15、气象雷达极化技术：杂波抑制与应用

气象雷达极化技术：杂波抑制与应用

1. 杂波抑制

在气象雷达测量中，杂波会对气象数据的准确性产生影响。一旦使用检测算法识别出杂波门，就需要减轻杂波影响以获得更准确的气象数据。Siggia和Passarelli提出了高斯模型自适应处理（GMAP）来改善杂波消除效果。这里将讨论双高斯模型自适应处理（BGMAP），它在频谱域进行杂波滤波。

1.1 双高斯频谱模型与代价函数

时间序列电压 $V_X(m) = w_{x,m} + c_{x,m} + n_{x,m}$（$x = h$ 或 $v$；$m = 1, 2, …, M$）的功率谱密度由以气象信号平均多普勒速度 $v_{rw}$ 为中心的气象频谱、以地面杂波平均多普勒速度 $v_{rc}$ 为中心的杂波频谱以及噪声底组成。预期频谱可表示为：
[
S(v) = \frac{P_w}{\sqrt{2\pi}\sigma_{vw}}\exp\left[-\frac{(v - v_{rw})^2}{2\sigma_{vw}^2}\right] + \frac{P_c}{\sqrt{2\pi}\sigma_{vc}}\exp\left[-\frac{(v - v_{rc})^2}{2\sigma_{vc}^2}\right] + P_n
]
其中，$P_w$ 是气象功率，$v_{rw}$ 是气象的平均多普勒速度，$\sigma_{vw}$ 是气象频谱宽度；$P_c$ 是杂波功率，$v_{rc}$ 是杂波的平均多普勒速度，$\sigma_{vc}$ 是杂波频谱宽度，且假设 $\sigma_{vc} < \sigma_{vw}$。$P_n$ 是噪声功率，$v_N$ 是奈奎斯特速度。