機載氣象雷達探測強風切變的自適應雜波抑制方法

摘 要： 為更好地去除動態地物和海浪雜波，采用工程化數學模型建立下擊暴流風場，并疊加海陸雜波數據。根據飛行參數和雷達性能參數，獲取機載雷達回波仿真信號。預先獲取飛行區域地形高度參數、環境風場及海浪、陸地等地物雜波譜寬近似估計值，確定需要進行雜波抑制的距離庫。對采樣信號進行頻譜分析，確定雜波中心譜線，消除寬度等于雜波譜寬估計值內的功率譜線，從而達到消除地物雜波的目的。以剩余功率譜為采樣值，進行高斯曲線擬合，完成功率譜重構。對重構的功率譜，計算其總功率、徑向平均速度和譜寬值，獲取抑制地物雜波后的氣象回波信號。仿真結果表明，該方法能夠根據飛行區域實時探空資料和地形數據，自適應確定海陸混合運動雜波位置，并消除地物雜波。

關鍵詞： 機載氣象雷達； 風切變仿真； 雜波抑制； 高斯曲線擬合

中圖分類號： TN957.51?34； P407.6 文獻標識碼： A 文章編號： 1004?373X（2016）16?0031?05

Abstract： In order to remove the dynamic ground and sea wave clutter better， a downburst wind field model is established by the engineering mathematics model and sea land clutter data is overlaid. The simulation signal of air?borne radar echo is obtained on the basis of the flight and radar performance parameters. The flying regional terrain height parameter， environmental wind data， sea wave， land and other approximation estimated values of ground clutter spectrum width are obtained in advance to determine the range bin needed for clutter suppression. The sampling signal spectrum is analyzed to determine the clutter spectrum center line and eliminate the power spectral line whose width is within the estimated clutter spectrum value， so as to realize the purpose of eliminating the wave clutter. Taking the rest power spectrum as the sampling value to complete Gaussian curve fitting and power spectrum reconstruction. The total power， average radial velocity and spectrum width of the reconstructed power spectrum are calculated to achieve the weather echo signal of the suppressed ground clutter. The simulation results show that the method can self?adaptively determine the sea?land hybrid clutter location and eliminate the ground clutter according to the real?time radiosonde data and topographic data in the flying region.

Keywords： air?borne weather radar； wind shear simulation； clutter suppression； Gaussian curve fitting

天氣對飛行安全有重大影響，據美國國家運輸安全委員會[1]數據統計，全世界惡性空難事故很多都是由天氣原因造成的，其中大部分又與強風切變及湍流有關。Peter C. Sinclair等采用設定距離閾值、抬高俯仰角的方法來抑制地物雜波[2]。此方法限制了飛機探測距離，使飛機無法獲取較遠處前視區的氣象回波信息，尤其在飛機起降過程中該方法不適用。Oliver Bousquet等提出的雜波圖法，將晴天時不同空間位置處地物回波振幅數據存儲在數據庫中，形成三維雜波圖[3]。當雷達探測時，將對應探測位置處的回波振幅減去地物振幅即可。該方法未考慮在不同天氣狀況下地物振幅實際變化情況，且僅僅簡單的在時域做了雜波振幅消除，未去除雜波對氣象目標物徑向速度的影響。此外，飛機飛行范圍廣，隨機性大，這就需事先存儲大量的晴空地物雜波數據，對機載雷達數據存儲要求極高。文獻[4?6]提出在頻域范圍抑制雜波的MTI法和AMTI，該類方法的原理是將時域信號轉到頻域進行處理。MTI采用固定在零頻附近的凹口和寬度是無法去除這類地物雜波的。AMTI法較MTI法有所改進，可以自適應的在運動雜波處形成凹口，從而消除運動雜波。但是，當運動雜波和氣象回波信號的多普勒中心譜線基本重合時，AMTI法不僅濾去雜波還會濾去一部分重疊的氣象回波信號，最終導致反射率因子值減小。

本文提出一種自適應地物雜波抑制法。根據飛行區域實時探空資料及下墊面地形數據獲取地形高度參數、環境風場及海浪、陸地等地物回波的譜寬近似估計值[7]。利用FFT法，在頻域內對機載氣象雷達回波信號進行動態雜波去除和氣象信號重構，并計算處理后的總功率、徑向平均速度和譜寬值，從而獲取抑制地物雜波后的氣象回波信號。

1 強風切變仿真模型

基于工程化數學模型建立一個下擊暴流天氣模型來仿真強風切變風場[8?9]。下擊暴流的垂直風分量與其所處的高度及距離中軸的徑向比率相關，下擊暴流的水平風分量不僅與其所處的高度及距離中軸的徑向比率相關，還滿足Rankin渦旋原理。下擊暴流的反射率數據與其垂直風分量的速度分布相關，一般認為較強下沉氣流區的雨滴粒子強度較大。下擊暴流風場模型及飛行觀測參數如表1所示。

