CN104035095A - 基于空时最优处理器的低空风切变风速估计方法 - Google Patents
基于空时最优处理器的低空风切变风速估计方法 Download PDFInfo
- Publication number
- CN104035095A CN104035095A CN201410239844.1A CN201410239844A CN104035095A CN 104035095 A CN104035095 A CN 104035095A CN 201410239844 A CN201410239844 A CN 201410239844A CN 104035095 A CN104035095 A CN 104035095A
- Authority
- CN
- China
- Prior art keywords
- detected
- wind
- range unit
- optimal processor
- low
- 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.)
- Granted
Links
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
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/001—Full-field flow measurement, e.g. determining flow velocity and direction in a whole region at the same time, flow visualisation
-
- 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
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- 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
Abstract
本发明涉及一种基于空时最优处理器的低空风切变风速估计方法。本发明属于机载气象雷达信号处理领域。一种基于空时最优处理器的低空风切变风速估计方法,包括以下步骤:1)从关联的机载设备中读取飞机状态参数、雷达天线扫描参数等作为先验信息;2)选取待检测距离单元,利用空时插值法校正地杂波的距离依赖性;3)利用先验信息补偿飞机速度;4)估计待检测距离单元的地杂波协方差矩阵;5)利用空时最优处理器抑制地杂波并进行风速估计;6)重复步骤2)-5),依次对范围内所有距离单元的回波数据进行风速估计。本发明针对强杂波背景下风速估计精度变差的问题,在机载气象雷达中引入空时信息,提出了一种基于空时最优处理器的低空风切变风速估计方法。仿真结果证明了该方法的有效性。
Description
技术领域
本发明属于机载气象雷达低空风切变检测技术领域,特别是涉及一种基于空时最优处理器的低空风切变风速估计方法。
背景技术
机载气象雷达可对雷雨、风切变、湍流等灾害天气进行探测与预警,是飞机实时感知航路气象的重要设备,其对危险天气的探测能力对保证飞机行驶的安全性至关重要。低空风切变常指高度600米以下风向、风速突然变化的气象现象,通常是强气流由空中冲击到地面后向四周扩散的过程。低空风切变具有发生突然、时间短、尺度小、强度大和不易检测等特点,当飞机起飞和着陆进入强低空风切变区域时,会面临由风向、风速变化带来的升力损失,若处理不得当或缺乏足够的调节空间就可能遭遇飞行事故。因此,低空风切变检测技术的研究已是航空运输领域的一项重要课题。
机载气象雷达下视检测低空风切变时,有用信号会被强地杂波所覆盖。在低空风切变风速估计的工作流程中,地杂波抑制一直是最大的难点。传统的在地杂波背景下估计风场风速的方法包括杂波图法、基于参数化模型的谱估计方法、利用模式分析的扩展Prony方法、零陷滤波器法等,韩雁飞等提出了基于压缩感知的低空风切变风速估计方法,能够在脉冲数较少时实现风速的精确估计,但该方法在应用时需要确定杂波谱宽,且并未涉及风速估计过程中的强杂波抑制问题。这些方法的本质在于寻找合适的凹口在抑制地杂波的同时保留风切变信号,但在强杂波背景下,地杂波难以完全消除,残余杂波仍会覆盖掉风切变信号的多普勒信息,影响风速估计结果的准确性。
