CN114280572B - 去除信号干扰杂波的单雷达回波质控方法、系统及终端 - Google Patents

去除信号干扰杂波的单雷达回波质控方法、系统及终端 Download PDF

Info

Publication number
CN114280572B
CN114280572B CN202210207365.6A CN202210207365A CN114280572B CN 114280572 B CN114280572 B CN 114280572B CN 202210207365 A CN202210207365 A CN 202210207365A CN 114280572 B CN114280572 B CN 114280572B
Authority
CN
China
Prior art keywords
clutter
signal interference
echo
convection
interference clutter
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
Application number
CN202210207365.6A
Other languages
English (en)
Other versions
CN114280572A (zh
Inventor
黄旋旋
冯爽
吴彬
赵璐
黄娟
罗然
苏桂炀
李文娟
罗玲
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.)
Zhejiang Meteorological Observatory
Original Assignee
Zhejiang Meteorological Observatory
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 Zhejiang Meteorological Observatory filed Critical Zhejiang Meteorological Observatory
Priority to CN202210207365.6A priority Critical patent/CN114280572B/zh
Publication of CN114280572A publication Critical patent/CN114280572A/zh
Application granted granted Critical
Publication of CN114280572B publication Critical patent/CN114280572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于雷达回波质控技术领域，公开了一种去除信号干扰杂波的单雷达回波质控方法、系统及终端，对流云回波及其对流云边缘回波进行识别和标记，将对应位置的所有观测偏振量全部进行备份存储；依据人工观测总结基于偏振量特征构建信号干扰杂波的识别模型，进行疑似信号干扰杂波识别；利用偏振量特征分析，在确保对流云回波最大限度保护前提下，对地物杂波以及和地物杂波混合的信号干扰杂波进行识别，对标记为地物杂波和疑似信号干扰的杂波进行去除处理。本发明可以较准确识别和处理信号干扰杂波，在杂波和强对流混合存在情况下，该技术仍能进行精准的识别，可以极大提升单雷达回波数据质量，为雷达组网提供基础技术支持。

Description

去除信号干扰杂波的单雷达回波质控方法、系统及终端
技术领域
本发明属于雷达回波质控技术领域，尤其涉及一种去除信号干扰杂波的单雷达回波质控方法、系统及终端。
背景技术
目前，传统的雷达回波质控方法通常有：参考切面算法，模糊逻辑方法，神经元网络算法等等，这些方法适合用于去除一般性的地物杂波、海浪杂波，超折射杂波等等。基于模糊逻辑的分步式超折射地物回波识别方法（刘黎平等，2007）方法能较好识别地物回波和降水回波，但是由于方法中使用了径向速度和谱宽数值（数值有效范围一般小于150km），这导致质控范围要小于有效的反射率检测范围（230km）；并且该方法中并没有针对信号干扰杂波进行识别模型构建，因此对于识别处理该类型杂波存在一定局限性。雷达拼图射线状杂波抑制算法（袁伟等，2017）可以有效定位雷达产品数据中的射线状杂波,能够改善雷达拼图效果,在射线状杂波对天气过程判断造成的干扰有一定的抑制作用。但是，该方法的缺陷在于由于没有针对信号干扰杂波建模，因此，其无法很好识别信号干扰杂波和强对流回波混合存在情况。最近几年，新提出的一些利用气候统计特征来进行雷达回波质控方法（王国荣等，2019；孙伟等，2018）则更适用于本地化的固定位置的地物杂波识别去除，但是对于信号干扰杂波，由于个例较少，其特征也较难进行气候统计，因此并不适用。
传统方法对于信号干扰杂波的去除能力存在较大的不确定性。信号干扰杂波从反射率上看其有点类似于一般性的太阳射线杂波，其大部分是呈现局部射线状特征，但是明显的不同点在于：1）虽然其强度整体不是太强，但是局部强度会偏强，接近于40dBZ，这和强对流回波边缘强度接近；当其和真实降雨云团回波混合存在，尤其是和强对流云混合存在时候，精确的辨识是存在极大的难度的。2）其发生的时间和位置等都收到信号干扰源的影响（业务上来看，很多雷达周围的固定信号干扰源，因为一些客观因素，是会长期存在，并且无法彻底去除的），存在极大的随机性。3）信号干扰杂波存在时段，其杂波形态到局部强度特征也会随着时间存呈现出不规则的变化特征，因此，这都进一步增加了杂波识别模型的构建难度。
通过上述分析，现有技术存在的问题及缺陷为：
（1）传统雷达回波质控方法对信号干扰杂波的去除存在较大的不确定性。
（2）当信号干扰杂波和真实降雨云团回波混合存在，尤其是和强对流云混合存在时候，精确的辨识是存在极大的难度。
（3）信号干扰杂波发生的时间和位置等都收到信号干扰源的影响存在极大的随机性；信号干扰杂波存在时段，其杂波形态到局部强度特征也会随着时间存呈现出不规则的变化特征，这都增加了杂波识别模型的构建难度。
解决以上问题及缺陷的难度为：传统方法对于信号干扰杂波的去除能力存在较大的不确定性。而信号干扰杂波从反射率上看其有点类似于一般性的太阳射线杂波，其大部分是呈现局部射线状特征，但是明显的不同点在于：1）虽然其强度整体不是太强，但是局部强度会偏强，接近于40dBZ，这和强对流回波边缘强度接近；当其和真实降雨云团回波混合存在，尤其是和强对流云混合存在时候，精确的辨识是存在极大的难度的。2）其发生的时间和位置等都收到信号干扰源的影响（业务上来看，一些雷达周围的固定信号干扰源，因为一些客观因素，是会长期存在，并且无法彻底去除的），存在极大的随机性。3）信号干扰杂波存在时段，其杂波形态到局部强度特征也会随着时间存呈现出不规则的变化特征，因此，这都进一步增加了杂波识别模型的构建难度。
解决以上问题及缺陷的意义为：本发明提供的方法，可以较为准确的识别处理信号干扰杂波，是对传统质控方法的升级改进；即使当信号干扰杂波和真实降雨云团回波混合存在情况，该方法仍然能较好的处理。新方法可以提升雷达监测区域内的降水回波的监测预警能力，对于提升组网范围内的气象强天气灾害的防灾减灾具有积极的意义。
本发明提供的方法，充分利用了双偏振雷达的偏振量特征进行建模，同时使用了些针对性的图形学方法进行雷达回波质控，因此，相比较传统方法，新方法可以更好的发挥出双偏振雷达的偏振量优势，同时其拓展了雷达质控方法的设计思路。本发明的识别模型的设计是建立在雷达气象业务逻辑基础上的智能识别模型，其对于未来在气象业务上如何合理科学的融合应用计算机图像识别技术等具有较好的示范效果。
