[go: up one dir, main page]

CN109254291B - 云雷达的多普勒功率谱数据融合方法及装置 - Google Patents

云雷达的多普勒功率谱数据融合方法及装置 Download PDF

Info

Publication number
CN109254291B
CN109254291B CN201811229474.8A CN201811229474A CN109254291B CN 109254291 B CN109254291 B CN 109254291B CN 201811229474 A CN201811229474 A CN 201811229474A CN 109254291 B CN109254291 B CN 109254291B
Authority
CN
China
Prior art keywords
power spectrum
doppler power
spectrum data
data
groups
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201811229474.8A
Other languages
English (en)
Other versions
CN109254291A (zh
Inventor
刘黎平
郑佳锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Academy of Meteorological Sciences CAMS
Original Assignee
Chinese Academy of Meteorological Sciences CAMS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chinese Academy of Meteorological Sciences CAMS filed Critical Chinese Academy of Meteorological Sciences CAMS
Priority to CN201811229474.8A priority Critical patent/CN109254291B/zh
Publication of CN109254291A publication Critical patent/CN109254291A/zh
Application granted granted Critical
Publication of CN109254291B publication Critical patent/CN109254291B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请提供一种云雷达的多普勒功率谱数据融合方法及装置。该方法包括：对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理，根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值；从N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。从而可对不同观测模式测云后得到的多组多普勒功率谱数据进行融合。

