CN102890272A - 一种毫米波云雷达信号处理方法 - Google Patents

Abstract

本发明公开了一种毫米波云雷达信号处理方法，在边界层模式、卷云模式和降水模式下，通过数据采集模块采集毫米波云雷达回波信号；数据预处理模块对毫米波云雷达回波信号进行数据预处理，输出功率谱密度分布数据；数据处理模块对功率谱密度分布进行数据处理，输出基数据；数据合成模块对三种探测模式下的基数据进行合成，输出最终的基数据；实现了毫米波云雷达的信号处理。本方法能有效解决全固态或行波管体制毫米波云雷达发射峰值功率低而导致的探测威力不足的问题，提高雷达探测威力，尤其适用于固定垂直指向的毫米波云雷达。

Description

一种毫米波云雷达信号处理方法

技术领域

本发明涉及一种雷达信号处理方法，特别是一种毫米波云雷达信号处理方法。

背景技术

目前毫米波云雷达所用的信号处理方法和天气雷达相似，采用数字视频积分处理（DVIP）进行回波信号功率的估计，即由I/Q形成的复数的模的平方得到信号功率值，为降低噪声干扰的影响，在方位和距离上进行多次平均；在假定回波信号服从高斯分布的条件下，采用脉冲对处理（PPP）进行径向速度和速度谱宽的估计。

数字视频积分处理和脉冲对处理方法，虽然简单且数据率较高，但对于低发射峰值功率和固定指向的毫米波云雷达，不能充分利用脉冲积累技术提高雷达探测威力，因此并不适用。

发明内容

本发明的目的在于提供一种毫米波云雷达信号处理方法，解决低发射峰值功率毫米波云雷达探测能力不足的问题。

一种毫米波云雷达信号处理方法，其具体步骤为：

第一步  搭建毫米波云雷达信号处理系统，并设置三种探测模式

毫米波云雷达信号处理系统，包括：数据采集模块、数据预处理模块、数据处理模块和数据合成模块。数据采集模块用于采集毫米波云雷达回波信号；数据预处理模块用于对毫米波云雷达回波信号进行数据预处理，输出功率谱密度分布数据；数据处理模块用于对功率谱密度分布进行数据处理，输出基数据；数据合成模块用于对三种探测模式下的基数据进行合成，输出最终的基数据。

为适应低空和高空不同探测高度，层云、卷云和弱降水不同探测目标，信号处理系统设置三种探测模式，分别为边界层模式、卷云模式和降水模式。边界层模式主要用于低空边界层云和雾的探测，采用窄脉冲和短脉冲重复周期波形及较多的时域积累数，典型的参数包括脉冲宽度0.2μs、脉冲重复周期60μs、时域积累数8、FFT点数256、频域积累数16。卷云模式主要用于高空卷云的探测，采用高占空比脉冲压缩和长脉冲重复周期波形，典型的参数包括脉冲宽度12μs、脉冲重复周期120μs、时域积累数2、FFT点数256、频域积累数32。降水模式主要用于弱降水的探测，采用窄脉冲和长脉冲重复周期波形及较多的频域积累数，典型的参数包括脉冲宽度0.2μs、脉冲重复周期120μs、时域积累数1、FFT点数256、频域积累数64。

第二步  数据采集模块采集毫米波云雷达回波信号

数据采集模块采集毫米波云雷达的信号随时间幅度变化的数据，即I/Q信号，作为信号处理系统的初始输入信息。

第三步  数据预处理模块对毫米波云雷达回波信号进行预处理

数据预处理模块通过脉冲压缩、时域积累、去直流、FFT和频域积累对毫米波云雷达回波信号进行预处理，输出功率谱密度分布数据。

脉冲压缩是同时提高毫米波云雷达探测威力和距离分辨率的有效途径，但在对云雨分布式目标探测中，距离旁瓣是影响雷达探测性能的关键性因素之一。为降低距离旁瓣的影响，脉冲压缩针对非线性调频和升余弦加权发射信号波形进行，并在脉冲压缩时选择加窗处理，窗函数包括：汉明窗和切比雪夫窗，非线性调频发射信号波形、升余弦加权发射信号波形和加窗处理分别表示为：

