CN102405422B - 在声雷达系统中检测和补偿降水的方法 - Google Patents

Abstract

一种使用声雷达装置(200)来检测降水的方法，所述声雷达装置将声束(31)传向大气、检测从大气返回的回声、从该回声来确定包括在多个多普勒频移的频率处的回声的相对强度的多普勒频移频谱(41、42)以及估计风速与方向。该方法包括基于多普勒频移频谱(41、42)自动估计降水(42)的存在。

Description

在声雷达系统中检测和补偿降水的方法

技术领域

本发明涉及使用定向声波来远距离检测大气现象，例如，风速的系统。

背景技术

声雷达系统使用定向声波来检测大气现象，例如风速。通过将声束在多个方向上对准大气，并测量从大气中的湍流和断层返回的回声的多普勒频移和强度，可以精确地估计风速和其它大气现象。目前正在使用的声雷达主要是单基地相控阵声雷达。单基地声雷达系统发出声束并接听它们从单一位置的反射。通过使用声传送器(transducer)阵列，相控阵单基地声雷达将束导向不同的方向，而且对来自这些方向的回声敏感，所述声传送器以不同的相位来分组发送与接收，从而随意地对准所发送的声束和灵敏区域。

历史上，声雷达系统已经用于探究空中的各种大气状况，包括风速、湍流以及热分层和稳定性。历史上，要获得有关大气状况的有益理解，必须对声雷达数据进行大量的人工分析和解释。

目前，声雷达系统的使用主要集中在空中风速的测量，通常是为了评定安装风力机的候选场所的风资源，但也有其它多种目的，举例来说，为天气预报模型和污染扩散研究提供输入数据。在这方面，主要关注的是返回的回声的多普勒频移。目前，声雷达系统严重依赖于这个多普勒频移的自动检测，以及多普勒频移信息到径向、垂直和水平风速的转换。现有技术依赖于相对简单的统计方法，其自动确定在几个束方向的每一个方向上的单个多普勒频移。充其量，现有技术将速度强向下的时段识别为可能与降水有关的象征。在现有技术中，收集声雷达数据时的常规作法是忽略降水期间的数据。这种方法并不理想，因为可能会丢掉获取的大部分的数据。

现有技术中所使用的简单的统计方法没能充分利用返回信号中可用的频谱信息。从大气返回的声信号并不是频率域内的单一的、纯的、尖锐响应的简单信号。响应频谱可包含多个峰：与空气速度相关的峰；与固定回声相关的峰；和从雨及其它降水反射回来的峰。与现有技术相比，区分、分离和分别测量这些多个峰提供了为声雷达用户提供有益的附加信息方法。

发明内容

本发明包括一种方法，用于在相控阵单基地声雷达设备中自动检测从大气返回的信号中的频谱峰。本发明可能使用的声雷达系统的非限制性实例公开于美国专利系列申请(序列号11/934,915，申请日2007年11月5日，题目为“Transducer Array Arrangement and Operationfor Sodar Applications”)中，通过引用将全文并入于此。本发明的方法并不假定返回的信号只包括单一频谱峰，而是说明在返回的信号中可能有两个或更多个多普勒频移的频谱峰。预期从空气本身中的湍流反射回来一个峰，该峰与空气本身的速度相关。可以检测从气团中的任何降水反射回来的另一个峰，该峰与这个降水的速度相关。

本发明的方法自动检测什么时候返回的频谱中存在多个峰。当检测多个峰时，该方法将频谱分成响应频率的降水相关区域和响应频率的风速相关区域。个体估计由每一个这些频谱区内部的峰频率组成。这些峰的特征用于估计降水的存在和强度，其可用于更精确地估计风速，即使在有降水的情况下这也是可能的，并用于估计在多大程度上降水已不可避免地降低风估计的精确度。

本发明涉及一种使用声雷达装置来检测降水的方法，所述声雷达装置将声束传向大气、检测从大气返回的回声、从该回声来确定包括在各个多普勒频移的频率处的回声的相对强度的多普勒频移频谱，以及估计风速与方向。在一个实施例中，本发明的方法包括基于多普勒频移频谱自动估计降水的存在。降水存在的自动估计可包括自动区分多普勒频移频谱中与风速相关的频率或频带和多普勒频移频谱中与降水相关的频率或频带。

在一个实施例中，本发明还可包括使用所估计的降水的存在，来自动提高在有雨情况下的风速估计的精确度。本方法还可包括基于多普勒频移频谱来自动估计雨的强度。雨的强度估计可用来更精确地确定雨的存在在什么时候降低了风估计的可靠性。

