基于压缩感知的低空风切变风速估计方法技术

一种基于压缩感知的低空风切变风速估计方法。其包括以下步骤：1)利用多普勒矢量构建冗余字典，以实现回波信号的稀疏表示；2)构造测量矩阵；3)计算信号压缩后的测量值；4)利用正则化正交匹配追踪算法重构稀疏信号；5)利用复幅度估计值中的非零值获得雷达回波信号的多普勒频率估计；6)计算杂波抑制后复幅度估计值中最大值的位置，即为风切变信号的风速估计结果；7)重复步骤3)-6)，依据距离单元数判断风速估计是否完成，依次对范围内的所有距离单元的回波数据进行风速估计。本发明专利技术针对脉冲数较少且信噪比较低时风速估计精度变差的问题，提出了一种基于压缩感知的低空风切变风速估计方法。该发明专利技术方法能够在获得精确风速估计的同时使得频谱分辨率大大提高，即能够很好地区分在频域间隔很近的风切变与地杂波信号。

【技术实现步骤摘要】

本专利技术属于机载气象雷达低空风切变检测
，特别是涉及一种。
技术介绍
作为对航空运输安全威胁最大的天气现象之一，低空风切变主要是指在航空器起降阶段，在相同或不同高度(在600m左右)的较短距离内，风向或风速发生快速变化的天气现象。低空风切变发生突然并且具有持续时间短、影响强度大、危险性高等特点。由于在飞机起降阶段可操纵的高度空间受限，若风切变强度较大就会极易引发严重的坠机事故。因此，低空风切变探测技术的研究已成为现代航空运输领域的一个重要课题。2004 年，由 Donoho、Candes 和 Tao 等人提出的压缩感知(Compressive Sensing,CS)理论是一种充分利用信号的稀疏性或可压缩性来实现信号处理的基础理论。该理论的应用提供了降低信号采样率的可能性，实现了信号采样理论的深刻变革，并具有广阔的应用前景，目前其研究成果已应用在光学成像、模拟信息转换、生物传感、图像融合、SAR目标识别、波形信号仿真分析、探地雷达成像、雷达目标探测和目标波达方向(Direction ofArrival, D0A)估计等诸多领域。机载气象雷达下视探测低空风切变时，接收到的回波数据无可避免地要受到地杂波信号的影响。一般来说，由于相对运动速度的不同，回波信号的频谱中包括风切变信号和地杂波信号产生的两个频率谱峰，简称为双峰谱。依据风速估计时是否采用杂波抑制滤波器，常用的风速估计方法分为两大类。当功率谱为双峰谱时，即考虑在不抑制杂波情况下的信号频谱，常采用的方法包括基于参数化模型的谱估计方法和利用模式分析的扩展Prony方法；当功率谱为单峰谱时，即考虑没有杂波影响或抑制杂波后的信号频谱，应用最广的估计方法是在时域分析基础上利用相关信息的脉冲对(Pulse Pair Processing,PPP)法和基于频域分析的快速傅里叶变换(Fast Fourier Transform,FFT)法。总体来说，由于算法简单，运算量及硬件实现的设备量较小等优点，因此PPP法在气象雷达信号处理中的应用较广，但当信噪比较低时，其估计性能变差。由于FFT法在频域进行分析，因此能够较好地分辨非气象回波，在地杂波抑制方面要优于脉冲对法。但是，由于FFT法的谱分辨力受数据长度的限制，特别是在数据长度短和低信噪比时，FFT法和PPP法的风速估计性能均会变差。机载气象雷达回波信号中三个重要的气象目标参数是:信号功率、平均速度和谱宽。其中，平均速度反映了气象目标的运动特征。在实际的机载气象雷达风切变检测系统中，水平风速可由雷达回波的多普勒频移来获取。针对脉冲数较少且信噪比较低时，现有的FFT法和PPP法等风速估计方法存在谱分辨力受限，估计性能下降等技术难题。因此，研究在脉冲数较少且信噪比较低时的风速估计问题具有十分重要的现实意义。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种在脉冲数较少且信噪比较低时，仍然具有较高风速估计精度的。为了达到上述目的，本专利技术提供的包括按顺序进行的下列步骤:I)根据机载气象雷达回波信号的稀疏性，利用多普勒矢量构建冗余字典，以实现回波信号的稀疏表不;2)构造测量矩阵；3)计算信号压缩后的测量值；4)利用正则化正交匹配追踪算法，重构稀疏信号；5)利用复幅度估计值中的非零值，获得雷达回波信号的多普勒频率估计；6)计算杂波抑制后复幅度估计值中最大值的位置，即为风切变信号的风速估计结果;7)重复步骤3) -6)，依据距离单元数判断风速估计是否完成，依次对范围内的所有距离单元的回波数据进行风速估计。所述的步骤I)中对回波信号进行稀疏表示时，其稀疏度为K，即回波信号在稀疏域的表示系数只有K个非零值，并且K远小于信号长度。所述的步骤2)中的测量矩阵为高斯随机矩阵。所述的步骤4)中的正则化正交匹配追踪算法的实现步骤主要包括:利用相关性筛选原子，计算相关系数中K个最大值所对应的索引值，将其存入候选集中；将候选集中索引值对应原子的相关系数拆分成若干组进行正则化处理，选择能量最大的一组，即实现利用正则化原则筛选信号支撑点；更新支撑集和索引值集合；采用最小二乘法进行信号逼近，并更新余量；当索引值集合中的原子数大于等于两倍的稀疏度K时，停止迭代，即实现信号重构。所述的步骤5)中多普勒频率估计包括风切变信号和地杂波信号的多普勒频率估计。所述的步骤6)中地杂波抑制的方法是:利用回波信号的多普勒频率分布特性，将位于零多普勒频率附近的估计值置零。所述的步骤7)中依次对范围内的所有距离单元的回波数据进行风速估计的方法是:考虑波束照射区域所对应的最大距离单元以内的雷达回波数据，从最近的距离单元开始计算。本专利技术提供的具有如下优点和积极效果:与现有技术相比，本专利技术方法根据雷达回波中风切变信号相对于背景的稀疏性，利用多普勒矢量构建一个冗余字典以实现信号的稀疏表示，采用观测矩阵对信号进行压缩处理，并通过信号重构算法恢复该稀疏信号，实现风速的精确估计。当脉冲数较少且信噪比较低时，本专利技术方法能够在获得精确风速估计的同时使得频谱分辨率大大提高，即能够很好地区分在频域间隔很近的风切变与地杂波信号。附图说明图1为压缩感知理论的基本流程图。图2为本专利技术提供的流程图。图3为FFT方法与本专利技术方法估计信号的频谱对比图。图4为利用本专利技术方法抑制杂波后的回波信号频谱分布图。图5 (a)为脉冲数为50时全距离单元的风速估计结果。图5(b)为脉冲数为50时风切变信号风速估计局部图。图6 (a)为脉冲数为32时全距离单元的风速估计结果。图6(b)为脉冲数为32时风切变信号风速估计局部图。具体实施例方式下面结合附图和具体实施例对本专利技术提供的进行详细说明。如图2所示，本专利技术提供的包括按顺序进行的下列步骤:I)根据机载气象雷达回波信号的稀疏性，利用多普勒矢量构建冗余字典，以实现回波信号的稀疏表不; 假设检测低空风切变所用的相干处理脉冲数为队(S卩，信号长度为队)，脉冲重复频率为Fp将多普勒频率范围(0-FJ等分成N个离散的频点f1;f2，…，fN。其中，j为虚数单位，频点A的多普勒矢量可以表示为:本文档来自技高网...

