C波段双偏振雷达退速度模糊的分析
南京大学C波段双偏振雷达_用Matlab将所有IQ数据全部重新计算_2014年9月11日
南京大学C波段双偏振雷达_用Matlab将所有IQ数据全部重新计算_2014年9月11日南京大学C波段双偏振雷达用Matlab将所有IQ数据全部重新计算南京大学2014年9月11日目录1 概述 ..................................................................... (1)2 整个的计算步骤 ..................................................................... (2)3 Matlab和C语言联合编程 ............................................................... 3 3.1 概述...................................................................... ............................................ 3 3.2 编程方法...................................................................... (3)3.2.1 编译器的设置...................................................................... . (3)3.2.2 IPP的编译 ..................................................................... ....................... 4 3.3 在64bit 操作系统下的编译 ..................................................................... ..... 4 3.4 速度测试...................................................................... (5)3.4.1 计算机配置...................................................................... .. (5)3.4.2 处理一个完整的体扫的IQ数据的速度 (5)3.4.3 mexFun_Radar_Data_DSP 函数中，各个子函数的速度 (6)3.4.4 多个Matlab进程同时运行 (6)3.5 经验和教训...................................................................... .. (7)4 IQ计算时的参数设置 ......................................................................7 4.1 雷达的性能参数...................................................................... ........................ 7 4.2 信号处理算法设定的参数...................................................................... .. (8)5 信号处理算法介绍 ..................................................................... ..... 9 5.1 第1个子过程的算法介绍...................................................................... .. (9)5.1.1Read_MSD_Radar_IQData_And_Process_Main.m (9)5.1.2Fun_Read_MSD_Radar_IQData_And_DSP.m (10)5.1.3Fun_Radar_Data_DSP.m ................................................... .. (10)5.1.3.1Fun_PreProcess.m........................................................ (11)5.1.3.2Fun_ClutterFilter.m..................................................... . (11)5.1.3.3Fun_CorrCalc.m.......................................................... . (12)5.1.3.4Fun_ParameterCalc.m..................................................... (12)5.1.3.5Fun_ChannelCorrect.m ................................................... (13)5.1.3.6Fun_ZDR_KDP_Calc.m ..................................................... .. (13)5.1.3.7Fun_FormatChange.m ..................................................... .. (14)5.1.3.8Fun_Thresholding.m ..................................................... .. (14)5.1.3.9Fun_SpeckleFilter.m .................................................... ............ 14 5.2 第2个子过程的算法介绍...................................................................... ...... 15 5.3 第3个子过程的算法介绍(未完成).. (16)5.3.1Read_MSD_Radar_BaseData_PHIDP_Correct_ALL (16)5.3.2Fun_PHIDP_Initial_Modify ............................................... . (16)5.3.3Fun_PHIDP_Reject_Singular_Data ......................................... . (16)5.3.4Fun_PHIDP_Remove_Fold .................................................. .. (16)5.3.5Fun_PHIDP_Filter ....................................................... .. (16)6 计算结果的初步对比(未完成).................................................. 16 6.1 对各个IOP 强度起伏的对比 ..................................................................... .. 17 6.2 PPI的对比 ..................................................................... (20)6.2.1 层状云降水...................................................................... (20)6.2.2 对流型降水........................................................................................ 22 6.3 RHI的对比...................................................................... . (24)6.3.1 层状云降水...................................................................... (24)6.3.2 对流型降水...................................................................... .................. 27 6.4 地物抑制效果的对比...................................................................... .. (29)7 下一步工作 ..................................................................... .............. 30 7.1 将用matlab重新计算出的基数据分发给相关的研究人员，终于可以开展下一步的科学研究了...................................................................... ..................... 