基于模糊邏輯的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)

黃裕文

(中國民用航空飛行學(xué)院 綿陽分院，　四川 綿陽 621000)

?

·信號處理·

基于模糊邏輯的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)

黃裕文

(中國民用航空飛行學(xué)院 綿陽分院，四川 綿陽 621000)

作為風(fēng)廓線雷達(dá)探測目標(biāo)的大氣湍流信號，極易受地雜波、海雜波、降水、無線電信號、飛機(jī)、鳥、昆蟲等一系列外界環(huán)境和信號的干擾，從而形成一種具有多峰特征的功率譜數(shù)據(jù)。為了有效抑制和去除雜波，提高風(fēng)廓線雷達(dá)輸出的數(shù)據(jù)質(zhì)量，必須從功率譜數(shù)據(jù)中將大氣湍流目標(biāo)檢測出來。通過分析大氣湍流在風(fēng)廓線雷達(dá)回波功率譜中體現(xiàn)出的特征，將其作為風(fēng)廓線雷達(dá)目標(biāo)檢測的準(zhǔn)則。文中提出了一種基于模糊邏輯的風(fēng)廓線雷達(dá)目標(biāo)檢測方法，并進(jìn)行了實(shí)際數(shù)據(jù)的處理和分析，驗證了該方法的可行性和有效性。

風(fēng)廓線雷達(dá)；目標(biāo)檢測；模糊邏輯；多峰決策

0　引　言

風(fēng)廓線雷達(dá)是利用大氣湍流對電磁波的散射作用對大氣進(jìn)行探測的一種遙感設(shè)備[1]。風(fēng)廓線雷達(dá)探測時必須做較長時間的時域和頻域積累，由于大氣湍流信號比較微弱，極易受地雜波、海雜波、降水、無線電信號、飛機(jī)、鳥、昆蟲等一系列外界環(huán)境和信號的干擾，從而形成一種具有多峰特征的功率譜數(shù)據(jù)。從功率譜數(shù)據(jù)中檢測大氣湍流回波信號，找出代表大氣湍流回波的峰譜，并計算回波的信噪比、多普勒速度、速度譜寬等，就是風(fēng)廓線雷達(dá)的目標(biāo)檢測過程，這一過程將很大程度上決定風(fēng)廓線雷達(dá)輸出數(shù)據(jù)的質(zhì)量[2]。從風(fēng)廓線雷達(dá)誕生之日起，專家學(xué)者們就在這個方面做了不懈的努力。1994年，Clothiaux等[3]提出了通過最大功率譜譜峰垂直鏈方法進(jìn)行檢測。1998年，Greisser等[4]提出了處理多峰譜的方法去除雜波。1999年，Pekour等[5]針對鳥類遷徙的影響，提出了鳥雜波的處理方法。美國國家氣象研究中心(NCAR)于2002年提出了NIMA方法，用于剔除地雜波的影響[6]。2003年，朱斌等[7]提出了利用兩個對稱的傾斜波束所測得的湍流目標(biāo)徑向速度在頻率上相對于天頂波束應(yīng)該是對稱的這一特點(diǎn)，可將雜波峰譜進(jìn)行剔除。2012年，惠建新等[8]提出了基于極大似然算法估計的風(fēng)廓線雷達(dá)譜矩估計方法。針對降水天氣下，風(fēng)廓線雷達(dá)的回波信號在結(jié)構(gòu)上通常呈雙峰結(jié)構(gòu)，2014年，何越等[9]提出了雙高斯擬合的方法。從實(shí)際處理效果看，上述方法在處理某些特定場合的特定數(shù)據(jù)時，確實(shí)能比較精確地完成大氣湍流目標(biāo)的檢測；但在風(fēng)廓線雷達(dá)的長期運(yùn)行過程中，卻難以自適應(yīng)處理受各種雜波干擾的功率譜。風(fēng)廓線雷達(dá)專家可以在一定準(zhǔn)則的引導(dǎo)下，輕易地從各種功率譜數(shù)據(jù)中找出大氣湍流目標(biāo)?；诖?，本文提出了一種基于模糊邏輯的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)，在一定的檢測準(zhǔn)則下，模仿專家的人腦思維，完成風(fēng)廓線雷達(dá)功率譜回波中大氣湍流目標(biāo)的自適應(yīng)檢測。

