基于相控阵多普勒雷达技术的强对流天气预警系统设计

为了避免突发性灾害对人身以及财产安全造成的影响,针对天气预警过程的干扰因素较多、雷达成像像素精度较低等问题,设计基于相控阵多普勒雷达技术的强对流天气预警系统。设计数据采集芯片和电路混频器,通过不同的电压获取双通道接口的稳定运行。基于相控阵多普勒雷达技术,采集强对流天气数据并进行前期处理,通过多普勒雷达格式数据计算水平反射率结构以及梯度垂直反射率,避免干扰因素影响,计算最大模糊速度与最大模糊距离,得到雷达退速度模糊参数,建立强对流天气预警模型,得到一个新的强对流天气预警系统。实验结果表明,该系统所得到的不同径向距离以及不同方位角度的像素精度均小于0.03,提高雷达成像精度可以得到更准确地预警结果。     

一种优化的RBF神经网络在调制识别中的应用

提出了一种基于径向基函数 (RBF) 神经网络的通信信号调制识别方法, 该方法采用模糊 C-均值 (FCM) 聚类算法对数据进行聚类, 并获取基函数的参数, 采用梯度下降法训练网络权值. 利用最优停止法对网络进行了优化, 避免了过学习现象, 提高了 RBF 网络的训练速度和泛化能力, 以实际信号数据对该网络进行性能检验, 实验结果表明了该 RBF 网络具有较高的识别精度.     

基于快速FCM算法的多目标分割CV模型

Chan—Vese（CV）模型是基于水平集方法演化不依赖图像梯度的算法,能很好地处理拓扑变化和弱边界,但对于目标和背景对比度低的边界以及多目标区域分割效果较差。针对上述问题提出一种基于快速模糊F均值（FCM）算法和邻域模板改进的CV模型。利用快速FCM算法提取图像特征信息,采用邻域模板闲值法对不同的目标区域分别处理,准确控制了轮廓线的分裂,能够分割出更多的目标区域。     

基于熵与邻域约束的模糊C均值改进算法

针对模糊C均值(FCM)聚类算法没有考虑样本不同属性的重要程度、邻域信息等问题,提出一种基于熵与邻域约束的FCM算法。首先通过计算样本各属性的熵值来为各属性赋予权重,结合属性权重改进距离度量函数;随后根据邻域样本与中心样本间的距离计算邻域隶属度权重,加权得到邻域隶属度,利用邻域隶属度约束目标函数,修正隶属度迭代过程,最终达到提升FCM聚类算法性能的目的。理论分析和在人造数据集、多个UCI数据集的试验结果表明,改进后的算法在聚类效果、鲁棒性上均优于传统FCM算法、PCM算法、KFCM算法、KPCM算法和DSFCM算法,表明了本文算法的有效性。     

结合空间信息的模糊聚类侧扫声纳图像分割

目的 针对侧扫声纳图像具有背景复杂、噪声污染重等特点,提出一种结合空间信息的模糊聚类分割算法(FCM),以提高侧扫声纳图像的分割精度和分割速度。方法 采用结合组合邻域中值滤波的FCM算法,首先选取正十字邻域和斜十字邻域,分别计算两个邻域内的像素灰度中值;然后,结合其中的较小值,引入惩罚项,得到融合灰度信息和空间信息的灰度值;最后,对融合后的灰度图像进行FCM分割。结果 利用该算法对不同尺寸和不同目标的侧扫声纳图像进行分割,并将分割结果与其他5种聚类算法的分割结果进行比较,对比分析每种算法的分割精度和运算时间。结合中值滤波的FCM算法的分割精度和运算时间均优于传统的FCM算法和结合均值滤波的FCM算法,其中结合组合邻域中值滤波的FCM算法的运算速度较快,分割精度略高于结合传统中值滤波的FCM算法。结论 结合组合邻域中值滤波的FCM算法在对侧扫声纳图像进行分割时,具有较强的抗噪性、实时性和较强的边缘保持能力。     

基于天气雷达强度数据体绘制算法

在多普勒天气雷达强度数据的基础上,结合速度和谱宽数据进行了质量控制预处理,同时用坐标变换算法和四线插值算法建立了三维数据场初值,最后用光线投射体绘制算法完成了三维云体的重构.     

机载前视风切变雷达杂波抑制的仿真研究

研究飞机起飞和着陆的安全问题,大气中的切变风影响飞机的飞行安全.为减弱地杂波对风切变同波信号检测,应对雷达回波进行杂波抑制,提取切变风信号,达到准确预警.为达到上述目的,提出一种归一化最小二乘格形(least square lattice,LSL)联合过程估i计器杂波抑制方法,利用估计器输出的平方和最小的前提下,自适应地凋整估计器的反射系数及回归系数,使输出杂波成分最小,从而有利于风切变的检测,以保证飞行安全.仿真结果表明,归一化LSL联合过程估计器在甚低信杂比情况下,可以主动跟踪主瓣杂波的多普勒频率,相对于AMTI杂波抑制技术具有更好的抑制能力,满足机载前视风切变雷达达到准确预警的目的.     

