CN113777573B - 基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法 - Google Patents
基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法 Download PDFInfo
- Publication number
- CN113777573B CN113777573B CN202111004667.5A CN202111004667A CN113777573B CN 113777573 B CN113777573 B CN 113777573B CN 202111004667 A CN202111004667 A CN 202111004667A CN 113777573 B CN113777573 B CN 113777573B
- Authority
- CN
- China
- Prior art keywords
- echo
- dual
- parameters
- polarization radar
- secondary echo
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000005311 autocorrelation function Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 5
- 238000002592 echocardiography Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- 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)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,包括使用双偏振雷达I/Q数据,计算当前距离库用于二次回波识别的四个判据:PDEh、PDEv、PDEhv以及SQI;根据这四个判据的数值,查找预先统计好的各判据CPDF,获取指定数值在不同分类下的概率,计算该距离库回波数据属于一次回波的概率Pf和属于二次回波的概率Ps;当Ps>Pf时,判定该距离库回波为二次回波,否则判定为一次回波;继续进行下一个距离库的识别。该方法提高了在雷达数据层面的二次回波识别精度,对双偏振雷达参量估算质量的提升有重要意义。
Description
技术领域
本发明涉及一种基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,属于雷达信号处理研究领域,尤其是天气雷达的二次回波识别方法。
背景技术
二次回波是影响天气雷达数据质量的一个重要因素,相对于一次回波来说,二次回波也是一种噪声。对于某一具体天气雷达,在给定的脉冲重复周期(PRT)Ts下工作,最大不模糊距离ra和最大不模糊速度va也就随之确定,其中ra=cTs/2,va=λ/(4Ts),c为光速,λ是雷达波长。最大不模糊距离和最大不模糊速度的乘积是一个常数,rava=cλ/8,因此在指定的λ下,增大ra会导致va变小,反之亦然,这也被称作多普勒两难(Bringi andChandrasekar,2001,Doviak and2006,张培昌等,2001)。当一个脉冲探测的目标超过最大不模糊距离ra时,会在随后的脉冲里形成回波,从而导致二次回波的出现(对于多次回波,这里统称为二次回波)。
解决二次回波的方法有很多,总体来说可以分为两大类,第一类是对发射脉冲进行相位编码的方法(Laird,1981,Zrinc and Mahapatra,1985,Sachidananda and Zrnic,1986b,Sachidananda and Zrnic,1999,Torres,2008,Bharadwaj and Chandrasekar,2007),第二类是采用多PRT或者多重频(PRF)的雷达工作方式(Sirmans et al.,1976,Zrinc and Mahapatra,1985,Sachidananda and Zrnic,2003,Torres et al.,2004,Cho,2005)。对于相位编码的方法,其基本原理是雷达接收机只对一次回波进行同步时,如果对发射脉冲的相位进行了随机编码,则接收到的二次回波就会变成随机信号,表现为噪声的特征。Sachidananda等(1986b)提出了一种系统的相位编码方法(SZ编码),该方法在分离二次回波方面比随机相位法性能更好。在此基础上,一种改进型的SZ编码方法SZ(8/64)被提出并且应用到WSR-88D雷达中(Torres,2008)。对于多PRT/PRF的方法,简单来说(以双PRT为例),就是使用长重复周期T1来解决距离模糊问题,然后使用短重复周期T2来解决速度模糊问题,例如WSR-88D雷达的批处理模式(Torres et al.,2004)。从理论上说,这种多重频的方式可以获取无限的不模糊距离和不模糊速度,但是该方法受限于有限的雷达采样、二次回波的强度以及气象回波的相关时间等因素(Cao et al.,2012b)。
近年来,基于雷达数据层面上(基数据或I/Q数据)的二次回波识别方法不断被提出。Cao等(2012b)提出了一种可以广泛应用于磁控管雷达的二次回波识别方法,该方法基于随机相位法的原理,使用PDE判据(Phase Distribution Evaluation)和模糊逻辑方法,可以有效识别不同程度影响的二次回波(弱二次回波、较弱二次回波和较强二次回波)。Park等(2016)使用ZDR、ФDP、ρhv、σv等参量的标准差和均值,基于模糊逻辑方法对双偏振雷达进行二次回波的识别。基于数据层面识别方法的优势是以现有雷达硬件为基础,不需要额外增加硬件设备,算法更具灵活性,但是其识别效果不佳。
