自適應(yīng)閾值方法去除風(fēng)廓線雷達(dá)地物雜波

張福貴 范 瀟 何建新2)

1)(成都信息工程大學(xué)，成都 610225)2)(中國氣象局大氣探測重點(diǎn)開放實(shí)驗(yàn)室，成都 610225)

?

自適應(yīng)閾值方法去除風(fēng)廓線雷達(dá)地物雜波

張福貴1)2)*范 瀟1)何建新1)2)

1)(成都信息工程大學(xué)，成都 610225)2)(中國氣象局大氣探測重點(diǎn)開放實(shí)驗(yàn)室，成都 610225)

風(fēng)廓線雷達(dá)探測過程中電磁波傳輸會(huì)受到各類雜波的干擾，其中，地物是主要來源。從功率譜數(shù)據(jù)上看，地物雜波主要集中在零頻附近，且幅度較高，不加以抑制會(huì)影響氣象回波的識(shí)別。針對目前常用的小波閾值濾波法在處理近零頻回波被雜波覆蓋時(shí)效果不佳的情況，該文結(jié)合風(fēng)廓線雷達(dá)特點(diǎn)，提出一種根據(jù)小波分解高頻系數(shù)自適應(yīng)確定閾值的方法，并通過模擬數(shù)據(jù)與風(fēng)廓線雷達(dá)實(shí)測數(shù)據(jù)進(jìn)行檢驗(yàn)，結(jié)果表明：即便信號(hào)靠近零頻，且被雜波覆蓋，該方法也能快速準(zhǔn)確識(shí)別信號(hào)回波。同時(shí)，該算法原理簡單、計(jì)算量小、易于實(shí)現(xiàn)，在實(shí)際應(yīng)用中能夠增加譜峰識(shí)別準(zhǔn)確率，可為改善風(fēng)廓線雷達(dá)產(chǎn)品質(zhì)量提供參考。

風(fēng)廓線雷達(dá)； 地物雜波；小波分析；自適應(yīng)閾值方法

引 言

風(fēng)廓線雷達(dá)(wind profile radar, WPR)作為探測大氣風(fēng)場的遙感設(shè)備，同時(shí)能夠觀測大氣濕度與檢測降水[1-4]、探測大氣穩(wěn)定度及湍流強(qiáng)度[5]，相較于傳統(tǒng)的測風(fēng)儀器與測風(fēng)方法，風(fēng)廓線雷達(dá)無需人員定時(shí)操作，能夠連續(xù)實(shí)時(shí)對大氣風(fēng)場進(jìn)行監(jiān)測，且有較高的時(shí)空分辨率[6]。它主要采用相控陣天線技術(shù)，通過發(fā)射2對正交的斜波束與1個(gè)垂直波束對大氣脈動(dòng)湍流進(jìn)行探測，然后由5個(gè)波束合成風(fēng)的水平及垂直分量，提供局部范圍的三維風(fēng)場信息。

近年來，隨著雷達(dá)相關(guān)技術(shù)的日益完善，風(fēng)廓線雷達(dá)數(shù)據(jù)逐步被應(yīng)用于氣象服務(wù)及科學(xué)研究中。1999年美國風(fēng)暴預(yù)測中心通過風(fēng)廓線雷達(dá)數(shù)據(jù)分析，及時(shí)提高了奧克拉荷馬-堪薩斯龍卷風(fēng)的預(yù)警級(jí)別；2001年美國在一次雪暴預(yù)報(bào)中將快速更新循環(huán)(the Rapid Update Cycle, RUC)天氣預(yù)報(bào)系統(tǒng)和風(fēng)廓線雷達(dá)數(shù)據(jù)相結(jié)合，提高了預(yù)報(bào)質(zhì)量[7]；2004年Kitamura等[8]利用風(fēng)廓線雷達(dá)數(shù)據(jù)，在雨滴譜方面進(jìn)行了研究；2012年Wang等[9]利用塔中油田區(qū)域的風(fēng)廓線雷達(dá)，對當(dāng)?shù)匾淮谓邓梢蚣靶纬筛叨冗M(jìn)行分析。