依據表1給出的仿真參數及強切變天氣模型仿真算法，模擬出三維下擊暴流風場理想模型及機載雷達水平扇掃和垂直掃描方式下的雷達回波仿真數據[10]。其中，徑向速度數據可由下式獲取[11]：

[V=-（Vxsinθ+Vycosθ）cosα+Vzsinα] （1）

式中：[V]表示距離庫內平均徑向速度；[Vx，Vy，Vz]為三維下擊暴流模型中的水平風和垂直風分量；[θ，α]表示雷達波束當前方位角和俯仰角。

鄒煥新等給出了各類雜波在不同環境風場下的的統計譜寬值[12]。設當前飛行區域環境風為10節，并疊加海洋和陸地雜波數據、反射率數據及譜寬數據，見表2。

2 自適應雜波抑制方法

設機載氣象雷達發射脈沖間隔為[PRT]，采樣點為[M]個，則雷達采樣回波信號定義為：

[S（t）=A（t）cos（2πf0t+φ（t））+N（t），t=0，PRT，2PRT，…，（M-1）PRTf0=1PRT] （2）

式中：[A（t）]表示采樣信號回波振幅；[φ（t）]表示采樣信號回波相位；[N（t）]表示均勻分布的噪聲信號。

通過雷達氣象方程和模擬的下擊暴流反射率值能夠獲取回波振幅[A（t）]。設飛機初始探測時，與目標物距離為[R]，飛機巡航速度為[V]，則采樣信號返回到雷達處的回波信號相位定義為：

[Vf=Vcosφcosθφ（t）=4πλR-（Vf-Vi）t， i=0，1，2，…，M-1] （3）

式中：[Vf]表示飛機徑向速度；[Vi]表示M個采樣目標物回波徑向速度，它們的平均徑向速度為[V]。

將式（3）代入式（2），進一步展開可獲取同相和正交分量：

[I（t）=A（t）cos4πλR-4πλ（Vf-Vi）t， i=0，1，2，…，M-1Q（t）=A（t）sin4πλR-4πλ（Vf-Vi）t， i=0，1，2，…，M-1] （4）

對式（4）進行FFT變化，獲取采樣體積回波信號功率譜、平均速度和譜寬。根據大量實驗統計，大部分的采樣回波信號功率譜成高斯分布，根據表2參數，給出氣象目標物回波信號近似高斯譜：

[Sfi=A22πσfexp-fi-f22σ2f+Nfi=iM×PRT-12PRT，i=0，1，…，M-1， f=2λV] （5）

式中：[A]為幅度值；[f]為平均頻率；[σ2f]表示譜寬。雜波信號的高斯譜模擬基本與上述氣象回波信號類似。將雜波信號與氣象回波信號功率譜疊加，就獲取了采樣回波信號的功率譜。通過預先設定的環境風場及雜波譜寬估計值，判定當前中心譜的雜波類型，以此譜線位置為中心，消除寬度等于雜波譜寬估計值內的功率譜，從而達到消除地物雜波的目的。依據剩余功率譜數據，進行高斯曲線擬合。

對式（5）兩邊取對數，并進行變量替換，變為如下二次多項式形式：

[lnS′fi=β2f2i+β1fi+β0fi=iM×PRT-12PRT，i=0，1，2，…，M-1β0=lnA22πσf-f22σ2f， β1=fσ2f， β2=-12σ2f] （6）

對式（6）采用最小二乘法求出[β0，β1，β2]參數，然后代入[fi]值，就可求出去雜重構后的回波信號功率譜[S′fi]。將去雜重構后的回波信號功率譜數據代入式（7）就可以獲取回波信號總功率[P]，平均多普勒頻率[f]和譜寬[σ2f][13]：

[P=i=0M-1S′fif=i=0M-1fiS′fii=0M-1S′fiσ2f=i=0M-1fi-f2S′fii=0M-1S′fi] （7）

整個自適應運動地物雜波抑制方法流程見圖1。

3 仿真結果與分析

圖2給出接近真實強切變天氣的仿真三維風場，風場水平尺度為[12 km×12 km，]最大垂直高度為1.6 km。圖3和圖4分別表示相對飛機位置30°方位上，距離飛機22 km和15.8 km處地物雜波和海浪雜波模擬功率譜及雜波抑制處理后的功率譜。