国内在二次回波的识别和处理方面,也进行了多年的研究。朱晓华等(2002)给出了一种新的相位编码序列和相应的频域处理方法,并通过仿真表明该方法具有较好的解模糊性能,且易于实时处理。唐瑾等(2006)对双重频退模糊、相位编码SZ(8/64)以及批处理等方法都进行了研究和探讨。潘新民等(2010)对我国新一代天气雷达的退模糊方法进行了探讨,包括距离退模糊和速度退模糊两个方面。刘生锋(2014)等使用随机相位编码对X波段多普勒天气雷达进行解距离模糊。张持岸等(2017)对S波段天气雷达进行了随机相位编码方法的解模糊应用。总的来说,国内对二次回波的研究工作,也是在相位编码和多PRT/PRF这两个方面开展的。
使用相位编码或者多PRT/PRF的二次回波处理方法,其实现过程需要雷达硬件以及信号处理算法的支撑。而目前在雷达数据层面对二次回波的识别多基于模糊逻辑算法,在确定各判据的成员函数时,需要有一定的工程经验。如果使用基于朴素贝叶斯分类器(SBC,Simple Bayesian Classifier)的方法,其识别结果依赖于判据的条件概率密度函数(CPDF,Conditional Probability Density Function),可以直接通过样本进行统计,操作方法上更具确定性。
发明内容
本发明提供一种基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,适用于中频相参雷达以及发射脉冲已采用相位编码的全相参雷达,具有较好的识别效果。
本发明解决其技术问题所采用的技术方案是:
一种基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,具体包括以下步骤:
步骤S1:将双偏振雷达获取的I/Q数据形成距离库,采用距离库计算获得用于二次回波识别的四个判断依据,分别为相位分布评估参量和信号质量因子,其中相位分布评估参数包括双偏振雷达的水平通道参数、双偏振雷达的垂直通道参数以及水平和垂直通道之间的参数;
步骤S2:根据获取的四个判断依据,查找预先统计成型的各个判据即条件概率密度函数,获取指定数值在不同分类下的一次回波概率以及二次回波概率,再判断距离库内的回波数据是否属于一次回波概率或者二次回波概率,定义一次回波概率为Pf,二次回波概率为Ps;
步骤S3:若Ps>Pf,判定距离库内的回波数据为二次回波,否则判定距离库内的回波数据为一次回波;
步骤S4:重复上述过程,继续进行下一个距离库的识别;
作为本发明的进一步优选,步骤S1中,相位分布评估参量定义为PDE,双偏振雷达的水平通道参数、双偏振雷达的垂直通道参数以及水平和垂直通道之间的参数分别定义为PDEh、PDEv以及PDEhv;
相位分布评估参数PDE的计算公式为
公式(1)中,当需要计算PDEh时,取x(n)=h(n)/h(n+1),当需要计算PDEv时,取x(n)=v(n)/v(n+1),当需要计算PDEhv时,取x(n)=h(n)/v(n),n表示距离库,h表示水平通道数据、v表示垂直通道数据,N表示相关脉冲数;
作为本发明的进一步优选,当PDE数值较大时,判断回波数据为一次回波,当PDE数值较小时,判断回波数据为二次回波;
作为本发明的进一步优选,步骤S1中,信号质量因子定义为SQI,其计算公式为
公式(2)中,R1表示一阶自相关函数,即ACF,R0表示零阶ACF,其中,ACF的计算公式为
公式(3)中,M表示相关脉冲数,n表示阶数,*表示共轭,Vh,v表示水平通道或者垂直通道电压值,m表示脉冲的序号,且1≤m≤M;
作为本发明的进一步优选,步骤S2中,所述条件概率密度函数定义为CPDF,其统计时需要若干样本,即至少一个月观测数据,且仅采用双偏振雷达的水平通道参数或者双偏振雷达的垂直通道参数或者水平和垂直通道之间的参数作为参量;
作为本发明的进一步优选,步骤S2中,Pf的计算方法为假定当前距离库为一次回波,然后在CPDF中查找各判据的计算值在一次回波条件下对应的概率,最后将几个判据的概率值相乘;
作为本发明的进一步优选,步骤S2中,Ps的计算方法为假定当前距离库为二次回波,然后在CPDF中查找各判据的计算值在二次回波条件下对应的概率,最后将几个判据的概率值相乘;
作为本发明的进一步优选,在实际操作时,采用双偏振雷达的水平通道参数和双偏振雷达的垂直通道参数的联合条件概率密度函数,其计算方法为以水平通道参数、垂直通道参数同时作为参量,从样本中统计分布情况。
通过以上技术方案,相对于现有技术,本发明具有以下有益效果:
1、本发明提供的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,是一种基于数学统计的方法,未较多依赖经验因素,在操作时更具有确定性,具有较佳的识别效果;
2、本发明提供的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,仅以雷达I/Q数据为基础,自动化程度高,方便易行,适用度高。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明提供的优选实施例的算法流程示意图;
图2a-图2d是本发明提供的优选实施例统计的各判据在两类回波(一次回波和二次回波)情况下的条件概率密度函数;
图3a-图3d是本发明提供的优选实施例对一次PPI扫描的二次回波识别结果对比。
具体实施方式
现在结合附图对本发明作进一步详细的说明。本申请的描述中,需要理解的是,术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,“第一”、“第二”等并不表示零部件的重要程度,因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案,并不限制本发明的保护范围。
