毫米波多普勒雷达RHI退速度模糊研究
非均质场条件下毫米波雷达信号处理研究
非均质场条件下毫米波雷达信号处理研究毫米波雷达是一种使用高频电磁波进行探测的设备，被广泛应用于军事、民用、医疗等领域。
在实际应用中，毫米波雷达需要应对各种非均质场条件，在这些条件下信号处理也面临着许多挑战。
因此，本文将讨论非均质场条件下毫米波雷达信号处理的研究。
一、什么是非均质场条件非均质场条件是指场强、介质、目标、方位角等参数存在空间分布不均匀的情况。
在毫米波雷达的应用中，这种情况很常见。
例如，大气湿度、雨滴、树叶等可以引起波束衰减，从而影响雷达信号反射效果。
另外，波束扫描时物体的旋转运动也会使得空间分布不均匀，这时候信号处理就面临较大的挑战。
二、非均质场条件对毫米波雷达信号处理的挑战非均质场条件会使得毫米波雷达接收到的信号产生时延、多径、强度衰减等问题。
这些问题会影响信号的质量，进而对信号处理产生影响。
在此种情况下，需要更加复杂的算法和技术来解决。
例如，需要运用时间域等效技术将多路径效应减小或消除同步速度；同时，考虑到大气湿度、颗粒物质等空气介质的影响，需要使用具有模糊化特性的信号处理方法，从而在提高雷达分辨率的同时减小测量误差。
三、非均质场条件下毫米波雷达信号处理的技术为了解决非均质场条件下的信号处理问题，需要运用多种技术和算法。
其中一些技术及其应用如下：1. 自适应波束调制技术自适应波束调制技术是指根据特定目标的反射特性，自动调节波束幅度、相位、方向等参数的一种信号处理技术。
该技术是一种动态的处理方法，能够根据实际情况及时调整信号处理参数，提高雷达信号质量，从而对非均质场条件下的信号处理问题带来了重大的改善。
2. 多路径干扰消除技术在非均质场条件下，雷达信号会经历多种路径传播，从而导致信号的时延和多径效应。
多路径干扰消除技术可以通过消除干扰信号或者抵消多路径效应，从而优化雷达信号处理结果。
该技术广泛应用于雷达信号处理领域，并取得了重要的进展。
3. 相位编码技术相位编码技术是指在信号处理中根据不同的参数对信号进行编码的一种技术。
毫米波雷达传感器数据处理与目标识别研究
毫米波雷达传感器数据处理与目标识别研究随着科技的发展和社会的进步，雷达技术在各个领域都得到广泛应用。
毫米波雷达作为一种新兴的雷达技术，具有高分辨率、强透雨能力和抗干扰性等优势，被广泛应用于无人驾驶、物体识别和人体安检等领域。
然而，毫米波雷达传感器所采集到的数据通常庞大而复杂，因此，在毫米波雷达技术的研究中，数据处理与目标识别变得至关重要。
首先，毫米波雷达传感器数据处理是将原始数据进行预处理和滤波的过程。
传感器在接收到回波信号后，需要对这些信号进行处理，以去除噪声和杂散信号，提高数据的质量和准确性。
在预处理阶段，可以使用一些滤波算法，例如均值滤波、中值滤波和高斯滤波等，对数据进行平滑处理。
此外，还可以使用小波变换和小波包分解等技术，对信号进行去噪和降噪操作，以提高信号的信噪比和抗干扰能力。
其次，目标识别是毫米波雷达技术的核心任务之一。
毫米波雷达传感器通过发射电磁波并接收回波信号，可以获取目标的位置、距离、速度和形状等信息。
目标识别的主要任务是从复杂的雷达数据中提取目标的特征并进行分类识别。
为了实现目标识别，可以采用一系列的算法和方法，例如自适应判决算法、多普勒谱分析和距离-速度-角度（DVA）算法等。
这些算法和方法可以通过对毫米波雷达数据进行处理和分析，从而确定目标的存在和类型。
此外，毫米波雷达传感器数据处理与目标识别还需要考虑到复杂的环境场景和目标特性。
由于毫米波雷达在雨、雪和雾等恶劣天气下的性能受到限制，因此需要对数据进行适当的处理和修正，以提高数据的可靠性。
另外，在目标识别中，还需要考虑到目标的运动模式、形状特征和散射特性等因素，以使目标识别结果更准确和可靠。
最后，值得注意的是，毫米波雷达传感器数据处理与目标识别仍然是一个活跃的研究领域，有许多问题和挑战有待解决。
例如，在大尺度环境中，数据处理和目标识别的复杂性会增加；在多目标跟踪中，需要解决目标重叠和交叉的问题；在复杂场景下，需要进一步提高目标识别的鲁棒性和准确性等。
