Розпізнавання атмосферних утворень за параметрами адаптивного решітчастого фільтр
DOI:
https://doi.org/10.20535/RADAP.2022.88.15-23Ключові слова:
метеорологічний радіолокатор, турбулентність, розпізнавання метеоутворень, адаптивний решітчастий фільтр, неенергетичні параметри, коефіцієнт кореляції, порядок процесу авторегресіїАнотація
Розглядаються алгоритми розпізнавання атмосферних утворень у метеорологічних радіолокаторах із різною когерентністю. Показується, що відомі алгоритми розпізнавання відрізняються ступенем складності, повнотою вектора явищ і видів метеоутворень. Крім цього, немає єдиної структурно-алгоритмічної основи, що дозволяє уніфікувати завдання вимірювання та розпізнавання. Для вирішення цього завдання пропонується використовувати параметри адаптивних решітчастих фільтрів, що отримуються на етапі їх налаштування за відображенням метеоутворень. Проводиться тестування запропонованого алгоритму за даними річного циклу експериментальних даних флюктуацій амплітуд некогерентних сигналів 3-см діапазону радіохвиль, відбитих від різних видів хмар. Порівнюються статистичні характеристики розпізнавання відомими та запропонованими методами. Показується, що запропонований метод за точністю розпізнавання відбиття від метеоутворень практично не поступається відомому, але реалізується безпосередньо в процесі вимірювання параметрів спектра флюктуацій амплітуд відбиття, що вигідно відрізняє його від інших. Підтверджується ефективність запропонованого алгоритму розпізнавання. Запропоновано єдину структурно-алгоритмічну основу практичної реалізації вимірювання параметрів метеоутворень та розпізнавання небезпечних метеоявищ на базі адаптивних решітчастих фільтрів. Показується, що запропонований алгоритм та його практична реалізація можуть за незначних змін застосовуватися в когерентних та некогерентних метеорадіолокаторах, а також у метеоканалах неметеорологічних РЛС.
Посилання
References
Kollias P., Bharadwaj N., Clothiaux E. E., et al. (2020). The ARM Radar Network: At the Leading Edge of Cloud and Precipitation Observations. Bulletin of the American Meteorological Society, Vol. 101, Iss. 5. DOI: 10.1175/BAMS-D-18-0288.1.
Dzung Nguyen-Le, Tomohito J. Yamada. (2019). Using Weather Pattern Recognition to Classify and Predict Summertime Heavy Rainfall Occurrence over the Upper Nan River Basin, Northwestern Thailand. Weather and Forecasting, Vol. 34, Iss. 2, pp. 345–360. DOI: 10.1175/WAF-D-18-0122.1.
Qing Meng, Wen Yao, Liangtao Xu. (2019). Development of Lightning Nowcasting and Warning Technique and Its Application. Advances in Meteorology, Article ID 2405936. doi:10.1155/2019/2405936.
Bazlova T. A., Bocharnikov N. V., Brylyov G. B., Solonin A. S., et al., exec. ed. A. S. Solonin. (2015). Radar meteorological information in aero navigation. St. Petersburg: Russian State Hydro Meteorological University (RSHMU), 363 p.
Bolelov E. A. (2018). Meteorological service for civil aviation: problems and ways of their solution. Civil Aviation High Technologies, Vol. 21, No. 5, pp. 117-129. doi:10.26467/2079-0619-2018-21-5-117-129. (In Russian).
Bazlova T. A., et al., ed. by Solonin A. S. (2010). Radar meteorological observations. V. II: Issues of practical application of the radar meteorological information. St. Petersburg: Nauka. 517 p.
Khyong N. V. (2020). Algorithm for detection of meteorological formations by results of primary processing in landing airfield radar. Proceedings of MPTI, Vol. 12, No. 2, pp. 117-125.
Zhukov V. Yu. (2019). Recognition and investigations of dangerous weather phenomena in multiparametric meteorological radar. Thesis for Doctor of phys. and math. sciences degree: 25.00.30 / A. F. Mozhaisky Military Space Academy, St. Petersburg, 312 p. http://www.rshu.ru/university/dissertations/files/230.