发明内容
针对现有技术存在的问题，本发明提供了一种去除信号干扰杂波的单雷达回波质控方法、系统及终端。通过构建信号干扰杂波识别模型，进而较准确识别和处理信号干扰杂波，即使在杂波和强对流混合存在情况下，该技术仍能进行精准的识别处理。
本发明是这样实现的，一种去除信号干扰杂波的单雷达回波质控方法包括：利用双偏振雷达的偏振量特征构建信号干扰杂波识别模型，对地物杂波以及和地物杂波混合在一起的疑似信号干扰杂波进行识别，并对标记为地物杂波和疑似信号干扰杂波进行去除。
进一步，所述利用双偏振雷达的偏振量特征构建信号干扰杂波识别模型前需进行：对流云回波进行预保护；所述对流云回波的预保护包括：
（i）层云和对流内核区域识别：在3km等高面上，对具有冰雹特征的回波强度
Figure 100002_DEST_PATH_IMAGE002
>49dBZ的格点、或者具有回波强度
Figure 330548DEST_PATH_IMAGE002
>40dBZ的格点同时具有差分传播相移
Figure 100002_DEST_PATH_IMAGE004
>1.5的格点都判定为对流内核区域；
（ii）对流回波边缘区域识别：在3km等高面上，对满足a、b、c、d四个条件的格点，则判定为对流回波边缘格点，同时将对应位置的所有观测偏振量全部进行备份存储。
进一步，所述a、b、c、d四个条件为：
a、当前格点位置的回波强度
Figure 496956DEST_PATH_IMAGE002
<42dBZ并且
Figure 438543DEST_PATH_IMAGE002
>15dBZ；
b、以当前格点为中心，11km半径范围内存在对流内核区域的格点；
c、当前格点位置存在信噪比
Figure 100002_DEST_PATH_IMAGE006
>10；
d、当前格点的回波强度梯度
Figure 100002_DEST_PATH_IMAGE008
大于阈值
Figure 100002_DEST_PATH_IMAGE010
，公式为：
Figure 100002_DEST_PATH_IMAGE012
；
其中，
Figure 100002_DEST_PATH_IMAGE014
；
其中，
Figure 100002_DEST_PATH_IMAGE016
为当前格点位置为中心，半径
Figure 100002_DEST_PATH_IMAGE018
范围内的回波强度
Figure 446469DEST_PATH_IMAGE002
的平均，阈值
Figure 100002_DEST_PATH_IMAGE020
。
进一步，所述利用双偏振雷达的偏振量特征构建信号干扰杂波识别模型包括：
（1）潜在信号干扰杂波格点识别：当格点满足条件1）以及条件2）中的一个，则判定当前格点为潜在信号干扰杂波格点并进行记录；
（2）疑似信号干扰杂波的图像形态识别：在对所有潜在信号干扰杂波格点标记后，对每个雷达径向上通过图像识别方法判断是否具有杂波形态特征确定疑似信号干扰杂波点。
进一步，所述步骤（1）中条件1）为：当前格点不是对流内核区域格点，同时相关系数较小
Figure 100002_DEST_PATH_IMAGE022
<0.8，同时满足以下信噪比条件：信噪比很低
Figure 932945DEST_PATH_IMAGE006
<0或者信噪比处于不是太明显的数值区间
Figure 958670DEST_PATH_IMAGE006
<20并且
Figure 366648DEST_PATH_IMAGE006
>10；
所述步骤（1）中条件2）为：当前格点满足相关系数较小
Figure 157361DEST_PATH_IMAGE022
<0.8，同时满足回波强度
Figure 701605DEST_PATH_IMAGE002
<15dBZ并且信噪比不大
Figure 334450DEST_PATH_IMAGE006
<20；
所述步骤（2）对每个雷达径向上通过图像识别方法判断是否具有杂波形态特征确定疑似信号干扰杂波点包括：
（2.1）按照1度间隔，对360度内的每个方位角上标记为潜在信号干扰杂波格点数量进行频数统计；取所有方位角度的潜在信号干扰杂波格点频数
Figure 100002_DEST_PATH_IMAGE024
平均数值
Figure 100002_DEST_PATH_IMAGE026
作为阈值
Figure 100002_DEST_PATH_IMAGE028
；遍历所有方位角，该方位角上潜在信号干扰杂波格点频数
Figure 544239DEST_PATH_IMAGE024
大于
Figure 389573DEST_PATH_IMAGE028
，则将该方位角标记为存在疑似信号干扰杂波影响的方位角度；
（2.2）对所有的标记为存在疑似信号干扰杂波影响的方位角度进行信号干扰杂波长度的识别；通过计算方位角度上的标记为潜在信号干扰杂波格点的最近距离和最远距离之差进而获得信号干扰杂波的长度
Figure 100002_DEST_PATH_IMAGE030
；
（2.3）对所有的存在标记为存在疑似信号干扰杂波影响的方位角度进行信号干扰杂波宽度的识别；对该方位角度上每个潜在信号干扰杂波位置进行杂波边缘识别进而计算出该位置上的杂波宽度；将该方位角度上所有的潜在信号干扰杂波位置的杂波宽度进行平均，获得该方位角度上的平均杂波宽度
Figure 100002_DEST_PATH_IMAGE032
；
对每个潜在信号干扰杂波位置进行杂波边缘识别，进而计算杂波宽度的具体计算步骤为：以当前潜在信号干扰杂波位置为中心，向两侧搜索10km，当遇到非潜在信号干扰杂波点，则停止搜索，判定搜索到杂波的边缘；将两侧的边缘位置相减，则获得当前潜在信号干扰杂波的宽度；
（2.4）对每个标记为存在疑似信号干扰杂波影响的方位角度的杂波长度
Figure 991587DEST_PATH_IMAGE030
和宽度
Figure 100002_DEST_PATH_IMAGE034
进行判别，如果大于杂波长度和宽度阈值，则判定为该方位角度上的潜在信号干扰杂波点为疑似信号干扰杂波格点。
进一步，所述对地物杂波以及和地物杂波混合在一起的疑似信号干扰杂波进行识别，并对标记为地物杂波和疑似信号干扰杂波进行去除包括：
（I）选择参考降雨高度层:对雷达每层等仰角面层上不同的位置，在垂直方向上往高仰角搜索，高仰角的搜索位置高度为2.5到5km，当对应位置的相关系数
Figure 1524DEST_PATH_IMAGE022
>0.98，则选择该高仰角的雷达观测数据作为参考降雨高度层数据；
（II）依据降雨参考高度层，分析观测信息时空特征连续性：利用回波的水平梯度
Figure 100002_DEST_PATH_IMAGE036
和垂直梯度
Figure 100002_DEST_PATH_IMAGE038
、相关系数均方差
Figure 100002_DEST_PATH_IMAGE040
以及平均相关系数
Figure 100002_DEST_PATH_IMAGE042
对观测信息时空连续性进行分析，进而实现每个格点是否是杂波的判定，如果标记为地物杂波和疑似信号干扰的杂波，则进行去除处理；
所述水平梯度
Figure 541352DEST_PATH_IMAGE036
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相邻回波差的平均数值；回波数值不存在，则不参与计算；
