CN110554391A - 基于ddd-gmb的低空风切变风速估计方法 - Google Patents

Abstract

一种基于DDD‑GMB的低空风切变风速估计方法。其包括获取先验信息；利用先验信息进行载机运动速度补偿；对待检测距离单元进行低空风切变信号消除和滑窗处理估计得到杂波协方差矩阵；组合空域相邻多波束与时域相邻多普勒通道计算GMB降维矩阵；利用GMB降维矩阵对杂波协方差矩阵进行降维处理，构造GMB空时自适应处理器，求解得到GMB空时自适应处理器的最优权矢量；利用最优权矢量构造代价函数，从而估计出待检测距离单元风速等步骤。本发明在非均匀杂波环境下，直接对待检测距离单元进行杂波协方差矩阵估计，并构造空时联合自适应降维处理器，计算最优权矢量，实现杂波抑制与风切变信号匹配，进而获得有效的风速估计结果。

Description

基于DDD-GMB的低空风切变风速估计方法

技术领域

本发明属于机载气象雷达信号处理技术领域，特别是涉及一种基于DDD-GMB(Direct data domin-Generalized adjacent multiple-beam，直接数据域-广义相邻多波束)的低空风切变风速估计方法。

背景技术

低空风切变是在高空600米左右风向和风速快速变化的一种破坏性极强的天气现象，其已成为威胁民航飞行安全的主要原因。由于低空风切变发生突然，强度大，并且飞行员可操作高度与时间均不足，因此极易发生坠机事故。所以进行低空风切变的检测与预警是目前保障民航飞行安全的关键一环，低空风切变风速估计则是低空风切变检测与预警过程的基础。

机载气象雷达作为飞机上的重要电子设备，肩负着探测前方航路气象状况的使命，其在下视探测风切变过程中必然会接收到强地杂波信号，强地杂波信号会覆盖低空风切变信号，因此地杂波抑制结果会直接影响后续低空风切变风速估计的准确度，包括MTI、杂波图、陷波器等在内的传统地杂波抑制方法应用到运动的载机平台下会造成杂波抑制性能严重下降，进而影响风速估计的准确性。

机载相控阵体制雷达具有多个天线，较传统单天线雷达，回波数据增添空间维度信息，由此信号处理过程联合空、时域维度成为可能。机载相控阵体制雷达在运动平台下抑制强杂波，进行目标检测与参数估计优势明显。空时自适应处理(STAP)技术是机载相控阵体制雷达进行杂波抑制与目标检测的重要技术。针对类似于低空风切变等分布式目标检测是无法直接应用STAP技术的，而且当处于非均匀地杂波环境下时，不同距离单元的杂波分布特性是不同的，并且独立同分布样本缺乏，造成杂波协方差矩阵估计不准确，从而影响地杂波抑制性能，进而影响风速估计效果。

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非均匀地杂波环境下仍然可以精确估计风速的基于DDD-GMB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DDD-GMB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)从飞机设备中获取飞机飞行的状态参数及雷达参数作为先验信息；

2)利用上述先验信息对第l个距离单元的雷达回波数据进行载机运动速度补偿，以消除载机运动速度所带来的多普勒频移；

3)假设经载机速度补偿后的第l个距离单元的雷达回波数据为待检测距离单元的雷达回波数据，直接对待检测距离单元进行低空风切变信号消除和滑窗处理估计得到杂波协方差矩阵；

4)组合空域相邻多波束与时域相邻多普勒通道计算GMB降维矩阵；

5)利用步骤4)获得的GMB降维矩阵对步骤3)中获得的待测距离单元的杂波协方差矩阵进行降维处理，同时利用降维后的杂波协方差矩阵构造GMB空时自适应处理器，并求解得到GMB空时自适应处理器的最优权矢量，以实现杂波抑制和低空风切变信号匹配；

6)利用步骤5)得到的GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出待检测距离单元的风速；

7)重复步骤3)-6)，依序处理其他距离单元的雷达回波数据，得到风速随距离变化的曲线。

在步骤1)中，所述的飞机飞行的状态参数及雷达参数包括：载机速度V、载机平台高度H、雷达波长λ、脉冲重复频率f_r和雷达天线扫描的主瓣俯仰角与方位角θ₀。

在步骤2)中，所述的利用上述先验信息对第l个距离单元的雷达回波数据进行载机运动速度补偿，以消除载机运动速度所带来的多普勒频移的方法：所采用的公式为：X_l＝X′_le^-jΩ，其中X_l为经载机速度补偿后的第l个距离单元的雷达回波数据，X′_l为第l个距离单元的原始雷达回波数据，