Description

云雷达的多普勒功率谱数据融合方法及装置
技术领域
本申请涉及气象观测技术领域，尤其涉及一种云雷达的多普勒功率谱数据融合方法及装置。
背景技术
云是转化成降水的重要过程，是影响气候的重要原因，是人工影响天气的主要对象，因而是气象观测中非常重要的一个要素。而云雷达是观测云的重要手段，为了达到常年观测的目的，目前我国云雷达通常采用固态发射机，但因固态发射机体制的云雷达发射功率有限，为了提高云雷达的探测精度，同时减小观测盲区，必须采用不同脉冲宽度、不同相干和非相干积累等多种观测模式，并获取多种多普勒功率谱。其中的多普勒功率谱是用来描述云雷达回波能量随云的下落速度变化的具体分布，是云雷达重要的观测量，是反演空气上升速度和雨滴谱等云微观物理量的重要数据来源。
在云雷达采用的不同观测模式中，灵敏度最高的观测模式能观测到高层的弱云，但在低层有较大盲区，同时存在数据的距离旁瓣假回波问题，因采用了相干积累，其对应的最大径向速度值也比较小，经常出现径向速度的部分模糊问题。而灵敏度比较低的观测模式，能很好观测到低层的云降水，但对弱云的观测能力比较差，通常存在漏测。为了发挥各个观测模式的优势，拓宽观测范围，减小数据误差，必须对多普勒功率谱进行数据质量控制和融合。
如何对多种观测模式下得到的多普勒功率谱数据进行融合，得到多观测模式优势互补的融合多普勒功率谱数据，是一个亟需解决的问题。
发明内容
本申请提供一种云雷达的多普勒功率谱数据融合方法及装置，可实现对多种观测模式下得到的多普勒功率谱进行融合，得到多观测模式优势互补的融合多普勒功率谱数据。
第一方面，本申请提供一种云雷达的多普勒功率谱数据融合方法，包括：
对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，所述N为正整数；
对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理；
根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，所述质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值；
从所述N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。
可选的，所述根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，包括：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于所述最大探测距离且大于所述最小探测距离；
信噪比小于所述信噪比过饱和阈值；
功率谱数值大于所述灵敏度阈值；
速度误差小于所述速度误差阈值。
可选的，所述对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理之前，所述方法还包括：
对所述模糊纠正后的N组多普勒功率谱数据进行谱距计算，得到N个回波强度，使用所述N个回波强度对所述模糊纠正后的N组多普勒功率谱数据进行归一化处理；
对所述模糊纠正后的N组多普勒功率谱数据中经过脉冲压缩的多普勒功率谱数据按照如下操作进行距离旁瓣识别和剔除：
将多普勒功率谱的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
可选的，所述得到融合后的多普勒功率谱数据之后，所述方法还包括：
对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。
第二方面，本申请提供一种云雷达的多普勒功率谱数据融合装置，包括：
第一处理模块，用于对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，所述N为正整数，对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理；
选择模块，用于根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，所述质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值；
第二处理模块，用于从所述N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。
可选的，所述选择模块用于：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于所述最大探测距离且大于所述最小探测距离；
信噪比小于所述信噪比过饱和阈值；
功率谱数值大于所述灵敏度阈值；
速度误差小于所述速度误差阈值。
可选的，所述第一处理模块还用于：
在对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理之前，对所述模糊纠正后的N组多普勒功率谱数据进行谱距计算，得到N个回波强度，使用所述N个回波强度对所述模糊纠正后的N组多普勒功率谱数据进行归一化处理；
对所述模糊纠正后的N组多普勒功率谱数据中经过脉冲压缩的多普勒功率谱数据按照如下操作进行距离旁瓣识别和剔除：
将多普勒功率谱的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
可选的，所述第二处理模块还用于：
对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。
第三方面，本申请提供一种云雷达的多普勒功率谱数据融合装置，包括：
存储器，用于存储程序指令；
处理器，用于调用并执行所述存储器中的程序指令，以实现第一方面的云雷达的多普勒功率谱数据融合方法。
第四方面，本申请提供一种可读存储介质，可读存储介质中存储有计算机程序，当云雷达的多普勒功率谱数据融合装置的至少一个处理器执行该计算机程序时，云雷达的多普勒功率谱数据融合装置执行第一方面的云雷达的多普勒功率谱数据融合方法。
