发明内容
为了解决上述问题,本发明的目的是提供基于激光雷达的大气边界层分类方法及装置。在仅使用一台相干测风激光雷达的基础上,根据测风激光雷达实时测量的数据,实现大气边界层关键成分进行实时识别和分类。对于污染扩散建模、大气气象模式和航空安全等具有重要意义。
本发明是这样实现的:基于激光雷达的大气边界层分类方法,包括:
获取激光雷达的原始回波数据;
对所述原始回波数据进行快速傅里叶变换,以得到功率谱;对所述功率谱进行分析,以获得所述功率谱对应的信号强度信息、谱宽信息和谱形对称性信息;
根据所述信号强度信息,计算距离修正后的归一化信号强度廓线的梯度信息,根据所述梯度信息识别云层;
判断所述谱宽信息是否大于预设的谱宽阈值;
若是,则根据所述谱宽信息和谱形对称性信息识别降雨;
若否,则根据所述功率谱计算风速,并计算风切变强度和湍流强度,根据所述风切变强度和湍流强度识别湍流和风切变。
进一步的,所述根据所述梯度信息识别云层,包括:
根据所述梯度信息,获取梯度极大值点和梯度极小值点;
根据信号梯度极大值点找出候选云顶根据梯度极小值点找出候选云底/>
将相邻的云底和云顶配对,在每对云底和和云顶之间寻找信号峰值的位置和强度;根据所述信号峰值的强度进一步筛选出候选云顶和候选云底/>
用上方最接近筛选出的候选云顶的云信号最小值gm的位置作为新的云顶位置用下方最接近筛选出的候选云底/>的云信号最小值信号gm的位置作为新的云底位置
候选云里,从下往上,若下面一层的云顶与上面一层的云底间距小于预设的云厚阈值,则将两层云合并,上层云的云顶为新云的云顶下层云的云底为新云的云底/>
进一步的,所述根据所述谱宽信息和谱形对称性信息识别降雨,包括:
若谱宽大于预设的谱宽阈值,则利用谱形对称性信息识别是否存在降雨,
谱形对称性的计算方法如下:
1)首选对功率谱进行三次样条插值,获得平滑的功率谱曲线,并获得归一化功率谱f(x)。
2)寻找信号强度最大值位置xm,xm前后各取n个点计算信号最强位置左侧的信号信息S1和右侧信息S2,
其中k值为0、1、2或3;
当k=0时,S1和S2分别代表左右两侧的信号面积;
当k=1时,S1和S2分别代表左右两侧信号相对信号最强位置的一阶距;
当k=2时,S1和S2分别代表左右两侧信号相对信号最强位置的二阶距;
当k=3时,S1和S2分别代表左右两侧信号相对信号最强位置的三阶距;
3)计算max(S1,S2)/min(S1,S2),当max(S1,S2)/min(S1,S2)大于预设的第二阈值时,则说明功率谱存在多种成分结构,识别为降雨谱;
进行双峰拟合,分离气溶胶信号和降雨信号,根据气溶胶信号和降雨信号分别获得风速和雨速。
进一步的,所述根据所述风切变强度和湍流强度识别湍流和风切变;包括:
若湍流强度大于预设的湍流阈值,识别为湍流;
若风切变强度大于预设的风切变阈值,且在时间上表现为连续分布,则识别为风切变;
若风切变的切变强度不大于预设的风切变阈值,且在时间上表现为任意性,则识别为湍流。
进一步的,所述风切变强度Sh为:
其中,Vi为风廓线的分量,包括1个或者多个分量。
进一步的,选用信号强度及其梯度、功率谱谱宽及其功率谱对称性、湍流强度和风切变强度等参数进行大气边界层分类。
进一步的,按照云层、降雨、湍流和风切变的顺序进行识别。
相应的,本发明还提供了一种基于测风激光雷达的大气边界层分类装置,包括:
获取模块,用于获取激光雷达的原始回波数据;
功率谱分析模块,用于对所述原始回波数据进行快速傅里叶变换,以得到功率谱;对所述功率谱进行分析,以获得所述功率谱对应的信号强度信息、谱宽信息和功率谱对称性信息;
云层识别模块,用于根据所述信号强度信息,计算距离修正后的归一化信号强度廓线的梯度信息,根据所述梯度信息识别云层;
