CN112068104A - 一种冰晶识别方法、装置、电子设备及双极化气象雷达 - Google Patents
一种冰晶识别方法、装置、电子设备及双极化气象雷达 Download PDFInfo
- Publication number
- CN112068104A CN112068104A CN202010950816.6A CN202010950816A CN112068104A CN 112068104 A CN112068104 A CN 112068104A CN 202010950816 A CN202010950816 A CN 202010950816A CN 112068104 A CN112068104 A CN 112068104A
- Authority
- CN
- China
- Prior art keywords
- membership
- particle phase
- range gate
- height
- ice crystal
- 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
Images
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开实施例提供一种冰晶识别方法、装置、电子设备及双极化气象雷达,属于雷达技术领域。具体包括:获取距离门的极化参数;将极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,粒子相态包括冰晶和非冰晶波;根据隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取距离门对应每种粒子相态类型的隶属强度;若距离门的实时高度大于或者等于零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在最大隶属强度对应的粒子相态为冰晶时,将距离门的粒子相态标记为冰晶;若距离门的实时高度小于零度层高度,则将距离门的粒子相态标记为非冰晶。这样,能够更好的评估飞机前方的威胁气象,提高飞行安全。
Description
技术领域
本公开涉及雷达技术领域,尤其涉及一种冰晶识别方法、装置、电子设备及双极化气象雷达。
背景技术
高空冰晶是民航飞机在高空巡航飞行时会遭遇的气象危害,当飞机进入冰晶高聚集区时,会造成发动机失去动力和大气数据传感器异常等,严重影响飞行安全。因此,机载气象雷达对高空冰晶的识别对提高飞行安全具有重要作用。
对高空冰晶等气象目标的识别需要明确其微观特征(尺寸、形状、空间上的翻转等),而现有的机载气象雷达产品为单极化体制,对空发射水平极化的电磁波,只能通过回波信息实现降雨、湍流和风切变的探测,无法提供气象目标的精细化微物理特征信息,不足以支撑气象目标类型的识别。
发明内容
有鉴于此,本公开实施例提供一种冰晶识别方法、装置、电子设备及双极化气象雷达,至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种冰晶识别方法,应用于双极化气象雷达,所述方法包括:
获取距离门的极化参数,其中,所述极化参数包括雷达水平反射率因子、差分反射率因子、差分传播相位常数和相关系数;
将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,其中,粒子相态包括冰晶和非冰晶,非冰晶包括雨、雪和地杂波;
根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态类型的隶属强度;
获取所述距离门的实时高度,以及,获取当前的零度层高度;
若所述距离门的实时高度大于或者等于所述零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在所述最大隶属强度对应的粒子相态为冰晶时,将所述距离门的粒子相态标记为冰晶;
若所述距离门的实时高度小于所述零度层高度,则将所述距离门的粒子相态标记为非冰晶。
可选的,所述获取当前的零度层高度的步骤,包括:
获取所述双极化气象雷达当前的所在高度、所在高度的温度和环境温度递减率;
根据所述双极化气象雷达当前的所在高度、所在高度的温度和环境温度递减率代入预设的零度层高度计算公式,计算所述零度层高度。
其中,Hcraft为所在高度;Tcraft为所在高度的温度;Γ为环境温度递减率。
可选的,所述获取所述距离门的实时高度的步骤,包括:
根据余弦定理,计算所述距离门的实时高度h为:
其中,Hcraft为所述双极化气象雷达所在高度,R地为地球半径,r为距离门到所述双极化气象雷达的径向距离,θ为径向波束仰角。
可选的,所述将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵的步骤,包括:
根据预设的粒子相态列表,利用隶属度函数对全部极化参数进行模糊化处理,有M个隶属系统对每个极化参数进行进行模糊化处理,得到大小为M×N的二维成员函数矩阵PMN,
其中,M为粒子相态的数量,N为极化参数的数量,xi为输入变量的精确值,X1~X4是隶属函数的成员函数,表示一个极化值在X1~X4区间针对某种降水类型的贡献,ZH为雷达水平反射率因子,ZDR为差分反射率因子,LKDP为差分传播相位常数,ρHV为相关系数。
可选的,所述根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态的隶属强度;
