CN107526067A - 全自动多普勒天气雷达径向速度退模糊算法 - Google Patents

全自动多普勒天气雷达径向速度退模糊算法 Download PDF

Info

Publication number
CN107526067A
CN107526067A CN201710147894.0A CN201710147894A CN107526067A CN 107526067 A CN107526067 A CN 107526067A CN 201710147894 A CN201710147894 A CN 201710147894A CN 107526067 A CN107526067 A CN 107526067A
Authority
CN
China
Prior art keywords
radial
velocity
speed
initial
fuzzy
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.)
Pending
Application number
CN201710147894.0A
Other languages
English (en)
Inventor
肖艳姣
李中华
王志斌
冷亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Rainstorm Research Institute Of China Meteorological Administration
Original Assignee
Wuhan Rainstorm Research Institute Of China Meteorological Administration
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Rainstorm Research Institute Of China Meteorological Administration filed Critical Wuhan Rainstorm Research Institute Of China Meteorological Administration
Priority to CN201710147894.0A priority Critical patent/CN107526067A/zh
Publication of CN107526067A publication Critical patent/CN107526067A/zh
Pending legal-status Critical Current

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
    • G01S7/418—Theoretical aspects
    • 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
    • G01S13/958—Theoretical aspects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了一种全自动多普勒天气雷达径向速度退模糊算法，它包含以下步骤：孤立噪声过滤；连续速度模糊区的速度退模糊；杂散状速度奇异值修正；其中：所述的孤立噪声过滤方法：基于回波尺度大小对径向速度资料中的孤立噪声过滤；所述的连续速度模糊区的速度退模糊方法：寻找肯定没有速度模糊的区域作为退模糊的起点，基于径向速度的空间连续性原则进行退模糊处理；所述的杂散状速度奇异值修正方法：根据分析得到的已知杂散状速度奇异值的错误特征采用一种有效方法对其进行修正。本发明既能解决连续速度模糊区的径向速度模糊问题，又能解决双PRF模式径向速度的杂散状奇异值问题。

