CN113985379A - 天气雷达信号的并行处理方法、装置、系统及介质 - Google Patents

天气雷达信号的并行处理方法、装置、系统及介质 Download PDF

Info

Publication number
CN113985379A
CN113985379A CN202110979115.XA CN202110979115A CN113985379A CN 113985379 A CN113985379 A CN 113985379A CN 202110979115 A CN202110979115 A CN 202110979115A CN 113985379 A CN113985379 A CN 113985379A
Authority
CN
China
Prior art keywords
clutter
data
parallel processing
weather radar
target
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
Application number
CN202110979115.XA
Other languages
English (en)
Other versions
CN113985379B (zh
Inventor
王涛
詹海鸿
周永坤
王伟
饶彬
周颖
邹小海
徐峰
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202110979115.XA priority Critical patent/CN113985379B/zh
Publication of CN113985379A publication Critical patent/CN113985379A/zh
Application granted granted Critical
Publication of CN113985379B publication Critical patent/CN113985379B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/414—Discriminating targets with respect to background clutter

Landscapes

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

Abstract

本发明公开了天气雷达信号的并行处理方法、装置、系统及介质，方法包括：获取目标特征量；根据所述目标特征量进行杂波识别，确定杂波识别结果；根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；根据所述目标数据计算态势信息；对所述态势信息进行解模糊处理，得到最终结果。本发明的实时性高，能够缩短运行时间，可广泛应用于雷达信号处理技术领域。