Song K., Liu X., Gao T., He B. (2019). Raindrop Size Distribution Retrieval Using Joint Dual-Frequency and Dual-Polarization Microwave Links. Advances in Meteorology, Article ID 7251870. DOI: 10.1155/2019/7251870.
K. Lamer , B. Puigdomènech Treserras, Z. Zhu, B. Isom, N. Bharadwaj, and P. Kollias. (2019). Characterization of shallow oceanic precipitation using profiling and scanning radar observations at the Eastern North Atlantic ARM observatory. Atmospheric Measurement Techniques, Vol. 12, Iss. 9, pp. 4931–4947. DOI: 10.5194/AMT-12-4931-2019.
Zheng X. et al. (2019). Detecting Comma-Shaped Clouds for Severe Weather Forecasting Using Shape and Motion. IEEE Transactions on Geoscience and Remote Sensing, Vol. 57, No. 6, pp. 3788-3812. DOI: 10.1109/TGRS.2018.2887206.
Skripniková K., Rezácová D. (2019). Comparison of Radar-Based Hail Detection Using Single- and Dual-Polarization. Remote Sensing, Vol. 11(12), pp. 1436-1448. DOI: 10.3390/rs11121436.
Naumenko V., Totsky A. V., Khlopov G., Voitovych O., Astola J. T. (2016). Classification of the atmospheric formations by using bicoherence-based features extracted from weather radar backscattering signals. Telecommunications and Radio Engineering, Vol. 75(5), pp. 463-475. DOI:10.1615/TelecomRadEng.v75.i5.70.
Bezruk V. M., Belov E. N., Voitovich O. A., et al. (2011). Radar recognition of meteorological objects by echo-signal fluctuations intensity. Proc. of IV International Radioelectronic forum ''Applied Radioelectronics. State-of-the-art and prospects of development'', Kharkiv. V.1. 18-21 October 2011, pp. 83-86.
Voitovich O. A., Zatserklyana A. V., Rudnev G., et al. (2015). Investigations of fluctuations of incoherent signals scattered by clouds. Radiofizika I elektronika, Vol. 6(20), No. 2, pp. 48-52.
Masalov E. V., Krivin N. N. (2019). Precision characteristics of the differential radar reflectivity meter. Journal of Siberian Federal University. Engineering & Technologies, Vol. 12(1), pp. 97–105. DOI:10.17516/1999-494X-0028.
Gagne II D. J., Haupt S. E., Nychka D. W., Thompson G. (2019). Interpretable Deep Learning for Spatial Analysis of Severe Hailstorms. Monthly Weather Review, Volume 147, Issue 8, Page(s): 2827–2845. DOI: 10.1175/MWR-D-18-0316.1.
Wang, X., Wang, J., Miao, C., Zeng K. (2020). Forewarning method of downburst based on feature recognition and extrapolation. Natural Hazards, Vol. 103(1), pp. 903–921. DOI: 10.1007/s11069-020-04018-4.
Kalesse, H., Vogl, T., Paduraru, C., Luke, E. (2019). Development and validation of a supervised machine learning radar Doppler spectra peak-finding algorithm. Atmospheric Measurement Techniques, Vol. 12, Iss. 8, pp. 4591–4617. doi:10.5194/amt-12-4591-2019.
Zhou L., Dong X., Fu Z. et al. (2020). Vertical Distributions of Raindrops and Z-R Relationships Using Microrain Radar and 2-D-Video Distrometer Measurements During the Integrative Monsoon Frontal Rainfall Experiment (IMFRE). Journal of Geophysical Research, Vol. 125, Iss. 3. DOI: 10.1029/2019JD031108.
Qing H., Chu Y., Zhao Z., Su C., Zhou C., and Zhang Y. (2017). Observation and analysis of atmospheric rainfall based on the very high frequency radar . IET Radar, Sonar & Navigation, Vol. 11, Iss. 4, pp. 616–620. doi:10.1049/iet-rsn.2016.0089.
