论文部分内容阅读
新一代多普勒气象雷达是研究中小尺度气象现象的主要手段之一，它具有灵敏度和分辨率高且稳定可靠的优点。随着多普勒气象雷达技术和计算机技术持续发展，采样速率不断加快，雷达快速扫描成为一个重要的研究课题。雷达快扫提高了信号采集的速度，可以得到充分多的样本，但样本间的相关性却有所增加。如何提高相关性较强的雷达回波信号的谱矩分析精度，在气象雷达信号领域具有非常重要的研究意义。 一般的谱矩估计方法本质上是求平均，以牺牲空间分辨率为代价。然而，当样本之间具有相关性时，简单的算术平均得到的估计结果是不理想的。基于相关样本的自相关矩阵可以构造MVU估计量，该估计达到Cramer-Rao下限，是一种最优估计。现代科学技术的发展使得雷达信号通常可以做到过采样，本文主要研究如何更好地利用多普勒气象雷达回波信号的统计相关性质，针对雷达的过采样信号提出了精度更高的改进脉冲对算法，构造了自相关函数的MVU估计量（最小方差无偏估计），并且在此基础上获得了谱矩估计的MVU估计。 首先，雷达回波信号实际上是一个复时间序列，而时间序列的自相关函数可以刻画序列的统计性质，因此能由自相关估计出谱矩参数。本文发现，根据多普勒气象雷达的回波信号样本中获得该序列的自相关函数估计时，可以将各脉冲对作为自相关估计的样本，建立线性估计模型，借助样本间的相关性利用白化技术去相关，从而获得自相关函数的最优估计。但与目前大多白化处理思想不同之处在于，本文白化的对象是自相关函数的样本，也就是各组脉冲对，而不是观测的时间序列信号，因为如果针对时间序列本身去相关，会改变信号自相关函数的特征，从而影响参数估计的精度。随后，利用求得的各时延下的自相关函数，建立谱矩估计的线性模型，得到谱矩的最优估计。 其次，估计自相关函数的过程中，需要根据样本计算协方差矩阵。如果直接根据样本计算协方差矩阵，得到的矩阵会存在非奇异的情况，使得白化过程中协方差矩阵的逆矩阵计算变得不可行或不稳定。为此，本文从理论上推导了样本协方差矩阵的形式表达式，再通过曲线拟合得到非奇异的对称带状Toeplitz矩阵。另一方面，多普勒气象雷达需要处理的数据量非常大，直接对矩阵求逆会耗时很多，为了满足雷达信号处理的实时性需求，本文借助带状Toeplitz矩阵逆矩阵计算的快速算法，构造了实时信号处理的改进脉冲对算法。 最后，本文提出了基于自相关性质的雷达过采样信号模拟模型，并估计了多普勒谱矩。实验结果显示，改进脉冲对算法相较于传统的脉冲对算法，提高了多普勒谱矩参数的估计精度，实验效果良好。在真实雷达资料的处理中，改进脉冲对算法估计的径向速度和回波强度与脉冲对算法的结果非常相似，验证了该算法的可行性。