降雨识别模块,用于在所述谱宽信息大于预设的谱宽阈值时,根据所述谱宽信息和功率谱对称性信息识别降雨;
湍流和风切变识别模块,用于在所述谱宽信息不大于预设的谱宽阈值时,根据所述功率谱计算风速,并计算风切变强度和湍流强度,根据所述风切变强度和湍流强度识别湍流和风切变。
综上,本发明提供了一种基于测风激光雷达的大气边界层分类方法和装置,首先获取激光雷达的原始回波数据,对原始回波数据进行快速傅里叶变换,以得到功率谱,对功率谱进行分析,以获得功率谱对应的信号强度信息、谱宽信息和谱形对称性信息;然后根据信号强度信息,计算距离修正后的归一化信号强度廓线的梯度信息,根据梯度信息识别云层。最后,判断谱宽信息是否大于预设的谱宽阈值;若是,则根据谱宽信息和谱形对称性信息识别降雨;若否,则根据功率谱计算风速,并计算风切变强度和湍流强度,根据风切变强度和湍流强度识别湍流和风切变。本发明在仅使用一台相干测风激光雷达的基础上,仅根据测风激光雷达实时测量的数据,就能实现包括云、降雨、湍流和风切变等大气边界层关键成分的实时识别和分类。本发明应用于保障航空安全,有助于改善气候模型、天气预报模型、大气污染扩散模型,具有灵活性强、时空分辨率高、准确度高的优点。本发明通过对候选云底和云顶的多次筛选、邻近云层的精确判定来精确区分云层内的精细结构,从而显著提高对于云层的识别精度和准确度。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
实施例:
本发明公开了一种基于测风激光雷达大气边界层分类方法。
图1和图2为本发明实施例提供的基于测风激光雷达大气边界层分类方法的流程图,根据图1和图2所示,本发明的方法具体实施过程如下:
S1、获取激光雷达的原始回波数据。
本发明只需要获取单台测风激光雷达的原始回波信号数据即可实现大气边界层云、雨、风切变、湍流的精确分类。
S2、对所述原始回波数据进行快速傅里叶变换,以得到功率谱;对所述功率谱进行分析,以获得所述功率谱对应的信号强度信息、谱宽信息和谱形对称性信息。
雷达原始回波原始数据经过快速傅里叶变换获得功率谱,进而获得功率谱的信号强度、谱宽和功率谱对称性。
其中,信号强度的计算方法,可选载噪比、信噪比等。载噪比定义为信号面积Ss与噪声面积Sn的比值。信噪比定义为信号峰值Sm与噪声均值的比值。
其中,谱宽定义为功率谱二阶中心距,谱宽越大代表速度越不集中。
信号强度廓线可由激光雷达垂直探测,或者圆锥扫描获得。
S3、根据所述信号强度信息,计算距离修正后的归一化信号强度廓线的梯度信息,根据所述梯度信息识别云层。
在识别大气边界层关键成分时,首先根据距离修正后的归一化信号强度廓线的梯度识别云层。
本发明识别云层的基本原理为:雷达信号对气溶胶浓度和云层很敏感,激光遇到云底时信号突然增强,离开云顶的信号急剧减弱。
结合图3-图4,本发明识别云层的方法如下:
(1)对载噪比廓线进行距离修正:
g=g0z2
z代表廓线的高度,进一步对信号进行归一化处理,使得信号强度的数值位于[0,1]区间。
(2)计算信号强度廓线的梯度。
信号强度廓线的梯度,有多种梯度算法可选,优选最小二乘法,小波协方差法等。
其中最小二乘法求梯度为:
最小二乘法的拟合距离为2n+1个距离门,g(z)代表信号强度廓线
其中利用小波变换法求载噪比的梯度为:
其中小波基函数可选
式中,zt和zb分别为边界层反演中计算范围的上边界和下边界,a为小波缩放系数,b为小波基函数中心位置。
(3)根据所述梯度信息识别云层。该步骤包括:
S31、根据所述梯度信息,获取梯度极大值点和梯度极小值点。
S32、根据信号梯度极大值点找出候选云顶根据梯度极小值点找出候选云底