模糊距离与速度
一目标的回波只能重合一次。如果目标回波重合
时，目标用重复频率 fr1 测出的模糊距离为 A1 ， 同一目标用重复频率 fr2 测出的模糊距离为 A2 (这里 A1 和 A2 都归一化为一个距离分辨单元量
候，多普勒频率为正值，而当目标背离雷达站飞
行时，多普勒频率为负值。所以当我们用多普勒
滤波器测得目标的多普勒频移 fd 时，利用(3.8)
式，我们就可以得到目标相对于雷达站的径向速
度，并能判断目标速度的方向。
4. 测距和测速模糊基本概念
为了提高检测性能，PD 雷达常采用高重 PRF 信号，以便在信号频域获得足够宽的无杂波区。 当脉冲重复频率很高时，对应一个发射脉冲产生 的回波可能要经过几个周期以后才能被收到，如 图 4.1 所示。图中对应目标的真实距离是 R，而 按照常规方法读出的目标距离是 Ra,产生的误差 是：
ϕ
(t)
=
−ω0t
=
−ω0
2 C
( R0
−
vrt )
=
−2π
2 λ
( R0
− vrt )
(3.6)
在径向速度 vr 为常数时，产生的频率差为：
fd
=
1 2π
dϕ dt
=
2vr λ
(3.7)
所以：
vr
=
fdλ 2
(3.8)
这就是多普勒频率，它正比于相对运动的速
度而反比于雷达工作波长。当目标飞向雷达的时
雷达模糊函数
雷达模糊函数雷达模糊函数是一种常见的信号处理技术，用于处理雷达接收到的信号并提取出目标信息。
雷达系统通过发射电磁波并接收回波来探测目标，而雷达模糊函数则可以帮助我们更好地理解这些回波信号。
雷达模糊函数在雷达信号处理中扮演着至关重要的角色。
它可以帮助我们确定目标的位置、速度和形状等信息，从而实现雷达系统的目标跟踪和识别功能。
雷达模糊函数通常包括距离模糊函数、速度模糊函数和角度模糊函数等，每种模糊函数都有其特定的应用场景和处理方法。
距离模糊函数是指雷达接收到的信号中存在距离信息上的不确定性，导致无法准确确定目标的距离。
这种模糊通常是由于雷达发射的脉冲信号在传播过程中受到多径效应、大气扰动等因素的影响所致。
为了解决距离模糊问题，我们可以采用多普勒处理、脉冲压缩等技术来提高雷达系统的分辨率和抗干扰能力。
速度模糊函数是指雷达接收到的信号中存在速度信息上的不确定性，导致无法准确确定目标的速度。
这种模糊通常是由于目标本身的运动状态、雷达系统的参数设置等因素所致。
为了解决速度模糊问题，我们可以采用脉冲多普勒处理、MTI滤波器等技术来提取目标的速度信息并实现速度测量。
角度模糊函数是指雷达接收到的信号中存在角度信息上的不确定性，导致无法准确确定目标的方位角。
这种模糊通常是由于天线指向精度、目标散射截面积等因素的影响所致。
为了解决角度模糊问题，我们可以采用波束形成、空时处理等技术来提高雷达系统的方位角分辨率和目标识别能力。
总的来说，雷达模糊函数在雷达信号处理中起着至关重要的作用。
通过对雷达接收到的信号进行模糊函数分析，我们可以更准确地获取目标信息并实现雷达系统的各种功能。
因此，深入了解雷达模糊函数的原理和应用对于提高雷达系统性能和效率具有重要意义。
希望通过本文的介绍，读者对雷达模糊函数有了更深入的了解，为相关领域的研究和应用提供参考和指导。
基于多普勒雷达的目标跟踪与识别技术研究
基于多普勒雷达的目标跟踪与识别技术研究随着科技的发展和应用的广泛，雷达技术作为一种重要的探测技术，得到了越来越广泛的应用。
多普勒雷达作为雷达技术的一种，以其高精度、高速度和抗干扰性强等优势，得到了越来越广泛的关注和应用。
基于多普勒雷达的目标跟踪与识别技术研究是一个重要的研究领域，本文将对其进行深入探讨。
一、多普勒雷达基本原理多普勒雷达在目标识别与跟踪技术中具有重要地位，因此其基本原理需要掌握清楚。
多普勒雷达采用的是回波波长的变化，测量目标的速度和方向，从而能够有效地识别和跟踪目标。
其基本的物理原理是通过测量物体在雷达波束入射方向上的径向速度来实现目标跟踪和识别。
二、基于多普勒雷达的目标跟踪目标跟踪是多普勒雷达技术应用领域中最为基础、重要的领域之一。