所述垂直梯度
Figure 160684DEST_PATH_IMAGE038
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算回波的平均数值
Figure 100002_DEST_PATH_IMAGE044
；以当前分析格点的参考降雨高度层数据位置为中心，在半径10km范围内计算回波的平均数值
Figure 100002_DEST_PATH_IMAGE046
；将
Figure 850160DEST_PATH_IMAGE044
减去
Figure 347176DEST_PATH_IMAGE046
，获得垂直梯度
Figure 685885DEST_PATH_IMAGE038
；回波数值不存在，则不参与计算；
Figure 436803DEST_PATH_IMAGE046
不存在，则垂直梯度
Figure 902157DEST_PATH_IMAGE038
不存在；
所述相关系数均方差
Figure 814750DEST_PATH_IMAGE040
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相关系数
Figure 611061DEST_PATH_IMAGE022
均方差；
所述平均相关系数
Figure 165670DEST_PATH_IMAGE042
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相关系数
Figure 659099DEST_PATH_IMAGE022
平均。
进一步，所述利用回波的水平梯度
Figure 772287DEST_PATH_IMAGE036
和垂直梯度
Figure 944642DEST_PATH_IMAGE038
、相关系数均方差
Figure 37363DEST_PATH_IMAGE040
以及平均相关系数
Figure 355605DEST_PATH_IMAGE042
对观测信息时空连续性进行分析中，对仰角面层上的每个当前分析格点按照以下步骤分析：
1)在当前格点水平梯度
Figure 203475DEST_PATH_IMAGE036
和垂直梯度
Figure 4072DEST_PATH_IMAGE038
，都存在：
1.1) 水平梯度
Figure 805544DEST_PATH_IMAGE036
和垂直梯度
Figure 742407DEST_PATH_IMAGE038
都小于阈值，则判定为降雨回波；
1.2)垂直梯度
Figure 669168DEST_PATH_IMAGE038
大于阈值，但是水平梯度
Figure 691482DEST_PATH_IMAGE036
小于阈值：平均相关系数
Figure 93382DEST_PATH_IMAGE042
大于阈值并且相关系数均方差
Figure 150331DEST_PATH_IMAGE040
小于阈值，没有标记为疑似信号干扰杂波，则判定为层云降雨回波；除平均相关系数
Figure 994133DEST_PATH_IMAGE042
大于阈值并且相关系数均方差
Figure 362797DEST_PATH_IMAGE040
小于阈值以外，则判定为地物杂波。
1.3）垂直梯度
Figure 771651DEST_PATH_IMAGE038
小于阈值，但是水平梯度
Figure 542161DEST_PATH_IMAGE036
大于阈值：已经标记为对流内核区域或者对流回波边缘区域格点，则判定为对流降雨回波；除已经标记为对流内核区域或者对流回波边缘区域格点以外，标记为地物杂波；
2) 在当前格点水平梯度
Figure 246943DEST_PATH_IMAGE036
存在，但是垂直梯度
Figure 604368DEST_PATH_IMAGE038
不存在：
2.1)水平梯度
Figure 52798DEST_PATH_IMAGE036
小于阈值；平均相关系数
Figure 412235DEST_PATH_IMAGE042
大于阈值并且相关系数均方差
Figure 848770DEST_PATH_IMAGE040
小于阈值，没有被标记为疑似信号干扰杂波，则判定为层云降雨回波；除平均相关系数
Figure 536235DEST_PATH_IMAGE042
大于阈值并且相关系数均方差
Figure 86558DEST_PATH_IMAGE040
小于阈值以外，则判定为地物杂波；
2.2)已经标记为对流内核区域或者对流回波边缘区域格点，则判定为对流降雨回波；除已经标记为对流内核区域或者对流回波边缘区域格点以外，则判定为地物杂波。
本发明的另一目的在于提供一种应用所述的去除信号干扰杂波的单雷达回波质控方法的去除信号干扰杂波的单雷达回波质控系统包括：
流云回波预保护模块，用于对流云回波及其对流云边缘回波的识别，并进行标记，同时将对应位置的所有观测偏振量全部进行备份存储；
干扰杂波识别模块，用于依据人工观测总结，基于偏振量特征构建信号干扰杂波的识别模型，进而进行疑似信号干扰杂波识别；
雷达回波质控模块，用于进行流云回波保护策略下的雷达回波质控。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述的去除信号干扰杂波的单雷达回波质控方法。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的去除信号干扰杂波的单雷达回波质控方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供一种去除信号干扰杂波的单雷达回波质控方法，该方法中提出的信号干扰杂波识别模型，可以较准确识别、去除处理信号干扰杂波，即使在信号干扰杂波和强对流混合存在情况下，该技术仍能进行精准的识别（传统的质控方法对于该类情况的处理效果存在较大不确定性）。
本发明的意义在于可以极大的提升单雷达回波数据质量，从而为雷达组网提供基础技术支持；而且本发明在构建信号干扰杂波的识别模型中大量的应用了双偏振雷达的偏振量特征，因此，相比较传统方法，新方法可以更好的发挥出双偏振雷达的偏振量优势；再者本发明的识别模型的设计是建立在雷达气象业务逻辑基础上的智能识别模型，其对于未来在气象业务上如何合理科学的融合应用计算机图像识别技术等具有较好的示范效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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是本发明实施例提供的去除信号干扰杂波的单雷达回波质控方法流程图。
图2是本发明实施例提供的去除信号干扰杂波的单雷达回波质控系统结构框图。
图3是本发明实施例提供的质控后的（UTC）2021年08月20日06时05分的雷达组合反射率图。
图4是本发明实施例提供的质控前的（UTC）2021年08月20日06时05分的雷达组合反射率图。
图5是本发明实施例提供的质控后的（UTC）2021年08月20日06时10时的雷达组合反射率图。
图6是本发明实施例提供的质控前的（UTC）2021年08月20日06时10时的雷达组合反射率图。
图中：1、流云回波预保护模块；2、干扰杂波识别模块；3、雷达回波质控模块。