在步骤3)中，所述的假设经载机速度补偿后的第l个距离单元的雷达回波数据为待检测距离单元的雷达回波数据，直接对待检测距离单元进行低空风切变信号消除和滑窗处理估计得到杂波协方差矩阵的方法是：

首先需要对待检测距离单元进行低空风切变信号消除；经载机速度补偿后的雷达回波数据X_l可表示为：

其中，X_l(n,k)表示第n个阵元第k个脉冲下的雷达回波数据；假设低空风切变信号方位已知，f_l为待检测距离单元内低空风切变信号的归一化多普勒频率，其取值范围为[-11]，此时相邻脉冲之间的相位差为相邻阵元间的相位差为采用下式分别从空域、时域和空时域进行低空风切变信号消除：

式(2)为在空域进行两阵元信号相消后的数据式(3)为在时域进行两脉冲信号相消后的数据式(4)为在空时域进行两脉冲两阵元信号相消后的数据数据与分别代表数据和为待检测距离单元内低空风切变信号的归一化多普勒频率f_l的函数；

其次需要利用窗口大小合适的滑窗数据来获取训练样本去估计杂波协方差矩阵，对数据和以N_t×K_t大小的固定窗口进行滑窗处理，然后将每一个窗口的数据矢量化，可表示为：

其中τ∈[1 N-N_t]，ε∈[1 K-K_t+1]，τ₀∈[1 N-N_t+1]，ε₀∈[1 K-K_t]，τ₁∈[1 N-N_t]，ε₁∈[1 K-K_t]；由此，可以分别利用在空域、时域和空时域进行信号消除后的滑窗数据估计出杂波协方差矩阵，如下所示：

最后可得杂波协方差矩阵R_l(f_l)的表达式为：

其中，(N-N_t)(K-K_t+1)+(N-N_t+1)(K-K_t)+(N-N_t)(K-K_t)为训练样本总数。

在步骤4)中，所述的组合空域相邻多波束与时域相邻多普勒通道计算GMB降维矩阵的方法是：首先由波束形成器形成p+1个空间波束；选择其中一个作为主波束，主波束在空间上对准低空风切变信号所在方向，其余为辅助波束，然后在主波束后级联多普勒滤波器，选择第q个多普勒滤波器作为检测通道，q＝1,2,…,K,其余多普勒滤波器作为辅助通道，在辅助波束后级联多普勒滤波器，选择第q个多普勒滤波器作为检测通道，其上述处理步骤可以采用一个降维矩阵T_L来表示：

其中：

S_s(ψ_i)|_i＝0,1…p为空域导向矢量，S_s(ψ₀)为主波束的空域导向矢量，其余为辅助波束的空域导向矢量；S_t(f_q)为第q个多普勒通道的时域导向矢量，S_t(f_q-g)和S_t(f_q+g)分别为第q个多普勒通道左右两侧g个辅助通道的时域导向矢量，f_q(f_q∈[-1,1])为低空风切变信号在第q个多普勒通道的归一化多普勒频率，H_s＝[h_s1 h_s2 … h_sN]与H_t＝[h_t1 h_t2 … h_tK]分别为空域和时域静态加权系数。

在步骤5)中，所述的利用步骤4)获得的GMB降维矩阵对步骤3)中获得的待测距离单元的杂波协方差矩阵进行降维处理，同时利用降维后的杂波协方差矩阵构造GMB空时自适应处理器，并求解得到GMB空时自适应处理器的最优权矢量，以实现杂波抑制和低空风切变信号匹配的方法是：

在线性约束最小方差准则下，GMB空时自适应处理器可以描述为如下的数学优化问题：

其中，ω_lq为第l个距离单元第q个多普勒通道的最优权矢量，为第l个距离单元降维后的杂波协方差矩阵，R_l(f_l)为当第l个距离单元内低空风切变信号的归一化多普勒频率为f_l时，经过直接数据域算法处理后估计得到的杂波协方差矩阵，为第l个距离单元第q个多普勒通道经降维后的低空风切变信号的空时导向矢量；那么第l个距离单元第q个多普勒通道的最优权矢量为：