S33、将相邻的云底和云顶配对,在每对云底和和云顶之间寻找信号峰值的位置和强度;根据所述信号峰值的强度进一步筛选出候选云顶和候选云底/>
具体的,相邻的云底和云高配对,在每对云底和和云顶之间寻找信号峰值位置和强度。
根据所述信号峰值的强度进一步筛选出候选云顶和候选云底/>包括:将云底-云顶之间峰值信号强度大于预设阈值的筛选出来,组成新的候选云顶/>和云底/>
S34、用上方最接近筛选出的候选云顶的云信号最小值gm的位置作为新的云顶位置/>用下方最接近筛选出的候选云底/>的云信号最小值信号gm的位置作为新的云底位置/>
具体的,用上方最接近候选云顶的云信号最小值gm的位置作为新的云顶位置用下方最接近候选云底的信号gm的位置作为新的云底/>
其中云信号最小值gm可以取信号极小值,也可以根据实际当地气溶胶分布特征选择其他合理的云层最小信号值。
S35、候选云里,从下往上,若下面一层的云顶与上面一层的云底间距小于预设的云厚阈值,则将两层云合并,上层云的云顶为新云的云顶下层云的云底为新云的云底
进一步的,在步骤S34中筛选出的候选云里,从下往上,如果下面一层的云顶与上面一层的云底间距小于云厚阈值,将两层云合并,上层云的云顶为新云顶层云的云底为新云的云底/>
通过上述步骤,最终从而实现了所有云层的识别。
下面以一个具体的测量数据解释本发明的云层识别方法,如图5所示。图5中,(a)为典型的信号强度廓线,单位为dB,(b)为距离修正后归一化的信号廓线,(c)为(b)中廓线对应的梯度。(c)中圆圈和正方形标号分辨代表信号梯度的极大值和极小值/>当云层信号的最小值gm取0.2时,(b)中的正三角形和倒三角形分别代表根据上述步骤最终识别的云顶高度/>和云底高度/>
S4、判断所述谱宽信息是否大于预设的谱宽阈值;若是,则执行步骤S5,若否,则执行步骤S6。
S5、根据所述谱宽信息和谱形对称性信息识别降雨。
具体的,本发明识别降雨的基本原理为:当发生降雨时,功率谱同时存在气溶胶信号和雨信号,导致谱宽增大。气溶胶信号和雨信号强度相近时,功率谱表现为双峰结构;当其中一个信号被另个一个信号覆盖时,则功率表现为不对称的单峰结构,例如,小雨条件下,雨滴信号较弱,容易被气溶胶信号覆盖;而当气溶胶被雨水洗刷后,气溶胶信号容易被雨滴信号覆盖。
目前已有相关文献利用谱宽的识别降雨,存在明显的缺陷,因为风切变、湍流等极端天气条件也能导致明显的谱宽的增大。利用双峰检验的方法无法识别其中一个信号被另一个信号覆盖的情况,为了提高识别降雨识别率,当谱宽大于阈值时,本发明利用功率谱的功率谱对称性进行功率谱成分检验:
功率谱成分检验方法如下:
1)首选对功率谱进行三次样条插值,获得平滑的功率谱曲线,并获得归一化功率谱f(x)。
2)寻找信号强度最大值位置xm,xm前后各取n个点计算信号最强位置左侧的信号信息S1和右侧信息S2,
其中k值为0、1、2或3;
当k=0时,S1和S2分别代表左右两侧的信号面积;
当k=1时,S1和S2分别代表左右两侧信号相对信号最强位置的一阶距;
当k=2时,S1和S2分别代表左右两侧信号相对信号最强位置的二阶距;
当k=3时,S1和S2分别代表左右两侧信号相对信号最强位置的三阶距;
3)计算max(S1,S2)/min(S1,S2),当max(S1,S2)/min(S1,S2)大于预设的第二阈值时,则说明功率谱存在多种成分,识别为降雨谱。
对识别出的降雨谱进行双峰拟合,分离气溶胶信号和降雨信号,根据气溶胶信号和降雨信号分别获得风速和雨速。
双峰拟合可采用双高斯拟合:
其中I和f,σ分别为信号强度,多普勒频率和谱宽。下标a和r分别代表气溶胶和雨滴。
