基于KA-SRCN-pSTAP的低空风切变风速估计方法

针对由于独立同分布(IID)样本严重不足,导致极化空时自适应(pSTAP)处理性能下降,进而导致低空风切变风速估计不准确的问题,本文提出了一种基于知识辅助的稀疏表示杂波零陷极化空时自适应(KA-SRCN-pSTAP)的低空风切变风速估计方法。该方法首先利用杂波脊的先验知识辅助构造极化空时稀疏字典,然后利用极化空时稀疏字典,通过SRCN算法挑选原子并对到杂波线性子空间补空间上的投影矩阵进行估计,从而得到pSTAP权矢量,最后构造pSTAP滤波器对地杂波进行抑制,准确估计低空风切变风速。该方法仅使用少量IID样本,将SRCN算法与极化-空时域相结合,完成对风切变风速的有效估计。仿真实验结果证明该方法可以有效实现少样本情况下的风速准确估计。

X波段天气雷达地物回波的双偏振参量特征分析及应用

以中国气象局大气探测重点开放实验室的x波段双线偏振雷达为平台，利用2010年夏季成都晴空与降水条件下雷达低仰角的回波数据，统计分析了能够与气象回波进行区分的地物回波双偏振参量特征。结果表明，多数地物回波相关系数〈0．85，而多数降水回波相关系数〉0．90；地物回波差分反射率呈随机极化特点，强度分布覆盖在-20～20dB之间，且均值集中于0dB；降水回波差分反射率集中分布于-3～6dE之间。地物回波的比相差分布覆盖了整个”区间，而气象回波则集中在-6～6°·km-1之间，KDP区分二者差异效果明显。在识别地物回波过程中，偏振参量的影响权重依次为KDP〉ZDR〉。同时，统计了特定阈值条件下地物回波与天气回波的发生概率，在此基础上实现了模糊逻辑识别地物回波。利用地物回波ZDR统计均值和4h时间变化的均方根值，得到雷达系统偏差为-2．15dB，其短时变化的均方根为0．28dB。

一种基于模糊神经网络–模糊C均值聚类的双偏振气象雷达降水粒子分类方法

对于地杂波存在情况下的降水粒子分类问题,传统方法在不同的天气及环境条件下会产生较大分类误差。该文提出一种基于模糊神经网络(FNN)-模糊C均值聚类(FCM)算法的双偏振气象雷达降水粒子分类方法。该方法首先利用双偏振气象雷达在晴空模式下接收的地杂波数据训练FNN,自适应地计算地杂波各偏振参量隶属函数的参数,然后利用训练得到的地杂波隶属函数对降水模式下的地杂波进行抑制,最后采用模糊C均值聚类算法对地杂波抑制后的回波进行降水粒子分类。对实测数据的处理结果表明,该方法能够有效地抑制地杂波并获得较为精细的降水粒子分类结果。

基于模糊逻辑的双偏振天气雷达地物杂波识别算法

多普勒天气雷达探测到的雷达回波通常受到某些非气象因素的干扰,影响雷达资料的量化应用,故在雷达数据应用之前,应对其进行质量控制,地物杂波的识别与剔除是质量控制的关键内容之一。利用降水粒子与地物的相态差异,在模糊逻辑算法基础上,引入差分反射率因子垂直纹理参数进行地物杂波剔除。首先,根据雷达资料相关特征参数的概率分布情况,建立对应的梯形隶属函数;其次,选取合适的阈值,利用单参数法和改进的模糊逻辑法对双偏振天气雷达数据中的地杂波进行识别和剔除;最后,通过对比分析单参数剔除地物杂波方法与本文方法对地物杂波剔除的效果可得出结论,该偏振参量的引入能够有效地识别并剔除地物杂波。