可以通过自动识别多普勒频移频谱中的两个相异的峰，来自动区分多普勒频移频谱中与风速相关的频率或频带和多普勒频移频谱中与降水相关的频率或频带，其中，一个峰与雨速相关，而另一个峰与风速相关。本方法还可包括逐一地自动确定各峰的主频率，也可包括自动确定什么时候峰的差别并不足以精确地估计风速，作为可靠性的确定。在一平均周期内许多样品的频谱可用来进行风速估计和确定可靠性。

可通过对平均频谱进行曲线拟合来完成对两个相异的峰的识别。曲线拟合可是频谱的对数的高阶多项式曲线拟合；高阶多项式可是八次(octic)或八阶多项式。可用二次曲线来拟合高阶多项式的峰，且二次曲线可随后用于产生两个高斯曲线，一个代表与降水相关的频谱的区域，另一个代表与风速相关的频谱的区域。自动识别多普勒频移频谱中的两个相异的峰可包括：在频谱上发现拐点，并将其视为第二峰。将拐点视为第二峰可包括：通过在多项式中增加随频率增大或减少的项来改变频谱，以使局部的拐点变成局部最大值，从而导致产生的多项式具有两个最大值。

自动识别多普勒频移频谱中的两个相异的峰可包括：如果有超过两个的峰，则自动去除一个或多个多余的峰。如果有超过两个的峰则自动去除一个或多个多余的峰可包括：如果最低频率的峰的振幅在所有峰中是最小的，则去掉该最低频率的峰，和/或，去掉具有最大振幅的两个峰以外的所有峰。

两个峰的性质可用于估计雨的强度，以便通过限制所分析的频谱的部分而更精确地估计存在降水时的风速，以估计那部分可能只归因于风而不归因于降水的频谱，以及估计降水在多大程度上降低了风速估计的精确度。模糊逻辑技术可用于估计降水的存在，用于限制所分析的频谱的部分，并用于估计风速精确度的降低。

附图说明

结合附图本发明更易理解，本发明的其它多个目标、特征和优点将得以充分阐明，附图中相似的附图标记指示各个示图中相同或相似的部分，其中：

图1是本发明可以使用的声雷达装置的剖视图；

图2是本发明可以使用的声雷达装置中的主要信号处理组件的框图。

图3大体上示出涉及使用典型的现有技术来处理来自声雷达装置的数据的主要步骤，其中没有降水检测。

图4A示出在没有任何降水的情况下来自声雷达装置的典型的频谱响应。

图4B示出来自存在少量降水的情况下操作的声雷达装置的典型的频谱响应。

图4C示出来自存在中度降水的情况下操作的声雷达装置的典型的频谱响应。

图4D示出来自存在大量降水的情况下操作的声雷达装置的典型的频谱响应。

图5示出本发明的方法的优选实施例的某些步骤，用以检测降水的存在并把与降水相关的频谱的部分和与风相关的频谱的部分分开。

图6A-6L示出本发明的实施例中所使用的模糊规则；

图7示出本发明的方法的优选实施例的某些步骤，用以估计风速及估计给定降水存在和分离与降水相关的频谱的部分的信息的风速的置信度。

图8A、8B和8C示出本发明的方法的优选实施例采用的三个束中的每一束的示例频谱。

图9A和9B对比图3的现有技术的信号处理技术和本发明的信号处理方法，分别示出使用声雷达装置而测量的水平的和垂直的风数据的时间序列。

图10A是示出在降水期间传统的风速计测量和使用现有技术的信号处理技术测量的声雷达风速的相关性的散点图。

图10B是使用本发明的方法的优选实施例处理同样数据的散点图。

具体实施方式

本发明的方法可用于图1中所示的声雷达装置。然而，本方法还可用于其它种类的单基地和双基地声雷达设备。图1中所示的相控阵单基地声雷达装置包括个体声传送器10的阵列100。传送器10连接至电子和数据处理系统20，其导致它们发出声的相控阵束30，如图所示，通常在水平方向。这些束入射在固体光滑表面上，即“声镜(soundmirror)”或“镜(mirror)”上，这导致声束通常被向上反射，成为反射束31。

反射声束31入射在上层大气的湍流处和密度不同处。一些来自这些束的声能被沿着与射出的束31和30相同的路径反射回来，返回到相控阵100中的传送器10，在那里，它们被电子器件包20的接收组件检测。这些组件安装在外壳200上，外壳200支持多个组件，而且也能用来阻断来自非期望方向的杂散的声传输和接收。

为了在存在降水的情况下用声雷达装置来测量风速与方向，明显地，必要条件是充分地保护传送器10的阵列100，使之免受任何可以永久地损坏它们或暂时干扰它们运行的降水的影响。上述方法中，外壳200保护阵列100使之免受元件的影响，其中，镜40用于反射通常来自水平路径30的声束，由此，从阵列发出声束通常进入垂直路径31，上述方法是获得这种保护的非限制性手段，这在现有技术中是已知的。其它保护阵列100不受降水破坏并使它在存在降水的情况下仍可运转的手段是可能的，本发明同样可用于这样的其它手段。

