一種氣象雷達(dá)數(shù)據(jù)混合壓縮算法*

陳 璐 馬 可 李重陽(yáng)

(1.西安航天天繪數(shù)據(jù)技術(shù)有限公司 西安 710100)(2.西安電子工程研究所 西安 710100)

一種氣象雷達(dá)數(shù)據(jù)混合壓縮算法*

陳 璐1馬 可2李重陽(yáng)2

(1.西安航天天繪數(shù)據(jù)技術(shù)有限公司 西安 710100)(2.西安電子工程研究所 西安 710100)

針對(duì)氣象雷達(dá)數(shù)據(jù)壓縮的問(wèn)題,提出了一種氣象雷達(dá)數(shù)據(jù)壓縮混合算法。該算法由預(yù)壓縮、有損壓縮和無(wú)損壓縮三個(gè)步驟組成。首先根據(jù)氣象雷達(dá)數(shù)據(jù)說(shuō)明不同用戶對(duì)數(shù)據(jù)的需求;其次介紹預(yù)壓縮算法,并按照不同用戶的需求,提出可以采用無(wú)損壓縮和有損壓縮兩種數(shù)據(jù)壓縮算法對(duì)氣象雷達(dá)數(shù)據(jù)進(jìn)行壓縮;最后給出混合壓縮算法的流程圖,并利用實(shí)測(cè)數(shù)據(jù)驗(yàn)證該混合壓縮算法的有效性。

氣象雷達(dá); 數(shù)據(jù)壓縮; 混合壓縮算法

Class Number TN958

1 引言

氣象雷達(dá)能夠準(zhǔn)確快速地觀測(cè)氣象的變化過(guò)程,對(duì)預(yù)測(cè)暴雨、冰雹等災(zāi)害天氣起到重要作用[1～2]。為了更準(zhǔn)確快速地預(yù)測(cè)氣象災(zāi)害,往往需要多部氣象雷達(dá)進(jìn)行組網(wǎng)并共享數(shù)據(jù)[3～4]。而氣象雷達(dá)的觀測(cè)目標(biāo)是面目標(biāo),與傳統(tǒng)雷達(dá)相比,其生成的數(shù)據(jù)量較大,不利于數(shù)據(jù)的傳輸與共享。因此,在實(shí)際工作中需要先對(duì)氣象雷達(dá)數(shù)據(jù)進(jìn)行壓縮,然后再進(jìn)行數(shù)據(jù)傳輸與共享[5～6]。

目前,國(guó)內(nèi)外進(jìn)行的氣象數(shù)據(jù)壓縮多是基于特征圖像的壓縮[7],或是基于特征點(diǎn)的篩選[8],其著重于對(duì)圖像或是特征數(shù)據(jù)的壓縮。本文則著重于對(duì)氣象原始數(shù)據(jù)進(jìn)行壓縮,亦可針對(duì)不同的用戶需求,靈活地裁剪氣象需求,以達(dá)到更高的壓縮率。

本文在說(shuō)明了氣象雷達(dá)數(shù)據(jù)種類與特點(diǎn)后,介紹了一種氣象雷達(dá)數(shù)據(jù)混合壓縮算法,該算法由預(yù)壓縮、有損壓縮和無(wú)損壓縮三部分組成。針對(duì)不同的用戶需求,該算法可以靈活地將氣象雷達(dá)數(shù)據(jù)進(jìn)行壓縮。

2 氣象雷達(dá)數(shù)據(jù)種類與特點(diǎn)

