基于超分辨率的相控陣天氣雷達數(shù)據(jù)壓縮算法

沈邦躍,何建新,曾強宇

(1.成都信息工程大學(xué)電子工程學(xué)院,四川成都 610225;2.中國氣象局大氣探測重點開放實驗室,四川成都 610225)

0 引言

天氣雷達是探測災(zāi)害性天氣過程的有效手段,天氣雷達數(shù)據(jù)是研究天氣形成原因以及預(yù)測分析的重要信息,對災(zāi)害性天氣過程的精確預(yù)警預(yù)報有著重要作用。隨著相控陣雷達技術(shù)發(fā)展,雷達數(shù)據(jù)探測精度和分辨率越來越高,隨之增大的是雷達數(shù)據(jù)的數(shù)據(jù)量,數(shù)據(jù)的傳輸和存儲壓力增大。天氣雷達數(shù)據(jù)壓縮技術(shù)將數(shù)據(jù)進行實時壓縮處理,減緩傳輸和儲存壓力,提高雷達的業(yè)務(wù)能力,因而受到越來越多的關(guān)注。

天氣雷達數(shù)據(jù)壓縮分為有損壓縮和無損壓縮。有損壓縮通過損失一定的數(shù)據(jù)信息獲得更高的壓縮率,在實際應(yīng)用中,根據(jù)不同應(yīng)用環(huán)境去掉不需要的信息或降低精度實現(xiàn)有損壓縮。無損壓縮較有損壓縮的壓縮率更低,但能夠完整保存數(shù)據(jù),實際應(yīng)用中,原始數(shù)據(jù)使用無損壓縮保存。無損壓縮和有損壓縮的選擇取決于用戶需求,在進行數(shù)據(jù)精度要求不高的定性分析時,使用有損壓縮能夠進一步提高壓縮率,而進行對數(shù)據(jù)的精度要求較高的定量計算時,數(shù)據(jù)失真會影響天氣過程的分析和數(shù)據(jù)同化,雷達數(shù)據(jù)精度決定了分析結(jié)果的準確性。因此,有損壓縮不適合對數(shù)據(jù)保真度要求較高的應(yīng)用需求,需通過無損壓縮來進行完整數(shù)據(jù)的保存。

現(xiàn)有壓縮算法大多基于圖像處理,在圖像壓縮算法中有很多可以借鑒的壓縮算法思路。在基于圖像的壓縮算法中,Liu 等[1]基于線性預(yù)測、整數(shù)小波變換(IWT)與輸出系數(shù)處理和Huffman 編碼相結(jié)合,提出一種改進的無損壓縮算法,該算法能夠更好地壓縮紋理復(fù)雜和分辨率高的圖像。M Waleed 等[2]將可逆顏色變換(RCT)與雙層Burrows-Wheeler 壓縮算法(BBWCA)相結(jié)合,增加圖像像素的重復(fù)性,增強冗余度,從而更好地壓縮。Xin 等[3]提出一種關(guān)于圖像的可壓縮指示函數(shù),給出表示位置所需的平均位數(shù)的閾值,針對二值圖像、灰度圖像和多分量圖像,采用形狀對圖像進行編碼,使用形狀和位置來表示二值圖像,能夠有效進行圖像無損壓縮。這些圖像的壓縮思路可以提供基于數(shù)據(jù)壓縮的理論支持以及新的研究思路,在數(shù)據(jù)壓縮方便優(yōu)化算法性能。

天氣雷達數(shù)據(jù)有損壓縮研究中,陳威等[4]詳細描述了對多普勒天氣雷達回波數(shù)據(jù)進行小波變換和對變換系數(shù)進行嵌入式零樹編碼(embedded zero tree wavelet coding,EZW)的過程,實現(xiàn)對回波數(shù)據(jù)的有損壓縮,明顯優(yōu)化了峰值信噪比。潘志剛等[5]提出了一種可以根據(jù)數(shù)據(jù)的分塊大小來自適應(yīng)選擇不同量化比特率的算法。陳璐等[6]提出了由3 部分組成的混合壓縮算法,分別是預(yù)壓縮、有損壓縮和無損壓縮。能夠有效地根據(jù)需求來對氣象雷達數(shù)據(jù)進行壓縮。李朋等[7]提出了一種幀間自適應(yīng)分塊量化的壓縮算法FD-BAQ。這種算法在幾乎不增加復(fù)雜度的情況下提高了BAQ的壓縮性能,但在壓縮過程中會得到較大的量化誤差,可能造成數(shù)據(jù)的較大失真。