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，以下结合实施例，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例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种去除信号干扰杂波的单雷达回波质控方法及系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的去除信号干扰杂波的单雷达回波质控方法包括以下步骤：
S101，对流云回波进行预保护；
S102，进行疑似信号干扰杂波识别；
S103，对流云回波保护策略下雷达回波质控。
如图2所示，本发明实施例提供的去除信号干扰杂波的单雷达回波质控系统包括：
流云回波预保护模块1，用于对流云回波及其对流云边缘回波的识别，并进行标记，同时将对应位置的所有观测偏振量全部进行备份存储；
干扰杂波识别模块2，用于依据人工观测总结，基于偏振量特征构建信号干扰杂波的识别模型，进而进行疑似信号干扰杂波识别；
雷达回波质控模块3，用于进行流云回波保护策略下的雷达回波质控。
下面结合具体实施例对本发明的技术方案作进一步描述。
实施例
本发明的去除信号干扰杂波的单雷达回波质控方法步骤主要分为3个步骤：
步骤一，对流云回波预保护；
步骤二，疑似信号干扰杂波识别；
步骤三，对流云回波保护策略下雷达回波质控。
在本发明一实施例中，步骤一对流云回波的预保护包括：
由于信号干扰杂波的回波特征强度局部较强区域和对流回波的边缘强度非常近似，因此，在进行杂波去除过程中，首先需要对对流回波进行一定的预保护。该步骤按照如下算法进行对流云回波及其对流云边缘回波的识别，并将其进行标记，同时将对应位置的所有观测偏振量全部进行备份存储。
（i）层云和对流内核区域识别：对于每个格点位置，如果在3km等高面上，对具有冰雹特征的回波强度
Figure 972606DEST_PATH_IMAGE002
>49dBZ的格点、或者具有回波强度
Figure 517726DEST_PATH_IMAGE002
>40dBZ的格点同时具有差分传播相移
Figure 990689DEST_PATH_IMAGE004
>1.5的格点都判定为对流内核区域。
（ii）对流回波边缘区域识别：对于每个格点位置，如果在3km等高面上，满足a，b，c，d四个条件，则判定该格点为对流回波边缘格点，同时将对应位置的所有观测偏振量全部进行备份存储。
其中，条件a为：当前格点位置的回波有一定强度（
Figure 171134DEST_PATH_IMAGE002
<42dBZ并且
Figure 114951DEST_PATH_IMAGE002
>15dBZ）；
条件b为：以当前格点为中心，其11km半径范围内存在着对流内核区域格点；
条件c为：当前格点位置存在一定的信噪比（
Figure 893288DEST_PATH_IMAGE006
>10）；
条件d为：当前格点的回波强度梯度
Figure 945558DEST_PATH_IMAGE008
大于阈值
Figure 763649DEST_PATH_IMAGE010
（公式1）；
Figure 889867DEST_PATH_IMAGE012
（公式1）
其中，
Figure 668468DEST_PATH_IMAGE014
其中，
Figure 316356DEST_PATH_IMAGE016
为当前格点位置为中心，半径
Figure 510708DEST_PATH_IMAGE018
范围内的回波强度
Figure 524056DEST_PATH_IMAGE002
的平均，阈值
Figure 739137DEST_PATH_IMAGE020
。
在本发明一实施例中，步骤二疑似信号干扰杂波识别包括：
本发明依据的人工观测总结，基于偏振量特征构建信号干扰杂波的识别模型。主要分为2个步骤：
（1）潜在信号干扰杂波格点识别包括：
当格点满足以下条件1）、条件2）两个条件之一，则判定当前格点为潜在信号干扰杂波格点并进行记录。
条件1）当前格点不是对流内核区域格点，同时相关系数较小（
Figure 375786DEST_PATH_IMAGE022
<0.8），同时满足下信噪比条件：信噪比很低（
Figure 403522DEST_PATH_IMAGE006
<0）或者信噪比处于不是太明显的数值区间（
Figure 566651DEST_PATH_IMAGE006
<20并且
Figure 827999DEST_PATH_IMAGE006
>10）。
条件2）当前格点满足相关系数较小（
Figure 46884DEST_PATH_IMAGE022
<0.8），同时满足回波强度较低（
Figure 176514DEST_PATH_IMAGE002
<15dBZ）并且信噪比不大（
Figure 69515DEST_PATH_IMAGE006
<20）。
（2）疑似信号干扰信息的图像形态识别包括：
在对所有潜在信号干扰杂波格点标记之后，则对每个雷达径向上通过图像识别方法，通过判断是否具有杂波形态特征来进一步确定疑似信号干扰杂波点。这个步骤方法分为4个步骤：
（2.1）按照1度间隔，对360度内的每个方位角上标记为潜在信号干扰杂波格点数量进行频数统计；取所有方位角度的潜在信号干扰杂波格点频数
Figure 328195DEST_PATH_IMAGE024
平均数值
Figure 329650DEST_PATH_IMAGE026
作为阈值
Figure 872757DEST_PATH_IMAGE028
；遍历所有方位角，如果该方位角上潜在信号干扰杂波格点频数
Figure 246363DEST_PATH_IMAGE024
大于
Figure 177410DEST_PATH_IMAGE028
，则将该方位角标记为存在疑似信号干扰杂波影响的方位角度。
（2.2）对所有的标记为存在疑似信号干扰杂波影响的方位角度进行信号干扰杂波长度的识别。通过计算方位角度上的标记为潜在信号干扰杂波格点的最近距离和最远距离之差进而获得信号干扰杂波的长度
Figure 275947DEST_PATH_IMAGE030
。
（2.3）对所有的存在标记为存在疑似信号干扰杂波影响的方位角度进行信号干扰杂波宽度的识别。对该方位角度上每个潜在信号干扰杂波位置进行杂波边缘识别进而计算出该位置上的杂波宽度；将该方位角度上所有的潜在信号干扰杂波位置的杂波宽度进行平均，进而获得该方位角度上的平均杂波宽度
Figure 245915DEST_PATH_IMAGE032
。
对每个潜在信号干扰杂波位置进行杂波边缘识别，进而计算杂波宽度的具体计算步骤为：以当前潜在信号干扰杂波位置为中心，向两侧搜索10km，当遇到非潜在信号干扰杂波点，则停止搜索，判定搜索到杂波的边缘；最后，将两侧的边缘位置相减，则获得当前潜在信号干扰杂波的宽度。
（2.4）对每个标记为存在疑似信号干扰杂波影响的方位角度的杂波长度
Figure 441404DEST_PATH_IMAGE030
和宽度
Figure 481036DEST_PATH_IMAGE034
进行判别，如果大于杂波长度和宽度阈值，则判定为该方位角度上的潜在信号干扰杂波点为疑似信号干扰杂波格点。
在本发明一实施例中，步骤三对流云回波保护策略下雷达回波质控包括：
一些历史观测表明，当雷达的信号干扰杂波和地物杂波混合情况下，其回波上表现出的强度以及形态特征则更为复杂。因此，从业务应用角度出发，构建更合适的杂波算法，将地物杂波以及和地物杂波混在一起的射线干扰杂波一并去除，是相对最优的方案。本发明利用偏振量特征分析，在确保对流云回波最大限度保护前提下，对地物杂波以及和地物杂波混合在一起的疑似信号干扰杂波进行识别，最后，对标记为地物杂波和疑似信号干扰的杂波进行去除。