30 7.2 按照在第2章中谈到的第2个阶段，把目前基于Matlab的GMAP和解距离模糊等算法，改用C语言来实现 .............................................................. 30 7.3 召集人员，进行和RVP9的深入对比分析，包括两者的地物抑制效果、参数的随机差的对比，看看两者算法各自的优势和缺陷. (30)1 概述2014年6、7月份，由北京敏视达公司制造的南京大学C波段双偏振雷达在安徽长丰站进行了持续的降水观测，录取了大量的基数据和IQ数据。
一次极端特大暴雨天气过程C波段双偏振雷达资料分析
一次极端特大暴雨天气过程C波段双偏振雷达资料分析一次极端特大暴雨天气过程C波段双偏振雷达资料分析暴雨是一种极端天气现象，具有短时间内强降雨、猛烈扰动和广泛影响的特点。
通过对暴雨过程的分析，可以更好地理解其形成机制、特征以及对社会和生态环境的影响。
本文将基于C波段双偏振雷达资料，对一次极端特大暴雨天气过程进行分析。
首先，我们需要了解C波段双偏振雷达在暴雨过程中的应用。
C波段双偏振雷达是一种主要用于天气雷达观测的仪器，可以获取降水粒子的垂直和水平分布特征。
通过观测降水粒子的偏振信号，可以对不同类型的降水粒子进行识别和定量化分析。
以某地区一次极端特大暴雨为例，分析该过程中降雨的分布特征和演变规律。
在暴雨发展初期，C波段双偏振雷达可以观测到大量的小尺度回波信号，表明降雨开始发展。
通过分析垂直剖面图，可以发现暴雨云体的顶部高度较高，降水粒子的聚集程度较低，说明降雨过程处于初期阶段。
随着时间的推移，降雨逐渐加强。
C波段双偏振雷达可以观测到回波信号强度的增加以及降水粒子的聚集度的提高。
根据水平偏振率的变化，可以判断降水粒子的形态和类型。
在暴雨过程中，通常会出现强降雨和冰雹等极端天气现象。
通过分析雷达的差分反射率和差分相位，可以精确识别出冰雹区域，并了解冰雹的大小和密度。
另外，C波段双偏振雷达还可以提供降水速度和方向的信息，通过这些信息可以研究风场对降雨的影响。
风场对暴雨过程的发展和演变起着重要的作用。
通过分析降水速度和降水方向的变化，可以了解暴雨过程中风的强度和变化态势。
同时，还可以通过雷达回波的时序监测和数据对比，分析降水带的移动路径和速度，为预警和防灾工作提供参考。
最后，C波段双偏振雷达还可以提供云滴和降水粒子的尺寸和分布特征。
通过分析雷达的差分反射率和差分相位，可以判断不同粒径的降水粒子在不同高度上的分布。
通过建立降水粒子粒径谱，可以定量计算降水粒子的数量和粒径分布。
这些信息对于研究暴雨过程的强度、持续时间和空间分布具有重要意义。
C波段双线偏振雷达退偏振因子的应用潜力-高原气象
第16卷第4期 1997年11月 高原气象PLATEAU METEO ROLOGY Vo l .16 No .4 N ov .,1997C 波段双线偏振雷达退偏振因子的应用潜力①②刘黎平1③ 王致君1 钱永甫2(1中国科学院兰州高原大气物理研究所,甘肃省兰州市 730000)(2南京大学大气科学系,江苏省南京市 210008) 摘 要 退偏振因子(L DR )是双线偏振雷达可以获取的一个很重要的云和降水的物理量。
从理论上计算了液态和简单的冰相降水粒子对C 波段雷达回波的L DR 的大小,研究了L DR 与降水粒子的差反射率因子(Z DR )、空间取向和尺度大小等因素的关系。
研究结果表明:L DR 与降水粒子的Z DR 、空间取向和相态变化关系密切,它反映了粒子空间取向和粒子形状等信息,结合Z DR 和Z H ,利用L DR 可以更好地研究云中微物理特征及识别冰雹区。
为今后在双线偏振雷达上实现L D R 的测量提供了参考,为用实测的L DR 资料研究和分析云和降水的微物理结构及演变打下了基础。
关键词 双线偏振雷达 退偏振因子 微物理结构中图法分类号 T N959.4 雷达是遥测云和降水分布及其演变的很重要的手段之一。
通过常规气象雷达的反射率因子可以反演云的强度分布和降水强度的大小,但反射率因子对研究云中其他微物理特征,如降水粒子的相态、滴谱分布等就无能为力了。
双线偏振雷达通过测量云和降水对水平和垂直偏振波的不同后向散射,可以获取Z DR 。
这一工作方式是通过交替发射和接收水平和垂直偏振波来实现的。
用发射水平偏振波接收垂直偏振波的工作方式可以获取退偏振因子(L DR )。
只有当云中粒子为非球形及其对称轴空间取向偏离垂直或水平方向时,粒子对入射波后向散射的正交分量才不为零。
Z DR 和L DR 对研究云和降水的微物理特征都是很重要的。
雷达气象学家很早就注意到了L DR 的测量及分析工作。
1953年,在Seliga 提出双线偏振雷达设想以前,Atlas [1]就用Gans 散射理论计算了小椭球粒子的散射特性,其中就包括退偏振信息的计算。