天氣雷達探測數(shù)據(jù)無損壓縮研究中,黃云仙等[8]提出了基于階梯量化的壓縮算法,并使用MED 預(yù)測,能夠有效實現(xiàn)氣象雷達的數(shù)據(jù)壓縮。Zeng 等[9]提出了一種預(yù)測算法,基于時間和空間對天氣雷達數(shù)據(jù)進行無損壓縮,利用殘差數(shù)據(jù)和運動向量代替原始值進行熵編碼,較次優(yōu)算法的壓縮性能提高了26%。夏正[10]分別研究了LMS 預(yù)測算法、分塊預(yù)測算法和MED 預(yù)測算法的原理,并使用雷達回波數(shù)據(jù)對各算法的壓縮效果進行驗證和對比。結(jié)果表明,幾種算法中,采用MED 二維預(yù)測算法對雷達回波數(shù)據(jù)預(yù)測變換后,殘差數(shù)據(jù)的熵值最小。曾強宇等[11]提出了應(yīng)用雙偏振的天氣雷達技術(shù)數(shù)據(jù)壓縮算法DPRC,解決了傳統(tǒng)通用的無損壓縮算法壓縮率相對低下的技術(shù)缺陷,對高分辨的雙線偏振天氣雷達的組網(wǎng)技術(shù)提供了有力支持。

現(xiàn)有天氣雷達數(shù)據(jù)壓縮算法主要針對新一代天氣雷達數(shù)據(jù),但經(jīng)過雙偏振和相控陣兩次技術(shù)進步,天氣雷達的數(shù)據(jù)量增加了100 倍以上,數(shù)據(jù)壓縮技術(shù)需要針對相控陣天氣雷達數(shù)據(jù)特點進行壓縮性能研究。文本利用相控陣天氣雷達的高時空相關(guān)性,提出基于超分辨率的相控陣天氣雷達無損壓縮算法,將超分辨率和預(yù)測編碼結(jié)合,能有效降低數(shù)據(jù)相關(guān)冗余,實現(xiàn)無損壓縮。這對于解決先進天氣雷達數(shù)據(jù)傳輸與存儲等實際問題,建立天氣雷達數(shù)據(jù)壓縮體系具有重要意義。

1 相控陣天氣雷達數(shù)據(jù)特點

新一代天氣雷達系統(tǒng)目前已經(jīng)成功在全世界穩(wěn)定運行了二十多年,通過機械掃描的方式,自動改變雷達天線的方位角和俯仰角來完成體掃。這種雷達掃描的方法是在嚴格保證雷達數(shù)據(jù)質(zhì)量精度的前提情況下,雷達最快速度可保證以每6 min連續(xù)進行14 層掃描。在這種雷達掃描方法處理下的雷達資料還可以用于實現(xiàn)對大中尺度氣象過程中如對臺風(fēng)、暴雨天氣等災(zāi)害的實時監(jiān)測分析預(yù)報和分析預(yù)警,對于進一步增強對災(zāi)害性氣象過程的實時監(jiān)視分析與分析預(yù)報的水平將有一個很大提高。龍卷等小尺度強對流天氣形成時間短、發(fā)展快、持續(xù)時間短,新一代天氣雷達無法對龍卷等天氣過程進行有效探測[12]。相控陣天氣雷達系統(tǒng)可實現(xiàn)在嚴格保證觀測數(shù)據(jù)質(zhì)量精度的前提情況下對系統(tǒng)進行實時快速的掃描,采用的陣列天線是以具有大量頻率相同特性的輻射單位所構(gòu)成,各個天線單元的輻射相位頻率與輻射幅度方向均為完全自主和可控,可以同時進行多個高精度波束的指向,完成對任意一個方向上返波的觀測。相控陣天氣雷達系統(tǒng)可以在短短1 min時間內(nèi)就完成體掃,同時得到大量準確的天氣信息[13]。

