CN119001656A - 一种多波段天气雷达多类型自适应径向干扰滤除方法 - Google Patents

Abstract

本发明涉及一种多波段天气雷达多类型自适应径向干扰滤除方法，属于无线电领域，包括：采用signal指标检验雷达基数据是否存在径向干扰，如果存在则对雷达的探测距离进行分类判别；如果雷达探测距离在第一预设范围，则继续进行采样signal指标检验雷达基数据的径向干扰是否大于预设值，如果不大于预设值，则依次执行顺序不同的六种算法后输出质控码，否则，则依次执行顺序不同的六种算法后输出质控码；如果雷达探测距离在第二预设范围和第三预设范围内，则依次执行顺序不同的六种算法后输出质控码。本发明采用六种算法按照一定顺序运行，实现对不同类型的潜在径向干扰回波进行滤除插值处理，可有效地避免对数据的误滤除。

Description

一种多波段天气雷达多类型自适应径向干扰滤除方法

技术领域

本发明涉及无线电领域，尤其涉及一种多波段天气雷达多类型自适应径向干扰滤除方法。

背景技术

多普勒天气雷达反射率因子数据的质量除了受到地物、超折射、海浪等因素的影响外，还常受到其他雷达、电子设备等无线电源的干扰，以及太阳辐射的影响，在雷达PPI图上形成干扰回波，严重影响天气雷达的探测效果。并且大城市天气雷达的有源干扰回波明显多于偏远地区，其干扰回波也越明显。虽然预报员根据经验可以很容易对这类回波进行识别，但已有的回波识别算法对这种干扰回波的研究并不深入，对于某些特殊的回波识别效果较差，在有源干扰回波离雷达较远又有降水回波混合的区域，很难与降水回波分开，因此，如何滤除不同波段天气雷达的径向干扰是目前需要解决的问题。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种多波段天气雷达多类型自适应径向干扰滤除方法，解决了现有技术存在的不足。

本发明的目的通过以下技术方案来实现：一种多波段天气雷达多类型自适应径向干扰滤除方法，所述干扰滤除方法包括：

步骤一、采用signal指标检验雷达基数据是否存在径向干扰，如果存在则对雷达的探测距离进行分类判别；

步骤二、如果雷达探测距离在第一预设范围，则继续进行采样signal指标检验雷达基数据的径向干扰是否大于预设值，如果不大于预设值，则依次执行窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；如果大于预设值，则依次执行宽尖峰检测算法、窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

如果雷达探测距离在第二预设范围和第三预设范围内，则依次执行宽尖峰检测算法、窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码。

在执行间断尖峰识别算法后，还需判别雷达探测半径大小，如果雷达探测半径大于等于设定值，则执行径向阈值为60的较短纵向尖峰识别算法；如果雷达探测半径小于设定值，则执行径向阈值为110的较短纵向尖峰识别算法。

如果雷达探测距离在第二预设范围内，则依次执行阈值为55的宽尖峰检测算法、方位角不超过7°或11°的窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

在执行阈值为55的宽尖峰检测算法后，判断每根径向的有效数据所占百分数，如果95%和80%的分位数都大于等于80，则执行方位角不超过11°的窄尖峰算法，否则执行方位角不超过7°的窄尖峰算法。

如果雷达探测距离在第三预设范围内，则依次执行阈值为45的宽尖峰检测算法、方位角不超过7°或11°的窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

在执行阈值为55的宽尖峰检测算法后，判断每根径向的有效数据所占百分数，如果95%和80%的分位数都大于等于80，则执行方位角不超过11°的窄尖峰算法，否则执行方位角不超过7°的窄尖峰算法。

所述窄尖峰算法包括：

检测到回波的每个反射率门(α，l )，检测距雷达径向距离库l相同距离的方位角α± d的相邻波束的反射率，α表示雷达的方位，方位角的偏移d=5°；

如果满足条件无回波且或者无回波且，且满足条件，则反射率门(α，l )被认为是潜在干扰，Z为雷达反射率，表示方位角α-d上距离库l的反射率，表示沿径向方向上方位角为α距离库为l的方差；