相对于传统机载气象雷达的单天线体制,相控阵天线体制具有灵活度高、扫描速度快、易于波束赋形的优点,其回波信号中包含目标空间采样信息。目前国外已经对机载相控阵气象雷达开展了相关的研究工作。2013年9月,美国国家大气研究中心(National Center forAtmospheric Research,NCAR)表示,美国正在研制的下一代机载气象雷达采用双极化相控阵体制。空时自适应处理(Space Time Adaptive Processing,STAP)是机载相控阵雷达杂波抑制与目标检测的关键技术,空时最优处理器可在对有用信号输出功率不变的条件下,尽可能地抑制杂波、干扰及噪声。在我国,STAP技术在机载预警雷达上的应用已经颇为成熟,但此种应用多针对点目标,不能直接用于低空风切变等分布式目标的检测与估计,且机载气象雷达工作在前视状态,前视阵的杂波谱在距离上不平稳,因此传统的空时最优处理器不能直接应用于机载气象雷达中。
发明内容
为了解决上述问题,本发明的目的在于提供一种在高杂噪比、低信噪比时,仍然可以精确估计风场风速的基于空时最优处理器的低空风切变风速估计方法。
为了达到上述目的,本发明提供的基于空时最优处理器的低空风切变风速估计方法,包括按顺序进行的下列步骤:
1)从关联的机载设备中读取飞机状态参数、雷达天线扫描参数等作为先验信息;
2)选取待检测距离单元,利用空时插值法校正地杂波的距离依赖性;
3)利用先验信息补偿飞机速度;
4)估计待检测距离单元的地杂波协方差矩阵;
5)利用空时最优处理器抑制地杂波并进行风速估计;
6)重复步骤2)-5),依次对范围内所有距离单元的回波数据进行风速估计。
在步骤1)中,所述的从关联的机载设备中读取飞机状态参数、雷达天线扫描参数等作为先验信息是读取飞机速度、飞行高度、天线扫描的主瓣方位角和俯仰角等作为先验信息。
在步骤2)中,所述的选取待检测距离单元,利用空时插值法校正地杂波的距离依赖性是利用空时插值法,构造某一距离单元与待检测距离单元的插值变换矩阵T,使用该距离单元数据与插值变换矩阵T相乘,使该距离单元内地杂波的空时二维分布与待检测距离单元趋于一致。依次处理所有距离单元数据,可得到与待检测距离单元地杂波分布特性相同的多个独立同分布(Independent and Identically Distributed,IID)样本。
在步骤3)中,所述的利用先验信息补偿飞机速度是利用上述先验信息对接收信号进行相位补偿,剔除机载平台运动带来的多普勒偏移,以消除机载平台的运动性对参数估计的影响。
在步骤4)中,所述的估计待检测距离单元的地杂波协方差矩阵是利用步骤2)中得到的多个独立同分布样本求取其协方差矩阵的统计平均值。
在步骤5)中,所述的利用空时最优处理器抑制地杂波并进行风速估计是指,构造可自适应抑制机载前视阵地杂波并积累待检测单元内风切变信号的最优处理器;根据低空风切变的分布特性,设定多普勒谱宽与中心频率,构造风切变信号的协方差矩阵,并联合步骤4)中计算得到的待检测距离单元内地杂波协方差矩阵求解最优处理器的权矢量;按多普勒中心频率做循环,更新最优处理器权矢量,当输出信号功率最大时,此时设定的多普勒中心频率即为待检测距离单元内风切变信号的多普勒频率估计值,进而能够计算待检测距离单元内的风场速度。
在步骤6)中,所述的重复步骤2)-5),依次对范围内所有距离单元的回波数据进行风速估计是指更新待检测距离单元,再次利用步骤2)-5)估计其风切变信号多普勒中心频率。将范围内所有距离单元处理完毕后,得到低空风切变场风速随距离的变化曲线。
本发明提供的基于空时最优处理器的低空风切变风速估计方法是将相控阵体系引入到机载气象雷达中,利用空时插值法校正前视阵地杂波的距离依赖性,利用最优处理器自适应地抑制地杂波并匹配低空风切变信号,估计风切变信号的多普勒频率后得到风场速度估计。在强杂波条件下,本发明方法仍能有效地抑制地杂波并精确地估计风场风速。
附图说明
图1为本发明提供的基于空时最优处理器的低空风切变风速估计方法的工作原理图;
图2为机载前视阵回波仿真示意图;
图3为本发明提供的基于空时最优处理器的低空风切变风速估计方法的基本流程图
图4为补偿飞机速度后的仿真信号空时二维谱;
图5为空时插值法补偿地杂波距离依赖性效果图;
图6为空时处理器频响特性;
图7为本发明方法多普勒估计结果;
图8为本发明方法风场速度估计结果。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于空时最优处理器的低空风切变风速估计方法进行详细说明。
如图1所示,本发明提供的基于空时最优处理器的低空风切变风速估计方法包括按顺序进行的下列步骤:
1)从关联的机载设备中读取飞机状态参数、雷达天线扫描参数等作为先验信息:
从机载导航设备中读取飞机速度、飞行高度、天线扫描的主瓣方位角和俯仰角等作为信号处理的先验信息。
2)选取待检测距离单元,利用空时插值法校正地杂波的距离依赖性:
本发明假设天线体制为均匀线阵。如图2所示为机载前视阵回波仿真示意图,设定载机速度为V;脉冲重复频率为fr;阵元间隔为d;天线主瓣波束水平方位角为θ0,俯仰角为杂波单元水平方位角和俯仰角表示为θ和杂波单元空间角频率和时间角频率分别表示为和且有
雷达回波信号x=s+c+n,其中x为低空风切变信号,c为地杂波,n为高斯白噪声,矩阵形式可写为