其中,Rj为所述距离门对第j(j=1,2,…,M)种粒子相态的隶属强度,Ai,j表示第i(i=1,2,…,N)个极化参数对第j(j=1,2,…,M)个相态的隶属程度,Ai,j的取值范围为[0,1]。
可选的,所述判断最大隶属强度对应的粒子相态是否为冰晶的步骤之前,所述方法还包括:
利用求最大值公式[m,Rm]=maxjRj m∈{1,2,…,M},对全部粒子相态的隶属强度求最大值,获得最大隶属强度值对应的索引值;
根据所述粒子相态列表,查找所述最大隶属强度值对应的索引值对应的粒子相态。
第二方面,本公开实施例提供了一种冰晶识别装置,应用于双极化气象雷达,所述装置包括:
获取模块,用于获取距离门的极化参数,其中,所述极化参数包括雷达水平反射率因子、差分反射率因子、差分传播相位常数和相关系数;
模糊化模块,用于将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,其中,粒子相态包括冰晶和非冰晶,非冰晶包括雨、雪和地杂波;
第一计算模块,用于根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态类型的隶属强度;
第二计算模块,用于获取所述距离门的实时高度,以及,获取当前的零度层高度;
识别模块,用于若所述距离门的实时高度大于或者等于所述零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在所述最大隶属强度对应的粒子相态为冰晶时,将所述距离门的粒子相态标记为冰晶;
若所述距离门的实时高度小于所述零度层高度,则将所述距离门的粒子相态标记为非冰晶。
第三方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述处理器用于执行第一方面中任一项所述的冰晶识别方法。
第四方面,本公开实施例提供了一种双极化气象雷达,包括双极化信号收发机和处理器,其中,所述处理器用于执行第一方面中任一项所述的冰晶识别方法。
上述本公开实施例提供的冰晶识别方法,机载双极化气象雷达通过发射水平和垂直方向的电磁波,能够提供降水粒子的大小、形状、相态等微物理特征信息,达到相态识别的目的。
附图说明
为了更清楚地说明本公开实施例的技术方案,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公开的一些实施例,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它的附图。
图1为本公开实施例提供的一种冰晶识别方法的流程示意图;
图2和图3为本公开实施例提供的冰晶识别方法所涉及的过程示意图;
图4为本公开实施例提供的一种冰晶识别装置的模块框图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
参见图1,为本公开实施例提供了一种冰晶识别方法的流程示意图,所提供的冰晶识别方法应用于双极化气象雷达。如图1所示,所述方法包括:
S101,获取距离门的极化参数,其中,所述极化参数包括雷达水平反射率因子、差分反射率因子、差分传播相位常数和相关系数;
本实施例提供的冰晶识别方法,针对单极化体质机载气象雷达无法实现气象目标的精细化探测需求,提供一种基于模糊逻辑的应用于机载双极化气象雷达的冰晶识别方法,能够更好的评估飞机前方的威胁气象,提高飞行安全。
所提供的基于模糊逻辑的机载双极化气象雷达冰晶的识别方法主要分为以下三个步骤:模糊化、聚合及退模糊。
各距离门的计算方法相同,此处以单个距离门为例进行算法介绍。识别方法输入参数有单个距离门的:
①雷达水平反射率因子ZH;
②差分反射率因子ZDR;
③差分传播相位常数LKDF;
④相关系数ρHV;
⑤零度层高度H;
⑥分类的总相态个数M;
⑦偏正参量个数N;
⑧N个参量×M种相态的成员函数权重A。
S102,将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,其中,粒子相态包括冰晶和非冰晶,非冰晶包括雨、雪和地杂波;
模糊化是将精确的输入值,即雷达精确测量的回波值,转换成具有相应隶属度的模糊集合。一个特定的精确输入值,可以属于具有不同隶属度的不同模糊集合。每个模糊集合都有一个隶属函数来描述,定义为MBF:-j,其中下标i对应模糊集合,下标j对应N个输入值。隶属函数是模糊化中较为关键的要素,它描述了输入的精确值与模糊集合之间的关系,隶属函数T定义为:
其中,xi为输入的精确值,X1~X4是隶属函数的成员函数,表示一个极化值在X1~X4区间针对某种降水类型的贡献,如图2所示。如果观测值超过这个范围,此观测变量对此类的贡献为零,否则,贡献价值在0-1之间变化,取决于观测值的落区。成员函数X1~X4是由每一类型的经验模型或观测统计数据得到。
可选的,所述将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵的步骤,包括:
根据预设的粒子相态列表,利用隶属度函数对全部极化参数进行模糊化处理,有M个隶属系统对每个极化参数进行进行模糊化处理,得到大小为M×N的二维成员函数矩阵PMN:
其中,M为粒子相态的数量,N为极化参数的数量,xi为输入变量的精确值,X1~X4是隶属函数的成员函数,表示一个极化值在X1~X4区间针对某种降水类型的贡献,ZH为雷达水平反射率因子,ZDR为差分反射率因子,LKDF为差分传播相位常数,ρHV为相关系数。