电子设备20以发送方式驱动阵列100中的传送器100，以接收方式检测和评价回音。图2以框图的形式更详细地示出电子设备20的一个非限制性例子。系统的运行包括一系列的“发射”。各发射包括初始周期和紧随其后的第二周期，在初始周期中，对电子设备(electronics)进行设置以将声音信号发送至空气中，在第二周期中，对电子设备进行设置以接收、分析和记录输入信号，特别是从外界反射回来的所发送信号的回声。本发明的方法包括对在发射的该第二周期内的输入信号进行处理和分析。

图2中所示的组件包括硬件和软件元件，可以用各种方式来实现其功能，这对本领域的普通技术人员来说是显而易见的，而且它们都在本发明的范围内。尽管如此，大多数的单基地相控阵声雷达电子系统将包括图2中所示的元件，无论这些元件是物理电子硬件、控制和信号处理计算机内部的程序，还是两者的组合(这对现代声雷达装置来说是典型的)。

在运行中，控制元件21将设置交换网络24，以使阵列100的传送器10通过发送放大器23连接至信号源22。信号源22将为各传送器10提供适当相控的信号，以促使阵列100以特定总体向上的方向发送声31的聚焦束；在通过引用而合并于此的申请中更详细地阐明这个方面。紧随着这个发送，控制元件21将设置交换网络24，以使阵列100的传送器10通过接收放大器25连接至信号转换和分析组件26。使用相控阵技术来设置这个接收方式配置，以使在束31的发送方向的灵敏度达到最大化。转换和分析组件26分析返回的回声的频谱性质，从而估计在装置以上的不同高度上的大气性质，下面将描述之。这个分析过程包含于本发明。在对接收的数据进行分析后，可使用某些存储元件27进行存储，使用报告部件28来进行发送、报告或显示，也可同时使用它们两个，这在大多数情况下是有用的。

声雷达装置只对束31径向的空气速度敏感。没有直接估计水平风速或来自单向的单个发射的方向的手段。相应地，设置控制元件21，以顺序调整束31的发送方向和返回的回声的最大化的灵敏度的方向。为决定水平风速、水平风向和垂直风速，至少需要三个束的方向。在已经采用本发明技术的通过引用合并于此的申请中，所述装置发送三个束，它们相对于竖直方向在三个方向上有大约11°的倾角，所述三个方向相隔120°方位角。同样地，所述技术可用于其它在多个方向发送束的声雷达装置，举例来说，单一束多为完全垂直，而第二和第三束相对于竖直方向是倾斜的(例如，大约15°的倾角)，且彼此间隔大约90°方位角。通过在三个不同的方向上发送束，以及估计在三个不同方向上的径向速度，可使用向量分析技术来提取最关注的水平速度和方向。本发明还可以用于双基地声雷达系统，其中，使用分离的发送器和接收器。

来自任何单独发射的数据很可能被噪声污染。此外，在任何关注的特定高度，都无法保证关注的信号相对于噪声足够强从而有用或者实际上可完全检测。相应地，声雷达系统一般并不在单组的三个发射的基础上报告近瞬时条件(near-instantaneous condition)，其可在大约6秒钟内完成。相反，典型地，基于在三个方向的每个方向上的许多发射的平均，声雷达系统估计大气状况。举例来说，可以在10分钟间隔内对数据取平均，其包括在三个方向的每个方向上的大约100个发射。

图3以流程图的形式更详细地示出用于未使用本发明的方法的声雷达系统的典型的现有的总体处理技术300。以10分钟的块(举例来说)来处理声雷达数据。在这个周期内，在三个束方向的每个方向上重复发射。如上所述，在步骤302中，对每个方向来说，发送有方向性的声学脉冲或束31，随后在步骤304中，装置被设置为记录来自外界的回声或声反射。

束31行进到特定高度的时间，以及接着任何回声从那个高度返回到装置的行进时间，都取决于该高度和声速。相应地，在步骤306-310中，返回的信号可被分解或窗格化成与在装置上的不同高度上大气状况相关的片段，对本领域的普通技术人员来说，这是声雷达装置的有用特征。

随后，在步骤310中，对这个窗格化的数据进行快速傅立叶变换，以将时序信号转换至频率域，并因此使返回的信号的多普勒频移可被测量。出于此种转换领域的普通技术人员所知的原因，如果对数据施加某种形式的渐进窗格化(gradual windowing)，例如，汉明窗，则将获得更为精确的频谱，而没有窗格化处理的人为因素，但如果对数据施加突然的或“矩形函数(boxcar)”窗格化，则情况不同。出于此种转换领域的普通技术人员所知的原因，如果给窗格化的数据添加一系列足够的零，使其变换的总长度等于2的幂，例如1024，则获得更多的频谱点和更有效的频谱计算。