以某型雙偏振氣象雷達(dá)[9～10]為例,一個(gè)典型的體掃觀測(cè)模式(觀測(cè)距離150km,庫(kù)長(zhǎng)100m,角度分辨率1°,數(shù)據(jù)種類9種,數(shù)據(jù)位寬8bit/16bit,層數(shù)24,掃描速度18°/s),如不采取壓縮措施,8bit位寬的單次體掃就會(huì)生成約100M的數(shù)據(jù),耗時(shí)約8min。若在汛期24小時(shí)開(kāi)機(jī)觀測(cè),一天就會(huì)占用約18G硬盤空間。如希望在網(wǎng)上被10個(gè)用戶同時(shí)瀏覽,則需要約20Mb/s的帶寬才能滿足要求。16bit位寬的數(shù)據(jù)硬盤和網(wǎng)絡(luò)需求還要加倍。顯然,這么大的硬盤占用這么高的帶寬需求是不現(xiàn)實(shí)的。因此,選擇一種好的氣象雷達(dá)數(shù)據(jù)壓縮算法,能夠大大減少磁盤空間占用,同時(shí)網(wǎng)絡(luò)的負(fù)載也會(huì)更小,提高用戶體驗(yàn)滿意度。

雙偏振多普勒氣象雷達(dá)生成的數(shù)據(jù)有以下九種:未進(jìn)行地物對(duì)消的強(qiáng)度數(shù)據(jù)DBT,進(jìn)行地物對(duì)消的強(qiáng)度數(shù)據(jù)DBZ,速度V,譜寬W,差分反射率ZDR,雙極化比相差KDP,極化差分相位PHIDP,雙極化相關(guān)系數(shù)RHOHV,粒子分類數(shù)據(jù)HCLASS。

不同用戶對(duì)氣象雷達(dá)數(shù)據(jù)需求不同:普通氣象觀測(cè)人員只關(guān)心DBZ;需要進(jìn)行氣象預(yù)測(cè)和其它特殊需求的人員關(guān)心DBZ、V、HCLASS;科研人員則對(duì)所有的九種數(shù)據(jù)都需要。因此,對(duì)于只需求部分?jǐn)?shù)據(jù)的人員,在進(jìn)行數(shù)據(jù)壓縮時(shí)可以忽略部分?jǐn)?shù)據(jù)信息,這樣可以提高壓縮效率,這種數(shù)據(jù)壓縮算法稱為有損壓縮算法[11～12];而對(duì)于科研人員,則需要對(duì)氣象雷達(dá)數(shù)據(jù)全部保留,這類數(shù)據(jù)壓縮算法稱為無(wú)損壓縮算法[13～14]。

3 數(shù)據(jù)壓縮算法

3.1 預(yù)壓縮算法[15]

氣象雷達(dá)在工作時(shí),只要徑向上的庫(kù)沒(méi)有數(shù)據(jù),其數(shù)值即為0(如晴朗天氣,強(qiáng)對(duì)流天氣的某些方位、俯仰角度)。因此,一個(gè)氣象徑向數(shù)據(jù)往往存在著很多連續(xù)的0。如果能在徑向數(shù)據(jù)生成或剛接收時(shí)就利用一種簡(jiǎn)單的算法,將這些連續(xù)的0壓縮起來(lái),無(wú)疑可以提高后續(xù)步驟的效率。這種算法稱為預(yù)壓縮算法。

預(yù)壓縮算法基于16-bit數(shù)據(jù)段,并不包含數(shù)據(jù)包頭部的壓縮?；谛实目紤],預(yù)壓縮算法對(duì)單獨(dú)一個(gè)或者兩個(gè)0不進(jìn)行壓縮。應(yīng)用了預(yù)壓縮算法的數(shù)據(jù)段是從16-bit壓縮碼開(kāi)始的。這個(gè)壓縮碼代表著忽略的0的個(gè)數(shù)或者緊跟的數(shù)據(jù)字節(jié)數(shù)。

預(yù)壓縮算法原理簡(jiǎn)單,計(jì)算量極小,適用于8bit或16bit數(shù)據(jù),即使在不采用任何后續(xù)壓縮算法的情況下,其數(shù)據(jù)壓縮率也十分可觀,特別在數(shù)據(jù)有多個(gè)連續(xù)0的情況下(晴朗天氣)尤其顯著。更為重要的是,預(yù)壓縮算法保留了數(shù)據(jù)的全部信息,屬于無(wú)損壓縮。因此,在數(shù)據(jù)生成時(shí)就應(yīng)用此算法,可以提高傳輸效率,也減小了后續(xù)壓縮算法的計(jì)算壓力。