x=[x1 x2 … xL]T (2)
其中 表示将每个距离单元的接收数据排成NK×1的列向量N为阵元数,K为脉冲数,L为最大距离单元数。
空时插值法通过一个插值变换矩阵使得训练距离单元的地杂波空时分布与待检测距离单元一致,从而达到校正地杂波距离相关性的目的,具体实现步骤如下:
a)选取第i号距离单元为待检测距离单元,构造待检测距离单元的空时导向矢量矩阵Vi。首先将水平方位角均匀分成M份,得到对应{θm}|m=1,2,…,M。然后构造每个水平方位角θm和距离单元俯仰角对应的空时导向矢量其中
式中j表示虚数单位,可以得到待检测距离单元的空时导向矢量矩阵为
Vi=[v(θ1) v(θ2) … v(θM)] (4)
b)选取第j号距离单元为参考距离单元,构造该参考距离单元的空时导向矢量矩阵Vj,可得到第j号与第i号距离单元的插值变换矩阵为Tj,i=Vi(Vj)+,其中(·)+表示求伪逆运算。处理后的参考距离单元数据为yj=Tj,ixj,其与待检测距离单元内地杂波的空时二维分布一致。
c)更新参考距离单元,同样利用空时插值法进行处理,可以得到地杂波分布特性与待检测距离单元相同的多个独立同分布样本。
3)利用先验信息补偿飞机速度:
利用上述先验信息对接收信号进行相位补偿,剔除机载平台运动带来的多普勒频移,以消除机载平台的运动性对参数估计的影响。
4)估计待检测距离单元的地杂波协方差矩阵:
插值变换处理后,估计待检测距离单元地杂波数据的统计协方差矩阵为
5)利用空时最优处理器抑制地杂波并进行风速估计:
可在抑制地杂波的同时匹配低空风切变信号的空时最优处理器可以描述为如下的数学优化问题:
其中ω为最优处理器的权矢量,Rc+n为杂波噪声协方差矩阵,Rs为低空风切变信号协方差矩阵。
构造代价函数
H(ω,λ)=ωHRc+nω+λ(1-ωHRsω) (7)
其中,λ为拉格朗日算子,当时,式(6)可等效为求解下式广义特征值问题:
Rc+nω=λRsω (8)
此时,拉格朗日算子λ可以看做是相应的广义特征值。由于矩阵Rc+n和Rs是半正定的,所以上式得到的所有广义特征值都是非负实数。当式(8)成立时,代价函数取得最小值λ。将左乘到式(8)两边,得到
则有其中p{·}表示求解矩阵最大特征值对应的特征向量。由于地杂波功率远高于噪声功率,可近似认为得到
由上式可知,求解最优处理器权矢量ω需要杂波协方差矩阵和信号协方差矩阵Rs两个关键信息,其中杂波协方差矩阵可由式(5)得到,而在实际检测过程中,风切变信号协方差矩阵Rs是未知的,上式仅代表对目标Rs进行积累。
风切变目标Rs的参数化模型为
其中,P为回波信号功率,fs为信号空间频率,f0为信号多普勒中心频率,σf为信号多普勒谱宽,且有
上式中,Bt为K×K维矩阵,且Bs为N×N维全1矩阵。
风切变目标Rs的参数化模型可由其回波模型推导得到。低空风切变属于分布式目标,其多普勒频率随距离的分布呈反“S”形,且单距离单元内的风切变信号在多普勒域内存在连续性展宽。基于此种特性,设定待检测距离单元内多普勒中心频率和多普勒谱宽,可以构造信号协方差矩阵某一距离单元内低空风切变回波模型可写为
其中zn,k为接收信号幅度;f为信号归一化多普勒频率,且通常认为此时,回波信号相关函数为
由信号相关函数即可推得风切变目标的参数化模型如式(11)所示。
将信号协方差矩阵带入式(10)中,可以求得最优处理器权矢量ω,此处理器可以自适应地抑制地杂波,并积累多普勒频率处于内的目标信号。地杂波抑制与信号匹配的结果为
y=ωHxi (15)
更新求解权矢量ω时设定的多普勒中心频率f0,得到对不同多普勒频段目标信号进行匹配滤波的最优处理器权矢量,并分别求解处理器输出信号功率。当输出功率最大时,最优处理器可以有效地抑制地杂波并积累低空风切变信号,此时设定的多普勒中心频率即为待检测距离单元内风切变信号的多普勒频率估计值进而得到该距离单元的风速估计值为
谱宽σf表示了低空风切变场的风速变化率,可取为实际观测中风速谱宽的统计平均值,本步骤本质是固定空间锥角ψ0和谱宽σf,利用空时最优处理器对待检测距离单元的多普勒中心频率做一维搜索。
6)重复步骤2)-5),依次对范围内所有距离单元的回波数据进行风速估计:
利用步骤2)-5)所述算法估计出每个距离单元的风场速度,即完成低空风切变场的检测过程。
本发明提供的基于空时最优处理器的低空风切变风速估计方法的效果可以通过以下仿真结果进一步说明。
仿真条件描述:低空风切变场分布于飞机前方约8.5-16.5km处,天线阵为阵元数为N=8的均匀线阵,阵元间距d=λ/2,主瓣波束水平方位角为60°,俯仰角为0°,机载气象雷达工作波长为0.05m,脉冲重复频率为7000Hz,最小可分辨距离150m,相干处理脉冲数K=64,信噪比5dB,杂噪比40dB,飞机速度为75m/s,飞行高度为600m,归一化多普勒谱宽σf=0.05。