                   （1）

式中：

为发射信号波形，

为时间变量，

为信号持续时间，为信号起始频率，

为相位变化。

             （2）

                               （3）

式中：为回波信号，

为窗函数。

时域积累是在信号保持相干的条件下，对脉冲回波信号进行累加平均处理，从而提高信噪比，使信号电平高于平均噪声电平，实现对微弱信号的提取。理想情况下，进行

次的时域相干积累能够将信噪比提高

倍。同时，时域积累还具有滤波作用，并大大降低数据率。时域积累数的设置需依据目标回波的自相关时间确定。

由于时域积累相当于低通滤波，在采用周期图进行功率谱估计时，会产生偏差，具有多普勒频移的回波信号功率会被低估。为准确估计回波信号功率，需对FFT处理后的功率谱密度分布数据进行补偿，补偿公式为：

                            （4）

式中：

为补偿系数，

为时域积累数，

为FFT点数。

去直流通过将回波信号与其相应的数学期望进行差运算，去除回波信号中的零频杂波分量，提高动态范围和对弱信号的检测能力。

FFT实现数据从时域到频域的转换，得到功率谱密度分布数据。

频域积累是在信号保持独立的条件下，对功率密度分布进行平均处理，从而进一步抑制大气回波信号的随机涨落，使功率谱密度分布更具代表性，并提高对微弱信号的检测能力。理想情况下，

次频域积累将信噪比提高

倍。

第四步  数据处理模块对功率谱密度分布进行数据处理

数据处理模块通过地杂波抑制、噪声电平求取、谱峰位置确定、谱参数估计对功率谱密度分布进行数据处理，输出信号功率、径向速度和速度谱宽基数据。

由于毫米波云雷达受地杂波影响较小，尤其是采用固定垂直指向工作方式时，因此采用单斜面搜索方式进行地杂波抑制：假定地杂波信号自直流向两侧递减，当递减趋势改变时认为有新信号出现，分离气象回波信号和地杂波信号。首先自直流点开始，比较当前点与下一点的大小；如果下一点小于当前点，则继续同外侧数据比较，直至外侧一点的数值大于前一点的数值；最后根据左右两点的数值做线性插值处理。

噪声电平求取：分别求取每个距离库和

两端功率谱密度分布的平均值，取其较小者作为当前库的噪声电平。

谱峰位置确定采用多峰处理方式，包括谱峰搜索、谱峰识别和中值滤波三个过程。谱峰搜索是指根据目标回波特性，在给定径向速度范围内，搜索大于噪声电平门限和信号功率门限的谱峰，搜索到的谱峰包括峰值功率最大者、信噪比最大者和谱宽最宽者。谱峰识别是指根据地杂波、干扰回波和气象目标回波特性进行谱峰的选取，判别依据包括信号功率、径向速度、速度谱宽和高度分布。中值滤波是利用气象目标回波在高度上呈现出连续变化的规律，剔除干扰引起的谱峰识别结果，当某个距离库的谱峰识别结果大于设置的门限值时，则将其剔除，重新选取谱峰。

谱峰位置确定后，得到功率谱密度分布的零阶矩、一阶矩和二阶矩：

                                 （5）

式中：

为功率谱密度分布的零阶矩, 

为第

点功率值，求和范围为信号谱带宽。

                                （6）

式中：

为功率谱密度分布的一阶矩, 

为第

点速度值，求和范围为信号谱带宽。

                               （7）

式中：

为功率谱密度分布的二阶矩,求和范围为信号谱带宽。

其中，零阶矩即为信号功率

，一阶矩即为径向速度，速度谱宽为：

                           （8）

边界层、卷云和降水三种探测模式下，数据采集模块采集毫米波云雷达回波信号、数据预处理模块对毫米波云雷达回波信号进行预处理和数据处理模块对功率谱密度分布进行数据处理的过程及方式完全相同，输出三组基数据。

第五步  数据合成模块对三种探测模式下的基数据进行合成，输出最终的基数据

数据合成模块利用降水模式的信号功率和径向速度，判断是否有降水发生，在没有降水发生时，用边界层模式和卷云模式基数据替代降水模式基数据。

至此，实现了毫米波云雷达的信号处理。

本方法能有效解决全固态或行波管体制毫米波云雷达发射峰值功率低而导致的探测威力不足的问题，提高雷达探测威力，尤其适用于固定垂直指向的毫米波云雷达；三种探测模式能适应低空和高空不同探测高度，层云、卷云和弱降水不同探测目标；脉冲压缩针对非线性调频和升余弦加权发射波形，具有低距离旁瓣；时域积累信号功率补偿使探测结果具有更高的精度。基于功率谱密度分布数据进行谱参数估计，不仅抗干扰能力强，而且能提供更多的目标特性信息。

