[發明專利]一種基于ENet全卷積網絡的氣象雜波抑制方法

有效

• 申請號: 201910587722.4
• 申請日: 2019-07-02
• 公開（公告）號: CN110441743B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 徐強;羅旌勝;高霞
• 申請（專利權）人: 中國航空工業集團公司雷華電子技術研究所
• 主分類號: G01S7/36
• 分類號: G01S7/36;G01S13/95
• 代理公司: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 張卓

本發明提供了一種基于ENet全卷積網絡的氣象雜波抑制方法，該方法包括如下步驟：S1：氣象雷達回波圖像獲取；S2：DEM圖像獲取；S3：合成待處理圖像；S4：訓練ENet全卷積網絡模型；S5：利用上述步驟獲得的ENet全卷積網絡模型進行雜波抑制。本發明提供的方法，基于ENet全卷積網絡模型，利用其深度學習能力，解決氣象目標和雜波的分離問題，進而實現了地雜波抑制；該方法利用ENet全卷積網絡的學習能力提高了地雜波抑制方法的適用性，提高了機載氣象雷達的探測性能。

技術領域

本發明屬于機載氣象雷達領域，具體涉及一種基于ENet全卷積網絡的氣象雜波抑制方法。

背景技術

機載氣象雷達工作時一般處于下視模式，因此面臨著比地基氣象雷達更嚴重的地面雜波，雜波分布范圍廣、強度大，給區分降水類型和分析氣象條件等帶來很大困難，嚴重危害飛機的飛行安全。地面雜波和地面的起伏分布有很大的關系，通常高山和丘陵等會對氣象雷達有很強的反射回波，會極大地干擾氣象目標的探測。這就需要氣象雷達在進行雜波抑制時考慮使用DEM(Digital Elevation Model)數據。

DEM是地面地理位置及高程的數據集，可以準確反映地形特征。利用DEM計算波束是否觸地，并計算觸地位置到載機的距離，就可以判斷雷達回波中含有雜波信息的位置，進而進行雜波抑制處理。

但是，傳統DEM方法中波束位置的選擇不準確，在人工特征提取時，算法的復雜程度高、特征有效性低，進而導致對雜波的抑制處理并不完整。

因此，需提供一種波束位置選擇準確，能提高機載氣象雷達雜波抑制能力的普適性的雜波抑制方法。

深度學習其自主學習并抽象特征的能力，相比于人工特征在提取算法復雜性和特征有效性，具有非常大的優勢，在手寫體字符識別、光學圖像分類等任務中表現出了極其優秀的性能，但在氣象探測和氣象雜波抑制方面的應用還未涉及。ENet是一種全卷積網絡深度學習模型，它以圖像為輸入，從大量訓練數據學習到目標的結構、屬性、類別等特征，輸出目標分割結果。將雷達氣象回波和DEM信息特征轉化成圖像，用于訓練ENet模型，讓網絡自主學習到氣象回波、雜波和 DEM之間的特征關系，為氣象雜波抑制提供新的思路。

發明內容

發明目的：

為了解決上述問題，本發明提供了一種基于ENet全卷積網絡的氣象雜波抑制方法，通過訓練該網絡找到氣象回波數據和DEM數據中的深度關系，進而能夠自行判斷出氣象目標和雜波，并對雜波進行消除的方法。

技術方案：

為了達到上述目的，本發明提供了如下技術方案：

一種基于ENet全卷積網絡的氣象雜波抑制方法，所述方法包括如下步驟：

S1：氣象雷達回波圖像獲取；

S2：DEM圖像獲取；

S3：合成待處理圖像；

S4：訓練ENet全卷積網絡模型；

S5：利用上述步驟獲得的ENet全卷積網絡模型進行雜波抑制。

優選的，所述步驟S1包括：利用雷達得到的數據信號，由雷達方程計算出反射率因子，得到了氣象雷達回波的強度分布情況，將其量化顯示得到一幅含有地雜波的氣象回波圖像。

優選的，所述步驟S2包括：利用載機飛行的地理位置信息，結合飛機掃描波束范圍，計算相應的雷達掃描視線，結合DEM數據集中相應位置高度得出相應的可視區和遮擋區，對于可視區和遮擋區的二值化顯示，得到一幅與地雜波相一致的DEM圖像。

該地理位置信息包括載機飛行時的經緯度和高度。

優選的，所述步驟S3包括：