Description

天气雷达信号的并行处理方法、装置、系统及介质
技术领域
本发明涉及雷达信号处理技术领域，尤其是天气雷达信号的并行处理方法、装置、系统及介质。
背景技术
天气在人类生活中起着不可替代的关键性作用。但是天气回波的动态范围非常大，极有可能超过80dB，并且在强天气回波情况下，平均速度也会超过30m/s，与此同时往往会出现速度和距离上的模糊问题。同时如何识别并滤除比气象回波大几个量级的地杂波以及如何进行实时的信号处理，这些都是天气雷达所面临的棘手问题。
工业界通常会采用杂波消减判决算法来识别地杂波，此算法利用多个特征量来细致区分地杂波和天气回波。在CMD算法识别地杂波的基础上，对于那些被污染的回波数据，可以采用高斯模型自适应滤波技术(Gaussian Model Adaptive Processing,GMAP)，该算法在滤除地杂波的同时会自适应地修复天气回波数据，进而可以得到更加准确的天气矩数据。而对于速度、距离模糊问题的解决上，传统方法一般采用CS/CD解距离模糊算法或者Batch批处理方法。与上述解模糊算法相比，SZ算法能够恢复弱程回波，更加精确，相应的计算量较大。但实际上不管是CMD算法、GMAP算法还是SZ算法计算量都比较大，因此一般情况下，在CMD算法和GMAP处理完之后，解模糊处理往往会选择CS/CD(ContinuousSurveillance,CS)(Continuous Doppler,CD)算法或者Batch处理方法以达到实时运行的效果。并且目前大部分天气雷达的信号处理是在Windows系统上进行开发，信息安全面临着一定的考验。
发明内容
有鉴于此，本发明实施例提供一种实时性高的天气雷达信号的并行处理方法、装置、系统及介质，以缩短运行时间。
本发明的一方面提供了一种天气雷达信号的并行处理方法，包括：
获取目标特征量；
根据所述目标特征量进行杂波识别，确定杂波识别结果；
根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；
根据所述目标数据计算态势信息；
对所述态势信息进行解模糊处理，得到最终结果。
可选地，所述获取目标特征量，包括：
获取共极化差分散射率空间纹理以及共极化差分相位空间纹理；其中，所述共极化差分散射率空间纹理和共极化差分相位空间纹理之间的方差用于表征区分地杂波和天气回波
确定散射率梯度旋转变化信息；其中，所述散射率梯度旋转变化信息用于表征散射率梯度符号改变频繁程度；
确定散射率纹理；
确定杂波相位一致性。
可选的，所述杂波相位一致性的计算公式为：
Figure BDA0003228474240000021
其中，CPA代表杂波相位一致性；zi代表回波中的距离门的脉冲时间序列的相位。
可选地，所述方法还包括：
计算原始数据的自相关系数和互相关系数；
根据原始数据中的H通道极化噪声功率和V通道极化噪声功率，进行噪声估计，得到H极化的信号功率、V极化的信号功率以及信噪比；
根据所述H极化的信号功率、所述V极化的信号功率，计算径向上的矩数据。
可选地，所述根据所述目标特征量进行杂波识别，确定杂波识别结果，包括：
对所述目标特征量进行归一化处理；
将归一化处理后的目标特征量进行加权求和，得到杂波可能性；
根据所述杂波可能性确定杂波识别结果；
其中，所述杂波可能性的计算公式为：
Figure BDA0003228474240000022
其中，CP代表杂波可能性；TDBZ01代表散射率纹理；SPIN01代表散射率梯度旋转变化信息；CPA01代表杂波相位一致性；σZDR01代表共极化差分散射率空间纹理；σPHIDP01代表共极化差分相位空间纹理。
可选地，所述根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据，包括：
通过高斯模型自适应处理滤波器对杂波数据进行滤波处理，得到目标数据。
可选地，所述对所述态势信息进行解模糊处理，得到最终结果，包括：
采用SZ算法，根据所述态势信息提取弱回波信号，以恢复二程弱回波信号。
本发明实施例的另一方面提供了一种天气雷达信号的并行处理系统，包括：
第一模块，用于获取目标特征量；
第二模块，用于根据所述目标特征量进行杂波识别，确定杂波识别结果；
第三模块，用于根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；
第四模块，用于根据所述目标数据计算态势信息；
第五模块，用于对所述态势信息进行解模糊处理，得到最终结果。
本发明实施例的另一方面提供了一种天气雷达信号的并行处理装置，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明的实施例获取目标特征量；根据所述目标特征量进行杂波识别，确定杂波识别结果；根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；根据所述目标数据计算态势信息；对所述态势信息进行解模糊处理，得到最终结果。本发明的实时性高，能够缩短运行时间。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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为本发明实施例提供的CMD算法的流程图；