成都信息工程大學(xué)聯(lián)合南京恩瑞特實業(yè)有限公司研制了X 波段雙線偏振相控陣天氣雷達CHARTORXPARD,2021年5月雷達在江蘇省興化市氣象局架設(shè)完畢,投入強對流天氣過程觀測。CHARTOR-XPARD雷達采用了全新設(shè)計的大角度掃描低副瓣雙極化波導(dǎo)縫隙相控陣天線,如圖1所示。雙偏振相控陣雷達不僅可以探測云和降水區(qū)域的反射率因子(Z)、徑向速度(V)和速度譜寬(W),還可以獲得差分反射率(ZDR)、差分傳播相移(ΦDP)、差分傳播相移率(KDP)以及偏振相關(guān)系數(shù)(ρhv)等偏振參量。利用差分雙線偏振分析技術(shù)可直接測定各種天氣目標云的差分反射率因子、差分傳播相移、退偏振比和其他各種物理參數(shù),以及直接利用計算機對所有上述物理參數(shù)進行數(shù)值解析,判斷目標云相態(tài)的空間分布,粒子形態(tài)結(jié)構(gòu)與粒子大小的空間分布規(guī)律和各種降水天氣粒子云的運動特性等(如冰雹、雪、雨、冰晶等)。天線陣面技術(shù)指標見表1。

表1 天線陣面技術(shù)指標

圖1 興化CHARTOR-XPARD 相控陣雷達

CHARTOR-XPARD 雙偏振相控陣使用多波束技術(shù),可以同時對多個仰角進行觀測,在一個PPI 中,回波數(shù)據(jù)中有大量的無效數(shù)據(jù)。單層仰角數(shù)據(jù)中,共有360個徑向,每個徑向上有1667 個距離庫,反射率數(shù)據(jù)精度為0.5 dBZ。在雷達探測掃描過程中,會產(chǎn)生大量的無效數(shù)據(jù),得到的體掃數(shù)據(jù)中存在小于或大于閾值的數(shù)值或者對應(yīng)區(qū)域在大氣中不存在天氣過程,這些區(qū)域的距離庫所表示的就是無效數(shù)據(jù)。因為無效數(shù)據(jù)的大規(guī)模重復(fù)產(chǎn)生,天氣回波數(shù)據(jù)存在很大程度的間隙。無效數(shù)據(jù)又可簡單分成以下兩種:一類為隨機分配的數(shù)據(jù)產(chǎn)生的非拖尾的無效數(shù)據(jù);另一種數(shù)據(jù)是位于徑向尾端,在徑向尾端被逆向到一個非零值的部分,叫作拖尾的無效數(shù)據(jù)[11]。根據(jù)江蘇興化相控陣雷達數(shù)據(jù),可以得出在有天氣過程時,無效數(shù)據(jù)占據(jù)40%～50%,其中拖尾無效數(shù)據(jù)占據(jù)15%～27%,并且無效數(shù)據(jù)的占比隨著仰角增加而下降;在無天氣過程時,無效數(shù)據(jù)占據(jù)82%～95%,其中拖尾無效數(shù)據(jù)占據(jù)59%～74%,并且無效數(shù)據(jù)占比隨著仰角增加而增加。如圖2所示,在數(shù)據(jù)預(yù)處理時,直接將拖尾無效數(shù)據(jù)去除,不會影響數(shù)據(jù)完整度,并可以進一步提高壓縮率。

