基于灰度共生矩阵的自适应雷达杂波抑制

多普勒天气雷达体扫过程中低仰角常出现强地物杂波,影响了雷达数据质量及其产品的业务应用。为了抑制地物杂波,提出了一种基于雷达基数据灰度共生矩阵(gray-level co-occurrence matrix,GLCM)的自适应地物杂波抑制方法。针对雷达站附近回波数据强度高、多普勒速度接近于零值的特性,首先设定阈值进行数据预处理,初步分离出杂波区域;其次,对强度信息进行分块,根据每一小块的灰度共生矩阵能量值和对比度分布自适应寻找阈值;最后利用确定的阈值识别和剔除地物杂波。实验表明该方法能有效剔除雷达站附近的强地物杂波,尤其对混杂在降水回波信号中的强地物杂波有很好的抑制作用。     

基于极大似然算法的风廓线雷达谱矩估计

在风廓线雷达谱数据处理中,雷达低层取样体积探测的谱数据通常出现地物杂波、间歇性杂波、地磁杂波与大气回波谱混杂交叠的情况。为了有效抑制和去除杂波干扰,并且提高风廓线雷达探测范围和测量精度,必须对大气回波谱的谱矩进行有效的估计。通过对风廓线雷达多普勒回波功率谱分析,提出基于极大似然算法估计雷达回波谱谱数据的方法,并且进行了实际数据仿真分析,通过与常规方法进行对比分析,验证了算法的可行性和有效性,在低层取样体积谱矩估计得到了显著的改善。     

综合识别法去除风廓线雷达地物杂波的可行性研究

以杂波谱极小值连线的思想为基础,针对强风天气条件下的风廓线雷达地物杂波信号,提出一种综合识别杂波的去除方法,并与常规的地物杂波抑制方法相比较。结果表明:利用该方法对强风天气下的地物杂波有更好的抑制效果,水平风速得到了明显增强,与地面观测数据相比,雷达产品更趋于真实风速。     

基于气候统计特征的雷达回波质控方法

利用北京南郊S波段雷达2011—2016年的观测资料,从雷达气候统计的角度,利用不同强度回波发生频率的统计特征及其空间分布特征,对雷达地物杂波和波束遮挡的识别与订正方法进行研究。结果表明:①利用雷达回波出现频率特征,可以很好地识别雷达近中心地物杂波和受地形高度影响的地物杂波特征;同时还可以直观地识别出雷达波束遮挡区域以及遮挡程度。北京南郊雷达地物杂波主要分布在近雷达中心和北京西部、西北部的山前地区,地物杂波主要集中在0.5°仰角和1.5°仰角层上。雷达波束遮挡主要集中在由高大建筑引起遮挡的东南方位向和由于地形引起波束遮挡的西西北方位向,波束遮挡主要集中在0.5°仰角层。②采用局部可变区域平均垂直廓线方法利用高仰角回波订正低仰角回波,能有效订正地物杂波,并保留回波的局部特征。对于波束遮挡区域的回波填补,也能够较好地保持上下层仰角回波之间的连续性,同时兼顾了回波不均性分布等特性。③基于雷达气候特征进行地物杂波识别和波束遮挡识别,无需依照先验知识,相比于传统方法能更好地反映本地雷达回波真实情况,且具有方法简单、可快速复用、本地适用性强等优点。     

自适应高斯频域滤波器在天气雷达中的应用

多普勒天气雷达的基数据(反射率因子、速度和速度谱宽)经常会被地物杂波所污染,这对基数据估计的准确性影响很大,进而又会影响导出产品。因此,抑制地物杂波是所有多普勒天气雷达获取高质量数据产品的必要步骤。作者首先介绍了自适应高斯频域滤波器的研究背景,其次分析了多普勒天气雷达地物杂波及天气回波信号的特征,再次给出了IIR椭圆地物杂波滤波器的原理以及自适应高斯频域滤波器的滤波算法,最后根据实际的雷达回波信号,分析了IIR椭圆地物杂波滤波器和自适应高斯频域滤波器的杂波抑制性能,并对结果进行了分析和比较。结果表明:不使用杂波图的自适应高斯频域滤波器的杂波抑制性能优于使用杂波图的IIR椭圆滤波器,且满足实时处理的要求。     

