以上的元素进行如下处理：若元素ci，j大于cd，则去除字典d3中的第j个原子列；从而获得去相关性字典d4。

37、步骤7的具体步骤如下：

38、步骤7.1，基于去均值化的声速剖面数据矩阵s′、去相关性字典d4、稀疏度t，利用omp方法，得到新的稀疏编码矩阵q；所述的矩阵q的行数与d4的行数相同，而列数与s′的列数相同；

39、步骤7.2，记录稀疏编码矩阵q中所有非零元素的数值及其对应的索引，将非零元素的数值及其对应的索引存储于矩阵n中；所述的矩阵n第一列存储非零数值，第二列存储非零数值对应的索引。

40、本发明提供了一种基于去相关性字典的高分辨率声速剖面数据压缩方法，其有益效果在于：

41、1、提供了一种可行且高效的高分辨率声速剖面数据的压缩方法，数据压缩率可达75％以上，极大地缓解了大容量声速剖面数据在计算机硬件层面存储的压力；

42、2、相较于传统字典学习算法，本发明引入离散余弦变换，降低了初始字典原子列间的相关性，在具体算例中算法整体计算效率的提升约20％，显著地节省了计算资源；

43、3、针对传统字典学习获得的字典原子列间存在相关性强、有效利用率低的特点，设计了一种去相关性算法，对于原字典中相关系数超过阈值的两个原子列，仅保留其中之一；在数据重构精度不受显著影响的前提下，去相关性字典大幅地缩小了字典维度；

44、4、实现了压缩精度和数据压缩率的自主可控选择，针对具体应用需求，通过修改算法输入参数自主调节数据重构精度和数据压缩率，极大地拓宽了高分辨率声速剖面数据压缩方法的应用场景；

45、5、通过去相关性字典方法有效提取了不同海域声速剖面数据的内在特征，可进一步应用于海水声速剖面分类等相关领域。