具体实施方式

一种毫米波云雷达信号处理方法，其具体步骤为：

第一步  搭建毫米波云雷达信号处理系统，并设置三种探测模式

毫米波云雷达信号处理系统，包括：数据采集模块、数据预处理模块、数据处理模块和数据合成模块。数据采集模块用于采集毫米波云雷达回波信号；数据预处理模块用于对毫米波云雷达回波信号进行数据预处理，输出功率谱密度分布数据；数据处理模块用于对功率谱密度分布进行数据处理，输出基数据；数据合成模块用于对三种探测模式下的基数据进行合成，输出最终的基数据。

为适应低空和高空不同探测高度，层云、卷云和弱降水不同探测目标，信号处理系统设置三种探测模式，分别为边界层模式、卷云模式和降水模式。边界层模式主要用于低空边界层云和雾的探测，采用窄脉冲和短脉冲重复周期波形及较多的时域积累数，典型的参数包括脉冲宽度0.2μs、脉冲重复周期60μs、时域积累数8、FFT点数256、频域积累数16。卷云模式主要用于高空卷云的探测，采用高占空比脉冲压缩和长脉冲重复周期波形，典型的参数包括脉冲宽度12μs、脉冲重复周期120μs、时域积累数2、FFT点数256、频域积累数32。降水模式主要用于弱降水的探测，采用窄脉冲和长脉冲重复周期波形及较多的频域积累数，典型的参数包括脉冲宽度0.2μs、脉冲重复周期120μs、时域积累数1、FFT点数256、频域积累数64。

第二步  数据采集模块采集毫米波云雷达回波信号

数据采集模块采集毫米波云雷达的信号随时间幅度变化的数据，即I/Q信号，作为信号处理系统的初始输入信息。

第三步  数据预处理模块对毫米波云雷达回波信号进行预处理

数据预处理模块通过脉冲压缩、时域积累、去直流、FFT和频域积累对毫米波云雷达回波信号进行预处理，输出功率谱密度分布数据。

脉冲压缩是同时提高毫米波云雷达探测威力和距离分辨率的有效途径，但在对云雨分布式目标探测中，距离旁瓣是影响雷达探测性能的关键性因素之一。为降低距离旁瓣的影响，脉冲压缩针对非线性调频和升余弦加权发射信号波形进行，并在脉冲压缩时选择加窗处理，窗函数包括：汉明窗和切比雪夫窗，非线性调频发射信号波形、升余弦加权发射信号波形和加窗处理分别表示为：

                   （1）

式中：

为发射信号波形，

为时间变量，

为信号持续时间，

为信号起始频率，

为相位变化。

             （2）

                               （3）

式中：为回波信号，

为窗函数。

时域积累是在信号保持相干的条件下，对脉冲回波信号进行累加平均处理，从而提高信噪比，使信号电平高于平均噪声电平，实现对微弱信号的提取。理想情况下，进行

次的时域相干积累能够将信噪比提高

倍。同时，时域积累还具有滤波作用，并大大降低数据率。时域积累数的设置需依据目标回波的自相关时间确定。

由于时域积累相当于低通滤波，在采用周期图进行功率谱估计时，会产生偏差，具有多普勒频移的回波信号功率会被低估。为准确估计回波信号功率，需对FFT处理后的功率谱密度分布数据进行补偿，补偿公式为：

                            （4）

式中：

为补偿系数，

为时域积累数，

为FFT点数。

去直流通过将回波信号与其相应的数学期望进行差运算，去除回波信号中的零频杂波分量，提高动态范围和对弱信号的检测能力。

FFT实现数据从时域到频域的转换，得到功率谱密度分布数据。

频域积累是在信号保持独立的条件下，对功率密度分布进行平均处理，从而进一步抑制大气回波信号的随机涨落，使功率谱密度分布更具代表性，并提高对微弱信号的检测能力。理想情况下，次频域积累将信噪比提高

倍。

第四步  数据处理模块对功率谱密度分布进行数据处理

数据处理模块通过地杂波抑制、噪声电平求取、谱峰位置确定、谱参数估计对功率谱密度分布进行数据处理，输出信号功率、径向速度和速度谱宽基数据。

由于毫米波云雷达受地杂波影响较小，尤其是采用固定垂直指向工作方式时，因此采用单斜面搜索方式进行地杂波抑制：假定地杂波信号自直流向两侧递减，当递减趋势改变时认为有新信号出现，分离气象回波信号和地杂波信号。首先自直流点开始，比较当前点与下一点的大小；如果下一点小于当前点，则继续同外侧数据比较，直至外侧一点的数值大于前一点的数值；最后根据左右两点的数值做线性插值处理。