结合毫米波雷达提取降水条件下风廓线雷达大气垂直速度的研究

风廓线雷达主要是利用大气湍流对电磁波的散射作用,在晴空条件下对大气风场等进行探测。在降水天气下,风廓线雷达能同时接收到大气湍流回波和雨滴的散射回波信号,其探测到的回波功率谱中降水信号谱和大气湍流信号谱叠加在一起,使得大气的运动被雨滴的运动信息所掩盖,给后续的大气风场反演带来误差。而毫米波云雷达在降水天气下仅能探测到云雨粒子的回波而无法探测到大气湍流回波,基于这一差异结合毫米波云雷达资料对风廓线雷达功率谱数据进行订正,剔除其中的降水回波信息,进而获取正确的大气运动垂直速度。通过一次典型弱降水天气过程的雷达资料对该方法进行了可行性验证,并将计算得出的大气垂直速度与传统双峰法提取的大气运动垂直速度及原始风廓线雷达垂直速度进行了对比分析,显示在弱降水天气下该方法能有效消除降水对风廓线雷达垂直速度测量的影响,提高弱降水天气下测速准确率,并且在湍流谱极其微弱的情况下该方法也能准确地获取到大气运动垂直速度信息。但是云雷达回波在降水时会有衰减,虽然是弱降水也会导致在高层距离库上的订正效果变差,故目前只适用于弱降水时低距库处的降水订正。      

基于功率谱的风廓线雷达回波强度定标方法

风廓线雷达已在我国得到大范围的业务布网应用,现有业务产品主要为风场信息。为了充分发挥风廓线雷达的作用,获取更多的天气过程信息,该文提出仅使用风廓线雷达返回信号功率谱进行数据定标（DCNP）的方法。使用雷达系统噪声功率对返回信号功率谱单位幅度进行标校计算,基于标校后的雷达探测功率谱分布数据计算回波强度功率谱密度分布、回波强度、大气折射率结构常数。利用2017年北京风廓线雷达、2016年南京风廓线雷达和2018年梅州风廓线雷达观测数据,对我国业务运行的3种主要型号风廓线雷达进行算法评估试验。定标方法的计算结果稳定,风廓线雷达不同探测模式之间的一致性较好。使用每个测站定标结果与相邻天气雷达数据进行比较,风廓线雷达回波强度定标结果与天气雷达也有较好的一致性。DCNP方法与基于信噪比（SNR）的强度计算方法进行比较,与SNR方法相比,DCNP方法定标结果更加稳定可靠。     

基于优化模糊逻辑的双线偏振天气雷达地物杂波识别算法研究

针对双线偏振雷达偏振参量能在回波识别中提供更多特征的优势，在常规多普勒天气雷达模糊逻辑算法的基础上，引入偏振参量实现地物杂波识别，由此根据雷达数据中地物和降水回波各自的回波特性，选择6个区别最明显的特征参量，建立了特征参量的统计分布概率，并运用CSI评判标准给出了地物杂波识别的最优化隶属函数；利用2020年攀枝花市新架设的X波段全固态双线偏振雷达观测个例，对比了传统的与改进后的模糊逻辑算法识别效果，结果引入偏振参量的模糊逻辑算法能更好地识别降水和地物混合位置的地物回波，同时改善了径向速度为零区域被误判为地物回波的问题。      

基于K means聚类分析的风廓线雷达降水数据判别方法

在降水环境下,风廓线雷达获得的多普勒信息主要是降水质点运动的结果,从而对大气风场的计算造成很大误差,因此,判断雷达回波信号是否受到降水干扰是很有必要的.采用一种基于K-means聚类算法思想的集合分析法对晴空和降水条件下的数据进行了聚类分析,得到随信噪比变化的垂直速度阈值,再根据该速度阈值对风廓线雷达数据是否受到降水干扰进行判别.采用此方法对南京边界层风廓线雷达2011年8-12月及2012年3-4月的部分观测数据进行了计算分析,结果表明,该方法可在不同的高度区分晴空和降水数据,能有效判别回波信号是否受到降水干扰.     