其中为的矩阵求逆运算。

在步骤6)中，所述的利用步骤5)得到的GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出待检测距离单元的风速的方法：

利用GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出第l个距离单元内的多普勒频率：

是降维后的雷达回波数据，第l个距离单元的风速可以估计得到：

本发明提供的基于DDD-GMB的低空风切变风速估计方法立足于新一代相控阵体制的机载气象雷达。在非均匀杂波环境下，直接对待检测距离单元进行杂波协方差矩阵估计，并构造空时联合自适应降维处理器，计算最优权矢量，实现杂波抑制与风切变信号匹配，进而获得有效的风速估计结果。

附图说明

图1为本发明提供的基于DDD-GMB的低空风切变风速估计方法实现框图；

图2为机载前视阵雷达下视探测低空风切变的几何结构示意图；

图3为滑窗估计杂波协方差矩阵示意图；

图4为广义相邻多波束自适应降维处理器的原理图；

图5为机载气象雷达回波信号空时二维谱；

图6为均匀地杂波与非均匀地杂波功率对比图；

图7为非均匀地杂波模型地面散射单元相对于载机俯仰角变化图；

图8为不同方法下风速估计结果对比图。

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DDD-GMB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DDD-GMB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)从飞机设备中获取飞机飞行的状态参数及雷达参数作为先验信息；

所述的飞机飞行的状态参数及雷达参数包括：载机速度V、载机平台高度H、雷达波长λ、脉冲重复频率f_r和雷达天线扫描的主瓣俯仰角与方位角θ₀。

2)利用上述先验信息对第l个距离单元的雷达回波数据进行载机运动速度补偿，以消除载机运动速度所带来的多普勒频移；

利用上述先验信息对雷达回波数据进行载机速度补偿，以消除载机运动所带来的多普勒频移；所采用的公式为：X_l＝X′_le^-jΩ，其中X_l为经载机速度补偿后的第l个距离单元的雷达回波数据，X′_l为第l个距离单元的原始雷达回波数据，

3)假设经载机速度补偿后的第l个距离单元的雷达回波数据为待检测距离单元的雷达回波数据，直接对待检测距离单元进行低空风切变信号消除和滑窗处理估计得到杂波协方差矩阵；

图2为机载平台下视探测低空风切变的几何结构示意图，其中，载机速度为V，在垂直于载机飞行方向放置N个阵元的阵列天线，相邻阵元之间的间隔d＝λ/2，其中λ为雷达波长，H为载机平台高度，和θ分别为地面散射点相对于载机的俯仰角和方位角，θ₀和分别为低空风切变信号的水平方位角和俯仰角(即雷达天线扫描的主瓣方位角θ₀与俯仰角)。假设在相干处理间隔(Coherent Processing Interval，CPI)内的脉冲数为K，脉冲重复频率为f_r。

第l个距离单元的原始雷达回波数据可表示为：

X′_l＝S_l+C_l+n (1)

其中，S_l为第l个距离单元的低空风切变信号的雷达回波数据，C_l为第l个距离单元的地杂波信号的雷达回波数据，n为高斯白噪声，X_l＝X′_le^-jΩ为经载机速度补偿后的第l个距离单元的雷达回波数据，其中

其中，α_l为低空风切变信号的雷达回波幅度，ψ₀为低空风切变信号的空间锥角，f_l为第l个距离单元内低空风切变信号的归一化多普勒频率，β(ψ₀,f_l)为低空风切变信号的空时导向矢量，β_t(f_l)与β_s(ψ₀)分别为时间导向矢量和空间导向矢量，可表示为：

其中，⊙为Hadamard积，为低空风切变信号的频率扩展函数，为低空风切变信号的角度高斯扩展函数，其中为低空风切变信号的水平方位角θ₀方向上的角度扩展，为低空风切变信号的俯仰角方向上的角度扩展。

为了防止利用滑窗得到的训练样本包含低空风切变信号，从而影响杂波协方差矩阵估计的准确性，本发明利用空、时和空时域进行两脉冲两阵元信号相消。第l个距离单元作为待检测距离单元时，经载机速度补偿后的第l个距离单元的雷达回波数据X_l表示为：

其中，X_l(n,k)表示第n个阵元第k个脉冲下的雷达回波数据。假设低空风切变信号方位已知，f_l为待检测距离单元内低空风切变信号的归一化多普勒频率，其取值范围为[-11]。此时相邻脉冲之间的相位差为相邻阵元间的相位差为采用下式分别从空域、时域和空时域进行低空风切变信号消除：