在步骤314中，在特定的高度上，产生的单独发射的频谱的特征可被概括为多普勒频移，在步骤316中，其为信号水平和信噪比(SNR)，对本领域的普通技术人员来说，产生这个总计数据的方法是显而易见的。在步骤312中，本领域普通技术人员所知的技术可用于除去从固定目标返回的零多普勒频移回声的影响。

最后，在步骤318中，10分钟之后，可以计算各高度上的各个束方向的平均频谱。在特定的平均中，可使用本领域的普通技术人员显而易见的技术，基于信号强度、噪声强度和信噪比，对在该特定的平均中使用的单独发射的单独频移进行加权。在步骤320中，使用对本领域的普通技术人员显而易见的方法，平均频移可用于计算水平风速、方向和垂直风速。

上述技术适用于无降水时期。图4A示出在没有降水的条件下来自单独发射的频谱。可见由于风速而导致多普勒频移的清晰频谱峰40。在增强的降水水平下，雨滴的垂直速度开始影响频谱。在图4B中(小雨)，相当清晰的与风相关的峰41还是明显可见的。少量降水引入额外的小峰42，这或许与雨滴速度有关。峰43可能与风或降水有关，它影响任何风速估计的置信度，还可能影响其精确度。在图4C中(中雨)，组峰44与风相关，而组峰45与雨相关。在这种情况下，峰44是清晰可见的，因此频谱中并没有丢失风的数据，但是，标准的信号处理技术却很可能选择峰45作为频移的频谱而用于峰估计，从而在风速估计中引入显著误差。在图4D中(大雨)，与雨相关的峰46在很大程度上占支配地位，从组峰47中精确估计风速会是不可能的。

在当前技术的状态下，在有雨的情况下，声雷达将报告错误的强向下的垂直速度。对在解释声雷达数据的领域内的操作员来说，这样强垂直向下的速度象征着有雨，也象征着声雷达所报告的水平速度和方向可能是错误的，应被去掉。

由上述显而易见，识别降水相关的多普勒频移峰，区分这样的峰并将它们从纯与风相关的峰中分离出来的方法，将提供在有小雨和中雨的情况下以有用的精确度提取风数据的手段，以及拒绝会无可挽回地损害风速估计的过大降水时的数据的自动手段，将提供去除在大雨中收集的错误风数据的手段。

图5示出和描述本发明的方法400的优选方案所涉及的基本步骤，其中，所述方法用以检测和分离与雨相关的多普勒频移。

在200米左右高度(现代的相控阵单基地声雷达典型地运行于该高度下)范围上，如果存在雨，则在整个测量的垂直柱(verticalcolumn)上，雨大多一般是均匀的。相应地，只估计一个或几个高度处的降水量，就足以使用这些高度处的雨估计作为所有高度处雨的代表。这是有用的，原因是，检测较低高度处的与雨相关的频谱成分并把它们和与风相关的频谱成分分开是比较容易的，所述较低高度例如40、50和60米，在那里，与从较高高度返回的信号相比，来自风和雨的信号是比较强的，较少被随机噪声掩盖。因此，在步骤404中，只来自一个或多个相对较低高度的发射数据402被用于优选方案。

在步骤406中，本发明的方法减低或去掉(过滤器)信噪比(SNR，按照频谱峰中的能量与宽带能量之比来计算)低于某极限的频谱样本。作为它的一个非限制性例子，SNR是主峰附近的平均PSD除以其余处的平均PSD。典型地，用dB来表示之，计算公式是：SNR＝10＊log(主平均/(其它处平均/标准化))，其中所述标准化＝(总频谱带宽-汉明窗的宽度)/汉明窗的宽度。已经发现，对雨过滤器来说，适当的SNR过滤器只通过SNR＞7dB的发射。

在步骤408，对各束方向来说(对三个束方向中的每一个来说，步骤都相同，因此将只就一个方向进行描述)，推定可靠的剩余频谱被平均化为初平均。如果初步平均表明，频谱峰的振幅与数据集的主峰振幅显著不同，则该频谱被认为是不可靠的。如果这个不可靠的峰明显地大于平均，则它可能反过来影响雨检测的精确度。相应地，如果频谱峰明显大于初步平均的峰，则去掉该频谱。作为非限制性的例子，如果频谱的峰振幅大于粗平均峰的振幅的5倍，则本方法可能去掉该未处理的频谱。在去掉这些不可靠的采样频谱之后，使用剩余频谱来计算最后平均。图8A、8B和8C中所分别示出的虚线50、51和52是这些最后平均频谱的例子。