图2为本发明实施例提供的SPIN示意图；
图3为本发明实施例提供的CMD算法特征场与杂波标识示意图；
图4为本发明实施例提供的GMAP滤除杂波功率对比图；
图5为本发明实施例提供的幅度特性和相位特性示意图；
图6为本发明实施例提供的SZ算法流程示意图；
图7为本发明实施例提供的整体步骤流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明提供了一种天气雷达信号的并行处理方法，如图7所示，包括：
获取目标特征量；
根据所述目标特征量进行杂波识别，确定杂波识别结果；
根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；
根据所述目标数据计算态势信息；
对所述态势信息进行解模糊处理，得到最终结果。
可选地，所述获取目标特征量，包括：
获取共极化差分散射率空间纹理以及共极化差分相位空间纹理；其中，所述共极化差分散射率空间纹理和共极化差分相位空间纹理之间的方差用于表征区分地杂波和天气回波
确定散射率梯度旋转变化信息；其中，所述散射率梯度旋转变化信息用于表征散射率梯度符号改变频繁程度；
确定散射率纹理；
确定杂波相位一致性。
可选的，所述杂波相位一致性的计算公式为：
Figure BDA0003228474240000041
其中，CPA代表杂波相位一致性；zi代表回波中的距离门的脉冲时间序列的相位。
可选地，所述方法还包括：
计算原始数据的自相关系数和互相关系数；
根据原始数据中的H通道极化噪声功率和V通道极化噪声功率，进行噪声估计，得到H极化的信号功率、V极化的信号功率以及信噪比；
根据所述H极化的信号功率、所述V极化的信号功率，计算径向上的矩数据。
可选地，所述根据所述目标特征量进行杂波识别，确定杂波识别结果，包括：
对所述目标特征量进行归一化处理；
将归一化处理后的目标特征量进行加权求和，得到杂波可能性；
根据所述杂波可能性确定杂波识别结果；
其中，所述杂波可能性的计算公式为：
Figure BDA0003228474240000051
其中，CP代表杂波可能性；TDBZ01代表散射率纹理；SPIN01代表散射率梯度旋转变化信息；CPA01代表杂波相位一致性；σzDR01代表共极化差分散射率空间纹理；σPHIDP01代表共极化差分相位空间纹理。
可选地，所述根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据，包括：
通过高斯模型自适应处理滤波器对杂波数据进行滤波处理，得到目标数据。
可选地，所述对所述态势信息进行解模糊处理，得到最终结果，包括：
采用SZ算法，根据所述态势信息提取弱回波信号，以恢复二程弱回波信号。
本发明实施例的另一方面提供了一种天气雷达信号的并行处理系统，包括：
第一模块，用于获取目标特征量；
第二模块，用于根据所述目标特征量进行杂波识别，确定杂波识别结果；
第三模块，用于根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；
第四模块，用于根据所述目标数据计算态势信息；
第五模块，用于对所述态势信息进行解模糊处理，得到最终结果。
本发明实施例的另一方面提供了一种天气雷达信号的并行处理装置，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
下面结合说明书附图，对本发明的具体实现过程进行详细描述：
(1)IQ数据读取以及解码
每个IQ数据文件包括一个TSHeader(128字节)，接着是预留的256字节保留空间，此后开始脉冲采样数据，每个脉冲包括一个TSSweepHeader(128字节)，后面是该脉冲的I/Q数据，依次为水平通道I/Q数据，垂直通道I/Q数据及可能的burst信号I/Q数据，这些I/Q数据的距离库及其长度可由TSSweepHeader中的参数计算获得。接着是下一个脉冲的TSSweepHeader，然后是它的I/Q数据，如此直到扫描文件结束。
1、利用长PRT的IQ数据计算自相关系数和互相关系数。
H、V支路的数据用HIQ、VIQ表示，假设数据长度为n。则零阶自相关系数RH0、RV0、RHV0和RVH0为：
Figure BDA0003228474240000061
Figure BDA0003228474240000062
Figure BDA0003228474240000063
Figure BDA0003228474240000064
一阶自相关系数RH1、RV1和一阶互相关系数RHV1、RVH1计算公式为：
Figure BDA0003228474240000065
Figure BDA0003228474240000066