对于由气象回波引发的二次回波,其本质上依然是气象回波,当雷达工作在单重频模式时,其常规参量和偏振参量都应该有正常的估算值,只是由于二次回波和一次回波的位置不同,二者在数据的连续性方面会有差别;因此,Park等(2016)使用ZDR、ФDP、ρhv、σv等参量的标准差和均值,基于模糊逻辑方法对双偏振雷达进行二次回波的识别。倘若雷达附近的回波均为二次回波,那么使用回波连续性和纹理的方法就不一定可行,因为二次回波本身也可能比较连续。对于一次回波,其参量估算的数值范围也和二次回波有较大重叠,因此单纯使用某个或某几个雷达参量,也无法很好地确认二次回波。
基于此,本申请旨在提供一种基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其以朴素贝叶斯分类器的数学方法为基础,先根据事先准备的数据样本,统计各个识别判据的先验概率,然后使用先验概率去计算后验概率,从而得到目标的分类结果;因此本申请提供的识别方法,相较于传统的基于模糊逻辑等一系列识别方法在确定成员函数更多依赖经验因素来说,操作更具确定性,识别效果也更佳。
具体步骤如图1所示,包括步骤S1:将双偏振雷达获取的I/Q数据形成距离库,采用距离库计算获得用于二次回波识别的四个判断依据,分别为相位分布评估参量和信号质量因子,其中相位分布评估参数包括双偏振雷达的水平通道参数、双偏振雷达的垂直通道参数以及水平和垂直通道之间的参数。
步骤S2:根据获取的四个判断依据,查找预先统计成型的各个判据即条件概率密度函数,获取指定数值在不同分类下的一次回波概率以及二次回波概率,再判断距离库内的回波数据是否属于一次回波概率或者二次回波概率,定义一次回波概率为Pf,二次回波概率为Ps;
所述条件概率密度函数定义为CPDF,其统计时需要若干样本,即至少一个月观测数据,且仅采用双偏振雷达的水平通道参数或者双偏振雷达的垂直通道参数或者水平和垂直通道之间的参数作为参量;同时CPDF也具有针对性,不同的雷达需要统计符合该雷达特征的概率密度分布函数;同一部雷达在不同区域使用时(例如从江淮地区更换到珠三角地区),由于降水特征的变化,同样需要更新CPDF,以获取更好的二次回波识别效果。
Pf的计算方法为假定当前距离库为一次回波,然后在CPDF中查找各判据的计算值在一次回波条件下对应的概率,最后将几个判据的概率值相乘;
Ps的计算方法为假定当前距离库为二次回波,然后在CPDF中查找各判据的计算值在二次回波条件下对应的概率,最后将几个判据的概率值相乘。
步骤S3:对于一次回波来说,相邻距离库的相位比较接近,PDE数值较大;而对于二次回波,相邻距离库相位差别较大,PDE数值较小;因此,选择概率值较大者所在的分类作为当前距离库的识别结果,具体的,若Ps>Pf,判定距离库内的回波数据为二次回波,否则判定距离库内的回波数据为一次回波。
步骤S4:重复上述过程,继续进行下一个距离库的识别。
在步骤S1中,关于相位分布评估参量,即PDE,是Cao等(2012b)在其磁控管雷达的二次回波识别方法中提出的,在本申请中,双偏振雷达的水平通道参数、双偏振雷达的垂直通道参数以及水平和垂直通道之间的参数分别定义为PDEh、PDEv以及PDEhv,PDE的计算公式为
公式(1)中,当需要计算PDEh时,取x(n)=h(n)/h(n+1),当需要计算PDEv时,取x(n)=v(n)/v(n+1),当需要计算PDEhv时,取x(n)=h(n)/v(n),n表示距离库,h表示水平通道数据、v表示垂直通道数据,N表示相关脉冲数,hv表示水平通道以及垂直通道联合。
此外,在步骤S1中,还提供了信号质量因子,即SQI,其可以很好的表达雷达回波的数据质量,因此也作为二次识别算法的判据之一,结合PDEh、PDEv以及PDEhv,共同对二次回波进行识别,其计算公式为
公式(2)中,R1表示一阶自相关函数,即ACF,R0表示零阶ACF,其中,ACF的计算公式为
公式(3)中,M表示相关脉冲数,n表示阶数,*表示共轭,Vh,v表示水平通道或者垂直通道电压值,m表示脉冲的序号,且1≤m≤M,h,v表示水平通道或者垂直通道。
实施例:
本申请提供了一个实施例作为验证,以NJU-CPOL雷达采集的数据为例,数据由南京大学C波段双偏振雷达(NJU-CPOL)于2014年6月至7月采集,地点为安徽长丰,其条件概率密度函数如图2a-图2d所示,图中First-Trip表示一次回波,Second-Trip表示二次回波,图中的CPDF统计时使用了两个月的观测资料。
从图2a、图2b中可以看出,一次回波以及二次回波选用的是联合条件概率密度函数,这是因为PDEh和PDEv具有相似性,实际操作时使用二者的联合条件概率密度函数,联合条件概率密度函数的计算方法与条件概率密度函数的计算方法不同,联合条件概率密度函数的计算方法为以水平通道参数、垂直通道参数同时作为参量,从样本中统计分布情况,使用联合概率密度函数,从二元随机变量角度去识别目标特征,比一元随机变量能提供更多的信息,可以进一步提升识别方法的准确性。
接着分别计算地点为安徽长丰的Pf以及Ps,数据由NJU-CPOL雷达于2014年7月12日10时37分(UTC)采集,图3a-图3d所示,为一次降水过程PPI扫描的二次回波识别结果与随机相位法(一种相位编码方法)判别结果的对比,图3a为包含二次回波的雷达回波图,图3b为去除二次回波后的结果,图3c为基于SBC的二次回波识别结果,图3d为随机相位法的识别结果,两者对比后发现识别结果基本相同。
综上可知,本申请提供的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,具有比模糊逻辑方法更好的识别效果,适用于中频相参雷达以及发射脉冲已采用相位编码的全相参雷达,且比相位编码的硬件信号处理方法更加简洁高效。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:具体包括以下步骤:
步骤S1:将双偏振雷达获取的I/Q数据形成距离库,采用距离库计算获得用于二次回波识别的四个判断依据,分别为相位分布评估参量和信号质量因子,其中相位分布评估参数包括双偏振雷达的水平通道参数、双偏振雷达的垂直通道参数以及水平和垂直通道之间的参数;