Description

全自动多普勒天气雷达径向速度退模糊算法
技术领域
本发明涉及气象数据分析处理技术领域，尤其是一种对多普勒天气雷达体扫数据中的径向速度进行一系列处理后获得高质量径向速度数据的方法，具体地说是一种全自动多普勒天气雷达径向速度退模糊的算法。
背景技术
多普勒天气雷达除了能获得表征降水强度的反射率因子外，还能获得高时空分辨率的径向速度。径向速度具有广阔的应用前景，如用于强对流天气监测预警、风场反演、地物杂波抑制以及通过同化径向速度资料改善数值天气预报模式的初始场等。
然而，径向速度的深度和广度应用却受到了极大限制，其中一个重要原因就是径向速度存在速度模糊和距离折叠等质量问题。这是因为多普勒天气雷达可测量的径向速度范围和探测距离是有限的，即存在一个最大不模糊速度Vmax和一个最大不模糊距离Rmax。当实际风的径向分量位于±Vmax间隔外时，雷达测量的径向速度VO还是位于±Vmax间隔内，也就是说出现了速度模糊(折叠)。Vmax与雷达波长和脉冲重复频率PRF成正比，而Rmax与PRF成反比，也就是说不存在同一个PRF既使得Vmax较大又使得Rmax较大。业务多普勒天气雷达在确保较大Rmax的情况下，其Vmax就比较小，那么径向速度就容易出现模糊。雷达测量的径向速度VO与真实径向速度VT之间的关系如下：
VT＝VO±2n×Vmax(n＝0，1，2…) (1)。
为了解决多普勒天气雷达速度模糊问题，有软件和硬件方法被使用。由于速度模糊在径向速度场中表现为速度的突变(速度模糊区内的速度还是连续的)，所以大多数速度退模糊软件算法都基于径向速度在空间和时间上的连续性原则。硬件方法常使用双PRF技术在确保Rmax较大的情况下扩展Vmax。如果分别用和表示高、低脉冲重复频率PRFh和PRFl所对应的最大不模糊速度，那么扩展后的最大不模糊速度为：
通常的做法是选择2个相邻整数比的PRFh和PRFl，即满足下面关系：
其中：N为整数，取值2、3或4，我国一般取2。
然而，双PRF技术的使用在扩展Vmax的同时又增加了测速误差，导致径向速度资料中经常出现较大正负速度交替跳变的杂散状的奇异值(经研究发现与高、低PRF对应的最大不模糊速度有关)，使得径向速度资料的应用变得更加困难。此外，虽然双PRF技术可以在一定程度上提高径向速度可测范围，但是对于台风、飑线、龙卷、强风暴等天气系统，其部分径向速度仍有可能超过扩展Vmax而出现连续的速度模糊区。
软件退模糊的基本思路是：把每个观测的径向速度和某个参考速度相比较，当两者的差值大于预设的风切变阈值时，那么就认为观测的径向速度模糊了，需要通过调整公式(1)中的n值，使得VT与参考速度的差值位于预设的风切变阈值范围内。在多数速度退模糊算法中，参考速度都是取与当前速度库邻近的已经被处理过的多个库的速度平均值，这些已经被处理过的速度库被假设正确地退过模糊。
然而，对于一些边界来说，比如每个径向的第一个速度库和孤立回波区的边沿，其周围不存在可用的已经被处理过的速度库。在这种情况下，有的算法使用来自探空的环境风作为参考速度；有的算法使用VAD(Velocity Azimuth Display)风场或者数值模式风场资料作为参考速度；有的算法使用人机交互方式设置速度退模糊的起点和参考速度。但是，探空资料的时、空分辨率都是稀疏的，对于小尺度的风切变来说不具有代表性；VAD风场虽然在时间和空间上都更加连续，但是它只是提供了雷达附近多个高度的平均风场，而且VAD算法本身也要遭受速度模糊以及有效速度资料覆盖率的影响；人机交互方式不适合用于实时业务或大批量的数据处理。
我国业务多普勒天气雷达使用的速度退模糊算法来自美国WSR-88D的退模糊算法，退模糊起始点是从扫描第一根径向的第6个库开始，初始参考速度是该径向的头5个库，这5个库的速度被假设为没有速度模糊，而且速度退模糊过程中判断是否模糊的切变阈值是固定不变的。这种退模糊方法存在一些不足，比如：1)判断模糊的初始参考值有可能本身就是模糊的；2)对于孤立的回波区，没有可用的参考值用于判断是否模糊，只能使用由VAD方法得到的环境风场；3)判断模糊的参考值取的是某一个库的速度值，容易受到随机误差影响；4)判断是否模糊的切变阈值固定不变，对于强切变区容易出错。
对于因双PRF技术引起的速度奇异值问题(本质上是与高、低PRF对应的速度模糊有关)，国内的解决办法主要分为二类，第一类是使用中值滤波法或K-邻域频数法对整个速度场进行滤波，这种方法虽然能简单地滤除奇异值，但是其代价是降低了速度资料的空间分辨率，会平滑一些有用的小尺度风场信息，而且奇异值与其修正值之间违背了模糊速度与其真实速度之间应有的关系；第二类是使用某种方法，比如拉普拉斯方法，识别出速度奇异值，再使用局地平均值、中值或高频平均值替代奇异值，这类方法虽然避免了速度资料空间分辨率的降低，但是速度奇异值与其修正值之间仍然违背了模糊速度与其真实速度之间应有的关系。
为此，研发一套高效的全自动多普勒天气雷达径向速度退模糊算法对于最能体现多普勒天气雷达技术优势和重要功能的径向速度资料的深度和广度应用已成为迫在眉睫的任务。
发明内容
本发明的目的是提供一种既能解决连续速度模糊区的径向速度模糊问题，又能解决双PRF模式径向速度的杂散状奇异值问题(本质上是高、低PRF引起的速度模糊)的全自动多普勒天气雷达径向速度退模糊算法。
为了解决背景技术所存在的问题，本发明是采用以下技术方案：一种全自动多普勒天气雷达径向速度退模糊算法，它包含以下步骤：1)孤立噪声过滤；2)连续速度模糊区的速度退模糊；3)杂散状速度奇异值修正；其中：
所述的孤立噪声过滤方法：基于回波尺度大小对径向速度资料中的孤立噪声过滤；
