具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

利用声学多普勒流速剖面仪测量水体的流速和流量数据，并对所测量的流速进行校准处理，并将校准后的数据存储到数据库中；利用异常值识别剔除算法对所存储的数据进行异常值处理，同时对处理后的数据进行滑动平均和滤波降噪处理，将最终处理后的数据作为水体的测验数据。参照图1所示，为本发明一实施例提供的用于ADCP的数据优化方法示意图。

在本实施例中，用于ADCP的数据优化方法包括：

S1、利用声学多普勒流速剖面仪测量水体的流速和流量数据，并对所测量的数据进行校准处理，并将校准后的数据存储到数据库中。

首先，本发明利用声学多普勒流速剖面仪(ADCP)测量水体的流速和流量数据，所述水体包括海洋及河流，在本发明一个具体实施例中，本发明将声学多普勒流速剖面仪放置于水面舰艇、自主式水下平台、拖曳系统、潜水者手持系统以及水下潜艇等设备中；

所述利用ADCP测量水体的流速和流量数据的流程为：

1)ADCP向水体发送频率为f₀的声波信号，当声波信号在水中传播时，部分声波能量随水中的散射体进行散射，形成回波信号f₁；

2)ADCP接收回波信号f₁，计算水体流速v：

其中：

c表示声波在水中的传播速度；

3)根据ADCP接收到回波信号的时间t，计算水体的深度H：

其中：

h表示ADCP放入水下的深度；

t表示ADCP从发出声波信号，到接收回波信号的时间间隔；

c表示声波在水中的传播速度；

θ表示ADCP的声束角；

4)测量水体的宽度W，计算得到水体的横截面积S＝H×W；计算水体的流量Q：

Q＝v*S

其中：

v表示水体的流速。

进一步地，本发明对所测量的流速进行校准处理，所述校准处理流程为：

接收ADCP发射的声信号f₀并将声信号转换为电信号，对信号进行采集，然后对采集的信号进行重采样和插值处理，并进行信号的截取、时域延拓、衰减，经过一定延时，经D/A转换后以与A/D采集相同的速率对信号进行回发，可得到具有一定频偏和延时的声波信号；所述带有频偏和延时的声波信号f′₀和原始声波信号f₀之间的关系为：

其中：

f_p为信号采集频率；

f_q为信号重采样频率；

将带有频偏和延时的声波信号进行发送，得到ADCP实际回波信号，ADCP接收回波信号，并利用ADCP测量水体的流速和流量数据的流程，得到校准过的水体测量数据。

S2、利用异常值识别算法对所存储的测量数据进行异常值识别，并对异常值进行剔除处理。

进一步地，本发明利用异常值识别算法对所存储的测量数据进行异常值识别，所述异常值是指在测量过程中，由于某些突然发生的不正常因素(如测量者操作失误或外界干扰等)导致出现的不正常测量值，异常值严重歪曲真实情况，从而失去可靠性和使用价值；

所述异常值识别算法流程为：

对于测量值x_i(i＝1，2，...，N)，计算其均值和残差v_i：

若测量值仅含有随机误差，则残差落在(-3σ，3σ)以外的概率仅有0.27％，对于任意测量值x_i的残差v_i，若|v_i|＞3σ，则认为该测量值x_i为异常值，并剔除测量值x_i；在本发明一个具体实施例中，由于σ值一般为未知值，因此本发明将有限次测量标准差的估计值S代替σ：

其中：

v_i表示测量值x_i的残差。

S3、利用结合随机森林的插值算法进行异常值插值，得到异常值处理后的测量数据序列。

进一步地，对于测量数据序列存在对应的时间序列{t₀，t₁，...，t_n}，其中波判定为异常值，已被剔除，因此需要重新获得t_k时刻对应的数据，在本发明一个具体实施例中，本发明利用结合随机森林的插值算法进行异常值插值，所述结合随机森林的插值算法流程为：

1)采用Bootstrap抽样算法从测量数据序列中抽取B个样本序列集，其中每个样本序列集中均存在异常值剔除后的缺失值数据；

2)对于每个样本序列集，设缺失值前窗口为n的样本序列集合为R＝{x₁，x₂　，...，x_n}；将R划分为m个子空间，其中每个子空间R_m存在固定的回归输出值y_m，构建决策树模型：

其中：

S为脉冲函数；

对于所构建的决策树模型，设当前父节点所对应的子空间为R_m，依据阈值T将R_m分割为R_l和R_r两部分：R_l＝{x_i＜T}，R_r＝{x_i≥T}；

分别将R_l和R_r作为父节点，递归进行分割，直至当前父节点中样本的方差小于给定方差阈值；条件满足时，停止递归并将当前父节点设置为叶子节点；

3)根据所构建的M个决策树，生成随机森林预测插值模型：

y_c＝ave(y(X_c，T_i))，i＝1，2，...，M

其中：

X_c是异常值c之前的样本序列；

T_i表示第i棵决策树；

y(X_c，T_i)表示第i棵决策树对异常值c的预测值；

ave(y(X_c，T_i))表示所有决策树对异常值c的预测值的平均值；

利用随机森林预测插值模型对所有异常值进行异常值插值处理，得到异常值处理后的测量数据序列。

S4、利用滑动平均方法以及中值滤波方法对测量数据序列进行平滑处理，将平滑处理后的测量数据序列作为水体的测验数据。

进一步地，在ADCP测流过程中，由于水流环境等因素的影响，即使使用高精度的传感器，测量数据中也会包含随机误差，因此本发明利用滑动平均方法以及中值滤波方法对测量数据序列进行平滑处理；