图3为本发明提供的基于空时最优处理器的低空风切变风速估计方法的基本流程图。其关键步骤在于:利用空时插值法校正地杂波的距离依赖性,构造符合待检测距离单元地杂波二维分布特征的多个IID样本;设计自适应空时处理器,在抑制地杂波的同时对风切变信号进行积累,运用目标检测的思想,搜索风切变信号的多普勒频率。
图4为补偿飞机速度后的仿真信号空时二维谱示意图,为便于观察,此时设置风切变信号与地杂波功率相同。如图所示,地杂波的空时二维谱呈现椭圆形分布,低空风切变信号的空时二维谱表现为主瓣波束空间锥角方向上的一条“窄带”。本发明提供方法利用空时最优处理器自适应地在地杂波方向形成凹口,在风切变信号方向形成增益,进而得到风场多普勒频率的有效估计结果。
图5(a)给出了利用空时插值法校正地杂波距离依赖性前的杂波功率谱,由于机载前视阵雷达的地杂波分布具有距离依赖性,其空时二维谱有明显发散现象,直接使用回波信号估计地杂波协方差矩阵,会致使最优处理器的地杂波抑制性能严重下降。图5(b)给出了利用空时插值法向第20号距离单元做杂波谱补偿的结果,可以看出,补偿后的地杂波空时二维谱明显变窄。
图6以20号距离单元为例,显示了f0=0.5,σf=0.05时的最优处理器频响特性。可以看出,最优处理器沿地杂波分布方向形成自适应凹口,同时对中心频率为f0的宽带信号进行功率积累。按f0循环,更新最优处理器的权矢量,得到最大输出功率对应的即可计算此距离单元的风场风速。
图7为本发明方法多普勒估计结果。如图所示,在8.5-16.5km范围内,信号的多普勒频率随距离呈现反“S”形分布,进一步计算风速梯度和告警因子后可完成低空风切变的检测过程。
图8为本发明方法与传统方法的风速估计结果对比。在同等杂噪比与信噪比条件下,本发明方法处理效果明显优于自适应频域置零法与固定凹口法等传统方法。结果证明,本发明提供的基于空时最优处理器的低空风切变风速估计方法可以在强杂波条件下,有效地抑制地杂波,并精确估计风场速度。
Claims (7)
1.一种基于空时最优处理器的低空风切变风速估计方法,其特征在于:针对待检测距离单元的回波数据,所述的风速估计方法包括按顺序进行的下列步骤:
1)从关联的机载设备中读取飞机状态参数、雷达天线扫描参数等作为先验信息;
2)选取待检测距离单元,利用空时插值法校正地杂波的距离依赖性;
3)利用先验信息补偿飞机速度;
4)估计待检测距离单元的地杂波协方差矩阵;
5)利用空时最优处理器抑制地杂波并进行风速估计;
6)重复步骤2)-5),依次对范围内所有距离单元的回波数据进行风速估计。
2.根据权利要求1所述的基于空时最优处理器的低空风切变风速估计方法,其特征在于:在步骤1)中,所述的从关联的机载设备中读取飞机状态参数、雷达天线扫描参数等作为先验信息是读取飞机速度、飞行高度、天线扫描的主瓣方位角和俯仰角等作为先验信息。
3.根据权利要求1所述的基于空时最优处理器的低空风切变风速估计方法,其特征在于:在步骤2)中,所述的选取待检测距离单元,利用空时插值法校正地杂波的距离依赖性是利用空时插值法,构造某一距离单元与待检测距离单元的插值变换矩阵T,使用该距离单元数据与插值变换矩阵T相乘,使该距离单元内地杂波的空时二维分布与待检测距离单元趋于一致。依次处理所有距离单元数据,可得到与待检测距离单元地杂波分布特性相同的多个独立同分布样本。
4.根据权利要求1所述的基于空时最优处理器的低空风切变风速估计方法,其特征在于:在步骤3)中,所述的利用先验信息补偿飞机速度是利用上述先验信息对接收信号进行相位补偿,剔除机载平台运动带来的多普勒偏移,以消除机载平台的运动性对参数估计的影响。
5.根据权利要求1所述的基于空时最优处理器的低空风切变风速估计方法,其特征在于:在步骤4)中,所述的估计待检测距离单元的地杂波协方差矩阵是利用步骤2)中得到的多个独立同分布样本求取其协方差矩阵的统计平均值。
6.根据权利要求1所述的基于空时最优处理器的低空风切变风速估计方法,其特征在于:在步骤5)中,所述的利用空时最优处理器抑制地杂波并进行风速估计是指,构造可自适应抑制机载前视阵地杂波并积累待检测单元内风切变信号的最优处理器;根据低空风切变的分布特性,设定多普勒谱宽与中心频率,构造风切变信号的协方差矩阵,并联合步骤4)中计算得到的待检测距离单元内地杂波协方差矩阵求解最优处理器的权矢量;按多普勒中心频率做循环,更新最优处理器权矢量,当输出信号功率最大时,此时设定的多普勒中心频率即为待检测距离单元内风切变信号的多普勒频率估计值,进而能够计算待检测距离单元内的风场速度。