所述的连续速度模糊区的速度退模糊方法：寻找肯定没有速度模糊的区域作为退模糊的起点，基于径向速度的空间连续性原则进行退模糊处理；
所述的杂散状速度奇异值修正方法：根据分析得到的已知杂散状速度奇异值的错误特征采用一种有效方法对其进行修正。
作为本发明的进一步改进；所述的连续速度模糊区的速度退模糊方法的实现步骤如下：
首先通过搜索最弱风区(零速度线附近，模糊的可能性非常小，初始参考速度可靠)第一次确定最多两组初始参考径向，其中使用了相邻仰角初始参考径向应具有方位连续性的约束条件，剔除假零速度线(比如剧烈模糊区中的零速度区)引起的不恰当的备用初始径向；
其次根据连续性原则对初始参考径向(初始参考速度选初始参考径向上的所有小速度平均值)及其左右两根径向进行退模糊处理，即通过调整公式(1)中的n值使得VT与参考速度VR的差值小于设定的阈值，参考速度取当前库周围已被处理过的3个库的速度平均值(使用3个库的平均可以减少使用一个速度库作为参考速度的随机误差)；
然后把初始参考径向及其左右2根径向作为全方位径向退模糊的参考径向，从3根初始参考径向左右相邻的2根径向开始进行多次顺时针和逆时针180°方位的逐根径向退模糊，对于每根径向，先切向后径向进行处理；在多次退模糊过程中，判断速度是否模糊的标准由紧到松，切变阈值由小到大自动调整，以确保用于后面退模糊处理(特别是强切变情况下的速度模糊)的参考速度的可靠性；
最后进行径向和方位方向的强风切变检查，如果还有强风切变存在，那么通过搜索弱风切变区中有效速度库最多的径向再次确定一组退模糊的初始参考径向，重复前面的退模糊过程，这有利于远离雷达的孤立回波区的速度退模糊。
作为本发明的进一步改进；所述的杂散状速度奇异值修正方法通过计算每个库的径向速度与其局地中值速度的差值，定量分析了双PRF模式径向速度数据，发现奇异值点的速度与其局地中值速度的偏差和高、低PRF的最大不模糊速度对应；为此，选取以当前库为中心的局地窗口内所有回波速度的中值作为参考速度，判断当前库的速度是否为奇异值，如果是奇异值，通过调整公式(1)中的n值使得VT与参考速度VR的差值小于设定的阈值，从而修正速度奇异值。
采用上述技术方案后，本发明具有以下有益效果：
1、本算法从输入的径向速度场中自动搜寻没有模糊的区域作为速度退模糊的起点，参考速度也从速度场中得到，不需要其它额外的风场资料，计算速度快，适合实时业务运行。
2、本算法可广泛用于多普勒天气雷达的速度退模糊处理，为径向速度的深度和广度应用提供高质量的径向速度数据，充分发挥多普勒天气雷达的多普勒功能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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，对于本领域普通技术人员来讲，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他的附图。
图1为本发明中连续速度模糊区的速度退模糊流程图；
图2为本发明的整体处理流程图；
图3为本发明中初始参考径向搜索流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明。
请参阅图1-图3，本具体实施方式采用以下技术方案：一种全自动多普勒天气雷达径向速度退模糊算法，其实施步骤(见附图2)为：
1)读取雷达体扫基数据中的径向速度数据；
2)孤立噪声过滤；
3)连续速度模糊区的速度退模糊；
4)杂散状速度奇异值修正；
5)处理过的径向速度数据再存回到雷达体扫基数据中。其中最重要的部分是连续速度模糊区的速度退模糊，流程如附图1。
该算法从读取雷达体扫基数据开始，从低仰角向高仰角依次对每个仰角的速度进行退模糊处理，最后把经过退模糊处理后的径向速度数据再存回到雷达体扫数据中。
孤立噪声过滤的实施方案：选取以当前库为中心的3×5个库的窗口，如果当前库有回波速度值，则计算该窗口内的有回波速度值的库数占窗口所有库数的百分比，如果该百分比小于设定阈值(缺省值为30％)，则认为当前库为孤立噪声点，用无回波速度值替代当前库的速度值。
连续速度模糊区的速度退模糊的实施方案：这部分包含以下几个处理步骤，其中最重要的是初始径向的搜索，其流程如图3：
a.第一次初始径向搜索，包含第一种和第二种搜索方法；
b.初始三根参考径向退模糊；
c.第一次全方位径向退模糊；
d.第二次全方位径向退模糊；
e.第二次初始径向搜索(第三种搜索方法)。
下面给出每个处理步骤的详细描述。
a.第一次初始径向搜索：
成功搜索没有模糊的区域作为退模糊的起点对于正确退模糊是至关重要的。一般情况下，没有强切变的弱风区(或零速度线附近)就是作为退模糊起点的理想区域。初始径向搜索首先是在给定仰角搜寻一组所有相邻径向速度对之间没有强切变(模糊的可能性极小)的好径向，无强切变条件为：
|Vi-Vi-1|＜αVmax (4)
其中，V为径向速度，i＝1，2，ΛN0代表所有有效径向速度库，α为可调系数，缺省值为0.8。
对于每个好径向，计算如下平均值VM0、VM1、VM2、VM3：
其中|Vi|＜βVmax (6)
其中|Vi|＜βVmax (8)
其中，N0为有效径向速度库的个数，N1为满足|Vi|＜βVmax的径向速度库个数，β为可调系数，缺省值为0.2。
对于所有好径向首先使用第一种方法搜索备用初始径向：如果VM1的符号从连续3根径向到下一个相邻连续3根径向发生了改变，那么中间2根径向中N1大的那根径向就被确定为备用初始径向。如果没有搜索到备用初始径向，则把β阈值增加0.1，重新计算VM1和VM3后重复上面的搜索过程。如果还没有搜索到备用初始径向，则把β阈值再增加0.1后重复上面的搜索过程。