按照如下步骤进行：
（I）选择参考降雨高度层
对雷达每层等仰角面上不同的位置，在垂直方向上往高仰角的搜索，如果高仰角的高度位置（2.5到5km之间）对应的相关系数较大（
Figure 439107DEST_PATH_IMAGE022
>0.98），则选择该高仰角的雷达观测数据作为参考降雨高度层数据。
（II）依据降雨参考高度层，分析观测信息时空特征连续性，进而实现每个格点是否是杂波的判定，如果标记为地物杂波和疑似信号干扰的杂波，则进行去除处理；这里的观测信息时空连续性，从回波的水平梯度
Figure 917493DEST_PATH_IMAGE036
和垂直梯度
Figure 905172DEST_PATH_IMAGE038
,相关系数均方差
Figure 410977DEST_PATH_IMAGE040
，平均相关系数
Figure 874319DEST_PATH_IMAGE042
，来综合分析。
水平梯度
Figure 31762DEST_PATH_IMAGE036
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相邻回波差的平均数值。这里如果回波数值不存在，则不参与计算；
垂直梯度
Figure 765625DEST_PATH_IMAGE038
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算回波的平均数值
Figure 943797DEST_PATH_IMAGE044
；以当前分析格点的参考降雨高度层数据位置为中心，在半径10km范围内计算回波的平均数值
Figure 504222DEST_PATH_IMAGE046
；将
Figure 354105DEST_PATH_IMAGE044
减去
Figure 316375DEST_PATH_IMAGE046
，进而获得垂直梯度
Figure 931028DEST_PATH_IMAGE038
。注意，这里如果回波数值不存在，则不参与计算；如果
Figure 604848DEST_PATH_IMAGE046
不存在，则垂直梯度
Figure 369673DEST_PATH_IMAGE038
不存在。
相关系数均方差
Figure 514346DEST_PATH_IMAGE040
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相关系数
Figure 329593DEST_PATH_IMAGE022
均方差。
平均相关系数
Figure 395769DEST_PATH_IMAGE042
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相关系数
Figure 292181DEST_PATH_IMAGE022
平均。
在本发明一实施例中，对仰角面层上的每个当前分析格点按照如下步骤分析：
1)在当前格点水平梯度
Figure 730509DEST_PATH_IMAGE036
和垂直梯度
Figure 483701DEST_PATH_IMAGE038
，都存在情况：
1.1)如果两者都小于阈值，则判定为降雨回波；
1.2)如果垂直梯度
Figure 568332DEST_PATH_IMAGE038
大于阈值，但是水平梯度
Figure 173495DEST_PATH_IMAGE036
小于阈值：如果平均相关系数
Figure 89498DEST_PATH_IMAGE042
大于阈值（比如0.98）并且相关系数均方差
Figure 216854DEST_PATH_IMAGE040
小于阈值（比如0.02），则如果没有标记为疑似信号干扰杂波，则判定为层云降雨回波；其余情况，则判定为地物杂波。
1.3）如果垂直梯度
Figure 216210DEST_PATH_IMAGE038
小于阈值，但是水平梯度
Figure 251162DEST_PATH_IMAGE036
大于阈值：如果已经标记为对流内核区域或者对流回波边缘区域格点，则判定为对流降雨回波，其余情况标记为地物杂波。
2) 在当前格点水平梯度
Figure 959355DEST_PATH_IMAGE036
存在，但是垂直梯度
Figure 428251DEST_PATH_IMAGE038
不存在情况：
2.1)如果水平梯度
Figure 956316DEST_PATH_IMAGE036
小于阈值；如果平均相关系数
Figure 234107DEST_PATH_IMAGE042
大于阈值（比如0.98）并且相关系数均方差
Figure 124702DEST_PATH_IMAGE040
小于阈值（比如0.02），则如果没有被标记为疑似信号干扰杂波，则判定为层云降雨回波；其余情况，则判定为地物杂波。
2.2)如果已经标记为对流内核区域或者对流回波边缘区域格点，则判定为对流降雨回波，其余情况，则判定为地物杂波。
下面结合具体应用例对本发明的技术方案作进一步描述。
应用例
利用本发明中提出的方法对杭州雷达（UTC）2021年08月20日06时05分和（UTC）2021年08月20日06时10时的雷达体扫数据进行试验。
图3代表了（UTC）2021年08月20日06时05分质控后的雷达回波图，图4代表了（UTC）2021年08月20日06时05分未经过质控的雷达回波图。图3和4中颜色越亮（越白）的区域代表了对流强度越强的区域，高亮的白色区域代表了存在着强对流回波。图4中的白色框圈出了存在明显杂波的区域：区域B,D,C为存在明显信号干扰杂波区域；区域A为信号干扰杂波和强对流回波相邻的区域；区域E为地物杂波和强对流回波混合存在区域。对比图3和图4可以看出，经过本发明的质控之后，对应的区域杂波都能被很好的去除，同时高亮的强对流回波都能被很好的保留下来。
图5代表了（UTC）2021年08月20日06时10分质控后的雷达回波图，图6代表了（UTC）2021年08月20日06时10分未经过质控的雷达回波图。图5和6中颜色越亮（越白）的区域代表了对流强度越强的区域，高亮的白色区域代表了存在着强对流回波。图6中的白色框圈出了存在明显杂波的区域：区域B,C为存在明显信号干扰杂波区域；区域A, E, F, D为信号干扰杂波和强对流回波混合存在的区域；区域G为地物杂波和强对流回波混合存在区域。对比图5和图6可以看出，经过本发明的质控之后，对应的区域杂波都能被很好的去除，同时高亮的强对流回波都能被很好的保留下来。
因此，综合分析来看，虽然信号干扰杂波的存在性存在一定的随机性，不同时次存在的方位角度以及局部的强度都存在一定的差异，并且一些信号干扰杂波和地物杂波都和强对流单体混合存在，这都增加杂波识别和去除的难度，但是应用本发明所提出的方法，如图3-图6所示，可以在最大限度准确保护强对流回波监测信息的前提下，很好的去除信号干扰杂波和地物杂波。
下面结合实验效果对本发明的积极效果作进一步描述。