圖2 不同天氣無效數(shù)據(jù)對比圖

CHARTOR-XPARD 相控陣雷達在獲取氣象雷達回波數(shù)據(jù)時,相鄰數(shù)據(jù)段之間總是存在高度的數(shù)據(jù)相關(guān)性。本文的壓縮算法旨在利用相鄰數(shù)據(jù)段之間的數(shù)據(jù)相關(guān)性來減少雷達數(shù)據(jù)的冗余?；赑PI,兩個徑向相鄰的氣象雷達距離數(shù)據(jù)庫與兩個空間相鄰的徑向距離數(shù)據(jù)庫高度相關(guān),利用已傳塊數(shù)據(jù)預(yù)測下一塊數(shù)據(jù)。本文的天氣雷達數(shù)據(jù)壓縮算法是降低數(shù)據(jù)之間的相關(guān)性,通過預(yù)測算法改變數(shù)據(jù)的分布結(jié)構(gòu),以便熵編碼有效地壓縮存儲空間。如圖3所示,同一徑向內(nèi)的相鄰距離庫以及相鄰徑向間距離庫大概率會出現(xiàn)數(shù)據(jù)相同或者相似的現(xiàn)象,通過幀內(nèi)預(yù)測的方式降低數(shù)值的大小,再進行熵編碼能有效降低這種空間冗余。超分辨率重建是利用低分辨率數(shù)據(jù)重建出分辨率更高的回波數(shù)據(jù),這就需要回波自身的冗余信息即回波的相關(guān)性。冗余信息可以對重建回波進行約束,使重建回波更接近原始回波。

圖3 不同參數(shù)的相鄰徑向相關(guān)系數(shù)

2 相控陣天氣雷達數(shù)據(jù)壓縮算法

本文提出一種相控陣天氣雷達數(shù)據(jù)壓縮算法,算法流程如圖4所示,算法步驟如下。

圖4 壓縮算法流程

Step1:對天氣相控陣雷達回波數(shù)據(jù)進行預(yù)處理,將PPI 數(shù)據(jù)二倍下采樣(降低分辨率)得到下采樣數(shù)據(jù);

Step2:將下采樣數(shù)據(jù)使用STV 超分辨率重建算法(self-adaptive total variation,STV)[14]得到重建數(shù)據(jù),重建數(shù)據(jù)與原始數(shù)據(jù)進行差分得到重建殘差;

Step3:將下采樣數(shù)據(jù)經(jīng)過幀內(nèi)預(yù)測之后與原始下采樣數(shù)據(jù)作差得到預(yù)測殘差;

Step4:將預(yù)測殘差與重建殘差組合得到組合數(shù)據(jù);

Step5:進行熵編碼,輸出碼流。

解碼端利用傳輸?shù)哪Ｊ揭约邦A(yù)測殘差,可以恢復(fù)二倍下采樣數(shù)據(jù)。再利用下采樣數(shù)據(jù)通過STV 算法得到重建PPI,與傳輸?shù)闹亟埐顢?shù)據(jù)補償?shù)玫皆糚PI,解碼流程如圖5所示。該算法是一個無損的過程,能有效進行相控陣天氣雷達數(shù)據(jù)無損壓縮。

圖5 解碼流程

2.1 預(yù)處理

讀取體掃數(shù)據(jù),1 個體掃數(shù)據(jù)包含5 層仰角數(shù)據(jù),根據(jù)頭文件信息,將不同仰角層的各參數(shù)數(shù)據(jù)進行分類存儲。在頭文件信息中,頭文件所包含的基本參數(shù)大部分是相同的。在頭文件預(yù)處理時,將頭文件進行差分得到殘數(shù)數(shù)據(jù),再進行熵編碼能更有效地較少數(shù)據(jù)量。

在數(shù)據(jù)塊預(yù)處理時,將數(shù)據(jù)映射至[0,160],能夠更有效地進行后續(xù)編碼處理,由于相控陣天氣雷達的反射率數(shù)據(jù)范圍是-10～70,反射率數(shù)據(jù)映射方法如下:

Data′=[(Data+10)×2]

在一個PPI 中,無效數(shù)據(jù)大量存在,其中包含拖尾無效數(shù)據(jù)。由于拖尾無效數(shù)據(jù)不會影響數(shù)據(jù)質(zhì)量,直接去除拖尾無效數(shù)據(jù)可以減少大量傳輸數(shù)據(jù)量。去除拖尾無效數(shù)據(jù)之后再進行后續(xù)算法。