下面以一个具体的测量数据解释本发明的降雨识别方法,如图6的圆圈代表典型的降雨条件下原始功率谱,当k=0,信号最强位置两侧面积之比为3.明显大于1。说明功率谱不对称,存在多种信号成分。用双峰拟合分离出气溶胶谱和雨滴谱如图6所示。
S6、根据所述功率谱计算风速,并计算风切变强度和湍流强度,根据所述风切变强度和湍流强度识别湍流和风切变。
优选的,所述根据所述风切变强度和湍流强度识别湍流和风切变;包括:
若湍流强度大于预设的湍流阈值,识别为湍流;
若风切变强度大于预设的风切变阈值,且在时间上表现为连续分布,则识别为风切变;
若风切变的切变强度不大于预设的风切变阈值,且在时间上表现为任意性,则识别为湍流。
具体的,在排除了降雨和云层的可能性后,通过单峰拟合,获得多普勒速度。分别计算湍流强度和风切变强度,结合二者识别湍流和风切变。
本发明识别湍流和风切变的基本原理为:湍流具有较大的湍流强度,风速变化具有任意性;而风切变表现为稳定的风速变化。
湍流强度有多种衡量手段,如湍流动能耗散率,自相关协方差,径向风速方差等。当湍流强度大于阈值时,将此时的天气状况分类为湍流。但是计算湍流强度需要较高的载噪比,低信号噪比信号会引入明显的误差。因此湍流强度的反演几率要小于风速。因此仅通过湍流强度来识别湍流会漏掉一些低载噪比的湍流情况。为了解决这个问题,提高湍流的识别率,本发明引入风切变强度Sh:
Vi为风廓线的分量。当风切变强度大于阈值时,认为可能存在风切变或者湍流。利用时间窗函数对风切变进行过滤。稳定风切边强度(在时间上连续),分类为风切变。不稳定的风切变强度(时间上不连续),分类湍流。至此完成大气边界层内典型的天气状态分类。
在一个实施例中,选用信号强度及其梯度、功率谱谱宽及其功率谱对称性、湍流强度和风切变强度等参数进行大气边界层分类。
优选的,按照云层、降雨、湍流和风切变的顺序进行识别。
相应的,本发明还提供了一种基于测风激光雷达的大气边界层分类装置,包括:
获取模块,用于获取激光雷达的原始回波数据;
功率谱分析模块,用于对所述原始回波数据进行快速傅里叶变换,以得到功率谱;对所述功率谱进行分析,以获得所述功率谱对应的信号强度信息、谱宽信息和功率谱对称性信息;
云层识别模块,用于根据所述信号强度信息,计算距离修正后的归一化信号强度廓线的梯度信息,根据所述梯度信息识别云层;
降雨识别模块,用于在所述谱宽信息大于预设的谱宽阈值时,根据所述谱宽信息和功率谱对称性信息识别降雨;
湍流和风切变识别模块,用于在所述谱宽信息不大于预设的谱宽阈值时,根据所述功率谱计算风速,并计算风切变强度和湍流强度,根据所述风切变强度和湍流强度识别湍流和风切变。
综上,本发明提供了一种基于测风激光雷达的大气边界层分类方法和装置,首先获取激光雷达的原始回波数据,对原始回波数据进行快速傅里叶变换,以得到功率谱,对功率谱进行分析,以获得功率谱对应的信号强度信息、谱宽信息和谱形对称性信息;然后根据信号强度信息,计算距离修正后的归一化信号强度廓线的梯度信息,根据梯度信息识别云层。最后,判断谱宽信息是否大于预设的谱宽阈值;若是,则根据谱宽信息和谱形对称性信息识别降雨;若否,则根据功率谱计算风速,并计算风切变强度和湍流强度,根据风切变强度和湍流强度识别湍流和风切变。本发明在仅使用一台相干测风激光雷达的基础上,仅根据测风激光雷达实时测量的数据,就能实现包括云、降雨、湍流和风切变等大气边界层关键成分的实时识别和分类。本发明应用于保障航空安全,有助于改善气候模型、天气预报模型、大气污染扩散模型,具有灵活性强、时空分辨率高、准确度高的优点。本发明通过对候选云底和云顶的多次筛选、邻近云层的精确判定来精确区分云层内的精细结构,从而显著提高对于云层的识别精度和准确度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。