式(6)为在空域进行两阵元信号相消后的数据式(7)为在时域进行两脉冲信号相消后的数据式(8)为在空时域进行两脉冲两阵元信号相消后的数据(数据与分别代表数据和为待检测距离单元内低空风切变信号的归一化多普勒频率f_l的函数)。

如图3所示，为了估计出杂波协方差矩阵，需要选择窗口大小合适的滑窗数据来获取训练样本，继而利用训练样本来估计出杂波协方差矩阵。对数据 和以N_t×K_t大小的固定窗口进行滑窗处理，然后将每一个窗口的数据矢量化，可表示为：

其中τ∈[1 N-N_t]，ε∈[1 K-K_t+1]，τ₀∈[1 N-N_t+1]，ε₀∈[1 K-K_t]，τ₁∈[1 N-N_t]，ε₁∈[1 K-K_t]。由此，可以分别利用在空域、时域和空时域进行信号消除后的滑窗数据估计出杂波协方差矩阵，如下所示：

那么待检测距离单元内低空风切变信号的归一化多普勒频率为f_l时可估计得到待检测距离单元的杂波协方差矩阵R_l(f_l)，即杂波协方差矩阵R_l为待检测距离单元内低空风切变信号的归一化多普勒频率f_l的函数，可表示为：

其中，(N-N_t)(K-K_t+1)+(N-N_t+1)(K-K_t)+(N-N_t)(K-K_t)为训练样本总数。

4)组合空域相邻多波束与时域相邻多普勒通道计算GMB降维矩阵；

如图4所示，首先由波束形成器形成p+1个空间波束，本发明令p＝8(即选择9个空间波束)。选择其中一个作为主波束，主波束在空间上对准低空风切变信号所在方向(即低空风切变信号的空间锥角ψ₀处)，其余为辅助波束，然后在主波束后级联多普勒滤波器(Doppler Filter，DF)，选择第q个多普勒滤波器作为检测通道(q＝1,2,…,K),其余多普勒滤波器作为辅助通道，在辅助波束后级联多普勒滤波器，选择第q个多普勒滤波器作为检测通道，其上述处理步骤可以采用一个降维矩阵T_L来表示：

其中：

S_s(ψ_i)|_i＝0,1…p为空域导向矢量，S_s(ψ₀)为主波束的空域导向矢量，其余为辅助波束的空域导向矢量。S_t(f_q)为第q个多普勒通道的时域导向矢量，S_t(f_q-g)和S_t(f_q+g)分别为第q个多普勒通道左右两侧g个辅助通道的时域导向矢量，本发明令g＝3，即选择7个多普勒通道。f_q(f_q∈[-1,1])为低空风切变信号在第q个多普勒通道的归一化多普勒频率，H_s＝[h_s1h_s2 … h_sN]与H_t＝[h_t1 h_t2 … h_tK]分别为空域和时域静态加权系数。

5)利用步骤4)获得的GMB降维矩阵对步骤3)中获得的待测距离单元的杂波协方差矩阵进行降维处理，同时利用降维后的杂波协方差矩阵构造GMB空时自适应处理器，并求解得到GMB空时自适应处理器的最优权矢量，以实现杂波抑制和低空风切变信号匹配；

在线性约束最小方差(LCMV)准则下，GMB空时自适应处理器可以描述为如下的数学优化问题：

其中，ω_lq为第l个距离单元第q个多普勒通道的最优权矢量，为第l个距离单元降维后的杂波协方差矩阵，R_l(f_l)为当第l个距离单元内低空风切变信号的归一化多普勒频率为f_l时，经过直接数据域算法处理后估计得到的杂波协方差矩阵，为第l个距离单元第q个多普勒通道经降维后的低空风切变信号的空时导向矢量。那么第l个距离单元第q个多普勒通道的最优权矢量为：