C波段双偏振天气雷达降雨和部分地形遮挡衰减订正研究
C波段双偏振天气雷达降雨和部分地形遮挡衰减订正研究C波段双偏振天气雷达降雨和部分地形遮挡衰减订正研究摘要：天气雷达是一种关键的天气监测和预测工具。
然而，雷达回波受到各种因素的影响，其中地形遮挡是影响雷达测量降雨的重要因素之一。
本文针对C波段双偏振天气雷达的降雨测量以及部分地形遮挡引起的衰减现象进行了研究。
通过分析地形对雷达回波的影响，开展了相应的订正方法研究，并通过实验验证了该方法的有效性。
1.引言天气是人类生活中重要的自然要素之一，而天气雷达则是监测和研究天气变化的重要工具之一。
C波段双偏振天气雷达由于较低的工作波长，在降雨测量方面具有较好的性能。
然而，地形的存在会对雷达回波产生遮挡，从而影响降雨的测量结果。
2.地形遮挡的衰减效应地形的存在会导致雷达波束发射和接收信号的部分被山体所遮挡，从而降低雷达的探测能力。
这种遮挡效应不仅影响雷达回波的强度，还会改变回波的极化特性，进而影响对降雨的定量测量。
3.C波段双偏振雷达测雨原理C波段双偏振雷达通过测量雷达回波的强度和极化特性来对降雨进行测量。
强度反映了雨滴的体积和浓度，而极化特性则反映了雨滴的形状和组织结构。
在测量中考虑地形遮挡衰减后，可以更准确地反映实际的降雨情况。
4.地形遮挡对C波段双偏振雷达测雨的影响通过实地观测和数值模拟分析，可以发现地形的存在对C波段双偏振雷达测雨造成了明显的影响。
在遮挡区域，雷达回波的强度较弱，同时极化特性也发生了变化。
这种影响会导致对降雨的测量产生误差。
5.地形遮挡衰减订正方法研究针对地形遮挡引起的衰减现象，可以通过采取一系列的订正方法来改进雷达测量。
例如，可以利用数字高程模型(Digital Elevation Model, DEM)来对地形进行准确建模，并引入雷达回波的修正因子来消除地形遮挡引起的影响。
6.实验验证通过在真实的地理环境中设置观测场景，利用C波段双偏振雷达进行实地观测，对比未进行地形遮挡衰减订正前后的测量结果，可以验证订正方法的有效性。
C波段双偏振多普勒天气雷达接收系统故障检修实例
C波段双偏振多普勒天气雷达接收系统故障检修实例发表时间：2020-08-20T08:18:22.808Z 来源：《中国科技人才》2020年第10期作者：李杰[导读] 大大提高气象系统对短时临近天气的保障能力，从而更好的发挥气象系统辅助决策和技术支持的重要作用。
63801部队气象雷达雷达站摘要：基于平时的业务值班和对雷达的保养和检修的基础上，对C波段双偏振多普勒气象雷达接收系统故障检修过程作了总结，介绍了故障分析与排除过程。
关键词：雷达，故障检修1 引言C波段双偏振多普勒天气雷达（亦称C波段双偏振雷达）主要用于探测、监视场区周围400km范围内，垂直高度20km以下的降水、雷暴、中尺度气旋、飑线、风切变、下击暴流、冰雹、冻雨、冻结层、融化层等天气目标。
全面获取200km范围内的风场、大气湍流状况、降雨类型、降雨强度、降雨量分布以及降雨云内部粒子相态、粒子尺度谱分布等信息；处理生成探测区域降水量、降水类型、雷暴、大风、下击暴流等气象保障产品。
大大提高气象系统对短时临近天气的保障能力，从而更好的发挥气象系统辅助决策和技术支持的重要作用。
2 常见故障的检修C波段双偏振多普勒天气雷达接收分系统（AOH2.026.6301MX）由包括以组件：接收组件、频率源中频组件和监控通讯组件，接收组件由主接收通道、副接收通道和PIN开关组成；频率源中频组件由频率源、数字收发模块、激励通道、校正通道组成、延迟线和噪声源；监控通讯组件包括波导开关控制板、恒温控制板、交换机和调制功放。
C波段双偏振多普勒天气雷达接收机大部分为高频电路，包括自制件和外购件，模块内部电路维修相对复杂，需要有一定的高频电路基础，台站只需将故障定位到模块级，可通过更换模块备件来排除故障。
需要熟练了解接收机内部信号流程和示波器、频谱仪的使用方法。
C波段双偏振多普勒天气雷达接收机排除故障的主要方法通过测试模块的波形主要是信号输出功率进行判断模块的正常与否。
多普勒雷达速度退模糊方法分析
多普勒雷达速度退模糊方法分析陈宏波;闵锦忠;丁文文;蒋骏;钱昊钟【摘要】速度退模糊方法的基本思路一般是先找到可靠观测,以可靠观测为基础进行空间连续性检查.文章设计了模拟的雷达径向风资料,对比了两种典型的自动退模糊方法,一种Zhangjian的基于零风速线的方法;另外一种是Xuqin的基于反演平均风的方法.模拟资料的检验结果表明:(1)Zhangjian的方案对零风速线与某一条径线较匹配时,会取得较好效果,否则找不到弱风区,退模糊失败;(2)Xuqin的方案对非线性很敏感,非线性越强,效果越差.文中设计了一种寻找弱风区确切位置的算法.使用模拟资料的测试效果表明,新方案继承了零线方案的优点,另外,当零风速线的走向与观测径线差异较大时,仍然可以取得较好的结果.【期刊名称】《内蒙古气象》【年(卷),期】2015(000)003【总页数】6页(P18-23)【关键词】多普勒雷达;退模糊;零风速线【作者】陈宏波;闵锦忠;丁文文;蒋骏;钱昊钟【作者单位】南京信息工程大学,江苏南京210044;常州市气象局,江苏常州213000;南京信息工程大学,江苏南京210044;金坛市气象局,江苏金坛213299;常州市气象局,江苏常州213000;宜兴市气象局,江苏宜兴214206【正文语种】中文【中图分类】P415.2多普勒雷达观测资料在临近预报和数值预报中都起着重要作用。