它的作用是寻找并跟踪雷达系统中的目标物，追踪其位置、速度、方向等信息，实现对其运动状态的精确掌握。
在多普勒雷达指导和控制领域中，目标跟踪可拓展到多种应用领域，如飞行控制、导航制导、防护等。
基于多普勒雷达的目标跟踪技术主要包括了目标运动状态估计、多目标跟踪、目标跟踪算法、跟踪器设计等领域。
运动状态估计是多普勒雷达信号处理必须解决的问题之一，它关联了多普勒雷达信号中的目标速度、方向等信息。
多目标跟踪技术可实现对多个目标实现状态估计和跟踪，这是一个非常重要的应用领域。
而目标跟踪算法则是实现目标跟踪技术的核心，目前主要有最大似然、Kalman滤波器、粒子滤波器等算法。
跟踪器设计则是基于目标跟踪算法和多普勒雷达的信号处理技术而实现的。
三、基于多普勒雷达的目标识别基于多普勒雷达的目标识别技术则通过多普勒雷达信号分析，实现对目标的识别和分类。
在多种应用领域中，如武器制导、警用勤务等，基于多普勒雷达信号的目标识别技术都有重要应用。
基于多普勒雷达的目标识别主要基于其信号的特征来实现，包括目标回波频谱、多普勒频谱特征等。
基本的目标识别过程是：先通过多普勒雷达信号处理获取目标特征；再利用目标特征来识别与分类目标。
毫米波雷达成像技术研究
毫米波雷达成像技术研究近年来，随着人们对雷达技术的研究不断深入，毫米波雷达成像技术也逐渐成为了研究的热点之一。
毫米波雷达成像技术具有波长短、穿透力强、分辨率高等优点，能够在大气层透射性能较好的毫米波频段实现高清晰度的目标识别、成像和监测。
本文将从毫米波雷达成像技术的基本原理、应用、存在问题及发展趋势等方面进行阐述，以期读者能够更全面了解该技术。
一、毫米波雷达成像技术的基本原理毫米波雷达成像技术主要是通过向目标物体发射毫米波信号，再接收目标反射回来的电磁波信号来实现对目标物体的探测和成像。
毫米波雷达成像技术的基本原理与传统雷达类似，其主要不同在于采用的波长较短，其频率一般在30GHz-300GHz之间，相应的波长在10mm-1mm之间。
由于这一频段的电磁波信号具有较强的穿透力和较高的分辨率，可以在很大程度上减小云雾、雾霾和大气气溶胶等对雷达波形的干扰，因此成像能力得到了很大的提高。
二、毫米波雷达成像技术的应用毫米波雷达成像技术在国防、民用领域均有广泛的应用。
在军事方面，毫米波雷达成像技术可以用于雷达成像、探测、侦察、导航和目标识别等领域，具有很高的战略价值。
例如，可以用于无人机的目标识别和导航、用于军舰和战机的反制系统、并可用于空战仿真系统等。
在民用领域，毫米波雷达成像技术可以应用于安检、边境管控、监测气象变化、海洋遥感、地质勘探、人员安全管理等众多领域。
三、毫米波雷达成像技术的存在问题尽管毫米波雷达成像技术在军事和民用领域都有着广泛的应用前景，但是在实际应用中仍然存在一些问题。
首先，毫米波雷达成像技术的设备成本相对较高，无法满足大规模部署的需求。
其次，毫米波雷达成像技术对环境要求较高，大气状况、建筑物等因素都会对成像效果产生影响。
另外，毫米波雷达成像技术在侧向分辨率和空间分辨率方面还面临一些技术难点，尚需不断的技术突破和创新。
四、毫米波雷达成像技术的发展趋势随着我国科技水平的不断提高和大力支持，毫米波雷达成像技术的应用前景会愈加广阔，也将有望在未来的一段时间内取得更大的进展。
多速率 毫米波雷达信号处理
多速率毫米波雷达信号处理
多速率毫米波雷达信号处理是指对毫米波雷达采集到的回波信号进行处理，以提取出目标的速度等信息。
以下是一些常见的多速率毫米波雷达信号处理算法：
- 静态杂波滤除算法：
- 零速通道置零法：在2D-FFT（速度维FFT）后直接将R-V谱矩阵（RD图）速度通道中的零速通道或零速附近通道置零，此操作可使静止目标或者低速目标从R-V谱矩阵中消失。
- 动目标显示（MTI）：利用杂波抑制滤波器来抑制杂波，提高雷达信号的信杂比，以利于运动目标检测的技术。
由于杂波谱通常集中在直流分量和雷达重复频率的整数倍处，而MTI滤波器利用杂波与运动目标的多普勒频率的差异，使得滤波器的频率响应在直流和PRF （脉冲重复频率）的整数倍处具有较深的阻带，而在其他频点的抑制较弱，从而通过较深的“凹口”抑制静止目标和静物杂波。
