风廓线雷达大风天气地杂波抑制方法的研究

易成龙 ，吴 蕾

（1.成都信息工程学院 四川 成都 610225；2.中国气象局气象探测中心 北京 100081）

风廓线雷达探测时，对湍流回波目标检测影响最大、最常见的是出现在功率谱分布上零速度附近的地杂波[1]。大风天气经常会对地杂波产生很大影响，风廓线雷达经常在1～2 km的高度之下产生很强的地杂波，而气象回波很弱，经常混叠在地杂波干扰谱中，很多杂波都能掩盖真实的气象回波，在峰值的检测上往往被误判为气象目标，常规的杂波抑制方法已无法有效去除地杂波,这对风场反演产品的精度造成很大的影响。

可见，对于大风天气地物杂波干扰的去除变得十分重要。为了实现对地物杂波干扰的有效去除，基于以上分析，本文通过吸收均值方法和槽口端点连线法的思想，以做到实时业务为目标，不进行繁琐的计算，提出了目标物的综合识别法，主要是针对强风下地杂波干扰的问题，利用极小值法对其进行去除，再通过连续性检验等一系列综合识别法步骤对有用信号峰值进行标识，得到高精确度的风场信息。

1 回波信号特征参量分析

风廓线雷达接收的回波信号包括大气湍流的后向散射回波、系统噪声回波以及受地物影响的杂波[2]。在频域中回波信号多普勒功率谱表现为在均匀噪声谱之上的气象信号谱峰，以及地杂波谱峰。地杂波的形成是由于靠近达的静止目标，例如建筑物，树等散射信号进入天线旁瓣。在频域上表现为在零频附近[3]，谱宽相比于湍流信号谱较窄，而当大风条件时，通常会在零频产生较宽的地杂波信号，能量通常会高出湍流回波信号几个数量级。气象回波信号经常弱于地杂波信号，甚至完全被掩没。地杂波信号功率谱和回波信号功率谱特征都为近似的高斯分布谱[4]，机内噪声功率谱在整个频域范围内可以被认为是均匀分布的。

2 传统地杂波抑制处理

时域对信号的处理主要是为了滤波，获取没有受到杂波污染的大气返回信号。目前，时域中对地物杂波的抑制方法主要采用DSP板中嵌入滤波器进行滤波[5]。这在硬件上即可完成，优势是方便雷达对杂波的快速实时去除，但也存在残留杂波的现象。Jordan，Lataitis等人在1997年提出基于小波变换的去地杂波方法[6]，即将时域信号变换到小波域中，在小波域中把晴空回波与杂波区分，并将杂波去除。针对零频附近的地杂波与大气信号部分重叠的情况，小波变换能较好地抑制杂波，对湍流信号的影响很小。但由于小波Mallat变换需要进行较多次卷积计算，这会增加雷达信号处理中的计算难度。除此，小波系数阈值的选取并没有确切的定值，阈值是否合适将会影响到地物杂波的去除效果。

频域中对地杂波抑制的主要目的是获取真实回波信号谱，NOAA的风廓线雷达业务运行网中采用了均值法来去除地杂波的方法[7]，这些方法在一般情况下，即风力较小时对地杂波抑制的效果明显，但当风力过大时，地杂波信号谱宽较宽，信号过强，大气信号完全淹没在地物杂波中，往往此刻的均值法已无法消除功率谱中杂波信号谱的部分，从而导致多普勒频移产生计算上的偏差，影响雷达产品的精度。因此，地杂波的抑制要考虑到实际的天气条件，选取合理的方法。

3 气象目标的综合识别法研究

本文研究提出了基于极小值去地杂波的目标综合识别法，它主要包含以下几点：以分段平均法确定噪声电平；以高于噪声电平的极大值来初步确定信号峰值；以对峰值位置的区分检测进一步确定地杂波信号；以对地杂波的极小值法去除地杂波的影响；再通过各高度层之间的连续性检测进行调整；最后对识别出的信号谱峰信息求得各阶矩。

3.1 谱的预处理

对风廓线雷达探测的功率谱进行预处理，主要包含以下方面：3点滤波平滑，去噪电平。3点滑动平均的主要功能是对于一些“飞点数据”进行剔除。在谱数据中有时会存在一些值特别大的数据点，属于偶尔干扰，它们的分布一般比较零散，谱线很窄，即只在某些个别点出现，对谱进3点滑动平均处理是去除这些尖峰值点的最简单的办法。