第五方面，本申请提供一种程序产品，该程序产品包括计算机程序，该计算机程序存储在可读存储介质中。云雷达的多普勒功率谱数据融合装置的至少一个处理器可以从可读存储介质读取该计算机程序，至少一个处理器执行该计算机程序使得云雷达的多普勒功率谱数据融合装置实施第一方面的云雷达的多普勒功率谱数据融合方法。
本申请提供的云雷达的多普勒功率谱数据融合方法及装置，通过先对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，接着对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理，根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，最后从N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。从而可对云雷达在采用多个不同观测模式测云后得到的多组多普勒功率谱数据进行融合，得到多观测模式优势互补的融合多普勒功率谱数据，弥补不同观测模式的不足，为进一步分析云降水的空气上升速度和雨滴谱等提供了依据。
附图说明
为了清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种云雷达的多普勒功率谱数据融合方法实施例的流程图；
图2为本申请提供的一种云雷达的多普勒功率谱数据融合方法实施例的流程图；
图3为本申请提供的一种云雷达的多普勒功率谱数据融合方法实施例的流程图；
图4为本申请提供的一种云雷达的多普勒功率谱数据融合装置实施例的结构示意图；
图5为本申请提供的一种云雷达的多普勒功率谱数据融合装置实施例的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请提供一种云雷达的多普勒功率谱数据融合方法及装置，可应用于气象观测场景中，可对云雷达在采用多个不同观测模式测云后得到的多组多普勒功率谱数据进行融合，得到多观测模式优势互补的融合多普勒功率谱数据，弥补不同观测模式的不足，并重新计算优化的回波强度、径向速度、速度谱宽，为进一步分析云降水的空气上升速度和雨滴谱等提供了依据。下面结合附图详细说明本申请的技术方案。
图1为本申请提供的一种云雷达的多普勒功率谱数据融合方法实施例的流程图，本实施例的执行主体可以为任一具有实现本实施例的云雷达的多普勒功率谱数据融合方法功能的软件或硬件，如图1所示，本实施例的方法可以包括：
S101、对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，N为正整数。
具体地，获得在N个观测模式下的N组多普勒功率谱数据之后，先对每组多普勒功率谱数据进行模糊纠正，具体是先进行谱噪声电平计算，判断是否有气象信号，若否则丢弃无气象信号的多普勒功率谱数据，若是则判断是否有速度模糊，若有速度模糊则进行模糊纠正，得到模糊纠正后的多普勒功率谱数据。
S102、对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理。
具体地，由于不同观测模式下的多普勒功率谱数据的定标和数据分辨率存在差异，因此需要先进行单位转化和数据插值处理。本实施例中对对模糊纠正后的N组多普勒功率谱数据进行单位转化，具体是将功率统一转化为dBZ，接着进行数据插值处理，得到速度分辨率一致的功率谱。
S103、根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值。
其中，质量控制参数可以是根据实验数据分析比较得出，存储在实现本实施例的云雷达的多普勒功率谱数据融合方法功能的软件或硬件中，不同观测模式下的质量控制参数稍有差异。
具体地，根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，可以为：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于最大探测距离且大于最小探测距离；
信噪比小于信噪比过饱和阈值；
功率谱数值大于灵敏度阈值；
速度误差小于速度误差阈值。
其中，具体是选择出均满足上述条件的多普勒功率谱数据。
S104、从N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。
具体地，每一组多普勒功率谱一共有256个谱点，对于每一个谱点，从N组可用的多普勒功率谱数据中确定出最优的多普勒功率谱的每一谱点的数据，最终得到一个融合后的多普勒功率谱数据，具体可以为：
首先，对于每一个谱点，从N个功率谱谱点数据中选出有效数据，如果只有一个有效数据，则这个有效数据即为一谱点的数据。如果有多个有效数据，则根据如下方法进行选优：
当经过模糊纠正谱点如果与没有经过模糊纠正的谱点的差值大于预设谱点阈值，则经过模糊纠正谱点被剔除；
当回波强度大于预设回波强度阈值，且径向速度绝对值小于预设径向速度阈值时，选择没有经过相干积累处理的谱点数据；
在谱点数据小于预设谱点阈值时，选择灵敏度高的观测模式的谱点数据；
其他情况一样条件下，选择数值大的谱点数据。
本实施例中，可选的，在得到融合后的多普勒功率谱数据之后，还可以包括：对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。相比较现有技术中对N个观测模式中每一观测模式下的多普勒功率谱数据先计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度，得到N个反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度，然后再对N个反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度进行融合，得到一个反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度，本实施例中先进行多普勒功率谱数据融合，得到的是多观测模式优势互补的融合多普勒功率谱数据，弥补了不同观测模式的不足，如采用相关积累的高灵敏度观测模式低估了径向速度大的功率谱，灵敏度低的模式低估了弱的功率谱数据等，然后再对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度，一方面改进了多普勒功率谱数据的质量，另一方面降低了计算复杂度。