- 相量均值相消算法（平均相消算法）：核心思想是求均值做差，静止目标到雷达天线的距离是不变的，每一束接收脉冲上静止目标的时延也是不变的，对所有接收脉冲求平均就可以得到参考的接收脉冲，然后用每一束接收脉冲减去参考接收脉冲就可以得到目标回波信号。
不同的多速率毫米波雷达信号处理算法适用于不同的应用场景和数据类型，在选择合适的算法时，需要考虑目标的运动状态、杂波环境以
及算法的计算复杂度等因素。
基于雷达量测的多普勒速度计算方法研究
三得到的载机在径向上的速度分量相加袁即得到目标在
t1
时刻的径向速度
R ( t0 ) - R ( t1 ) 驻T
+
V x ( t1 ) [ X ( t1 ) - X0 ( t1 ) ] R ( t1 )
+
V y ( t1 ) [ Y ( t1 ) - Y 0 ( t1 ) ] R ( t1 )
+
V z ( t1 ) [ Z( t1 ) - Z0 ( t1 ) ] R ( t1 )
径向速度方法遥
3.1 计算径向速度方法一
该 方 法 利 用 时 刻 t0 和 时 刻 t1 雷 达 探 测 距 离 R ( t0 ) 和 R ( t1 ) 来 计 算 目 标 相 对 载 机 的 径 向 速 度 袁 继 而 补 偿 载 机在径向上的速度分量得到目标绝对径向速度遥 计算
方法一的具体描述如下院
步 骤 一 院 用 t0 时 刻 和 t1 时 刻 雷 达 探 测 距 离 之 差 除
以 t0 时 刻 和 t1 时 刻 时 间 间 隔 驻T 得 到 目 标 相 对 载 机
径向速度袁即
R ( t0 ) - R ( t1 ) 驻T
曰
步 骤 二 院 将 t1 时 刻 雷 达 量 测 的 距 离 R ( t1 ) 尧 方 位 A
( 1 . No . 38 Research Institute of CETC 袁 Hefei Anhui 袁 230088 , China ; 2 . Key Lab of Aperture Array and Space Application ( KLAASA ) , Hefei 袁 Anhui 袁 230088 , China ) 揖Abstract铱When the environment is bad , radar detection can generate many clutter points , it will result in error tracking . In order to follow the target correctly , it need exclude the clutter points and relate the real target point at track relation or track initiation . Now PD radar can measure accurate doppler velocity . Using the relation of the measurement Doppler velocity and the calculated radius velocity using the current point and the last detection point
新一代天气雷达速度退模糊算法
新一代天气雷达速度退模糊算法熊兴隆;赵静;蒋立辉【摘要】Velocity dealiasing algorithm has an important influence on later data assimilation and short-term weather forecast for China new generation weather radar． An improved algorithm based on combined shear detection and across-shaped multi-scale window is