风廓线雷达输出的整个功率谱图中，信号和各种杂波干扰的谱在横坐标轴上一般都只占谱的一部分，因此可将整个谱等分为十六段，计算每一段的平均值，由于强一些的信号谱及干扰谱共处在十六段中的某一段内，故可将其余段的平均值中的最小值作为噪声电平。这种计算噪声电平的计算方法叫做“分段平均法”。

3.2 谱峰的初步检测

风廓线雷达信号峰值目标检测的基本假定：谱数据经过初步的去噪电平和滑动滤波，在功率谱分布图上，湍流回波信号谱峰都应该高于茅草，其功率谱密度值是最大值。

图1为一次实际探测的5个指向波束的谱峰初步检测结果，图中星号标记表示谱峰位置。

图1 谱预处理后的五波束功率谱图Fig.1 Five beams of power Spectrum figure after pretreatment

进行谱峰初步检测的做法是：在功率谱上从第一个点开始，前一个点与下一个点对应的功率谱值进行对比，选取大值，直至将所有点计算完毕，最终留下的极大值对应点所在的位置标记为峰值点，然后去寻找下一个谱极值大点，直到5波束下所有库层的谱线信号峰值点都找到。

仔细分析图1可见，在南波束870 m、750 m、630 m距离，西波束在390 m、270 m距离，北波束在870 m、510 m、270 m、150 m距离都有一个共同特征，初步检测出的谱峰位于零速度点，而在零速度点峰值附近有一个十分小的谱线包络，而且这个小谱峰所在的位置与上一个高度层（或下一高度层）检测出的谱峰具有更好的高度连续性。人眼可以直观的分析认为这个小谱峰应该才是湍流回波信号谱峰，只是由于所在高度的湍流回波信号弱于地杂波，因此计算机进行谱峰初步检测时检测到了零速度点的地杂波位置。如果能切除掉这些高度上功率谱分布在零速度点附近的这段谱，估计计算机就可以检测出这个小峰值。

当然，对于计算机程序承担的自动实时检测而言，是无法让人来指定哪些高度可以切除零速度点附近的一段谱的，因此，必须在初步检测后，继续进行如下的分类检测。

3.3 分类检测

这一步是剔除地杂波影响的关键一步。其主要思想是根据地杂与信号强弱在不同高度层的不同形态，进行分类处理。主要做法是：判断初步检测出的谱峰点是否在零频附近正负3点，如果峰值点跨越了此范围，认为此高度的湍流信号可以被识别出，且未受地杂波干扰，标记为可信；对在此范围内的峰值点，可以判定为地杂波信号，需要进行地杂波的去处计算。

常规的方法是采用均值滤波器对其进行抑制，即在以0频点为中心进行3点，5点，7，9，11点均值处理，其中3，5，7，9，11等称为槽口宽度。

槽口是一个以0频为中心的对称的矩形窗口，在实际应用过程中，选择适当的槽口宽度对处理结果非常重要，但是这种方法对地杂波的抑制效果并不理想，由于地杂波在风力条件下回波谱宽较宽，信号强度大，一般方法无法对地物杂波有效的去除，地杂波的抑制效果不够理想。

本文在分析了常规均值滤波法和槽口端点连线法的基础上根据实际的谱数据，针对大风天气状况，提出了一种改进的风廓线雷达地物杂波抑制方法，其基本思想是以杂波峰值为中心，从峰值左右两侧依次向左右寻找极小值，判断为极小值后，取两极小值中更小的那个值作为端点值构造直线，然后用直线上点代替两极小值范围中的值，具体方法如下：

在风廓线雷达谱数据处理中，将已识别出的杂波峰值记为S(N)，N为具体杂波峰值点所处功率谱采样点中的位置。假设K1，K2分别为杂波峰两侧邻近的极小值点位置，则以min[S(N-K1),S(N+K2)]为端点值构造一条直线，取代原始[K1K2]中的所有采样点的原值。

以北京延庆站风廓线雷达为例，图2上图为延庆风廓线雷达2 km以下某一个距离库上的原始功率谱线图，图2中零频处杂波功率很强，大约是湍流回波信号功率的4倍，若不进行地物抑制，只是采用常规均值滤波法是无法对地杂波进行有效去除，再采用传统方法取最大值点作为湍流回波时，其后果就是对湍流目标的错误识别，导致随后的合成分风数值错误，影响产品数据精度。

从图2下图可以看出，采用本文提出的极小值抑制大风天气状况的地杂波，对已辨别出的0频处窄而高的地杂波完全被清除，只留下旁侧的真实回波信号，大气湍流回波信号明显抬升，抑制效果十分明显。

