CN104122538A - 确定风廓线雷达噪声功率的方法 - Google Patents

Abstract

本发明实施例公开了一种确定风廓线雷达噪声功率的方法，所述方法包括：依噪声统计特性，引入一个由实测功率谱算出的、反映信号成分的检验因子，当信号全部是噪声时，由生成功率谱时所用的窗函数和功率谱平均次数确定检验因子特定值；进入迭代过程，根据每个距离门的实测功率谱的最大值和最小值，依黄金分割法获得预置功率密度门限值；每次迭代计算时，将幅度高于预置功率密度门限值的谱线降低至预置功率密度门限值，得到新的功率谱，并用检验因子判别新功率谱的信号成分；若仍存在气象信号成分则继续迭代，直至没有气象信号成分，所剩功率谱为噪声功率谱，用于噪声功率计算。本发明适用于雷达信号的噪声功率估计。

Description

确定风廓线雷达噪声功率的方法

本申请要求于2013年4月24日提交中国专利局、申请号为201310145912.3、发明名称为“确定雷达信号噪声功率的方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本发明涉及无线电信号处理技术领域，特别涉及一种确定风廓线雷达噪声功率的方法。

背景技术

风廓线雷达（Wind Profile Radar,英文缩写为WPR）是获取大气运动速度、速度谱宽和回波强度信息的脉冲多普勒雷达。为了确定回波位置，需要将返回的信号分隔成与发射脉冲宽度相匹配的距离门。在一个探测方向上（称为径向），一般划分几十个距离门。分别对每个距离门进行谱处理，生成功率谱，再从功率谱中提取气象信息。

上述WPR生成功率谱的具体步骤如下：一、将相继返回的信号进行积累；二、将N个上述相干积累后的数据通过傅里叶变换的方法得到功率谱估计；三、将M个上述功率谱进行平均，得到一个平均功率谱，通过对平均功率谱的谱矩计算，得到谱的0阶矩（对应回波功率）、1阶矩（对应径向速度）、2阶矩（对应速度谱宽）。上述步骤获取的功率谱是气象信号功率谱与噪声信号功率谱的叠加，WPR获取的功率谱可以表示成：s(ω)=s_u(ω)+s_n(ω)，其中，s(ω)是接收机输出信号功率谱，s_u(ω)表示气象信号功率谱，s_n(ω)表示噪声信号功率谱。噪声信号主要是雷达本机噪声，也包括大气背景噪声。此外，不影响确定噪声功率的导出，我们将有色干扰信号也归为气象信号一类。WPR获取的功率谱是气象信号功率谱与噪声信号功率谱的叠加，确定气象信号回波功率的关键是在叠加的功率谱中，准确确定噪声功率。

目前普遍采用的确定噪声功率的方法有两种。一种是将远距离门的返回信号视为噪声。具体做法是：在一个径向上，用远距离门的信号功率作为该径向上各个距离门的噪声功率。另外一种常用的方法是用功率谱两端的谱线确定噪声功率。

现有技术中至少存在如下问题：这两种方法都过于主观假定，造成较大的误差。第一种方法中，假定远距离门全部是噪声信号，气象信号充分小到可以忽略不计。在晴空天气，远距离门一般全部是噪声信号，上述假定合理。但是，在有天气过程（特别是降水天气过程）时，雷达返回信号会显著加强，远距离门中同样含有不可忽略的气象信号，这时再以远距离门返回信号作为噪声功率标准，就会给谱矩计算带来较大误差。另外，如果远距离门中有较强的瞬时杂波干扰信号，也会给谱矩计算带来误差。第二种方法中，假定功率谱两端无气象信号，但是当目标运动速度比较大、接近奈奎斯特速度时，或有外界干扰时，这种方法也会造成很大误差。