Figure BDA0003228474240000067
Figure BDA0003228474240000068
其中，*符号代表取共轭，×符号表示相乘。
2、进行噪声的估计，得到H极化、V极化的信号功率以及信噪比。
假设IQ数据里H通道极化噪声功率为HpolNoise(单位为dB)，V通道极化噪声功率VpolNoise(单位为dB)，则对应的噪声功率为：
Figure BDA0003228474240000069
Figure BDA00032284742400000610
H、V极化总的信号功率PSH0、PSV0为：
PSH0＝RH0-hNoise
PSV0＝RV0-vNoise
H、V极化对应的信噪比为：
Figure BDA0003228474240000071
Figure BDA0003228474240000072
3、根据公式计算一个径向上的矩数据，得到平均功率等态势数据。
将H、V通道采样序列统一用Zk(k＝1,2,3,...,n)，那么功率谱S(fi)为：
Figure BDA0003228474240000073
则有平均功率P、平均频率f和平均频谱宽度σf的估计如下：
Figure BDA0003228474240000074
Figure BDA0003228474240000075
Figure BDA0003228474240000076
根据上述数据可以得到平均速度v和速度谱宽σv如下所示(其中λ为波长)：
Figure BDA0003228474240000077
Figure BDA0003228474240000078
4、利用CMD算法对原始IQ数据进行地杂波识别。
利用上述的CMD算法对全部IQ数据进行地杂波识别，如果回波数据里掺杂有地杂波，那么就把地杂波标识设为1，以便后续滤波处理。
具体地，杂波消减判决算法CMD利用多个特征量判断回波数据是否是杂波。在双极化的情况下，CMD算法利用的特征量是：共极化差分相位纹理；差分散射率纹理；杂波相位一致性CPA；散射率纹理以及散射率变量SPIN的变化。在得到上述特征量的基础上，利用归一化函数将上述特征量转换到
Figure BDA0003228474240000079
之间，接着对各种特征量的值进行加权综合。最终的结果归一化到
Figure BDA00032284742400000710
之间，该结果就是杂波可能性，并且利用门限判断该回波数据是否是杂波，CMD算法的总体流程如图1所示。
(1)共极化差分散射率空间纹理σZDR和共极化差分相位空间纹理σPHIDP：
相较于天气回波，杂波里的共极化差分散射率(ZDR)和共极化差分相位(PHIDP)在距离门间非常嘈杂，变化很大，因此可用它们的方差作为区分地杂波和天气回波的特征量。归一化计算公式如下所示：
Figure BDA0003228474240000081
Figure BDA0003228474240000082
(2)散射率梯度旋转变化(SPIN)
散射率梯度旋转变化(SPIN)是表征散射率梯度符号改变频繁程度的特征量。以图2为例，图2中的标号点1、2、3、4、5、6为相邻距离库的散射率，首先要找到散射率梯度符号发生改变的点(对应图中的点2、4、5)。紧接着计算这些转折点的散射率梯度旋转变化量(对应图中的A和B)。SPIN变化量就是转折点与临近点反射率dBZ的绝对差值再取平均，对于图中的点5来说，计算公式如下：
Figure BDA0003228474240000083
Figure BDA0003228474240000084
(3)散射率纹理(TDBZ)
杂波数据的反射率(dBZ)在距离门间变化较大，而反观天气数据，反射率则平稳变化。
Figure BDA0003228474240000085
如上式所示，M为计算TDBZ所使用的距离门数，本发明实施例选取距离门数量为9。归一化计算公式为：
Figure BDA0003228474240000086
(4)杂波相位一致性(CPA)
因为地面物体是基本不会移动的，与雷达的距离也大体上是固定的，所以对于地杂波而言，回波中的距离门的脉冲时间序列的相位(用zi表示)是相差无几的。相反在天气回波中，脉冲时间序列的相位会因为探测目标的移动速度而变化，对于噪声而言，相位是随机的，这也就可以利用相位一致性来区分杂波和天气回波了。杂波相位一致性(CPA)的计算公式如下：
Figure BDA0003228474240000091
Figure BDA0003228474240000092
(5)杂波可能性
将上述通过归一化函数得到的特征量赋予不同权值进行求和，来得到杂波可能性CP，计算公式如下：
Figure BDA0003228474240000093
得到的杂波可能性CP的值位于[0,1]，如果CP大于0.5，那么判断该距离门是杂波，并且将杂波标志置1，如果CP小于0.5，则判断该距离门不是杂波，杂波标志位置为0。同时，如果距离门的信噪比低于3dB，则无需进行CP的计算，直接将杂波标志设置为0。
(6)结果展示