Doviak, R. J., and D. S. Zrnić (1993). Doppler Radar and Weather Observations. 2nd ed. Academic Press, 562 p.
The order of applying the automated meteorological radar complex ''ASU-MRL'' in practice of storm warning and anti-hail protection. Methodological instructions. RD 52.37.XXX-2008. Moscow: Rosgidromet, 2008. 84 p.
Rachkov D. S., Lekhovytskiy D. I. (2015). Lattice-filter-based unified structure of system for interperiod processing of weather radar signals. 2015 IEEE Radar Conference (RadarCon), pp. 1234–1239. DOI: 10.1109/RADAR.2015.7131183.
Lekhovitskiy D. I., Riabukha V. P., Atamanskiy D. V., Semeniaka A. V., Rachkov D. S. (2021). Lattice filtration theory. Part I: One-dimensional lattice filters. Telecommunications and Radio Engineering, Vol. 80, Iss. 5, pp. 41-79. DOI:10.1615/TelecomRadEng.2021039186.
Lekhovitskiy D. I. (2018). Adaptive lattice filters for systems of space-time processing of non-stationary Gaussian processes. Radioelectronics and communications systems, Vol. 61, No. 11, pp. 607–644. DOI: 10.3103/S0735272718110018.
Lekhovitskiy D. I., Rachkov D. S., Semeniaka A. V. (2015). K-rank modification of adaptive lattice filter parameters. 2015 IEEE Radar Conference (RadarCon), pp. 127–132. DOI: 10.1109/radar.2015.7130983.
Atamanskiy, D. V., Semeniaka, A. V. & Krasnoshapka, I. V. (2021). Width Estimation of Non-Gaussian Doppler Velocity Spectra of Meteorological Formations. Radioelectronics and Communications Systems, Vol. 64, pp. 1–13. DOI: 10.3103/S0735272721010015.
Lekhovytskiy, D. I., Atamanskiy, D. V., Rachkov, D. S., Semeniaka A. V. (2017). Estimation of the energy spectrums of reflections in pulse doppler weather radars. Part 3. Statistical analysis of the reconstruction techniques of continuous spectrums of the reflections from meteorological objects. Radioelectronics and Communications Systems, Vol. 60, No. 2, pp. 47–79. DOI: 10.3103/S0735272717020017.
Riabukha V. P., Semeniaka A. V., Katushin E. A., Zaritskiy V. I., Golovin O. O. (2019). Adaptive lattice filter-based digital adaptive system of radar protection against masking clutters. Armour and Military Technology, No. 4 (24), pp. 32-40. DOI: 1034169/2414-0651.2019.3(23).32-40.
Averyanova Yu. A., Prokopenko I. G., Prokopenko K. I., Yanovsky F. J. (2004). Algorithms of turbulance detection with weather radars. Proceedings of the NAU [Visnyk NAU], Vol. 19, No. 1, pp. 41–51. DOI: 10.18372/2306-1472.19.952. [In Ukrainian].
Bazlova T. A., Bocharnikov N. V., Brylev G. B. (2002). Meteorological automated radar networks, exec. ed. G. B. Brylev, St. Petersburg: Gidrometeoizdat, 332 p.
Skolnik, W. E. Ed. (2014). Handbook of radar. Book 1. Moscow: Tekhnosfera, 672p. [in Russian].
Recommendations for working with weather radars ''Kontur-10Ts'' series 5 for flight crews [Rekomendacii po rabote s meteoradiolokatorami «Kontur-10C» seriya 5 dlya letnyh ekipazhej]. https://www.kontur-niirs.ru/static/documents/97.pdf (accessed 29/12/20) [In Russian].
Zhukov V. Yu., Bychkov A. A., Shchukin G. G. (2015). Additional informative capabilities of the small-sized ''Contour METEO-01'' meteorological radar. V All-Russian Armand Readings: Ultra-wideband signals in radiolocation, communication and acoustics. Proceedings of the V All-Russian Scientific Conference, Murom, Russia, 29 June-01 July, pp. 134-139.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Ihor Romanenko
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
