一種極化-多普勒氣象雷達的射頻干擾濾波方法

殷加鵬 李健兵 龐 晨 李永禎 王雪松

(國防科技大學電子信息系統復雜電磁環境效應國家重點實驗室 長沙 410073)

1 引言

氣象雷達可實現對大氣高時間和空間分辨率的觀測，是業界公認開展大氣研究的主要技術手段之一[1]。由于可以同時獲取氣象目標微物理和動態特性，極化-多普勒氣象雷達逐漸成為國內外開展大氣研究的“標配”[2]。使用氣象雷達進行大氣觀測與預報的先決條件是數據有足夠的測量精度。然而，氣象雷達常布置于人口密集區域，工作環境非常復雜，容易受到多種類型雷達環境干擾影響[3]。

特別地，電磁設備種類和數量日益增多、電磁用頻活動越來越頻繁，部分電磁設備工作頻率與氣象雷達頻段存在重疊，氣象雷達受射頻干擾的影響案例屢見不鮮[4]。比較典型的案例包括美國的C波段終端多普勒氣象雷達網和歐洲的C波段氣象雷達服務網[5]。此外，氣象雷達網中的雷達之間也會有同頻信號的串擾，比如S波段美國國家氣象雷達網[5]。

射頻干擾在氣象雷達顯示器(Plan Position Indicator,PPI)上呈現點斑、條紋等樣式，且出現的位置隨機不可預知[6,7]。文獻[8]研究了意大利北部S波段和X波段氣象雷達射頻干擾問題，對射頻干擾的極化特性進行初步分析，指出對于當前業務化的同時極化測量體制雷達，射頻干擾與氣象目標極化特性大部分類似，難以直接區分。但該工作對射頻干擾的特性研究不夠深入，沒有充分挖掘極化信息對于提取氣象目標和射頻干擾特性差異的潛力。

目前，氣象雷達射頻干擾濾波方法的研究以國外學者為主。對于簡單射頻干擾，可以采用時域方法進行濾除。通過比較每一個脈沖的幅度值與其鄰域的中值，Lake等人[9]設計了一維中值射頻干擾濾波器，但該濾波器的濾波效果有限。基于射頻干擾在距離-時間域上幅值異樣特性，Cho[6]提出了一種二維射頻干擾濾波器，濾波效果有所提升。

然而，時域算法僅對于占空比較小的射頻干擾可以達到較好的效果，當占空比較大時，由于沒有足夠的不受干擾影響數據，這類算法效果有限。在該條件下，文獻[6]推薦使用多普勒濾波器，但并沒有進行深入分析研究。事實上，射頻干擾在頻域上呈現的是“抬升的噪聲”這一特性，而氣象目標相對比較集中，若氣象目標在頻域上沒有完全被射頻干擾覆蓋，則可以通過適當的濾波方法保留氣象目標。文獻[10]提出了一種基于模糊函數分類的極化-多普勒濾波器，但沒有定量分析其性能。

為了解決氣象雷達中射頻干擾問題，特別是存在高占空比射頻干擾情況下，本文采用極化-多普勒濾波器。基于同時測量得到的多普勒和極化信息，極化-多普勒技術，即譜極化技術可以綜合表征氣象目標的微物理和動態特性，可有效用于氣象目標微物理特性反演[11]和非氣象目標抑制[12]。

本文所使用的譜極化濾波器具體包括動態雙譜去極化比(Moving Double spectral Linear Depolarization Ratio,MDsLDR)濾波器[12]和面向對象的譜極化(Object-orientated Spectral Polarimetric,OBSPol)濾波器[13]。這些濾波器可以用于同時濾除多種類型的雜波，它們最初被提出是用于濾除窄帶雜波(包括動態的和地雜波)，在本文中將被拓展用于濾波射頻干擾。具體地，該類型濾波器主要作用于距離-多普勒域，利用降雨目標和射頻干擾的譜極化特性和距離-多普勒域上的連通特性差異，在盡可能多的保留降雨目標的情況下，濾除射頻干擾。