计算沿给定雷达波束的潜在门的数量，如果该数量高于30%，并且潜在门的数量占有效反射率门的80%，则所有带有干扰的门都将被替换为从相邻波束插值的反射率，整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

其中，门具体指的都是某个距离库，只是表达的意义不同，反射率门为某个雷达反射率距离库，潜在门值得是某个距离库可能为干扰回拨，干扰的门为某个距离库的干扰回拨。

所述宽尖峰检测算法包括：

使用本地确认的反射率的变异系数来检查跨雷达波束和沿雷达波束的回波的可变性；

如果跨雷达波束的变异系数和沿雷达波束的变异系数同时满足条件，则反射率门(α，l)被认为是潜在干扰；

如果雷达波束沿线超过55%的门被归类为潜在干扰，则所有带有干扰的门都被替换为从相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

所述弧状尖峰识别算法包括：

对于每一根雷达径向从远离雷达端开始，检测回波的每个反射率门(α，l)，计算最近一个Z(α，l1)>−33dBZ到下一个Z(α，l2)>−33dBZ之间的距离r；

当一根径向上的r大于10km的次数R(α)≥3时，则检查距雷达相同距离的方位角内α ± d的向量波束的R(α)，d=10°；

如果满足条件 且相邻波束的l1(α)呈递增或递减趋势，则整个波束被给予潜在干扰标识，将当前α方位角的波束的所有回波值赋为缺失值，不再做任何插值填补处理，其中，表示在方位角内满足条件的径向数量。

所述间断尖峰识别算法包括：

对于给定仰角ε的每个方位角α，沿整个雷达波束对回波箱进行计数，以获得有效回波个数 ，var(ε,α)值被确定为n(ε,α)与相邻方位角α-1和α+1中的值之间的方差值中的更大者，即，其中，N表示沿雷达波束的雷达库数，表示仰角为ε、方位角为α和距离库l处有无回波，var(ε,α)表示仰角为ε和方位角为α的方差；

对于分析的方位角α，分别在±4和±40范围内计算两个平均值和，并确定值；

如果满足条件或者且，则认为该方位角为潜在干扰方位，同时，如果方位角α-1 和α+1是潜在干扰，则方位角α被认为是潜在干扰方位；

使用跨雷达波束计算的方差，确认每个仰角满足上述两个条件中的一个时，潜在干扰回波的方位角箱的跨方位的方差，如果满足条件且，则认为为潜在干扰，则所有带有干扰的门被替换为相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

所述较短纵向尖峰识别算法包括：

雷达库中的较短纵向干扰回波如果满足条件且和，则认为检测到干扰回波，将所有带有干扰的门替换为从相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识，表示沿径向方向上的反射率大于某个阈值的数量，表示跨径向方向上的反射率大于某个阈值的数量，表示沿径向方向上方位角为α距离库为l的方差。

所述反向弱波尖峰识别算法包括：

对于每个方位角，如果满足条件且且，则认为该雷达库为潜在干扰回波，则所有带有干扰的门被替换为从相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识，代表仰角ε、方位角α上所有距离库拟合出的反射率的斜率，表示仰角ε、方位角α-d和距离库l上的反射率。

本发明具有以下优点：一种多波段天气雷达多类型自适应径向干扰滤除方法，采用六种算法按照一定顺序运行，实现对不同类型的潜在径向干扰回波进行滤除插值处理，可有效地避免对数据的误滤除以及增加滤除的可靠性。

附图说明

图1为本发明的流程示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。下面结合附图对本发明做进一步的描述。

如图1所示，为了解决不同波段天气雷达径向干扰滤除问题，本发明具体涉及一种多波段天气雷达多类型自适应径向干扰滤除方法，其具体包括以下内容：

步骤一、采用signal指标检验雷达基数据是否存在径向干扰，如果存在则对雷达的探测距离进行分类判别，否则直接输出质控码；

进一步地，由于云区在雷达的探测范围内是相对连续的，所以在没有杂波的理想情况下，考虑到降水的反射率因子数据也应该是相对连续的，其径向能量同样是连续变化的。如果存在干扰回波，在杂波边界附近，径向能量可能会发生突变因此目前考虑，检测雷达回波相邻两个波束之间的差值在径向方向上的累积，后期可作为径向干扰出现的信号。出现径向干扰信号的计算方式如下：

