14、雷达测量与数据质量提升：杂波检测与处理

雷达测量与数据质量提升：杂波检测与处理

1. 多滞后估计器优势

在雷达测量中，多滞后估计器相较于传统估计器表现更优。若未对噪声功率进行校正，传统估计器往往会使共极化相关系数（ρhv）值偏低。

通过数值天气预报（NWP）模拟使用多滞后估计器对ρhv进行估计，输入数据来自先进区域预报系统（ARPS）NWP模型。模型生成的真实相关系数在多数区域大于0.96，即便信噪比（SNR）低至0 dB。四滞后估计器的估计结果比单滞后和传统估计器更接近真实值。在模拟中，由于缺乏对所有雷达参数进行噪声校正的标准程序，未计算噪声功率，这导致传统估计与真实值存在显著偏差，尤其在SNR较弱的区域。而使用四滞后估计器时，ρhv估计有显著改善。

在实际雷达系统（如低功率X波段极化雷达PX - 1000）中，多滞后估计器同样展现出优势。与高灵敏度的S波段KTLX WSR - 88DP雷达数据对比，传统估计在近程和风暴边缘（SNR低）处产生低ρhv值，可能导致对风暴边缘的错误解读。而多滞后估计器恢复了边缘和近程门的ρhv值，能更合理地检测到低ρhv值的融化层。

2. 杂波检测背景

除噪声外，地物杂波是天气雷达测量中的另一个重要问题。它会导致天气雷达数据出现偏差和误差，进而影响降雨估计和微物理研究。地物杂波通常是静止的，传统上通过应用以零为中心的带阻（陷波）滤波器来减少杂波污染，但这种方法会对窄带零速度天气信号的天气矩估计产生偏差。因此，最好先检测地物杂波的位置，再对受污染信号应用最优估计器或滤波器，以获取无偏差的高质量天气数据。

2.1 传统与自适应杂波检测方法

传统上，通过使用在晴空条件下收集的数据确定的静态杂波图来识别受杂波