proposed, solving false velocity dealiasing problems in isolated echo region and high shear region． Firstly, the new data preprocessingmethod ″MDV″( minimum distance velocity) is used to optimize the data． Secondly, compare the shear threshold with the difference value that between the radial velocity value and the reference velocity value, according to the comparison result, velocity dealiasing starts in the azimuth direction and then in the radial direction． Then, isolated echoes away from the radar use the reference velocity value found from a cross-shaped multi-scale window． The velocity dealiasing algorithm is tested many times by the extreme weather radar radial velocity of S-band China new generation weather radar．The result shows that, the new algorithm′s accuracy is better than WSR-88D′s, in case with high shear and isolated echo.%速度退模糊算法对新一代天气雷达后期数据同化及短时临近预报具有重要影响.针对在高切变和孤立回波情况下速度退模糊出现错误的问题,提出了基于联合切变检测和十字形多尺度窗口的速度退模糊改进算法.首先,采用MDV(mininum distance velocity, MDV)数据预处理方法进行全局数据优化.其次,将当前速度库和参考库的差值与切变阈值相比较,根据对比结果,分别进行切向和径向的退模糊.然后,在远离雷达的孤立回波区域,建立一种十字形多尺度窗口,实现参考库的确定,进而完成全方位的速度退模糊.使用我国新一代天气雷达(CINRAD-SA)在极端天气情况下的实测数据对该算法进行了多次验证.结果表明,在高切变和孤立回波情况下,该算法的速度退模糊准确率较高,优于新一代天气雷达中运行的WSR-88D速度退模糊算法.【期刊名称】《科学技术与工程》【年(卷),期】2017(017)018【总页数】7页(P175-181)【关键词】速度退模糊;新一代天气雷达;多尺度窗口;参考库;速度库【作者】熊兴隆;赵静;蒋立辉【作者单位】中国民航大学天津市智能信号与图像处理重点实验室,天津 300300;中国民航大学天津市智能信号与图像处理重点实验室,天津 300300;民航气象技术研究所,天津 300300【正文语种】中文【中图分类】P412.2新一代天气雷达具有高时空分辨率，不仅能够探测晴空模式下的风场信息，还能对降水模式下的风场和强度进行有效探测[1,2]。
毫米波测云雷达的特点及其研究现状与展望
毫米波测云雷达的特点及其研究现状与展望毫米波测云雷达的特点及其研究现状与展望引言：随着气候变化和全球环境问题的日益严峻，对天气预报和气象观测精度的要求也越来越高。
毫米波测云雷达作为一种先进的大气观测工具，以其独特的特点在大气科学研究和天气预报中发挥了重要作用。
本文将详细介绍毫米波测云雷达的工作原理、特点以及目前的研究现状，并展望未来的发展趋势。
一、毫米波测云雷达的工作原理毫米波测云雷达是通过发射毫米波信号，利用回波信号来获取云层信息的一种雷达系统。