3.2 無(wú)損壓縮算法

無(wú)損壓縮算法重在保留數(shù)據(jù)全部信息的基礎(chǔ)上壓縮數(shù)據(jù),最大限度地去除冗余信息是無(wú)損壓縮追求的目標(biāo)。有很多成熟的無(wú)損壓縮算法:Huffman編碼,屬于統(tǒng)計(jì)式壓縮法,主要根據(jù)源數(shù)據(jù)符號(hào)發(fā)生概率進(jìn)行編碼;算術(shù)編碼,比Huffman更為復(fù)雜的熵編碼方法,壓縮率更高,但方法復(fù)雜,編碼速度慢,適用于圖片、文本數(shù)據(jù)的壓縮;Lz系列算法,基于字典壓縮的算法,衍生了lz77,lz78,lzs,lzw等算法,廣泛應(yīng)用于WinRar,WinZip軟件中,適用于各種類型數(shù)據(jù)的壓縮[16～18]。

對(duì)于HCLASS數(shù)據(jù),其包含的數(shù)據(jù)為:非氣象目標(biāo)、雨、濕雪、雪、霰、冰雹。一個(gè)HCLASS數(shù)據(jù)占用8bit或16bit,但其值僅有6種。因此,利用一個(gè)字節(jié)代表2個(gè)HCLASS數(shù)據(jù),如表1所示。

從表1中可以看出,可用一個(gè)字節(jié)的前四位表達(dá)一個(gè)HCLASS數(shù)據(jù),后四位表達(dá)下一個(gè)HCLASS數(shù)據(jù)。這樣對(duì)于8bit數(shù)據(jù),處理后的數(shù)據(jù)大小為處理前的1/2;而16bit數(shù)據(jù)僅為處理前的1/4。

對(duì)于其它類型的數(shù)據(jù),一種可以考慮的算法是將相鄰的數(shù)據(jù)相減,保存其差值。因其差值較小,可以在此基礎(chǔ)上應(yīng)用其他壓縮算法。但在強(qiáng)對(duì)流天氣下,相鄰的庫(kù)之間也可能存在著較大差值,且正負(fù)值不確定。因此,針對(duì)除HCLASS外的數(shù)據(jù)專用無(wú)損壓縮算法還在研究,目前直接使用成熟的商用壓縮算法進(jìn)行壓縮。

3.3 有損壓縮算法

在氣象雷達(dá)實(shí)際應(yīng)用中,面向的使用對(duì)象不同,所需的數(shù)據(jù)類型、大小也不同。例如,針對(duì)科研人員,需要傳輸所有數(shù)據(jù);而對(duì)于氣象觀測(cè)人員,主要傳輸部分DBZ數(shù)據(jù)及HCLASS粒子識(shí)別數(shù)據(jù);而對(duì)于防雹作業(yè)人員,依據(jù)其作業(yè)距離遠(yuǎn)近及觀測(cè)設(shè)備的顯示分辨率,傳輸部分DBZ數(shù)據(jù)及HCLASS粒子識(shí)別數(shù)據(jù)即可滿足其使用要求。因此,從用戶需求角度出發(fā),很多原始數(shù)據(jù)是多余的,可以適當(dāng)裁剪,這種數(shù)據(jù)壓縮方法稱作有損壓縮算法。而數(shù)據(jù)裁剪主要分為三個(gè)部分:類型裁剪、長(zhǎng)度裁剪和精度裁剪。

