CN102736071B - 一种用于生成天气和地面反射率信息的方法和系统 - Google Patents

Abstract

一种用于将天气雷达回波数据存储至三维缓冲区中的方法和系统。位于飞行器上的该系统(30)包括雷达系统(40)，该雷达系统(40)发射雷达信号和生成雷达测量，该雷达测量作为所发射的雷达信号的雷达回波的结果。三维缓冲区(43)包括多个存储位置。处理器(42)基于所生成的雷达测量、用于存储位置的先前存储的反射率值、和不确定性参数，来生成或更新在三维缓冲区中的存储位置中的反射率值。基于与每个地面元素相关联的地面类型来初始化用于地面元素的归一化雷达截面的不确定性参数。基于先验信息来初始化用于天气反射率的不确定性参数。根据存储位置将所生成的反射率值存储在三维缓冲区中。

Description

一种用于生成天气和地面反射率信息的方法和系统

背景技术

已经尝试取得从飞行器雷达系统接收的雷达信号，将该雷达信号转换成反射率值，并相对于与雷达信号相关联的距离将该反射率值存储在三维(3-D)天气缓冲区中的位置中。3-D天气缓冲区是计算机存储器阵列，其包括描述了三维空间内的天气反射率分布的数据。在其他的尝试中，基于某些假设雷达回波信号功率转被换成反射率，并用来增加3D天气缓冲区的元素。

随同较早尝试的问题是出现了期望的天气信号的地面杂波污染。为防止地面杂波污染的先前尝试已经使用了接近地面的假设位置的天线波束的计算，并假设地面信号散射属性来确定信号污染的程度，然后如果认为该信号受到了污染，则抑制该信号。

因此，存在对于更准确地识别天气信息和从天气雷达信号中去除地面杂波污染或在天气雷达信号中识别地面的需要。

据此通过引用被结合的编号为6,707,415的美国专利描述了一种使用雷达来估计天气和地面反射率的方法，目的是为了显示由地面信号回波所相对未污染的天气反射率，或显示由天气所最低限度污染的地面反射率。该方法为所有建模位置利用了表示在天气反射率和地面归一化雷达截面的当前估计中的相对不确定性的参数。这些参数可以或可不响应于新的测量值(其降低了所估计的值中的不确定性)而被更新。然而，在这两种情况的任一种情况下，都必须为用于天气和地面反射率的不确定性参数选择起始值。

对于任何估计过程而言，对天气和地面反射率的单独估计是不完美的。偶尔，一些天气信号将导致所估计的地面反射率的增加，反之亦然。

发明内容

本发明是一种用于将天气雷达反射率数据存储至三维缓冲区的方法、系统和计算机程序产品。该方法涉及对围绕雷达/飞行器的空间的雷达信号散射属性进行建模。通过使用测量过程的模型来将当前的雷达测量值与测量值的预测进行比较。当前的雷达测量值与测量值的预测之间的差被用于调整所存储的反射率值。

以与天气反射率估计相似的方式来估计地表面归一化雷达截面(NRCS)的分布。对于地面，缓冲区以二维来表示NRCS分布以描述地表面，而不是以三维来描述三维的天气。因为机载雷达的应用之一是提供雷达地面图，本发明提供了地面图作为处理的固有部分。

如将从上述概要中容易理解的，本发明通过使用雷达信号功率测量值来提供用于存储在三维缓冲区中的更准确的信息，以单独地估计天气反射率分布和地面NRCS分布。通过对分布的估计进行迭代更新来执行该过程，通过使用雷达测量值和预期测量值之间的差来对分布估计进行迭代更新，该预期测量值由作用在先前存储的天气反射率和地面NRCS分布的估计上的测量过程的模型所生成。

附图说明

参考下面的附图对本发明的优选和替代实施例在以下进行了详细描述。

图1是执行本发明的系统的框图；和

图2说明了由图1中所示的系统所执行的流程图。

具体实施方式

本发明是一种用于存储三维雷达回波数据的系统、方法和计算机程序产品。图1说明了根据本发明形成的示例系统30。系统30包括天气雷达系统40、处理器42、存储器43、显示设备44、惯性导航系统(INS)46、和耦合于处理器42的用户接口48。显示处理器42被电耦合于雷达系统40、显示设备44、INS 46、和存储器43。示例雷达系统40包括雷达控制器50、发射器52、接收器54、和天线56。雷达控制器50基于从INS 46或其他飞行器系统接收的飞行器数据(即，位置、航向、滚转、偏航、俯仰等)来控制发射器52和接收器54以用于通过天线56来执行信号的发送和接收。