(1)，

(2)，

其中，α代表雷达的方位，代表径向距离库，L代表一个径向上的总距离库数，count表示计数，where表示判断，radial表示整层的径向总数，energy表示相邻两根径向之间的能量累积，当能量累积超过1500dBZ的径向总数占单层PPI径向总数的比例（signal）>0%的时候，则认为当前PPI出现了干扰径向。

步骤二、如果雷达探测距离小于等于200km，则继续进行采样signal指标检验雷达基数据的径向干扰是否大于5%，如果不大于5%，则依次方位角不超过5°执行窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；如果大于5%，则依次执行阈值为55的宽尖峰检测算法、窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

如果雷达探测距离大于300km和大于200km且小于等于300km，则依次执行宽尖峰检测算法、窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码。

进一步地，在执行间断尖峰识别算法后，还需判别雷达探测半径大小，如果雷达探测半径大于等于200km，则执行径向阈值为60的较短纵向尖峰识别算法；如果雷达探测半径小于200km，则执行径向阈值为110的较短纵向尖峰识别算法。

进一步地，如果雷达探测距离大于300km，则依次执行阈值为55的宽尖峰检测算法、方位角不超过7°或11°的窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

如果雷达探测距离大于200km且小于等于300km，则依次执行阈值为45的宽尖峰检测算法、方位角不超过7°或11°的窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码。

进一步地，在执行阈值为55的宽尖峰检测算法后，判断每根径向的有效数据所占百分数，如果95%和80%的分位数都大于等于80，则执行方位角不超过11°的窄尖峰算法，否则执行方位角不超过7°的窄尖峰算法。

进一步地，宽尖峰检测算法具体包括以下内容：

对于宽干扰，采用基于雷达回波空间结构分析的算法，使用本地确定的反射率的变异系数（标准差与均值之比）来检查跨雷达波束和沿雷达波束的回波的可变性，因此如果第一个变异系数较高而后者较低，则给定回波被分类为潜在干扰，即：

跨雷达波束方向：（3），

沿雷达波束方向：（4），

如果同时满足公式（3）和（4）的两个条件则反射率门(α, l )被认为是潜在干扰。

其中是在方位角不超过 ± 5°的距离处跨雷达波束计算的给定门的变异系数；是沿雷达波束在 ± 10 km 范围内计算的给定雷达门的变异系数；Z是雷达反射率，以dBZ表示。

如果雷达波束沿线超过 55% 的门被归类为潜在干扰，则所有带有干扰的门都将被替换为从相邻波束插值的反射率，并且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识；雷达波束沿线是指径向方向上雷达扫描的一条射线。

进一步地，窄尖峰算法具体包括以下内容：

去除窄干扰，即方位角不超过11°的干扰，该算法应用于检测到回波的每个反射率门(α, l )，这意味着Z (α, l ) > − 33 dBZ （这是雷达测量到的最低反射率）。对于这些反射率门，检查距雷达距离库l相同距离的方位角 α ± d（其中d = 5°）的相邻波束的反射率：

无回波且（5），

无回波且（6），

为了避免将地形遮挡所造成的类似于径向干扰的纵向回波，在此步骤后引入纵向方差检测，以此来保留该类型的正常回波数据：

（7），

Z是雷达反射率，以表示。

如果满足公式（5）或（6）其中一个条件且满足公式（7）则反射率门(α, l )被认为是潜在干扰。对于d = 3°和 1°重复该过程。接下来，计算沿给定雷达波束的潜在门的数量，如果该数量高于 30%，并且潜在门的数量占有效反射率门的80%，则所有带有干扰的门都将被替换为从相邻波束插值的反射率，并且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

进一步地，弧状尖峰识别算法具体包括以下内容：

对于弧状干扰，即方位角不超过20°的干扰，对于每一根雷达径向从远离雷达端开始，检测回波的每个反射率门(α, l )，计算最近一个Z(α，l1)>−33dBZ到下一个Z(α，l2)>−33dBZ之间的距离r（以此类推），此时的距离库l1(α)被记录，当一根径向上的r大于10km的次数 R(α)≥3时；对于这些径向，检查距雷达相同距离的方位角内α ± d（其中d = 10°）的相邻波束的R(α)：