本实施例提供的云雷达的多普勒功率谱数据融合方法，通过先对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，接着对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理，根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，最后从N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。从而可对云雷达在采用多个不同观测模式测云后得到的多组多普勒功率谱数据进行融合，得到多观测模式优势互补的融合多普勒功率谱数据，弥补不同观测模式的不足，为进一步分析云降水的空气上升速度和雨滴谱等提供了依据。
图2为本申请提供的一种云雷达的多普勒功率谱数据融合方法实施例的流程图，本实施例的执行主体可以为任一具有实现本实施例的云雷达的多普勒功率谱数据融合方法功能的软件或硬件，如图2所示，本实施例的方法可以包括：
S201、对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，N为正整数。
具体的过程可参见上一实施例中S101中详细的解释，此处不再赘述。
S202、对模糊纠正后的N组多普勒功率谱数据进行谱距计算，得到N个回波强度，使用N个回波强度对模糊纠正后的N组多普勒功率谱数据进行归一化处理，对模糊纠正后的N组多普勒功率谱数据中经过脉冲压缩的多普勒功率谱数据按照如下操作进行距离旁瓣识别和剔除：将多普勒功率谱的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
具体地，通过S202这一步骤，剔除了因脉冲压缩产生的虚假的多普勒功率谱数据，提高了数据的质量，需要说明的是，采用脉冲压缩模式观测的多普勒功率谱数据才需要进行S202这一操作。
S203、对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理。
本实施例中对对模糊纠正后的N组多普勒功率谱数据进行单位转化，具体是将功率统一转化为dBZ，接着进行数据插值处理，得到速度分辨率一致的功率谱。
S204、根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值。
其中，质量控制参数可以是根据实验数据分析比较得出，存储在实现本实施例的云雷达的多普勒功率谱数据融合方法功能的软件或硬件中，不同观测模式下的质量控制参数稍有差异。
具体地，根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，可以为：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于最大探测距离且大于最小探测距离；
信噪比小于信噪比过饱和阈值；
功率谱数值大于灵敏度阈值；
速度误差小于速度误差阈值。
其中，具体是选择出均满足上述条件的多普勒功率谱数据。
S205、从N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。
同样地，本实施例中，可选的，在得到融合后的多普勒功率谱数据之后，还可以包括：对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。相比较现有技术，本实施例中先进行多普勒功率谱数据融合，得到的是多观测模式优势互补的融合多普勒功率谱数据，弥补了不同观测模式的不足，然后再对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度，一方面改进了多普勒功率谱数据的质量，另一方面降低了计算复杂度。
本实施例提供的云雷达的多普勒功率谱数据融合方法，可对云雷达在采用多个不同观测模式测云后得到的多组多普勒功率谱数据进行融合，得到多观测模式优势互补的融合多普勒功率谱数据，弥补不同观测模式的不足，为进一步分析云降水的空气上升速度和雨滴谱等提供了依据。相比较实施例一，本实施例通过在对多普勒功率谱数据融合之前，识别出属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除，剔除了因脉冲压缩产生的虚假的多普勒功率谱数据，提高了数据的质量，提高了融合后的多普勒功率谱数据的准确度。
下面以观测模式为3个为例，对图2所示方法实施例的技术方案进行详细说明。本实施例中，Ka波段固态发射机体制云雷达采用3个观测模式，进行循环观测。模式1为边界层云观测模式，通常采用短脉冲、相干累计等，其灵敏度为中等，但最大可测径向速度最低；模式2采用卷云模式，长脉冲和相干积累，其灵敏度最高，但出现了多普勒功率谱的距离旁瓣虚假回波，即强的功率谱在其上下高度层出现了速度一致但幅度很弱的虚假的功率谱数据，同时，这个模式在低层(如2km)以下为盲区；模式3采用降水模式，短脉冲，它的最大可测径向速度最大，受相干积累等影响最小，但灵敏度最差。可见，不同观测模式下均存在不足，本实施例通过采用下述融合方法对云雷达的多普勒功率谱数据进行融合，可得到多观测模式优势互补的融合多普勒功率谱数据，弥补不同观测模式的不足。
图3为本申请提供的一种云雷达的多普勒功率谱数据融合方法实施例的流程图，如图3所示，本实施例的方法可以包括：
S301、对3个观测模式下的3组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的3组多普勒功率谱数据。
具体地，如图3所示，分别对模式1下的多普勒功率谱数据SZ1、模式2下的多普勒功率谱数据SZ2、模式3下的多普勒功率谱数据SZ3进行模糊纠正，具体是先进行谱噪声电平计算，判断是否有气象信号，若否则丢弃有气象信号的多普勒功率谱数据，若是则判断是否有速度模糊，若有速度模糊则进行模糊纠正，得到模糊纠正后的多普勒功率谱数据SZ1、模糊纠正后的多普勒功率谱数据SZ2和模糊纠正后的多普勒功率谱数据SZ3。