发明内容

提供一种确定风廓线雷达噪声功率的方法，解决风廓线雷达信号的噪声功率计算不准确的问题。

提供一种确定风廓线雷达噪声功率的方法，包括：

根据实际获取的每个距离门的功率谱确定各自距离门的噪声功率；

计算某个距离门的噪声功率是对该距离门功率谱的一个迭代计算过程；

迭代计算过程是逐渐降低功率谱中气象信号功率谱线，直到所剩功率谱线全部是噪声功率谱线的过程；

在迭代计算过程中，以一个能够反映信号成分的检验因子作为客观标准，通过检验因子的取值与检验因子阈值的比较，判别功率谱的信号成分；

检验因子阈值由雷达生成功率谱所用的窗函数和功率谱平均次数两个参数计算得到；

检验因子由雷达实际获取的功率谱、或由迭代计算过程对雷达实际获取的功率谱进行调整后的功率谱，计算确定；

根据实际获取的每个距离门的原始功率谱计算检验因子；根据所述检验因子的取值与所述检验因子阈值的比较，判别原始功率谱中是否含有气象信号功率谱；判别结果有两种可能情况；第一种可能情况，检验因子取值等于检验因子阈值，表明原始功率谱中无气象信号功率谱，则原始功率谱即为噪声功率谱，对噪声功率谱求和得到噪声功率；第二种可能情况，检验因子取值小于检验因子阈值，表明原始功率谱中有气象信号功率谱，需要迭代计算确定噪声功率谱；则根据原始功率谱的最大值和最小值，以黄金分割点预置噪声功率密度门限，并进入迭代计算过程；

为了叙述方便，在以下对迭代计算过程的描述中，将所述原始功率谱简称为原谱，将所述预置噪声功率密度门限简称为原门限；并且，将迭代过程返回的功率谱也简称为原谱，将迭代过程返回的预置噪声功率密度门限简称为原门限；

迭代第一步：将所述原谱中幅度高于所述原门限的谱线降低至与所述原门限相等，得到新功率谱这里简称为调整谱；

迭代第二步：根据所述调整谱计算检验因子；根据检验因子的计算结果判别原门限是否合适，判别结果有以下三种可能情况；

第一种情况，检验因子取值等于检验因子阈值，表明原门限合适、调整谱即是噪声功率谱，停止迭代，用原门限计算噪声功率；

第二种情况，检验因子取值小于检验因子阈值，表明原门限偏高，则以原门限作为最大值，以原谱的最小值作为最小值，以黄金分割点重新设置噪声功率密度门限，返回迭代第一步；

第三种情况，检验因子取值大于检验因子阈值，表明原门限偏低，则以原门限作为最小值，以原谱的最大值作为最大值，以黄金分割点重新设置噪声功率密度门限，返回迭代第一步；

与现有技术相比，本发明实施例中是根据实际获取的每个距离门的功率谱，确定各自距离门的噪声功率密度门限值；确定某个距离门的噪声功率密度门限值是对该距离门功率谱的迭代计算；迭代过程中以检验因子进行判别，检验因子根据实际获取的功率谱计算得到；迭代过程中采用了黄金分割法以减少迭代次数、加快计算；本发明解决了现有技术中由主观假定计算出的噪声功率不准确的问题，提高了计算噪声功率的准确性，解决了风廓线雷达实现强度定量测量的一个关键技术，使风廓线雷达的应用范围更加广泛。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例一提供的方法流程图；

图2为本发明实施例二提供的方法流程图；

图3为本发明实施例二提供的流程图；

图4、图5为本发明实施例二提供的功率谱；

图6、图7为本发明实施例三提供的装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

为使本发明技术方案的优点表述得更加清楚，下面结合附图和实施例对本发明作详细说明。

实施例一

本实施例提供一种确定风廓线雷达噪声功率的方法，如图1所示，所述方法包括：

101、根据功率谱生成时采用的窗函数和功率谱平均次数确定当功率信号全部为白噪声时的检验因子特定值。

其中，在确定检验因子特定值之后，根据每个距离门的功率谱计算检验因子；根据检验因子计算结果判别信号成分、根据信号成分决定计算流程方向；当计算出的检验因子等于检验因子特定值时，功率谱全部为噪声功率谱，计算流程停止；当检验因子小于所述检验因子特定值时，功率谱为噪声功率谱和气象信号功率谱的叠加谱，根据功率谱的最大值和最小值，执行步骤102。

102、根据获取的每个距离门对应的功率谱的最大值和最小值，获得预置噪声功率密度门限值。所述获得预置噪声功率密度门限值包括：根据黄金分割优选法分割所述功率谱的最大值和最小值的差值，将分割后的两部分中较小的值作为所述预置噪声功率密度门限值，计算进入迭代流程。

