基于改进岭回归的气象雷达风力涡轮机杂波抑制方法技术

本发明专利技术公开了一种基于改进岭回归的气象雷达风力涡轮机杂波抑制方法，该发明专利技术针对回归模型中数据存在较强的共线性时，导致参数估计值不稳定且估计精确度较低的问题，首先引入加权岭回归模型，接着采用广义交叉验证(GCV)获取岭回归模型中的最优回归参数，进而求解被风力涡轮机杂波(WTC)污染的气象信号谱矩信息。本发明专利技术在低信噪比条件下估计精度高、运算量小，易于工程实施。

Wind turbine clutter suppression method based on improved ridge regression

【技术实现步骤摘要】
基于改进岭回归的气象雷达风力涡轮机杂波抑制方法
本专利技术涉及一种基于改进岭回归的气象雷达风力涡轮机杂波抑制方法，属于雷达杂波抑制领域。
技术介绍
研究表明，风力涡轮机对雷达、通信导航等电子设备产生重大干扰。针对气象雷达，现有的杂波抑制技术无法有效抑制风力涡轮机杂波，且会造成原有的气象信息损失，严重影响气象信息的预测精度。常规的风力涡轮机杂波抑制方法主要分为两种—时域、频率滤波方法。时域滤波考虑地物杂波如植被内部运动引起的多普勒频谱展宽，气象雷达进一步引入了自适应处理方法，即根据接收杂波信号自适应调整时域滤波器阻带的位置和宽度，提高对地物杂波的抑制性能，而频域滤波将气象雷达接收信号的自相关函数通过加权FFT得到其地物杂波与气象回波的功率谱，对零多普勒单元输出信号直接置零，实现对静止地物杂波的有效抑制。两种滤波算法都是基于杂波信号与气象回波在多普勒域或二维距离－多普勒域可分离条件，对杂波进行有效抑制。但风力涡轮机杂波由于大型叶轮高速旋转，其多普勒频谱严重展宽甚至产生混叠，因此气象回波淹没在风力涡轮机杂波中，导致时、频滤波均无法在抑制杂波信号的同时实现对气象信号的无损保留。近年来，气象雷达风力涡轮机杂波抑制技术已引起国内外学者的高度重视，利用仿真和实测数据，各国科学家详细分析了气象雷达不同工作模式下的风力涡轮机杂波与气象回波的时、频域分布特性，相应提出了不同抑制算法。Kong等提出的自适应谱处理算法，Nail提出的距离-多普勒回归(RDR)算法，Yan等提出的基于自适应滤波器(如维纳滤波器等)的涡轮机杂波抑制方法以及Frank等提出的信号分离法等。其中回归算法由于模型简单，运算效率高而被广泛应用于杂波抑制，但受风电场规模、风机转速、气象雷达工作模式等实际条件限制，上述算法均无法兼顾风力涡轮机杂波抑制与气象信息无损恢复。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于改进岭回归的气象雷达风力涡轮机杂波抑制方法，改善了距离多普勒回归(RDR)被污染距离单元气象信号谱矩信息拟合精度较低的问题。本专利技术为解决上述技术问题采用以下技术方案：本专利技术提供一种基于改进岭回归的气象雷达风力涡轮机杂波抑制方法，包括如下具体步骤：步骤一、气象雷达接收端回波信号为：假定气象雷达第i个距离单元Ci接收到风力涡轮机杂波WTC信号，其第k个脉冲下接收信号Ci(k)为：Ci(k)＝si(k)+wi(k)+ni(k),k＝1,...,K其中si(k)、wi(k)、ni(k)分别表示第i个距离单元在第k个脉冲时接收的气象信号、WTC信号和噪声信号，K为雷达相干积累脉冲数；与第i个距离单元相邻的第j个距离单元Cj未接收到WTC信号，其在第k个脉冲下接收信号Cj(k)为：Cj(k)＝sj(k)+nj(k)其中sj(k)、nj(k)分别表示第j个距离单元在第k个脉冲时接收的气象信号、噪声信号；步骤二、相邻距离单元气象信息提取，具体为：在存在WTC污染的第i个距离单元Ci两侧各取10个距离单元，得到相邻距离单元气象信号包含功率、多普勒速度和谱宽在内的谱矩参数；2.1构建拟合矩阵X：其中rl表示第l个距离单元上散射点的斜距，l＝i-10,...,i+10，X的维数为L×M，L为选取的距离单元数，取L＝20，M为多项式阶数，取M＝3；构建包括受WTC污染的第i个距离单元在内的拟合估计矩阵X*：2.2谱矩参数计算：平均多普勒速度估计为：平均速度谱宽估计为：平均功率估计为：p＝R0l其中，λ为雷达工作波长，PRF为雷达脉冲重复频率，∠表示取相位角，R0l表示第l个距离单元回波信号序列零延迟自相关参数，R1l表示第l个距离单元的回波信号序列一阶自相关参数；根据上述平均多普勒速度估计、平均速度谱宽估计和平均功率估计公式，计算第i个距离单元内气象信号三个谱矩参数的估计值：第i个距离单元内气象信号的平均多普勒速度估计vi_est、平均速度谱宽估计σi_est、平均功率估计pi_est；步骤三、受WTC污染的气象信号谱矩信息拟合估计，具体为：3.1建立加权岭回归模型加权岭回归模型的代价函数如下：min{||Xβridge-Y||2+kridge||βridge||2}加权岭回归模型的岭回归系数如下：βridge＝(XTWX+kridgeI)-1XTWY其中Y为步骤2.2中计算得到的谱矩参数估计值构成的矩阵，kridge为岭回归参数，W为各个距离单元对应的拟合权重构成的矩阵，第j个距离单元对应的拟合权重Lprox为距离阈值；3.2求解最优岭回归参数假设拟合矩阵X的奇异值分解为：X＝UDV其中U为L阶正定矩阵，V为M阶正定矩阵，D为L×M维矩阵，其对角线元素为XTX特征值λn的平方根，n＝1,2,...M；利用广义交叉验证GCV求解最优岭回归参数即求满足广义交叉验证函数取极小值时对应的参数3.3求解岭回归系数3.2中得到的最优岭回归参数代入βridge＝(XTWX+kridgeI)-1XTWY，由拟合估计矩阵X*得到Y的拟合估计为：由此得到第i个距离单元内气象信号谱矩参数的拟合估计值构成的矩阵即得到第i个距离单元内气象信号的平均多普勒速度拟合估计vi_ridge、平均速度谱宽拟合估计σi_ridge、平均功率拟合估计pi_ridge；进而实现被污染距离单元中气象信号回波信息的高精度恢复，完成WTC的有效抑制。作为本专利技术的进一步技术方案，步骤3.2中广义交叉验证验证函数如下：其中本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、采用加权的回归模型，通过在求解最优回归参数中引入广义交叉验证(GCV)，优化求解过程，保证所求得的岭回归系数对于共线性的鲁棒性更强，进而实现被污染距离单元中气象信号回波信息的高精度恢复；2、仿真实验结果表明，基于改进岭回归的气象雷达风力涡轮机杂波抑制算法在低信噪比条件下的气象信息的拟合误差更小，与距离-多普勒回归算法(RDR)对比，恢复的精度更高。附图说明图1为风力涡轮机几何模型图；图2为相干处理脉冲数K＝128时的WTC多普勒谱；图3为本专利技术信号处理流程图；图4为应用广义交叉验证(GCV)求解的最优岭回归参数；图5为与RDR算法的平均多普勒速度拟合误差对比；图6为与RDR算法的平均速度谱宽拟合误差对比；图7为与RDR算法的平均功率拟合误差对比。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：三叶片风力涡轮机的结合模型如图1所示，以涡轮机叶片轴心O为坐标原点建立坐标系，轮机的旋转面为yoz面，x轴垂直于旋转面。P为叶片上任一散射点，为雷达视线(LineofSight，LOS本文档来自技高网...