雷达资料的时空分辨率使其几乎可以实时提供雷达附近数百公里范围内的降水、风场、大气中水汽和冰粒等气象状态的信息，这对提高临近预报甚至是短时预报的水平起到了几乎不可替代的作用。
另外，将雷达资料应用于数值预报中时，使用适当的同化方式可以为数值预报模式提供一个更加准确的初始场，进而改善数值预报效果。
因此，雷达数据的质量就显得尤其重要。
受到脉冲重复频率（PRF）和波长（λ）的限制，存在一个最大不模糊速度（Vmax）。
当实际风速（VT）超过这个速度时，就会发生模糊，观测值是V0，n是折叠次数，取值0,1,2等[1]。
基于模糊逻辑的双偏振天气雷达地物杂波识别算法
基于模糊逻辑的双偏振天气雷达地物杂波识别算法基于模糊逻辑的双偏振天气雷达地物杂波识别算法摘要：随着气象雷达技术的发展，天气雷达在气象预报和防灾减灾等领域起着越来越重要的作用。
然而，雷达回波数据中常常存在大量的地物杂波干扰，使得天气信息的提取和分析变得困难。
为了准确地识别地物杂波，本文提出了一种基于模糊逻辑的双偏振天气雷达地物杂波识别算法。
该算法根据双偏振雷达返回信号中的极化特征，利用模糊逻辑方法对雷达回波数据进行处理，并采用自适应阈值算法对地物杂波进行判定，从而实现对地物杂波的准确识别。
关键词：双偏振天气雷达；地物杂波；模糊逻辑；识别算法；1. 引言天气雷达作为一种重要的气象观测设备，可以通过发射并接收回波信号来获取大气中的降水和天气变化等信息，广泛应用于天气预报、气象科研和航空、海洋等领域。
然而，天气雷达回波数据中存在着大量的地物杂波，如建筑物、山脉、树木等，这些地物杂波会给天气信息的提取和分析带来困扰，因此对地物杂波进行准确识别成为必要的研究工作。
2. 双偏振天气雷达信号处理双偏振天气雷达可以同时获取水平极化（H）和垂直极化（V）的回波信号，由此可以得到极化特征参数，如线偏振度（DLR）、差分相位（DP）等。
根据极化特征参数，可以较好地区分不同的天气现象和地物杂波，实现对地物杂波的准确识别。
3. 模糊逻辑方法模糊逻辑是一种能够有效处理不确定性和模糊性的方法，通过将传统的布尔逻辑扩展为模糊逻辑，可以更好地处理雷达回波数据中的复杂特征。
本文采用模糊逻辑方法对双偏振雷达回波数据进行处理，利用模糊集合的概念，对不同的极化特征参数进行模糊化，从而实现对地物杂波和天气现象的分类识别。
4. 自适应阈值算法为了准确地判定地物杂波，本文采用自适应阈值算法对模糊逻辑处理后的数据进行进一步判断。
通过统计不同极化特征参数的均值和方差，并结合实际的气象数据，可以得到合适的判定阈值，从而准确地对地物杂波进行判别。
当回波数据与判定阈值之间的差异小于一定范围时，即可认定为地物杂波。
C波段双偏振多普勒天气雷达原理及主要偏振参量应用分析
C波段双偏振多普勒天气雷达原理及主要偏振参量应用分析C波段双偏振多普勒天气雷达原理及主要偏振参数应用分析一、引言雷达技术是现代气象学中非常重要的观测手段之一，可以提供大气中降水、风场以及悬浮颗粒物等信息。
而C波段双偏振多普勒天气雷达作为目前气象雷达中应用较多的类型之一，具备了高分辨率、高灵敏度等优势。
本文将详细介绍C波段双偏振多普勒天气雷达的原理及其主要偏振参数的应用分析。
二、C波段双偏振多普勒天气雷达原理C波段双偏振多普勒天气雷达是基于双偏振技术的，通过观测目标散射的双向偏振特性，来获得降水和颗粒物的物理参数。
其基本工作原理可以分为以下几个步骤：1. 天线发射和接收信号C波段双偏振多普勒天气雷达的天线首先发送一个具有一定频率和极化状态的微波波束，这个波束会与大气中的目标相互作用，然后被目标散射回来。
2. 接收信号的极化分离雷达接收到回波信号后，首先需要进行极化分离，将水平极化和垂直极化信号分离出来，以获得目标的双向极化特性。
3. 目标退偏振比计算在完成极化分离后，可以利用修正的双偏振天线系数，计算目标的退偏振比。
这个参数可以描述目标相对于水平和垂直方向的散射强度差别。
4. 目标的径向速度估计利用多普勒频移原理，可以根据接收到的回波信号的频率偏移，计算出目标在雷达天线方向上的径向速度。
通过多普勒频移，我们可以判断目标是否在向雷达靠近或远离。
5. 目标的径向散射强度估计利用雷达接收到的信号，可以计算出目标的径向散射强度。
这个参数可以反映目标散射微波的能力，从而进一步了解目标的强度和大小。