其工作原理主要包括发射、接收和信号处理三个过程。
在发射过程中，雷达发射出的毫米波信号穿过大气层，与云粒子相互作用后被散射。
散射回波信号中包含了云粒子的信息。
在接收过程中，雷达接收到回波信号后，通过探测器接收并转换成电信号。
在信号处理过程中，雷达对接收到的电信号进行放大、滤波和频谱分析等处理，得到反映云层特性的强度、速度和时延等参数。
二、毫米波测云雷达的特点1. 高分辨率：毫米波测云雷达工作在毫米波波段，波长相对较短，能够提供高分辩率的云层结构信息。
2. 多参数测量：毫米波测云雷达测量的是云层的散射回波信号，这些信号中包含了云粒子的多个参数，例如云滴和云颗粒的尺寸、分布、速度等。
3. 高时空分辨能力：毫米波测云雷达具有高时空分辨率的优势，能够提供准确的云层信息和动态变化。
4. 全天候工作能力：毫米波测云雷达利用的是电波信号，无论是白天还是夜晚，无论是晴天还是雨雪天气，都能进行观测。
5. 非侵入性观测：毫米波测云雷达可以通过远程探测的方式获取云层信息，无需飞机或气球等载具进入云层，具有较好的实用性和经济性。
三、毫米波测云雷达的研究现状目前，毫米波测云雷达的研究主要集中在以下几个方面：1. 技术改进：针对毫米波测云雷达在分辨率、探测能力和噪声等方面的局限，研究人员致力于改进雷达系统的硬件和软件，提高测量精度和可靠性。
2. 数据处理与算法：毫米波测云雷达所获得的回波信号需要经过复杂的信号处理和算法处理才能得到有效的云层信息。
- 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)。
毫米波多普勒雷达RHI退速度模糊研究宋立雪;魏鸣;宋继堂【摘要】Millimctcr wavc radar is an ideal instrument for detecting thenon-precipitation clouds and weak precipitation clouds, but it is likely to cause velocity aliasing due to its short wavelength. Velocity dealiasing is an effective means of detecting wind field information with Doppler radar. Two methods aiming at velocity aliasing with the millimeter wave radar Range Height Indicator are put forward: human-machine interaction method and automatic method, and tests are conducted with the measured data. It is proved that both methods are satisfactory in dealing with velocity aliasing. The comparison of the results also shows that the automatic method is more efficient than the human-machine interaction method, but for the smaller isolated area, the latter has more advantages.%毫米波测云雷达是探测非降水云和弱降水云的理想工具,但由于其波长较短,最大不模糊速度较小,因此容易产生多次速度模糊现象,纠正速度模糊是充分利用多普勒雷达风场信息的前提.针对毫米波雷达距离高度显示器RHI(Range Height Indicator)的速度模糊现象,提出了两种退模糊方法,即人机交互方法和自动方法,并用实测数据进行了试验.试验结果表明,两种方法都能较好地退除毫米波多普勒雷达速度场中的速度模糊现象.相比较而言,自动方法比人机交互方法处理效率高,若对于比较小的孤立区域,人机交互方法更有优势.【期刊名称】《气象科技》【年(卷),期】2012(040)004【总页数】6页(P542-547)【关键词】毫米波雷达;RHI;速度退模糊【作者】宋立雪;魏鸣;宋继堂【作者单位】气象灾害省部共建教育部重点实验室,南京信息工程大学,南京210044;气象灾害省部共建教育部重点实验室,南京信息工程大学,南京210044;山东省聊城市气象局,聊城252000【正文语种】中文多普勒雷达以其高时空分辨率、及时准确的探测能力成为目前探测灾害性对流天气的有效监测工具。