噪声电平求取：分别求取每个距离库

和

两端功率谱密度分布的平均值，取其较小者作为当前库的噪声电平。

谱峰位置确定采用多峰处理方式，包括谱峰搜索、谱峰识别和中值滤波三个过程。谱峰搜索是指根据目标回波特性，在给定径向速度范围内，搜索大于噪声电平门限和信号功率门限的谱峰，搜索到的谱峰包括峰值功率最大者、信噪比最大者和谱宽最宽者。谱峰识别是指根据地杂波、干扰回波和气象目标回波特性进行谱峰的选取，判别依据包括信号功率、径向速度、速度谱宽和高度分布。中值滤波是利用气象目标回波在高度上呈现出连续变化的规律，剔除干扰引起的谱峰识别结果，当某个距离库的谱峰识别结果大于设置的门限值时，则将其剔除，重新选取谱峰。

谱峰位置确定后，得到功率谱密度分布的零阶矩、一阶矩和二阶矩：

                                 （5）

式中：

为功率谱密度分布的零阶矩, 

为第点功率值，求和范围为信号谱带宽。

                                （6）

式中：

为功率谱密度分布的一阶矩, 为第

点速度值，求和范围为信号谱带宽。

                               （7）

式中：

为功率谱密度分布的二阶矩,求和范围为信号谱带宽。

其中，零阶矩即为信号功率

，一阶矩即为径向速度，速度谱宽为：

                           （8）

边界层、卷云和降水三种探测模式下，数据采集模块采集毫米波云雷达回波信号、数据预处理模块对毫米波云雷达回波信号进行预处理和数据处理模块对功率谱密度分布进行数据处理的过程及方式完全相同，输出三组基数据。

第五步  数据合成模块对三种探测模式下的基数据进行合成，输出最终的基数据

数据合成模块利用降水模式的信号功率和径向速度，判断是否有降水发生，在没有降水发生时，用边界层模式和卷云模式基数据替代降水模式基数据。

至此，实现了毫米波云雷达的信号处理。

Claims (1)

1.一种毫米波云雷达信号处理方法，其特征在于具体步骤为：

第一步  搭建毫米波云雷达信号处理系统，并设置三种探测模式

毫米波云雷达信号处理系统，包括：数据采集模块、数据预处理模块、数据处理模块和数据合成模块；数据采集模块用于采集毫米波云雷达回波信号；数据预处理模块用于对毫米波云雷达回波信号进行数据预处理，输出功率谱密度分布数据；数据处理模块用于对功率谱密度分布进行数据处理，输出基数据；数据合成模块用于对三种探测模式下的基数据进行合成，输出最终的基数据；

为适应低空和高空不同探测高度，层云、卷云和弱降水不同探测目标，信号处理系统设置三种探测模式，分别为边界层模式、卷云模式和降水模式；边界层模式主要用于低空边界层云和雾的探测，采用窄脉冲和短脉冲重复周期波形及较多的时域积累数，典型的参数包括脉冲宽度0.2μs、脉冲重复周期60μs、时域积累数8、FFT点数256、频域积累数16；卷云模式主要用于高空卷云的探测，采用高占空比脉冲压缩和长脉冲重复周期波形，典型的参数包括脉冲宽度12μs、脉冲重复周期120μs、时域积累数2、FFT点数256、频域积累数32；降水模式主要用于弱降水的探测，采用窄脉冲和长脉冲重复周期波形及较多的频域积累数，典型的参数包括脉冲宽度0.2μs、脉冲重复周期120μs、时域积累数1、FFT点数256、频域积累数64；

第二步  数据采集模块采集毫米波云雷达回波信号

数据采集模块采集毫米波云雷达的信号随时间幅度变化的数据，即I/Q信号，作为信号处理系统的初始输入信息；

第三步  数据预处理模块对毫米波云雷达回波信号进行预处理

数据预处理模块通过脉冲压缩、时域积累、去直流、FFT和频域积累对毫米波云雷达回波信号进行预处理，输出功率谱密度分布数据；

脉冲压缩是同时提高毫米波云雷达探测威力和距离分辨率的有效途径，但在对云雨分布式目标探测中，距离旁瓣是影响雷达探测性能的关键性因素之一；为降低距离旁瓣的影响，脉冲压缩针对非线性调频和升余弦加权发射信号波形进行，并在脉冲压缩时选择加窗处理，窗函数包括：汉明窗和切比雪夫窗，非线性调频发射信号波形、升余弦加权发射信号波形和加窗处理分别表示为：