【技术保护点】
一种基于压缩感知的低空风切变风速估计方法，其特征在于：针对某一距离单元的回波数据，所述的风速估计方法包括按顺序进行的下列步骤：1)根据机载气象雷达回波信号的稀疏性，利用多普勒矢量构建冗余字典，以实现回波信号的稀疏表示；2)构造测量矩阵；3)计算信号压缩后的测量值；4)利用正则化正交匹配追踪算法重构稀疏信号；5)利用复幅度估计值中的非零值获得雷达回波信号的多普勒频率估计；6)计算杂波抑制后复幅度估计值中最大值的位置，即为风切变信号的风速估计结果；7)重复步骤3)?6)，依据距离单元数判断风速估计是否完成，依次对范围内的所有距离单元的回波数据进行风速估计。

【技术特征摘要】
1.一种基于压缩感知的低空风切变风速估计方法，其特征在于:针对某一距离单元的回波数据，所述的风速估计方法包括按顺序进行的下列步骤: 1)根据机载气象雷达回波信号的稀疏性，利用多普勒矢量构建冗余字典，以实现回波信号的稀疏表不; 2)构造测量矩阵； 3)计算信号压缩后的测量值； 4)利用正则化正交匹配追踪算法重构稀疏信号； 5)利用复幅度估计值中的非零值获得雷达回波信号的多普勒频率估计； 6)计算杂波抑制后复幅度估计值中最大值的位置，即为风切变信号的风速估计结果； 7)重复步骤3)-6)，依据距离单元数判断风速估计是否完成，依次对范围内的所有距离单元的回波数据进行风速估计。2.根据权利要求1所述的基于压缩感知的低空风切变风速估计方法，其特征在于:所述的步骤I)中对回波信号进行稀疏表示时，其稀疏度为K，即回波信号在稀疏域的表示系数只有K个非零值，并且K远小于信号长度。3.根据权利要求1所述的基于压缩感知的低空风切变风速估计方法，其特征在于:所述的步骤2)中的测量矩阵为高斯随机矩阵。4.根据权利要求1所述的基于压缩感知的低空风切变风速估计...

【专利技术属性】
技术研发人员：吴仁彪，韩雁飞，李海，张彪，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：