用GMAP和BGMAP算法进行地物抑制的试验结果_2013年11月20日.doc

用GMAP和BGMAP算法进行地物抑制的试验结果2013年11月19日20日1 概述地物杂波对气象参数的准确估计所造成的严重影响已经众所周知了。但是，国内气象雷达对地物的抑制一直存在很多问题，主要问题包括：l 在多普勒速度接近零的降水回波的区域，会受到错误的抑制，造成强度估计发生严重的偏差；l 无法根据杂波的特性，来选择滤波器的凹口宽度，从而会造成很多很多的杂波剩余； 11月19日，根据“Gaussian model adaptive processing (GMAP) for improved ground clutter cancellation and moment calculation.pdf”的文章，并参考了张老师提供的“gmap.m”程序，利用仙林X波段雷达录取的IQ数据，进行了GMAP的试验。发现有一定的效果，但是也发现了该算法的一些缺陷（也可能是没有正确的理解这个算法），对于某些数据，没有将地物和降水回波正确识别出来。11月20日，增加了溧水 S波段雷达采用GMAP的计算结果。11月20日，参考了张老师提供的“BGMAPc.m”程序，增加了BGMAP的处理结果，发现BGMAP的效果要比GMAP要好一点，但BGMAP的计算速度要慢很多。2 X波段雷达层状云降水的IQ数据2.1 数据特性用2013年7月5日的数据进行研究，层状降水。该雷达（南大仙林的雷达）的观测参数如下：仰角为1.4度，重复频率为2000Hz，不参差，天线转速为3转/分，相关脉冲数为128，脉冲压缩之后的脉冲宽度为0.3微秒。IQ数据的文件名为：500us_EL=1.4deg_120600.h5 。其dBT（未经过地物抑制）的图如下（显示量程为60km）：图 21 未经过地物抑制的强度图（dBT）采用传统方法（FFT之后滤除零速及附近的1个通道，共3个通道），进行地物抑制之后的结果为：图 22 经过地物抑制的强度图（dBZ）速度图如下：图 23 速度图图 24 谱宽图（采用Lag0和Lag1计算）图 25 谱宽图（采用Lag1和Lag2计算）从谱宽图可以看出，用Multi-Lag计算谱宽还是很好的。2.2 GMAP处理的结果下面对比显示两种处理方法的结果，显示量程为15km。2.2.1 dBZ图 26 未经过地物抑制的强度图（dBT）图 27 经过地物抑制（传统方法）的强度图（dBZ）图 28 经过地物抑制（GMAP算法）的强度图（dBZ）（算了半天，还没出结果呢）图 29 经过地物抑制（BGMAP算法）的强度图（dBZ）注意：上图中，在距离是11km处，可以隐约看到有一个强度突变的环。这是因为此处是长、短脉冲的交界的地方。在以前的程序中，长、短脉冲相互之间强度的修正量计算的比较精确，因此看不到这个环（见前面2张图），而GMAP算法中，由于时间紧，没有仔细核算这个修正量，因此有点跳变。这也就造成了长脉冲覆盖区域（即距离大于11km）的回波的dBZ值大了一点。2.2.2 V图 210传统方法的速度图（V）图 211 GMAP算法的速度图（V）（算了半天，还没出结果呢）图 212 BGMAP算法的速度图（V）2.2.3 W图 213传统方法的谱宽图（W）图 214 GMAP算法的谱宽图（W）（算了半天，还没出结果呢）图 215 BGMAP算法的谱宽图（W）2.3 选某一个相关脉冲组进行分析进行深入分析选取第70个相关脉冲组（有128个相关脉冲）进行分析。该相关脉冲组各个脉冲的IQ求模结果和频谱图如下：图 216 某相关脉冲数的IQ求模结果和FFT结果从上图可以看出，在第36、54、169等几个距离库上，有地物回波。其余地方都没有地物回波。地物回波由于幅度强，有很强的频谱泄露现象。2.3.1 第36个距离库（有气象回波，也有强地物）从上图可以看出，GMAP和BGMAP算法正确的识别出了地物杂波，并且将气象回波进行了高斯拟合。正确的将零速的地物和零速附近的气象回波识别并分离出来了。2.3.2 第117个距离库（只有气象回波）从上图可以看出，GMAP和BGMAP算法把零速附近的很多个点错误的识别成了地物杂波。那么该距离点的回波是不是地物呢？将相邻几个距离单元的FFT频谱结果放大显示如下：可见，相邻的多个距离库连成一片，幅度基本都相同，因此不是地物！（地物的回波在距离上的起伏是很大的，有明显的点状中心）因此，对于这组数据而言，GMAP算法出现了识别错误。注意：如果没有相邻距离库的信息，我也无法判断这些在零速附近的回波是地物回波还是降水回波。2.3.3 第169个距离库（有气象回波，也有强地物）从上图可以看出，GMAP和BGMAP算法正确的识别出了地物杂波，并且将气象回波进行了高斯拟合。