由于多普勒天气雷达可以同时测量降水的强度分布与速度分布，有助于深入观测降水系统内部的三维气流结构与演变规律，可为临近预报提供及时丰富的信息，改善强降水天气的警戒和短时预报能力、减少灾害造成的损失。
彭九慧［1］等指出径向速度对强天气的预警有指示作用；王秀玲［2］提出速度场特征可为人工增雪提供参考依据；沈永生等［3］通过多普勒雷达提供的风场特征，分析了冻雨天气形成的条件；赵文斌等［4］将径向速度用于数值预报模式的风场同化。
近年来，毫米波雷达在国内外得到了初步发展和应用。
与厘米波多普勒天气雷达相比，毫米波多普勒雷达在气象探测上具有以下特性:①具有较强的探测小粒子如云、雾和沙尘暴的能力；②多普勒效应明显，具有较好的多普勒速度的分辨力，测速精度较高；③可以在小的天线孔径下得到窄波束，方向性极好，有很高的空间分辨力。
毫米波雷达因为有更灵敏的探测精度，因此可以探测直径远小于雷达波长的粒子，从直径几微米的云粒子到弱降水粒子，具有穿透云的能力因而能够描述云内部物理结构；可以连续观测云的垂直剖面变化。
然而，毫米波雷达波长短，很容易出现速度模糊现象，因此有必要对毫米波多普勒雷达进行速度退模糊处理。
软件退模糊的方法很多。
刘晓阳等［5］提出了用折叠线跟踪算法来退除速度折叠的问题，取得了一定的效果，但是对于杂波较多和孤立回波的情况仍不太理想；梁海河等人［6］利用k邻域频数法对资料进行预处理，去除奇异点并补足缺测资料点，而后利用“双径向－双切向”方法对资料进行退模糊，该方法具有一定的统计效果；蔡亲波等［7］对二维多路自动退模糊算法做了适当改进，在雷达观测资料无效点较多的情况下，效果很好；方德贤等［8］提出了区域生长法解除速度模糊问题，该方法对资料采用数据结构中的遍历算法，对每个点进行开窗，使运算量减小，但对于比较小的孤立区域还存在误判和漏判的问题；对于孤立区域等问题，Wei Ming等提出了人机交互方法［9－13］。
这些都是针对厘米波多普勒天气雷达PPI扫描方式下的速度模糊问题，对毫米波雷达RHI扫描方式下的速度模糊仍需进行研究。
毫米波测云雷达适用于小范围内云的精细探测，例如用于机场周围飞行保障的探测应用和云微物理研究中。
在这些应用中，均需要对云的垂直结构进行探测研究，在使用毫米波多普勒雷达进行云垂直结构剖面观测时，RHI是一种重要的扫描方式。
因此，本文针对毫米波多普勒雷达RHI扫描方式下风场的速度模糊，提出两种不同的解决方法，分别介绍了这两种方法的原理和具体的实现步骤，并给出了速度模糊的模拟情况和纠正实例。
多普勒雷达的最大可测速度［14］为λ为雷达波长，F prf为脉冲重复频率。
当目标物沿径向运动产生的多普勒速度时，多普勒雷达探测到的速度将发生折叠，给出错误的速度信息。
此时，雷达测得的径向速度v r与目标物实际的径向速度v a相差2nv rmax。
即，n的取值范围可为0，±1，±2，±3，…，称为Nyquist数。
显然，对于同一个测量速度v r，由于n的取值不同，可能对应几个不同的实际速度［14－15］。
使用软件退速度模糊的关键，在于用各种手段确定径向速度场中每个测量值的n值。
在雷达径向速度图像中，定性或定量分析速度模糊的重要依据是零速度带，对于多普勒天气雷达的PPI速度图像，风向垂直雷达径向时就会出现零速度，零速度带表现为通过雷达的直线或曲线，较易识别；而在毫米波多普勒雷达的RHI图像中，由于测速范围较小，模糊次数较多，会出现多条零速度带。
因此在RHI速度图像分析中不能仅以零速度带为判断依据，还需要结合毫米波雷达特征。