雖然風(fēng)廓線雷達(dá)數(shù)據(jù)被廣泛應(yīng)用，但如何提高風(fēng)廓線雷達(dá)的數(shù)據(jù)質(zhì)量仍是人們研究的熱點(diǎn)。每部雷達(dá)的使用場合都有各自獨(dú)特的地形與環(huán)境，這為風(fēng)廓線雷達(dá)探測帶來了干擾，其中,最明顯的是地物雜波干擾，地物雜波主要是樹木建筑引起的旁瓣回波和雷達(dá)發(fā)射接收回路泄漏的直流信號(hào)，它干擾雷達(dá)回波功率譜的譜峰識(shí)別，譜峰識(shí)別正確與否影響著后期產(chǎn)品的準(zhǔn)確性和可靠性。研究人員采用各種手段力求消除或減弱這種影響，硬件方面如添加雜波隔離網(wǎng)[10]，軟件方面如引入“直流抑制”算法[11]。本文以小波分析為主要手段，提出一種自適應(yīng)閾值方法，通過理論分析、模擬數(shù)據(jù)測試及實(shí)際應(yīng)用論證該方法的合理性。

1 基于小波分析的風(fēng)廓線雷達(dá)去地物雜波方法

1.1 小波去地物雜波可行性分析

大氣回波通常是非平穩(wěn)信號(hào)，這就限制了傅里葉分析的作用。短時(shí)傅里葉變換，通常被稱為Gabor變換，使用矩形窗將非平穩(wěn)信號(hào)時(shí)域隔開，窗內(nèi)函數(shù)被視為平穩(wěn)信號(hào)，一定程度上解決了這一問題，但窗口一經(jīng)固定，信號(hào)的時(shí)頻分辨率也被固定。在實(shí)際分析過程中，低頻對應(yīng)時(shí)域變化慢，分析需要窄頻窗，高頻對應(yīng)時(shí)域變化快，需要寬頻窗，于是小波變換被廣泛應(yīng)用于分析此類非平穩(wěn)信號(hào)[12]。

風(fēng)廓線雷達(dá)的主要探測目標(biāo)是晴空湍流，探測過程中，常伴有噪聲與雜波的干擾[13]，式(1)給出了風(fēng)廓線雷達(dá)實(shí)際回波信號(hào)的組成成分[14]：

A(t)=S(t)+C(t)+N(t)。

(1)

式(1)中，A(t)為風(fēng)廓線雷達(dá)探測到的實(shí)際回波，S(t)為晴空湍流凈回波，C(t)為雜波，N(t)為噪聲。雜波又分為地物雜波與間歇性雜波，本文重點(diǎn)討論地物雜波，它主要出現(xiàn)在零頻附近。噪聲N(t)造成原始回波上下小幅度波動(dòng)，S(t)形成的譜峰是真實(shí)的大氣回波峰，地物雜波C(t)的強(qiáng)度通常比S(t)強(qiáng)幾個(gè)量級(jí)，因此，湍流峰常被雜波峰覆蓋。S(t)，C(t)，N(t)在時(shí)域有不同表現(xiàn)，這為利用小波分析方法區(qū)分三者提供了可能。

在一個(gè)很長的相關(guān)時(shí)間內(nèi)，地物雜波的變化相較于湍流回波慢一些，即地物雜波的周期較長。噪聲的I路信號(hào)(inphase signal，同相信號(hào))、Q路信號(hào)(quadrature phase signal，90°相移信號(hào))表現(xiàn)為平均值為0的高斯隨機(jī)變量，不具相關(guān)性。湍流也是平均值為0的高斯隨機(jī)分布的變量，但具有時(shí)間相關(guān)性。根據(jù)相關(guān)性特征，進(jìn)行多次積累即可區(qū)分噪聲與湍流信號(hào)。而引入小波分析后，則能進(jìn)一步區(qū)分湍流信號(hào)與地物雜波。

