[发明专利]功率谱密度数据噪声门限的客观快速确定方法

说明书

所属技术领域

本方法直接用于风廓线雷达(Wind Profiler Radar，WPR)功率谱密度数据处理。对于其它类型的雷达，如果其数据处理基于傅里叶(Fourier)变换、通过功率谱密度提取目标运动和散射强度信息，那么本方法同样适用。

背景技术

风廓线雷达是获取大气运动速度、速度谱和回波强度信息的脉冲多普勒雷达。为了确定回波位置，需要将返回信号分隔成与发射脉冲宽度相匹配的距离门。在一个探测方向上(称为径向)，划分几十个距离门，分别对每个距离门进行谱处理、生成功率谱密度数据。全部气象信息(包括气象目标回波强度、运动速度和速度谱宽)都从功率谱密度数据中提取。功率谱密度(有时又称为功率谱)数据表示功率密度在频率上的分布。生成功率谱密度数据具体步骤如下：

(1)将相继返回的信号进行积累。因为返回信号是相干的，所以这一过程称为“相干积累”。

(2)将N_FFT个上述相干积累后的数据进行快速傅里叶变换(FFT)，得到一个功率谱密度函数。这一过程称为谱变换。N_FFT称为FFT点数。

(3)将N_s个上述功率谱密度数据进行平均，得到一个平均功率谱密度数据。这一过程称为谱平均。N_s称为谱平均次数。

通过对平均功率谱密度数据的谱矩计算，得到谱的0阶矩(对应回波功率)、1阶矩(对应径向速度)、2阶矩(对应速度谱宽)。

在风廓线雷达获取的功率谱中，既包含需要提取的气象信号谱，也包含噪声谱，在低层还包含地物谱，有时还含有杂波干扰。由含有噪声和杂波干扰的功率谱密度数据计算谱矩时，需要确定噪声门限。

目前普遍采用的确定噪声门限的方法是用远距离门的返回信号功率作为噪声门限。具体做法是：在一个径向上，用远距离门的信号功率作为该径向上各个距离门的噪声门限。这种方法其实主观假定：远距离门全部是噪声信号，气象信号充分小，可以忽略不计。在晴空天气，远距离门一般全部是噪声信号，上述假定合理。但是，在有天气过程(特别是降水天气过程)时，雷达返回信号会显著加强，远距离门中同样含有不可忽略的气象信号(参见图1)，这时再以远距离门返回信号作为噪声门限，就会给谱矩计算带来较大误差。另外，如果远距离门中有较强的瞬时杂波干扰信号，也会给谱矩计算带来误差。

发明内容

要解决的技术问题：

风廓线雷达在由功率谱密度数据计算谱矩的过程中，需要确定噪声门限。现有技术普遍采用远距离门信号功率作为噪声门限。该方法隐含假设“远距离门信号全部是噪声信号”。这种不合理的主观假设常常给谱矩计算造成误差。

本方法由每个距离门实际获取的功率谱密度数据计算各自距离门的噪声门限。本方法的基本思想是：通过对功率谱的叠代循环计算，将功率谱中的气象信号谱(包括其它干扰谱)删除、保留噪声谱，从而达到确定噪声门限的目的。

本方法利用噪声的统计特性，引入一个由实际获取的功率谱数据算出的、反映信号成分的“检验因子”。由功率谱密度最大及最小值、依黄金分割法预置一个功率密度门限，将功率谱中幅度高于预置功率密度门限的谱线截剪、直到检验因子表明剩余谱满足噪声特性，由此确定噪声门限。

本方法避免了现有技术的主观不合理假设。检验因子、预置功率密度门限等参数都由实际获取的功率谱数据算出、是一种客观的方法。预置功率密度门限的确定采用了黄金分割优选法以减少计算用时。

解决技术问题所采用的技术方案：

风廓线雷达获取的信息全部来自对功率谱密度数据的处理。引入一个由实际获取的功率谱数据算出的、反映信号成分的检验因子，记为R。R定义为功率谱密度均值的平方与方差之比。如果用S表示功率谱密度，则R定义为：

R=[E(S)]2D(S)---(1)]]>