103、将功率谱的谱线中幅度高于所述预置噪声功率密度门限值的谱线幅度降低至与所述预置噪声功率密度门限值相等，获得新功率谱。

104、根据新功率谱计算检验因子；

105、调整所述预置噪声功率密度门限值，使得所述检验因子满足所述检验因子特定值，将满足所述检验因子特定值的检验因子所对应的预置噪声功率密度门限值作为噪声功率密度门限值。

具体的，当检验因子小于所述检验因子特定值时，功率谱中仍然含有气象信号功率谱，以预置噪声功率密度门限值作为最大值，以功率谱的最小值作为最小值，以黄金分割优选法重新预置噪声功率密度门限，返回103；当检验因子大于所述检验因子特定值时，功率谱中原有的噪声被压低，以预置噪声功率密度门限值作为最小值，以功率谱的最大值作为最大值，以黄金分割优选法重新预置噪声功率密度门限，返回103。

可选的，为了满足不同测量精度的需求，可以作如下定义：若检验因子减去检验因子特定值的差值的绝对值小于等于预设值，则所述检验因子满足所述检验因子特定值。其中通过调整预设值的大小来实现对噪声功率精度的控制。

与现有技术相比，本发明实施例中是根据实际获取的每个距离门的功率谱，确定各自距离门的噪声功率密度门限值；确定某个距离门的噪声功率密度门限值是对该距离门功率谱的迭代计算；迭代过程中以检验因子进行判别，检验因子根据实际获取的功率谱计算得到；迭代过程中采用了黄金分割法以减少迭代次数、加快计算；本发明解决了现有技术中由主观假定计算出的噪声功率不准确的问题，提高了计算噪声功率的准确性，解决了风廓线雷达实现强度定量测量的一个关键技术，使风廓线雷达的应用范围更加广泛。

实施例二

本实施例提供一种确定风廓线雷达噪声功率的方法，以风廓线雷达的噪声功率测量为例，如图2所示，所述方法包括：

201、获得原始功率谱s(ω)。

例如，获得的功率谱s(ω)如图4所示。

风廓线雷达采用改进周期图法进行功率谱估计，过程如下：

首先，需要说明的是，随机过程X的功率谱s(ω)要用过程的样本序列进行估计。随机过程的样本序列x(n)一般为无限长序列。但是，我们只能用x(n)的一段观测序列x_N(n)对功率谱进行估计。下标N表示序列长度，那么：

x_N(n)=w_s(n)×x(n)      （1）

其中，w_s(n)是加在样本序列上的窗函数（称为数据窗），下标s特指w_s(n)是数据窗。如果x_N(n)是x(n)的自然截取，那么w_s(n)为矩形窗函数。

随机过程X的自相关函数为：r(m)=E[x(n)x(n+m)]，E[·]表示期望运算。自相关函数一般采用下式估计：

$\hat{r}\left(m\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_N\left(n\right)x_N(n+m)$

（2）

其估计均值为： $E\left[\hat{r}\left(m\right)\right]=w_r\left(m\right)r\left(m\right)---\left(3\right)$

其中，w_r(m)是加在自相关序列上的窗函数（称为延迟窗）。延迟窗是数据窗的卷积。（3）式中的w_s(n)如果是矩形窗，矩形窗卷积为三角窗，那么（5）式中的w_r(m)则是三角窗。

则周期图算法为：

${\hat{s}}_N\left(\mathrm{\ω}\right)=\frac{1}{N}{\left|X_N\left(\mathrm{\ω}\right)\right|}^2$

（4）

其中，X_N(ω)是序列x_N(n)的傅里叶变换，表示用长度为N的样本序列X_N(ω)得到的实际功率谱的估计。

进一步的，为了减小功率谱估计方差，风廓线雷达一般采用平均周期图法，即对根据（4）式得到的多次估计结果进行平均，得到平均功率谱估计。记是一次实际功率谱s(ω)的估计结果，是M次功率谱估计结果的平均，即：

${\hat{s}}_N^M\left(\mathrm{\ω}\right)=\frac{1}{M}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\hat{s}}_N^j\left(\mathrm{\ω}\right)$

（5）

如果的方差为并假定M次功率谱估计相互独立，那么的均值与方差分别为：

$E\left[{\hat{s}}_N^M\left(\mathrm{\ω}\right)\right]=E\left[{\hat{s}}_N\left(\mathrm{\ω}\right)\right]$