三、主要偏振参数应用分析C波段双偏振多普勒天气雷达的主要偏振参数包括退偏振比和线性偏振比。
这些参数在气象研究中有着广泛的应用。
1. 退偏振比的应用退偏振比是衡量目标散射极化特性的重要参数。
在气象雷达中，退偏振比常用于识别和区分不同种类的降水。
例如，在雷达图像中，雪花和冰雹的退偏振比可以有较大的差异，利用退偏振比可以准确区分这两种降水类型。
两种不同偏振方式的C波段雷达在成都地区的探测差异
反。
天气雷达是探 测降水系统 的主要手段 ， 是对强对流 天气（ 也 冰雹 、 大风 、 龙卷和暴 雨 ） 进行监 测和预警的最主要工具之一 。双 线性 偏振雷 达作 为当前 国际前沿 的高科技 装备 ，通过发射两种相互正 交的线 极化 波， 以探测到差分反射率因子（ Ｒ、 还可 Ｚ ） Ｄ 双程差示传播相位变化 （ Ｐ 、 中Ｄ ） 差分传播 相移（Ｄ １ Ｋ Ｐ、 相关 系数等参量 。对这些参数进行分析 、 反演 ， 可 以判断降水粒 子的形状 、 尺寸大小 、 相态 分布 、 间取 向以及降水类 型 空
．
１ 。、 ０ Ｅ
Ｃ
０ｏ６ 。 １ ０ ／５ Ｈ ．１Ｎ， ０ ０７ ０
（ １ ７ ） ２
多普勒
１３ ７ Ｅ ０ ． 。１ ８
ｚ ５ ４６米 １．
３ 基本产 品的 比较分析 、 ３１晴 空 回 波 ．
图 ３２ ０ ０ ８年 ７ ２ 月 ４日 １ ：３谱宽 图 ７５
云很稀薄或没有云雨 的晴空大气里或在 由不可 能被探 测到的很小 粒 子所组成 的云区内探测 到的回波， 称为 晴空 回波 。 在雷达 Ｐ Ｉ Ｒ Ｉ Ｐ 和 Ｈ 上所呈现 的晴空大气 回波具 有多样性 ， 它们常表现 为圆点状 、 带状 、 窄 细胞状 、 层状 、 、 环状 波状等 。 ３ ．低仰角 晴空 回波 ．１ １ 正常情况下 ， 在低 仰角时 ， ２ ７ １雷达和 ７ ７雷达对于晴空 回波 的探 １ 测 ， 回波强度方 面和速度方 面二 者的效果基本一致 ， 在 谱宽方 面后 者的 谱宽值 比前者略小 。但需要说 明的是 同一波段的单偏振雷达与双线偏 振雷达在探测弱 回波上存在着差异 。 ３１ 高仰角晴空 回波 ．２ ．
部 雷达强度阈值设 定不 同 ， 弱回波 的显示状况也不一致 。 较 （） ２ 速度对 比
C波段双偏振多普勒天气雷达原理及主要偏振参量应用分析
C波段双偏振多普勒天气雷达原理及主要偏振参量应用分析C波段双偏振多普勒天气雷达的原理主要包括发射系统、接收系统和信号处理系统三部分。
发射系统通过天线向大气中发射一束电磁波，波长通常在2-4厘米之间。
接收系统接收被大气散射回来的电磁波，其中包含了与水滴、冰晶等天气粒子的相互作用信息。
信号处理系统对接收的电磁波进行处理和分析，提取出天气现象的相关信息，如降水率、降水类型、风速、风向等。
C波段双偏振多普勒天气雷达的主要应用之一是降水类型的判别。
偏振参数可以用来区分不同类型的降水，如雨、雪、冰雹等。
一般来说，雨滴的偏振特性与雪花和冰晶有所不同，因此可以通过观测不同偏振参数的变化来区分不同类型的降水。
例如，线偏振比参数可以用来判断降水中的冰晶含量，而差分反射率可以用来反映降水类型的不均匀性。
另外，C波段双偏振多普勒天气雷达还可以用于测量降水的强度和速度。
降水强度可以通过测量反射率来估计，而降水速度可以通过多普勒频移来计算。
多普勒频移是由于降水粒子的运动引起的频率变化，可以通过测量接收到的电磁波的频率来确定。
通过对多普勒频移的分析，可以得到降水中的风速和风向等信息。
此外，C波段双偏振多普勒天气雷达还可以用于探测风暴等大气现象。
风暴具有强烈的垂直运动和雷暴活动，这些现象在雷达观测中通常表现为强反射信号和强多普勒频移信号。
通过分析不同偏振参数的变化，可以获得风暴的空间结构和演变特征，从而提供强对流天气的监测和预警。
总而言之，C波段双偏振多普勒天气雷达通过观测和分析不同的偏振参数，可以用于判别降水类型、测量降水强度和速度，以及检测风暴等大气现象。
这些信息对于天气预报和气象灾害预警具有重要意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