基于径向基概率神经网络的工程图纸图形符号识别

基于径向基概率神经网络，提出一种扫描工程图纸图像分割后的图形符号识别方法，针对已分割的扫描工程图纸图形符号图像，首先进行二值化处理，然后对二值图形符号图像进行Hu不变矩特征提取，再使用一种新型的径向基概率神经网络进行分类，从而实现图像识别．为加快径向基概率神经网络的收敛速度，采用递归最小二乘算法进行训练．实验结果表明，径向基概率神经网络在识别性能与速度等方面非常适合于工程图纸的图形符号识别。     

从神经切片图像中识别功能束类型的研究

提出一种采用多方向梯度及其二阶梯度描述神经切片图像的纹理特征,进而识别神经功能束类型的方法。首先,在神经切片图像随机选择一些像素,获得这些像素在邻域范围内4个方向上的梯度和二阶梯度的变化曲线;其次,提取这些曲线的周期和幅值作为描述这些随机选择像素邻域的特征;再次,采用粗糙K均值算法对这些随机选择像素进行聚类处理,从而把功能束区分为不同的类型;最后,分析了在此过程中两个参数对功能束类型区分结果的影响。实验结果表明,所提出的纹理特征描述方法可以准确区分神经切片图像中不同类型的功能束,所提出的识别算法不仅能有效识别神经功能束的类型,而且识别结果与所需设置的参数无关,因此,具有比较强的适应性。     

结合小波变换和改进邻域权值的FCM算法

针对改进的模糊C均值聚类算法在进行图像分割时构建的邻域权值函数未能同时考虑空间结构信息和灰度值域信息,而导致对噪声敏感及边缘纹理信息的处理粗糙的问题,提出了一种结合小波变换和改进邻域权值的FCM算法.该算法首先在原始灰度图像的基础上进行小波多分辨率分析的自适应阈值去噪处理;然后在重构图像上结合双边滤波的思想构建一个基于图像块局部空间邻域信息和灰度值域信息的改进邻域权值函数.实验结果表明,该算法比传统FCM算法以及FCM的改进算法有更高的分割精确度,对强噪声更具鲁棒性,图像边缘也更加平整.     

Noise cancellation in Doppler moment estimation of array weather radar signals using lifted biorthogonal wavelets

A new approach to estimate wind velocity and spectral width for weather radar is presented. In this paper, we deal with spectrum estimation and moments estimation of the received signal with a phased array Doppler weather radar. The lifted wavelet transform is applied on the estimated power spectral density prior to estimate the wind features (velocity, direction, spectral width). We apply the soft thresholding strategy on the lifted wavelet transform coefficients using the well-known minimax threshold as first guess. We estimate the velocity and the corresponding spectral width. We, iteratively, threshold the detail signal, in the wavelet domain, using an incremented threshold value until we obtain (using a stopping test) the optimal value of the initial threshold (minimax).In the first stage of the work, we have chosen a radar model used for meteorology to generate synthetic data on which we applied our algorithm. In the second stage, we used actual data got from the real radar that we used as model. The probative results we got with synthetic data are strengthened by the results obtained by the actual data.     

基于小波矩的改进遗传算法风切变识别

针对采用三次B样条小波矩提取的低空风切变图像的形状特征,提出了一种改进的遗传算法(GA)用于微下击暴流、低空急流、侧风以及顺逆风4种风切变的类型识别中。该算法中自适应交叉概率仅考虑了进化代数的影响,而变异概率强调个体与群体适应度的作用,使得在均匀把握群体演变方向时,极大程度地丰富种群的多样性。对由此改进算法选取的最优特征子集,采用三阶近邻分类器进行分类识别。实验结果表明,该自适应遗传算法操作方向性强,能快速收敛到全局最优解,稳定地提取出最优特征子集,最终使低空风切变的平均识别率达到97%以上,获取了较好的识别效果。     

风廓线雷达对塔克拉玛干沙漠沙尘及晴空湍流的探测研究

利用塔克拉玛干沙漠大气环境观测试验站2010年6~8月风廓线雷达探测资料,在前期研究基础上,进一步分析了沙尘天气的雷达回波强度以及沙漠夏季晴空湍流发展演变特征。研究表明:①在具有一定湍流脉动和大气湿度的前提下,风廓线雷达可以在沙尘天气进行有效探测,浮尘、扬沙、沙尘暴天气现象在雷达回波强度时间-高度图上有清晰的印记和表现,浮尘、扬沙、沙尘暴发生时间段与回波强度大值区对应一致,从回波强度图上可以大致识别沙尘输送高度,沙尘天气的雷达等效回波强度约在-18~10 dBZe范围变化;②塔克拉玛干沙漠夏季典型晴空湍流旺盛区域发展高度可达到3 500~4 000 m,湍流平均以0.13~0.16 m/s的上升速度向高空发展,下午15:00以后,湍流强度最大区域不在近地边界层,而在大气边界层顶附近;C²n时间-高度变化在一定程度上反映了大气边界层的演变特征,沙漠夏季晴天边界层高度有可能达到3 500~4 000 m。     