（6）

$\mathrm{V\; ar}\left[{\hat{s}}_N^M\left(\mathrm{\ω}\right)\right]=\frac{1}{M}\mathrm{Var}\left[{\hat{s}}_N\left(\mathrm{\ω}\right)\right]---\left(7\right)$

（6）式和（7）式说明谱平均作用不改变估计均值，但是会减小估计方差。

另外，考虑窗函数对功率谱估计方差影响。如果随机过程为白噪声过程，功率谱估计基于傅立叶变换，那么功率谱估计的方差为：

$\mathrm{Var}\left[{\hat{s}}_N\left(\mathrm{\ω}\right)\right]={\left(E\right[{\hat{s}}_N\left(\mathrm{\ω}\right)\left]\right)}^2(1+{\left|W\left(\mathrm{\ω}\right)\right|}^2)---\left(8\right)$

其中，是由有限长序列x_N(n)得到的估计，W(ω)是窗谱。W(ω)反映的是窗函数对功率谱估计方差影响。其中，窗函数的谱泄漏作用会使功率谱估计方差加大。假如能够用无限长序列进行功率谱估计，就不存在窗函数的影响，（8）式中的窗谱项W(ω)等于零。

其中，使用（4）式通过傅立叶变换估计功率谱时，可以采用加窗傅立叶变换或不加窗傅立叶变换。如果不采用加窗傅立叶变换，那么（8）式中的窗谱W(ω)是三角窗的窗谱。这是因为对序列的自然截取引入的窗函数的影响。如果采用加窗傅立叶变换，那么（8）式中的窗谱是所加窗与三角窗卷积的窗谱。

在上述功率谱估计理论与噪声特性的基础上，我们导出风廓线雷达噪声功率计算方法。

202、设定检验因子。

例如，进行如下设定：称R为检验因子。是风廓线雷达功率谱估计均值的平方，是风廓线雷达功率谱估计方差。

进一步的，考虑步骤201中的（6）、（7）和（8）式，仅当信号为白噪声时，检验因子R取值 $\frac{1+{\left|W\left(\mathrm{\ω}\right)\right|}^2}{M},$ 令 $R_n=\frac{1+{\left|W\left(\mathrm{\ω}\right)\right|}^2}{M}.$

需要说明的是，检验因子R的取值范围是0<R≤R_n。如果信号中含有气象信号，那么R<R_n；信号成分越接近白噪声、R的取值越接近R_n；当信号全部是噪声信号时，R＝R_n。因子R提供了这样一个判别信号成分的客观标准，所以我们这里称其为检验因子。依据检验因子R，我们可以有效地从气象信号和噪声信号叠加的功率谱中，去除气象信号功率谱，求出噪声功率密度s_v(ω)，进而求得噪声功率。

203、获得原始功率谱s(ω)的最大值s_max和最小值s_min。

204、通过最大值s_max和最小值s_min预置噪声功率密度门限值L。

例如，按照黄金分割点进行分割，L＝0.382(s_max－s_min)。需要说明的是，按照黄金分割的方法可以大幅度缩短计算用时，提高计算效率。

205、将原始功率谱记作s^j(ω)，检查原始功率谱s^j(ω)的谱线，将谱线中幅度高于预置噪声功率密度门限值L的谱线高度修改为L，获得新的功率谱s^j+1(ω)。

206、针对功率谱s^j+1(ω)计算检验因子R，比较R和R_n。

207、若R等于R_n，则预置噪声功率密度门限值L恰好为噪声功率密度门限值n₀。

208、若R大于R_n，则将预置噪声功率密度门限值L作为新的最小值s_min，最大值s_max不变，重新执行步骤204-步骤206，直至R等于R_n，获得噪声功率密度门限值n₀。

209、若R小于R_n，则将预置噪声功率密度门限值L作为新的最大值s_max，最小值s_min不变，重新执行步骤204-步骤206，直至R等于R_n，获得噪声功率密度门限值n₀。

210、根据公式P_n＝n₀×B计算出噪声功率，其中，P_n为噪声功率，n₀为噪声功率密度门限，B为信号带宽。

例如，图4是气象信号和噪声信号叠加的功率谱，最后获得的噪声功率谱如图5所示。

可选的，在确定噪声功率密度门限值时，可以根据所需要的噪声功率精度设定一个精度门限δ，只要R接近R_n即可，不必要使R和R_n完全相等。例如：给出如下的关系，|R-R_n|≤δ，δ为一个根据需要可变的值，δ主要影响迭代次数，δ值越小迭代次数越多。