C波段双偏振雷达退速度模糊的分析杜爱军;魏鸣;李南;王炳赟;王会【摘要】南京信息工程大学C波段双偏振雷达(NUIST-CDP)和南京龙王山的S波段多普勒天气雷达(CINRAD-SA)相距较近,两部雷达能探测同时刻的风场结构.相对于S波段的多普勒天气雷达,C波段双偏振雷达波长较短,更易产生速度混淆区,发生速度模糊现象.针对一般的算法不易实现速度退模糊的问题,提出了人机交互的退速度模糊处理方法;该方法通过结合操作者的专业知识,可以准确地退除速度模糊现象,保留真实的速度信息.实例分析表明,采用人机交互的退速度模糊方法,可以将大范围的速度模糊现象准确地剔除.此外,由于S波段雷达与C波段双偏振雷达探测的风场是客观唯一的,因此对比CINRAD-SA探测的同时刻速度回波,可以辅助判断退模糊算法效果.分析结果证实,该算法适用于解决C波段双偏振雷达的速度模糊现象,对今后该雷达数据的质量控制和应用分析有着重要的意义.%C-band dual polarization radar in Nanjing University of Information Science and Technology(referred NUIST-CDP) and S-band Doppler weather radar located in Nanjing mountain Longwang(referred CINRAD-SA) are in close proximity, and can detect the same structure of wind pared with the S-band Doppler weather radar, the wavelength of C-band dual polarization radar is shorter, and it`s more prone to generate velocity blur zone and occur the phenomenon of velocity ambiguity.The general algorithm is not easy to dealiase velocity, in this paper, the method of human-computer interaction is proposed, which can be accurately returned by the combination of the expertise of the operator, and can retain the true velocity information.The example analysis shows that themethod of human-computer interaction can eliminate the large rang fuzzy phenomenon.Further, S-band Radar and C-band dual polarization Radar are detecting the wind farm, witch is objective, therefore, Comparatively analysing Radar echo with CINRAD-SA can determine the reliability of the algorithm.The results confirmed that this algorithm is suitable for the velocity ambiguity of the C-band dual polarization radar and has important signification for the quality control and application analysis of the radar data in the future.【期刊名称】《科学技术与工程》【年(卷),期】2017(017)010【总页数】8页(P119-126)【关键词】C波段双偏振雷达;人机交互;对比分析;退速度模糊【作者】杜爱军;魏鸣;李南;王炳赟;王会【作者单位】重庆市巴南区气象局重庆 401320;南京信息工程大学中国气象局气溶胶与云降水开放重点实验室南京 210044;南京信息工程大学中国气象局气溶胶与云降水开放重点实验室南京 210044;成都信息工程学院大气科学系成都610225;中国民航飞行学院遂宁 629000【正文语种】中文【中图分类】P412.25多普勒天气雷达探测中出现的风速模糊现象问题，对灾害性天气的临近预报等各方面应用有着严重的影响，也是气象工作者研究风场信息时亟待解决的问题。
从20世纪70年代开始至今，气象工作者已经提出了多种退速度模糊的解决方法，可归纳为主要的两类[1]：一类是通过硬件，即在信号处理器中增加双脉冲重复频率功能。
该方法能在一定程度上减轻速度模糊现象；但实现起来比较困难，有时由于信号不稳定，就会导致角分辨率降低等问题。
此外，当遇到高空风、台风、龙卷时，速度模糊仍然会出现，并不适用于雷达的业务化应用。
另一类是通过软件技术，即在数据处理系统中设计退模糊程序。
Ray等[2]提出的单径向上“点-点”对比法是最简单的方法，Bargen和Brown[3]在此基础上做了改进，利用空间连续性，沿着各个径向去除单点模糊。
随后，Merritt[4]提出二维方法。
该方法实现退速度模糊效果较好。
Boren等[5]在此基础上进一步发展完善。
Elits等[6]提出“双径向”方法退速度模糊。