图2 极小值法去地物杂波Fig.2 Minimum method to remove clutter

在初始检测的基础上，对功率谱图进一步采用极小值法去地杂波后，对每个波束指向探测的各高度层之间的径向速度值进行连续性检测如果所有高度层之间都通过连续性检测，那是最理想的，但由于湍流的间隙性，或者受到干扰，中间常常有一些高度层谱分布像茅草，检测的目标谱峰的可信度比较差，无法通过与其他高度层之间的连续性检测。对于这种情况，可利用通过了连续性检测的高度层的径向速度值，产生一个径向速度变化范围，在未通过连续性监测的高度层的功率谱上搜寻谱峰，作为该高度层新的目标峰位置，从而完成对断层的连续性修复。图3为经过连续性检测之后的谱峰，这也是综合识别法最终的检测结果。

图3 应用目标综合识别方法的功率谱图Fig.3 Application of comprehensive target recognition method of Spectrum figure

图1、3为地杂波去除前后的5个波束示意图，图1标识的功率谱存在地杂波干扰，图3表示经过目标综合识别方法后的功率谱。

根据极小值所处的位置连线，切除地杂波后，气象回波信号显露，可以被计算机识别。在低模式下150～1 590 m距离之间谱的检测结果有明显改善。对比图1和图3可以看出，垂直波束在870 m，750 m距离，南波束在870 m，750 m，630 m距离，西波束在990 m，390 m，270 m距离原来位于零速度附近的谱峰检测结果，经过地杂波去除后，检测到了零频附近原有小谱峰位置，从上下高度层的连续性来看，检测所得结果更趋于合理。

在对5个波束探测数据完成目标检测之后，可以根据目标峰值功率点所在位置计算出五波束方向上各个距离库上的径向速度，然后根据五波束水平风的合成法公式，便可以计算出水平风的大小和方向，将水平风做成风廓线雷达产品图，即风羽图予以显示不同模式下探测高度范围内的风速风向，如图4，5 所示。

图4 常规质控后的风羽图Fig.4 Routine quality control of wind feather figure

图5 目标综合识别方法后的风羽图Fig.5 Comprehensive target recognition method of wind feather figure

选取2014年3月4日12时-16时近地面10分钟的观测数据，得到近地面高度为10m处水平风速值达到3.5～4.5 m/s，而图4中运用常规均值法质控后得到风廓线雷达低模式下探测高度范围内的风羽图，可以清晰看见，同一时间段内，2 km以下水平风值才在4 m/s左右，500 m以下的风速普遍在2 m/s，显然不符合实际天气状况。对比2014年3月4日12时-16时风廓线常规法图4和极值法图5去地杂波后计算出的风速风向的产品图，从图5可以看到，相比较常规法图4去地杂波后计算出的水平风，经过极小值法进行地杂波抑制后的水平风大小得到了明显增强，结合地面观测数据，更趋于真实风速的大小，比较合理。

3 结束语

本文介绍了一般地物杂波抑制的处理方法并且分析其不足，结合大风天气状况提出了极小值地杂波去除法，由以上的论述和分析，地物杂波的抑制对于风廓线雷达低层探测准确性至关重要，本文提出的地杂波抑制方法以及对目标信号的综合识别在同地面观测数据分析，得到了预期的效果，研究表明这种方法能有效地抑制地杂波，并且可以很好的提高风廓线雷达的信噪比的估算精度，为雷达后续新产品的开发打下良好的数据质控基础，使得最终产生的数据的可靠性有了很大程度的提升，在对数据的进一步应用研究中起到了重要的作用。

[1]胡明宝.风廓线雷达数据处理与应用研究[D].南京：南京信息工程大学，2012.

[2]王莎，阮征，葛润生.风廓线雷达探测大气返回信号谱的仿真模拟[J].应用气象学报，2012，23(1)：21-22.

[3]丁敏，黄登才，宋金雷.小波变换去风廓线雷达地杂波技术[J].中南大学学报，2007,38(1):948-949.

[4]刘艳.多普勒天气雷达地物杂波时域和频域抑制研究[D].成都:成都信息工程学院，2007:23-25.

[5]Torres S M,Zrnic D S.Ground clutter canceling with a regression fliter[J].Journal of Atmospheric and Oceanic Technology,1999,16(10):1364-1372.

[6]董德保,翁宁泉,孙刚,等.风廓线雷达去地杂波抑制研究[J].大气与环境光学学报，2009，4(1)：69-72.

[7]Barth M F,Chadwick R B，D W.Data processing algorithms used by NOAA’s wind profiler demonstration network[J].Ann Geophys，1994(12)：518-528.