（8），

且相邻波束的l1(α)呈递增或递减趋势；其中，是在方位角内满足条件的径向数量。

如果满足公式（8）则整个波束被给予潜在干扰标识。由于弧状干扰的特殊性，这里只将该波束的所有回波值赋为缺失值，不再做任何插值填补处理。

进一步地，间断尖峰识别算法具体包括以下内容：

该算法适用于形状通常细长但沿雷达波束和横穿雷达波束不连续的干扰回波。由于其模式的不连续性，上述三个子算法无法处理此类干扰。该算法分为以下两个步骤：

首先检测具有间断干扰的潜在方位角，然后通过雷达波束的适当可变性来确认它们。对于最低仰角，省略第一步，因为此扫描可能非常多余，因此潜在干扰的检测可能效率不高，并且具有潜在干扰的方位角是从邻近的较高仰角获取。

在以下过程中，对于给定仰角ε（除了最低的仰角）的每个方位角α，沿整个雷达波束对回波箱进行计数，以获得有效回波个数n(ε,α)的值 ：

（9），

其中，，N是沿雷达波束的雷达库数，表示仰角为ε、方位角为α和距离库l处有无回波，var(ε,α)表示仰角为ε和方位角为α的方差。

var(ε,α)值被确定为n(ε,α)与相邻方位角α-1和α+1中的值之间的方差值中的较大者：

（10），

然后对于分析的方位角α，计算两个平均值和分别在±4和±40范围内，并确定值Var(ε,α)：

（11），

在满足以下条件的方位角上的雷达波束中发现潜在的间断干扰。

（12），

且（13），

若满足以上两个条件其中一个，则认为该方位角为潜在干扰方位。

由于这种类型的回波的特定形状，引入额外的检查以便平滑相关潜在干扰的场：如果方位角α-1和α+1是潜在干扰，则方位角α被认为是潜在干扰。

在最后一步中，使用跨雷达波束计算的方差，确认每个仰角具有此类潜在干扰回波的方位角箱的跨方位的方差，还需要考虑到无回波值情况，方位角箱指某个方位上的某个距离库。

且（14），

其中方差计算反射率（以 dBZ 为单位），反射率单位为。

若满足以上条件，则认为为潜在干扰。则所有带有干扰的门都将被替换为从相邻波束插值的反射率，并且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

上述公式的概念是间断干扰回波在穿过雷达波束的回波中具有特定的雷达反射率方差。方差以dBZ 为单位计算，因此是对数（），对于这种类型的回波来说很高。然而，dBZ的高方差也是强烈气象回波的特征，尤其是源自对流降雨的气象回波。另一方面，在非对数值()的情况下，气象回波的方差相对较高，因为它们的值通常比干扰回波的值更高，同时内部微分性更大。因此，用于检测间断干扰回波的算法假设它们均由针对以dBZ为单位的反射率计算的高方差和针对以 为单位的反射率计算的相对低方差来表征。

进一步地，较短纵向尖峰识别算法具体包括以下内容：

该算法仅用于干扰回波负担极大的雷达，仅用于最低的两个仰角。对于每个仰角，对于每个雷达箱使用 10 dBZ 的反射率阈值，计算沿尺寸连续相邻的反射率高于阈值的和跨尺寸给定的雷达波束出现的次数。雷达库中的较短纵向干扰回波如果满足以下两个条件，则认为检测到干扰回波。

且（15），

（16），

则所有带有干扰的门都将被替换为从相邻波束插值的反射率，并且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识，表示沿径向方向上的反射率大于某个阈值的数量，表示跨径向方向上的反射率大于某个阈值的数量，表示沿径向方向上方位角为α距离库为l的方差。

进一步地，反向弱波尖峰识别算法具体包括以下内容：

该算法针对雷达图片上可见的雷达站点的干扰形状。此类回波通常是波束阻挡的结果，但无法通过数字地形图（Dem）来检测它们。该子算法仅用于两个最低海拔。对于每个方位角，使用以下条件找到具有潜在反向干扰回波的雷达箱。