S302、对模糊纠正后的多普勒功率谱数据SZ2进行谱距计算，得到N个回波强度，使用N个回波强度对模糊纠正后的N组多普勒功率谱数据进行归一化处理。对归一化处理后的多普勒功率谱数据SZ2进行识别，识别出属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除，具体可以为：
将经过脉冲压缩的多普勒功率谱数据SZ2的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
如图3所示，图3中示出了对模糊纠正后的多普勒功率谱数据SZ2进行S302的处理，是因为模式2采用卷云模式，长脉冲和相干积累，其灵敏度最高，但出现了多普勒功率谱的距离旁瓣虚假回波，因此需要剔除属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据。
S303、分别对模糊纠正后的多普勒功率谱数据SZ1、剔除距离旁瓣后的多普勒功率谱数据SZ2和模糊纠正后的多普勒功率谱数据SZ3进行单位转化和数据插值处理。
如图3所示，具体是将功率统一转化为dBZ，接着进行数据插值处理。
S304、根据预存的质量控制参数从单位转化和数据插值处理后的3组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到3组可用的多普勒功率谱数据，质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值。
具体地，如图3中所示，首先选择出探测距离小于最大探测距离且大于最小探测距离的多普勒功率谱数据，模式1中最大探测距离为Rmax1，模式3中最大探测距离为Rmax3，大于最大探测距离的多普勒功率谱数据舍弃，盲区为模式2中的最小探测距离，盲区以内的多普勒功率谱数据舍弃。接着，进行FFT谱点不是气象信号的多普勒功率谱数据舍弃，选择出FFT谱点是气象信号的多普勒功率谱数据。接着，对模式1和模式2进行信噪比判断，选择出信噪比小于信噪比过饱和阈值的多普勒功率谱数据，舍弃信噪比大于信噪比过饱和阈值的多普勒功率谱数据。模式3进行灵敏度判断，选择出灵敏度大于灵敏度阈值的多普勒功率谱数据，舍弃小于灵敏度阈值的多普勒功率谱数据。最后，模式1、模式2和模式3进行速度判断，选择出速度误差小于速度误差阈值的多普勒功率谱数据，舍弃速度误差大于速度误差阈值的多普勒功率谱数据。需要说明的是，上述质量控制参数的判断顺序不限。
S305、从3组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。
S306、对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。
图4为本申请提供的一种云雷达的多普勒功率谱数据融合装置实施例的结构示意图，如图4所示，本实施例的装置可以包括：第一处理模块11、选择模块12和第二处理模块13，其中，
第一处理模块11用于对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，所述N为正整数，对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理。
选择模块12用于根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，所述质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值。
第二处理模块13用于从所述N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据。
进一步地，选择模块12用于：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于所述最大探测距离且大于所述最小探测距离；
信噪比小于所述信噪比过饱和阈值；
功率谱数值大于所述灵敏度阈值；
速度误差小于所述速度误差阈值。
进一步地，第一处理模块11还用于：
在对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理之前，对所述模糊纠正后的N组多普勒功率谱数据进行谱距计算，得到N个回波强度，使用所述N个回波强度对所述模糊纠正后的N组多普勒功率谱数据进行归一化处理；
对所述模糊纠正后的N组多普勒功率谱数据中经过脉冲压缩的多普勒功率谱数据按照如下操作进行距离旁瓣识别和剔除：
将多普勒功率谱的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
进一步地，第二处理模块13还用于：
对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。
本实施例的装置，可以用于执行图1、图2或图3所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图5为本申请提供的一种云雷达的多普勒功率谱数据融合装置实施例的结构示意图，如图5所示，本实施例的装置可以包括：存储器201和处理器202，
存储器201，用于存储程序指令，该存储器可以是flash(闪存)。
处理器202，用于调用并执行存储器中的程序指令，以实现图1、图2或图3所示的云雷达的多普勒功率谱数据融合方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
还可以包括输入/输出接口203。输入/输出接口203可以包括独立的输出接口和输入接口，也可以为集成输入和输出的集成接口。其中，输出接口用于输出数据，输入接口用于获取输入的数据，上述输出的数据为上述方法实施例中输出的统称，输入的数据为上述方法实施例中输入的统称。
本申请还提供一种可读存储介质，可读存储介质中存储有计算机程序，当云雷达的多普勒功率谱数据融合装置的至少一个处理器执行该计算机程序时，云雷达的多普勒功率谱数据融合装置执行第一方面的云雷达的多普勒功率谱数据融合方法。
