一种基于CNN的机载气象雷达气象目标检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112698291A(43)申请公布日2021.04.23(21)申请号202011501637.0(22)申请日2020.12.18(71)申请人南京航空航天大学地址210016江苏省南京市秦淮区御道街29号(72)发明人喻庆豪朱岱寅吴迪王宇(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人向文(51)Int.Cl.G01S7/41(2006.01)G01S13/95(2006.01)权利要求书2页说明书4页附图4页(54)发明名称一种基于CNN的机载气象雷达气象目标检测方法(57)摘要本发明公开了一种基于CNN的机载气象雷达气象目标检测方法，包括：通过双通道垂直阵列接收系统接收雷达数据，接收到的雷达数据分为通道1回波数据和通道2回波数据；计算CPA值；计算多普勒速度值；计算干涉相位值，并对干涉相位进行补偿；将获取的CPA值、多普勒速度值和补偿后的涉相位值三种参数信息整合成三维数据；利用训练好的CNN模型对得到的三维数据进行检测，得到气象目标检测结果。本发明首次将CNN应用在气象目标检测，利用垂直阵列系统获取气象目标的多普勒信息和空域信息，然后将三种参数一同输入到CNN中，进而得到最终的检测结果，该方案受谱矩信息变化影响小，极大地提高了检测性能，同时也简化了流程，具有检测精度高，简单易实现的特点。CN112698291ACN112698291A权利要求书1/2页1.一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：包括如下步骤：S1：通过双通道垂直阵列接收系统接收雷达数据，接收到的雷达数据分为通道1回波数据和通道2回波数据；S2：根据通道1回波数据计算CPA值；根据通道2回波数据计算多普勒速度值；根据通道1回波数据和通道2回波数据计算干涉相位值，并对干涉相位进行补偿；S3：将步骤S2中获取的CPA值、多普勒速度值和补偿后的干涉相位值三种参数信息整合成三维数据；S4：利用训练好的CNN模型对步骤S3中得到的三维数据进行检测，得到气象目标检测结果。2.根据权利要求1所述的一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：所述步骤S2中CPA值的计算方法为：式中，xi＝Ii+jQi为时间序列样本，即通道1回波数据的方位样本，Ii和Qi是一对相位正交的调制信号。3.根据权利要求1所述的一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：所述步骤S2中多普勒速度值的计算方法为：其中，R(Tr)为样本自相关函数，Tr为脉冲重复间隔，λ为信号的波长，arctan{·}是反正切函数算子，Im[·]为取虚部操作，Re[·]为取实部操作。4.根据权利要求1所述的一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：所述步骤S2中干涉相位的计算方法为：*InP＝arg{[SD+SS]·[SD‑SS]}*式中，[·]为共轭算子，arg{·}表示相位运算符，SD和SS分别是差通道和和通道回波信号。5.根据权利要求4所述的一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：所述步骤S2中干涉相位的补偿量为：PC＝2πdH/Rλ式中，R为探测距离，H为载机飞行高度，d为阵元间距。6.根据权利要求1所述的一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：所述步骤S4中CNN模型的训练方法为：通过训练集对CNN模型进行训练，训练集的原始数据需要先通过计算得到三种判别函数，即所述步骤S2中的CPA值、多普勒速度值和补偿后的涉相位值，并将其整合成三维数据，然后分成若干组数据，最后根据先验信息将这些数据分别赋予地杂波和气象目标的标签。7.根据权利要求6所述的一种基于CNN的机载气象雷达气象目标检测方法，其特征在于：所述步骤S4中CNN模型对三维数据的检测方法为：2CN112698291A权利要求书2/2页根据CNN的卷积计算原理，将三种判别函数整合成一个三维数组，在处理过程中，CNN被视为滑动窗口检测器，需要在数据中逐像素点滑动并输出判断结果，每个待检测像素点的最终检测结果取决于待测单元周围三维数据在CNN中的输出。3CN112698291A说明书1/4页一种基于CNN的机载气象雷达气象目标检测方法技术领域[0001]本发明属于雷达技术领域，具体涉及一种基于CNN的机载气象雷达气象目标检测方法。背景技术[0002]机载气象雷达是一种实时预报降水量的遥感设备。实际应用中，雷达一般工作在下视模式。当雷达天线方向图主瓣或旁瓣照射到地面时，来自地面物体的散射回波往往会湮没气象目标信号，严重影响气象参数的准确估计，从而恶化机载气象雷达的工作性能。回波中的强地杂波背景在目标检测过程中会产生大量的虚警，增加了气象目标检测的难度。而且在机载气象