雷达系统40从主要包括天气和地形的外部环境中接收由于所发射的脉冲的散射而产生的信号。接收到的信号被传送到处理器42，该处理器42使用接收到的信号来更新包含在于计算机存储器(三维的3-D缓冲区)中的天气反射率和地面归一化雷达截面的估计。处理器42基于从用户接口48发送的任何控制信号或基于处理器42内的设置，来生成用于在显示设备44上呈现的图像。

在系统启动时，大气(即，3D缓冲区)的所有元素和地面(即，2D缓冲区)的所有元素都被初始化。每个元素(即，缓冲区的单元)的初始化涉及选择以下值：1)反射率(用于天气)，或归一化雷达截面(NRCS)(用于地面)，和2)与用于天气和地面两者的单元的每个初始值相配的不确定性参数。该不确定性告知该处理初始反射率或NRCS值有多少误差。

对于地面元素，初始NRCS和/或不确定参数可以使用有关表面类型(即，水、森林、城市等)、地形阴影、从雷达到地面元素的入射角、或改变反射率的其他因素的先验信息。对于天气反射率，先验信息可以是来自其他雷达的上行的天气反射率，和对应的不确定性参数，该不确定性参数反映了用于那些元素的较低的不确定性。

在一个实施例中，本发明提供了基于对NRCS与表面类型如何相关的预期来修整用于地面元素的不确定性参数。例如，水被认为具有低NRCS值，因此如果我们初始化水类型地面元素为NRCS＝0，对应的不确定性就初始化为低值，因为初始NRCS不应该误差太大。在另一实施例中，使用任何先验信息来初始化元素的值和它的不确定性参数两者-并且不仅仅是为地面元素。

图2说明了用于将反射率值存储在三维显示缓冲区中的示例过程100。首先，在块102处，与3-D缓冲区位置相关联的不确定性参数和反射率值被初始化为一些开始值。例如，反射率值可以被初始化为零，同时不确定性参数被初始化为相对大的值来表明反射率值中的可能大的初始误差。如果使用附加信息来初始化反射率值，该附加信息例如是来自基于地面的雷达的上行天气反射率，则对应的不确定性参数将被初始化为较低的值来表明在这些初始反射率中的降低的不确定性。用于地面元素的归一化雷达截面的不确定性参数可以基于与每个元素相关联的地面类型来进行初始化。在块104处，天线的主波束在特定径向上被指向。接下来，在块106处，雷达系统通过天线发射波形，并且基于所发射的波形来接收用于多个距离库的信号样本。在块108处，根据2-D向量阵列来建模天线主波束。每个向量表示天线主波束内的立体角的增量。每个向量都具有关联的天线增益值。

然后，在块110处，考虑接收信号中的第一距离库。当部分地考虑第一距离库时，在块112处，处理器42计算3-D缓冲区内的位置，该位置与距离库和天线指向方向增量相对应，该天线指向方向增量由用于对天线主波束进行建模的向量阵列所表示。接下来，在块104处，处理器42检索存储在3-D缓冲区所计算的位置中的任何数据，并使用所检索的数据来预测雷达信号功率。在块116处，处理器42从在距离库处的所测量的信号功率中减去信号功率预测值，从而生成新值。在块118处，处理器42为每个计算出的缓冲区位置计算增益(k)，并将计算的增益值乘以该新值，来为每个位置提供散射参数(天气反射率或地面NRCS)的更新。接下来，在块120处，处理器42为每个缓冲区位置更新不确定性参数。在判定块124处，如果当前的距离库不是在当前径向上的最后的距离库，则过程100继续到所接收的信号的下一个距离库。一旦已经检索到下一个距离库值，过程继续到块112，直到已经达到最后的距离库值。当已经到达最后的距离库值时，如在判定块124处所确定的，系统获得下一个天线指向角，参见块130，并且过程返回至块104，在那里天线被指向所检索的下一个天线指向角。

