[发明专利]一种天气雷达回波垂直结构超分辨率重建方法

权利要求书

1.一种天气雷达回波垂直结构超分辨率重建方法，其特征在于，所述方法能够精细化重建天气雷达回波垂直结构，具体包括：

步骤1：获取天气雷达回波原始数据，并对其进行预处理得到原始PPI雷达回波和原始RHI雷达回波；

步骤2：建立天气雷达低分辨率观测模型；

步骤3：基于正则化方法，建立天气雷达回波超分辨率重建的代价函数，

minJ(f):J(f)＝∑||g_i-T_if||²+λR(f)

其中，f为原始高分辨回波，g_i为低分辨率回波，T_i为回波退化算子，等式右边第一项为数据拟合项，第二项为正则项，λ是正则化参数，α_i为加权系数；

步骤4：PPI雷达回波超分辨率重建，将获取的每个仰角的PPI雷达回波图像作为原始LR回波图像，输入到第一超分辨重建模型中，利用相邻径向的冗余信息对重建过程进行约束，输出每个仰角上重建的PPI天气雷达高分辨率重建回波HR；

步骤5：RHI雷达回波超分辨率重建，将步骤4重建得到的PPI雷达高分辨率重建回波HR输入到第二超分辨重建模型中，利用多个相邻仰角的冗余信息对重建过程进行约束，得到重建的RHI雷达回波HR图像，具体包括：

步骤51：对重建的PPI雷达回波HR进行数据转换获得RHI雷达回波LR，数据转化的具体方式为：固定某一方位角，获得该方位角上所有仰角的回波信息构成RHI雷达回波LR；

步骤52：对RHI雷达回波LR进行仰角间的插值操作，以增加仰角个数；

步骤53：获取相邻仰角的径向冗余信息，当固定方位角时，针对插值后的待重建径向，计算待重建径向前后相邻M个仰角的径向冗余信息；

步骤54：将所述仰角的径向冗余信息添加到步骤3代价函数的约束项中，作为重建过程的先验信息，重建出HR径向；

步骤55：对步骤54重建得到的HR径向，求其相邻距离库的差值，并计算加权系数；

步骤56：计算代价函数的梯度，通过迭代得到新的HR径向，计算新的HR径向与前一次迭代得到的HR径向的相对误差，若小于设定的阈值，则停止迭代，得到最终的重建HR径向；

步骤57：循环步骤53至步骤56，直到该方位角上所有的径向均进行超分辨重建；

步骤6：对360个方位角的RHI回波数据全部重建完后，输出重建的RHI天气雷达回波HR图像。

2.如权利要求1所述的天气雷达回波超分辨率重建方法，其特征在于，步骤4进行PPI天气雷达回波超分辨重建的步骤具体包括：

步骤41：获取相邻径向的径向冗余信息，在固定的仰角上，针对待重建径向，计算待重建径向前后相邻P个径向的径向冗余信息；

步骤42：将所述径向冗余信息和所述仰角冗余信息添加到步骤3代价函数的约束项中，作为重建过程的先验信息，重建出HR径向；

步骤43：对步骤23重建得到的HR径向，求其相邻距离库的差值，并计算机加权系数；

步骤44：计算代价函数的梯度，通过迭代得到新的HR径向，计算新的HR径向与前一次迭代得到的HR径向的相对误差，若小于设定的阈值，则停止迭代，得到最终的重建HR径向；

步骤45：对天气雷达回波的每个仰角的360个径向全部重建完成后，获得重建的PPI天气雷达回波HR图像。

3.如权利要求2所述的天气雷达回波超分辨率重建方法，其特征在于，所述观测模型的数学表示为：

g＝Tf+n

其中，g为雷达获取到的低分辨率回波，f为原始高分辨率回波，T为退化算子，n为天气雷达接收机由于模糊、变形和移位产生的噪声。

4.如权利要求2所述的天气雷达回波超分辨率重建方法，其特征在于，步骤7：验证重建效果，将实际获得的雷达回波图像作为原始HR图像，对其进行下采样得到LR，将其依次输入到第一超分辨率模型和第二超分辨率模型后得到重建的RHI回波HR，将重建的HR和原始HR从结构相似度和峰值信噪比两个指标上进行对比，以验证重建效果。