數(shù)據(jù)類型裁剪先判斷用戶屬于何種類型,針對(duì)不同類型的用戶發(fā)送其相應(yīng)需求的數(shù)據(jù)。例如,科研人員需要全部數(shù)據(jù);而氣象觀測(cè)人員則主要關(guān)注DBZ,V及HCLASS數(shù)據(jù);而防雹人員只關(guān)心DBZ及HCLASS數(shù)據(jù)。

數(shù)據(jù)長(zhǎng)度裁剪,以上文中提到的某型雙偏振多普勒氣象雷達(dá)為例,該雷達(dá)一個(gè)徑向的數(shù)據(jù)可包含150km的數(shù)據(jù)信息,分別存儲(chǔ)在近1500個(gè)庫(kù)中。實(shí)際應(yīng)用中,用戶可能僅需要顯示100km以內(nèi)的天氣狀況,且用戶提供給顯示區(qū)域的大小也僅為600*600像素,不可能顯示下1500個(gè)庫(kù)。這種情況下就需要數(shù)據(jù)長(zhǎng)度的裁剪。以體掃模式為例,簡(jiǎn)要的數(shù)據(jù)裁剪算法如下:

1) 根據(jù)用戶顯示距離裁剪

設(shè)用戶顯示的距離為L(zhǎng),庫(kù)長(zhǎng)為N,數(shù)據(jù)庫(kù)數(shù)為BinData,則用戶需要的庫(kù)數(shù)

BinNum=Min(Floor(L/N),BinData)

Floor函數(shù)為向上取整函數(shù),因?yàn)橛脩粜枰膸?kù)數(shù)是經(jīng)計(jì)算得出的,L/N的值可能不是整數(shù)。Min函數(shù)選擇Floor(L/N)與BinData里較小數(shù)值的數(shù)。

2) 根據(jù)用戶顯示分辨率裁剪

設(shè)用戶提供的顯示區(qū)域分辨率為y*y,那么一個(gè)徑向庫(kù)數(shù)據(jù)顯示的像素?cái)?shù)x=ceil(y/2)。若x>BinNum,說(shuō)明顯示像素?cái)?shù)大于數(shù)據(jù)庫(kù)數(shù),將數(shù)據(jù)不裁剪全部發(fā)給用戶,這種情況發(fā)生概率較小。若x

設(shè)i為第i個(gè)顯示像素(1

通過(guò)顯示距離和顯示分辨率裁剪數(shù)據(jù),能夠在滿足用戶顯示需求的基礎(chǔ)上壓縮數(shù)據(jù)。以本節(jié)初始的例子為例,可將一個(gè)徑向的數(shù)據(jù)由1500個(gè)裁減至600個(gè),壓縮效果顯著。

3) 根據(jù)數(shù)據(jù)精度裁剪

目前,某型雙偏振氣象雷達(dá)信號(hào)處理器可產(chǎn)生8bit或16bit兩種大小的數(shù)據(jù)。數(shù)據(jù)類型與對(duì)應(yīng)的取值范圍如表2所示。

通過(guò)表2可以看出,雖然16bit數(shù)據(jù)表達(dá)范圍更廣、精度更高,但8bit數(shù)據(jù)對(duì)于非科研需求已經(jīng)能夠滿足。將16bit數(shù)據(jù)先轉(zhuǎn)換成8bit數(shù)據(jù)再進(jìn)行儲(chǔ)存,可以直接減少一半存儲(chǔ)空間。因數(shù)據(jù)表達(dá)不是線性的,所以基本的轉(zhuǎn)換思路是通過(guò)16bit數(shù)據(jù)計(jì)算出真實(shí)值,再反推出8bit數(shù)據(jù)值。

4 數(shù)據(jù)混合壓縮算法

結(jié)合以上各種類型的氣象雷達(dá)數(shù)據(jù)壓縮算法,提出了一種氣象雷達(dá)數(shù)據(jù)混合壓縮算法,流程如圖1所示。

1) 先將原始數(shù)據(jù)經(jīng)過(guò)預(yù)壓縮,壓縮掉其中的連續(xù)的0。本操作可在數(shù)據(jù)剛接收時(shí)完成,以提高數(shù)據(jù)傳輸效率;