其中为的矩阵求逆运算。

6)利用步骤5)得到的GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出待检测距离单元的风速；

利用GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出第l个距离单元内的多普勒频率：

是降维后的雷达回波数据，第l个距离单元的风速可以估计得到：

7)重复步骤3)—6)，依序处理其他距离单元的雷达回波数据，得到风速随距离变化的曲线；

重复步骤3)-6)，依次迭代其他距离单元，便可获得风速随距离变化的曲线，由此完成低空风切变风速的估计。

本发明提供的基于DDD-GMB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。

仿真参数：低空风切变场位于载机前方约8.5-16.5km处，载机速度V＝87.5m/s，载机平台高度为600m，阵元数N＝8，相邻阵元之间的间隔d＝λ/2，主瓣方位角与俯仰角分别为60°、0°，雷达波长为0.05，脉冲重复频率为7000Hz，距离分辨率150m，相干处理间隔内的脉冲数K＝64，信噪比5dB，杂噪比40dB。

图5为所仿真的机载气象雷达回波数据空时二维谱，如图5所示，机载气象雷达前视情况下的地杂波空时二维谱呈现半圆形，低空风切变信号空时二维谱呈现一条“窄带”，而且地杂波空时二维谱的功率远大于低空风切变信号的空时二维谱的功率，致使低空风切变信号淹没于地杂波信号之中。

图6为均匀地杂波与非均匀地杂波功率对比图。从图6可以看出，由于真实地面环境复杂，功率并非一直随距离增加而减小，而是存在功率上下起伏变化，体现了地杂波的非均匀性。

图7为非均匀地杂波模型地面散射单元相对于载机俯仰角变化图，地面散射单元相对于载机的俯仰角的值与地面的高程值有关，可以体现地面的高度起伏状况。从图7可以看出，俯仰角变化呈现不规则非均匀特征，体现出地杂波的非均匀性。

图8为不同方法下风速估计结果对比图。从图8可以看出，由于机载前视阵地杂波存在距离依赖性，不矫正距离依赖性会影响风速估计结果。经过距离依赖性矫正，最优STAP与GMB的方法也未能正确估计得到风速结果，这是由于非均匀地杂波环境下IID样本不足，造成杂波协方差矩阵估计不准确，结果影响风速估计结果。本发明方法在非均匀地杂波环境下可以正确估计得到风速估计结果。

Claims (7)

1.一种基于DDD-GMB的低空风切变风速估计方法，其特征在于：所述的风切变风速估计方法包括按顺序进行的下列步骤：

1)从飞机设备中获取飞机飞行的状态参数及雷达参数作为先验信息；

2)利用上述先验信息对第l个距离单元的雷达回波数据进行载机运动速度补偿，以消除载机运动速度所带来的多普勒频移；

3)假设经载机速度补偿后的第l个距离单元的雷达回波数据为待检测距离单元的雷达回波数据，直接对待检测距离单元进行低空风切变信号消除和滑窗处理估计得到杂波协方差矩阵；

4)组合空域相邻多波束与时域相邻多普勒通道计算GMB降维矩阵；

5)利用步骤4)获得的GMB降维矩阵对步骤3)中获得的待测距离单元的杂波协方差矩阵进行降维处理，同时利用降维后的杂波协方差矩阵构造GMB空时自适应处理器，并求解得到GMB空时自适应处理器的最优权矢量，以实现杂波抑制和低空风切变信号匹配；

6)利用步骤5)得到的GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出待检测距离单元的风速；

7)重复步骤3)-6)，依序处理其他距离单元的雷达回波数据，得到风速随距离变化的曲线。

2.根据权利要求1所述的基于DDD-GMB的低空风切变风速估计方法，其特征在于：在步骤1)中，所述的飞机飞行的状态参数及雷达参数包括：载机速度V、载机平台高度H、雷达波长λ、脉冲重复频率f_r和雷达天线扫描的主瓣俯仰角与方位角θ₀。

3.根据权利要求1所述的基于DDD-GMB的低空风切变风速估计方法，其特征在于：在步骤2)中，所述的利用上述先验信息对第l个距离单元的雷达回波数据进行载机运动速度补偿，以消除载机运动速度所带来的多普勒频移的方法：所采用的公式为：X_l＝X′_le^-jΩ，其中X_l为经载机速度补偿后的第l个距离单元的雷达回波数据，X′_l为第l个距离单元的原始雷达回波数据，

4.根据权利要求1所述的基于DDD-GMB的低空风切变风速估计方法，其特征在于：在步骤3)中，所述的假设经载机速度补偿后的第l个距离单元的雷达回波数据为待检测距离单元的雷达回波数据，直接对待检测距离单元进行低空风切变信号消除和滑窗处理估计得到杂波协方差矩阵的方法是：