且且（17），

其中代表仰角ε、方位角α上所有距离库拟合出的反射率的斜率，表示仰角ε、方位角α-d和距离库l上的反射率，若满足以上条件则认为该雷达库为潜在干扰回波，此过程针对d值从1°到2°执行。

则所有带有干扰的门都将被替换为从相邻波束插值的反射率，并且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

潜在干扰型回波的径向干扰滤除子算法验证用于检查所有被标记为潜在干扰回波的回波，即怀疑为非气象回波的回波。为此，对于给定的方位角α和仰角ε，针对每种干扰回波类型分别计算检测到潜在干扰回波的箱数：如果超过预设阈值，则具有检测到的潜在干扰回波的箱数方位角α和仰角ε处的所有类型的潜在干扰均被滤除为真实（已确认）干扰。

进一步地，替换为从相邻波束插值的反射率中的插值算法包括以下两种插值：

1、对于给定的标记箱，检查相邻的箱，然后检查距雷达站点相同距离的进一步方位角（左侧和右侧），直到取消标记找到了。分析箱中的反射率值被确定为左侧和右侧两个值的平均值，但如果插值之一是无回波，则插值也被视为无回波。

2、对于给定的雷达标记箱采用与反向斑点滤除算法相似的原理，利用7×7的窗口用于插值，相应的权重t取10即可；该算法可执行两次，可以有效的填补出现的不合理数据空洞。

进一步地，为了后续能检验数据的可靠性，并且对雷达数据校验，如果发现一个雷达站点的数据经常出现径向干扰的情况较多，则可根据实际情况调教雷达或者寻找到干扰源；以此来监控雷达的数据质量情况。根据实际的统计分析，目前采用简易滤除的质控码来标识数据的质控情况；具体的质控指数计算如下：

对于一个体扫数据而言，对每一个仰角层进行处理，对处理过后出现的干扰径向数进行统计，计算得到每一仰角层的干扰径向数所占百分比；然后对所有仰角层的百分比相加；最后按以下规则输出数据质控码：

对百分比之和除以10并向上取整，对于小于10的数据则按照实际的数值输出质控后的数据以及数据的质控码，若大于等于10的数据则输出9作为数据质控码 。故整体数据的质控码范围为0~9，对于某个数据的质控码（质控码为5）理解则可以理解为：径向干扰的径向数占比相对于整层的径向数而言为40%~50%。如此对于某个数据的质控码则可以直观的反映出该体扫的质量好坏，也便于后期定期的检验数据。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和完善，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述干扰滤除方法包括：

步骤一、采用signal指标检验雷达基数据是否存在径向干扰，如果存在则对雷达的探测距离进行分类判别；

步骤二、如果雷达探测距离在第一预设范围，则继续进行采样signal指标检验雷达基数据的径向干扰是否大于预设值，如果不大于预设值，则依次执行窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；如果大于预设值，则依次执行宽尖峰检测算法、窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

如果雷达探测距离在第二预设范围和第三预设范围内，则依次执行宽尖峰检测算法、窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码。

2.根据权利要求1所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：在执行间断尖峰识别算法后，还需判别雷达探测半径大小，如果雷达探测半径大于等于设定值，则执行径向阈值为60的较短纵向尖峰识别算法；如果雷达探测半径小于设定值，则执行径向阈值为110的较短纵向尖峰识别算法。

3.根据权利要求1所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：如果雷达探测距离在第二预设范围内，则依次执行阈值为55的宽尖峰检测算法、方位角不超过7°或11°的窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

在执行阈值为55的宽尖峰检测算法后，判断每根径向的有效数据所占百分数，如果95%和80%的分位数都大于等于80，则执行方位角不超过11°的窄尖峰算法，否则执行方位角不超过7°的窄尖峰算法。

4.根据权利要求1所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：如果雷达探测距离在第三预设范围内，则依次执行阈值为45的宽尖峰检测算法、方位角不超过7°或11°的窄尖峰算法、弧状尖峰识别算法、间断尖峰识别算法、较短纵向尖峰识别算法和反向弱波尖峰识别算法后输出质控后的数据以及数据的质控码；