本发明实施例利用某地站的天气雷达实测数据，在仰角为1.5°，频率为2730MHz,脉冲重复频率为322Hz时，可以得到五个特征场以及根据特征场加权和得到的杂波标识图如图3所示：
5、根据CMD结果，利用GMAP滤波算法对含有地杂波数据的距离门进行滤波.
如果IQ数据的地杂波标识为0，那么无需滤除地杂波。如果IQ数据的地杂波标识为1，那么利用上述的GMAP算法进行地杂波的自适应滤除。
具体地，高斯模型自适应处理滤波器(Gaussian Model Adaptive Processing，GMAP)是在2004年由SIGMET公司的两位工程师Siggia和Passarelli提出的。GMAP假定天气和杂波的功率谱近似为高斯形，并且已经知道杂波谱宽，在上述基础上为杂波拟合一个高斯曲线。曲线与噪声电平交于两点，两点往下的部分意味是噪声点，两点间的点则代表是杂波点，两点间的宽度则是初始滤波器的凹口宽度，将噪声点和杂波点进行移除后，对剩余的功率谱点进行高斯曲线的拟合，并且用拟合的点来代替杂波点，重复上述过程，直到功率谱的功率和速度不再显著的变化。本发明实施例通过GMAP算法进行滤波处理后的结果如图4所示。
6、利用短PRT的IQ数据根据步骤3计算平均功率等信息。
在步骤5之后，可以得到滤除地杂波之后的IQ数据，进而再根据步骤3的公式进行计算得到较为准确的平均功率、速度等态势信息。
7、利用SZ算法解模糊，对速度和谱宽解模糊，得到最终结果。
步骤6得到的速度、谱宽等信息有可能是模糊的，因此最后可以使用上述的SZ算法进行解模糊操作，进而得到正确的速度、谱宽信息。
具体地，Sachidananda和Zrnic在1998年提出的SZ(n/M)编码(n、M均为正整数，且n<M)，SZ(n/M)的相位码序列为(k＝0,1,2...M-1):
Figure BDA0003228474240000101
对应的发射脉冲的变换码为：
Figure BDA0003228474240000102
一次回波同步时，二次回波被调制时的调制码为：
Figure BDA0003228474240000103
同理对于二次回波同步，一次回波被调制时的调制码为：
Figure BDA0003228474240000104
工程上常用SZ(8/64)码，其对应的幅度特性、相位特性如图5所示：
由图5可以知道SZ(8/64)的幅度谱上只有8个谱线系数不为0，时域乘积对应频域卷积，那么调制后的回波信号在频谱上将会在8个谱线上复制，进而便于后续的恢复，提取弱回波信号的具体过程如图6所示：
先对二程回波进行调制，凸显一程强回波信号，进而加以滤除，而后同步二程回波信号就可以恢复二程弱回波信号。
需要说明的是，本发明实施例中方法的整体处理流程乍一看是串行的，必须得等到当前处理结果出来后才可以进行下一步操作。但是由于每次处理的信号都只是一个径向上的数据，而且径向与径向之间并没有交互，也就是说每一个径向的信号处理都可以独立于另一个径向，因此可以将所有径向分割为若干组，每一组用一个线程，那么同一时间就会有若干个径向并行进行信号处理，这无疑会大大节省运行时间。
并行处理的细节如下所示：
1、线程的建立：头文件要包含<QThread>库，而后以QThread对象为父类建立新的类，该类可以定义私有函数、变量以及构建函数，但最重要的是必须包含一个run函数，该函数就是这个类或者说这个并行线程真正要执行的任务。对于本文而言，16线程就可以新建16个类，有16个不同的run函数，以此使得每个并行线程不受影响地执行对应的任务。
2、一圈扫描360°，一般而言有着360～370个径向，因而每个线程可以独立处理大概22个径向的数据，但实际上为了保证数据正确与程序的稳健性，一般每个线程会与相邻线程覆盖处理大概3个径向的数据。
3、多线程运行时，要避免出现一个变量空间同时被两个或多个线程访问的情况，因为此种情况会使得变量空间的存储值变得不可控。
4、线程不是越多越好，也并非并行的线程越多程序的运行时间就越短，恰恰相反，线程过多反而会使得运行变得阻塞，因为线程的开辟也需要时间，而且过多的线程也会加重计算机的内存负荷。
本发明实施例经过实验，得到不同环境下的运行时间对比结果，如果利用Matlab软件进行信号处理大概需要40～50秒，利用Qt平台进行串行处理需要8～10秒，而利用16线程并行技术，即使在普通的电脑(手提、台式)不使用服务器的情况下，也能将时间控制在1秒左右，而天线转动扫描一圈需要22秒，足以达到实时处理的要求。
本发明可以使用Qt Designer开发工具设计简易界面，可以通过拖动控件的方式进行界面的构建，对于一些并非在初始界面就显示的控件，可以在程序里以代码的方式控制其生成。如果用户对于控件有进一步的操作(比如点击、滑动滚轮等)，可以通过Singal-Slot信号和槽的技术来构建其响应函数，进而延申一系列操作。