以下通过示例进一步描述了过程100。用于确定存储在三维存储位置中的反射率值的示例公式如下：

${\hat{Z}}_i={\stackrel{\‾}{Z}}_i+K_i(S_{\mathrm{meas}}-(\underset{j}{\mathrm{\Σ}}{h}_j{\stackrel{\‾}{Z}}_j+\underset{k}{\mathrm{\Σ}}{h}_k{\mathrm{\σ}}_k^0))---\left(1\right)$

首先，残留信号通过取测量值S_meas和预测值 之间的差来被确定以得到残留信号或新值。 是测量之前用于第i个网格点的反射率估计， 是测量之后的反射率估计，K_i是用于将雷达信号值转换成反射率值的滤波器增益，S_meas是测量的雷达信号。h是元素权重，其取决于雷达波束形状和存储位置相对于雷达波束形状的位置。下面更详细地描述对h的确定。用于更新地面NRCS值的对应公式是：

$\widehat{{\mathrm{\σ}}_i^0}=\stackrel{\‾}{{\mathrm{\σ}}_i^0}+K_i(S_{\mathrm{meas}}-(\underset{j}{\mathrm{\Σ}}{h}_j{\stackrel{\‾}{Z}}_j+\underset{k}{\mathrm{\Σ}}{h}_k{\mathrm{\σ}}_k^0))$

滤波器增益K_i在公式(2)中被示出。

$K_i=\frac{h_i{P}_i}{\underset{n}{\mathrm{\Σ}}{h}_n^2{P}_n{+\mathrm{\σ}}_V^2}---\left(2\right)$

分子的总和既包括天气反射率元素又包括地面NRCS元素，它们都有助于测量。

其中，P_i是第i个反射率元素(来自于天气或地面)的不确定性参数，是假设的附加信号波动噪声的方差，并且总和涉及要使用当前测量进行更新的所有反射率元素。当第i个反射率元素是地面元素时，那么P_i是用于地面元素的NRCS的不确定性参数，其基于与每个元素相关联的地面类型来被初始化。换句话说，初始化的不确定性参数是基于地面元素将如何反射雷达功率的确定性。例如，如果地面元素与水(例如，湖、海洋等)相关联，那么人们可以高度确定这个地面元素将提供很少的反射效果或没有反射效果。

不确定性值本质上是估计值中的误差的方差。在开始处，此时发生NRCS值初始化，如果表面类型已知，该知识允许我们对用于NRCS的初始值中的预期误差安放界限。例如，如果已知表面是水，则NRCS值被初始化为零，并且使不确定性参数非常小，因为真实的NRCS值被认为是小的，并且且真实值与零的起始值(即，起始估计误差)之间的差是小的。另一方面，如果元素是城市，则真实的NRCS值被认为具有宽范围的值，包括非常大的值。因此，在零的起始估计中的不确定性(即方差)应该是大的。

除了更新反射率元素值，测量减少了估计中的不确定性。使用同样的模型，以公式(3)通过示例来示出在P中的改变：

$P_i^{\′}=P_i-\frac{h_i^2{P}_i^2}{\underset{n}{\mathrm{\Σ}}{h}_n^2{P}_n+{\mathrm{\σ}}_V^2}---\left(3\right)$

其中，P_i是测量前的不确定性参数，以及P′_i是测量后的不确定性参数。

用于滤波器增益K和参数P的替代公式如下：

$K_i=\frac{k_k{h}_i{P}_i}{\underset{n}{\mathrm{\Σ}}{h}_n^2{P}_n+{\mathrm{\σ}}_V^2}---\left(4\right)$

并且

$P_i^{\′}=P_i-\frac{k_p{h}_i^2{P}_i^2}{\underset{n}{\mathrm{\Σ}}{h}_n^2{P}_n+{\mathrm{\σ}}_V^2}---\left(5\right)$

本领域普通技术人员可以凭经验确定常量因子k_k和k_p。使用雷达测量来在三维存储位置中更新反射率值涉及对应权重(h)和对应不确定性参数(P)之间的相互作用。更大的h值与天线主波束的轴附近的位置相对应。如从公式(10)中可以看出的，如果对于存储位置，不确定性参数是相同的，则具有更大h值的存储位置倾向于接收最大幅度的更新。同样的，如果对于存储位置，h值是相同的，则具有最高相对不确定性的存储位置将接收最大的更新。