如图3所示,利用隶属度函数T对N(N=4)个极化测量值进行模糊化,对应M种水凝物类型,有M个隶属系统的每个输入变量进行模糊化处理,得到大小为M×N的二维成员函数矩阵ρMN。
可选的,所述根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态的隶属强度;
其中,Rj为所述距离门对第j(j=1,2,…,M)种粒子相态的隶属强度,Ai,j表示第i(i=1,2,…,N)个极化参数对第j(j=1,2,…,M)个相态的隶属程度,Ai,j的取值范围为[0,1]。
S103,根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态类型的隶属强度;
每种降水类型都对应M个隶属函数,是一个成员函数,表示第i(i=1,2,…,N)个雷达极化参量对第j(j=1,2,…,M)种降水类型的隶属度。将每个类型的N个隶属度进行综合得到聚合值,一般采用加权平均的方法进行计算,计算得到的结果称为隶属强度,其计算过程如公式(3)所示:
其中,Rj为待分类距离门数据对第j(j=1,2,…,M)种降水粒子类型的隶属强度,Ai,j表示第i(i=1,2,…,N)个极化参数对第j(j=1,2,…,M)个相态隶属程度,取值范围为[0,1],用于表征极化参数在识别降水粒子类型中的重要性。
S104,获取所述距离门的实时高度,以及,获取当前的零度层高度;
可选的,所述获取当前的零度层高度的步骤,包括:
获取所述双极化气象雷达当前的所在高度、所在高度的温度和环境温度递减率;
根据所述双极化气象雷达当前的所在高度、所在高度的温度和环境温度递减率代入预设的零度层高度计算公式,计算所述零度层高度。
其中,Hcraft为所在高度;Tcraft为所在高度的温度;Γ为环境温度递减率。
可选的,所述获取所述距离门的实时高度的步骤,包括:
根据余弦定理,计算所述距离门的实时高度h为:
其中,Hcraft为所述双极化气象雷达所在高度,R地为地球半径,r为距离门到所述双极化气象雷达的径向距离,θ为径向波束仰角。
S105,若所述距离门的实时高度大于或者等于所述零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在所述最大隶属强度对应的粒子相态为冰晶时,将所述距离门的粒子相态标记为冰晶;
可选的,所述判断最大隶属强度对应的粒子相态是否为冰晶的步骤之前,所述方法还包括:
利用求最大值公式[m,Rm]=maxjRjm∈{1,2,…,M},对全部粒子相态的隶属强度求最大值,获得最大隶属强度值对应的索引值;
根据所述粒子相态列表,查找所述最大隶属强度值对应的索引值对应的粒子相态。
S106,若所述距离门的实时高度小于所述零度层高度,则将所述距离门的粒子相态标记为非冰晶。
由隶属强度得到最终分类结果的过程,即去模糊。但是水凝物分类结果在某种程度上依赖于零度层高度H识别的准确性。考虑利用零度层高度对去模糊前的隶属强度数据进行先验判断,其中零度层高度通过结合载机当前高度、载机所在高度的温度和环境温度递减率获取,如公式(4)所示:
其中,Hcraft为载机高度,单位km;Tcraft为载机所在高度的温度,单位℃;Γ为环境温度递减率,取值为6.5℃/km,表示高度每增加100m,温度降低0.65℃。待识别距离门所在高度可通过余弦定理计算得到,见公式(5):
其中,R地为地球半径,单位km;r为距离点到雷达的径向距离,单位km;θ为径向波束仰角,单位为rad。比较h和H,做出以下判定:
当h>H,该距离点在零度层以上,判断第二类概率中最大值对应的目标类型是否为冰晶类型,若是,则判定为冰晶;
当h<=H,即距离门在零度层以下,则判定为非冰晶。
分类结果中不应该冰晶;
通过对隶属强度求最大值实现去模糊,如式(6)所示:
最终获得最大值对应的索引值m,由此判定该距离门的水凝物类别为第m类。
表1
下面将以获取的某气象雷达一个距离点的数据为例进行冰晶识别算法验证。该距离点的回波强度ZH=15.5dBZ;差分反射率因子ZDR=0.625;差传播相位常数LKDF=-7.7811o/km;相关系数ρHV=0.975;载机高度Hcraft=9km;载机所在高度的温度Tcraft=-44.2℃;波束仰角θ=-0.62°;距离点到雷达的距离为150km。
由公式(4)计算得到零度层高度H为2.2km;
由公式(5)计算得到距离点的高度h为7.4km。
隶属函数的系数矩阵见表2:
表2
成员函数权重A见表3:
表3
计算得到隶属强度矩阵R=[0.0148 0.0669 0.0312 0.0822 0.0371 00],根据公式(6)得到矩阵R的最大值索引为4,识别出该距离点的相态为冰晶。
上述本公开实施例提供的冰晶识别方法,提供了一种基于模糊逻辑的机载双极化气象雷达冰晶识别方法,该方法利用不同雷达极化参量对不同降水粒子的隶属度成员函数及权重不同进行相态识别,根据零度层高度对分类结果进一步判别,得到降水粒子相态,能够改善气象目标的精细化探测和识别,提供机组更多的气象危险信息,提高飞行安全,适用于所有机载双极化雷达冰晶识别领域。
参见图4,为本公开实施例提供了一种冰晶识别装置40的模块框图,应用于双极化气象雷达。如图4所示,所述冰晶识别装置40包括:
获取模块401,用于获取距离门的极化参数,其中,所述极化参数包括雷达水平反射率因子、差分反射率因子、差分传播相位常数和相关系数;