1.2 小波去地物雜波傳統(tǒng)方法

定義時(shí)域連續(xù)信f(t)，式(2)為其的小波變換：

(2)

圖1反映了多尺度分析將信號(hào)逐級(jí)分解的流程，首先信號(hào)通過濾波器被分解為高、低頻兩路信號(hào)，其中,G(ω),H(ω) 分別表示低通、高通濾波器[12]，接著對低頻部分進(jìn)一步分解，直至分解到能夠識(shí)別臨近零頻的大氣回波頻率成分。假設(shè)將信號(hào)進(jìn)行i尺度分解，則小波系數(shù)由低頻系數(shù)段ai和高頻系數(shù)段[di,di-1,…,d1]組成。

圖1 信號(hào)逐級(jí)分解流程Fig.1 The flow chart of signal decomposition

Daubechies 20(db20)小波具備正交性、緊支撐性和近似對稱性等特征[15]，是去地物雜波中常用的小波基。Jordan等[16]利用db20小波結(jié)合地物雜波特征，Ai等[17]選擇db20小波并結(jié)合信號(hào)正則性，均對地物雜波進(jìn)行分離，取得顯著效果。

小波分解后通過設(shè)定閾值對小波系數(shù)進(jìn)行調(diào)整，最后重構(gòu)信號(hào)[18-19]。地物雜波主要受低頻系數(shù)ai控制，傳統(tǒng)的設(shè)定閾值方法是取高頻系數(shù)d1段中最大模值為閾值，因其不受地物雜波影響。Jordan等[16]收集分析大量數(shù)據(jù)，設(shè)定了干燥模式和潮濕模式，采用后半段小波系數(shù)的最大值及其倍數(shù)作為閾值。丁敏等[20]根據(jù)后半段小波系數(shù)求得閾值，重構(gòu)信號(hào)取得了較好的去地物雜波效果。

1.3 自適應(yīng)閾值去地物雜波方法

傳統(tǒng)閾值方法重點(diǎn)關(guān)注高頻系數(shù)的后半段，即使天氣情況發(fā)生變化，閾值也只是在原有基礎(chǔ)上乘相應(yīng)的系數(shù)，這種方法在風(fēng)速較大、大氣湍流譜峰遠(yuǎn)離零頻時(shí)能有較好的發(fā)揮；當(dāng)風(fēng)速較小時(shí)，上述方法因忽略了高頻系數(shù)的前半段，往往會(huì)抑制真實(shí)大氣回波，本文提出一個(gè)改進(jìn)的方法，利用高頻系數(shù)整段數(shù)據(jù)，根據(jù)小波系數(shù)模值大小自適應(yīng)選擇閾值，這種方法在處理一般情況時(shí)，與傳統(tǒng)方法效果基本一致；但在應(yīng)對譜峰靠近零頻的情況時(shí)較傳統(tǒng)方法有更好的表現(xiàn)。

自適應(yīng)閾值方法步驟如下：

①將信號(hào)進(jìn)行i尺度小波變換，得到長度為N的低頻系數(shù)ak和長度為[Nj,Nj-1,…,N2,N1]的高頻系數(shù)[dj,sj,dj-1,sj-1,…,d2,s2,d1，s1]，其中，k∈[1,N],sj∈[1,Nj],sj-1∈[1,Nj-1],s2∈[1,N2],s1∈[1,N1]，根據(jù)式(3)對低頻系數(shù)進(jìn)行去直流操作：

(3)

②計(jì)算高頻系數(shù)各段的模值平均值，確定最大平均值與最小平均值的位置，若最大平均值或最小平均值出現(xiàn)d1,s1段，則取閾值為d1,s1段的模值平均值，否則按式(4)取最大模值平均值法求得閾值λ：

(4)

③按照式(5)求得縮放比例z：

1

(5)

④通過式(6)對ak值進(jìn)行截?。?/p>

(6)