聚类在风廓线雷达数据特征分析中的应用

认识风廓线雷达数据在不同天气条件下的普适性特征对于改善预报服务质量具有重要意义.本文基于数据挖掘中的聚类技术,以天津静海风廓线雷达逐时观测数据为研究对象,构建了风廓线雷达数据特征聚类分析模型,并在此基础上挖掘出了静海风廓线雷达的最大探测高度、最大垂直速度在晴天、多云、降水发生前、降水期间和降水结束后等天气条件下的不同特征,为天气预报服务提供了新参考依据,为风廓线雷达数据特征分析提供了新思路.     

地基与机载气象雷达探测数据转换算法研究

利用地基多普勒气象雷达探测数据恢复出真实气象目标的位置、移动速度、范围大小,通过对地基气象雷达数据进行空间插值处理,设计仿真算法,在机载雷达扫描方向上进行空间分层投影和插值,在不考虑旁瓣回波和载机实际飞行状态等因素的影响时,得到理想的扫描模型,完成机载多普勒气象雷达对相应区域的扫描产品的仿真.实验表明仿真回波适用于分析机载雷达探测云雨的回波特性.     

基于外部风向初始信息的SAR影像海面风场反演研究

首先利用SeaWinds散射计风向作为初始信息进行SAR(Synthetic Aperture Radar)影像海面风场反演,在对SAR影像进行了噪声剔除、辐射定标、极化转换等处理后获得VV极化下各分辨单元的后向散射系数,结合地球物理模式函数获取风速并显示输出海面风场的分布情况。在此基础上,尝试利用WRF(Weather Research Forecast)数值预报模式风向作为初始场从SAR影像中反演风速信息,将结果与之前以散射计风向作为初始信息得到的反演结果进行对比,验证实验方法的正确性,高分辨率数值预报模式风向结合SAR影像将是未来业务化近岸海面风场反演的发展趋势。     

Velocity retrieval for coherent Doppler lidar

Coherent Doppler light detection and ranging (lidar) measures a component of atmospheric wind motion in the direction of the lidar beam. However, velocity vectors are needed in order to obtain more complete knowledge of flow fields in the atmospheric boundary layer (ABL). Several methods such as the velocity azimuthal display (VAD) and dual-Doppler approaches exist to retrieve two-dimensional vector fields, but these methods tend to lose local information about the flow field due to the averaging involved. A two-dimensional vector retrieval method has been adapted from radar data assimilation techniques. The retrievals are performed on data from the Joint Urban 2003 (JU2003) experiment and are shown to retain the local velocity information which is lost in a method like the VAD. A comparison with dual-Doppler retrievals shows reasonable agreement. Furthermore, radial velocities computed using the projections of the retrieved vectors from one lidar and the look direction from the other lidar compare well with the measured radial velocity from the other lidar.     

自动气象站质量控制系统中覆盖软件的设计与实现

区域气象自动站收集降水数据的质量,直接决定着气象预警的漏警与虚假概率,但是仅依靠自动站间采集数据的时空相关性难以准确验证数据的有效性。通过天气雷达对降水滴谱的分析可以对自动站数据进行校验。但是,雷达站的系统异构性和地理环境的复杂性使其难以判定所覆盖的气象站,易产生错误校验。结合天气雷达的层体扫模式和雷达波束的遮挡模型,构建了雷达站与自动气象站点的覆盖匹配算法,基于该算法实现的自动站与雷达站匹配软件可有效的实现雷达站与自动站配对,从而为对自动站降水数据进行校验提供基础保障。     

下击暴流区域特征提取和识别算法

下击暴流是一种局部性的下沉气流现象,会对航空以及人们的生命财产安全造成灾难性后果。由于下击暴流具有范围小、强度大、变化快等特点,对它的自动识别是个颇具挑战性的任务。当前对下击暴流的分析是根据多普勒雷达图像数据进行的,图像上下击暴流表现为两个模糊区域间的相互作用,与周边的风速风强关系密切,有明显的特征。提出了一种图像区域分析算法对多普勒雷达图像的下击暴流区域进行自动识别,基于对历史数据集的特征提取,通过特征识别确定下击暴流区域的位置。使用Visual C++ 6.0实现了算法,结果表明算法的精度达到专家肉眼识别水平,能发现较隐蔽的可疑区域,提高了对恶劣天气的预报水平。