                   （1）

式中：为发射信号波形，为时间变量，为信号持续时间，

为信号起始频率，

为相位变化；

             （2）

                               （3）

式中：

为回波信号，

为窗函数；

时域积累是在信号保持相干的条件下，对脉冲回波信号进行累加平均处理，从而提高信噪比，使信号电平高于平均噪声电平，实现对微弱信号的提取；理想情况下，进行

次的时域相干积累能够将信噪比提高

倍；同时，时域积累还具有滤波作用，并大大降低数据率；时域积累数的设置需依据目标回波的自相关时间确定；

由于时域积累相当于低通滤波，在采用周期图进行功率谱估计时，会产生偏差，具有多普勒频移的回波信号功率会被低估；为准确估计回波信号功率，需对FFT处理后的功率谱密度分布数据进行补偿，补偿公式为：

                            （4）

式中：

为补偿系数，

为时域积累数，

为FFT点数；

去直流通过将回波信号与其相应的数学期望进行差运算，去除回波信号中的零频杂波分量，提高动态范围和对弱信号的检测能力；

FFT实现数据从时域到频域的转换，得到功率谱密度分布数据；

频域积累是在信号保持独立的条件下，对功率密度分布进行平均处理，从而进一步抑制大气回波信号的随机涨落，使功率谱密度分布更具代表性，并提高对微弱信号的检测能力；理想情况下，

次频域积累将信噪比提高

倍；

第四步  数据处理模块对功率谱密度分布进行数据处理

数据处理模块通过地杂波抑制、噪声电平求取、谱峰位置确定、谱参数估计对功率谱密度分布进行数据处理，输出信号功率、径向速度和速度谱宽基数据；

由于毫米波云雷达受地杂波影响较小，尤其是采用固定垂直指向工作方式时，因此采用单斜面搜索方式进行地杂波抑制：假定地杂波信号自直流向两侧递减，当递减趋势改变时认为有新信号出现，分离气象回波信号和地杂波信号；首先自直流点开始，比较当前点与下一点的大小；如果下一点小于当前点，则继续同外侧数据比较，直至外侧一点的数值大于前一点的数值；最后根据左右两点的数值做线性插值处理；

噪声电平求取：分别求取每个距离库

和

两端功率谱密度分布的平均值，取其较小者作为当前库的噪声电平；

谱峰位置确定采用多峰处理方式，包括谱峰搜索、谱峰识别和中值滤波三个过程；谱峰搜索是指根据目标回波特性，在给定径向速度范围内，搜索大于噪声电平门限和信号功率门限的谱峰，搜索到的谱峰包括峰值功率最大者、信噪比最大者和谱宽最宽者；谱峰识别是指根据地杂波、干扰回波和气象目标回波特性进行谱峰的选取，判别依据包括信号功率、径向速度、速度谱宽和高度分布；中值滤波是利用气象目标回波在高度上呈现出连续变化的规律，剔除干扰引起的谱峰识别结果，当某个距离库的谱峰识别结果大于设置的门限值时，则将其剔除，重新选取谱峰；

谱峰位置确定后，得到功率谱密度分布的零阶矩、一阶矩和二阶矩：

                                 （5）

式中：

为功率谱密度分布的零阶矩, 为第

点功率值，求和范围为信号谱带宽；

                                （6）

式中：

为功率谱密度分布的一阶矩, 

为第点速度值，求和范围为信号谱带宽；

                               （7）

式中：

为功率谱密度分布的二阶矩,求和范围为信号谱带宽；

其中，零阶矩即为信号功率

，一阶矩即为径向速度

，速度谱宽为：

                           （8）

边界层、卷云和降水三种探测模式下，数据采集模块采集毫米波云雷达回波信号、数据预处理模块对毫米波云雷达回波信号进行预处理和数据处理模块对功率谱密度分布进行数据处理的过程及方式完全相同，输出三组基数据；

第五步  数据合成模块对三种探测模式下的基数据进行合成，输出最终的基数据

数据合成模块利用降水模式的信号功率和径向速度，判断是否有降水发生，在没有降水发生时，用边界层模式和卷云模式基数据替代降水模式基数据；

至此，实现了毫米波云雷达的信号处理。