如果使用第一种搜索方法找到一根或多根备用初始径向，它们不一定都适合作为退模糊的起始径向，因为假零速度线会干扰备用初始径向的搜索。比如速度模糊区中的零速度区、零速度线随斜距的剧烈弯曲等都会引起假零速度线的识别，如果以此作为初始参考径向就会导致退模糊失败。为此，算法进一步判断备用初始径向能否作为初始参考径向，位于真零速度线附近的备用初始径向应该被保留作为初始参考径向，其它远离真零速度线的备用初始径向应该被丢弃。由于在低仰角中，径向速度值和真零速度线随斜距的弯曲程度一般都小于高仰角的，因此，在低仰角，备用初始径向位于真零速度线附近的可能性要大一些。
为此，本算法用如下方式取舍备用初始径向：1)对于最低仰角，如果只有一个备用初始径向，那么保留它作为初始参考径向，如果有2个及其以上的备用初始径向，那么首先保留VM3最小的2根，如果这2根初始径向之间的小夹角小于30°，那么只保留VM3小的那根作为初始参考径向；2)对于其它仰角，最多保留2根备用初始径向作为初始参考径向，本算法使用了相邻仰角初始参考径向应具有方位连续性的约束条件，首先保留与其相邻低仰角中的初始参考径向之间的小夹角小于30°且VM3最小的最多2根径向，如果保留的2根径向之间的小夹角小于30°，那么只保留VM3小的那根作为初始参考径向。保留2根初始参考径向，对于方位不连续的速度场的退模糊处理是有好处的。
如果使用第一种搜索方法没有找到初始参考径向，则使用第二种初始径向搜索方法。首先是在好径向中搜索所有满足以下2个条件的径向：1)N0＞NT；2)|VM0|＜βVmax，其中NT是库数阈值，缺省值为80。如果没有找到备用初始径向，则把NT以5为间隔递减后再进行循环搜索，直到找到备用初始径向或NT≥5为止。
如果使用第二种搜索方法找到多根备用初始径向，也使用相邻仰角初始参考径向的方位连续性约束，只保留与其相邻低仰角中的初始参考径向之间的小夹角小于30°且VM2最小的那根作为初始参考径向。如果使用第二种方法仍然没有找到备用初始径向，那么算法跳到“第二次初始径向搜索”模块。
b.三根初始参考径向退模糊：
该模块首先为所有径向速度库赋标示值，即把有距离折叠的或无回波的速度库标示为3，其它的为0；然后，使用VM1或VM0(取决于初始径向的搜索)作为参考速度VR对初始参考径向上标示为0的每个速度库进行退模糊处理，即通过调整公式(1)中的n值寻找与VR最接近的VT，如果|VT-VR|＜γVmax(γ为可调参数，缺省值为0.2)，那么该速度库的速度值就用VT替代，其标示被改为1，否则，不处理该速度库，其标示仍为0；最后，使用初始参考径向上的经过退模糊处理后的速度值作为参考速度VR，对与初始参考径向相邻的2根径向上标示为0的每个速度库进行方位退模糊处理。初始参考径向以及与其相邻的2根径向将作为第一次全方位径向退模糊的参考径向。3根参考径向的使用可以增强方位连续性约束，从而减少由一根参考径向导致的随机错误。
c.第一次全方位径向退模糊：
该模块从3根初始参考径向左右相邻的2根径向开始进行顺时针180°和逆时针180°的逐根径向退模糊。对于每根径向，首先进行方位方向的处理，然后进行径向方向的处理。沿方位方向的退模糊处理从雷达开始往外进行，每个标示为0的速度库和一个参考速度VR进行比较，VR是其前面已经处理过的3根径向上同一距离处的3个库的速度平均值，并且3个速度库必须满足以下条件：
1)3个速度库的标示都为1；
2)任意2个相邻速度库都要满足方程(4)。
如果没有可用的参考速度，那么该速度库不被处理；否则，进行退模糊处理。
径向方向的退模糊从寻找满足以下3个条件且标示为1的初始速度库开始：
1)初始速度库的两侧至少要各有2.5km(可调)长的连续有效速度库；
2)初始速度库的两侧至少要各有2个标示为1的速度库，与初始速度库一起构成5个连续的好速度库，而且这5个连续速度库要满足方程(4)。
3)在同一距离圈上至少连续有3个相邻的标示为1的速度库，而且这3个连续速度库满足方程(4)。
初始速度库的搜索从径向的最远端开始向雷达方向进行。一旦初始速度库被找到，算法从初始速度库开始沿2个方向(朝向雷达和离开雷达方向)进行逐库退模糊处理，使用前面已经处理过的3个标示为1的相邻速度库的速度平均值作为参考速度，被处理过的速度库的标示被置为1。如果遇到标示为3的速度库，那么开始一个新的初始速度库的搜索，然后再继续进行退模糊处理，这个过程被重复，直到整个径向被处理完。
在第一次全方位逐根径向退模糊过程中，用来确定参考速度的标准相当严格，参考速度库周围的水平风切变一定是小的，而且参考速度仅仅影响其周围的小片区域。因此，被处理过的速度被认为是正确的，有高的可信度，为后面的退模糊处理提供了好的背景场。在第一次全方位径向退模糊中，因附近没有好的参考速度而未被处理的那些速度库将在接下来的第二次全方位径向退模糊过程中有更好的机会找到有效的参考速度，因为经过第一次退模糊后有更多标示为1的好速度库可用。
d.第二次全方位径向退模糊
第二次全方位径向退模糊将只处理那些在第一次退模糊中没被处理的标示为0的速度库。这个模块和第一次全方位径向退模糊模块类似，只是寻找参考速度的搜寻半径更加松弛。对于当前径向每个标示为0的速度库，算法首先沿方位寻找与其相邻的已经处理过的标示为1的三个速度库，其速度平均值为如果这3个速度库满足条件：|Vi-Vi-1|＜αVmax，i＝-1，-2，那么就使用参考速度VR对该速度库进行退模糊处理。否则把方位搜索范围松弛一根径向，检查速度Vi(i＝-2，-3，-4)。这个过程被重复M次(缺省值为3)或直到找到好的VR。