圖1 數(shù)據(jù)混合壓縮算法流程圖

2) 依據(jù)用戶需求,對(duì)數(shù)據(jù)進(jìn)行有損壓縮;

3) 對(duì)裁剪后的數(shù)據(jù)應(yīng)用無(wú)損壓縮算法,生成壓縮后的數(shù)據(jù)。

5 實(shí)測(cè)結(jié)果

以上文中的某雙偏振多普勒氣象雷達(dá)來(lái)測(cè)試本文提出的數(shù)據(jù)混合壓縮算法。其中數(shù)據(jù)位數(shù)為16bit,用戶為防冰雹作業(yè)人員,關(guān)心100km內(nèi)的數(shù)據(jù)情況,顯示分辨率為600*600,無(wú)損壓縮算法基于Lzw算法。原始數(shù)據(jù)提供晴天及對(duì)流兩種天氣,其組合反射率圖如圖2所示。

(a)晴空數(shù)據(jù)

(b)對(duì)流數(shù)據(jù)圖2 氣象雷達(dá)組合反射率圖

對(duì)于這兩組數(shù)據(jù)應(yīng)用數(shù)據(jù)混合壓縮算法,結(jié)果如表3所示(數(shù)據(jù)1為晴空數(shù)據(jù),數(shù)據(jù)2為對(duì)流天氣數(shù)據(jù))。定義壓縮比為原始數(shù)據(jù)大小除以壓縮后數(shù)據(jù)大小。

表3 數(shù)據(jù)混合壓縮算法測(cè)試結(jié)果

本測(cè)試是在僅考慮數(shù)據(jù)狀態(tài)下的測(cè)試結(jié)果,在實(shí)際使用中,需要對(duì)數(shù)據(jù)添加額外的封裝信息及冗余信息,故實(shí)際結(jié)果略有不同。

本測(cè)試采用的壓縮方法,在無(wú)損壓縮階段,采用了CRC循環(huán)冗余校驗(yàn)確保數(shù)據(jù)準(zhǔn)確性;在有損壓縮階段,依據(jù)用戶需求對(duì)數(shù)據(jù)進(jìn)行裁剪,最大程度上保留了用戶關(guān)心的信息,經(jīng)過(guò)實(shí)際驗(yàn)證,其結(jié)果是可靠的。

從算法測(cè)試結(jié)果看,應(yīng)用了本文提出的數(shù)據(jù)混合壓縮算法的數(shù)據(jù)最高可以達(dá)到2911壓縮比,即使在天氣情況復(fù)雜,數(shù)據(jù)保存全面的情況下也能達(dá)到18的壓縮比,極大地節(jié)約了硬盤空間及網(wǎng)絡(luò)資源。

6 結(jié)語(yǔ)

本文介紹了一種氣象雷達(dá)數(shù)據(jù)混合壓縮算法。該方法由不同算法組成,包含預(yù)壓縮算法、有損壓縮算法及無(wú)損壓縮算法。每一種算法又包含了不同步驟,本文依次對(duì)其進(jìn)行了分析。最后,以某型雙偏振多普勒氣象雷達(dá)典型體掃模式生成數(shù)據(jù)為例,說(shuō)明了該數(shù)據(jù)混合壓縮算法滿足應(yīng)用要求,符合預(yù)期。這種數(shù)據(jù)混合壓縮算法已應(yīng)用于某型雙偏振多普勒氣象雷達(dá)數(shù)據(jù)存儲(chǔ)及傳輸中,極大地減少了硬盤及網(wǎng)絡(luò)資源占用。

[1] 胡繼榮.氣象雷達(dá)數(shù)據(jù)的傳輸方式和算法的基本研究[J].電子設(shè)計(jì)工程,2016,24(4):125-127. HU Jirong. Researches on efficient radar data transmission for weather service networks[J]. Electronic Design Engineering,2016,24(4):125-127.

