深度聚类算法在SuperDARN雷达目标回波分类中的应用

SuperDARN雷达目标回波中通常包含多种类型散射的回波,例如电离层不规则体回波、地面/海面散射回波、极区中层夏季回波以及流星余迹回波等.利用SuperDARN采集的电离层回波制作的电离层对流图对于空间天气研究具有重要意义.SuperDARN接收到的电离层回波通常会与地面海面的散射回波混淆,从而造成绘制的电离层对流图不准确,因此对于SuperDARN目标回波进行聚类分析具有重要意义.本文首次将基于自动编码器网络的图嵌入深度聚类算法应用于SuperDARN目标回波数据,有效地对SuperDARN回波数据进行了分类.此外,还将该模型与传统算法和机器学习聚类算法进行了比较.该模型在样本数据中的应用表明,深度聚类算法能够捕捉到回波数据的深层结构特征,提高了回波聚类的准确性.