沿径向方向，从中间任意距离处(缺省值为20km)开始搜索标示为0的速度库，并沿2个方向(朝向和离开雷达方向)进行处理。对于任何一个标示为0的速度库，算法沿2个方向(朝向和离开雷达方向)搜索最近3个标示为1的连续速度库，搜索被继续直到找到满足条件的速度库或搜索范围超过了一个距离门限Δr(缺省值为5km)，如果找到满足条件的3个连续库，则把它们的速度平均值作为参考速度，对当前速度库进行退模糊处理。
用松弛的M和Δr阈值(M＝6，10；Δr＝20，50)把第二次全方位径向退模糊过程重复2次，这对远距离处的孤立风暴是有好处的。在多次循环退模糊过程中，γ阈值以0.05为间隔递增。
如果第一次搜索到的初始参考径向有2根，那么模块b、c、d被重复1次。
e.第二次初始径向搜索
经过模块a-d的退模糊步骤后，径向速度PPI图中可能还会残留一些未被处理的速度模糊区，比较常见的情况有：1)远雷达处的孤立强风区；2)方位间隔较大的多块强风区；3)被距离折叠隔离的强风区。为此，在完成第二次全方位径向退模糊过程之后，再沿径向和方位进行强风切变检查，一旦发现沿径向或方位还有强风切变(相邻速度库的速度差值大于2αVmax)，则使用第三种方法进行第二次初始径向搜索，即选择没有强风切变且有效速度库数N0最大的那根好径向作为退模糊的初始参考径向，然后重复退模糊步骤b-d，不过步骤c和d是进行顺时针和逆时针360°退模糊处理，并且M值取得更大(缺省M＝10，15，30)，这对方位间隔较大的多块强风区的速度退模糊是有好处的。
速度奇异值修正实施方案：选取以当前库为中心的M×N(缺省值7×9)个库的窗口，该窗口内的有回波速度库的个数必须大于设定阈值(缺省值9)，否则把窗口逐步扩大直到达到设定的阈值要求。选取窗口内所有回波速度的中值作为参考速度，通过公式和(n取值0，1，2)，计算10个可能的真实速度值，取其中与参考速度差值最小的那个VT值作为该库速度的替代值。
实施例：
使用我国S波段多普勒天气雷达观测的龙卷、飑线、孤立强风暴、强台风等事件的1000多个体扫资料对该算法进行了测试和评估，以PPI(Plan Position Indicator)为单位统计退模糊正确率，通过人工判断，只要一个PPI上出现明显的退模糊错误，那么就认为这个PPI的退模糊正确率为零。表1给出了雷达资料来源和速度退模糊正确率，退模糊正确率都大于99.5％。
表1 雷达体扫资料来源及退模糊正确率
此外，也对比了使用本算法和我国业务多普勒天气雷达系统中的速度退模糊方案的速度退模糊效果，发现本算法要显著优于我国业务多普勒天气雷达系统中的速度退模糊方案，特别是针对孤立回波区、强切变、剧烈模糊等情况下的速度模糊。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.全自动多普勒天气雷达径向速度退模糊算法，其特征在于，它包含以下步骤：1)孤立噪声过滤；2)连续速度模糊区的速度退模糊；3)杂散状速度奇异值修正；其中：
所述的孤立噪声过滤方法：基于回波尺度大小对径向速度资料中的孤立噪声过滤；
所述的连续速度模糊区的速度退模糊方法：寻找肯定没有速度模糊的区域作为退模糊的起点，基于径向速度的空间连续性原则进行退模糊处理；
所述的杂散状速度奇异值修正方法：根据分析得到的已知杂散状速度奇异值的错误特征采用一种有效方法对其进行修正；
该算法从读取雷达体扫基数据开始，从低仰角向高仰角依次对每个仰角的速度进行退模糊处理，最后把经过退模糊处理后的径向速度数据再存回到雷达体扫数据中。
2.根据权利要求1所述的全自动多普勒天气雷达径向速度退模糊算法，其特征在于，所述的连续速度模糊区的速度退模糊方法的实现步骤如下：
首先通过搜索最弱风区第一次确定最多两组初始参考径向，其中使用了相邻仰角初始参考径向应具有方位连续性的约束条件，剔除假零速度线引起的不恰当的备用初始径向；
其次根据连续性原则对初始参考径向及其左右两根径向进行退模糊处理，雷达测量的径向速度VO与真实径向速度VT之间的关系为：
VT＝VO±2n×Vmax(n＝0，1，2…) (1)
通过调整公式(1)中的n值使得VT与参考速度VR的差值小于设定的阈值，参考速度取当前库周围已被处理过的3个库的速度平均值；
然后把初始参考径向及其左右2根径向作为全方位径向退模糊的参考径向，从3根初始参考径向左右相邻的2根径向开始进行多次顺时针和逆时针180°方位的逐根径向退模糊，对于每根径向，先切向后径向进行处理；在多次退模糊过程中，判断速度是否模糊的标准由紧到松，切变阈值由小到大自动调整，以确保用于后面退模糊处理的参考速度的可靠性；
最后进行径向和方位方向的强风切变检查，如果还有强风切变存在，那么通过搜索弱风切变区中有效速度库最多的径向再次确定一组退模糊的初始参考径向，重复前面的退模糊过程，这有利于远离雷达的孤立回波区的速度退模糊。
3.根据权利要求1所述的全自动多普勒天气雷达径向速度退模糊算法，其特征在于，所述的杂散状速度奇异值修正方法通过计算每个库的径向速度与其局地中值速度的差值，定量分析了双PRF模式径向速度数据，发现奇异值点的速度与其局地中值速度的偏差和高、低PRF的最大不模糊速度对应；为此，选取以当前库为中心的局地窗口内所有回波速度的中值作为参考速度，判断当前库的速度是否为奇异值，如果是奇异值，通过调整公式(1)中的n值使得VT与参考速度VR的差值小于设定的阈值，从而修正速度奇异值。
4.根据权利要求1所述的全自动多普勒天气雷达径向速度退模糊算法，其特征在于，所述的连续速度模糊区的速度退模糊包含以下处理步骤：