步骤S2:根据获取的四个判断依据,查找预先统计成型的各个判据即条件概率密度函数,获取指定数值在不同分类下的一次回波概率以及二次回波概率,再判断距离库内的回波数据是否属于一次回波概率或者二次回波概率,定义一次回波概率为Pf,二次回波概率为Ps;
步骤S3:若Ps>Pf,判定距离库内的回波数据为二次回波,否则判定距离库内的回波数据为一次回波;
步骤S4:重复上述过程,继续进行下一个距离库的识别。
2.根据权利要求1所述的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:步骤S1中,相位分布评估参量定义为PDE,双偏振雷达的水平通道参数、双偏振雷达的垂直通道参数以及水平和垂直通道之间的参数分别定义为PDEh、PDEv以及PDEhv;
相位分布评估参数PDE的计算公式为
公式(1)中,当需要计算PDEh时,取x(n)=h(n)/h(n+1),当需要计算PDEv时,取x(n)=v(n)/v(n+1),当需要计算PDEhv时,取x(n)=h(n)/v(n),h表示水平通道数据、v表示垂直通道数据,N表示相关脉冲数。
3.根据权利要求1所述的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:步骤S1中,信号质量因子定义为SQI,其计算公式为
公式(2)中,R1表示一阶自相关函数,即ACF,R0表示零阶ACF,其中,ACF的计算公式为
公式(3)中,M表示相关脉冲数,k表示阶数,*表示共轭,Vh,v表示水平通道或者垂直通道电压值,m表示脉冲的序号,且1≤m≤M。
4.根据权利要求1所述的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:步骤S2中,所述条件概率密度函数定义为CPDF,其统计时需要若干样本,即至少一个月观测数据,且仅采用双偏振雷达的水平通道参数或者双偏振雷达的垂直通道参数或者水平和垂直通道之间的参数作为参量。
5.根据权利要求4所述的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:步骤S2中,Pf的计算方法为假定当前距离库为一次回波,然后在CPDF中查找各判据的计算值在一次回波条件下对应的概率,最后将几个判据的概率值相乘。
6.根据权利要求4所述的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:步骤S2中,Ps的计算方法为假定当前距离库为二次回波,然后在CPDF中查找各判据的计算值在二次回波条件下对应的概率,最后将几个判据的概率值相乘。
7.根据权利要求1所述的基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法,其特征在于:在实际操作时,采用双偏振雷达的水平通道参数和双偏振雷达的垂直通道参数的联合条件概率密度函数,其计算方法为以水平通道参数、垂直通道参数同时作为参量,从样本中统计分布情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111004667.5A CN113777573B (zh) | 2021-08-30 | 2021-08-30 | 基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111004667.5A CN113777573B (zh) | 2021-08-30 | 2021-08-30 | 基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777573A CN113777573A (zh) | 2021-12-10 |
CN113777573B true CN113777573B (zh) | 2023-12-01 |
Family
ID=78840003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111004667.5A Active CN113777573B (zh) | 2021-08-30 | 2021-08-30 | 基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777573B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114859313B (zh) * | 2022-04-28 | 2023-04-28 | 长沙祥云瑞风信息技术有限公司 | 一种基于基带跳频实现的距离解模糊方法、系统及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104950292A (zh) * | 2015-07-23 | 2015-09-30 | 北京敏视达雷达有限公司 | 一种气象雷达的二次回波识别方法及装置 |
KR101616481B1 (ko) * | 2014-10-21 | 2016-04-28 | 부경대학교 산학협력단 | 정량적 강우량 추정을 위한 이착 에코 완화방법 |
CN107942305A (zh) * | 2017-10-11 | 2018-04-20 | 南京大学 | 双偏振雷达系统初始差分相位的在线标定方法 |
WO2018131787A1 (ko) * | 2017-01-16 | 2018-07-19 | 한국건설기술연구원 | 초단거리 이중 편파 레이더의 다중고도 관측자료를 이용한 강우강도 추정 방법 |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
CN110361742A (zh) * | 2019-06-21 | 2019-10-22 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