在步骤410中，为了自动识别与风相关的峰及分离与雨相关的峰(如果有的话)，用某种数学函数的曲线拟合对代表现实世界的随机测量的频谱进行近似，这在计算上是比较方便的。然而，本发明也包括直接从平均频谱中识别峰。一个适用的曲线拟合的非限制性的例子是先对频谱取自然对数，然后用八次或八阶多项式函数对其进行拟合。下面将讨论为什么使用自然对数是有益的。图8A、8B和8C中所分别示出的短划线53、54和55是这种曲线拟合的例子。

一旦曲线拟合生效，那么在八次曲线关于频率的导数为零而二阶导数小于零的点处，可识别一个或两个峰。同与空气本身速度相关的峰相比，雨滴掉落时穿过气团并因此具有较大的升频多普勒频移，因此高频的峰总是与雨相关的。图8A、8B和8C中的垂直的点划线56、57和58分别与风速峰相关，而图8A、8B和8C中的垂直的点划线59、60和61分别与雨峰相关。

在罕见的情况，可能有超过或少于两个的峰。在八次曲线拟合的情况下，可能有一个、三个或四个峰，而不是两个峰。后续处理取决于选择哪两个峰与风和雨相对应的峰。优选地，本方法的方法包括自动手段，所述自动手段在存在多于两个峰的情况下，基于对返回的声雷达信号的频谱性质的认识，选择使用哪两个峰。作为非限制性的例子，在一个除去多余峰的方法中，可使用下列规则：(a)如果有三个峰且最低频的峰的振幅也是最小的，则去掉该峰；(b)如果有三个峰、最低频的峰的振幅不是最大的且其频率明显小于下一较高频峰的频率，则去掉该峰；(c)如果有三个或更多个峰且步骤(a)和(b)都未能除去峰，则只保留最大的两个峰。

在只能找到一个真实最大值的情况下，提供自动找到作为第二峰的点的手段，也是有用的。作为一个非限制性的例子，可以使用找到频谱上最显著的拐点并将其作为第二峰的手段。作为非限制性的例子，通过向八次多项式增加项可以“倾斜(title)”频谱，所述项随频率增大或减小；在一个非限制性的实施例中，这种增减可以是线性的。这个项具有将局部拐点变成局部最大值的效果，这样，所产生的多项式具有两个用于后续处理的最大值。

使用下列方法，这些单独的峰可被精确地模型化为高斯曲线，所述方法如以上讨论对频谱的对数进行八次曲线拟合。高斯曲线是二次曲线的指数。可用二次曲线拟合八次曲线的两个选择峰中的任意一个，方法是通过计算二次曲线，在峰点处其值、一阶导数和二阶导数与八次曲线相匹配。基于较低频率二次式的高斯曲线对应于风，在图8A-8C分别用实线62、63和64示出。基于较高频率二次式的曲线对应于雨，在图8A-8C分别用实线65、66和67示出。

在步骤412中，这些高斯曲线可被解释为概率密度函数(PDF)。较低频率的PDF对应于风，在任何特定频率处的曲线的振幅对应于在该频率的频谱能量与风相关的概率。相反地，较高频率的PDF对应于雨，在任何特定频率处的曲线的振幅对应于在该频率的频谱能量与雨相关的概率。

在一个或多个高度上，从这些在时间间隔内获得的三个束方向的高斯曲线的形状，可确定雨仍在下的可能性，以及雨的可能强度。此外，对声雷达装置来说，最重要的是风速的精确估计可能是本发明主要用途，在频谱内可围绕风的峰建立边界，在该边界内，风的数据不会因雨的存在而受到破坏，或者，换句话说，选择用以估计风的频率的峰的修正频谱带宽，并提供置信度量，说明在多大程度上能精确地估计风速，即使是在可能存在降水的情况下。

作为非限制性的例子，两个高斯曲线的峰之间的间隔、这两个曲线的高度之比、各曲线的半幅值宽度以及这两个曲线彼此相交处的幅值，都被选为高斯曲线的形状的相关的且可自动计算的量度。

在步骤414中，可向高斯曲线的量度施加一套模糊逻辑规则，从而计算风和雨的束径向速度统计量，这对信号处理领域的普通技术人员而言将是显而易见的。特别地，在步骤424中，用于风测量的频谱截频，或者，换句话说，修正的频谱的极限；用于风的径向速度的置信因数；降水滴的速度、强度和类型的量度；以及用于降水状态的这些量度的置信因数，都可以计算出来。模糊逻辑规则是确定频谱截频的有效方式，但是，本发明的方法也可不使用模糊逻辑而得以实现。