该方法主要改善了退速度模糊的时间和正确率。
Tames等[7]提出了沿径向、切向、仰角和时间的四维退速度模糊方法。
刘晓阳等[8]在二维极坐标中建立径向速度折叠，通过对折叠线的分析确定径向速度值。
该方法取得了较好的效果，但是对于杂波较多和孤立的回波情况仍然很难准确的处理。
蔡亲波等[9]改进了二维多路自动退模糊方法，改进后的算法在雷达观测资料无效点较多的情况效果较好。
方德贤等[10]利用区域生长法退速度模糊，但对于较小的孤立区域，还是存在着误判和漏判的问题。
仰美霖等[11]将二维多途径退速度模糊方法应用到我国新一代天气雷达质量控制中。
该方法不仅可以很好解决连续性风场中的速度模糊现象，还能解决存在大量数据缺失以及距离折叠的不连续性风场中的速度模糊，但很难解决孤立回波中的速度模糊现象。
肖艳姣等[12]提出了一种解决孤立风暴和高切变等情况下的速度模糊。
该算法假设相邻仰角上的初始参考径向在方位上具有连续性。
软件退速度模糊的方法一直是速度退模糊领域的研究热点。
软件退模糊的算法按工作方式可以分为交互退模糊和自动退模糊。
Ming等[13]提出交互退模糊的参考速度由人工指定。
这种处理方式结合了专家知识和计算机技术。
潘佳文等[14]利用计算机图像技术的人机交互方法改进了退速度模糊的效果，减少了自动退速度模糊的失真情况。
潘新民等[15]在比较多种方法进行退速度模糊后，指出采用交错发射双脉冲重复频率退速度模糊。
楚志刚等[16]提出了一种抗噪声的速度退模糊方法(AND)。
该方法可以在有效抑制噪声的同时又不损失风场信息。
杨明等[17]在Zhang Jian提出的二维多途径退速度模糊的方法上进行改进，通过大量的雷达体扫资料证明改进后的方法能够很好的识别模糊区域和边界。
目前，退速度模糊的方法多用于处理S波段的多普勒天气雷达数据，而在对C波段的双偏振雷达数据的处理中较少。
刘雨佳等[18]对比分析了山东省S波段和C 波段天气雷达的回波强度，指出两部雷达在回波强度方面存在着的差异。
除了强度外，速度也是分析天气现象必不可少的一个因素。
并且，C波段的探测波长较S波段的短，探测的最大不模糊速度范围相应的也更小，更容易发生速度模糊现象，甚至是二次模糊，多次模糊。
因此，对C波段的双偏振雷达进行退速度模糊处理是很有必要的，也是目前迫切需要解决的问题。
通常业务上主要采用硬件退模糊的方法，即双脉冲探测的方法。
该方法能够保证在一定的测距范围内扩大测速范围。
但是该方法探测到的速度是由略微不同的时间和地点观测整合而成的，容易引起代表性误差的存在，而且当实际风速过大时，仍然会发生速度模糊现象。
此外，对于采用硬件退速度模糊方法的C波段新一代天气雷达，径向速度中会出现正、负相互混叠的速度混淆区。
区域内径向速度值正、负交替变化，幅度变化较大，严重影响了速度连续性，使得径向速度资料的后续处理和应用变得更加困难[19]。
一般的软件退模糊，主要是根据速度的连续性原则，但当实际风场存在强突变，相邻库上的实际径向风相差很大时，连续性原理就不再适用。
所以，各种退速度模糊的方法都或多或少地存在一些弊端。
位于南京信息工程大学的C波段双偏振雷达开始投入教学和科研使用，原始的速度数据存在着速度模糊等问题，严重影响雷达资料的使用。
考虑到C波段双偏振雷达的特殊性和对雷达资料迫切的应用需求，本文采用人机交互的方法进行了退速度模糊处理，并结合龙王山上的S波段雷达资料进行对比分析，进一步验证该算法的可行性。
1.1 发生速度模糊的原因CINRAD-SA和NUIST-CDP两部雷达的主要参数如表1所示。
由于NUIST-CDP 波长较CINRAD-SA短，因此能探测出更小尺度的天气过程。
同时，根据最大不模糊速度与波长的正比关系，如式(1)所示，C波段探测的最大不模糊速度也较小，因此也更容易发生速度模糊现象。
相比于CINRAD-SA，NUIST-CDP的波束宽度很窄，可以更精细地采样回波。
多普勒天气雷达能够探测到的最大径向速度为最大可测速度，又称为Nyquist速度[20]。
最大可测速度范围一般是8～32 m·s-1，与雷达波长(λ)和脉冲重复频率(fPR)有关，即雷达测量速度的范围是±VN，当目标物的运动速度超过了雷达最大可测速度时，就会发生速度模糊现象。
观测到的径向速度和实际的径向速度满足如下关系：VT=VO±2nVN式(2)中，VT为实际的径向速度；VO为观测到的径向速度；n为整数，表示发生模糊的次数。
1.2 人机交互退速度模糊算法该算法的主要思路是根据多普勒零速度线确定径向速度的正负属性，结合速度连续性原理，确定出发生模糊的区域。
将模糊区域标记出来并反馈给计算机，计算机就自动去处理该区域内的数据。
具体实现方法如下：根据零速度线判断向速度的属性和速度连续性，人工判断出错误的速度信息；并利用计算机图像处理的方法将包含错误信息的区域圈出来，标记该区域(RGN1)的正(负)属性，然后沿着雷达径向去遍历RGN1里的数据。