7.根据权利要求1所述的基于空时最优处理器的低空风切变风速估计方法,其特征在于:在步骤6)中,所述的重复步骤2)-5),依次对范围内所有距离单元的回波数据进行风速估计是指更新待检测距离单元,再次利用步骤2)-5)估计其风切变信号多普勒中心频率。将范围内所有距离单元处理完毕后,得到低空风切变场风速随距离的变化曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410239844.1A CN104035095B (zh) | 2014-05-30 | 2014-05-30 | 基于空时最优处理器的低空风切变风速估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410239844.1A CN104035095B (zh) | 2014-05-30 | 2014-05-30 | 基于空时最优处理器的低空风切变风速估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104035095A true CN104035095A (zh) | 2014-09-10 |
CN104035095B CN104035095B (zh) | 2016-09-28 |
Family
ID=51465932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410239844.1A Expired - Fee Related CN104035095B (zh) | 2014-05-30 | 2014-05-30 | 基于空时最优处理器的低空风切变风速估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104035095B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318067A (zh) * | 2014-09-29 | 2015-01-28 | 中国商用飞机有限责任公司 | 基于能量管理的风切变探测方法及装置 |
CN104535971A (zh) * | 2014-12-08 | 2015-04-22 | 广西大学 | 一种基于空时插值的杂波抑制方法和装置 |
CN104597449A (zh) * | 2015-02-11 | 2015-05-06 | 南京航空航天大学 | 一种机载多扫描气象雷达目标垂直轮廓重建方法 |
CN104793210A (zh) * | 2015-04-21 | 2015-07-22 | 中国民航大学 | 基于压缩感知的机载相控阵雷达低空风切变风速估计方法 |
CN104898122A (zh) * | 2015-06-18 | 2015-09-09 | 周卫平 | 基于云计算平台来得到三维大气风场信息产品的系统 |
CN104914420A (zh) * | 2015-06-08 | 2015-09-16 | 中国民航大学 | 基于多通道联合自适应处理的低空风切变风速估计方法 |
CN105718695A (zh) * | 2016-02-01 | 2016-06-29 | 华北电力大学 | 一种基于压缩传感的风场重建方法 |
CN106054195A (zh) * | 2016-05-31 | 2016-10-26 | 中国民航大学 | 基于空时最优处理器的湍流谱宽估计方法 |
CN106872982A (zh) * | 2017-03-24 | 2017-06-20 | 中国民航大学 | 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法 |
CN107748364A (zh) * | 2017-10-13 | 2018-03-02 | 中国民航大学 | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 |
CN108761419A (zh) * | 2018-06-15 | 2018-11-06 | 中国民航大学 | 基于组合空时主通道自适应处理的低空风切变风速估计方法 |
CN109597079A (zh) * | 2018-12-11 | 2019-04-09 | 北京无线电测量研究所 | 基于风廓线雷达的低空急流识别方法及装置 |
CN109613562A (zh) * | 2018-12-13 | 2019-04-12 | 北京无线电测量研究所 | 测风激光雷达有效探测边界的识别方法及装置 |
CN110531359A (zh) * | 2019-07-02 | 2019-12-03 | 中国航空工业集团公司雷华电子技术研究所 | 一种机载气象雷达风切变探测的设计方法 |
CN111175754A (zh) * | 2020-01-07 | 2020-05-19 | 中国民航大学 | Lfmcw体制下基于tdpc-jdl的低空风切变风速估计方法 |