1　風(fēng)廓線雷達(dá)目標(biāo)檢測的準(zhǔn)則

風(fēng)廓線雷達(dá)的目標(biāo)檢測與其他雷達(dá)具有不一樣的特點(diǎn)。風(fēng)廓線雷達(dá)信號處理器輸出了各距離庫的整個功率譜，因此目標(biāo)檢測的過程就是如何從回波功率譜中找出大氣湍流信號峰譜所在的位置，并計算出信噪比、多普勒速度、速度譜寬等各階矩。

1.1準(zhǔn)則一：“面積”最大

風(fēng)廓線雷達(dá)目標(biāo)檢測最簡單的方法，就是對功率譜幅度最大值的檢測，這種方法認(rèn)為大氣湍流信號總是最強(qiáng)的。因此，在功率譜上找出最大值所在的位置，就可以把它當(dāng)作大氣湍流信號的峰。在大氣湍流回波信號較強(qiáng)、雜波等污染較少較弱的情況下，這種方法可以取得較好的效果；但有強(qiáng)雜波干擾時，這種算法會導(dǎo)致很大的誤差。有學(xué)者將該方法改進(jìn)為在功率譜上找出“面積”最大的峰譜，認(rèn)為該峰譜代表了大氣湍流回波。實(shí)踐表明，改進(jìn)方法在很多場合可以取得不錯的效果，但在降水天氣下易出現(xiàn)判斷錯誤的現(xiàn)場，這是風(fēng)廓線雷達(dá)目標(biāo)檢測的第一條準(zhǔn)則，即大氣湍流回波信號在功率譜中的“面積”是較大的。

1.2準(zhǔn)則二：對稱性

從矢量分析角度，大氣湍流目標(biāo)的徑向速度與大氣三維風(fēng)場(u,v,w)存在以下關(guān)系

Vr=usinφsinθ+vcosφsinθ+wcosθ

(1)

式中：φ為波束方位角；θ為波束與垂直方向的夾角。

對于五波束探測的風(fēng)廓線雷達(dá)，有

北波束：φ=0°，VN=vsinθ+wcosθ

(2)

東波束：φ=90°，VE=usinθ+wcosθ

(3)

南波束：φ=180°，VS=-vsinθ+wcosθ

(4)

西波束：φ=270°，VW=-usinθ+wcosθ

(5)

天頂波束：θ=0°，VV=w

(6)

將式(2)和式(4)、式(3)和式(5)分別相加，可以得到

VN+VS=2wcosθ

(7)

VE+VW=2wcosθ

(8)

從式(7)和式(8)可以看出，從理論上講，對稱波束探測得到的大氣湍流徑向速度應(yīng)該關(guān)于2wcosθ對稱。這是風(fēng)廓線雷達(dá)目標(biāo)檢測的第二條準(zhǔn)則。

1.3準(zhǔn)則三：時空一致性

大氣風(fēng)場在空間上呈現(xiàn)出連續(xù)變化的規(guī)律，因此，對于雷達(dá)信號處理器傳送出來的各個高度的功率譜數(shù)據(jù)，代表大氣湍流回波信號的峰譜，在上下高度層之間應(yīng)該是連續(xù)變化的，即使在該高度層發(fā)生了風(fēng)切變，該高度層之上和之下，大氣湍流回波信號的峰譜也應(yīng)該是連續(xù)變化的。這個性質(zhì)可稱為空間一致性。

目前，風(fēng)廓線雷達(dá)一般采用6 min一次的探測模式，在這么短的時間內(nèi)，大氣風(fēng)場的變化通常比較緩慢。因此，有理由認(rèn)為，對于同一個波束、同一個高度層雷達(dá)信號處理器輸出的功率譜數(shù)據(jù)，大氣湍流回波信號的峰譜在不同的時間點(diǎn)之間應(yīng)該也是連續(xù)變化的。這個性質(zhì)可稱為時間一致性。

空間一致性和時間一致性構(gòu)成了風(fēng)廓線雷達(dá)目標(biāo)檢測應(yīng)遵循的第三個準(zhǔn)則。

2　基于模糊邏輯的目標(biāo)檢測技術(shù)