模糊化模块402,用于将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,其中,粒子相态包括冰晶和非冰晶,非冰晶包括雨、雪和地杂波;
第一计算模块403,用于根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态类型的隶属强度;
第二计算模块404,用于获取所述距离门的实时高度,以及,获取当前的零度层高度;
识别模块405,用于若所述距离门的实时高度大于或者等于所述零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在所述最大隶属强度对应的粒子相态为冰晶时,将所述距离门的粒子相态标记为冰晶;
若所述距离门的实时高度小于所述零度层高度,则将所述距离门的粒子相态标记为非冰晶。
此外,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述处理器用于执行上述实施例所述的冰晶识别方法。
本公开实施例提供了一种双极化气象雷达,包括双极化信号收发机和处理器,其中,所述处理器用于执行上述实施例所述的冰晶识别方法。
以上所述,仅为本公开的具体实施方式,但本公开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公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。
Claims (10)
1.一种冰晶识别方法,其特征在于,应用于双极化气象雷达,所述方法包括:
获取距离门的极化参数,其中,所述极化参数包括雷达水平反射率因子、差分反射率因子、差分传播相位常数和相关系数;
将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,其中,粒子相态包括冰晶和非冰晶,非冰晶包括雨、雪和地杂波;
根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态类型的隶属强度;
获取所述距离门的实时高度,以及,获取当前的零度层高度;
若所述距离门的实时高度大于或者等于所述零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在所述最大隶属强度对应的粒子相态为冰晶时,将所述距离门的粒子相态标记为冰晶;
若所述距离门的实时高度小于所述零度层高度,则将所述距离门的粒子相态标记为非冰晶。
2.根据权利要求1所述的方法,其特征在于,所述获取当前的零度层高度的步骤,包括:
获取所述双极化气象雷达当前的所在高度、所在高度的温度和环境温度递减率;
根据所述双极化气象雷达当前的所在高度、所在高度的温度和环境温度递减率代入预设的零度层高度计算公式,计算所述零度层高度。
7.根据权利要求6所述的方法,其特征在于,所述判断最大隶属强度对应的粒子相态是否为冰晶的步骤之前,所述方法还包括:
利用求最大值公式[m,Rm]=maxjRj m∈{1,2,…,M},对全部粒子相态的隶属强度求最大值,获得最大隶属强度值对应的索引值;
根据所述粒子相态列表,查找所述最大隶属强度值对应的索引值对应的粒子相态。
8.一种冰晶识别装置,其特征在于,应用于双极化气象雷达,所述装置包括:
获取模块,用于获取距离门的极化参数,其中,所述极化参数包括雷达水平反射率因子、差分反射率因子、差分传播相位常数和相关系数;
模糊化模块,用于将所述极化参数进行模糊化处理,得到全部极化参数对应全部粒子相态的隶属矩阵,其中,粒子相态包括冰晶和非冰晶,非冰晶包括雨、雪和地杂波;
第一计算模块,用于根据所述隶属矩阵中,每个粒子相态对应全部极化参数的隶属度,获取所述距离门对应每种粒子相态类型的隶属强度;
第二计算模块,用于获取所述距离门的实时高度,以及,获取当前的零度层高度;
识别模块,用于若所述距离门的实时高度大于或者等于所述零度层高度,则判断最大隶属强度对应的粒子相态是否为冰晶,并在所述最大隶属强度对应的粒子相态为冰晶时,将所述距离门的粒子相态标记为冰晶;
若所述距离门的实时高度小于所述零度层高度,则将所述距离门的粒子相态标记为非冰晶。
9.一种电子设备,其特征在于,包括存储器和处理器,其中,所述处理器用于执行权利要求1至7中任一项所述的冰晶识别方法。
10.一种双极化气象雷达,其特征在于,包括双极化信号收发机和处理器,其中,所述处理器用于执行权利要求1至7中任一项所述的冰晶识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010950816.6A CN112068104B (zh) | 2020-09-11 | 2020-09-11 | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010950816.6A CN112068104B (zh) | 2020-09-11 | 2020-09-11 | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112068104A true CN112068104A (zh) | 2020-12-11 |
CN112068104B CN112068104B (zh) | 2023-03-24 |
Family