另外，本发明实施例的绘图用到了Qt的绘图类QCustonPlot，色条的构建以及像素点的映射则是使用QCPColorMap、QCPColorMapData、QCPColorGradient、QColor、QCPColorScale和QCPMarginGroup类，处理完的数据其实是极坐标形式的，也就是知道距离原点的距离、方位以及该点的值，绘图时要将其转换为直角坐标进行呈现，而对于处理完的每个数据要映射到图上对应的像素点。
综上所述，相较于现有技术，本发明具有以下优点：
1、利用基于C++语言跨平台的Qt软件进行设计，程序可在麒麟系统、Linux、手机等平台进行运行，从而避免在Windows系统上进行开发，进而真正达到信息安全、自主可控的目的。
2、采用先进的算法(地杂波识别CMD算法、地杂波滤除GMAP算法以及解模糊算法SZ)进行信号处理，使得处理结果更加精确。
3、使用并行线程技术，使得即使在普通电脑上处理一圈扫描数据的时间控制在1秒左右，而天气雷达天线在固定仰角层扫描一圈耗时22秒，已经完全可以达到实时处理的效果。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种天气雷达信号的并行处理方法，其特征在于，包括：
获取目标特征量；
根据所述目标特征量进行杂波识别，确定杂波识别结果；
根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；
根据所述目标数据计算态势信息；
对所述态势信息进行解模糊处理，得到最终结果。
2.根据权利要求1所述的天气雷达信号的并行处理方法，其特征在于，所述获取目标特征量，包括：
获取共极化差分散射率空间纹理以及共极化差分相位空间纹理；其中，所述共极化差分散射率空间纹理和共极化差分相位空间纹理之间的方差用于表征区分地杂波和天气回波
确定散射率梯度旋转变化信息；其中，所述散射率梯度旋转变化信息用于表征散射率梯度符号改变频繁程度；
确定散射率纹理；
确定杂波相位一致性。
3.根据权利要求2所述的天气雷达信号的并行处理方法，其特征在于，所述杂波相位一致性的计算公式为：
Figure FDA0003228474230000011
其中，CPA代表杂波相位一致性；zi代表回波中的距离门的脉冲时间序列的相位。
4.根据权利要求1所述的天气雷达信号的并行处理方法，其特征在于，所述方法还包括：
计算原始数据的自相关系数和互相关系数；
根据原始数据中的H通道极化噪声功率和V通道极化噪声功率，进行噪声估计，得到H极化的信号功率、V极化的信号功率以及信噪比；
根据所述H极化的信号功率、所述V极化的信号功率，计算径向上的矩数据。
5.根据权利要求1所述的天气雷达信号的并行处理方法，其特征在于，所述根据所述目标特征量进行杂波识别，确定杂波识别结果，包括：
对所述目标特征量进行归一化处理；
将归一化处理后的目标特征量进行加权求和，得到杂波可能性；
根据所述杂波可能性确定杂波识别结果；
其中，所述杂波可能性的计算公式为：
Figure FDA0003228474230000021
其中，CP代表杂波可能性；TDBZ01代表散射率纹理；SPIN01代表散射率梯度旋转变化信息；CPA01代表杂波相位一致性；σZDR01代表共极化差分散射率空间纹理；σPHIDP01代表共极化差分相位空间纹理。
6.根据权利要求1所述的天气雷达信号的并行处理方法，其特征在于，所述根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据，包括：
通过高斯模型自适应处理滤波器对杂波数据进行滤波处理，得到目标数据。
7.根据权利要求1所述的天气雷达信号的并行处理方法，其特征在于，所述对所述态势信息进行解模糊处理，得到最终结果，包括：
采用SZ算法，根据所述态势信息提取弱回波信号，以恢复二程弱回波信号。
8.一种天气雷达信号的并行处理系统，其特征在于，包括：
第一模块，用于获取目标特征量；
第二模块，用于根据所述目标特征量进行杂波识别，确定杂波识别结果；
第三模块，用于根据所述杂波识别结果，对杂波数据进行滤波处理，得到目标数据；
第四模块，用于根据所述目标数据计算态势信息；
第五模块，用于对所述态势信息进行解模糊处理，得到最终结果。
9.一种天气雷达信号的并行处理装置，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
CN202110979115.XA 2021-08-25 2021-08-25 天气雷达信号的并行处理方法、装置、系统及介质 Active CN113985379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110979115.XA CN113985379B (zh) 2021-08-25 2021-08-25 天气雷达信号的并行处理方法、装置、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110979115.XA CN113985379B (zh) 2021-08-25 2021-08-25 天气雷达信号的并行处理方法、装置、系统及介质