圖5和圖6給出相同飛行參數下的氣象回波反射率和平均徑向速度的理想值、雜波干擾值與去雜重構值。

由圖5和圖6可以看出，采用高斯擬合重構后的回波信號要逼近理想值，但在距離飛機20 km處的下擊暴流中心附近，因氣象回波信號中心譜線與地物雜波基本重合，抑制地物雜波時也消除了大部分的氣象回波信號功率譜，故擬合重構時誤差較大，反射率值偏小。在超過20 km的稀疏樹林陸地，因雜波譜寬值估計過小，殘留了部分地物雜波功率譜，故擬合重構的平均徑向速度值偏小。

由圖7可以看出，飛機在起飛階段，機載氣象雷達做水平扇掃，回波信號中含有大量的地物雜波信號。利用自適應地物雜波抑制方法去除雜波后，重構的反射率回波信號接近理想值。靠近海洋下墊面一側，雜波去除較好，而靠近陸地下墊面一側，因雜波譜寬值估計偏小，導致部分地物雜波未能去除，使得重構的反射率值偏大。同樣，從圖8中可以看出，在海洋一側的徑向速度重構較好，雜波對輻散型反氣旋的最大核半徑風速干擾被去除，反之，在陸地一側的徑向速度受到殘留地物雜波干擾，徑向速度值偏小。

4 結 論

含有海陸混合運動雜波的回波信號，不僅反射率回波信號受到嚴重干擾，沿徑向上的速度變化率也明顯減弱。本文提出一種適用于機載氣象雷達的自適應地物雜波抑制法。該方法能夠根據飛行區域實時探空資料和地形數據，自適應確定海陸混合運動雜波位置，并消除地物雜波。利用高斯曲線擬合，重構去雜后的氣象回波信號，從而大大減小去地物雜波時對氣象回波信號功率值造成的衰減，并且沿徑向上的風速變化率與理想值接近，有助于快速、準確地識別強風切變區。當氣象回波信號功率譜中心譜線與雜波信號重疊時，高斯曲線擬合法存在較大誤差。另外，當地物雜波譜寬被低估時，會殘留部分雜波功率譜，造成平局徑向速度與實際值有偏差，影響強風切變區的判定，這些都是下一步研究需要改進的地方。

注：本文通訊作者為魏鳴。

參考文獻

[1] NTSB. Public aircraft safety [EB/OL]. [2001?10?23]. http：//www.ntsb.gov/safety/safety_studies.html.

[2] SINCLAIR P C， KUHN P M. Aircraft low attitude wind shear detection and warning system [J]. Journal of applied meteorology， 1991， 30： 3?16.

[3] BOUSQUET O， SMULL B F. Airflow and precipitation fields within deep alpine valleys observed by airborne Doppler radar [J]. American Meteorological Society， 2003， 30： 1497?1513.

[4] SIGGIA A D， PASSARELLI R E. GMAP for improved ground clutter cancellation and moment calculation [J]. Proceedings of ERAD， 2004， 45： 67?73.

[5] 彭雪麗，夏桂書，牟奇峰.非相干MTI方式對氣象雷達地雜波的抑制[J].微計算機信息，2007，23（4）：230?231.

[6] 吳濤，萬玉發，沃偉鋒，等.SWAN系統中雷達反射率因子質量控制算法及其應用[J].氣象科技，2013，41（5）：809?817.

[7] 胡谷谷，李翀.機載氣象雷達風切變探測技術研究[J].現代雷達，2012，34（12）：24?27.

[8] 高振興，顧宏斌.用于飛行實時仿真的微下擊暴流建模研究[J].系統仿真學報，2008，20（23） ：6524?6528.

[9] GAO Zhenxing，GU Hongbin，，LIU Hui. Real?time simulation of large aircraft flying through microburst wind field [J]. Journal of aeronautics， 2009， 22（5）： 459?466.

[10] 魏鳴，張思進，劉佳，等.機載氣象雷達掃描的理想模型仿真算法[J].大氣科學學報，2011，34（1）：28?35.

[11] 張培昌，杜秉玉，戴鐵丕.雷達氣象學[M].北京：氣象出版社，2000.

[12] 鄒煥新，陳振林，周石琳，等.基于ZMNL的相關復合K分布雷達海雜波仿真[J].艦船電子工程，2009，31（2）：107?110.

[13] 刁秀廣，朱君鑒，楊傳鳳，等.CINRAD/SA雷達超折射回波抑制技術分析與應用[J].氣象科技，2006，34（5）：620?623.

[14] WILFONG T L， LAU E M， WEBER B L， et al. Median filter effects on radar wind profiler spectral noise statistics [J/OL]. [2014?04?02]. http：//dx.doi.org/10.1175/JTECH?D?14?00070.1.

[15] 張彪，何宜軍.干涉合成孔徑雷達海浪遙感研究[J].遙感技術與應用，2006，21（1）：11?17.