【技术实现步骤摘要】
本专利技术涉及采用无线电波的反射或再辐射的定位或存在检测领域。具体而言，涉及一种毫米波云雷达湍流杂波滤除方法。
技术介绍
1、受大气湍流、人类活动和昆虫等影响，毫米波云雷达在边界层有较强的非气象雷达回波。据统计，ka波段云雷达回波70%～80%的观测时间在边界层会受到晴空回波的影响，极大地限制了毫米波云雷达低云识别能力，国内外很多学者分别从生态学和大气折射率两个角度对这类回波进行解释，认为这类回波主要起源于昆虫、飞鸟或大气折射不均匀结构对微波的散射，即湍流大气造成对雷达回波的散射。
2、低空杂波的存在可能会掩盖云和降水的真实特征，导致误判和不准确的数据，所以对这类低空杂波的滤除具有重要的意义。然而这类杂波与常见的低空浮游物杂波不同，不能通过设置合适的悬浮物杂波阈值以滤除这类杂波，因此，亟需一种方法以高效快速准确地滤除低空杂波。
技术实现思路
1、本专利技术正是基于现有技术的上述需求而提出的，本专利技术要解决的技术问题是一种毫米波云雷达湍流杂波滤除方法以高效快速准确地滤除低空杂波，进而更好地探测云中的微物理结构和降水过程。
2、为了解决上述问题，本专利技术是采用如下技术方案实现的：
3、一种毫米波云雷达湍流杂波滤除方法，该方法包括：获取云雷达的功率谱数据；对功率谱数据进行预设处理，得到二维第一数据组，所述第一数据组包括偏度值和峰度值；计算所述第一数据组与原点之间的第一距离；对所述第一距离进行svm模型处理得到第一阈值，所述第一阈值将所述第一距离划分
4、优选地，对功率谱数据进行预设处理得到二维第一数据组，包括：根据所述功率谱数据得到噪声电平；基于所述噪声电平识别得到云信号段；基于所述云信号段得到第一数据组。
5、优选地，所述根据所述功率谱数据得到噪声电平，包括：将功率谱数据平均分为多段；计算每一段数据的平均功率；取最小的平均功率作为噪声电平。
6、优选地，所述基于所述噪声电平识别得到云信号段，包括：搜索功率谱数据中高于所述噪声电平的连续信号段；若所述连续信号段的信噪比大于预设噪声阈值，且所述连续信号段包含的谱点超过预设谱点数量，则该段为云信号段；否则该段为噪声段；在全部噪声段中，获取噪声功率最大值，并将其作为噪声段与云信号段的分界线。
7、优选地，所述基于所述云信号段得到第一数据组，包括：对所述云信号段积分得到平均多普勒速度，其表达式为：其中，表示平均多普勒速度，表示云信号段与所述分界线的左端交点， r表示云信号段与所述分界线的右端交点，表示谱点对应的信号强度，表示谱点对应的多普勒速度值；根据所述平均多普勒速度，对所述云信号段处理得到谱宽，其表达式为：其中，表示均方根谱宽，表示谱宽；根据所述平均多普勒速度和所述谱宽，对所述云信号段处理得到偏度和峰度，其表达式为：中，表示偏度，表示峰度，表示的三次方，表示的四次方。
8、优选地，所述预设处理还包括：对所述偏度值和峰度值分别进行标准化处理，其表达式为：其中，z1表示标准化后的偏度值，x1表示偏度值，u1表示偏度值的平均值，s1表示偏度值的标准差；z2表示标准化后的峰度值，x2表示峰度值，u2表示峰度值的平均值，s2表示峰度值的标准差；对标准化后的偏度值和峰度值分别进行归一化处理，得到二维第一数据组，其表达式为：其中，表示归一化后的偏度值，xmin1表示标准化的最小偏度值，xmax1表示标准化的最大偏度值；表示归一化后的峰度值，xmin2表示标准化的最小峰度值，xmax2表示标准化的最大峰度值。
9、优选地，计算所述第一数据组与原点之间的第一距离，其表达式为：其中，表示第个第一数据组与原点的第一距离，表示第个第一数据组中的偏度值，表示第个第一数据组中的峰度值， m表示原点的横坐标， n表示原点的纵坐标。
10、优选地，对所述第一距离进行svm模型处理得到第一阈值，包括：获取多个历史功率谱数据；对所述历史功率谱数据处理得到历史第一数据组；计算所述历史第一数据组与原点之间的历史第一距离；将历史第一距离划分为训练集和验证集；通过对训练集进行无监督学习以训练svm模型，以及利用验证集调整svm模型的超参数，获得训练后的svm模型；将所述第一距离输入至训练后的svm模型中，得到第一阈值。
11、优选地，基于所述第一阈值和所述对应关系对所述第一距离进行处理，获得滤除杂波后的回波信号，包括：
12、其中，表示窗口中心点的横坐标，表示窗口中心点的纵坐标，表示窗口的中心值，表示第一阈值，表示第一类数据的频数，表示第二阈值，表示第二类数据的频数，表示第三阈值，表示更新后窗口的中心值。
13、优选地，所述基于所述第一阈值和所述对应关系对所述第一距离进行处理重复执行2-3次。
14、与现有技术相比，本专利技术提供一种毫米波云雷达湍流杂波滤除方法，以偏度值和峰度值作为第一数据组，计算与原点的距离，变为一维数据，此一维距离能够作为区分杂波和云粒子，并且用一维数据训练神经网络能够加快训练速度，数据使用量也更少，不用挑选大量的训练集进行训练，也不需计算机进行长时间的训练，就可以得到实时的结果。进一步地，将距离与去噪阈值建立联系以滤除杂波，提高算法精度。
本文档来自技高网...【技术保护点】
1.一种毫米波云雷达湍流杂波滤除方法，其特征在于，包括：
2.根据权利要求1所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，对功率谱数据进行预设处理得到二维第一数据组，包括：
3.根据权利要求2所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述根据所述功率谱数据得到噪声电平，包括：
4.根据权利要求2所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述基于所述噪声电平识别得到云信号段，包括：
5.根据权利要求4所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述基于所述云信号段得到第一数据组，包括：
6.根据权利要求1所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述预设处理还包括：
7.根据权利要求1所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，计算所述第一数据组与原点之间的第一距离，其表达式为：
8.根据权利要求1所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，对所述第一距离进行SVM模型处理得到第一阈值，包括：
9.根据权利要求1所述的一种毫米波
10.根据权利要求1所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，包括：
...【技术特征摘要】
1.一种毫米波云雷达湍流杂波滤除方法，其特征在于，包括：
2.根据权利要求1所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，对功率谱数据进行预设处理得到二维第一数据组，包括：
3.根据权利要求2所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述根据所述功率谱数据得到噪声电平，包括：
4.根据权利要求2所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述基于所述噪声电平识别得到云信号段，包括：
5.根据权利要求4所述的一种毫米波云雷达湍流杂波滤除方法，其特征在于，所述基于所述云信号段得到第一数据组，包括：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：段婧，余长伯，赵志强，杨玲，
申请(专利权)人：中国气象局人工影响天气中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。