首先需要对待检测距离单元进行低空风切变信号消除；经载机速度补偿后的雷达回波数据X_l可表示为：

其中，X_l(n,k)表示第n个阵元第k个脉冲下的雷达回波数据；假设低空风切变信号方位已知，f_l为待检测距离单元内低空风切变信号的归一化多普勒频率，其取值范围为[-11]，此时相邻脉冲之间的相位差为相邻阵元间的相位差为采用下式分别从空域、时域和空时域进行低空风切变信号消除：

式(2)为在空域进行两阵元信号相消后的数据式(3)为在时域进行两脉冲信号相消后的数据式(4)为在空时域进行两脉冲两阵元信号相消后的数据数据与分别代表数据和为待检测距离单元内低空风切变信号的归一化多普勒频率f_l的函数；

其次需要利用窗口大小合适的滑窗数据来获取训练样本去估计杂波协方差矩阵，对数据和以N_t×K_t大小的固定窗口进行滑窗处理，然后将每一个窗口的数据矢量化，可表示为：

其中τ∈[1N-N_t]，ε∈[1K-K_t+1]，τ₀∈[1N-N_t+1]，ε₀∈[1K-K_t]，τ₁∈[1N-N_t]，ε₁∈[1K-K_t]；由此，可以分别利用在空域、时域和空时域进行信号消除后的滑窗数据估计出杂波协方差矩阵，如下所示：

最后可得杂波协方差矩阵R_l(f_l)的表达式为：

其中，(N-N_t)(K-K_t+1)+(N-N_t+1)(K-K_t)+(N-N_t)(K-K_t)为训练样本总数。

5.根据权利要求1所述的基于DDD-GMB的低空风切变风速估计方法，其特征在于：在步骤4)中，所述的组合空域相邻多波束与时域相邻多普勒通道计算GMB降维矩阵的方法是：首先由波束形成器形成p+1个空间波束；选择其中一个作为主波束，主波束在空间上对准低空风切变信号所在方向，其余为辅助波束，然后在主波束后级联多普勒滤波器，选择第q个多普勒滤波器作为检测通道，q＝1,2,…,K,其余多普勒滤波器作为辅助通道，在辅助波束后级联多普勒滤波器，选择第q个多普勒滤波器作为检测通道，其上述处理步骤可以采用一个降维矩阵T_L来表示：

其中：

S_s(ψ_i)|_i＝0,1…p为空域导向矢量，S_s(ψ₀)为主波束的空域导向矢量，其余为辅助波束的空域导向矢量；S_t(f_q)为第q个多普勒通道的时域导向矢量，S_t(f_q-g)和S_t(f_q+g)分别为第q个多普勒通道左右两侧g个辅助通道的时域导向矢量，f_q(f_q∈[-1,1])为低空风切变信号在第q个多普勒通道的归一化多普勒频率，H_s＝[h_s1 h_s2 … h_sN]与H_t＝[h_t1 h_t2 … h_tK]分别为空域和时域静态加权系数。

6.根据权利要求1所述的基于DDD-GMB的低空风切变风速估计方法，其特征在于：在步骤5)中，所述的利用步骤4)获得的GMB降维矩阵对步骤3)中获得的待测距离单元的杂波协方差矩阵进行降维处理，同时利用降维后的杂波协方差矩阵构造GMB空时自适应处理器，并求解得到GMB空时自适应处理器的最优权矢量，以实现杂波抑制和低空风切变信号匹配的方法是：

在线性约束最小方差准则下，GMB空时自适应处理器可以描述为如下的数学优化问题：

其中，ω_lq为第l个距离单元第q个多普勒通道的最优权矢量，为第l个距离单元降维后的杂波协方差矩阵，R_l(f_l)为当第l个距离单元内低空风切变信号的归一化多普勒频率为f_l时，经过直接数据域算法处理后估计得到的杂波协方差矩阵，为第l个距离单元第q个多普勒通道经降维后的低空风切变信号的空时导向矢量；那么第l个距离单元第q个多普勒通道的最优权矢量为：

其中为的矩阵求逆运算。

7.根据权利要求1所述的基于DDD-GMB的低空风切变风速估计方法，其特征在于：在步骤6)中，所述的利用步骤5)得到的GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出待检测距离单元的风速的方法：

利用GMB空时自适应处理器的最优权矢量构造代价函数，从而估计出第l个距离单元内的多普勒频率：

是降维后的雷达回波数据，第l个距离单元的风速可以估计得到：