在执行阈值为55的宽尖峰检测算法后，判断每根径向的有效数据所占百分数，如果95%和80%的分位数都大于等于80，则执行方位角不超过11°的窄尖峰算法，否则执行方位角不超过7°的窄尖峰算法。

5.根据权利要求1-4中任意一项所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述窄尖峰算法包括：

检测到回波的每个反射率门(α，l )，检测距雷达径向距离库l相同距离的方位角α ±d的相邻波束的反射率，α表示雷达的方位，方位角的偏移d=5°；

如果满足条件无回波且或者无回波且，且满足条件，则反射率门(α，l )被认为是潜在干扰，Z为雷达反射率，表示方位角α-d上距离库l的反射率，表示沿径向方向上方位角为α距离库为l的方差；

计算沿给定雷达波束的潜在门的数量，如果该数量高于30%，并且潜在门的数量占有效反射率门的80%，则所有带有干扰的门都将被替换为从相邻波束插值的反射率，整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

6.根据权利要求1-4中任意一项所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述宽尖峰检测算法包括：

使用本地确认的反射率的变异系数来检查跨雷达波束和沿雷达波束的回波的可变性；

如果跨雷达波束的变异系数和沿雷达波束的变异系数同时满足条件，则反射率门(α，l)被认为是潜在干扰；

如果雷达波束沿线超过55%的门被归类为潜在干扰，则所有带有干扰的门都被替换为从相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

7.根据权利要求1-4中任意一项所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述弧状尖峰识别算法包括：

对于每一根雷达径向从远离雷达端开始，检测回波的每个反射率门(α，l)，计算最近一个Z(α，l1)>−33dBZ到下一个Z(α，l2)>−33dBZ之间的距离r；

当一根径向上的r大于10km的次数R(α)≥3时，则检查距雷达相同距离的方位角内α ±d的向量波束的R(α)，d=10°；

如果满足条件 且相邻波束的l1(α)呈递增或递减趋势，则整个波束被给予潜在干扰标识，将当前α方位角的波束的所有回波值赋为缺失值，不再做任何插值填补处理，其中，表示在方位角内满足条件的径向数量。

8.根据权利要求1-4中任意一项所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述间断尖峰识别算法包括：

对于给定仰角ε的每个方位角α，沿整个雷达波束对回波箱进行计数，以获得有效回波个数，var (ε,α)值被确定为n (ε,α)与相邻方位角α-1和α+1之间的方差值中的更大者，即，其中，N表示沿雷达波束的雷达库数，表示仰角为ε、方位角为α和距离库l处有无回波，var (ε,α)表示仰角为ε和方位角为α的方差；

对于分析的方位角α，分别在±4和±40范围内计算两个平均值和，并确定值；

如果满足条件或者且，则认为该方位角为潜在干扰方位，同时，如果方位角α-1和α+1是潜在干扰，则方位角α被认为是潜在干扰方位；

使用跨雷达波束计算的方差，确认每个仰角满足上述两个条件中的一个时，潜在干扰回波的方位角箱的跨方位的方差，如果满足条件且，则认为为潜在干扰，则所有带有干扰的门被替换为相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识。

9.根据权利要求1-4中任意一项所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述较短纵向尖峰识别算法包括：

雷达库中的短纵向干扰回波如果满足条件且和，则认为检测到干扰回波，将所有带有干扰的门替换为从相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识，表示沿径向方向上的反射率大于某个阈值的数量，表示跨径向方向上的反射率大于某个阈值的数量，表示沿径向方向上方位角为α距离库为l的方差。

10.根据权利要求1-4中任意一项所述的一种多波段天气雷达多类型自适应径向干扰滤除方法，其特征在于：所述反向弱波尖峰识别算法包括：

对于每个方位角，如果满足条件且且，则认为该雷达库为潜在干扰回波，则所有带有干扰的门被替换为从相邻波束插值的反射率，且整个波束被视为带有干扰，此时该雷达波束被给予干扰标识，代表仰角ε、方位角α上所有距离库拟合出的反射率的斜率，表示仰角ε、方位角α-d和距离库l上的反射率。