(a).第一次初始径向搜索，包含第一种和第二种搜索方法；
(b).初始三根参考径向退模糊；
(c).第一次全方位径向退模糊；
(d).第二次全方位径向退模糊；
(e).第三种搜索方法：第二次初始径向搜索。
5.根据权利要求4所述的全自动多普勒天气雷达径向速度退模糊算法，其特征在于，所述的初始径向搜索的实施方法如下：
首先是在给定仰角搜寻一组所有相邻径向速度对之间没有强切变的好径向，无强切变条件为：
|Vi-Vi-1|＜αVmax (4)
其中，V为径向速度，i＝1，2，ΛN0代表所有有效径向速度库，α为可调系数，缺省值为0.8；
对于每个好径向，计算如下平均值VM0、VM1、VM2、VM3：
<mrow> <msub> <mi>V</mi> <mrow> <mi>M</mi> <mn>0</mn> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>/</mo> <msub> <mi>N</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <munder> <mo>&amp;Sigma;</mo> <mi>i</mi> </munder> <msub> <mi>V</mi> <mi>i</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
其中|Vi|＜βVmax (6)
<mrow> <msub> <mi>V</mi> <mrow> <mi>M</mi> <mn>2</mn> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>/</mo> <msub> <mi>N</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <munder> <mo>&amp;Sigma;</mo> <mi>i</mi> </munder> <mo>|</mo> <msub> <mi>V</mi> <mi>i</mi> </msub> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
其中|Vi|＜βVmax (8)
其中，N0为有效径向速度库的个数，N1为满足|Vi|＜βVmax的径向速度库个数，β为可调系数，缺省值为0.2；
对于所有好径向首先使用第一种方法搜索备用初始径向：如果VM1的符号从连续3根径向到下一个相邻连续3根径向发生了改变，那么中间2根径向中N1大的那根径向就被确定为备用初始径向；如果没有搜索到备用初始径向，则把β阈值增加0.1，重新计算VM1和VM3后重复上面的搜索过程；如果还没有搜索到备用初始径向，则把β阈值再增加0.1后重复上面的搜索过程；
取舍备用初始径向的方法为：
对于最低仰角，如果只有一个备用初始径向，那么保留它作为初始参考径向，如果有2个及其以上的备用初始径向，那么首先保留VM3最小的2根，如果这2根初始径向之间的小夹角小于30°，那么只保留VM3小的那根作为初始参考径向；
对于其它仰角，最多保留2根备用初始径向作为初始参考径向，使用了相邻仰角初始参考径向应具有方位连续性的约束条件，首先保留与其相邻低仰角中的初始参考径向之间的小夹角小于30°且VM3最小的最多2根径向，如果保留的2根径向之间的小夹角小于30°，那么只保留VM3小的那根作为初始参考径向；
如果使用第一种搜索方法没有找到初始参考径向，则使用第二种初始径向搜索方法：首先是在好径向中搜索所有满足以下2个条件的径向：N0＞NT；|VM0|＜βVmax，其中NT是库数阈值，缺省值为80；如果没有找到备用初始径向，则把NT以5为间隔递减后再进行循环搜索，直到找到备用初始径向或NT≥5为止；
如果使用第二种搜索方法找到多根备用初始径向，也使用相邻仰角初始参考径向的方位连续性约束，只保留与其相邻低仰角中的初始参考径向之间的小夹角小于30°且VM2最小的那根作为初始参考径向；如果使用第二种方法仍然没有找到备用初始径向，那么算法跳到“第二次初始径向搜索”模块；
第二次初始径向搜索：经过模块a-d的退模糊步骤后，径向速度PPI图中若还残留未被处理的速度模糊区，在完成第二次全方位径向退模糊过程之后，再沿径向和方位进行强风切变检查，一旦发现沿径向或方位还有强风切变，相邻速度库的速度差值大于2αVN，则使用第三种方法进行第二次初始径向搜索，即选择没有强风切变且有效速度库数N0最大的那根好径向作为退模糊的初始参考径向，然后重复退模糊步骤b-d，其中步骤c和d是进行顺时针和逆时针360°退模糊处理，并且M值取得更大，缺省M＝10，15，30，这对方位间隔较大的多块强风区的速度退模糊是有好处的。
CN201710147894.0A 2017-03-07 2017-03-07 全自动多普勒天气雷达径向速度退模糊算法 Pending CN107526067A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710147894.0A CN107526067A (zh) 2017-03-07 2017-03-07 全自动多普勒天气雷达径向速度退模糊算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710147894.0A CN107526067A (zh) 2017-03-07 2017-03-07 全自动多普勒天气雷达径向速度退模糊算法