2.1概述

1965年，加州大學(xué)伯克利分校的計算機(jī)專家Lofty Zadeh提出了“模糊邏輯”的概念，其根本在于區(qū)分布爾邏輯或清晰邏輯，用來定義那些含混不清，無法量化或精確化的問題。作為一門量化數(shù)學(xué)理論，模糊邏輯以數(shù)據(jù)為根本，去處理那些非統(tǒng)計、不確定、不精確的信息。圖1給出了一個通用的模糊邏輯系統(tǒng)的構(gòu)成框圖[10]。

圖1　模糊邏輯模型組成框圖

一個完整的模糊邏輯系統(tǒng)由四個部分組成，分別為：模糊量化、影響準(zhǔn)則、綜合、去模糊，如圖1 所示。其中，x1,x2,…,xn為輸入變量，y為輸出變量，它們都是不模糊的。模糊量化將非模糊的輸入量轉(zhuǎn)換成系統(tǒng)模糊的輸入量；在影響準(zhǔn)則層，計算輸入量在每條準(zhǔn)則下對最終結(jié)果的影響程度；這些影響程度可通過加權(quán)相加、相乘等處理進(jìn)行綜合；綜合結(jié)果采用分段、最大最小等方法去模糊，得到最終的非模糊輸出量。

在風(fēng)廓線雷達(dá)的探測過程中，往往會受各種雜波干擾而形成雙峰、甚至多峰的功率譜回波，因而風(fēng)廓線雷達(dá)目標(biāo)檢測就轉(zhuǎn)化為一個多峰決策的問題。風(fēng)廓線雷達(dá)專家可以比較輕易地確定大氣湍流信號的峰譜位置，而現(xiàn)有的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)卻很難做到這一點(diǎn)，原因在于這些技術(shù)只是以風(fēng)廓線雷達(dá)目標(biāo)檢測的某一條準(zhǔn)則為基礎(chǔ)來進(jìn)行檢測，沒有綜合考慮所有的準(zhǔn)則。使用模糊邏輯模型可以很好的解決這個問題。

2.2目標(biāo)檢測流程

基于模糊邏輯的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)按以下三個步驟進(jìn)行：數(shù)據(jù)預(yù)處理、譜峰初步識別和多峰決策。

2.2.1數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是風(fēng)廓線雷達(dá)目標(biāo)檢測不可缺少的一個步驟，通過插值、濾波等處理，去除原始功率譜中混雜的噪聲和弱信號，使得信號譜峰更加清晰。在風(fēng)廓線雷達(dá)數(shù)據(jù)中，零速度點(diǎn)處的功率譜數(shù)據(jù)一般較大，這不利于譜峰的檢測，所以通常采用左右兩點(diǎn)譜數(shù)據(jù)的平均值去替代零速度點(diǎn)的方法進(jìn)行插值處理。濾波通常采用滑動平均的方法，可以降低一些偶發(fā)性干擾的幅度，使整個功率譜數(shù)據(jù)變光滑，更有利于譜峰的識別。

2.2.2譜峰初步識別

對已經(jīng)過數(shù)據(jù)預(yù)處理的功率譜數(shù)據(jù)進(jìn)行譜峰的初步識別，識別過程中不采用任何準(zhǔn)則，力爭將功率譜中所有的信號譜峰全部檢測出來。這樣，在雷達(dá)的每個探測波束的每個距離庫上都會形成一個信號譜峰的集合，理論上講，只要大氣湍流信號能夠被檢測，其譜峰就應(yīng)該包含在這個集合中。計算各個信號譜峰的“面積”、徑向速度、速度譜寬等相關(guān)參數(shù)。

2.2.3多峰決策

進(jìn)行譜峰的初步識別后，雷達(dá)各個探測波束的每個距離庫上均得到了一個包含大氣湍流信號在內(nèi)的譜峰集合。采用模糊邏輯模型按距離庫逐個進(jìn)行多峰決策，整個過程如下：將各個探測波束各個距離庫上識別到的可能譜峰進(jìn)行組合，形成一個新的集合，集合中的每個元素包含了各個探測波束各個距離庫上的一個可能譜峰，根據(jù)新集合中每個元素的特征，計算該元素在風(fēng)廓線雷達(dá)目標(biāo)檢測各條原則下的影響值，然后將各條準(zhǔn)則的影響值相乘，得到各個元素成為大氣湍流回波峰譜的“概率”值。顯然，“概率”值越大，該元素成為大氣湍流回波峰譜的可能越大；同時，當(dāng)出現(xiàn)最大“概率”值也較小的情況時，可認(rèn)為該距離庫無法檢測到大氣湍流回波信號。多峰決策過程如圖2所示。