CN111239742A (zh) * | 2020-02-26 | 2020-06-05 | 中国民航大学 | 海杂波背景下基于mbmc的低空风切变风速估计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5077558A (en) * | 1990-12-14 | 1991-12-31 | Allied-Signal Inc. | Airborne wind shear detection weather radar |
CN103163523A (zh) * | 2013-02-25 | 2013-06-19 | 中国民航大学 | 基于压缩感知的低空风切变风速估计方法 |
-
2014
- 2014-05-30 CN CN201410239844.1A patent/CN104035095B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5077558A (en) * | 1990-12-14 | 1991-12-31 | Allied-Signal Inc. | Airborne wind shear detection weather radar |
CN103163523A (zh) * | 2013-02-25 | 2013-06-19 | 中国民航大学 | 基于压缩感知的低空风切变风速估计方法 |
Non-Patent Citations (3)
Title |
---|
刘锦辉: "机载前视阵雷达杂波谱空时分离插值方法", 《电子与信息学报》 * |
吴仁彪: "机载气象雷达风切变信号仿真", 《现代雷达》 * |
韩雁飞: "强杂波背景下的低空风切变检测技术研究", 《中国优秀硕士学士论文全文数据库信息科技辑》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318067A (zh) * | 2014-09-29 | 2015-01-28 | 中国商用飞机有限责任公司 | 基于能量管理的风切变探测方法及装置 |
CN104535971A (zh) * | 2014-12-08 | 2015-04-22 | 广西大学 | 一种基于空时插值的杂波抑制方法和装置 |
CN104597449A (zh) * | 2015-02-11 | 2015-05-06 | 南京航空航天大学 | 一种机载多扫描气象雷达目标垂直轮廓重建方法 |
CN104793210A (zh) * | 2015-04-21 | 2015-07-22 | 中国民航大学 | 基于压缩感知的机载相控阵雷达低空风切变风速估计方法 |
CN104793210B (zh) * | 2015-04-21 | 2017-03-22 | 中国民航大学 | 基于压缩感知的机载相控阵雷达低空风切变风速估计方法 |
CN104914420A (zh) * | 2015-06-08 | 2015-09-16 | 中国民航大学 | 基于多通道联合自适应处理的低空风切变风速估计方法 |
CN104898122A (zh) * | 2015-06-18 | 2015-09-09 | 周卫平 | 基于云计算平台来得到三维大气风场信息产品的系统 |
CN105718695B (zh) * | 2016-02-01 | 2021-06-22 | 华北电力大学 | 一种基于压缩传感的风场重建方法 |
CN105718695A (zh) * | 2016-02-01 | 2016-06-29 | 华北电力大学 | 一种基于压缩传感的风场重建方法 |
CN106054195A (zh) * | 2016-05-31 | 2016-10-26 | 中国民航大学 | 基于空时最优处理器的湍流谱宽估计方法 |
CN106054195B (zh) * | 2016-05-31 | 2018-07-06 | 中国民航大学 | 基于空时最优处理器的湍流谱宽估计方法 |
CN106872982A (zh) * | 2017-03-24 | 2017-06-20 | 中国民航大学 | 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法 |
CN107748364A (zh) * | 2017-10-13 | 2018-03-02 | 中国民航大学 | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 |
CN108761419A (zh) * | 2018-06-15 | 2018-11-06 | 中国民航大学 | 基于组合空时主通道自适应处理的低空风切变风速估计方法 |
CN108761419B (zh) * | 2018-06-15 | 2021-11-16 | 中国民航大学 | 基于组合空时主通道自适应处理的低空风切变风速估计方法 |