其中，1

完成上述步驟獲得濾波后的低頻系數(shù)，通過小波逆變換重構(gòu)信號(hào)，地物雜波即被抑制。

2 模擬數(shù)據(jù)測試

為測試本文算法的作用效果，將首先采用模擬數(shù)據(jù)進(jìn)行驗(yàn)證。模擬環(huán)境如圖2所示，模擬數(shù)據(jù)通過信號(hào)源直接輸入接收機(jī)獲取，修改信號(hào)頻率，可以獲得不同條件的模擬回波數(shù)據(jù)。本文算法在風(fēng)廓線雷達(dá)數(shù)據(jù)處理階段進(jìn)行。同時(shí),時(shí)鐘信號(hào)也由信號(hào)源產(chǎn)生，保證整個(gè)數(shù)據(jù)模擬過程的相干性。

本文使用的模擬數(shù)據(jù)是與風(fēng)廓線雷達(dá)數(shù)字中頻偏移1.5 Hz的信號(hào)和偏移50 Hz的信號(hào)，旨在模擬回波靠近零頻與遠(yuǎn)離零頻的情況。根據(jù)多普勒頻移與多普勒速度關(guān)系可得1.5 Hz頻偏對應(yīng)0.18 m·s-1，50 Hz頻偏對應(yīng)5.8 m·s-1。

圖2 數(shù)據(jù)模擬環(huán)境Fig.2 The figure of data simulation environment

圖3a為傳統(tǒng)閾值方法處理1.5 Hz信號(hào)的小波系數(shù)圖，圖3b為自適應(yīng)閾值方法處理后的小波系數(shù)圖，可知高頻系數(shù)模值最大值在di段，說明零頻附近存在信號(hào)，確定閾值進(jìn)行濾波后低頻段小波系數(shù)與di相當(dāng)；傳統(tǒng)閾值方法將高頻系數(shù)d1的最大模值作為閾值系數(shù)，導(dǎo)致低頻段小波系數(shù)接近于0，與di段系數(shù)相差較大，易錯(cuò)過真實(shí)回波。

圖4a為1.5 Hz模擬數(shù)據(jù)的原始功率譜，零頻處存在功率較強(qiáng)的尖峰，即地物雜波，它覆蓋了真實(shí)的回波信號(hào)，增加了識(shí)別難度。圖4b采用零頻剔除法，雜波寬度取3，去除中心3點(diǎn)并用臨近值插補(bǔ)，該方法在目前的雷達(dá)運(yùn)行中使用較多，圖中(圖4b中右上角為-1.5～1.5 m·s-1區(qū)間的功率譜放大圖，圖4c和4d與之相同)該方法有較好表現(xiàn)，能夠有效識(shí)別近零頻信號(hào)，但該方法需要人為選擇合適的雜波寬度，寬度過寬，會(huì)忽略近零頻信號(hào)，寬度過窄，則起不到去除地物雜波的作用；圖4c采用了傳統(tǒng)閾值方法，處理后零頻處出現(xiàn)凹槽，零頻兩側(cè)由于凹槽形成兩個(gè)波峰；圖4d采用了自適應(yīng)閾值方法，選擇db20小波基進(jìn)行6尺度分解，6尺度是一個(gè)經(jīng)驗(yàn)值，可以看到，直流信號(hào)得到了有效抑制，右側(cè)1.5 Hz 頻偏信號(hào)回波變得清晰。說明本文提出的自適應(yīng)閾值方法較傳統(tǒng)閾值方法在識(shí)別近零頻回波信號(hào)時(shí)有良好的表現(xiàn)，且不需要人為設(shè)置固定參數(shù)或更改相應(yīng)模式。

圖3 1.5 Hz信號(hào)小波系數(shù)圖 (a)傳統(tǒng)閾值方法，(b)自適應(yīng)閾值方法Fig.3 Wavelet coefficients of 1.5 Hz signal (a)traditional threshold processing，(b)self-adapting threshold processing