ID=73695186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010950816.6A Active CN112068104B (zh) | 2020-09-11 | 2020-09-11 | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112068104B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114186A (zh) * | 2021-11-19 | 2022-03-01 | 无锡市雷华科技有限公司 | 一种基于隶属度加权的雷达目标分类方法 |
CN114545416A (zh) * | 2022-02-25 | 2022-05-27 | 中山大学 | 一种面向对象的定量降水估测方法、装置及终端设备 |
CN114706145A (zh) * | 2022-03-23 | 2022-07-05 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
CN117148307A (zh) * | 2023-10-27 | 2023-12-01 | 中国人民解放军国防科技大学 | 基于双极化雷达基数融合处理的空飘物检测方法及装置 |
CN118409373A (zh) * | 2024-07-02 | 2024-07-30 | 中国船舶集团有限公司第七〇七研究所 | 一种基于冰晶粒子谱分布的冰晶特性参数计算方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843884A (zh) * | 2017-09-13 | 2018-03-27 | 成都信息工程大学 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
CN111366931A (zh) * | 2020-05-19 | 2020-07-03 | 范思睿 | 一种基于云雷达的云降水精细化反演方法 |
-
2020
- 2020-09-11 CN CN202010950816.6A patent/CN112068104B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843884A (zh) * | 2017-09-13 | 2018-03-27 | 成都信息工程大学 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
CN111366931A (zh) * | 2020-05-19 | 2020-07-03 | 范思睿 | 一种基于云雷达的云降水精细化反演方法 |
Non-Patent Citations (4)
Title |
---|
何宇翔 等: "利用极化雷达分析层状云中水凝物粒子性状分布", 《大气科学》 * |
吴翀: "双偏振雷达的资料质量分析,相态识別及组网应用", 《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》 * |
崔学民 等: "《机上急救》", 31 August 2014, 国防工业出版社 * |
魏奔: "云中水凝物的毫米波散射特性及反演研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114186A (zh) * | 2021-11-19 | 2022-03-01 | 无锡市雷华科技有限公司 | 一种基于隶属度加权的雷达目标分类方法 |
CN114545416A (zh) * | 2022-02-25 | 2022-05-27 | 中山大学 | 一种面向对象的定量降水估测方法、装置及终端设备 |
CN114706145A (zh) * | 2022-03-23 | 2022-07-05 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
CN114706145B (zh) * | 2022-03-23 | 2023-11-21 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
CN117148307A (zh) * | 2023-10-27 | 2023-12-01 | 中国人民解放军国防科技大学 | 基于双极化雷达基数融合处理的空飘物检测方法及装置 |
CN117148307B (zh) * | 2023-10-27 | 2024-02-06 | 中国人民解放军国防科技大学 | 基于双极化雷达基数融合处理的空飘物检测方法及装置 |
CN118409373A (zh) * | 2024-07-02 | 2024-07-30 | 中国船舶集团有限公司第七〇七研究所 | 一种基于冰晶粒子谱分布的冰晶特性参数计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112068104B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112068104B (zh) | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 | |
FARSHCHIAn et al. | The Pareto distribution for low grazing angle and high resolution X-band sea clutter | |