此外，模糊逻辑规则可用来核对这些结果是否是合理的，换句话说，核对它们是否能通过正确性检查(sanity check)，在步骤416中。此外，在步骤418中，可综合来自三个径向的信息，以核对所计算的三个束的统计量彼此相符。在步骤417中，可考虑温度，这对本领域的普通技术人员来说是显而易见的。

适当的模糊规则和它们的应用的非限制性的例子如下。参见图6A-6L。图6A-6E中所示的5个规则(分别为，用于好发射的数目的规则、用于主要的风的峰的频率的规则、用于雨的峰的频率的规则、用于峰的间隔的规则以及用于峰宽的规则)基于每个束和每个高度使用，举例来说，对于A、B和C束的每一束和在40m、50m和60m高度的每一个高度。

注意，第五规则(图6E)使用了两次，一次是为风的峰的宽，另一次是为雨的峰的宽。只有当被测试的峰至少为另一个峰的1/4大时，才施加这个规则，因此，如果峰相对较小，则不在其上使用该宽度规则。

通过取得从每一个规则发现的真值的最小值，来找到全体模糊真值。这是模糊“与”操作。规则1必须为真，“与”规则2必须为真，“与”规则3必须为真，等等。从各规则计算真值，取最小值，并将它用作本雨/风分解的置信度的评级。

由于这个例子中有三个束和三个高度，因此这导致9个分解，具有9个不同真值。

接下来，在单个高度处的A、B和C束的分解被综合起来。使用更多的模糊规则，形成A、B和C组的综合的真实因子(truth factor)。

首先从A、B和C束分解中取得三个真值，将它们按照从最坏到最好的顺序排列(真值的升序)，并施加图6F、6G和6H中所示的规则(分别是用于最坏束评级的规则、用于次坏束评级的规则以及用于最好束评级的规则)。这三个模糊规则提供通过取最小值(模糊“与”操作)而综合的真值，其给出在这一个高度处三个束的分解的总体评级。

对其他两个高度进行同样的分析，那么现在9个真值已经减少至三个，各用于40m、50m和60m的高度。这为分解提供“可信度”的量度。所期望的是某种象征，表明正在下着的雨的强度(雨风比RainWindRatio)、正在下雨的确定性(雨置信度RainConf)以及在多大程度上可信赖风的测定(风置信度WindConf)。在各个高度处，这些是被独立评价的。

雨风比(在一个高度处)是为A、B和C束计算的雨风比的加权平均，其中，A、B和C“可信度”评级被用作权重。雨风比用dB表示；对各个束，它是：10＊log(雨峰高度RainPeakHeight/风峰高度WindPeakHeight)。因此，综合的加权平均是dB′s的平均。

雨置信度(在一个高度处)是图6I和6J中所示的两个模糊规则值的最小值(分别是，用于雨置信度的规则#1(综合的真值)和用于雨置信度的规则#2(雨风比))，在A、B和C束的综合评级上评价其中的一个(图6I)，在三个束的综合雨风比上评价另一个(图6J)。

风置信度(在一个高度处)是图6K和6L中所示的两个模糊规则值的最小值(分别是，用于风置信度的规则#1(综合的真值)和用于风置信度的规则#2(雨风比))。

这个分析为各个高度，40m、50m和60m，提供下列数字。

1.评级(综合可信度指示符)

2.雨风比(A、B和C束各个的加权平均)

3.雨置信度(在多大程度上我们确信正在下雨)

4.风置信度(在多大程度上我们可以信赖风的测定)

此外，对各个高度来说，各个束的频谱的截频被用于改进风的测定。

将来自三个高度的数据综合成单个组的数字的最后一步使用加权平均。各个高度的评级(综合可信度指示符)被用作各个加权平均中的权重。那么，最后，结果是下列各数的加权平均：

1.雨风比

2.雨置信度

3.风置信度

4.束A频谱的截频

5.束B频谱的截频

6.束C频谱的截频

见步骤420、422和424。

图7示出本发明的方法500的优选的实施例，其利用上述信息在有雨的情况下使用声雷达装置来估计风速。在步骤501中，图5中所示的上述信号处理是图7中的第一步。本发明的方法500和图3中所示的典型的现有技术方法之间的仅有的其它差别是，在步骤514中，本发明的方法向频移的频率峰的检测施加如步骤501中所计算的修正的频谱极限。