圖4 1.5 Hz信號(hào)功率譜圖 (a)原始功率譜，(b)零頻中心3點(diǎn)剔除法處理后的功率譜，(c)傳統(tǒng)閾值方法處理后的功率譜，(d)自適應(yīng)閾值方法處理后的功率譜Fig.4 Power spectrum of 1.5 Hz signal (a)original power spectrum,(b)power spectrum after zero-frequency elimination of 3 points，(c)power spectrum after traditional threshold processing，(d)power spectrum after self-adapting threshold processing

續(xù)圖4

圖5a為50 Hz模擬數(shù)據(jù)的功率譜，圖5b為采用自適應(yīng)閾值方法處理后的功率譜圖，圖中顯示自適應(yīng)閾值方法在風(fēng)速較大的情況下,也能夠準(zhǔn)確抑制零頻，突顯真實(shí)回波信號(hào)。

圖5 50 Hz模擬數(shù)據(jù)功率譜圖 (a)原始功率譜,(b)自適應(yīng)閾值方法處理后的功率譜Fig.5 Power spectrum of 50 Hz signal (a)original power spectrum，(b)power spectrum after self-adapting threshold processing

通過模擬數(shù)據(jù)的測試，驗(yàn)證了本文提出的地物雜波抑制方法能夠成功抑制地物雜波、提高氣象信號(hào)的識(shí)別能力，即使在氣象信號(hào)被地物雜波信號(hào)覆蓋的情況下，也有明顯效果。

3 外場試驗(yàn)

本文探測數(shù)據(jù)來自TWP3-M型移動(dòng)式邊界層風(fēng)廓線雷達(dá)，該雷達(dá)由北京敏視達(dá)公司生產(chǎn)，安置在成都信息工程大學(xué)(CUIT)大氣觀測場(30°34′47″N，103°58′48″E，海拔為450 m)。

圖6a為2014年5月17日12：50(北京時(shí)，下同)垂直波束低模第13個(gè)距離庫的I路信號(hào)和Q路信號(hào)數(shù)據(jù)。圖6c為原始I路信號(hào)和Q路信號(hào)直接進(jìn)行6尺度小波分解后的小波系數(shù)示意圖，由圖6a和圖6c可以看出，該時(shí)段數(shù)據(jù)明顯有強(qiáng)地物雜波混入，且地物雜波成分集中在低頻部分。圖6d是經(jīng)過自適應(yīng)閾值方法處理后的小波系數(shù)，低頻部分的小波系數(shù)值減小了1個(gè)量級(jí)，圖6b為其重構(gòu)的I路信號(hào)和Q路信號(hào)，雜波得到抑制。

圖6 2014年5月17日12：50成都信息工程大學(xué)風(fēng)廓線雷達(dá)I路和Q路信號(hào)圖及小波系數(shù)(a)原始I路和Q路信號(hào)，(b)重構(gòu)I路和Q路信號(hào)，(c)原始小波系數(shù)，(d)自適應(yīng)閾值方法處理后的小波系數(shù)Fig.6 The time series of I component and Q component and wavelet coefficients of WPR at CUIT at 1250 BT 17 May 2014 (a)original time series of I component and Q component，(b)reconstructed time series of I component and Q component，(c)original wavelet coefficients，(d)wavelet coefficients after self-adapting threshold processing

圖7a為5月17日12：50未經(jīng)處理的功率譜圖，零頻附近出現(xiàn)一個(gè)窄尖脈沖，即地物雜波，由該圖基本無法識(shí)別出真正的大氣回波譜峰。圖7b采用自適應(yīng)閾值去除地物雜波方法，可以看出，零頻信號(hào)得到了明顯的抑制，其中，粗實(shí)線為高斯擬合的譜數(shù)據(jù)，回波信號(hào)得到較好的識(shí)別，信雜比提高了約30 dB。