[2] 陳威,李鳳昌,章建軍,等.基于小波零樹(shù)的雷達(dá)回波數(shù)據(jù)的壓縮[J].計(jì)算機(jī)工程與應(yīng)用,2004,40(6):217-219. CHEN Wei, LI Fengchang, ZHANG Jianjun, et al. Data Compression of Radar Signal Based on Wavelet Zero-tree[J]. Computer Engineering and Applications,2004,40(6):217-219.

[3] 艾未華,黃云仙,白雪,等.嵌入式零樹(shù)編碼在天氣雷達(dá)回波數(shù)據(jù)壓縮中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件,2004,21(11):56-57,101. AI Weihua, HUANG Yunxian, BAI Xue, et al. Weather Radar Data Compression Based on Zerotree Wavelet Algorithm[J]. Computer Applications and Software,2004,21(11):56-57,101.

[4] 馬寧,朱福萌,尹志軍,等.改進(jìn)游程編碼在天氣雷達(dá)數(shù)據(jù)壓縮中的應(yīng)用[J].解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2004,5(6):88-90. MA Ning, ZHU Fuyin, YIN Zhijun, et al. Advanced RLE Coding for Weather Radar Data Compression[J]. Journal of PLA University of Science and Technology(Natural Science Edition),2004,5(6):88-90.

[5] 葉紅,安東升.基于小波變化的衛(wèi)星云圖壓縮方法[J].計(jì)算機(jī)工程與科學(xué),2004,26(10):60-62. YE Hong, AN Dongsheng. Satellite Cloud Imagery Compression Based on Wavelet Transform[J]. Computer Engineering and Science,2004,26(10):60-62.

[6] 程敏,翁寧泉,劉慶,等.基于時(shí)間序列分段的氣象數(shù)據(jù)壓縮算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2014,23(8):125-129. CHENG Min, WENG Ningquan, LIU Qing, et al. Meteorological Data Compression Algorithm Based on Time-Series Segmentation[J]. Computer Systems & Applications,2014,23(8):125-129.

[7] 曾玲,饒志宏.幾種數(shù)據(jù)壓縮算法的比較[J].通信技術(shù),2002(9):12-15. ZENG Ling, RAO Zhihong. Comparision of Several Kinds of Algorithms for Data Compression[J]. Communications Technology,2002(9):12-15.

[8] 張昊琳,葉飛躍,任恩茂,等.矢量圖壓縮的關(guān)鍵點(diǎn)保持算法研究[J].計(jì)算機(jī)工程與應(yīng)用,2015(11):238-241,265. ZHANG Haolin, YE Feiyue, REN Enmao, et al. Research of keeping key point algorithm in vector compression[J]. Computer Engineering and Applications,2015(11):238-241,265.

[9] 劉應(yīng)軍,顧松山,周雨華,等.新一代天氣雷達(dá)體掃模式的比較分析[J].氣象,2006,32(1):44-50. LIU Yingjun, GU Songshan, ZHOU Yuhua, et al. Comparison of CINRAD/SA Volume Coverage Patterns on Algorithms Output[J]. Meteorological Monthly,2006,32(1):44-50.

[10] 李重陽(yáng),蘇小敏,吳凡.氣象雷達(dá)數(shù)據(jù)壓縮方法分析[J].信息與電腦,2015(16):87-88. LI Chongyang, SU Xiaomin, WU Fan. Analysis of weather radar data compression method[J]. China Computer & Communication,2015(16):87-88.

[11] 易洛鋒.新一代氣象雷達(dá)數(shù)據(jù)分析及存儲(chǔ)系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)[D].成都:電子科技大學(xué),2013:10-35. YI Luofeng. Design and Implementation of a New Generation Weather Radar Data Analysis and Storage System[D]. Chengdu: University of Electronic Science and Technology of China,2013:10-35.