试验结果表明：本发明的提出的雷达回波质控算法，可以较准确识别和处理信号干扰杂波，即使在杂波和强对流混合存在情况下，该技术仍能进行精准的识别。本发明的意义在于：1）其可以极大的提升单雷达回波数据质量，从而为雷达组网提供基础技术支持；2）本发明在构建信号干扰杂波的识别模型中大量的应用了双偏振雷达的偏振量特征，因此，相比较传统方法，新方法可以更好的发挥出双偏振雷达的偏振量优势。3）本发明的识别模型的设计是建立在雷达气象业务逻辑基础上的智能识别模型，其对于未来在气象业务上如何合理科学的融合应用计算机图像识别技术等具有较好的示范效果。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”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，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL）或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输）。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如软盘、硬盘、磁带）、光介质（例如DVD）、或者半导体介质（例如固态硬盘Solid StateDisk（SSD））等。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种去除信号干扰杂波的单雷达回波质控方法，特征在于，所述去除信号干扰杂波的单雷达回波质控方法包括：利用双偏振雷达的偏振量特征构建信号干扰杂波识别模型，对地物杂波以及和地物杂波混合在一起的疑似信号干扰杂波进行识别，并对标记为地物杂波和疑似信号干扰杂波进行去除；
所述利用双偏振雷达的偏振量特征构建信号干扰杂波识别模型包括：
（1）潜在信号干扰杂波格点识别：当格点满足条件1）以及条件2）中的一个，则判定当前格点为潜在信号干扰杂波格点并进行记录；
（2）疑似信号干扰杂波的图像形态识别：在对所有潜在信号干扰杂波格点标记后，对每个雷达径向上通过图像识别方法判断是否具有杂波形态特征确定疑似信号干扰杂波点；
所述对地物杂波以及和地物杂波混合在一起的疑似信号干扰杂波进行识别，并对标记为地物杂波和疑似信号干扰杂波进行去除包括：
（I）选择参考降雨高度层:对雷达每层等仰角面层上不同的位置，在垂直方向上往高仰角搜索，高仰角的搜索位置高度为2.5到5km，当对应位置的相关系数
Figure DEST_PATH_IMAGE002
>0.98，则选择该高仰角的雷达观测数据作为参考降雨高度层数据；
（II）依据降雨参考高度层，分析观测信息时空特征连续性：利用回波的水平梯度
Figure DEST_PATH_IMAGE004
和垂直梯度
Figure DEST_PATH_IMAGE006
、相关系数均方差
Figure DEST_PATH_IMAGE008
以及平均相关系数
Figure DEST_PATH_IMAGE010
对观测信息时空连续性进行分析，实现每个格点是否是杂波的判定，标记为地物杂波和疑似信号干扰的杂波，则进行去除处理；
所述水平梯度
Figure 786221DEST_PATH_IMAGE004
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相邻回波差的平均数值；回波数值不存在，则不参与计算；
所述垂直梯度
Figure 906623DEST_PATH_IMAGE006
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算回波的平均数值
Figure DEST_PATH_IMAGE012
；以当前分析格点的参考降雨高度层数据位置为中心，在半径10km范围内计算回波的平均数值
Figure DEST_PATH_IMAGE014
；将
Figure 810994DEST_PATH_IMAGE012
减去
Figure 661663DEST_PATH_IMAGE014
，获得垂直梯度
Figure 944877DEST_PATH_IMAGE006
；回波数值不存在，则不参与计算；
Figure 970602DEST_PATH_IMAGE014
不存在，则垂直梯度
Figure 955744DEST_PATH_IMAGE006
不存在；
所述相关系数均方差
Figure 357907DEST_PATH_IMAGE008
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相关系数
Figure 230048DEST_PATH_IMAGE002
均方差；
所述平均相关系数
Figure 675942DEST_PATH_IMAGE010
：以当前仰角面层的当前分析格点为中心，在半径10km范围内计算相关系数
Figure 899113DEST_PATH_IMAGE002
平均；
所述步骤（1）中条件1）为：当前格点不是对流内核区域格点，同时相关系数较小
Figure 839387DEST_PATH_IMAGE002
<0.8，同时满足下信噪比条件：信噪比很低
Figure DEST_PATH_IMAGE016
<0或者信噪比处于不是太明显的数值区间
Figure 18564DEST_PATH_IMAGE016
<20并且
Figure 917250DEST_PATH_IMAGE016
>10；
所述步骤（1）中条件2）为：当前格点满足相关系数较小
Figure 614335DEST_PATH_IMAGE002
<0.8，同时满足回波强度
Figure DEST_PATH_IMAGE018
<15dBZ并且信噪比不大
Figure 561563DEST_PATH_IMAGE016
<20；
所述步骤（2）对每个雷达径向上通过图像识别方法判断是否具有杂波形态特征确定疑似信号干扰杂波点包括：
（2.1）按照1度间隔，对360度内的每个方位角上标记为潜在信号干扰杂波格点数量进行频数统计；取所有方位角度的潜在信号干扰杂波格点频数
Figure DEST_PATH_IMAGE020
平均数值
Figure DEST_PATH_IMAGE022
作为阈值
Figure DEST_PATH_IMAGE024
；遍历所有方位角，该方位角上潜在信号干扰杂波格点频数
Figure 782197DEST_PATH_IMAGE020
大于
Figure 320626DEST_PATH_IMAGE024
，则将该方位角标记为存在疑似信号干扰杂波影响的方位角度；
（2.2）对所有的标记为存在疑似信号干扰杂波影响的方位角度进行信号干扰杂波长度的识别；通过计算方位角度上的标记为潜在信号干扰杂波格点的最近距离和最远距离之差进而获得信号干扰杂波的长度
Figure DEST_PATH_IMAGE026
；
（2.3）对所有的存在标记为存在疑似信号干扰杂波影响的方位角度进行信号干扰杂波宽度的识别；对该方位角度上每个潜在信号干扰杂波位置进行杂波边缘识别进而计算出该位置上的杂波宽度；将该方位角度上所有的潜在信号干扰杂波位置的杂波宽度进行平均，获得该方位角度上的平均杂波宽度
Figure DEST_PATH_IMAGE028
；
对每个潜在信号干扰杂波位置进行杂波边缘识别，进而计算杂波宽度的具体计算步骤为：以当前潜在信号干扰杂波位置为中心，向两侧搜索10km，当遇到非潜在信号干扰杂波点，则停止搜索，判定搜索到杂波的边缘；将两侧的边缘位置相减，则获得当前潜在信号干扰杂波的宽度；
（2.4）对每个标记为存在疑似信号干扰杂波影响的方位角度的杂波长度
Figure 439761DEST_PATH_IMAGE026
和宽度
Figure DEST_PATH_IMAGE030
进行判别，如果大于杂波长度和宽度阈值，则判定为该方位角度上的潜在信号干扰杂波点为疑似信号干扰杂波格点。