圖7 2014年5月17日12：50成都信息工程大學(xué)風(fēng)廓線雷達(dá)分功率譜(a)原始功率譜，(b)自適應(yīng)閾值處理后的功率譜Fig.7 Power spectrum of WPR at CUIT at 1250 BT 17 May 2014(a)original power spectrum，(b)power spectrum after self-adapting threshold processing

2014年4月25日上午出現(xiàn)大風(fēng)現(xiàn)象，09：30垂直波束低模第13個(gè)距離庫的譜數(shù)據(jù)如圖8a所示，根據(jù)氣象回波特征及當(dāng)時(shí)天氣情況，10 m·s-1附近的信號(hào)為真實(shí)湍流峰，距零速度區(qū)較遠(yuǎn)，零速度信號(hào)強(qiáng)度大于氣象回波信號(hào)，且零頻附近雜波信號(hào)譜寬較寬。圖8b為自適應(yīng)閾值方法去雜波后的譜信號(hào)，粗實(shí)線為高斯擬合后的數(shù)據(jù)，與原始功率譜相比，信雜比提高了35 dB。圖8c采用了零頻中心3點(diǎn)剔除方法處理，零頻信號(hào)幅度略有下降，仍存在較強(qiáng)干擾，這是由于該處發(fā)生雷達(dá)頻譜泄露造成的信號(hào)零頻展寬現(xiàn)象，固定模式的3點(diǎn)剔除法在處理該狀況時(shí)效果不理想。而本文方法在處理該情形時(shí)效果仍然顯著。

圖8 2014年4月25日09：30成都信息工程大學(xué)風(fēng)廓線雷達(dá)功率譜 (a)原始功率譜， (b)自適應(yīng)閾值方法處理后的功率譜，(c)零頻中心3點(diǎn)剔除方法處理后的功率譜圖 Fig.8 Power spectrumof WPR at CUIT at 0930 BT 25 Apr 2014 (a)original power spectrum，(b)power spectrum after self-adapting threshold processing，(c)power spectrum after zero-frequency elimination of 3 points

圖9a為2014年5月17日12：00低空連續(xù)高度的功率譜圖，“+”號(hào)為自動(dòng)識(shí)別的譜峰位置，圖中連續(xù)4個(gè)距離庫高度上均存在能量較強(qiáng)的地物雜波干擾，幅度遠(yuǎn)大于真實(shí)氣象回波譜，在譜峰識(shí)別方面增加了難度，圖9b是經(jīng)過自適應(yīng)閾值方法處理后得到的效果圖，地物雜波得到抑制，有助于自動(dòng)識(shí)別算法識(shí)別真實(shí)的氣象回波。

圖9 2014年5月17日12：00成都信息工程大學(xué)風(fēng)廓線雷達(dá)功率譜隨高度分布(a)原始功率譜隨高度分布，(b)自適應(yīng)閾值方法處理后功率譜隨高度分布Fig.9 Spectral distribution of WPR at CUIT with height at 1200 BT 17 May 2014(a)original spectral distribution with height，(b)spectral distribution with height after self-adapting threshold processing

4 小 結(jié)

本文提出一種基于小波變換的自適應(yīng)閾值去除地物雜波方法，通過理論分析、模擬數(shù)據(jù)及實(shí)測數(shù)據(jù)等多方面的檢驗(yàn)論證，得到以下結(jié)論：

1) 與傳統(tǒng)閾值方法、零頻中心點(diǎn)剔除法進(jìn)行對比，自適應(yīng)閾值方法去除地物雜波效果顯著，并證明db20小波在去除地物雜波應(yīng)用中具有可靠性與有效性。

2) 自適應(yīng)閾值方法在處理近零頻信號(hào)、遠(yuǎn)零頻信號(hào)以及由頻譜泄露導(dǎo)致的零頻信號(hào)展寬等情況時(shí)，均能準(zhǔn)確地從地物雜波中分離出氣象回波，且不需要設(shè)定參數(shù)以及選擇模式。同時(shí)，根據(jù)對實(shí)測數(shù)據(jù)處理前后進(jìn)行比較，使用該方法后信雜比可提高30 dB左右。