典型的極化氣象雷達根據是否在一個脈沖內完成極化散射矩陣的測量，可以分為同時發射同時接收(Simultaneously Transmitting and Simultaneously Receiving,STSR)體制和分時發射同時接收(Alternately Transmitting and Simultaneously Receiving,ATSR)體制[14]。而所使用的譜極化濾波器適用于不同類型的極化氣象雷達。

本研究使用的雷達數據包括：(1)C波段脈沖多普勒STSR雷達；(2)X波段調頻連續波ATSR雷達。首先，本文利用C波段雷達實測數據分析射頻干擾時域、頻域和極化域特性，然后建立射頻干擾模型，再在X波段雷達數據仿真加入射頻干擾，以驗證濾波器性能。

論文的組織結構如下：第2節主要介紹極化氣象雷達的分類和典型的極化參量。第3節對射頻干擾的特性進行分析，主要包括時域、頻域和極化域的特性。第4節建立射頻干擾的模型，并利用實測數據進行仿真。第5節和第6節分別提出射頻干擾濾波算法，以及定性和定量分析濾波效果。第7節對本文工作進行小結。

2 極化氣象雷達與譜極化參量

2.1 極化氣象雷達分類

極化氣象雷達需要測量氣象目標的極化散射矩陣，具體根據發射和接收電磁波的形式，可由2×2的復散射矩陣S表示為[15]

其中，Sxy是發射y極化，接收x極化的復散射參量，x極化和y極化都可以表示為水平極化h和垂直極化v。一般而言，極化雷達在探測諸如降雨等互易性介質的情況下，滿足ShvSvh。

為了能測量目標的極化散射矩陣，目前主流的極化氣象雷達按照發射和接收的形式不同可以分為ATSR體制和STSR體制，具體示意圖如圖1所示。如圖1(a)所示，具有ATSR體制的雷達系統采用“交替發射兩個正交極化、雙極化接收”的模式，雷達系統的發射部分僅需要一路射頻通路，發射信號通過極化捷變器交替傳輸至雙極化天線的兩個正交極化端口，雷達至少需要2個脈沖才能完成一次極化散射矩陣的測量。盡管雷達系統的脈沖重復頻率有所下降，但由于分時極化測量體制雷達系統結構簡單、易于實現，因此得到廣泛應用。典型系統諸如荷蘭代爾夫特理工大學的IDRA雷達[16]等。

如圖1(b)所示，采用同時極化測量體制的雷達系統能夠同時發射一組正交波形，然后雷達分別在兩個正交極化通道上接收回波信號并進行處理。與分時極化測量體制雷達相比，同時極化測量體制雷達需要兩條發射鏈路，其設計更為復雜。此外，由于STSR體制的氣象雷達并沒有使用極化捷變器，需要同時發射兩個正交的極化波，該體制對雷達系統尤其是對天線交叉極化隔離度的要求遠高于ATSR體制[17]。

圖1 極化氣象雷達測量體制Fig.1 Measurement schemes of polarimetric weather radar

經理論和實踐表明，STSR體制能夠有效降低氣象目標去相關效應對于天氣預測的影響。此外，由于雨滴的極化散射矩陣近似為一對角陣，因此在STSR體制下，氣象雷達并不對雨滴極化散射矩陣的交叉極化分量進行測量，而只對主極化分量進行測量。鑒于此，該體制用于氣象雷達往往不采用正交波形，而是簡單的單頻脈沖信號。這種方案能夠簡化系統結構，降低雷達系統成本，同時保留雨滴極化散射矩陣的主要信息。目前主流的業務極化氣象雷達，諸如WSR-88DP等都采用STSR測量體制。不僅如此，以Zrni?為代表的學者也認為，美國下一代極化相控陣氣象雷達應該工作在STSR測量體制下[18]。

