排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
随着双线偏振天气雷达技术的发展,雷达提供的探测参量越来越多,数据精度不断提高。探测性能提升使得天气雷达数据量急剧增长,数据存储和传输是雷达网络化应用中需要解决的重要问题。数据压缩算法用于减小传输和存储的数据量,但通用的数据压缩算法并未充分考虑双线偏振天气雷达数据的特点。文中提出适用于双线偏振天气雷达数据压缩算法（DPRC）,使用径向预测减小天气雷达数据相关性,实现了天气雷达基数据的高效无损压缩。使用CSU-CHILL雷达数据和双线偏振改造后的CINRAD SA雷达对DPRC的算法性能进行评估,试验结果表明,DPRC较通用的压缩算法压缩率更高,适用于高分辨率双线偏振雷达数据无损压缩。 相似文献
2.
由于Nyquist采样定理的限制,高分辨率气象雷达面临采样率过高、数据存储量过大等问题。压缩感知理论可以实现气象雷达信号的压缩采样,解决采样率过高等问题。基于压缩感知理论,分析了气象雷达回波信号的稀疏性,建立了气象雷达回波信号的压缩采样和重建的过程,并结合气象雷达实测的回波数据进行仿真。仿真结果表明,0.3倍采样率下的重建回波与原始回波存在较大误差,0.5倍采样率时误差明显降低,0.7倍采样率时则可高概率重建出原始回波。因此,将压缩感知理论应用于高分辨率气象雷达的信号处理中,可以实现在较低采样率下高概率重建原始回波信号。 相似文献
3.
近年来我国极端灾害性天气频发,造成了重大人员伤亡和财产损失,随着防灾减灾工作的推进,龙卷等中小尺度强对流灾害性天气的预警预报工作的关注度正逐步提升。现有龙卷检测算法基于对新一代天气雷达基数据在多个仰角和体积扫描中进行阈值判断得到龙卷涡旋特征TVS,在自适应协同观测背景下表现为自适应策略同步较慢,预警预报准确率不高,提前预警时间短。使用机器学习算法结合龙卷在雷达反射率、径向速度和速度谱宽的多重特征能有效提高龙卷识别的准确率和预警时间,能提高组网雷达的协同观测能力。基于随机森林的龙卷检测算法（TDA-RF）,使用CINRAD雷达历史龙卷数据作为训练集,通过随机森林算法对训练集进行分类学习得到龙卷预测模型,使用预测模型对实时雷达数据进行龙卷检测。试验结果表明,TDA-RF算法能有效识别不同强度的龙卷,较TVS龙卷检测算法能给出龙卷区域的分类概率值,无需对龙卷特征时空连续性进行判断;TDA-RF算法对多个特征进行综合判断具有较好的抗干扰能力,使基于组网雷达的龙卷预警时间最高可达18分钟。 相似文献
4.
高分辨率的天气雷达数据能揭示探测天气目标的精细结构,对灾害性天气分析和预报预警至关重要。提高天气雷达反射率数据分辨率可以提升现有业务天气雷达对中小尺度强对流灾害性天气的监测和预警能力。本文在不改变雷达硬件的情况下,提出了基于注意力反向投影网络(Attention Back-Projection Network,ABPN)的天气雷达回波超分辨率重建算法用于提高雷达反射率数据分辨率。ABPN通过在深度反向投影网络(Deep Back-Projection Network,DBPN)中加入长短跳跃连接和通道注意力机制,对关键区域精细化重建结构特征。通过对实际天气过程超分辨率重建测试,结果表明,ABPN算法在雷达回波重建质量和主观视觉评估上有明显的优势,特别是在回波细节和天气雷达的边缘结构特征方面。 相似文献
5.
1