风廓线雷达回波强度和速度标定问题研究

文章讨论了风廓线雷达标定系统中的两个问题。首先,在风廓线雷达回波强度标定原理的基础上,依据雷达气象方程,分析了发射功率变化和接收机增益变化对回波强度测量精度的影响,提出了通过实时测量每个脉冲重复周期内发射采样脉冲功率和回波功率在数字中频接收机的输出值,改善回波强度测量精度的方法。其次,在风廓线雷达速度标定原理的基础上,分析了速度标定中因I/Q信号的幅度、相位不平衡造成的镜像谱分量,提出了一种基于信号时域统计特性的订正方法,并利用I/Q信号数学模型进行了仿真实验,结果表明,该方法可以有效抑制I/Q信号幅相不平衡产生的镜像谱分量。     

一种抑制降水对风廓线雷达水平风干扰的方法

降水条件下,风廓线雷达 (wind profiler radar,WPR) 能够同时接收到大气湍流回波和降水粒子的散射回波,降水信号谱与湍流信号谱叠加在一起。风廓线雷达计算水平风时,若采用叠加在一起的功率谱处理降水条件下的探测数据,必将导致后期水平风的合成严重失真。该文首先对原始功率谱数据进行插值和平滑处理,通过功率谱曲线极大值点的个数判断其是否受到降水影响。对于受到降水影响的功率谱,依据湍流谱和降水谱均趋于对称型的特点,用两种方法分别对不同特征的功率谱曲线进行湍流谱和降水谱的分离处理,继而利用分离出的湍流谱信号反演水平风场。研究选取广东省湛江站风廓线雷达2013年6月及7月两次实测降水过程,分析结果表明:用湍流谱代替原始功率谱反演的风场,一致性较处理前有明显提高,从而证明了该分离方法的可行性。     

宁波非气象雷达回波的人工智能识别及滤波

统计分析2003—2006年宁波雷达的非气象杂波, 影响杂波主要为地物杂波, 包括普通地物杂波 (NP杂波) 和异常地物杂波 (AP杂波) ; 并分析这些杂波在反射率因子、径向速度、谱宽产品上不连续的离散状分布等特征。基于以上特征及传统杂波识别的经验而设计出一种近似模拟人眼模糊识别的稳定安全的多维线性近似的杂波识别及其过滤算法, 在 190 个个例测试中大都效果较好, 尤其在 150 km 以内, 能够在确保降水数据完整、准确的基础上有效过滤非气象杂波。     

基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析

超折射地物是影响雷达定量探测降水和其他产品的重要因素,文中使用合肥、广州、温州、天津的SA多普勒雷达和上海的WSR-88D资料分析了混合性暴雨降水、对流性降水、地物回波的回波强度、径向速度、速度谱宽的取值范围、水平垂直变化及其地物回波与地形海拔高度的关系等特征,并确定了模糊逻辑识别超折射地物的隶属函数。在Kessinger方法基础上,考虑到雷达径向速度的距离模糊问题和地物回波与方位的关系,提出了基于模糊逻辑的分步式地物回波识别方法,通过调整已被严格标准识别为地物和非地物的邻近区域回波点的判据,来减小地物的漏判和降水回波的误判。利用降水回波、地物回波的个例资料分析了回波强度、径向速度和速度谱宽资料在识别地物回波中的贡献,分析了分步方法对地物回波识别效果的改善。结果表明:该方法能较好识别地物回波和降水回波,径向速度和速度谱宽资料在地物识别中作用明显,利用分步方法明显改善了在速度模糊区暴雨过程对流云团被误判为地物的概率。     