进一步的，详细的流程图如图3所示，图3中流程按照由上至下，由左至右的顺序进行。

需要说明的是，对于风廓线雷达，现有技术中主观认为远距离门中没有气象信号，所以当存在气象信号时，这种假设不成立，由此给噪声的确定带来极大的误差，进而给回波功率和谱宽参量的估计带来误差。通过上述计算出的噪声功率客观、准确，进而能准确估计速度谱宽和回波强度。该问题的解决，可以使风廓线雷达探测精度得到提高，有助于风廓线雷达实现强度的定量测量，使风廓线雷达的应用更加广泛。

需要说明的是，本发明实施例描述的方案适用对象不仅限于风廓线雷达，对于其它类型的雷达及其类似设备，如果其信息提取是基于傅里叶（Fourier）变换的功率谱估计，那么本方法同样适用。

与现有技术相比，本发明实施例中是根据实际获取的每个距离门的功率谱，确定各自距离门的噪声功率密度门限值；确定某个距离门的噪声功率密度门限值是对该距离门功率谱的迭代计算；迭代过程中以检验因子进行判别，检验因子根据实际获取的功率谱计算得到；迭代过程中采用了黄金分割法以减少迭代次数、加快计算；本发明解决了现有技术中由主观假定计算出的噪声功率不准确的问题，提高了计算噪声功率的准确性，解决了风廓线雷达实现强度定量测量的一个关键技术，使风廓线雷达的应用范围更加广泛。

实施例三

本实施例提供一种确定风廓线雷达噪声功率的装置30，如图6所示，所述装置30包括：

确定单元31，用于根据功率谱生成时采用的窗函数和功率谱平均次数确定当功率信号全部为白噪声时的检验因子特定值；

门限值获取单元32，用于根据获取的每个距离门对应的功率谱的最大值和最小值，获得预置噪声功率密度门限值；

功率获取单元33，用于将所述功率谱的谱线中幅度高于所述预置噪声功率密度门限值的谱线幅度降低至与所述预置噪声功率密度门限值相等，获得新功率谱；

计算单元34，用于根据所述新功率谱计算检验因子；

处理单元35，用于调整所述预置噪声功率密度门限值，使得所述检验因子满足所述检验因子特定值，将满足所述检验因子特定值的检验因子所对应的预置功率密度门限值作为噪声功率密度门限值。

其中，所述门限值获取单元32具体用于：

根据黄金分割优选法分割所述功率谱的最大值和最小值的差值，将分割后的两部分中较小的值作为所述预置噪声功率密度门限值。

进一步的，如图7所示，所述处理单元35包括：

第一调整单元351，用于当所述检验因子小于所述检验因子特定值时，将所述预置噪声功率密度门限值作为所述功率谱的最大值，所述功率谱的最小值不变，重新获得预置噪声功率密度门限，进行迭代计算，直至所述检验因子满足检验因子特定值；

第二调整单元352，用于当所述检验因子大于所述检验因子特定值时，将所述预置噪声功率密度门限值作为所述功率谱的最小值，所述功率谱的最大值不变，重新获得预置噪声功率密度门限值，进行迭代计算，直至所述检验因子满足所述检验因子特定值。

其中，所述检验因子满足所述检验因子特定值包括：若所述检验因子减去所述检验因子特定值的差值的绝对值小于等于预设值，则所述检验因子满足所述检验因子特定值，其中所述预设值根据噪声功率的精度确定。

其中，所述计算单元34计算出的检验因子为所述功率谱平均值的平方与所述功率谱的方差的比值。

与现有技术相比，本发明实施例中是根据实际获取的每个距离门的功率谱，确定各自距离门的噪声功率密度门限值；确定某个距离门的噪声功率密度门限值是对该距离门功率谱的迭代计算；迭代过程中以检验因子进行判别，检验因子根据实际获取的功率谱计算得到；迭代过程中采用了黄金分割法以减少迭代次数、加快计算；本发明解决了现有技术中由主观假定计算出的噪声功率不准确的问题，提高了计算噪声功率的准确性，解决了风廓线雷达实现强度定量测量的一个关键技术，使风廓线雷达的应用范围更加广泛。