2.如权利要求1所述的去除信号干扰杂波的单雷达回波质控方法，其特征在于，所述利用双偏振雷达的偏振量特征构建信号干扰杂波识别模型前需进行：对流云回波进行预保护；所述对流云回波的预保护包括：
（i）层云和对流内核区域识别：在3km等高面上，对具有冰雹特征的回波强度
Figure 177297DEST_PATH_IMAGE018
>49dBZ的格点、或者具有回波强度
Figure 144116DEST_PATH_IMAGE018
>40dBZ的格点同时具有差分传播相移
Figure DEST_PATH_IMAGE032
>1.5的格点都判定为对流内核区域；
（ii）对流回波边缘区域识别：在3km等高面上，对满足a、b、c、d四个条件的格点，则判定为对流回波边缘格点，同时将对应位置的所有观测偏振量全部进行备份存储；
所述a、b、c、d四个条件为：
a、当前格点位置的回波强度
Figure 571555DEST_PATH_IMAGE018
<42dBZ并且
Figure 725456DEST_PATH_IMAGE018
>15dBZ；
b、以当前格点为中心，11km半径范围内存在对流内核区域的格点；
c、当前格点位置存在信噪比
Figure 76803DEST_PATH_IMAGE016
>10；
d、当前格点的回波强度梯度
Figure DEST_PATH_IMAGE034
大于阈值
Figure DEST_PATH_IMAGE036
，公式为：
Figure DEST_PATH_IMAGE038
；
其中，
Figure DEST_PATH_IMAGE040
；
其中，
Figure DEST_PATH_IMAGE042
为当前格点位置为中心，半径
Figure DEST_PATH_IMAGE044
范围内的回波强度
Figure 122295DEST_PATH_IMAGE018
的平均，阈值
Figure DEST_PATH_IMAGE046
。
3.如权利要求1所述的去除信号干扰杂波的单雷达回波质控方法，其特征在于，所述利用回波的水平梯度
Figure 736947DEST_PATH_IMAGE004
和垂直梯度
Figure 627412DEST_PATH_IMAGE006
、相关系数均方差
Figure 251291DEST_PATH_IMAGE008
以及平均相关系数
Figure 192702DEST_PATH_IMAGE010
对观测信息时空连续性进行分析中，对仰角面层上的每个当前分析格点按照以下步骤分析：
1)在当前格点水平梯度
Figure 758682DEST_PATH_IMAGE004
和垂直梯度
Figure 887175DEST_PATH_IMAGE006
，都存在：
1.1) 水平梯度
Figure 580324DEST_PATH_IMAGE004
和垂直梯度
Figure 94351DEST_PATH_IMAGE006
都小于阈值，则判定为降雨回波；
1.2)垂直梯度
Figure 581964DEST_PATH_IMAGE006
大于阈值，但是水平梯度
Figure 463332DEST_PATH_IMAGE004
小于阈值：平均相关系数
Figure 946791DEST_PATH_IMAGE010
大于阈值并且相关系数均方差
Figure 331636DEST_PATH_IMAGE008
小于阈值，没有标记为疑似信号干扰杂波，则判定为层云降雨回波；除平均相关系数
Figure 990150DEST_PATH_IMAGE010
大于阈值并且相关系数均方差
Figure 342503DEST_PATH_IMAGE008
小于阈值以外，则判定为地物杂波；
1.3）垂直梯度
Figure 111876DEST_PATH_IMAGE006
小于阈值，但是水平梯度
Figure 866074DEST_PATH_IMAGE004
大于阈值：已经标记为对流内核区域或者对流回波边缘区域格点，则判定为对流降雨回波；除已经标记为对流内核区域或者对流回波边缘区域格点以外，标记为地物杂波；
2) 在当前格点水平梯度
Figure 695490DEST_PATH_IMAGE004
存在，但是垂直梯度
Figure 285871DEST_PATH_IMAGE006
不存在：
2.1)水平梯度
Figure 108203DEST_PATH_IMAGE004
小于阈值；平均相关系数
Figure 467640DEST_PATH_IMAGE010
大于阈值并且相关系数均方差
Figure 467957DEST_PATH_IMAGE008
小于阈值，没有被标记为疑似信号干扰杂波，则判定为层云降雨回波；除平均相关系数
Figure 545634DEST_PATH_IMAGE010
大于阈值并且相关系数均方差
Figure 174586DEST_PATH_IMAGE008
小于阈值以外，则判定为地物杂波；
2.2)已经标记为对流内核区域或者对流回波边缘区域格点，则判定为对流降雨回波；除已经标记为对流内核区域或者对流回波边缘区域格点以外，则判定为地物杂波。
4.一种应用如权利要求1~3任意一项所述的去除信号干扰杂波的单雷达回波质控方法的去除信号干扰杂波的单雷达回波质控系统，其特征在于，所述去除信号干扰杂波的单雷达回波质控系统包括：
流云回波预保护模块，用于对流云回波及其对流云边缘回波的识别，并进行标记，同时将对应位置的所有观测偏振量全部进行备份存储；
干扰杂波识别模块，用于依据人工观测总结，基于偏振量特征构建信号干扰杂波的识别模型，进而进行疑似信号干扰杂波识别；
雷达回波质控模块，用于进行流云回波保护策略下的雷达回波质控。
5.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1~3任意一项所述的去除信号干扰杂波的单雷达回波质控方法。
6.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1~3任意一项所述的去除信号干扰杂波的单雷达回波质控方法。
CN202210207365.6A 2022-03-04 2022-03-04 去除信号干扰杂波的单雷达回波质控方法、系统及终端 Active CN114280572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210207365.6A CN114280572B (zh) 2022-03-04 2022-03-04 去除信号干扰杂波的单雷达回波质控方法、系统及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210207365.6A CN114280572B (zh) 2022-03-04 2022-03-04 去除信号干扰杂波的单雷达回波质控方法、系统及终端

Publications (2)

Publication Number Publication Date
CN114280572A CN114280572A (zh) 2022-04-05
CN114280572B true CN114280572B (zh) 2022-08-09

Family

ID=80882244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210207365.6A Active CN114280572B (zh) 2022-03-04 2022-03-04 去除信号干扰杂波的单雷达回波质控方法、系统及终端