Publications (1)

Publication Number Publication Date
CN107526067A true CN107526067A (zh) 2017-12-29

Family

ID=60748607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710147894.0A Pending CN107526067A (zh) 2017-03-07 2017-03-07 全自动多普勒天气雷达径向速度退模糊算法

Country Status (1)

Country Link
CN (1) CN107526067A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108459323A (zh) * 2018-01-31 2018-08-28 天津大学 基于多普勒天气雷达数据的强辐合场识别及速度订正方法
CN108983186A (zh) * 2018-07-03 2018-12-11 中国科学院国家空间科学中心 一种星载干涉成像高度计prf实时调整方法
CN109001707A (zh) * 2018-07-09 2018-12-14 中国人民解放军国防科技大学 针对分布式软目标的扫描雷达多普勒速度修正方法及应用
CN109298424A (zh) * 2018-11-28 2019-02-01 广东电网有限责任公司 一种基于雷达拼图的杆塔电力线路天气监测方法和装置
CN110596787A (zh) * 2019-08-29 2019-12-20 成都锦江电子系统工程有限公司 一种基于x波段全固态双偏振雨量雷达的降水估测方法
CN110673105A (zh) * 2019-09-25 2020-01-10 武汉滨湖电子有限责任公司 一种脉冲多普勒雷达解速度模糊的方法
CN112946658A (zh) * 2021-02-03 2021-06-11 中国气象科学研究院 一种获取大气垂直运动速度的方法、装置
CN113009489A (zh) * 2021-02-04 2021-06-22 中国气象局气象探测中心 一种模糊速度初始参考距离库选择方法及系统和设备
CN113655455A (zh) * 2021-10-15 2021-11-16 成都信息工程大学 一种双偏振天气雷达回波信号仿真方法
CN113835091A (zh) * 2021-07-05 2021-12-24 浙江省气象信息网络中心 适应多种天气事件的多普勒雷达径向速度自动退模糊方法
CN114636981A (zh) * 2022-02-28 2022-06-17 广东省气象台(南海海洋气象预报中心) 基于雷达回波的在线深度学习台风中心定位系统
CN112748434B (zh) * 2021-02-07 2023-04-11 江西师范大学 一种基于多项式拟合的多普勒天气雷达速度退模糊方法
CN117368878A (zh) * 2023-12-04 2024-01-09 成都远望科技有限责任公司 一种基于邻域扩展的多普勒天气雷达径向速度退模糊方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149552A (zh) * 2013-02-04 2013-06-12 南京信息工程大学 一种多普勒天气雷达径向速度场的退模糊方法
US20160238695A1 (en) * 2015-02-13 2016-08-18 University Of Alaska Fairbanks Signal correction for environmental distortion

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149552A (zh) * 2013-02-04 2013-06-12 南京信息工程大学 一种多普勒天气雷达径向速度场的退模糊方法
US20160238695A1 (en) * 2015-02-13 2016-08-18 University Of Alaska Fairbanks Signal correction for environmental distortion