圖2　多峰決策過程

各個元素在各條準(zhǔn)則下對決策結(jié)果的影響值通過下式量化

(9)

式中：f1,f2,f3分別為每個元素在各準(zhǔn)則下對決策結(jié)果的影響值；X1,X2,…,Xn為每個探測波束、每個距離庫上各個峰譜的“面積”；Yi，SE，Yi,NW,Yi,V代表第i個元素對稱波束及天頂波束的徑向速度；Zi,j-1,Zi,j,Zi,j+1為某個探測波束同一時刻相鄰距離庫或同一距離庫相鄰時間段上連續(xù)的三個徑向速度；系數(shù)w1,w2用于調(diào)整各個準(zhǔn)則在決策結(jié)果中的權(quán)重。

3　應(yīng)用實(shí)例

以某邊界層風(fēng)廓線雷達(dá)的觀測數(shù)據(jù)為例，來驗證本技術(shù)的可行性和有效性，該雷達(dá)系統(tǒng)的主要技術(shù)參數(shù)及工作參數(shù)見表1。

圖3給出了利用本技術(shù)對風(fēng)廓線雷達(dá)三種典型功率譜數(shù)據(jù)進(jìn)行目標(biāo)檢測的結(jié)果。每一幅圖均給出了一段探測高度上兩個對稱波束及天頂波束的挑譜結(jié)果，“+”標(biāo)示了代表大氣湍流的譜峰在功率譜回波數(shù)據(jù)中的位置。

圖3　三種典型功率譜數(shù)據(jù)下的處理結(jié)果

如圖3a)所示，在低空風(fēng)廓線雷達(dá)功率譜數(shù)據(jù)經(jīng)常會受地物、自身發(fā)射脈沖串?dāng)_等不同類型干擾的影響，利用本文提出的處理方法，可以很好地從功率譜回波中識別出代表大氣湍流的峰譜；如圖3b)所示，在高空，隨著大氣湍流信號的變?nèi)?，其回波基本淹沒在其他信號和噪聲之中，利用本文提出的處理方法，可以有效提高風(fēng)廓線雷達(dá)的探測高度；如圖3c)所示，在降水條件下，大氣湍流峰譜與降水峰譜混雜在了一起，利用本文提出的處理方法，可以正確地將二者區(qū)分開來。

4　結(jié)束語

風(fēng)廓線雷達(dá)的目標(biāo)檢測技術(shù)與雷達(dá)的數(shù)據(jù)質(zhì)量息息相關(guān)。傳統(tǒng)的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)在檢測時往往只采用一種準(zhǔn)則，如：面積最大、波束對稱性等；或者將某些準(zhǔn)則放入后期的質(zhì)量控制中使用，如：空間一致性、時間一致性等。本文提出了一種基于模糊邏輯的風(fēng)廓線雷達(dá)目標(biāo)檢測技術(shù)，綜合利用各種檢測準(zhǔn)則，模仿專家的人腦思維，進(jìn)行風(fēng)廓線雷達(dá)回波中大氣湍流目標(biāo)的自適應(yīng)檢測。從實(shí)際處理效果看，該方法明顯優(yōu)于傳統(tǒng)方法，不僅可以提高風(fēng)廓線雷達(dá)數(shù)據(jù)的準(zhǔn)確性，還有助于風(fēng)廓線雷達(dá)數(shù)據(jù)獲取率的提升。但是，本方法采用的準(zhǔn)則比較有限，可以將更多的準(zhǔn)則加入到算法中來；另外，決定各準(zhǔn)則對多峰決策結(jié)果影響程度的權(quán)重系數(shù)也有待優(yōu)化，這些都是下一步的研究方向。

[1]何平. 相控陣風(fēng)廓線雷達(dá)[M]. 北京：氣象出版社，2006.