2.2 預(yù)測編碼

預(yù)測編碼使用的是幀內(nèi)預(yù)測模式,能更好地減少數(shù)據(jù)塊間存在的數(shù)據(jù)空間的冗余,使用已傳數(shù)據(jù)來預(yù)測當前塊的值,通過傳輸模式與殘差來減少數(shù)據(jù)之間的相關(guān)冗余。幀內(nèi)預(yù)測以4×4 的塊作為一個基本單位,在邊界沒有足夠距離庫時,使用補“0”的方法構(gòu)成完整塊。本算法是在一個PPI 內(nèi)進行,在同一層仰角相鄰徑向的距離庫以及同一徑向內(nèi)相鄰的距離庫均具有較強相關(guān)性。在相鄰的距離庫之間,其數(shù)據(jù)大小很大概率會出現(xiàn)相同或者相似的值。相鄰的兩個距離庫之間的差值很小,通過預(yù)測算法可以得到數(shù)值很小的殘差數(shù)據(jù)塊,有效地改變了數(shù)據(jù)的數(shù)值分布,預(yù)測流程如圖6所示。

圖6 預(yù)測流程

幀內(nèi)預(yù)測共有7 種預(yù)測模式,垂直、水平和DC 模式適用于變化平坦的區(qū)域,其他模式適用于紋理比較復(fù)雜的區(qū)域。當前數(shù)據(jù)塊與預(yù)測所需參考值位置如圖7所示,不同預(yù)測模式輸出是由A～L 參數(shù)權(quán)重不等的公式加權(quán)計算。

圖7 幀內(nèi)預(yù)測參考位置圖

其中A～M 為已傳數(shù)據(jù),a～p 為當前塊,通過7種模式預(yù)測,如圖8所示。

圖8 預(yù)測模式

在垂直模式下,預(yù)測塊上部的樣值按箭頭方向復(fù)制到預(yù)測塊。水平模式與垂直模式很相似,按照左部的樣值進行復(fù)制。其余模式正如名稱所示,適合進行有對應(yīng)方向的紋理結(jié)構(gòu)的預(yù)測。其中DC 模式、水平模式以及垂直模式使用次數(shù)最多,公式如下:

數(shù)據(jù)塊通過7 種預(yù)測模式進行預(yù)測,計算出每個預(yù)測模式輸出值與當前塊原始數(shù)據(jù)的SAD 值,編碼器將選擇出最優(yōu)預(yù)測模式以及預(yù)測值作為最終預(yù)測輸出。

2.3 模式選擇

模式選擇用于確定最佳預(yù)測模式,輸出與原始數(shù)據(jù)最相似的預(yù)測值,最終得到殘差數(shù)據(jù),如圖9所示。殘差數(shù)據(jù)是由原始數(shù)據(jù)與預(yù)測數(shù)據(jù)作差所得,通過SAD(sum of absolute difference)值來選擇最優(yōu)預(yù)測模式。

圖9 模式選擇

其中,Pred(i,j)是經(jīng)過預(yù)測模式輸出的預(yù)測塊,block(i,j)是當前數(shù)據(jù)塊,i和j分別是行數(shù)和列數(shù),M和N表示當前塊的大小。SAD 是指當前數(shù)據(jù)塊與預(yù)測塊的絕對誤差和,當SAD 值越小,預(yù)測數(shù)據(jù)塊和原始數(shù)據(jù)塊越相似,表示預(yù)測效果更佳。選擇出SAD 值最小的預(yù)測模式和預(yù)測數(shù)據(jù)塊,通過傳輸殘差值能有效降低數(shù)據(jù)大小,改變數(shù)據(jù)結(jié)構(gòu)分布。

在7 個預(yù)測輸出塊中,選出SAD 值最小的預(yù)測模式輸出塊,預(yù)測塊與原始數(shù)據(jù)作差得到殘差值,如圖10所示。最終傳輸?shù)臄?shù)據(jù)由整個數(shù)據(jù)塊變?yōu)槟Ｊ郊託埐钪?預(yù)測編碼改變了塊的數(shù)值概率分布,殘差值集中在零值附近呈現(xiàn)高概率值分布,這種數(shù)據(jù)分布便于通過后續(xù)熵編碼提高壓縮效率。在解碼時,通過殘差塊與預(yù)測模式即可恢復(fù)原始數(shù)據(jù),傳輸殘差塊和預(yù)測模式使最終殘差值的數(shù)據(jù)分布更加集中,也更適用于變長編碼的原理,能有效提高壓縮率。