正确的将零速的地物和零速附近的气象回波识别并分离出来了。2.3.4 第300个距离库（只有气象回波）从上图可以看出，GMAP和BGMAP算法把零速附近的几个点错误的识别成了地物杂波。但幸亏对气象回波进行了高斯拟合，因此不会对参数的估计造成太大影响。2.3.5 第400个距离库（只有气象回波）从上图可以看出，GMAP和BGMAP算法非常聪明，正确的识别出这个地方没有地物杂波。2.3.6 第1200个距离库（没有气象回波）从上图可以看出，GMAP算法非常聪明，正确的识别出这个地方没有地物杂波，也没有气象回波，只有噪声。但是，不知为何，输出的谱宽竟然达到了10.4m/s!（好像没有对接收机的噪声统计正确，将一部分越过门限的噪声认为是气象回波了）BGMAP算法没有输出结果，说明该算法正确的识别出这个地方没有地物杂波，也没有气象回波，只有噪声。3 S波段雷达降水的IQ数据3.1 数据简介该S波段雷达的观测参数如下：仰角为10度，重复频率为1000Hz，不参差，相关脉冲数为64，发射脉冲宽度为1微秒。IQ数据的文件名为：1000us_EL=1.5deg_160300_2.h5 。其dBT（未经过地物抑制）的图如下（显示量程为144km）：图 31 未经过地物抑制的强度图（dBT）采用传统方法（FFT之后滤除零速及附近的1个通道，共3个通道），进行地物抑制之后的结果为：图 32 经过地物抑制的强度图（dBZ）速度图如下：图 33 速度图图 34 谱宽图（采用Lag0和Lag1计算）图 35 谱宽图（采用Lag1和Lag2计算）从谱宽图可以看出，用Multi-Lag计算谱宽还是很好的。3.2 GMAP处理的结果下面对比显示两种处理方法的结果，显示量程为48km。3.2.1 dBZ图 36 未经过地物抑制的强度图（dBT）图 37 经过地物抑制（传统方法）的强度图（dBZ）图 38 经过地物抑制（GMAP算法）的强度图（dBZ）（算了半天，还没出结果呢）图 39 经过地物抑制（BGMAP算法）的强度图（dBZ）3.2.2 V图 310传统方法的速度图（V）图 311 GMAP算法的速度图（V）（算了半天，还没出结果呢）图 312 BGMAP算法的速度图（V）3.2.3 W图 313传统方法的谱宽图（W）图 314 GMAP算法的谱宽图（W）（算了半天，还没出结果呢）图 315 BGMAP算法的谱宽图（W）3.3 选某一个相关脉冲组进行分析进行深入分析选取第1个相关脉冲组（有64个相关脉冲）进行分析。该相关脉冲组各个脉冲的IQ求模结果和频谱图如下：图 316 某相关脉冲数的IQ求模结果和FFT结果从上图可以看出，在第9、66、117等几个距离库上，有地物回波。其余地方都没有地物回波。3.3.1 第9个距离库（有气象回波，也有强地物）从上图可以看出，GMAP和BGMAP算法正确的识别出了地物杂波，并且将气象回波进行了高斯拟合。正确的将零速的地物和零速附近的气象回波识别并分离出来了。3.3.2 第66个距离库（有气象回波，也有地物）从上图可以看出，GMAP和BGMAP算法正确的识别出了地物杂波，并且将气象回波进行了高斯拟合。那么该距离点的回波是不是地物呢？将相邻几个距离单元的FFT频谱结果放大，并将CORR和PHIDP的结果显示如下：可见，该距离点的确存在地物(CORR降低、PHIDP有跳变、距离上较大的起伏) 注意：如果没有额外的信息，我也无法判断这些在零速附近的回波是地物回波还是降水回波。3.3.3 第117个距离库（有气象回波，也有地物）从上图可以看出，GMAP和BGMAP算法正确的识别出了地物杂波，并且将气象回波进行了高斯拟合。3.3.4 第208个距离库（只有气象回波）从上图可以看出，GMAP和BGMAP算法非常聪明，正确的识别出这个地方没有地物杂波。3.3.5 第400个距离库（只有气象回波）从上图可以看出，GMAP和BGMAP算法把零速附近的几个点错误的识别成了地物杂波。但幸亏对气象回波进行了高斯拟合，因此不会对参数的估计造成太大影响。3.3.6 第590个距离库（只有气象回波，很弱）从上图可以看出，GMAP和BGMAP算法把零速附近的几个点错误的识别成了地物杂波。会造成对弱信号的估计造成偏差。那么该距离点的回波是不是地物呢？将相邻几个距离单元的FFT频谱结果放大显示如下：可见，相邻的多个距离库连成一片，幅度基本都相同，因此不是地物！（地物的回波在距离上的起伏是很大的，有明显的点状中心）当然，CORR和PHIDP也证明了这一点。3.3.7 第250个距离库（没有气象回波）从上图可以看出，GMAP和BGMAP算法非常聪明，正确的识