CN110749871A (zh) * | 2019-11-05 | 2020-02-04 | 南京大学 | 双偏振天气雷达的参量估算方法 |
CN110852245A (zh) * | 2019-11-07 | 2020-02-28 | 中国民航大学 | 基于离散属性bnt的双偏振气象雷达降水粒子分类方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9625574B2 (en) * | 2013-02-07 | 2017-04-18 | Src, Inc. | Constant pulse repetition frequency techniques for eliminating second time around returns in pulsed doppler radar |
US10838057B2 (en) * | 2016-10-14 | 2020-11-17 | Lockheed Martin Corporation | Radar system and method for determining a rotational state of a moving object |
EP3579020B1 (de) * | 2018-06-05 | 2021-03-31 | Elmos Semiconductor SE | Verfahren zur erkennung eines hindernisses mit hilfe von reflektierten ultraschallwellen |
-
2021
- 2021-08-30 CN CN202111004667.5A patent/CN113777573B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101616481B1 (ko) * | 2014-10-21 | 2016-04-28 | 부경대학교 산학협력단 | 정량적 강우량 추정을 위한 이착 에코 완화방법 |
CN104950292A (zh) * | 2015-07-23 | 2015-09-30 | 北京敏视达雷达有限公司 | 一种气象雷达的二次回波识别方法及装置 |
WO2018131787A1 (ko) * | 2017-01-16 | 2018-07-19 | 한국건설기술연구원 | 초단거리 이중 편파 레이더의 다중고도 관측자료를 이용한 강우강도 추정 방법 |
CN107942305A (zh) * | 2017-10-11 | 2018-04-20 | 南京大学 | 双偏振雷达系统初始差分相位的在线标定方法 |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
CN110361742A (zh) * | 2019-06-21 | 2019-10-22 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
CN110749871A (zh) * | 2019-11-05 | 2020-02-04 | 南京大学 | 双偏振天气雷达的参量估算方法 |
CN110852245A (zh) * | 2019-11-07 | 2020-02-28 | 中国民航大学 | 基于离散属性bnt的双偏振气象雷达降水粒子分类方法 |
Non-Patent Citations (5)
Title |
---|
C波段双多基地多普勒雷达资料处理和三维变分风场反演方法研究;刘黎平等;《大气科学》;第29卷(第6期);986-996 * |
Ground Clutter Detection Using the Statistical Properties of Signals Received With a Polarimetric Radar;Yinguang Li et al.;《IEEE Transactions on Signal Processing》;第62卷(第3期);597-606 * |
Phasecoding for Mitigating Second-Trip Echoes in D3R Weather Radar;Shashank S. Joshil et al.;《IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium》;8336-8338 * |
Validation of a Multilag Estimator on NJU-CPOL and a Hybrid Approach for Improving Polarimetric Radar Data Quality;Shiqing Shao et al.;《remote sensing》;第12卷(第1期);1-24 * |
毫米波测云雷达二次回波的回扩识别和距离旁瓣研究;程周杰等;《气象科学》;第40卷(第4期);534-539 * |
Also Published As
Publication number | Publication date |
---|---|
CN113777573A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Conte et al. | Statistical analysis of real clutter at different range resolutions | |
US7898457B2 (en) | System and method for processing imagery from synthetic aperture systems | |