[12] 李嘯.多普勒氣象雷達(dá)原始回波數(shù)據(jù)混合壓縮算法研究[D].南京:南京郵電大學(xué),2011:5-55. LI Xiao. Research on Doppler Weather Radar Raw Reflectivity Data Hybird Compression Algorithm[D]. Nanjing: Nanjing University of Posts and Telecommunications,2011:5-55.

[13] 鄭翠芳.幾種常用無(wú)損數(shù)據(jù)壓縮算法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2011,21(9):73-76. ZHENG Cuifang. Research of Several Common Lossless Data Compression Algorithms[J]. Computer Technology and Development,2011,21(9):73-76.

[14] 許海英.氣象雷達(dá)原始回波數(shù)據(jù)無(wú)損壓縮算法研究[D].成都:電子科技大學(xué),2007:22-45. XU Haiying. Research on lossless compression algorithm for radar raw data[D]. Chengdu: University of Electronic Science and Technology of China,2007:22-45.

[15] 劉林.基于LZW優(yōu)化算法的雷達(dá)數(shù)據(jù)壓縮技術(shù)[J].艦船科學(xué)技術(shù),2015,37(11):120-123. LIU Lin. Radar data optimization technique based on LZW compression algorithm[J]. Ship Science and Technology,2015,37(11):120-123.

[16] 黃云仙,馬爍,艾未華,等.一種新的多普勒天氣雷達(dá)回波數(shù)據(jù)無(wú)損壓縮[J].解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,13(2):232-236. HUANG Yunxian, MA Shuo, AI Weihua, et al. Novel lossless compression of Doppler weather radar data[J]. Journal of PLA University of Science and Technology(Natural Science Edition),2012,13(2):232-236.

[17] 常傳文,茅文深.雷達(dá)數(shù)據(jù)無(wú)損壓縮研究[J].艦船電子工程,2008,28(4):103-105. CHANG Chuanwen, MAO Wenshen. Research on Radar Data Lossless Compression[J]. Ship Electronic Engineering,2008,28(4):103-105.

[18] 王志剛,常傳文,茅文深,等.LZW算法優(yōu)化及在雷達(dá)數(shù)據(jù)壓縮中的應(yīng)用[J].計(jì)算機(jī)與數(shù)字工程,2009,37(1):32-34,164. WANG Zhigang, CHANG Chuanwen, MAO Wenshen. LZW Algorithm Optimizing and the Application in Radar Data Compression[J]. Computer and Digtal Engineering,2009,37(1):32-34,164.

A New Hybrid Data Compression Algorithm for Weather Radar

CHEN Lu1MA Ke2LI Chongyang2

(1. Xi’an Aerospace Remote Sensing Data Technology Co., Ltd, Xi’an 710100) (2. Xi’an Electronic Engineering Research Institute, Xi’an 710100)

In order to solve the problem of data compression of meteorological radar, a hybrid algorithm of radar data compression is proposed. The algorithm consists of three steps including pre-compression, lossy compression and lossless compression. Firstly, the paper introduced the weather radar data illustrate the different needs of users for data; Secondly, according to the practical requirements of the diverse users, it proposed the adoption of lossless compression and lossy compression algorithm for the data; Finally, the flow chart of hybrid compression algorithm was presented and verified based on the actual data.

weather radar, data compression, hybrid compression algorithm

2016年9月13日,

2016年10月20日

中國(guó)氣象局開(kāi)放基金資助項(xiàng)目;預(yù)研基金資助項(xiàng)目(編號(hào):40405080401)資助。

陳璐,女,碩士,工程師,研究方向:圖像處理技術(shù)。馬可,男,碩士,工程師,研究方向:雷達(dá)總體技術(shù)。李重陽(yáng),男,碩士,工程師,研究方向:氣象雷達(dá)技術(shù)。

TN958

10.3969/j.issn.1672-9722.2017.03.008