自適應雷達雜波抑制分析范文

本站小編為你精心準備了自適應雷達雜波抑制分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《氣象科學雜志》2016年第一期

摘要

多普勒天氣雷達體掃過程中低仰角常出現強地物雜波，影響了雷達數據質量及其產品的業務應用。為了抑制地物雜波，提出了一種基于雷達基數據灰度共生矩陣的自適應地物雜波抑制方法。針對雷達站附近回波數據強度高、多普勒速度接近于零值的特性，首先設定閾值進行數據預處理，初步分離出雜波區域；其次，對強度信息進行分塊，根據每一小塊的灰度共生矩陣能量值和對比度分布自適應尋找閾值；最后利用確定的閾值識別和剔除地物雜波。實驗表明該方法能有效剔除雷達站附近的強地物雜波，尤其對混雜在降水回波信號中的強地物雜波有很好的抑制作用。

關鍵詞

地物雜波抑制；灰度共生矩陣；反射率因子空間特征；多普勒速度

高強度的地物雜波混雜在氣象回波信息中，嚴重影響了定量的降水估測、預報和其他的基數據產品應用。尤其是在臨近雷達站時，地物雜波強度更大，影響更為嚴重。據不完全統計，回波中地物雜波的能量達到全部回波能量的70—80％。隨著我國多普勒天氣雷達組網建設的深入發展，提高天氣重達基數據質量需求也更加迫切。因而，對天氣雷達的地物雜波進行有效的抑制，將是提高天氣高雷達產品質量，以及正確檢測和識別氣象目標的重要保證。目前，氣象工作者具備用肉眼識別天氣雷達強地物雜波的能力，但是實時的、自動化的臨近預報系統還不能實現。人為判斷地物雜波的依據主要是，若回波中有強度高于超強降水所對應的回波強度、回波徑向速度接近于零值以及尺度和邊緣不隨時間變化而變化的回波，則認為是地物雜波。Pratte等［1］發現地物雜波相對于降水回波，其隨時間的相關性明顯增強。基于此特性，江源等［2］總結了回波強度紋理等7個反應降水和雜波差異的物理量進行雜波的識別。莊旭東等［3］利用多層體掃數據，結合反射率因子空間突變特性提出一種自動探測的去雜辦法。Miguel，etal［4］結合雷達圖像紋理特征，運用模糊邏輯算法有效識別和抑制地物雜波和部分海雜波。以上幾種方法雖能抑制雜波，但是對于混疊降水回波的地物雜波，并不能完全分離并抑制。

劉黎平等［5］提出一種基于模糊邏輯的分步式超折射地物回波識別方法對超折射地物雜波進行剔除。小波分析對于信號的突變特性有較好的檢測能力，因此利用小波分解和重構進行信號處理能很好的對地物雜波進行抑制。張雯雯等［6］運用提升小波對風廓線雷達地物雜波分解的小波系數進行數據統計分析，達到去雜效果。然而，小波分解系數的閾值選擇，尤其是自適應地確定小波閾值，一直是困擾雜波抑制工作的難題。為了抑制多種尺度、多種強度的地物雜波，本文在分析了上述文獻提出的地物雜波特性的基礎上，結合灰度共生矩陣對圖像突變的檢測能力，提出一種基于灰度共生矩陣的自適應地物雜波抑制辦法。并利用廣東以及天津某站天氣雷達探測到的包含強地物雜波的雷達基數據進行實驗，取得了較好的抑制效果。

1地物雜波特征及去雜算法

1．1地物雜波的主要特征地物雜波主要有普通地物雜波（NP雜波）和異常傳播地物雜波（AP雜波）［3］兩種。由地物雜波的形成原因可知地物雜波的幾個主要特征：NP雜波的影響通常在3km高度以下［7］，50km半徑以內，容易產生在最臨近雷達站的低仰角探測結果上。雜波強度遠高于正常探測到的云雨信號回波強度，并且平均多普勒徑向速度分布在0值附近。其尺度和輪廓隨觀測時間的改變變化很小，時間相關性很強。AP雜波是由地面的反射和散射形成，通常出現在距離雷達站80km外的區域，最低仰角的探測結果上。這是因為一般情況下逆溫逆濕層的大氣波導層厚度在幾十到幾百米。因此AP雜波更容易出現在山區、湖面、海面等溫差大濕度大的地區。其高強度、大功率、0值平均多普勒速度的特征與NP雜波相似。AP雜波與降水回波類似，隨著時間的改變出現生長消亡的變化，這一點于NP雜波相反。另外，NP雜波和AP雜波都具有一個很重要的特征：雜波邊緣和內部變化程度遠遠大于天氣回波的變化程度。本文充分利用地物雜波此特性，將混雜在降水回波中的地物雜波進行濾除。并對實測雷達體掃數據進行了實驗處理及結果比較。

1．2GLCM的構造GLCM是通過統計滿足特定位移關系的像素點對出現的概率來構造的矩陣，其輸入是臨近像素之間的角度和距離，輸出是像素對出現概率。若原圖像的像素灰度級為n，則相應GLCM大小為n×n。圖1為某灰度圖像轉化為對應灰度共生矩陣的過程，給定其角度θ＝0°，距離d＝1，計算所有像素對出現概率。對于某像素對（i，j）出現一次，則灰度共生矩陣對應的GLCM（j，i）點上累加1。最后對所有的累計結果求取概率值pd，θ（i，j）。其中d為相鄰像素的距離，θ為相鄰像素的夾角。

1．3常用GLCM特征由GLCM的構造方式可知，GLCM能很好的表達圖像內部的灰度變化。為了更好的突出變化，還可以進一步利用以GLCM為基礎的特征值。常用的灰度共生矩陣紋理特征有：能量（Energy）、對比度、熵、逆差距和三階對比度。本文選用到的特征值有能量、對比度和三階對比度。地物雜波在回波強度場上變化劇烈，而相反，天氣回波在強度場上有較好的連續性。強度場內部的劇烈變化直觀表現為灰度圖像的像素值劇烈變化。映射到灰度共生矩陣上，則表現為45°對角線上分布著較大的GLCM概率值。為了進一步突出雜波區域內部變化特性，在選取特征值時，考慮到對比度和三階對比度值中包含（i－j）2項和｜i－j｜3項，能•明顯增強像素值變化在特征值上的表現，使之能與天氣回波區分。1．4去雜算法及流程本文主要利用強度圖上的的空間變化特征和多普勒徑向速度值，通過將大的雜波區域分解成小區域，求取其每個小區域灰度共生矩陣對比度值、能量值、三階對比度值，以自適應地識別和濾除雜波。具體流程如圖2所示。依流程圖，首先對給定的回波強度和平均多普勒速度的灰度矩陣進行初步地去雜波處理，其次對反射率強度圖上的每一個庫點按流程依次進行檢測，并進行保留或剔除操作：（1）由雜波的高強度和低速度特征可知，對輸入的每一個庫點做反射率因子和平均多普勒速度的閾值檢定，如果同時滿足閾值條件，則初步視作雜波，否則作為天氣回波。將分離出的天氣回波先行保留，而分離的地物雜波點則按以下步驟做進一步處理。（2）基于雜波區域的邊緣和內部極強的空間突圖2灰度共生矩陣特征值法自適應識別濾除雜波流程圖變特性，在同時滿足強度矩陣去雜處理的區域分辨率和GLCM信息量的條件下，經實驗分析，可設定大小為3（方位）×5（徑向）的分解區域，對雜波的每一個小分區求取徑向上（即θ＝0°）距離d為1的灰度共生矩陣的三個特征值。圖3以GLCM三個參數大小分布與回波中雜波的分布作為比較，顯然特征值分布與回波強度分布有很強的相關性。而對比對值和三階對比度值與回波強度場中的地物雜波分布有較強的相關性。由雜波的空間變化特征和天氣回波的相對連續特征，利用特征值灰度直方圖自適應地選取閾值，如圖4所示，以GLCM的對比度值為例，天氣回波的特征值在數值上比雜波的特征值小，并且具有較強的連續性，在直方圖上表現為分布在第一個較大的連續區間內。而雜波由于其強空間突變性，導致其特征值數值在直方圖上零散分布在大值區間。由此對滿足特征值閾值條件的庫點視作雜波點剔除，否則予以保留。（3）與步驟（2）類似，對每一個小區域求取方位向上（即θ＝90°）距離d為1的灰度共生矩陣特征值，根據自適應選取的閾值對雜波點進一步剔除。（4）由步驟（1）分離的天氣信號回波反射率因子與去雜后的反射率因子疊加，以重構完整的天氣信號回波。

2數據選擇及分析

2.1個例選取選取廣東某雷達2012年3月24—28日的連續觀測數據比較發現，在0．5°仰角和1．5°仰角PPI上，在有無天氣回波的情況下，都出現了強度遠遠大于正常值的回波，其最大反射率因子都達到了75dBz。結合其平均多普勒速度值分析發現，其高強度回波對應的多普勒速度值都在0􀆰5m•s－1以下，大多數接近于0值。再結合連續數天內的觀測結果，可以發現高強度的回波有較好的時間連續性，不僅在強度、速度上變化較小，在回波尺度上、輪廓上變化也很小。對照雷達站地區地形高度，可知站點周邊的東南110°、西南250°、西北330°方向上有較高大的山脈遮蔽，與回波強度圖上分布的高強度回波位置和尺度基本吻。假設電磁波在正常溫壓濕條件下的大氣波導中傳播（及電磁波按直線傳播），則最底層探測數據在最遠端高度為2􀆰6km，40km遠處高度為350m，符合地物雜波出現的高度。且雷達基數據中相鄰點的庫長是一致的，即求取灰度共生矩陣過程中無需考慮距離訂正問題。由此基本可以認定連續出現的高強度回波為地物雜波，且應用GLCM的特征值識別和抑制雜波是可行的。選取天津某雷達站歷年8月初數據觀察，發現在觀測區域內無強降水的情況下，0􀆰5°PPI上東南以及東北方向200km左右常出現大面積的強回波，而在1􀆰5°PPI上回波很少或無回波。其他時段則鮮有此現象發生。進一步觀察其平均多普勒速度，發現大面積強回波初的速度值幾乎為零值。根據雷達站點位置，可知出現此類強回波的區域為渤海海面，是場出現大氣逆溫層等易導致電磁波超折射的區域。對比AP雜波的出現條件及歷史實際天氣情況，可判斷出現的強回波為AP雜波。

2.2實例分析選取2012年3月26日15∶30（北京時間）的廣東某站體掃數據0􀆰5°PPI資料，利用灰度共生矩陣特征值自適應去雜算法，對體掃數據各個庫點劃分成的矩形小區域依次處理。圖5a、b分別給出了0􀆰5°PPI的50km反射率因子、平均多普勒速度。由圖可見最低仰角探測中出現大量高強度的地物雜波。圖5c、d分別給出了傳統空間突變閾值法［8］和本方法的地物雜波抑制效果。由數據分析和圖示效果表明，本文方法能有效去除低仰角出現的強地物雜波。與傳統的空間突變參數閾值法相比，在西偏北60°，東偏南20°，正南方等徑向上與降水回波混疊的地物雜波，都能被較好的抑制。對比該時段雷達站附近實際天氣和降水情況可知，雷達站所在位置當日無降水出現，而在雷達所在位置東30km則有小雨出現。這與雜波抑制后的結果相吻合。選取2005年8月3日7∶32（北京時間）的廣東某站體掃數據0􀆰5°和1􀆰5°PPI資料，利用上述方法對AP雜波進行抑制。圖6給出了0􀆰5°和1􀆰5°PPI的450km強度圖。以及0􀆰5°PPI上AP雜波的兩方法抑制結果。由圖可知，大面積的強地物回波均被去除，剩余的少量回波與1􀆰5°PPI上的回波尺度和位置相似，可知是少量的降水回波。由Z—R模型反演降水，如圖7所示，對比超折射地物雜波抑制前后的降水，結合實際降水情況，可判定超折射地物雜波抑制的正確性。綜合各去雜方法，本文所提出的基于GLCM特征值方法具有以下3個優點：（1）在去除分離的地物雜波同時，還能有效去除混雜在降水回波中的強地物雜波，同時極好地保留原始回波中混雜的氣象回波。對比上層探測的雷達信號，剩余天氣回波與上層無雜波的探測結果有較好的連續性。除此之外，對具有突變特性的較低強度的地物雜波也有較好的抑制效果。（2）由于特征值閾值是自適應選取，針對性更強，避免小波法去除地物雜波中軟硬閾值所帶來的不平滑影響。（3）具有極強的自適應性，針對不同站點、不同時段可以得到不同的特征值閾值，可以去除多種尺度、多變化的地物雜波。但是本文方法對于單個強點，例如雷暴天氣的快速形成過程中形成的單個強點，會將其作為雜波刪除，這在實際的雷達信號處理中是不利的。

3結語

在分析總結了當前去除雷達回波數據中地物雜波的主要方法的基礎上，本文針對地物雜波的幾個重要特性，提出了一種基于GLCM特征值閾值的雜波去除方法，對雷達回波數據中的地物雜波進行自適應地檢測和濾除。用廣東某氣象雷達觀測數據進行實驗，實驗結果表明，對于不同時段、不同尺度和強度的地物雜波，本文所提出的方法都能有效將其從混雜的天氣回波有效分離，并進行雜波濾除，適應性強，同時避免了小波方法的閾值難題。利用本文方法濾除地物雜波后，低仰角的雷達回波強度數據及產品的可信度更高，回波產品對臨近預報也有更好的指導作用。

作者：黃云仙 楊文強 馬爍 艾未華 單位：解放軍理工大學氣象海洋學院