本发明实施例提供的确定风廓线雷达噪声功率的装置可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。本发明实施例提供的确定风廓线雷达噪声功率的方法可以适用于雷达信号的噪声功率估计，但不仅限于此。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种确定风廓线雷达噪声功率的方法，其特征在于，包括：

根据功率谱生成时采用的窗函数和功率谱平均次数确定当功率信号全部为白噪声时的检验因子特定值；根据获取的每个距离门对应的功率谱的最大值和最小值，获得预置噪声功率密度门限值；

将所述功率谱的谱线中幅度高于所述预置噪声功率密度门限值的谱线幅度降低至与所述预置噪声功率密度门限相等，获得新功率谱；

根据所述新功率谱计算检验因子；

调整所述预置噪声功率密度门限值，使得所述检验因子满足所述检验因子特定值，将满足所述检验因子特定值的检验因子所对应的预置噪声功率密度门限值作为噪声功率密度门限值。

2.根据权利要求1所述的方法，其特征在于，所述根据获取的每个距离门对应的功率谱的最大值和最小值，获得预置噪声功率密度门限值包括：

根据黄金分割优选法分割所述功率谱的最大值和最小值的差值，将分割后的两部分中较小的值作为所述预置噪声功率密度门限值。

3.根据权利要求2所述的方法，其特征在于，所述调整所述预置噪声功率密度门限值包括：

若所述检验因子小于所述检验因子特定值，将所述预置噪声功率密度门限值作为所述功率谱的最大值，所述功率谱的最小值不变，重新获得预置噪声功率密度门限，进行迭代计算，直至所述检验因子满足所述检验因子特定值；

若所述检验因子大于所述检验因子特定值，将所述预置噪声功率密度门限值作为所述功率谱的最小值，所述功率谱的最大值不变，重新获得预置噪声功率密度门限值，进行迭代计算，直至所述检验因子满足所述检验因子特定值。

4.根据权利要求1或3所述的方法，其特征在于，所述检验因子满足所述检验因子特定值包括：

若所述检验因子减去所述检验因子特定值的差值的绝对值小于等于预设值，则所述检验因子满足所述检验因子特定值，其中所述预设值根据噪声功率的精度确定。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述检验因子为所述功率谱平均值的平方与所述功率谱的方差的比值。

6.一种确定风廓线雷达噪声功率的装置，其特征在于，包括：

确定单元，用于根据功率谱生成时采用的窗函数和功率谱平均次数确定当功率信号全部为白噪声时的检验因子特定值；

门限值获取单元，用于根据获取的每个距离门对应的功率谱的最大值和最小值，获得预置噪声功率密度门限值；

功率获取单元，用于将所述功率谱的谱线中幅度高于所述预置噪声功率密度门限值的谱线幅度降低至与所述预置噪声功率密度门限值相等，获得新功率谱；

计算单元，用于根据所述新功率谱计算检验因子；

处理单元，用于调整所述预置噪声功率密度门限值，使得所述检验因子满足所述检验因子特定值，将满足所述检验因子特定值的检验因子所对应的预置功率密度门限值作为噪声功率密度门限值。

7.根据权利要求6所述的装置，其特征在于，所述门限值获取单元具体用于：

根据黄金分割优选法分割所述功率谱的最大值和最小值的差值，将分割后的两部分中较小的值作为所述预置噪声功率密度门限值。

8.根据权利要求7所述的装置，其特征在于，所述处理单元包括：

第一调整单元，用于当所述检验因子小于所述检验因子特定值时，将所述预置噪声功率密度门限值作为所述功率谱的最大值，所述功率谱的最小值不变，重新获得预置噪声功率密度门限，进行迭代计算，直至所述检验因子满足检验因子特定值；

第二调整单元，用于当所述检验因子大于所述检验因子特定值时，将所述预置噪声功率密度门限值作为所述功率谱的最小值，所述功率谱的最大值不变，重新获得预置噪声功率密度门限值，进行迭代计算，直至所述检验因子满足所述检验因子特定值。

9.根据权利要求6或8所述的装置，其特征在于，所述检验因子满足所述检验因子特定值包括：

若所述检验因子减去所述检验因子特定值的差值的绝对值小于等于预设值，则所述检验因子满足所述检验因子特定值，其中所述预设值根据噪声功率的精度确定。

10.根据权利要求6-9任一项所述的装置，其特征在于，所述计算单元计算出的检验因子为所述功率谱平均值的平方与所述功率谱的方差的比值。