本文討論的是單一地物雜波情形，沒有將間歇性雜波納入考慮范圍內(nèi)，因此,面對含有多類型雜波干擾的情況，自適應(yīng)閾值方法還有待驗(yàn)證與完善；同時(shí)，本文的小波尺度分解系數(shù)由經(jīng)驗(yàn)值確定，如何進(jìn)行最優(yōu)值選取，也需要進(jìn)一步分析與推導(dǎo)。

目前，風(fēng)廓線雷達(dá)數(shù)據(jù)處理中的積累與譜變換多已集成在信號(hào)處理板卡上，通過硬件設(shè)備實(shí)現(xiàn)，確定小波族后的小波變換算法也能采用同樣的方式實(shí)現(xiàn)。同時(shí)，本文方法中的閾值是由信號(hào)小波分解后的高頻系數(shù)關(guān)系確定，原理簡單，計(jì)算量小，實(shí)現(xiàn)過程方便，應(yīng)用于實(shí)際系統(tǒng)及業(yè)務(wù)中，能夠簡化氣象目標(biāo)識(shí)別過程，有效提升風(fēng)廓線雷達(dá)產(chǎn)品數(shù)據(jù)的準(zhǔn)確率。

[1] 阮征,吳志根.風(fēng)廓線儀探測降水云體結(jié)構(gòu)方法的研究.應(yīng)用氣象學(xué)報(bào),2002,13(3):330-338.

[2] 何平,朱小燕,阮征,等.風(fēng)廓線雷達(dá)探測降水過程的初步研究.應(yīng)用氣象學(xué)報(bào),2009,20(4):465-470.

[3] 郭虎,段麗,楊波,等.0679香山局地大暴雨的中小尺度天氣分析.應(yīng)用氣象學(xué)報(bào),2008,19(3):265-275.

[4] 王莎,阮征,葛潤生.風(fēng)廓線雷達(dá)探測大氣返回信號(hào)譜的仿真模擬.應(yīng)用氣象學(xué)報(bào),2012,23(1):20-29.

[5] 王欣,卞林根,彭浩,等.風(fēng)廓線儀系統(tǒng)探測試驗(yàn)與應(yīng)用.應(yīng)用氣象學(xué)報(bào),2006,16(5):693-698.

[6] 何平.相控陣風(fēng)廓線雷達(dá).北京:氣象出版社,2006:11-12.

[7] Benjamin S G,Schwartz B E,Koch S E,et al.The value of wind profiler data in US weather forecasting.BullAmerMeteorSoc,2004,85(12):1871-1886.

[8] Kitamura Y,Nakagawa K,Sekizawa S,et al.Vertical Profile of Raindrop Size Distribution by Using 400 MHz Wind Profiler in Stratiform Rainfall∥32nd Conference on Radar Meteorology.2005:P7R.

[9] Wang M Z,Wei W S,He Q,et al.Application of wind profiler data to rainfall analyses in Tazhong Oilfield region, Xinjiang, China.JournalofAridLand,2012,4(4):369-377.

[10] Russell C A,Jordan J R.Portable Clutter Fence for UHF Wind Profiling Radar∥7th Symposium on Meteorological Observations and Instrumentations.1991:152.

[11] Strauch R G,Merritt D A,Moran K P,et al.The Colorado wind-profiling network.JAtmosOceanTechnol,1984,1(1):37-49.

[12] 劉濤,曾祥利,曾軍.實(shí)用小波分析入門.北京:國防工業(yè)出版社,2006:73-75.

[13] 何平,李柏,吳蕾,等.確定風(fēng)廓線雷達(dá)功率譜噪聲功率方法.應(yīng)用氣象學(xué)報(bào),2013,24(3):297-303.

[14] Sifuzzaman M,Islam M R,Ali M Z.Application of wavelet transform and its advantages compared to Fourier transform.JournalofPhysicalSciences,2009,13:121-134.