随着天线波束扫描通过反射率元素(存储位置)阵列，波束轴附近的元素会得到不确定性上的相对大的更新和相对大的减少。当波束远离那些元素被扫描时，那些元素仍然接收某种程度的更新。但是在波束另一侧上的具有相似h值的元素接收更大的更新，因为它们的初始估计具有更多的不确定性。不确定性参数提供了天线波束已经处于反射率场缓冲区(三维缓冲区)内何处的种类的记录。

如果雷达天线在特定方向上被指向以获取作为距离的函数的反向散射信号的测量，则该测量的均值由雷达公式所描述。仅考虑天气散射，在一个实施例中雷达公式如下：

$P_{\mathrm{Rx}}=K\∫\frac{\mathrm{dr}{W}_r\left(r\right)}{r^2}\∫\mathrm{d\Ω}{G}^2\left(\mathrm{\Ω}\right)Z(r,\mathrm{\Ω})---\left(6\right)$

其中，P_Rx是信号功率，K是包括发射功率、损耗等效应的常量，W_r(r)是适于所接收的信号功率的时间的距离加权函数，G(Ω)是作为方向Ω的函数的天线增益，以及Z(r，Ω)是反射率分布。

在一个实施例中，所接收的功率近似为：

$P_{\mathrm{Rx}}\≅K\underset{n}{\mathrm{\Σ}}\frac{W_r\left(r_n\right)\mathrm{\δr}}{r_n^2}\underset{i}{\mathrm{\Σ}}{G}^2\left({\mathrm{\Ω}}_i\right)Z(r_n,{\mathrm{\Ω}}_i)\mathrm{\δ\Ω}---\left(7\right)$

其中，δr是距离的增量，δΩ是立体角的增量。在空间坐标(r，Ω)内的离散点处对距离加权函数和天线增益函数求值。为了简化，在范围δr的间距上，距离加权函数W_r被近似为约略地恒定。这样，上面的近似变成：

$P_{\mathrm{Rx}}\≅\frac{K^{\′}}{r_n^2}\underset{i}{\mathrm{\Σ}}{G}^2\left({\mathrm{\Ω}}_i\right)Z(r_n,{\mathrm{\Ω}}_i)---\left(8\right)$

在i上的求和近似于在角空间中的天线主波束上的积分(总和中的每一项表示进入空间的增量方向)。使用反射率场的基本函数展开，上面的总和被分离成和的分组-每个分组取代了基本函数的特定实现。如果在非限制示例中，基本函数仅是矩形棱镜(这可以被称为体素(voxel)，其中反射率在体素内被假设为常量)，则确定到体素中的用于和的每个分组的统一加权。也可使用其他基本函数。这种情况下，h_k的公式如下：

$h_k=\frac{K^{\′}}{r_n^2}\underset{i}{\mathrm{\Σ}}{G}^2\left({\mathrm{\Ω}}_i\right)---\left(9\right)$

只在落入特定体素内的增量主波束方向上执行求和。

通过与天气反射率场估计同时对地面NRCS分布进行估计，可实现将地面散射与天气散射分离。因此，生成地面雷达图作为估计天气反射率场的一部分。

用于地面NRCS估计的过程与用于天气反射率估计的过程相似。从地面反向散射所接收的功率近似为：

$P_{\mathrm{Rx}}\≅\frac{K}{r^3}\underset{i}{\mathrm{\Σ}}{G}^2({\mathrm{\φ}}_i,{\mathrm{\θ}}_{\mathrm{gnd}}){\mathrm{\σ}}^0(r,{\mathrm{\φ}}_i)---\left(10\right)$

σ ⁰(r，φ_i)是在距离r和方位角φ_i处的地面NRCS。在该距离和方位角处的地面方向上来对天线增益求值。地形高程是先前已知的。常量K包括雷达设计参数和用于数值积分中的增量。通过按照一组基础函数来扩展NRCS分布，公式10以下面形式表达：

$P_{\mathrm{Rx}}\≅\underset{k}{\mathrm{\Σ}}{h}_k{\mathrm{\σ}}_k^0---\left(11\right)$

