基于模糊逻辑的风廓线雷达目标检测技术

黄裕文

(中国民用航空飞行学院 绵阳分院，　四川 绵阳 621000)



·信号处理·

基于模糊逻辑的风廓线雷达目标检测技术

黄裕文

(中国民用航空飞行学院 绵阳分院，四川 绵阳 621000)

作为风廓线雷达探测目标的大气湍流信号，极易受地杂波、海杂波、降水、无线电信号、飞机、鸟、昆虫等一系列外界环境和信号的干扰，从而形成一种具有多峰特征的功率谱数据。为了有效抑制和去除杂波，提高风廓线雷达输出的数据质量，必须从功率谱数据中将大气湍流目标检测出来。通过分析大气湍流在风廓线雷达回波功率谱中体现出的特征，将其作为风廓线雷达目标检测的准则。文中提出了一种基于模糊逻辑的风廓线雷达目标检测方法，并进行了实际数据的处理和分析，验证了该方法的可行性和有效性。

风廓线雷达；目标检测；模糊逻辑；多峰决策

0　引　言

风廓线雷达是利用大气湍流对电磁波的散射作用对大气进行探测的一种遥感设备[1]。风廓线雷达探测时必须做较长时间的时域和频域积累，由于大气湍流信号比较微弱，极易受地杂波、海杂波、降水、无线电信号、飞机、鸟、昆虫等一系列外界环境和信号的干扰，从而形成一种具有多峰特征的功率谱数据。从功率谱数据中检测大气湍流回波信号，找出代表大气湍流回波的峰谱，并计算回波的信噪比、多普勒速度、速度谱宽等，就是风廓线雷达的目标检测过程，这一过程将很大程度上决定风廓线雷达输出数据的质量[2]。从风廓线雷达诞生之日起，专家学者们就在这个方面做了不懈的努力。1994年，Clothiaux等[3]提出了通过最大功率谱谱峰垂直链方法进行检测。1998年，Greisser等[4]提出了处理多峰谱的方法去除杂波。1999年，Pekour等[5]针对鸟类迁徙的影响，提出了鸟杂波的处理方法。美国国家气象研究中心(NCAR)于2002年提出了NIMA方法，用于剔除地杂波的影响[6]。2003年，朱斌等[7]提出了利用两个对称的倾斜波束所测得的湍流目标径向速度在频率上相对于天顶波束应该是对称的这一特点，可将杂波峰谱进行剔除。2012年，惠建新等[8]提出了基于极大似然算法估计的风廓线雷达谱矩估计方法。针对降水天气下，风廓线雷达的回波信号在结构上通常呈双峰结构，2014年，何越等[9]提出了双高斯拟合的方法。从实际处理效果看，上述方法在处理某些特定场合的特定数据时，确实能比较精确地完成大气湍流目标的检测；但在风廓线雷达的长期运行过程中，却难以自适应处理受各种杂波干扰的功率谱。风廓线雷达专家可以在一定准则的引导下，轻易地从各种功率谱数据中找出大气湍流目标。基于此，本文提出了一种基于模糊逻辑的风廓线雷达目标检测技术，在一定的检测准则下，模仿专家的人脑思维，完成风廓线雷达功率谱回波中大气湍流目标的自适应检测。

1　风廓线雷达目标检测的准则

风廓线雷达的目标检测与其他雷达具有不一样的特点。风廓线雷达信号处理器输出了各距离库的整个功率谱，因此目标检测的过程就是如何从回波功率谱中找出大气湍流信号峰谱所在的位置，并计算出信噪比、多普勒速度、速度谱宽等各阶矩。

1.1准则一：“面积”最大

风廓线雷达目标检测最简单的方法，就是对功率谱幅度最大值的检测，这种方法认为大气湍流信号总是最强的。因此，在功率谱上找出最大值所在的位置，就可以把它当作大气湍流信号的峰。在大气湍流回波信号较强、杂波等污染较少较弱的情况下，这种方法可以取得较好的效果；但有强杂波干扰时，这种算法会导致很大的误差。有学者将该方法改进为在功率谱上找出“面积”最大的峰谱，认为该峰谱代表了大气湍流回波。实践表明，改进方法在很多场合可以取得不错的效果，但在降水天气下易出现判断错误的现场，这是风廓线雷达目标检测的第一条准则，即大气湍流回波信号在功率谱中的“面积”是较大的。

1.2准则二：对称性

从矢量分析角度，大气湍流目标的径向速度与大气三维风场(u,v,w)存在以下关系

Vr=usinφsinθ+vcosφsinθ+wcosθ

(1)

式中：φ为波束方位角；θ为波束与垂直方向的夹角。

对于五波束探测的风廓线雷达，有

北波束：φ=0°，VN=vsinθ+wcosθ

(2)

东波束：φ=90°，VE=usinθ+wcosθ

(3)

南波束：φ=180°，VS=-vsinθ+wcosθ

(4)

西波束：φ=270°，VW=-usinθ+wcosθ

(5)

天顶波束：θ=0°，VV=w

(6)

将式(2)和式(4)、式(3)和式(5)分别相加，可以得到

VN+VS=2wcosθ

(7)

VE+VW=2wcosθ

(8)

从式(7)和式(8)可以看出，从理论上讲，对称波束探测得到的大气湍流径向速度应该关于2wcosθ对称。这是风廓线雷达目标检测的第二条准则。

1.3准则三：时空一致性

大气风场在空间上呈现出连续变化的规律，因此，对于雷达信号处理器传送出来的各个高度的功率谱数据，代表大气湍流回波信号的峰谱，在上下高度层之间应该是连续变化的，即使在该高度层发生了风切变，该高度层之上和之下，大气湍流回波信号的峰谱也应该是连续变化的。这个性质可称为空间一致性。

目前，风廓线雷达一般采用6 min一次的探测模式，在这么短的时间内，大气风场的变化通常比较缓慢。因此，有理由认为，对于同一个波束、同一个高度层雷达信号处理器输出的功率谱数据，大气湍流回波信号的峰谱在不同的时间点之间应该也是连续变化的。这个性质可称为时间一致性。

空间一致性和时间一致性构成了风廓线雷达目标检测应遵循的第三个准则。

2　基于模糊逻辑的目标检测技术

2.1概述

1965年，加州大学伯克利分校的计算机专家Lofty Zadeh提出了“模糊逻辑”的概念，其根本在于区分布尔逻辑或清晰逻辑，用来定义那些含混不清，无法量化或精确化的问题。作为一门量化数学理论，模糊逻辑以数据为根本，去处理那些非统计、不确定、不精确的信息。图1给出了一个通用的模糊逻辑系统的构成框图[10]。

图1　模糊逻辑模型组成框图

一个完整的模糊逻辑系统由四个部分组成，分别为：模糊量化、影响准则、综合、去模糊，如图1 所示。其中，x1,x2,…,xn为输入变量，y为输出变量，它们都是不模糊的。模糊量化将非模糊的输入量转换成系统模糊的输入量；在影响准则层，计算输入量在每条准则下对最终结果的影响程度；这些影响程度可通过加权相加、相乘等处理进行综合；综合结果采用分段、最大最小等方法去模糊，得到最终的非模糊输出量。

在风廓线雷达的探测过程中，往往会受各种杂波干扰而形成双峰、甚至多峰的功率谱回波，因而风廓线雷达目标检测就转化为一个多峰决策的问题。风廓线雷达专家可以比较轻易地确定大气湍流信号的峰谱位置，而现有的风廓线雷达目标检测技术却很难做到这一点，原因在于这些技术只是以风廓线雷达目标检测的某一条准则为基础来进行检测，没有综合考虑所有的准则。使用模糊逻辑模型可以很好的解决这个问题。

2.2目标检测流程

基于模糊逻辑的风廓线雷达目标检测技术按以下三个步骤进行：数据预处理、谱峰初步识别和多峰决策。

2.2.1数据预处理

数据预处理是风廓线雷达目标检测不可缺少的一个步骤，通过插值、滤波等处理，去除原始功率谱中混杂的噪声和弱信号，使得信号谱峰更加清晰。在风廓线雷达数据中，零速度点处的功率谱数据一般较大，这不利于谱峰的检测，所以通常采用左右两点谱数据的平均值去替代零速度点的方法进行插值处理。滤波通常采用滑动平均的方法，可以降低一些偶发性干扰的幅度，使整个功率谱数据变光滑，更有利于谱峰的识别。

2.2.2谱峰初步识别

对已经过数据预处理的功率谱数据进行谱峰的初步识别，识别过程中不采用任何准则，力争将功率谱中所有的信号谱峰全部检测出来。这样，在雷达的每个探测波束的每个距离库上都会形成一个信号谱峰的集合，理论上讲，只要大气湍流信号能够被检测，其谱峰就应该包含在这个集合中。计算各个信号谱峰的“面积”、径向速度、速度谱宽等相关参数。

2.2.3多峰决策

进行谱峰的初步识别后，雷达各个探测波束的每个距离库上均得到了一个包含大气湍流信号在内的谱峰集合。采用模糊逻辑模型按距离库逐个进行多峰决策，整个过程如下：将各个探测波束各个距离库上识别到的可能谱峰进行组合，形成一个新的集合，集合中的每个元素包含了各个探测波束各个距离库上的一个可能谱峰，根据新集合中每个元素的特征，计算该元素在风廓线雷达目标检测各条原则下的影响值，然后将各条准则的影响值相乘，得到各个元素成为大气湍流回波峰谱的“概率”值。显然，“概率”值越大，该元素成为大气湍流回波峰谱的可能越大；同时，当出现最大“概率”值也较小的情况时，可认为该距离库无法检测到大气湍流回波信号。多峰决策过程如图2所示。

图2　多峰决策过程

各个元素在各条准则下对决策结果的影响值通过下式量化

(9)

式中：f1,f2,f3分别为每个元素在各准则下对决策结果的影响值；X1,X2,…,Xn为每个探测波束、每个距离库上各个峰谱的“面积”；Yi，SE，Yi,NW,Yi,V代表第i个元素对称波束及天顶波束的径向速度；Zi,j-1,Zi,j,Zi,j+1为某个探测波束同一时刻相邻距离库或同一距离库相邻时间段上连续的三个径向速度；系数w1,w2用于调整各个准则在决策结果中的权重。

3　应用实例

以某边界层风廓线雷达的观测数据为例，来验证本技术的可行性和有效性，该雷达系统的主要技术参数及工作参数见表1。

图3给出了利用本技术对风廓线雷达三种典型功率谱数据进行目标检测的结果。每一幅图均给出了一段探测高度上两个对称波束及天顶波束的挑谱结果，“+”标示了代表大气湍流的谱峰在功率谱回波数据中的位置。

图3　三种典型功率谱数据下的处理结果

如图3a)所示，在低空风廓线雷达功率谱数据经常会受地物、自身发射脉冲串扰等不同类型干扰的影响，利用本文提出的处理方法，可以很好地从功率谱回波中识别出代表大气湍流的峰谱；如图3b)所示，在高空，随着大气湍流信号的变弱，其回波基本淹没在其他信号和噪声之中，利用本文提出的处理方法，可以有效提高风廓线雷达的探测高度；如图3c)所示，在降水条件下，大气湍流峰谱与降水峰谱混杂在了一起，利用本文提出的处理方法，可以正确地将二者区分开来。

4　结束语

风廓线雷达的目标检测技术与雷达的数据质量息息相关。传统的风廓线雷达目标检测技术在检测时往往只采用一种准则，如：面积最大、波束对称性等；或者将某些准则放入后期的质量控制中使用，如：空间一致性、时间一致性等。本文提出了一种基于模糊逻辑的风廓线雷达目标检测技术，综合利用各种检测准则，模仿专家的人脑思维，进行风廓线雷达回波中大气湍流目标的自适应检测。从实际处理效果看，该方法明显优于传统方法，不仅可以提高风廓线雷达数据的准确性，还有助于风廓线雷达数据获取率的提升。但是，本方法采用的准则比较有限，可以将更多的准则加入到算法中来；另外，决定各准则对多峰决策结果影响程度的权重系数也有待优化，这些都是下一步的研究方向。

[1]何平. 相控阵风廓线雷达[M]. 北京：气象出版社，2006.

HEPing.Phasedarraywindprofiler[M].Beijing:ChinaMeteorotogicalPress, 2006.

[2]胡明宝. 风廓线雷达探测与应用[M]. 北京：气象出版社，2015.

HUMingbao.Detectionandapplicationofwindprofiler[M].Beijing:ChinaMelerologicalPress, 2015.

[3]CLOTHIAUXEE,PENCRS,THOMSONDW,etal.Afirst-guessfeature-basedalgorithmestimatingwindspeedinclear-airDopplerradarspectra[J].JournalofAtmosphericandOceanicTechnology, 1994,11(8): 888-908.

[4]GRIESSERT,RICHNERH.MultiplepeakprocessingalgorithmforidentificationofatmosphericsignalsinDopplerradarwindprofilerspectra[J].MeteorologischeZeitschrift, 1998, 7(6): 292-302.

[5]PEKOURMS,COULTERRL.Atechniqueforremovingtheeffectofmigratingbirdsin915MHzaindprofilerdata[J].JournalofAtmosphericandOceanicTechnology,1999,16(12): 1941-1948.

[6]MORSECS,GOODRICHRK,CORNMANLB.TheNIMAmethodforimprovedmomentestimationfromDopplerspectra[J].JournalofAtmosphericandOceanicTechnology, 2002,19(3): 274-295.

[7]朱斌, 高仲辉. 风廓线雷达探测系统中的谱数据处理[J]. 现代雷达, 2003, 25(11): 21-23.

ZHUBin,GAOZhonghui.Spectraldataprocessingofthewind-profileradar[J].ModernRadar, 2003, 25(11): 21-23.

[8]惠建新, 吴蕾, 高玉春, 等. 基于极大似然算法的风廓线雷达谱矩估计[J]. 气象科技, 2012, 40(1): 9-13.

HUIJianxin,WULei,GAOYuchun,etal.Studyofspectralmomentestimationsforwind-profilingradarbasedonmaximumlikelihcodalgorithm[J].MeteorologicalScienceandTechnology, 2012, 40(1): 9-13.

[9]何越, 何平, 董德保, 等. 双高斯拟合的风廓线雷达降水时的风场反演[J]. 科学技术与工程, 2014,14(23): 146-152.

HEYue,HEPing,DONGDebao,etal.Studyofwindfieldinversionfromwind-profilingradarbasedondouble-Gaussianfittingundertheconditionsofprecipitation[J].ScienceTechnologyandEngineering, 2014,14(23): 146-152.

[10]HONGPINGL,CHANDRASEHARV.Classificationofhydrometeorbasedonpolarimetricradarmeasurement[J].JournalofAtmosphericandOceanicTechnology, 2000,17(2): 140-164.

黄裕文男 ，1968年生 ，高级工程师。研究方向为空管工程技术。

Wind Profiler Target Identification Technology Based on Fuzzy Logic Model

HUANG Yuwen

(Mianyang Flight College, Civil Aviation Flight University of China,Mianyang 621000, China)

The atmospheric turbulence signal, as the detect targets of the wind profiler, is highly vulnerable to external environment and the signal interference from ground clutter, sea clutter, precipitation, radio signals, the airplane, birds, insects,etc, generating a kind of power spectra data with characteristic of multiple peak. In order to effectively suppress and remove the clutter, and improve the quality of the wind profiler data, it is very necessary to identify the atmospheric turbulence target from this kind of power spectra. After the analysis of atmospheric turbulence characteristics in the wind profiler echo, which to be used as the wind profiler target identification principles, a wind profiler target identification technology based on fuzzy logic is proposed in this paper. The feasibility and effectiveness of this method is validated by the process and analysis of actual data.

wind profiler; target identification; fuzzy logic; multiple peak decision

10.16592/ j.cnki.1004-7859.2016.08.010

中国民用航空飞行学院科研基金资助项目(J2013-71)

黄裕文Email：287910145@qq.com

2016-04-28

2016-06-27

TP957

A

1004-7859(2016)08-0043-03