[15] Ingrid Daubechies.小波十講.李建平,楊萬年,譯.北京:國防工業(yè)出版社,2005:29-31.

[16] Jordan J R,Lataitis R J,Carter D A.Removing ground and intermittent clutter contamination from wind profiler signals using wavelet transforms.JAtmosOceanTechnol,1997,14(6):1280-1297.

[17] Ai W,Huang Y,Hu M,et al.Ground Clutter Removing for Wind Profiler Radar Signal Using Adaptive Wavelet Threshold∥2010 International Conference on Measuring Technology and Mechatronics Automation (ICMTMA),IEEE,2010:370-373.

[18] Justen L A,Teschke G,Lehmann V.Wavelet-based Methods for Clutter Removal from Radar Wind Profiler Data∥Photonics Technologies for Robotics,Automation,and Manufacturing.International Society for Optics and Photonics,2004:157-168.

[19] Lehmann V,Teschke G.Wavelet based methods for improved wind profiler signal processing.AnnaleGeophysicae,1999,19(8):825-836.

[20] 丁敏,卜祥元.提升小波去地雜波方法.現(xiàn)代電子技術(shù),2006,29(11):32-34.

A Modified Method of Removing Ground Clutter from Wind Profiler Radar Based on Adaptive Wavelet Threshold

Zhang Fugui1)2)Fan Xiao1)He Jianxin1)2)

1)(ChengduUniversityofInformationTechnology,Chengdu610225)2)(KeyLaboratoryofAtmosphericSoundingofCMA,Chengdu610225)

Wind profiler radar (WPR) can be used to retrieve real-time atmospheric wind field data of high resolution. Backscattered echo caused by irregularities of atmospheric refractive index is received by radar antenna and wind velocities is calculated with Doppler frequency shifting speed formula. It is widely used in fields of very short-term weather forecasting, airport operations and public protection, air pollution monitoring, wind field analyses and forecasts of toxic plume trajectories resulting from chemical or nuclear incidents. As a result of being widely used in different situations, WPR is always sited near the city with a large population and complicated geographical environment. Transmission of electromagnetic wave during WPR detecting period is often interfered by various clutters that contaminate WPR data introduce bias in moments and wind velocity estimation. Of all clutters, ground clutter is the primary source because it happens more often than the others. Ground clutter is radar return from more or less stationary targets such as trees, buildings near the cited place. How to eliminate the influence of ground clutter is a most concerned aspect. Ground clutter mainly concentrates around the zero-frequency and it has high amplitude on the power spectrum. The most frequently used methods, such as traditional wavelet threshold processing and zero-frequency elimination of 3 points, both have the ability to separate the meteorology echo from the ground clutter when the turbulent peak is away from the zero-frequency and not covered with ground clutter peak. However, when the near zero-frequency echo is taken into consideration, both of the traditional methods meet their limitation. Based on the wavelet high frequency coefficients, a method of determining threshold adaptively is proposed and the validation of the method is done by using of simulated data and WPR measured data. The corresponding power spectrum before and after self-adapting wavelet threshold processing are compared. Results show that this method performs well even when the signal is close to the zero-frequency and covered completely. Meanwhile, the method has some important features, such as simple theory, small amount of calculation and easy to implement. Cases analysis shows that self-adapting threshold processing can increase the accuracy of peak identification, also provide approach and basis for improving the WPR products.

wind profiler radar; ground clutter; wavelets analysis; self-adapting threshold processing

10.11898/1001-7313.20150409

國家公益性行業(yè)(氣象)科研專項(xiàng)(GYHY200906039)

張福貴,范瀟,何建新. 自適應(yīng)閾值方法去除風(fēng)廓線雷達(dá)地物雜波. 應(yīng)用氣象學(xué)報(bào)，2015，26(4)：472-481.

2014-11-13收到， 2015-03-18收到再改稿。

* email: zfg@cuit.edu.cn