Publications (2)

Publication Number Publication Date
CN113985379A true CN113985379A (zh) 2022-01-28
CN113985379B CN113985379B (zh) 2024-05-31

Family

ID=79735215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110979115.XA Active CN113985379B (zh) 2021-08-25 2021-08-25 天气雷达信号的并行处理方法、装置、系统及介质

Country Status (1)

Country Link
CN (1) CN113985379B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115356696A (zh) * 2022-07-30 2022-11-18 中国气象局气象探测中心 天气雷达信号处理系统算法标校方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117227A (zh) * 2011-03-09 2011-07-06 南京恩瑞特实业有限公司 天气雷达数据的多核并行计算方法
CN103323850A (zh) * 2013-05-28 2013-09-25 芜湖航飞科技股份有限公司 一种双线偏振多普勒天气雷达系统
CN104914436A (zh) * 2015-05-29 2015-09-16 安徽四创电子股份有限公司 基于魂芯一号的通用天气雷达信号处理器及处理三脉冲信号的方法
CN107993215A (zh) * 2017-11-27 2018-05-04 象辑知源（武汉）科技有限公司 一种天气雷达图像处理方法及系统
CN109254290A (zh) * 2018-08-17 2019-01-22 深圳市雅码科技有限公司 一种天气雷达并行拼图方法及系统
CN112666559A (zh) * 2021-01-27 2021-04-16 苏州市气象局 一种多普勒天气雷达数据质量控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117227A (zh) * 2011-03-09 2011-07-06 南京恩瑞特实业有限公司 天气雷达数据的多核并行计算方法
CN103323850A (zh) * 2013-05-28 2013-09-25 芜湖航飞科技股份有限公司 一种双线偏振多普勒天气雷达系统
CN104914436A (zh) * 2015-05-29 2015-09-16 安徽四创电子股份有限公司 基于魂芯一号的通用天气雷达信号处理器及处理三脉冲信号的方法
CN107993215A (zh) * 2017-11-27 2018-05-04 象辑知源（武汉）科技有限公司 一种天气雷达图像处理方法及系统
CN109254290A (zh) * 2018-08-17 2019-01-22 深圳市雅码科技有限公司 一种天气雷达并行拼图方法及系统
CN112666559A (zh) * 2021-01-27 2021-04-16 苏州市气象局 一种多普勒天气雷达数据质量控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115356696A (zh) * 2022-07-30 2022-11-18 中国气象局气象探测中心 天气雷达信号处理系统算法标校方法和装置
CN115356696B (zh) * 2022-07-30 2023-07-04 中国气象局气象探测中心 天气雷达信号处理系统算法标校方法和装置

Also Published As

Publication number Publication date
CN113985379B (zh) 2024-05-31

Similar Documents

Publication Publication Date Title
CN110244271B (zh) 基于多重同步压缩变换的雷达辐射源分选识别方法及装置
Islam et al. Characterization and prediction of runoff dynamics: a nonlinear dynamical view
CN110031843B (zh) 基于roi区域的sar图像目标定位方法、系统、装置
CN111008585B (zh) 基于自适应分层高分辨sar图像的舰船目标检测方法
CN103064063B (zh) 基于cwd特征的多相编码雷达信号波形自动识别方法
CN101714252A (zh) Sar图像中道路的提取方法
CN110889843B (zh) 基于最大稳定极值区域的sar图像舰船目标检测方法
CN113985379A (zh) 天气雷达信号的并行处理方法、装置、系统及介质
CN112561940A (zh) 密集多目标参数提取的方法、装置及终端设备
CN111815660B (zh) 危化品仓库中货物边缘检测方法、装置及终端设备
CN102081799B (zh) 基于邻域相似性及双窗口滤波的sar图像变化检测方法
CN105866748B (zh) 一种基于检测先验的固定窗长恒虚警检测方法
CN114648547A (zh) 用于反无人机红外探测系统的弱小目标检测方法和装置
CN109712156A (zh) 一种低错误率的sar图像边缘检测方法
CN105303538A (zh) 一种基于nsct和pca的高斯噪声方差估计方法
Villar et al. Efficient approach for OS‐CFAR 2D technique using distributive histograms and breakdown point optimal concept applied to acoustic images
CN116520285A (zh) 激光雷达的回波数据的降噪方法、装置及激光雷达
Silvetti et al. Quadratic self-correlation: An improved method for computing local fractal dimension in remote sensing imagery
CN114037820A (zh) 一种基于多特征融合的红外弱小多目标的检测方法和装置
CN107122728B (zh) 基于证据理论算法的sar图像中检测建筑物方法
CN118604746B (zh) 基于分段处理和小波变换的雷达调制识别与参数估计方法
CN114002651B (zh) 飞行器的雷达俯仰视向角实时估计方法、装置及存储介质
CN113009470B (zh) 一种目标态势特征数据的处理方法、系统、装置及介质
CN115372928B (zh) 一种基于i/q数据的dcnn电磁干扰识别方法及装置
CN118501821B (zh) 基于航迹滤波的欺骗干扰识别方法、电子设备及存储介质

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