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
肖艳娇等: "一种自动多普勒雷达速度退模糊算法研究", 《高原气象》 *
肖艳娇等: "多普勒天气雷达双PRF径向速度资料质量控制", 《高原气象》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108459323A (zh) * 2018-01-31 2018-08-28 天津大学 基于多普勒天气雷达数据的强辐合场识别及速度订正方法
CN108459323B (zh) * 2018-01-31 2022-04-15 天津大学 基于多普勒天气雷达数据的强辐合场识别及速度订正方法
CN108983186A (zh) * 2018-07-03 2018-12-11 中国科学院国家空间科学中心 一种星载干涉成像高度计prf实时调整方法
CN109001707A (zh) * 2018-07-09 2018-12-14 中国人民解放军国防科技大学 针对分布式软目标的扫描雷达多普勒速度修正方法及应用
CN109001707B (zh) * 2018-07-09 2020-05-29 中国人民解放军国防科技大学 针对分布式软目标的扫描雷达多普勒速度修正方法及应用
CN109298424A (zh) * 2018-11-28 2019-02-01 广东电网有限责任公司 一种基于雷达拼图的杆塔电力线路天气监测方法和装置
CN110596787A (zh) * 2019-08-29 2019-12-20 成都锦江电子系统工程有限公司 一种基于x波段全固态双偏振雨量雷达的降水估测方法
CN110673105B (zh) * 2019-09-25 2021-12-10 武汉滨湖电子有限责任公司 一种脉冲多普勒雷达解速度模糊的方法
CN110673105A (zh) * 2019-09-25 2020-01-10 武汉滨湖电子有限责任公司 一种脉冲多普勒雷达解速度模糊的方法
CN112946658A (zh) * 2021-02-03 2021-06-11 中国气象科学研究院 一种获取大气垂直运动速度的方法、装置
CN113009489A (zh) * 2021-02-04 2021-06-22 中国气象局气象探测中心 一种模糊速度初始参考距离库选择方法及系统和设备
CN113009489B (zh) * 2021-02-04 2023-07-14 中国气象局气象探测中心 一种模糊速度初始参考距离库选择方法及系统和设备
CN112748434B (zh) * 2021-02-07 2023-04-11 江西师范大学 一种基于多项式拟合的多普勒天气雷达速度退模糊方法
CN113835091A (zh) * 2021-07-05 2021-12-24 浙江省气象信息网络中心 适应多种天气事件的多普勒雷达径向速度自动退模糊方法
CN113835091B (zh) * 2021-07-05 2024-05-28 浙江省气象信息网络中心 适应多种天气事件的多普勒雷达径向速度自动退模糊方法
CN113655455A (zh) * 2021-10-15 2021-11-16 成都信息工程大学 一种双偏振天气雷达回波信号仿真方法
CN113655455B (zh) * 2021-10-15 2022-04-08 成都信息工程大学 一种双偏振天气雷达回波信号仿真方法
CN114636981A (zh) * 2022-02-28 2022-06-17 广东省气象台(南海海洋气象预报中心) 基于雷达回波的在线深度学习台风中心定位系统
CN117368878A (zh) * 2023-12-04 2024-01-09 成都远望科技有限责任公司 一种基于邻域扩展的多普勒天气雷达径向速度退模糊方法
CN117368878B (zh) * 2023-12-04 2024-02-06 成都远望科技有限责任公司 一种基于邻域扩展的多普勒天气雷达径向速度退模糊方法

Similar Documents

Publication Publication Date Title
CN107526067A (zh) 全自动多普勒天气雷达径向速度退模糊算法
Bianco et al. Convective boundary layer depth: Improved measurement by Doppler radar wind profiler using fuzzy logic methods
James et al. A real-time four-dimensional Doppler dealiasing scheme
KR101258668B1 (ko) 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
CN106990404A (zh) 一种利用导航x波段雷达反演海面波高的自动定标算法
CN110596787A (zh) 一种基于x波段全固态双偏振雨量雷达的降水估测方法
Ahsbahs et al. Validation of Sentinel-1A SAR coastal wind speeds against scanning LiDAR
Barthelmie et al. Effects of an escarpment on flow parameters of relevance to wind turbines
JP6689396B2 (ja) 気象予測装置、気象予測方法、およびプログラム
Fratantoni et al. Mean structure and dynamics of the shelfbreak jet in the Middle Atlantic Bight during fall and winter
CN107507209A (zh) 极化sar图像的素描图提取方法
CN107193060A (zh) 一种多路径台风风暴潮快速预测方法及系统
Vandebroek et al. Semi-automated monitoring of a mega-scale beach nourishment using high-resolution terrasar-x satellite data
Stateczny et al. Radar sensors implementation in river information services in Poland
CN103778633B (zh) 确定数字高程模型单元网格遮挡的方法及装置
CN110991087A (zh) 一种基于多入射角组网sar卫星数据的风场反演方法及系统
CN107871323A (zh) 一种基于全固态雷达的海冰运动信息获取方法
CN103675814A (zh) 基于圆周sar确定建筑物地平面高度的方法
CN104700457B (zh) 降雨情形下风矢量反演的象元筛选、滤波方法和系统
CN109444893A (zh) 基于双偏振雷达网的相态识别产品拼图方法及装置
CN107064885A (zh) X波段雨量雷达径向干扰识别与消除方法
Capozzi et al. Multi-variable classification approach for the detection of lightning activity using a low-cost and portable X band radar
Grünthal et al. Monitoring of coastal processes by using airborne laser scanning data
CN108957444A (zh) 海冰区域轮廓线检测方法及装置
CN104360335A (zh) 基于ais目标指示的电离层参数反演方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171229