通过估计天气和地面散射功率，这两部分可分离。因为地面散射信号随天线指向角(特别是倾斜)上的改变而进行的改变而以可预测的方式而改变，所以该分离被完成。通过以不同的天线指向角进行测量值和预测测量值的多个比较，该过程迭代地达到解决，其分离了天气和地面散射属性。示例扫描策略是在低的倾斜角处开始，并且向高的倾斜角进行。在这个示例中，获得了优良的地面散射估计，其未被天气散射(更低的倾斜角)所污染。这些地面散射估计可接着被用于预测地面散射对随后的雷达测量的相对贡献，从而展现了这些测量的什么部分可以被归因于天气散射。

虽然已经说明和描述了本发明的优选实施例，如以上提到的，可以在不脱离本发明精神和范围的情况进行许多改变。例如，使用先验信息来初始化用于天气反射率和地面NRCS的估计值和相关联的不确定性参数两者。

Claims (3)

1.一种由飞行器上的雷达系统(30)所执行的方法，该方法包括：

初始化用于地面元素的归一化雷达截面值和用于天气元素的反射率值；

基于与每个地面元素相关联的地面类型来初始化用于地面元素的归一化雷达截面的不确定性参数；

初始化用于天气元素的反射率不确定性参数，其中初始化用于天气元素的反射率不确定性参数包括基于先验信息来初始化天气不确定性参数，其中所述先验信息包括上行的天气数据；

接收来自雷达系统的雷达测量，作为来自发射的雷达波束的雷达回波的结果；

基于多个元素值乘以相应的权重因子来生成雷达测量的预测，其中所述权重因子基于雷达波束形状和存储位置相对于该雷达波束形状的位置，并且其中所述多个元素值包括地面和天气元素的值；

从所接收的雷达测量中减去所生成的雷达测量的预测；

基于相减的结果乘以滤波器增益来调整一个或多个反射率值，其中所述滤波器增益至少部分地基于来自所初始化的用于地面元素的归一化雷达截面的不确定性参数或来自所初始化的用于天气元素的反射率不确定性参数中的至少一个；以及

存储一个或多个所调整的反射率值，其中所存储的反射率值表示雷达系统周围环境的一部分，

其中生成预测进一步基于天线波束辐射模式和雷达作用距离加权函数，

其中调整反射率值包括更新先前所存储的反射率值。

2.一种用于生成天气和地面反射率信息的系统，包括：

雷达系统(40)，用于发射雷达信号和生成雷达测量，该雷达测量作为所发射的雷达信号的雷达回波的结果；

存储器(43)；以及

处理器(42)，耦合于该雷达系统和存储器，该处理器包括：

第一部件，被配置为：

初始化用于地面元素的归一化雷达截面值和用于天气元素的反射率值；

基于与每个地面元素相关联的地面类型来初始化用于地面元素的归一化雷达截面的不确定参数，以及初始化用于天气元素的反射率不确定性参数，其中初始化用于天气元素的反射率不确定性参数包括第一部件被配置为基于先验信息来初始化天气不确定性参数，其中所述先验信息包括来自基于地面雷达的上行的天气数据；

第二部件，被配置为基于多个元素值乘以相应的权重因子来生成雷达测量的预测，其中所述权重因子基于雷达波束形状和存储位置相对于该雷达波束形状的位置，并且其中所述多个元素值包括地面和天气元素的值；

第三部件，被配置为从所接收的雷达测量中减去所生成的雷达测量的预测；

第四部件，被配置为基于相减的结果乘以滤波器增益来调整一个或多个反射率值，其中所述滤波器增益至少部分地基于来自所初始化的用于地面元素的归一化雷达截面的不确定性参数或来自所初始化的用于天气元素的反射率不确定性参数中的至少一个；以及

第五部件，被配置为存储一个或多个所调整的反射率值，其中所存储的反射率值表示雷达系统周围环境的一部分。

3.根据权利要求2所述的系统，其中第四部件基于反射率分布的不确定性来调整所述一个或多个反射率值，其中第二部件生成雷达测量的预测还基于天线波束辐射模式和雷达作用距离加权函数，其中第四部件更新先前所存储的反射率值，以及

其中所述处理器进一步包括第六部件，该第六部件被配置为生成地面归一化雷达截面的估计。