圖10 預(yù)測輸出

2.4 STV 超分辨重建算法

自適應(yīng)全變差算法是一種改進全變差正則化算法。正則化算法是用適定的解去逼近不適定的解,用一組與原不適定問題相“鄰近”的適定問題的解去逼近原問題的解。針對天氣雷達回波超分辨率重建,STV 是一種基于時間和空間的正則化重建算法。該方法對重建回波在引入時間先驗信息的同時,添加了相鄰仰角的空間先驗信息,對重建高分辨率進行約束,然后利用梯度下降算法求解得到高分辨率回波?，F(xiàn)有超分辨率重建算法有多種,本文提出壓縮概念所需超分辨率重建要求不高,選擇STV 算法作為本文算法。STV 算法簡易且能有效進行超分辨率重建,使用的先驗條件相對較少,利用STV 算法可以得到有效的重建殘差,更適用于數(shù)據(jù)壓縮算法。

超分辨率算法會有失真效果,本文經(jīng)過下采樣數(shù)據(jù)重建原始數(shù)據(jù)數(shù)據(jù),過程中會產(chǎn)生失真誤差,通過與原始數(shù)據(jù)進行差分得到失真誤差,傳輸失真誤差,在恢復(fù)數(shù)據(jù)時,通過超分辨率重建算法與失真誤差結(jié)合,從而達到無損的效果。如圖11所示,將原始數(shù)據(jù)PPI 二倍下采樣之后,通過STV 超分辨率重建算法得到重建數(shù)據(jù),與原始數(shù)據(jù)差分得到重建殘差數(shù)據(jù)。將下采樣數(shù)據(jù)經(jīng)過預(yù)測編碼的預(yù)測殘差數(shù)據(jù)與重建殘差數(shù)據(jù)組合,得到新的組合數(shù)據(jù),該組合數(shù)據(jù)結(jié)合預(yù)測殘差和重建殘差信息。由于相鄰的徑向數(shù)據(jù)相關(guān)性強,得到的數(shù)據(jù)殘差數(shù)據(jù)分布均在“0”附近區(qū)域,使熵編碼能夠更有效地進行數(shù)據(jù)壓縮。

圖11 超分辨率重建流程

在解碼端,先進行二倍下采樣可以得到預(yù)測殘差數(shù)據(jù),利用預(yù)測殘差數(shù)據(jù)與預(yù)測模式可以得到完整的下采樣數(shù)據(jù)。再將下采樣數(shù)據(jù)輸入STV 重建算法,與所傳輸?shù)闹亟埐顢?shù)據(jù)進行補償,便可完整重建PPI 數(shù)據(jù)。

2.5 熵編碼

熵編碼是指按信息熵原理進行的無損編碼方式,將數(shù)據(jù)輸入由新的編碼表示,來實現(xiàn)壓縮的效果。熵編碼是把一系列的數(shù)據(jù)信息轉(zhuǎn)換成另一種信息用于數(shù)據(jù)傳遞處理和數(shù)據(jù)保存處理的一種壓縮的碼流,輸入中的熵元素符號中可以同時包含可量化的變換系數(shù)、運動向量、預(yù)測和模型信息等。熵編碼可以有效去除數(shù)據(jù)元素符號之間的冗余,是保證數(shù)據(jù)編碼壓縮效率的有效工具。常用的熵編碼有游程編碼、哈夫曼編碼、LZW 編碼以及CAVLC 編碼等。

根據(jù)天氣雷達數(shù)據(jù)預(yù)測編碼后所得到的數(shù)據(jù)分布,殘差數(shù)據(jù)可以通過CAVLC 進行熵編碼。CAVLC 可自動按照編碼對象的元素情況,不斷地變化在編碼過程中所用到的碼表,動態(tài)地選擇編碼的碼表,可實現(xiàn)隨意地改變系數(shù)加前綴名的長度,來獲得更大的壓縮率。