2.2 譜極化參量

本節討論典型的極化氣象雷達測量參量[13]。基于后向散射對照約束，雷達反射功率Zxy(r)可以定義為

其中，Pxy(r)表示在距離r上發射y極化接收x極化的后向散射功率，C為雷達常數。特別地，Zhh(r)指代雷達反射率。

相應的極化參量，諸如差分反射率Zdr(r)，線性去極化比LDRhh(r)和LDRvv(r)，以及共極化相關系數ρco(r)可分別定義為

其中，ρco(r)中的〈〉表示集合平均，?表示復共軛。

基于同時測量得到的多普勒和極化信息，譜極化技術可以綜合表征氣象目標的微物理和動態特性[12,13]。這有益于同時反演大氣微物理信息和抑制非氣象目標回波。與距離r和多普勒速度v相關的譜反射功率sZxy(r,v)定義為

其中，sSxy(r,v) 表示二維的復距離-多普勒圖，sPxy(r,v)表示譜功率。特別地，sZhh指代雷達譜反射率。相應地，本文可以定義譜差分反射率sZdr(r,v)、譜線性去極化比sLDRhh(r,v)和sLDRvv(r,v)以及譜共極化相關系數sρco(r,v)為

譜極化濾波作用于距離-多普勒譜圖上，一般經過濾波后，只有表示降雨信號的區域會得以保留，雜波和噪聲都會被濾除，因此可以更好地估計出測量參量。比如雷達反射率可以表示為

其中，v ∈atm表示譜圖上屬于降雨信號的點，而sN是整個譜圖的譜噪聲。通過對sPhh(r,v)繪制功率值直方圖，直方圖出現頻次最大處所對應的功率值即可確定為譜噪聲 sN。類似的針對每個距離-多普勒譜圖確定噪聲的方法可參照文獻[19]。

此外，多普勒速度(r)和譜寬σv(r)可以分別表示為

最后，共極化相關系數可以表示為

這幾個參量后續也會用于定量評估濾波器性能。

3 射頻干擾特性分析

對射頻干擾特性的分析是設計有效射頻干擾抑制算法的必要條件。本研究首先對實測的射頻干擾特性進行分析，然后建立射頻干擾模型，利用射頻干擾模型進一步定量分析所設計濾波器的有效性。本研究實測的射頻干擾數據源于荷蘭皇家氣象局的氣象雷達系統，下面簡稱為KNMI雷達。荷蘭共有2部氣象雷達，均為STSR測量體制，具體的雷達參數如表1所示。這些雷達系統完成一次體掃需要的時間為5 min，共有16個掃描模式。

表1 KNMI雷達手冊Tab.1 KNMI radar specifications

圖2(a)所示的是典型氣象雷達受射頻干擾影響的雷達PPI圖。該數據測量于2017年10月26日17:15(UTC時間)，從圖2可以看出降雨在正北方向。而射頻干擾是沿著某些方位角在整個距離方向上顯示亮條紋的，會產生虛假降雨目標。其中，那些與降雨重合的射頻干擾會影響實際雷達參量的估計。由于進入雷達接收機的射頻干擾是異步干擾，這些干擾在某些方向角沿著距離維有相同的強度，然而從式(2)可知氣象目標則與距離相關。

KNMI雷達標準濾波算法包括1個IIR濾波器、線性或者高斯遞歸插值法，然而該雜波抑制算法卻無法濾除射頻干擾。因此，有必要設計有效的射頻干擾抑制算法，用于實時濾除射頻干擾，滿足雷達業務化的需求。

該雷達多普勒處理采用的數據大小為64，通過加窗可以抑制頻譜泄露。該雷達PPI的第70幀數據被射頻干擾影響，可以用于繪制典型的距離-時間圖和距離-多普勒圖，分別如圖2(b)和圖2(c)所示。從圖2(b)可以看出，射頻干擾以非常短的脈沖形式出現于距離-時間圖上，其出現位置呈現不規則和不可預測性。由于射頻干擾與雷達時序不同步，射頻干擾出現于距離-時間圖上主要取決于射頻干擾的占空比和雷達天線的旋轉速度。

通過對每一個距離單元的接收信號做傅里葉變換，可以得到典型的距離-多普勒圖，如圖2(c)所示。從信號理論可知，時域上的類似沖擊信號對應于頻域上是很寬的信號。從圖2可以看出，降雨目標主要集中在距離100 km左右的負多普勒速度處，而射頻干擾出現于某些距離單位，此時降雨目標與射頻干擾有部分重疊。對比圖2(b)和圖2(c)可知，同一降雨目標在頻域上呈現更小更集中區域且信號強度會更大，而射頻干擾恰恰相反。因此，若采用頻域濾波的方法，可以更精準地保留降雨目標。但是，對于射頻干擾很強且與降雨目標大部分重疊的情況，即使采用頻域濾波方法，也無法完整地保留降雨目標。

下面進一步分析射頻干擾的譜極化特性。由于KNMI雷達工作于STSR模式，下面僅分析譜差分反射率sZdr和譜共極化相關系數sρco。圖2(c)所對應的距離-多普勒圖的sZdr和sρco如圖3(a)和圖3(b)所示。一方面，sZdr可以包含降雨粒子形狀信息，曾用于風場反演中鳥和昆蟲雜波的濾除[20]，然而從圖3(a)可以明顯看出，降水區域與射頻干擾、噪聲的區分并不十分明顯。

圖2 KNMI雷達測量結果Fig.2 The measurements of KNMI radar

另一方面，sρco廣泛用于區分降水粒子和非降水粒子[21]，然而從圖3(b)可以看出，降水區域無法明顯區分出來。這是由于sρco是相位信息，在STSR模式下，HH分量和VV分量是同一個脈沖測量得到的，所以射頻干擾的sρco具有較大值。而在ATSR模式下，HH分量和VV分量是兩個脈沖測量得到的，此時由于去相關效應，射頻干擾的sρco值較小。而同樣的降雨目標，在兩種測量模式下，都可以保持較大的sρco值。因此，采用ATSR模式天然有助于濾除射頻干擾。

事實上，對于STSR模式而言，其數據集為Hm和 Vm，其中m1,2,...,M,M為1個駐留時間內總的脈沖數，若采用數據分集的方法，通過選取H2n?1和V2n(或者H2n和V2n?1)其中n1,2,...,M/2，則可以模擬ATSR測量模式下的數據集。利用與圖3(a)和圖3(b)相同的數據，采用數據分集的方法繪制sPhh和sρco的距離-多普勒圖如圖3(c)和圖3(d)所示。觀測sPhh可以看出，降雨與射頻干擾仍然部分重合，而仔細觀察sρco則可以看出降雨信息仍保持較大的值，而射頻干擾大大減小了。若在分集后的數據上采用譜極化濾波則能實現保留降雨目標的同時濾除射頻干擾，這為STSR雷達抑制射頻干擾提供了一種技術途徑。

圖3 KNMI雷達的譜極化參量Fig.3 The spectral polarimetric variables of KNMI radar

事實上，總結射頻干擾極化參量與不同極化態的電磁輻射源的關系如表2所示。隨著電磁輻射源從H極化變成V極化，射頻干擾的Zdr的dB值從正到負，而降雨的Zdr值主要分布在0 dB附近，因此僅僅使用Zdr閾值來區分降雨和射頻干擾是不夠的。對于射頻干擾的ρco而言，在輻射源為非嚴格H或者V極化情況下，STSR測量模式下得到的值都較大，而在ATSR測量模式下得到的值都較小；降雨的ρco值在兩種測量模式下都保持較大。因此，ATSR測量模式天然有助于抑制射頻干擾，而STSR測量模式可以通過數據分集的方法，得到ATSR子集，然后用同樣的方法濾除射頻干擾。

表2 射頻干擾極化參量與不同極化的輻射源的關系Tab.2 The relationship between polarization variables and RF source with different polarization