US8462040B2 (en) | Resolution enhancement system (RES) for networked radars | |
Zrnic et al. | Polarimetry for weather surveillance radars | |
US7948429B2 (en) | Methods and apparatus for detection/classification of radar targets including birds and other hazards | |
Welsh et al. | Understanding heavy lake-effect snowfall: The vertical structure of radar reflectivity in a deep snowband over and downwind of Lake Ontario | |
CN106886021A (zh) | 高分辨率星载sar成像质量提升方法 | |
WO2017122408A1 (ja) | 気象予測装置、気象予測方法、および気象予測プログラム | |
Li et al. | A microphysics-based simulator for advanced airborne weather radar development | |
Averyanova et al. | Model for wind-related phenomena estimation using polarization characteristics of microwave radar signal | |
CN106342246B (zh) | 一种气象雷达地杂波抑制方法 | |
Zhao et al. | An improved hydrometeor identification method for X-band dual-polarization radar and its application for one summer Hailstorm over Northern China | |
Wang et al. | A rapid identification and warning method for severe weather via Doppler radar based on an improved TITAN algorithm | |
Melnikov | Parameters of cloud ice particles retrieved from radar data | |
Wang et al. | Identification of precipitation-clouds based on the dual-polarization Doppler weather radar echoes using deep–learning method | |
CN113406609B (zh) | 一种天波雷达探测电离层突发异常结构方法 | |
Yang et al. | Shape feature aided target detection method for micro-drone surveillance radar | |
Sinha et al. | Doppler profile tracing using MPCF on MU radar and sodar: Performance analysis | |
Wang et al. | Vehicle width detection based on millimeter-wave LFMCW radar for autonomous driving | |
Glushko et al. | DDV—novel Doppler-polarimetric technique for remote sensing of precipitation | |
Yang et al. | Analysis of Clean-Air Echoes Based on Millimeter Wave Cloud Radar Measurements | |
Ohno et al. | Automatic target recognition method based on polsar images with circular polarimetric basis conversion | |
Louf et al. | Simulation of airborne radar observations of precipitating systems at various frequency bands | |
Fan et al. | Road Surface Classification Based on Millimeter-Wave Radar Backscatter Measurements | |
Xiaojing et al. | Research on target characteristics and classification technology of small UAV |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |