基于预测算法的天气雷达回波数据压缩编码研究

中国民用航空西北地区空中交通管理局 陕西 西安 710082

引言

通常天气雷达组网拼图是由一般等高平面位置用于显示回波图拼图,进而实现获取区域三维立体回波拼图,高效、实时传输组网中各测站可获得大量雷达立体扫描数据,进而可构建天气雷达三维立体拼图系统。可以说,目前雷达回波数据压缩已经成为解决该问题的重要途径。根据现有研究表明,用基于小波天气雷达回波有损方法可获得较高压缩比,但会存在部分信息丢失的问题,基于当前天气雷达回波数据无损压缩法,大多采用将雷达回波立体扫描数据作为普通文件压缩,但无法有效去除多种冗余度,未充分利用各层回波图像的相关性,导致所获压缩比较低。

1 预处理

天气雷达是基于不同仰角作为全方位扫描数据的获取方式,可将其称为立体扫描数据,以一定格式来储存回波数据,该格式是与雷达工作密切相关的。天气雷达回波数据以极坐标的方式进行储存、编排,这种方式不利于预测实施以及雷达回波数据的相关性利用,因此可以考虑采用转换后的雷达回波数据的处理方案,其坐标数据分布图如下所示:

该图中a、b分别表示坐标转换前、后的结果,通过雷达数据头信息进而获取立体扫描层数,各层方位角间隔,库长等相关信息,之后结合信息对回波数据进行坐标转换,比如可设置雷达扫描一周径线数m和库数n,在处于某个仰角的基础上扫射一周数据极坐标,构建m乘n的矩阵图像,通过坐标转换保持雷达回波原有的相关性,便于线性预测。

2 无损压缩

对于天气雷达回波数据从其特点上来看,结合天气雷达的运行方式,在相邻两束电磁波间以及各束电磁波相邻两个采样数据间存在着较强相关性,如下所示为某个天气雷达体扫数据六层回波图像结构示意图:

通过回波图像可以发现,各层回波图像间具有一定相似性,尤其是相邻两层相似性较高。通过天气雷达回波立体扫描数据中各层雷达回波图像的比较可以看出,各层回波图像不仅具有较强相关性,且各层回波图像存在层间冗余,可以为提升天气雷达回波体扫数据的整体压缩比算法提供帮助。

从预测排序树上来看,假设基准图像与回波图像具有较强相关性,进而会使数据预测相对准确,可有效去除图像冗余度,反之会导致预测结果不准。因此在预测之前需要针对预测图像选择合适的基准图像及选择某层回波图像作为基准图像,在层间预测前需要对各层回波图像结合相关性进行排序,充分利用各层回波图像的相关系数,构建回波图像预测排序树,再结合顺序进行各层图像预测,以达到最大冗余去除的效果。

可构建的回波图像排序树如下表所示。

?

最佳线性预测。综上,由于天气雷达回波立体扫描数据是根据处于不同仰角条件下天气雷达获取的,各层回波图像具有一定的相关性,通常在图像无损压缩过程中采用预测编码方式去除图像冗余度,进而获取残差图像,实现熵编码,冗余度去除越高则会使残差图像与无记忆信源越接近,而去除冗余后的残差图像概率分布情况是于与laplasin分布相互一致的。结合编码定理,无记忆信源零阶熵是平均码长下限,因此,只有采取有效算法才能够降低残差图像零阶熵,进而减少平均码长,以提升图像的压缩比。对此,需要设计一阶线性预测器,通过合理调整一阶线性预测器,进而能够使预测误差均方误差达到最低值,有效去除回波图像的层间冗余度。如下所示为一阶线性预测器的具体构造过程。我们可以假设xn,i,j是第n层回波图像中第i行第j列灰度值,而xn-1,i,j代表第n-1回波图像中第i行和第j列的灰度值,Xn,i,j是由xn-1,i,j预测的第n层回波图像中同一位置灰度值,则一阶线性预测器的计算公式如下所示,

在该公式中,an-1,bn-1是指第n-1回波图像中预测第n层回波图像像素值的预测系数,为能够达到最小的预测误差可采用最小均方误差准则对线性系数优化,可以假设图像大小为m乘n矩阵,为使整个图像预测误差均方值最小,如下公式所示:

需要满足下列条件,最终获得公式。

基于此,在均方误差下完成了最佳设计构造。

3 实验结果分析

从压缩框架上来看,在针对天气雷达回波立体扫描数据实现无损压缩过程中需要遵循一定的压缩流程,分别包括体扫数据,预处理,构建排序树,线性预测,自适应编码以及输出码流。结合数据有关文件头信息读取各层的回波数据,利用预处理算法实现数据格式转换之后,构建预测排序树,利用最佳线性预测法实现层间预测,利用自适应算法编码对残差图像以及基准图像的压缩,以获取输出码流。

在线性预测中,利用最佳线性预测法实现数据预测以获得残差图像最小灰度值和更多零值,利于实施无损压缩。通过研究发现,采用最佳线性预测法能够去除图像冗余度,降低图像熵值,能够为实现图像压缩提供可能。在本次压缩中分别采用双边码winzip通用压缩软件,JPEGLS以及提出算法。通过对20组天气雷达回波立体扫描数据实现压缩实验分别比较,其中算法压缩比可以发现,采用LZW编码算法编码以及winzip通用压缩软件会使雷达回波立体扫描数据作为普通文件压缩,为能够去除多余冗余度导致图像压缩比较低。其中采用winzip通用压缩软件压缩比较高为5.96:1。而利用JPEGLS算法进行压缩时通过预处理能够将雷达回波数据作为二维图像数据,考虑数据本身相关性,因此所获的压缩比要高于winzip通用压缩软件,这进一步表明,针对天气雷达回波数据无损压缩来说,采用统计编码的方式能够获得较高的图像压缩比。

小结

总而言之,结合天气雷达回波数据结构的复杂性,本文研究了无损压缩算法提出适用于雷达回波数据特点,坐标转换和回波图像,预测排序树算法,充分利用自适应算法编码最佳线性预测的方式以实现天气雷达回波数据的无损压缩。实验表明,该算法具有较高的压缩效果,能够为天气雷达回波数据无损压缩提供新思路。