US8654005B2 (en) | Methods for resolving radar ambiguities using multiple hypothesis tracking | |
US7286079B2 (en) | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter | |
Shui et al. | Range-spread target detection based on cross time-frequency distribution features of two adjacent received signals | |
Shi et al. | Detection of low-velocity and floating small targets in sea clutter via income-reference particle filters | |
CN113777573B (zh) | 基于朴素贝叶斯分类器的双偏振雷达二次回波识别方法 | |
JP2009236720A (ja) | 移動目標検出装置 | |
CN112462343A (zh) | 一种通过频域变换处理提取雷达信号脉内特征参数的方法 | |
Ivković et al. | A new model of CFAR detector | |
Domps et al. | High-frequency radar ocean current mapping at rapid scale with autoregressive modeling | |
Mostafa et al. | Segmentation by classification for through-the-wall radar imaging using polarization signatures | |
CN107589419A (zh) | 一种能量峰值联合宽带高分辨距离像目标提取的方法 | |
Sun et al. | Waveform fusion in sonar signal processing | |
Chang et al. | An MHT algorithm for UWB radar-based multiple human target tracking | |
Bai et al. | Enhanced local sparsity coefficient-based sea-surface floating target detection | |
Liu et al. | A nonuniform clutter intensity estimation algorithm for random finite set filters | |
Berry et al. | Adaptive detection of low-observable targets in correlated sea clutter using Bayesian track-before-detect | |
Meller et al. | A new method and a case study in statistical modeling of bistatic radar cross section | |
Kim et al. | Track-Before-Detect Using an Airborne Multichannel Radar in the Maritime Domain | |
Greitans et al. | Multi-static UWB radar for classification of objects from different materials | |
Davidson | Doppler filtering and detection strategies for multifunction radar | |
Gao et al. | Signal structure information-based data association for maneuvering targets with a convolutional Siamese network | |
Xu et al. | Sea-Surface Floating Small Target Detection Based on SVM and Multidimensional Features | |
Yu et al. | Two-Stage Sea-Surface Small Target Detection using Multi-Feature-Fusion-based Binary Classifier and SCR Enhancement |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 211106 No. 32, Changqing street, Jiangning Development Zone, Nanjing, Jiangsu Applicant after: China Shipbuilding Pengli (Nanjing) Atmospheric and Ocean Information System Co.,Ltd. Address before: 211106 No. 32, Changqing street, Jiangning Development Zone, Nanjing, Jiangsu Applicant before: CSIC PRIDE (NANJING) ATMOSPHERE MARINE INFORMATION SYSTEM Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |