自适应雷达杂波抑制分析范文

本站小编为你精心准备了自适应雷达杂波抑制分析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《气象科学杂志》2016年第一期

摘要

多普勒天气雷达体扫过程中低仰角常出现强地物杂波，影响了雷达数据质量及其产品的业务应用。为了抑制地物杂波，提出了一种基于雷达基数据灰度共生矩阵的自适应地物杂波抑制方法。针对雷达站附近回波数据强度高、多普勒速度接近于零值的特性，首先设定阈值进行数据预处理，初步分离出杂波区域；其次，对强度信息进行分块，根据每一小块的灰度共生矩阵能量值和对比度分布自适应寻找阈值；最后利用确定的阈值识别和剔除地物杂波。实验表明该方法能有效剔除雷达站附近的强地物杂波，尤其对混杂在降水回波信号中的强地物杂波有很好的抑制作用。

关键词

地物杂波抑制；灰度共生矩阵；反射率因子空间特征；多普勒速度

高强度的地物杂波混杂在气象回波信息中，严重影响了定量的降水估测、预报和其他的基数据产品应用。尤其是在临近雷达站时，地物杂波强度更大，影响更为严重。据不完全统计，回波中地物杂波的能量达到全部回波能量的70—80％。随着我国多普勒天气雷达组网建设的深入发展，提高天气重达基数据质量需求也更加迫切。因而，对天气雷达的地物杂波进行有效的抑制，将是提高天气高雷达产品质量，以及正确检测和识别气象目标的重要保证。目前，气象工作者具备用肉眼识别天气雷达强地物杂波的能力，但是实时的、自动化的临近预报系统还不能实现。人为判断地物杂波的依据主要是，若回波中有强度高于超强降水所对应的回波强度、回波径向速度接近于零值以及尺度和边缘不随时间变化而变化的回波，则认为是地物杂波。Pratte等［1］发现地物杂波相对于降水回波，其随时间的相关性明显增强。基于此特性，江源等［2］总结了回波强度纹理等7个反应降水和杂波差异的物理量进行杂波的识别。庄旭东等［3］利用多层体扫数据，结合反射率因子空间突变特性提出一种自动探测的去杂办法。Miguel，etal［4］结合雷达图像纹理特征，运用模糊逻辑算法有效识别和抑制地物杂波和部分海杂波。以上几种方法虽能抑制杂波，但是对于混叠降水回波的地物杂波，并不能完全分离并抑制。

刘黎平等［5］提出一种基于模糊逻辑的分步式超折射地物回波识别方法对超折射地物杂波进行剔除。小波分析对于信号的突变特性有较好的检测能力，因此利用小波分解和重构进行信号处理能很好的对地物杂波进行抑制。张雯雯等［6］运用提升小波对风廓线雷达地物杂波分解的小波系数进行数据统计分析，达到去杂效果。然而，小波分解系数的阈值选择，尤其是自适应地确定小波阈值，一直是困扰杂波抑制工作的难题。为了抑制多种尺度、多种强度的地物杂波，本文在分析了上述文献提出的地物杂波特性的基础上，结合灰度共生矩阵对图像突变的检测能力，提出一种基于灰度共生矩阵的自适应地物杂波抑制办法。并利用广东以及天津某站天气雷达探测到的包含强地物杂波的雷达基数据进行实验，取得了较好的抑制效果。

1地物杂波特征及去杂算法

1．1地物杂波的主要特征地物杂波主要有普通地物杂波（NP杂波）和异常传播地物杂波（AP杂波）［3］两种。由地物杂波的形成原因可知地物杂波的几个主要特征：NP杂波的影响通常在3km高度以下［7］，50km半径以内，容易产生在最临近雷达站的低仰角探测结果上。杂波强度远高于正常探测到的云雨信号回波强度，并且平均多普勒径向速度分布在0值附近。其尺度和轮廓随观测时间的改变变化很小，时间相关性很强。AP杂波是由地面的反射和散射形成，通常出现在距离雷达站80km外的区域，最低仰角的探测结果上。这是因为一般情况下逆温逆湿层的大气波导层厚度在几十到几百米。因此AP杂波更容易出现在山区、湖面、海面等温差大湿度大的地区。其高强度、大功率、0值平均多普勒速度的特征与NP杂波相似。AP杂波与降水回波类似，随着时间的改变出现生长消亡的变化，这一点于NP杂波相反。另外，NP杂波和AP杂波都具有一个很重要的特征：杂波边缘和内部变化程度远远大于天气回波的变化程度。本文充分利用地物杂波此特性，将混杂在降水回波中的地物杂波进行滤除。并对实测雷达体扫数据进行了实验处理及结果比较。

1．2GLCM的构造GLCM是通过统计满足特定位移关系的像素点对出现的概率来构造的矩阵，其输入是临近像素之间的角度和距离，输出是像素对出现概率。若原图像的像素灰度级为n，则相应GLCM大小为n×n。图1为某灰度图像转化为对应灰度共生矩阵的过程，给定其角度θ＝0°，距离d＝1，计算所有像素对出现概率。对于某像素对（i，j）出现一次，则灰度共生矩阵对应的GLCM（j，i）点上累加1。最后对所有的累计结果求取概率值pd，θ（i，j）。其中d为相邻像素的距离，θ为相邻像素的夹角。

1．3常用GLCM特征由GLCM的构造方式可知，GLCM能很好的表达图像内部的灰度变化。为了更好的突出变化，还可以进一步利用以GLCM为基础的特征值。常用的灰度共生矩阵纹理特征有：能量（Energy）、对比度、熵、逆差距和三阶对比度。本文选用到的特征值有能量、对比度和三阶对比度。地物杂波在回波强度场上变化剧烈，而相反，天气回波在强度场上有较好的连续性。强度场内部的剧烈变化直观表现为灰度图像的像素值剧烈变化。映射到灰度共生矩阵上，则表现为45°对角线上分布着较大的GLCM概率值。为了进一步突出杂波区域内部变化特性，在选取特征值时，考虑到对比度和三阶对比度值中包含（i－j）2项和｜i－j｜3项，能•明显增强像素值变化在特征值上的表现，使之能与天气回波区分。1．4去杂算法及流程本文主要利用强度图上的的空间变化特征和多普勒径向速度值，通过将大的杂波区域分解成小区域，求取其每个小区域灰度共生矩阵对比度值、能量值、三阶对比度值，以自适应地识别和滤除杂波。具体流程如图2所示。依流程图，首先对给定的回波强度和平均多普勒速度的灰度矩阵进行初步地去杂波处理，其次对反射率强度图上的每一个库点按流程依次进行检测，并进行保留或剔除操作：（1）由杂波的高强度和低速度特征可知，对输入的每一个库点做反射率因子和平均多普勒速度的阈值检定，如果同时满足阈值条件，则初步视作杂波，否则作为天气回波。将分离出的天气回波先行保留，而分离的地物杂波点则按以下步骤做进一步处理。（2）基于杂波区域的边缘和内部极强的空间突图2灰度共生矩阵特征值法自适应识别滤除杂波流程图变特性，在同时满足强度矩阵去杂处理的区域分辨率和GLCM信息量的条件下，经实验分析，可设定大小为3（方位）×5（径向）的分解区域，对杂波的每一个小分区求取径向上（即θ＝0°）距离d为1的灰度共生矩阵的三个特征值。图3以GLCM三个参数大小分布与回波中杂波的分布作为比较，显然特征值分布与回波强度分布有很强的相关性。而对比对值和三阶对比度值与回波强度场中的地物杂波分布有较强的相关性。由杂波的空间变化特征和天气回波的相对连续特征，利用特征值灰度直方图自适应地选取阈值，如图4所示，以GLCM的对比度值为例，天气回波的特征值在数值上比杂波的特征值小，并且具有较强的连续性，在直方图上表现为分布在第一个较大的连续区间内。而杂波由于其强空间突变性，导致其特征值数值在直方图上零散分布在大值区间。由此对满足特征值阈值条件的库点视作杂波点剔除，否则予以保留。（3）与步骤（2）类似，对每一个小区域求取方位向上（即θ＝90°）距离d为1的灰度共生矩阵特征值，根据自适应选取的阈值对杂波点进一步剔除。（4）由步骤（1）分离的天气信号回波反射率因子与去杂后的反射率因子叠加，以重构完整的天气信号回波。

2数据选择及分析

2.1个例选取选取广东某雷达2012年3月24—28日的连续观测数据比较发现，在0．5°仰角和1．5°仰角PPI上，在有无天气回波的情况下，都出现了强度远远大于正常值的回波，其最大反射率因子都达到了75dBz。结合其平均多普勒速度值分析发现，其高强度回波对应的多普勒速度值都在0􀆰5m•s－1以下，大多数接近于0值。再结合连续数天内的观测结果，可以发现高强度的回波有较好的时间连续性，不仅在强度、速度上变化较小，在回波尺度上、轮廓上变化也很小。对照雷达站地区地形高度，可知站点周边的东南110°、西南250°、西北330°方向上有较高大的山脉遮蔽，与回波强度图上分布的高强度回波位置和尺度基本吻。假设电磁波在正常温压湿条件下的大气波导中传播（及电磁波按直线传播），则最底层探测数据在最远端高度为2􀆰6km，40km远处高度为350m，符合地物杂波出现的高度。且雷达基数据中相邻点的库长是一致的，即求取灰度共生矩阵过程中无需考虑距离订正问题。由此基本可以认定连续出现的高强度回波为地物杂波，且应用GLCM的特征值识别和抑制杂波是可行的。选取天津某雷达站历年8月初数据观察，发现在观测区域内无强降水的情况下，0􀆰5°PPI上东南以及东北方向200km左右常出现大面积的强回波，而在1􀆰5°PPI上回波很少或无回波。其他时段则鲜有此现象发生。进一步观察其平均多普勒速度，发现大面积强回波初的速度值几乎为零值。根据雷达站点位置，可知出现此类强回波的区域为渤海海面，是场出现大气逆温层等易导致电磁波超折射的区域。对比AP杂波的出现条件及历史实际天气情况，可判断出现的强回波为AP杂波。

2.2实例分析选取2012年3月26日15∶30（北京时间）的广东某站体扫数据0􀆰5°PPI资料，利用灰度共生矩阵特征值自适应去杂算法，对体扫数据各个库点划分成的矩形小区域依次处理。图5a、b分别给出了0􀆰5°PPI的50km反射率因子、平均多普勒速度。由图可见最低仰角探测中出现大量高强度的地物杂波。图5c、d分别给出了传统空间突变阈值法［8］和本方法的地物杂波抑制效果。由数据分析和图示效果表明，本文方法能有效去除低仰角出现的强地物杂波。与传统的空间突变参数阈值法相比，在西偏北60°，东偏南20°，正南方等径向上与降水回波混叠的地物杂波，都能被较好的抑制。对比该时段雷达站附近实际天气和降水情况可知，雷达站所在位置当日无降水出现，而在雷达所在位置东30km则有小雨出现。这与杂波抑制后的结果相吻合。选取2005年8月3日7∶32（北京时间）的广东某站体扫数据0􀆰5°和1􀆰5°PPI资料，利用上述方法对AP杂波进行抑制。图6给出了0􀆰5°和1􀆰5°PPI的450km强度图。以及0􀆰5°PPI上AP杂波的两方法抑制结果。由图可知，大面积的强地物回波均被去除，剩余的少量回波与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，如图7所示，对比超折射地物杂波抑制前后的降水，结合实际降水情况，可判定超折射地物杂波抑制的正确性。综合各去杂方法，本文所提出的基于GLCM特征值方法具有以下3个优点：（1）在去除分离的地物杂波同时，还能有效去除混杂在降水回波中的强地物杂波，同时极好地保留原始回波中混杂的气象回波。对比上层探测的雷达信号，剩余天气回波与上层无杂波的探测结果有较好的连续性。除此之外，对具有突变特性的较低强度的地物杂波也有较好的抑制效果。（2）由于特征值阈值是自适应选取，针对性更强，避免小波法去除地物杂波中软硬阈值所带来的不平滑影响。（3）具有极强的自适应性，针对不同站点、不同时段可以得到不同的特征值阈值，可以去除多种尺度、多变化的地物杂波。但是本文方法对于单个强点，例如雷暴天气的快速形成过程中形成的单个强点，会将其作为杂波删除，这在实际的雷达信号处理中是不利的。

3结语

在分析总结了当前去除雷达回波数据中地物杂波的主要方法的基础上，本文针对地物杂波的几个重要特性，提出了一种基于GLCM特征值阈值的杂波去除方法，对雷达回波数据中的地物杂波进行自适应地检测和滤除。用广东某气象雷达观测数据进行实验，实验结果表明，对于不同时段、不同尺度和强度的地物杂波，本文所提出的方法都能有效将其从混杂的天气回波有效分离，并进行杂波滤除，适应性强，同时避免了小波方法的阈值难题。利用本文方法滤除地物杂波后，低仰角的雷达回波强度数据及产品的可信度更高，回波产品对临近预报也有更好的指导作用。

作者：黄云仙 杨文强 马烁 艾未华 单位：解放军理工大学气象海洋学院