【技术保护点】
1.基于改进岭回归的气象雷达风力涡轮机杂波抑制方法，其特征在于，包括如下具体步骤：/n步骤一、气象雷达接收端回波信号为：/n假定气象雷达第i个距离单元C

【技术特征摘要】
1.基于改进岭回归的气象雷达风力涡轮机杂波抑制方法，其特征在于，包括如下具体步骤：
步骤一、气象雷达接收端回波信号为：
假定气象雷达第i个距离单元Ci接收到风力涡轮机杂波WTC信号，其第k个脉冲下接收信号Ci(k)为：
Ci(k)＝si(k)+wi(k)+ni(k),k＝1,...,K
其中si(k)、wi(k)、ni(k)分别表示第i个距离单元在第k个脉冲时接收的气象信号、WTC信号和噪声信号，K为雷达相干积累脉冲数；
与第i个距离单元相邻的第j个距离单元Cj未接收到WTC信号，其在第k个脉冲下接收信号Cj(k)为：
Cj(k)＝sj(k)+nj(k)
其中sj(k)、nj(k)分别表示第j个距离单元在第k个脉冲时接收的气象信号、噪声信号；
步骤二、相邻距离单元气象信息提取，具体为：
在存在WTC污染的第i个距离单元Ci两侧各取10个距离单元，得到相邻距离单元气象信号包含功率、多普勒速度和谱宽在内的谱矩参数；
2.1构建拟合矩阵X：



其中rl表示第l个距离单元上散射点的斜距，l＝i-10,...,i+10，X的维数为L×M，L为选取的距离单元数，L＝20，M为多项式阶数，M＝3；
构建包括受WTC污染的第i个距离单元在内的拟合估计矩阵X*：



2.2谱矩参数计算：
平均多普勒速度估计为：



平均速度谱宽估计为：



平均功率估计为：
p＝R0l
其中，λ为雷达工作波长，PRF为雷达脉冲重复频率，∠表示取相位角，R0l表示第l个距离单元回波信号序列零延迟自相关参数，R1l表示第l个距离单元的回波信号序列一阶自相关参数；
根据上述平均多普勒速度估计、平均速度谱宽估计和平均功率估计公式，计算第i个...

【专利技术属性】
技术研发人员：沈明威，吉雨，姚旭，王晓冬，万晓玉，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32