CN109597079A (zh) * | 2018-12-11 | 2019-04-09 | 北京无线电测量研究所 | 基于风廓线雷达的低空急流识别方法及装置 |
CN109597079B (zh) * | 2018-12-11 | 2023-03-21 | 北京无线电测量研究所 | 基于风廓线雷达的低空急流识别方法及装置 |
CN109613562A (zh) * | 2018-12-13 | 2019-04-12 | 北京无线电测量研究所 | 测风激光雷达有效探测边界的识别方法及装置 |
CN109613562B (zh) * | 2018-12-13 | 2022-11-08 | 北京无线电测量研究所 | 测风激光雷达有效探测边界的识别方法及装置 |
CN110531359A (zh) * | 2019-07-02 | 2019-12-03 | 中国航空工业集团公司雷华电子技术研究所 | 一种机载气象雷达风切变探测的设计方法 |
CN111175754A (zh) * | 2020-01-07 | 2020-05-19 | 中国民航大学 | Lfmcw体制下基于tdpc-jdl的低空风切变风速估计方法 |
CN111239742A (zh) * | 2020-02-26 | 2020-06-05 | 中国民航大学 | 海杂波背景下基于mbmc的低空风切变风速估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104035095B (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104035095A (zh) | 基于空时最优处理器的低空风切变风速估计方法 | |
CN103926572B (zh) | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 | |
CN103869311B (zh) | 实波束扫描雷达超分辨成像方法 | |
CN104280566A (zh) | 基于空时幅相估计的低空风切变风速估计方法 | |
CN105223560B (zh) | 基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法 | |
CN103941257B (zh) | 一种基于波数能量谱的导航雷达图像反演海面风向的方法 | |
CN108761419A (zh) | 基于组合空时主通道自适应处理的低空风切变风速估计方法 | |
CN105487074B (zh) | 一种双基地合成孔径雷达数值距离多普勒成像方法 | |
CN103207387B (zh) | 一种机载相控阵pd雷达杂波的快速模拟方法 | |
CN109116311A (zh) | 基于知识辅助稀疏迭代协方差估计的杂波抑制方法 | |
CN102749621B (zh) | 一种双基地合成孔径雷达频域成像方法 | |
CN103176168B (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN110133648B (zh) | 一种选取逆合成孔径雷达船只成像时窗的方法 | |
CN104111449B (zh) | 一种改进的基于广义内积的空时二维自适应处理方法 | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 | |
CN105137430A (zh) | 一种前视阵列sar的回波稀疏获取及其三维成像方法 | |
CN102736073B (zh) | 一种通用模式下星载sar距离向模糊度的计算方法 | |
CN104166134A (zh) | 一种实波束前视扫描雷达目标二维定位方法 | |
CN110554391A (zh) | 基于ddd-gmb的低空风切变风速估计方法 | |
CN112098999A (zh) | 一种高动态雷达导引头掠海目标电磁信号建模方法 | |
CN105116408A (zh) | 一种舰船isar图像结构特征提取方法 | |
CN106526553A (zh) | 一种通用的sar卫星方位模糊度性能精确分析方法 | |
CN106291547B (zh) | 基于天线方向图辅助的多普勒模糊分量自适应抑制方法 | |
CN104793210A (zh) | 基于压缩感知的机载相控阵雷达低空风切变风速估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
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: 20160928 Termination date: 20170530 |