优选地，只向在时间块或平均周期中取得的数据施加雨检测算法的结果，其中，这些结果是在所述时间块或平均周期内计算的。这是优选的，因为从一个平均周期到下一个平均周期降水可能有显著的变化。实际上，这可能是难以完成的，因为只有当整个(举例来说，5或10分钟)平均周期过去后，雨检测算法的结果才能可用。由于未处理的频谱的数据集的大小以及声雷达装置信号处理设备内部提供的典型硬件存储器的实际极限，因此，保持未处理的数据直到将要与数据一起使用的修正的频谱带宽可用，可能是不切实际的。在这种情况下，可选的实施例是在一个平均周期内计算雨统统计和修正的频谱带宽，并在随后的平均周期内使用这些值。该方法不间断地工作，其中，基于来自前面紧接着的平均周期的雨统计和修正的频谱带宽，在各个平均周期内估计风。当然，如果存储器可用，最好实行优选方案。

图9A、9B和10A、10B示出使用本发明的方法的优选实施例所确定的数据。这些数据说明，同现有技术方法(例如，图3中所示的方法)比较起来，本发明能够在有雨的情况下更精确地估计风速，且能够在由于雨而不可能对风进行精确估计的时候更可靠地进行检测。

图9A是在大约6小时的过程里在高于装置40米的高度处测量的水平风速的平均的时间系列。在这个图表中，以传统方式处理的数据用带三角形的短划线来表示，而使用本发明的优选实施例处理的数据用带正方形的实线来表示。从图9A显见，本发明的方法报告更多的数据，而且，与现有技术相比，该数据的一致性更好。

图9B使用相同的符号示出现有技术和本发明的方法的垂直风速，其中，所使用的数据与图9A相同。在这个图表中，在有雨的情况下由装置所测量的垂直风速的极端的和不正确的值是非常明显的，而由本发明的方法校正的垂直风速的数据则显示出合理的数值。

图10A和10B是图9A中所报告的数据的散点图和最小二乘法线性拟合，所比较的对象是从装配在附近的塔上的40米高度处的杯式风速计收集而来的数据。图10A示出以图3所示的传统(现有技术)方式处理的数据。相关性差，线性回归的斜率只有0.360，而对完全相关来说，该值应为1.0，另外，相关系数R＝0.220是相当低的。图10B示出与同样的风速计数据相比较的相同数据，但是，在这种情况下，使用本发明的优选实施例来处理数据：斜率为0.899，而相关系数为0.688，如果风速的两个量度完美相符，则这两个值都与所期望的接近得多。

关于图10B中所示的相关性，值得注意的是，出于本领域的普通技术人员所知的多个理由，杯形风力计和声雷达装置之间基于逐个平均块的完全相关并不是所期望的。这些理由包括声雷达装置与装配有风速计的塔之间必须有物理分离，另一个事实是，声雷达装置测量在大量空气上平均的速度，而杯形风力计进行的是近点源的测量。此外，任何相关性的缺少都可能部分出于杯形风力计在有降水的情况下本身性能的下降。

有关本发明的用法与操作的方式的进一步讨论，根据上述描述同样是显而易见的。相应地，不再提供用法与操作的方式的相关讨论。

根据上面的描述，应当清楚本发明的部件间的理想空间关系，包括各种尺寸、材料、形状、形式、操作功能和方式、组装和使用，对于本领域技术人员应当是显而易见的，所有与本说明中所述和附图中所示相同的关系均包含于本发明中。

因此，上面应视为只是对本发明主旨的例述。此外，由于本领域普通技术人员易于进行多种修改和变化，因此，不应当将本发明限制于所示和所述的特定结构和操作，而且，相应地，所有可能想到的恰当的修改和等价物均落入本发明的范围。

Claims (25)

1.一种使用声雷达装置来检测降水的方法，所述声雷达装置将声束发送到大气，检测从大气返回的回声，从该回声来确定包括在多个多普勒频移的频率处的回声的相对强度的多普勒频移频谱，以及估计风速与方向，该方法包括：

基于多普勒频移频谱自动估计是否存在降水；

使用所估计的降水的存在，来自动提高在有雨情况下的风速估计的精确度；以及

基于多普勒频移频谱来自动估计雨的强度，

其中，雨的强度估计用来更精确地确定雨的存在在什么时候降低了风估计的可靠性。

2.如权利要求1所述的方法，其中，降水存在的自动估计包括自动区分多普勒频移频谱中与风速相关的频率或频带和多普勒频移频谱中与降水相关的频率或频带。

3.如权利要求2所述的方法，其中，自动区分多普勒频移频谱中与风速相关的频率或频带和多普勒频移频谱中与降水相关的频率或频带包括：自动识别多普勒频移频谱中的两个相异的峰，其中，一个峰与雨速相关，而另一个峰与风速相关。