4 射頻干擾模型建立

通過對圖2(b)中的距離-時間圖的研究，建立射頻干擾模型如圖4所示。圖中X軸表示慢時間，Y軸表示快時間。藍色脈沖表示雷達發射脈沖，紅色脈沖表示射頻干擾信號，射頻干擾進入雷達接收機的時刻是隨機的。射頻干擾模型可以用2個參數來描述，即射頻干擾脈沖長度LRFI和射頻干擾重復時間TRFI。具體地，射頻干擾脈沖長度LRFI定義為

其中，l是整數，ΔR是雷達距離分辨率。此外，我們定義ΔtΔR/2c,c是光速。射頻干擾重復時間TRFI可以定義為

其中，p和q都是整數，T0是脈沖重復時間。不同的LRFI和TRFI組合可以得到不同的射頻干擾模式，或稀疏或稠密。然而，對于頻域濾波而言，射頻干擾在時域-距離圖上的稀疏度并不影響其濾波結果。

本文將圖4的射頻干擾模型用于IDRA雷達數據，以驗證模型的有效性。IDRA雷達是荷蘭代爾夫特理工大學研制的X波段高分辨極化-多普勒氣象雷達。該雷達的測量模式為ATSR，其具體的參數如表3所示。自2009年4月至今，雷達數據均可以在網上免費下載。

表3 IDRA雷達參數Tab.3 IDRA radar specifications

圖4 射頻干擾時域模型Fig.4 The signal model of radio frequency interference in time domain

本文使用測量于2017年4月26日00:00(UTC時間)的數據，其原始雷達PPI如圖5(a)所示。本文在第84,90,100,120等幾個譜圖中分別加入INR為25 dB的射頻干擾，得到如圖5(b)所示的雷達PPI。加入仿真射頻干擾前后的距離-時間圖如圖5(c)和圖5(d)所示。對比這兩個圖可以看出，射頻干擾呈現不規則的形狀，部分還與降雨信號重合，這與實測的射頻干擾數據相吻合。進一步分析對應的距離-多普勒圖，如圖5(e)和圖5(f)所示。從圖中可以看出，加入射頻干擾后，譜圖的整體背景噪聲有所“抬升”，且部分處于降雨區域邊緣的降雨信號被背景噪聲遮蓋住。進一步，選取距離2.4 km處的原始功率譜和加入射頻干擾后的功率譜，如圖5(g)所示。從圖5可以看出，加入射頻干擾后，噪聲電平被抬高了超過10 dB，而此時降雨和地雜波保持不變。如果通過適當的頻域濾波方法，可以僅保留降雨目標，那么就可以完全消除射頻干擾的影響。

圖5 IDRA雷達測量結果Fig.5 The measurements of IDRA radar

進一步繪制原始譜極化分量和加入射頻干擾(INR分別為15 dB和25 dB)后的譜極化分量，如圖6所示。可以看出，原始的sLDR 和 sρco中，降雨信號可以比較清晰地區分雜波和噪聲。而加入射頻干擾后，部分處于降雨區域邊緣的降雨信號被背景噪聲遮蓋住。

圖6 不同INR條件下的IDRA雷達的譜極化分量Fig.6 The spectral polarimetric variables of IDRA measurements in different INR conditions

5 射頻干擾濾波算法設計

本節主要針對射頻干擾抑制問題，利用降雨目標和射頻干擾的譜極化特性和距離-多普勒域上的連通特性差異，設計譜極化濾波器，在盡可能多的保留降雨目標的情況下，濾除射頻干擾。譜極化濾波器作用于距離-多普勒域，通過產生一個{0,1}的二元濾波值，其中“1”表示降雨信號，作用于原始的功率譜圖，實現保留降雨目標和濾除干擾。

最近，作者提出了兩種譜極化濾波器，即MDsLDR濾波器[12]和OBSPol濾波器[13]，用于濾除窄帶動態雜波和噪聲。由于射頻干擾在距離-多普勒域上呈現的是“抬高的噪聲”這一特性，故而所設計的譜極化濾波器仍然可以適用。文獻已證明這兩款濾波器在濾除窄帶動態雜波和噪聲都有很好的性能，且OBSPol濾波器可以保留更多的弱降雨目標。但是，當降雨與雜波在頻域上重疊時，所設計的濾波器無法實現僅保留“純降雨目標”。MDsLDR濾波器和OBSPol濾波器的流程圖如圖7所示，下面簡單描述各自的具體工作原理。

MDsLDR濾波器主要分為4個步驟，如圖7(a)所示。第1步是利用雙線性譜去極化比濾波器，第2步是沿著多普勒維使用一個滑動窗用于濾除窄帶雜波，第3步是利用二維的滑動窗來恢復去除的降雨和消除剩余雜波。最后，用數學形態學方法進一步恢復降雨信號。MDsLDR濾波器需要雷達系統具備交叉極化測量能力，即雷達工作于ATSR測量模式，而大部分業務氣象雷達為STSR模式，不具備該條件。

OBSPol 濾波器提出的初衷就是為了解決大部分STSR業務氣象雷達的雜波濾除問題。OBSPol濾波器也分為4個步驟，如圖7(b)所示。第1步是利用譜極化參量進行預濾波處理，可以選用常見的sρco。第2步用數學形態學方法恢復降雨信號。第3步把距離-多普勒圖中連通的區域按照面積大小排序，歸納為不同的對象。第4步針對每一個對象，用額外的參量進行濾波處理，然后把這些參量合成一個最終的濾波結果。其中，若第1步采用sLDR，則可以是ATSR模式下的OBSPol濾波器。

圖7 譜極化濾波器流程圖Fig.7 The flowchart of spectral polarimetric filters

為了更好地分析對比譜極化濾波器的效果，先簡要介紹下IDRA雷達的標準處理方法(Standard Processing,SP)。SP處理由零多普勒濾波器、雙線性譜去極化比濾波器和噪聲門限法組成。上述處理完后，計算每個距離單元剩余的“1”的總數，看是否大于總多普勒處理脈沖數的2%，若不是，則將整個距離單元置“0”。

最后，為了定量衡量濾除射頻干擾的有效性，根據混淆矩陣理論，本文定義距離-多普勒域上的檢測概率Pd為

其中，TP表示降雨被判斷為降雨的點數，FN表示降雨被判斷為雜波的點數。虛警概率Pfa定義為

其中，FP表示雜波被判斷為降雨的點數，TN表示雜波被判斷為雜波的點數。此外，還可以通過定義均方誤差(RMSE)用于衡量濾波性能。對于給定的距離-多普勒譜圖，若有R個距離單元包含降雨，那么對于任一參量X的RMSE可以表征為其中，Xtru(r)是距離為r處的測量參量的真值，Xest(r)是測量參量的估計值。參量X可以是雷達反射率、差分反射率和共極化系數等。

6 射頻干擾濾波結果分析

6.1 ATSR雷達

為了評估ATSR雷達中譜極化濾波器對射頻干擾濾波性能，本文用IDRA雷達數據。首先，采用圖5的第84個譜圖的數據，加入INR為25 dB的射頻干擾信號。利用不同處理得到的結果，如圖8所示。從圖8可以看出，經過不同的處理后，降雨信號都有所損失，這主要是因為射頻干擾信號較強，部分較弱降雨信號受到較大影響。SP處理后，有部分射頻干擾得以保留下來，而其他幾個譜極化濾波器可以完整地去除射頻干擾。從降雨信號保留完整度來看，OBSPol濾波器使用sLDR效果最佳。

圖8 不同處理后的距離-多普勒譜圖Fig.8 The range-Doppler spectrogram after different processing

下面定量分析不同的處理對射頻干擾濾除的效果。繪制不同INR條件下，檢測概率Pd、虛警概率Pfa、反射率和共極化系數的RMSE的曲線圖，如圖9所示。其中，INR的范圍為[–5 dB,25 dB ]，從圖9可以看出，隨著INR的增大，Pd值減小，這主要是因為更多強度更弱的降雨信號被“抬高的噪聲”遮蓋了(降雨的sLDR值增大，sρco值減小)。Pfa值都比較小，特別的譜極化濾波后，基本上可忽略不計。反射率的RMSE隨著INR的增大，逐漸增加，這是由于INR增大了，更多的射頻干擾得以保留。本案例中，MDsLDR和SP處理，相比于另外兩種處理方式，效果更差。但原因卻不相同，MDsLDR處理是只保留了強降雨信號，而觀測Pfa可以看出，SP處理是保留了更多的射頻干擾。最后，如圖9(d)所示，共極化系數的RMSE與反射率的RMSE類似，但此時MDsLDR處理后性能最佳，這是因為MDsLDR濾波器可以完全濾除射頻干擾和噪聲。

圖9 不同處理后的性能指標與INR的關系Fig.9 The relationships between the metrics after different processing and the INR

最后，對雷達PPI的濾波結果也需要進一步檢驗，以證明濾波效果。在原始的雷達PPI上加入射頻干擾如圖5(b)所示，而本文的處理是基于該圖，相應的結果如圖10所示。SP處理保留了大量的雜波和噪聲，相比之下，譜極化濾波器可以更好地對射頻干擾和窄帶動態雜波進行濾除。具體地，OBSPol 濾波器可以更好地保留弱降雨信息，使得降雨區域看起來更加連續。

圖10 不同處理后的IDRA雷達PPI圖Fig.10 The IDRA radar PPIs after different processing

6.2 STSR雷達

6.1節利用ATSR雷達數據仿真加入射頻干擾，驗證了譜極化濾波器在射頻干擾濾除的有效性。對于STSR雷達而言，其沒有交叉極化測量能力，本文只能使用sρco參量和OBSPol濾波器。但此時由于射頻干擾同時進入兩個接收通道，射頻干擾呈現較強的相關性，即sρco數值較大。但可利用數據分集的方式，模擬ATSR雷達數據集。具體地，OBSPol濾波器中sρco可以分為數據分集前后的sρco。本小節使用的數據即為圖2所示，多普勒處理采用的數據大小為64，原始反射率和差分反射率以及數據分集前后的濾波結果如圖11所示。

仿真中以20幀為步進在第60幀到第220幀的譜圖中分別加入極化態為以5°為步進的5°～45°的線極化的射頻干擾，結果如圖11(a)和圖11(b)所示。從圖11可以看出，部分仿真射頻干擾與真實射頻干擾較為接近。使用不分集和分集的OBSPol濾波器的濾波結果，分別標記為STSR和ATSR，結果如圖11(c)—圖11(f)所示。使用不分集的OBSPol濾波器只能濾除INR小于10 dB的射頻干擾，無法完全濾除射頻干擾。而采用數據分集的OBSPol濾波器可以有效濾除所有的射頻干擾。譜極化濾波器可以增強雷達對降雨目標的觀測能力，以及雷達的數據質量。

圖11 不同處理后的KNMI雷達PPI圖Fig.11 The KNMI radar PPIs after different processing

7 結束語

當前，極化-多普勒氣象雷達是業界公認開展大氣研究的主要技術手段之一。針對與日俱增的射頻干擾對氣象雷達的影響問題，本文提出利用譜極化濾波器來濾除射頻干擾。首先利用C波段氣象雷達的實測數據研究射頻干擾的時域、頻域和極化域特性，建立射頻干擾信號模型。射頻干擾的頻域特性表現為“抬升的噪聲”，而兩個通道相關性則與極化雷達類型有關。對于STSR雷達而言，通道相關性較強；而對于ATSR雷達，通道相關性較小。然后，用上述獲得射頻干擾特性，在X波段ATSR雷達的數據中仿真加入射頻干擾信號，通過定性和定量分析，驗證譜極化濾波器的有效性。具體使用的譜極化濾波器為MDsLDR和OBSPol。總體看來，在ATSR雷達中利用譜極化濾波器可以有效保留降雨目標且濾除射頻干擾。最后，針對STSR雷達，本文提出利用數據分集的方法，STSR雷達的實測數據可以模擬ATSR雷達數據，再利用譜極化濾波器實現射頻干擾濾除，同樣可以取得較好的濾波效果。