本申请还提供一种程序产品，该程序产品包括计算机程序，该计算机程序存储在可读存储介质中。云雷达的多普勒功率谱数据融合装置的至少一个处理器可以从可读存储介质读取该计算机程序，至少一个处理器执行该计算机程序使得云雷达的多普勒功率谱数据融合装置实施第一方面的云雷达的多普勒功率谱数据融合方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种云雷达的多普勒功率谱数据融合方法，其特征在于，包括：
对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，所述N为正整数；
对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理；
根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，所述质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值；
从所述N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据，包括：
从N组可用的多普勒功率数据中确定出最优的多普勒功率谱的每一谱点的数据。
2.根据权利要求1所述的方法，其特征在于，所述根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，包括：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于所述最大探测距离且大于所述最小探测距离；
信噪比小于所述信噪比过饱和阈值；
功率谱数值大于所述灵敏度阈值；
速度误差小于所述速度误差阈值。
3.根据权利要求1或2所述的方法，其特征在于，所述对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理之前，所述方法还包括：
对所述模糊纠正后的N组多普勒功率谱数据进行谱距计算，得到N个回波强度，使用所述N个回波强度对所述模糊纠正后的N组多普勒功率谱数据进行归一化处理；
对所述模糊纠正后的N组多普勒功率谱数据中经过脉冲压缩的多普勒功率谱数据按照如下操作进行距离旁瓣识别和剔除：
将多普勒功率谱的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
4.根据权利要求1或2所述的方法，其特征在于，所述得到融合后的多普勒功率谱数据之后，所述方法还包括：
对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。
5.一种云雷达的多普勒功率谱数据融合装置，其特征在于，包括：
第一处理模块，用于对N个观测模式下的N组多普勒功率谱数据进行模糊纠正，得到模糊纠正后的N组多普勒功率谱数据，所述N为正整数，对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理；
选择模块，用于根据预存的质量控制参数从单位转化和数据插值处理后的N组多普勒功率谱数据中选择出每一观测模式下可用的多普勒功率谱数据，得到N组可用的多普勒功率谱数据，所述质量控制参数包括最大探测距离、最小探测距离、信噪比过饱和阈值、灵敏度阈值和速度误差阈值；
第二处理模块，用于从所述N组可用的多普勒功率谱数据中确定出多普勒功率谱的每一谱点的数据，得到融合后的多普勒功率谱数据，包括：
从N组可用的多普勒功率数据中确定出最优的多普勒功率谱的每一谱点的数据。
6.根据权利要求5所述的装置，其特征在于，所述选择模块用于：
从每一组单位转化和数据插值处理后多普勒功率谱数据中，选择出满足如下条件的多普勒功率谱数据：
探测距离小于所述最大探测距离且大于所述最小探测距离；
信噪比小于所述信噪比过饱和阈值；
功率谱数值大于所述灵敏度阈值；
速度误差小于所述速度误差阈值。
7.根据权利要求5或6所述的装置，其特征在于，所述第一处理模块还用于：
在对模糊纠正后的N组多普勒功率谱数据进行单位转化和数据插值处理之前，对所述模糊纠正后的N组多普勒功率谱数据进行谱距计算，得到N个回波强度，使用所述N个回波强度对所述模糊纠正后的N组多普勒功率谱数据进行归一化处理；
对所述模糊纠正后的N组多普勒功率谱数据中经过脉冲压缩的多普勒功率谱数据按照如下操作进行距离旁瓣识别和剔除：
将多普勒功率谱的每一谱点与预设范围内相同径向速度的谱点进行对比，将差值大于预设阈值的谱点识别为属于脉冲压缩产生的距离旁瓣对应的多普勒功率谱数据并剔除。
8.根据权利要求5或6所述的装置，其特征在于，所述第二处理模块还用于：
对融合后的多普勒功率谱数据通过积分计算出反射率因子、径向速度、速度谱宽、退极化比、谱偏度和谱峰度。
9.一种云雷达的多普勒功率谱数据融合装置，其特征在于，包括：存储器和处理器；
存储器用于存储程序指令；
处理器用于调用存储器中的程序指令执行权利要求1-4任一项所述的云雷达的多普勒功率谱数据融合方法。
10.一种可读存储介质，其特征在于，可读存储介质中存储有执行指令，当云雷达的多普勒功率谱数据融合装置的至少一个处理器执行该执行指令时，云雷达的多普勒功率谱数据融合装置执行权利要求1-4任一项所述的云雷达的多普勒功率谱数据融合方法。
CN201811229474.8A 2018-10-22 2018-10-22 云雷达的多普勒功率谱数据融合方法及装置 Expired - Fee Related CN109254291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811229474.8A CN109254291B (zh) 2018-10-22 2018-10-22 云雷达的多普勒功率谱数据融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811229474.8A CN109254291B (zh) 2018-10-22 2018-10-22 云雷达的多普勒功率谱数据融合方法及装置