HEPing.Phasedarraywindprofiler[M].Beijing:ChinaMeteorotogicalPress, 2006.

[2]胡明寶. 風(fēng)廓線雷達(dá)探測與應(yīng)用[M]. 北京：氣象出版社，2015.

HUMingbao.Detectionandapplicationofwindprofiler[M].Beijing:ChinaMelerologicalPress, 2015.

[3]CLOTHIAUXEE,PENCRS,THOMSONDW,etal.Afirst-guessfeature-basedalgorithmestimatingwindspeedinclear-airDopplerradarspectra[J].JournalofAtmosphericandOceanicTechnology, 1994,11(8): 888-908.

[4]GRIESSERT,RICHNERH.MultiplepeakprocessingalgorithmforidentificationofatmosphericsignalsinDopplerradarwindprofilerspectra[J].MeteorologischeZeitschrift, 1998, 7(6): 292-302.

[5]PEKOURMS,COULTERRL.Atechniqueforremovingtheeffectofmigratingbirdsin915MHzaindprofilerdata[J].JournalofAtmosphericandOceanicTechnology,1999,16(12): 1941-1948.

[6]MORSECS,GOODRICHRK,CORNMANLB.TheNIMAmethodforimprovedmomentestimationfromDopplerspectra[J].JournalofAtmosphericandOceanicTechnology, 2002,19(3): 274-295.

[7]朱斌, 高仲輝. 風(fēng)廓線雷達(dá)探測系統(tǒng)中的譜數(shù)據(jù)處理[J]. 現(xiàn)代雷達(dá), 2003, 25(11): 21-23.

ZHUBin,GAOZhonghui.Spectraldataprocessingofthewind-profileradar[J].ModernRadar, 2003, 25(11): 21-23.

[8]惠建新, 吳蕾, 高玉春, 等. 基于極大似然算法的風(fēng)廓線雷達(dá)譜矩估計[J]. 氣象科技, 2012, 40(1): 9-13.

HUIJianxin,WULei,GAOYuchun,etal.Studyofspectralmomentestimationsforwind-profilingradarbasedonmaximumlikelihcodalgorithm[J].MeteorologicalScienceandTechnology, 2012, 40(1): 9-13.

[9]何越, 何平, 董德保, 等. 雙高斯擬合的風(fēng)廓線雷達(dá)降水時的風(fēng)場反演[J]. 科學(xué)技術(shù)與工程, 2014,14(23): 146-152.

HEYue,HEPing,DONGDebao,etal.Studyofwindfieldinversionfromwind-profilingradarbasedondouble-Gaussianfittingundertheconditionsofprecipitation[J].ScienceTechnologyandEngineering, 2014,14(23): 146-152.

[10]HONGPINGL,CHANDRASEHARV.Classificationofhydrometeorbasedonpolarimetricradarmeasurement[J].JournalofAtmosphericandOceanicTechnology, 2000,17(2): 140-164.

黃裕文男 ，1968年生 ，高級工程師。研究方向為空管工程技術(shù)。

Wind Profiler Target Identification Technology Based on Fuzzy Logic Model

HUANG Yuwen

(Mianyang Flight College, Civil Aviation Flight University of China,Mianyang 621000, China)

The atmospheric turbulence signal, as the detect targets of the wind profiler, is highly vulnerable to external environment and the signal interference from ground clutter, sea clutter, precipitation, radio signals, the airplane, birds, insects,etc, generating a kind of power spectra data with characteristic of multiple peak. In order to effectively suppress and remove the clutter, and improve the quality of the wind profiler data, it is very necessary to identify the atmospheric turbulence target from this kind of power spectra. After the analysis of atmospheric turbulence characteristics in the wind profiler echo, which to be used as the wind profiler target identification principles, a wind profiler target identification technology based on fuzzy logic is proposed in this paper. The feasibility and effectiveness of this method is validated by the process and analysis of actual data.

wind profiler; target identification; fuzzy logic; multiple peak decision

10.16592/ j.cnki.1004-7859.2016.08.010

中國民用航空飛行學(xué)院科研基金資助項目(J2013-71)

黃裕文Email：287910145@qq.com

2016-04-28

2016-06-27

TP957

A

1004-7859(2016)08-0043-03