3 實驗結(jié)果

在江蘇興化CHARTOR-XPARD 雙偏振相控陣雷達2021年8月數(shù)據(jù)集中隨機選取30 組數(shù)據(jù)進行測試,原始數(shù)據(jù)與殘差數(shù)據(jù)的概率分布如圖12所示。本文算法能夠有效改變數(shù)據(jù)分布,經(jīng)過預(yù)測和超分辨率重建之后,數(shù)據(jù)主要分布在“0”附近區(qū)域,能夠更有效地進行熵編碼,提高壓縮效率,從殘差回波圖可以看出預(yù)測效果明顯。

圖12 殘差數(shù)據(jù)與原始數(shù)據(jù)概率密度對比

為驗證預(yù)測算法的性能,使用江蘇興化CHARTOR-XPARD 雙偏振相控陣雷達2021年8月20日22:25 降雨過程的探測數(shù)據(jù)進行預(yù)測算法的性能驗證。圖13(a)、(b)顯示了反射率數(shù)據(jù)原始數(shù)據(jù)PPI 以及數(shù)值分布,對比圖13(c)、(d)經(jīng)過預(yù)測以及超分辨率重建所得殘差數(shù)據(jù)分布,可以明顯看出,殘差的數(shù)值分布在“0”附近區(qū)域,更有利于進行熵編碼壓縮數(shù)據(jù)冗余。圖14(a)、(b)顯示了徑向速度V原始數(shù)據(jù)PPI以及數(shù)值分布,對比圖14(c)、(d)經(jīng)過預(yù)測以及超分辨率重建所得殘差數(shù)據(jù)分布,可以明顯看出,殘差的數(shù)值分布在“0”附近區(qū)域,更有利于進行熵編碼壓縮數(shù)據(jù)冗余。由圖13、14、15 可以看出,對于不同參數(shù),本文壓縮算法均能夠有效改變數(shù)據(jù)的數(shù)值分布,消除數(shù)據(jù)之間的空間冗余,從而提高壓縮效率。

圖13 反射率原始與殘差對比圖

圖14 徑向速度原始與殘差對比圖

圖15 ZDR原始與殘差對比圖

為驗證本文算法的對相控陣天氣雷達數(shù)據(jù)的壓縮性能,對比幾種通用算法Gzip、WinZip、Bzip2 以及用于天氣雷達的線性預(yù)測壓縮算法LP[15]。對江蘇興化CHARTOR-XPARD 雙偏振相控陣雷達隨機選取30 組PPI 數(shù)據(jù)進行壓縮。表2 表明,本文算法能有效提高相控陣天氣雷達數(shù)據(jù)壓縮率,相比于通用算法的壓縮性能提高16%～22%。根據(jù)天氣情況的不同,壓縮率隨著數(shù)據(jù)量的變化而變化,一般情況下,晴天壓縮率更高,大面積降雨壓縮率較低。

表2 CHARTOR-XPARD 數(shù)據(jù)不同算法壓縮率比較

4 結(jié)束語

相控陣天氣雷達性能較CINRAD 雷達有大幅度提升,雷達數(shù)據(jù)精度的提升導(dǎo)致數(shù)據(jù)量急劇增長,增強了雷達對各種極端氣候環(huán)境的跟蹤探測能力。由于雷達數(shù)據(jù)量過大而不太方便實時傳送數(shù)據(jù)和數(shù)據(jù)保存,影響了相控陣天氣雷達業(yè)務(wù)化。使用本文預(yù)測算法可快速高效地實現(xiàn)相控陣天氣的雷達數(shù)據(jù)壓縮,可減少雷達數(shù)據(jù)之間數(shù)據(jù)的相關(guān)冗余性,實現(xiàn)對相控陣天氣的雷達數(shù)據(jù)進行的無損壓縮,比一般的通用數(shù)據(jù)壓縮算法壓縮率有明顯提高,為相控陣天氣雷達實現(xiàn)業(yè)務(wù)化提供技術(shù)支持?，F(xiàn)有相控陣天氣雷達數(shù)據(jù)壓縮率仍有提升的空間,針對相控陣雷達數(shù)據(jù)特點進行量化的有損壓縮算法以及結(jié)合應(yīng)用需求的有損壓縮算法,適應(yīng)雷達數(shù)據(jù)熵編碼算法,將是值得關(guān)注的研究方向。