Publications (2)

Publication Number Publication Date
CN109254291A CN109254291A (zh) 2019-01-22
CN109254291B true CN109254291B (zh) 2021-03-23

Family

ID=65046037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811229474.8A Expired - Fee Related CN109254291B (zh) 2018-10-22 2018-10-22 云雷达的多普勒功率谱数据融合方法及装置

Country Status (1)

Country Link
CN (1) CN109254291B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111856472B (zh) * 2020-06-08 2023-08-01 福建省气象信息中心(福建省气象档案馆) 一种消除毫米波云雷达旁瓣回波的方法及装置
CN112213703B (zh) * 2020-08-18 2023-07-18 成都信息工程大学 一种利用毫米波云雷达反演云参数的方法及装置
CN113075754B (zh) * 2021-04-01 2022-10-04 南京红露麟激光雷达科技有限公司 一种基于相干多普勒激光雷达的雨滴谱获取方法及装置
CN114545417B (zh) * 2022-04-25 2022-07-19 中国气象科学研究院 一种基于最优参数的雨滴谱反演方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3794361B2 (ja) * 2002-08-28 2006-07-05 三菱電機株式会社 レーダ信号処理装置及びレーダ信号処理方法
CN102890272B (zh) * 2012-11-05 2013-12-04 中国航天科工集团第二研究院二十三所 一种毫米波云雷达信号处理方法
CN103592648B (zh) * 2013-11-22 2015-08-12 北京无线电测量研究所 一种毫米波气象雷达的观测方法
CN104345312B (zh) * 2014-10-27 2017-01-25 北京无线电测量研究所 一种毫米波云雷达的数据融合方法及系统
CN107450076B (zh) * 2017-07-19 2019-11-22 清华大学 测云雷达的协同组网测量方法及装置

Also Published As

Publication number Publication date
CN109254291A (zh) 2019-01-22

Similar Documents

Publication Publication Date Title
CN109254291B (zh) 云雷达的多普勒功率谱数据融合方法及装置
JP6304567B2 (ja) 測距装置及び測距方法
US9261585B2 (en) Radar apparatus using image change detector and method of operating the same
CN111371436B (zh) 雷达天线扫描周期测量方法、装置、设备及存储介质
CN109613503B (zh) 雷达回波信号的标校方法和装置
CN110400340B (zh) 深度图处理方法和装置
CN105607062B (zh) 一种天气雷达图分析系统
WO2022100482A1 (zh) 回波信号干扰确定方法及装置、电子设备及存储介质
EP3665512B1 (en) Real-time computation of an atmospheric precipitation rate from a digital image of an environment where an atmospheric precipitation is taking place
WO2015071925A1 (ja) 分析装置、分析方法および分析プログラム
CN113970734A (zh) 路侧多线激光雷达降雪噪点去除方法、装置及设备
CN104656100A (zh) 一种行扫描高光谱实时异常探测方法与系统
WO2021056434A1 (zh) 一种探测对象的检测方法、探测设备及毫米波雷达
CN116953087A (zh) 一种桥梁节段拼装施工质量智能检测方法
US11668857B2 (en) Device, method and computer program product for validating data provided by a rain sensor
KR102011959B1 (ko) 펄스 압축 과정에서 간섭신호를 탐지하는 레이더 수신신호 처리 방법 및 그를 위한 장치
CN114495409B (zh) 烟雾传感器灵敏度补偿方法、装置、系统及存储介质
CN116359886B (zh) 一种雷达控制方法、终端设备及计算机可读存储介质
KR101770742B1 (ko) 클러터를 억제하는 표적 탐지 장치 및 그 방법
CN116448219B (zh) 油位异常检测方法、装置、设备及计算机可读存储介质
CN111830488B (zh) 一种基于gm-apd激光测距系统的回波信号数据处理方法及系统
CN108196221A (zh) 一种基于多基线干涉仪角度模糊区间的去野值方法
CN118294972B (zh) 基于光子计数激光雷达的自适应测距方法及系统
CN103376445B (zh) 基于野值剔除的指数分布参数确定方法和装置
CN111399038B (zh) 斜率参数提取方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210323