Country Status (1)

Country Link
CN (1) CN114280572B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115774264B (zh) * 2022-11-29 2023-06-16 中国科学院紫金山天文台 空间碎片全时域激光探测的目标捕获和跟踪方法、存储介质及电子设备
CN117991198B (zh) * 2024-04-07 2024-06-11 成都远望科技有限责任公司 一种单发双收顶扫云雷达同频干扰识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706571A (zh) * 2009-11-05 2010-05-12 宁波市气象信息中心 一种雷达回波中非气象杂波的处理方法
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
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
CN113406644A (zh) * 2021-08-03 2021-09-17 中国气象局气象探测中心 天气雷达数据质量控制方法、装置及设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9213088B2 (en) * 2011-05-17 2015-12-15 Navico Holding As Radar clutter suppression system
CN114019514B (zh) * 2021-11-25 2022-11-01 浙江省气象台 一种雷暴大风预警方法、系统、设备及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706571A (zh) * 2009-11-05 2010-05-12 宁波市气象信息中心 一种雷达回波中非气象杂波的处理方法
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
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
CN113406644A (zh) * 2021-08-03 2021-09-17 中国气象局气象探测中心 天气雷达数据质量控制方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
地基Ka波段云雷达数据质量控制方法研究分析;肖佩等;《成都信息工程大学学报》;20180430;第33卷(第2期);全文 *
基于优化模糊逻辑的双线偏振天气雷达地物杂波识别算法研究;刘宗庆等;《高原山地气象研究》;20210630;第41卷(第1期);全文 *

Also Published As

Publication number Publication date
CN114280572A (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN114280572B (zh) 去除信号干扰杂波的单雷达回波质控方法、系统及终端
US20230161073A1 (en) Thunderstorm gale early-warning method, system, equipment, and terminal
KR101258668B1 (ko) 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
CN107576963B (zh) 基于粒子滤波的双偏振雷达差分传播相移的估计方法
KR101255736B1 (ko) 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
CN108562885B (zh) 一种高压输电线路机载LiDAR点云提取方法
CN112669333B (zh) 一种单木信息提取方法
CN110261857A (zh) 一种天气雷达空间插值方法
CN109801236A (zh) 一种基于混合高斯模型的光子点云去噪方法
Zhang et al. Improved fuzzy logic method to distinguish between meteorological and non-meteorological echoes using C-band polarimetric radar data
KR20160019788A (ko) 가우시안 혼합모델을 이용한 위성 해무 탐지 시스템, 그리고 가우시안 혼합모델에 기초한 ｕｌ 안개탐지 방법
Borque et al. First observations of tracking clouds using scanning ARM cloud radars
US20220397639A1 (en) Method for correction of reflectivity on identified bright band based on polarimetric observations, recording medium and device for performing the method
CN110147716A (zh) 一种基于频域与空域相结合的sar图像内波区域检测方法
Li et al. Assessment of the updated Envisat ASAR ocean surface wave spectra with buoy and altimeter data
CN113191224A (zh) 一种无人机信号提取和识别方法、系统
KR102315739B1 (ko) 이중편파변수 기반 밝은띠 탐지 결과를 이용한 반사도 보정 방법, 이를 수행하기 위한 기록 매체 및 장치
Ryzhkov et al. New polarimetric radar algorithm for melting-layer detection and determination of its height
KR20120119750A (ko) 위험기상과 관련된 반사도 셀의 탐지 방법
Thampy et al. MMA: A novel algorithm for efficient separation of the precipitation echoes from wind profiler radar's Doppler power spectrum
KR101636651B1 (ko) 하이브리드 고도각 레이더강우 추정 장치 및 방법
CN113960552B (zh) 一种基于晴空回波的天气雷达遮挡角识别方法及系统
CN116165635A (zh) 多级滤波算法的日间条件下不同波束光子云数据去噪方法
CN114114273B (zh) 一种风廓线雷达信号处理方法
Yuan et al. A velocity dealiasing scheme based on minimization of velocity differences between regions

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