多普勒天气雷达地物回波特征及其识别方法改进

非气象因子会在雷达探测时对雷达资料造成污染,并导致雷达数据的质量问题,在雷达数据应用之前必须对被污染的距离库进行识别和处理。该文在现有基于模糊逻辑识别地物回波工作的基础上,发展适合于我国CINRAD/SA的地物回波识别方法,采用北京和天津雷达2005,2006年夏季部分时段体扫资料,同时对反射率因子和径向速度以及速度谱宽进行处理,得到不同回波的各种特征, 并对各种回波特征进行分析; 考虑到隶属函数的确定是地物识别准确率的关键, 运用CSI (critical success index)评判标准确定了模糊逻辑超折射地物回波识别的最佳线性梯形隶属函数;通过识别效果分析说明该方法在识别超折射地物回波中的作用。结果表明:运用改进后的模糊逻辑法可以更好地识别地物回波, 特别是那些超折射地物回波; 与原方法相比, 改进后的方法有效减少了对降水回波的误判。     

降水时风廓线雷达风场反演效果评估

风廓线雷达（wind profile radar,WPR）因具有高时空分辨率特点,成为当前短时临近预报的重要参考工具。降水时WPR同时接收大气湍流回波和降水粒子散射回波,现有技术不能有效分离叠加在一起的湍流信号和降水信号,导致降水期间风廓线雷达反演的风场数据严重缺失或失真。根据风廓线雷达探测技术原理及降水天气的功率谱特点,提出了降水天气时风廓线雷达湍流信号提取方法（WPR-HW）,并选取2015—2018年天津10次降水过程对WPR-HW方法进行模式检验及个例效果评估。结果表明:WPR-HW方法对改善降水期间风廓线雷达风场数据缺失问题效果明显,在选取的10次降水过程中,目前通用的风廓线雷达风场反演方法（WIND）风场数据平均缺失率为25.4%,WPR-HW方法未出现风场数据缺失现象;WPR-HW方法较WIND方法反演风场数据可信度有显著提高,反演数据与再分析数据的风速均方根误差由WIND方法的2.3 m·s-1降至WPR-HW方法的1.6 m·s-1,风向均方根误差由WIND方法的45°降至WPR-HW方法的22°,从而验证WPR-HW方法在降水期间适用。     

雷达地物回波模糊逻辑识别法的改进及效果检验

地物回波是影响中国新一代天气雷达资料质量的一个非常重要的因素。用模糊逻辑的算法,从识别降水回波和地物回波的特征参数中,选择了效果较好的6个特征参数。根据降水回波与地物回波的特征差异,进行模糊化处理,得出每个象素是地物的可能性,对超出地物阈值的象素点则识别剔除。并针对以前方法对镶嵌在降水中的地物以及小尺度对流云地物过度抑制的问题进行了改进:一是通过在剔除地物回波的基础上增加了回波填补的功能,将降水区域中的"回波空洞"进行有效填补;二是将地物判别阈值由固定的常数变为随距离变化的函数,减小对流云特别是小尺度强对流云边缘地物的过渡抑制。最后用统计平均法检验了整个质量控制算法,通过比较天津雷达质量控制前后的回波强度累加平均图,表明该算法对地物回波有显著的识别效果。     

新一代天气雷达海浪回波特征分析和识别方法研究

海浪回波是影响沿海雷达定量降水估测和其他产品的重要因素,根据福州、温州的SA多普勒雷达收集的海浪回波资料,按出现时间关系将其分为两类。第1类海浪回波强度一般较强,主要出现在非台风期间降水过程的前后;第2类海浪回波强度较弱且均匀,仅在台风期间的雷达位置的近海域出现。通过分析资料得到两类海浪回波不同于对应降水回波的各种特征,确定识别海浪回波的最佳隶属函数。针对第1类海浪回波,考虑到海浪回波很少与降水回波混合,采用了基于回波分块和模糊逻辑的海浪回波识别方法,首先利用算法预处理条件判断是否执行算法识别,然后采用风暴单体识别与跟踪(SCIT)算法将回波组合成块,计算每个独立回波块的属性值,对符合要求的回波块和离散回波点再进行基于模糊逻辑的逐点识别,借鉴了刘黎平等2007年提出的分步式回波识别方法并加以改进来实现回波点的动态阈值识别。针对第2类海浪回波,直接采用了基于模糊逻辑的分步式海浪回波识别方法。分析表明,两种识别方法能分别对应识别出大部分海浪回波,回波分块和分步式方法对海浪回波的识别效果有明显的改善,有效地降低了降水回波被误判为海浪回波的概率。