所述滑动平均法的流程为：

对测量数据序列中的N个值，不断逐个滑动窗口，选取m个相邻数据进行加权平均，得到平滑后的测量数据序列：

其中：

y_c表示测量数据序列中的第c个值；

y′_c表示平滑后测量数据序列中的第c个值；

表示以y_c为中心，邻近的2i个值的总和，

w(k)表示加权系数；

中值滤波是一种能有效抑制噪声的非线性信号处理技术。其过程为：设置一个窗口，然后将其遍历序列上的所有点，且用窗内原始值的中值代替窗口中心点的值。本文采用中值滤波进行平滑时，主要针对波束方向上的径向流速和各种传感器采集的数据，均为一维数据，所以采用一维中值滤波，本发明所采用的中值滤波算法流程为：

从平滑后的测量数据序列{x₁，x₂，...，x_n}中相继抽取m个数{x_i-v，...，x_i-1，x_i，x_i+1，...，x_i+v}；其中v＝(m-1)/2；将这m个点按大小顺序排列，选取中间的数值作为滤波之后的数据，公式表示如下：

y_i＝median{x_i-v，...，x_i-1，x_i，x_i+1，...，x_i+v}

其中：

median{·}表示集合{·}的中值；

在本发明一个具体实施例中，本发明取中值滤波窗口长度为m＝5～10；

进一步地，本发明将平滑处理后的测量数据序列作为水体的ADCP测验数据。

下面通过一个算法实验来说明本发明的具体实施方式，并对发明的处理方法进行测试。本发明算法的硬件测试环境为：Inter(R)Core(TM)i7-6700K CPU，软件为Matlab2018b；对比方法为基于贝叶斯的用于ADCP的数据优化方法以及基于神经网络的用于ADCP的数据优化方法。

在本发明所述算法实验中，数据集为10G的ADCP采集数据。本实验通过将ADCP采集数据输入到算法模型中，将优化后ADCP数据的有效性作为算法可行性的评价指标，其中优化后ADCP数据的有效性越高，则说明算法的有效性、可行性越高。

根据实验结果，基于贝叶斯的数据优化方法的优化后ADCP数据的有效性为76.32，基于神经网络的数据优化方法的优化后ADCP数据的有效性为81.69，本发明所述方法的优化后ADCP数据的有效性为88.92，相较于对比算法，本发明所提出的用于ADCP的数据优化方法能够实现更高的优化后ADCP数据的有效性。

发明还提供一种用于ADCP的数据优化系统。参照图2所示，为本发明一实施例提供的用于ADCP的数据优化系统的内部结构示意图。

在本实施例中，所述用于ADCP的数据优化系统1至少包括数据获取装置11、数据处理器12、ADCP数据优化装置13，通信总线14，以及网络接口15。

其中，数据获取装置11可以是PC(Personal Computer，个人电脑)，或者是智能手机、平板电脑、便携计算机等终端设备，也可以是一种服务器等。

数据处理器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。数据处理器12在一些实施例中可以是用于ADCP的数据优化系统1的内部存储单元，例如该用于ADCP的数据优化系统1的硬盘。数据处理器12在另一些实施例中也可以是用于ADCP的数据优化系统1的外部存储设备，例如用于ADCP的数据优化系统1上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，数据处理器12还可以既包括用于ADCP的数据优化系统1的内部存储单元也包括外部存储设备。数据处理器12不仅可以用于存储安装于用于ADCP的数据优化系统1的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

ADCP数据优化装置13在一些实施例中可以是一中央处理器(Central ProcessingUnit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，包括监控单元，用于运行数据处理器12中存储的程序代码或处理数据，例如ADCP数据优化程序指令16等。

通信总线14用于实现这些组件之间的连接通信。

网络接口15可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该系统1与其他电子设备之间建立通信连接。

可选地，用于ADCP的数据优化系统1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在用于ADCP的数据优化系统1中处理的信息以及用于显示可视化的用户界面。

图2仅示出了具有组件11-15以及用于ADCP的数据优化系统1，本领域技术人员可以理解的是，图1示出的结构并不构成对用于ADCP的数据优化系统1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

在图2所示的用于ADCP的数据优化系统1实施例中，数据处理器12中存储有ADCP数据优化程序指令16；ADCP数据优化装置13执行数据处理器12中存储的ADCP数据优化程序指令16的步骤，与用于ADCP的数据优化方法的实现方法相同，在此不作类述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有ADCP数据优化程序指令，所述ADCP数据优化程序指令可被一个或多个处理器执行，以实现如下操作：

利用声学多普勒流速剖面仪测量水体的流速和流量数据，并对所测量的数据进行校准处理，并将校准后的数据存储到数据库中；

利用异常值识别算法对所存储的测量数据进行异常值识别，并对异常值进行剔除处理；

利用结合随机森林的插值算法进行异常值插值，得到异常值处理后的测量数据序列；

利用滑动平均方法以及中值滤波方法对测量数据序列进行平滑处理，将平滑处理后的测量数据序列作为水体的测验数据。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。