在分析RHI径向速度模糊时，应以垂直方向上的速度为判断依据。
这是因为在高仰角时，雷达测得的水平风分量较小，径向速度贡献主要来自垂直速度。
在通常情况下，垂直速度较小，不容易出现速度模糊，随着仰角的降低，雷达径向速度中水平风速分量的比重也越来越较大，从而容易出现速度模糊。
因此可利用高仰角范围内的数据为依据对水平风速进行分析。
以垂直方向上的速度为参照，在固定高度上，沿远离雷达方向依次查找出现的模糊边界，判断不同区域出现速度模糊的次数，然后将实测数据代入公式（2）算出真实的径向速度。
（1）根据风场的连续性原理确定模糊区域。
采用人机交互方法，可以凭借速度发生突变的区域人工确定速度模糊，并用鼠标标识出该区域。
（2）确定Nyquist数。
由于毫米波雷达探测风场时，有可能会出现多次模糊的情况，因此需要依次确定模糊边界，进而确定Nyquist数。
（3）用户在圈出模糊区的速度图像上，让计算机判别对比并修改数据，判断模糊区域内的速度属性（即速度的正负），用鼠标在正确属性的区域内单击一下，并根据确定的Nyquist数，利用公式（2），算出真实径向速度。
虽然人机交互方法算法较为简单，只要圈出模糊区域并判断出属于第几次模糊即可，但若考虑到在批量数据处理时，效率不高，并且可能会存在人为操作误差，因此又研究了自动判别模糊区域方法来退除速度模糊。
在用自动判别方法时，考虑到毫米波探测时遇到的不同情况，例如地物回波等引起的资料缺测等问题，又分别提出了不同的解决办法。
在多普勒雷达PPI扫描方式下，通常的速度退模糊算法有两个假定:假定风场数据是连续的，假定初始的参考点是正确的。
在毫米波雷达RHI扫描方式下，借鉴多普勒天气雷达PPI扫描的假设思想，假定风场数据是连续的，并假定初始的参考点是正确的。
将极坐标下的数据转换到直角坐标中，从高度较低的地方向高度较高的地方逐层对速度数据进行处理，分3个步骤。
（1）将垂直方向上的速度进行处理。
在垂直方向上水平风速分量为零，因此径向速度等于垂直速度。
选雷达站为初始参考点，在靠近地面的地方，垂直速度很小，一般情况不会发生速度模糊。
随着高度的增加，垂直速度越来越大，因此垂直方向上的速度有可能出现模糊（在这里，由于垂直速度并不大，若出现速度模糊，仅考虑一次模糊）。
即以垂直方向上靠近地面的一有效点i为基准，与其在同一垂直方向上相邻有效点i＋n做比较，如果两者之间存在符号差异，而且两者之间的差值大于某一阈值，则认为离地面较远的点为模糊点，并进行退模糊处理。
如果则这里，i是将极坐标数据转换到格点坐标数据后垂直方向上数据点序号，以此点为参考点对其后的i＋n点退模糊，通常取n为1，但当数据“跳跃”或“缺测”严重时可取2或3；c是两点间速度差阈值，理论上为大于两倍的最大可测速度，但考虑误差的存在，放宽条件，取最大可测速度的0.8～1.2倍。
（2）以垂直方向上的速度为参考点，在同一水平高度层上，向远离雷达的方向寻找模糊点。
由于毫米雷达最大不模糊速度很小，容易发生多次模糊的现象。
因此，如何正确判断Nyquist数变成此方法的重点。
为了计算模糊次数，采取在同一水平高度层上，利用公式（3）判断模糊点，若有效点i出现了速度模糊，则将点i 与其后所有的点利用公式（4）进行退模糊处理。
然后标记点i，再次循环在点i＋1及其后所有点继续寻找模糊点，若再次出现模糊点，则该点即为2次模糊，将该点及其后所有点再次退模糊。
依次类推，寻找3次速度模糊及更多次速度模糊。
（3）将每一水平高度层都进行模糊点的寻找，即可将模糊区域内的点全部退掉，模拟结果见图1a和图1b。
由于地物遮挡等影响，雷达探测范围内常有回波缺测点。
线性外推方法适用于垂直方向上的速度数据无缺测的情况，若发生垂直方向上的数据缺测，则在同一水平高度上就失去了参照标准。
这种情况下依据的原则是速度不仅在水平方向上具有连续性，而且在垂直方向上也具有连续性，即二维退模糊方法。
首先对垂直方向存在有效数据点的高度层用线性外推法寻找模糊点并进行退模糊处理，然后从低层向高层逐层判断是否发生垂直方向上的速度数据缺测。