4.如权利要求3所述的方法，进一步包括逐一地自动确定各峰的主频率。

5.如权利要求4所述的方法，进一步包括自动确定什么时候峰的差别并不足以精确地估计风速来作为可靠性确定。

6.如权利要求5所述的方法，其中，在平均周期内多个样品的频谱被用来进行风速估计和可靠性确定。

7.如权利要求6所述的方法，其中，识别两个相异的峰包括对平均频谱进行曲线拟合。

8.如权利要求7所述的方法，其中，曲线拟合是频谱的对数的高阶多项式曲线拟合。

9.如权利要求8所述的方法，其中，使用二次曲线来拟合高阶多项式的峰，所述二次曲线随后用于产生两个高斯曲线，一个代表与降水相关的频谱的区域，而另一个代表与风速相关的频谱的区域。

10.如权利要求3所述的方法，其中，两个峰的性质被用来估计雨的强度，以便通过限制所分析的频谱的部分，估计只归因于风而不归因于降水的那部分频谱的风速而更精确地估计存在降水时的风速，以及估计降水在多大程度上降低了风速估计的精确度。

11.如权利要求10所述的方法，其中，模糊逻辑技术被用于估计降水的存在，用于限制所分析的频谱的部分，并用于估计风速精确度的降低。

12.如权利要求8所述的方法，其中，高阶多项式是八次或八阶多项式。

13.如权利要求3所述的方法，其中，自动识别多普勒频移频谱中的两个相异的峰包括：如果有超过两个的峰，则自动去除一个或多个多余的峰。

14.如权利要求13所述的方法，其中，如果有超过两个的峰则自动去除一个或多个多余的峰包括：如果最低频率的峰是最小振幅的峰，则去掉该最低频率的峰。

15.如权利要求14所述的方法，其中，如果有超过两个的峰则自动去除一个或多个多余的峰进一步包括：去除除振幅最大的两个峰以外的所有峰。

16.如权利要求8所述的方法，其中，自动识别多普勒频移频谱中的两个相异的峰包括：在频谱上发现拐点，并将其作为第二峰。

17.一种使用声雷达装置来检测降水的方法，所述声雷达装置将声束发送到大气，检测从大气返回的回声，从该回声来确定包括在多个多普勒频移的频率处的回声的相对强度的多普勒频移频谱，以及估计风速与方向，该方法包括：

a)基于多普勒频移频谱，通过自动区分多普勒频移频谱中与风速相关的频率或频带和多普勒频移频谱中与降水相关的频率或频带，来自动估计降水存在，其中，自动区分多普勒频移频谱中与风速相关的频率或频带和多普勒频移频谱中与降水相关的频率或频带包括：

i)自动识别多普勒频移频谱中的两个相异的峰，其中，一个峰与雨速相关，而另一个峰与风速相关，其中，识别两个相异的峰包括对平均频谱进行曲线拟合，其中，该曲线拟合是频谱的对数的高阶多项式曲线拟合；

ii)逐一地自动确定各峰的主频率；和

iii)自动确定什么时候峰的差别并不足以精确地估计风速，来作为可靠性确定，其中，在平均周期内多个样品的频谱被用来进行风速估计和可靠性确定；

b)使用所估计的降水的存在，来自动提高在有雨情况下的风速估计的精确度；

c)基于多普勒频移频谱，自动估计雨的强度；和

d)使用雨的强度估计来更精确地确定雨的存在在什么时候降低了风估计的可靠性。

18.如权利要求17所述的方法，其中，使用二次曲线来拟合高阶多项式的峰，所述二次曲线随后用于产生两个高斯曲线，一个代表与降水相关的频谱的区域，而另一个代表与风速相关的频谱的区域。

19.如权利要求17所述的方法，其中，两个峰的性质被用来估计雨的强度，以便通过限制所分析的频谱的部分，估计只归因于风而不归因于降水的那部分频谱的风速而更精确地估计存在降水时的风速，以及估计降水在多大程度上降低了风速估计的精确度。

20.如权利要求17所述的方法，其中，模糊逻辑技术被用于估计降水的存在，用于限制所分析的频谱的部分，并用于估计风速精确度的降低。

21.如权利要求17所述的方法，其中，高阶多项式是八次或八阶多项式。

22.如权利要求17所述的方法，其中，自动识别多普勒频移频谱中的两个相异的峰包括：如果有超过两个的峰，则自动去除一个或多个多余的峰。

23.如权利要求22所述的方法，其中，如果有超过两个的峰则自动去除一个或多个多余的峰包括：如果最低频率的峰是最小振幅的峰，则去掉该最低频率的峰。

24.如权利要求23所述的方法，其中，如果有超过两个的峰则自动去除一个或多个多余的峰进一步包括：去除除振幅最大的两个峰以外的所有峰。

25.如权利要求17所述的方法，其中，自动识别多普勒频移频谱中的两个相异的峰包括：在频谱上发现拐点，并将其作为第二峰。