基于先验知识加权的气象雷达风力涡轮机杂波抑制方法技术

本发明专利技术公开了一种基于先验知识加权的气象雷达风力涡轮机杂波抑制方法，首先将被风力涡轮机杂波(WTC)污染的距离单元置零，并逐脉冲将距离向量重构为随机采样的低秩托普利兹矩阵，利用气象信号观测矩阵的先验知识，通过对气象信号观测矩阵核范数中的每个奇异值赋予不同的权值，避免了用同一常数对所有的奇异值进行阈值化，更精确的获取原气象信号的托普利兹矩阵在低秩上的最优逼近矩阵，从而输出气象信号。仿真实验结果表明，本发明专利技术有效提高了气象信号的恢复精度，更好的抑制风力涡轮机杂波和噪声，适合工程应用。适合工程应用。适合工程应用。

【技术实现步骤摘要】
基于先验知识加权的气象雷达风力涡轮机杂波抑制方法


[0001]本专利技术涉及气象雷达杂波抑制领域，尤其涉及一种基于先验知识加权的气象雷达风力 涡轮机杂波抑制方法。

技术介绍

[0002]为应对全球能源危机与气候变暖，世界各国对可再生清洁能源产生了巨大需求。风力 发电作为可再生清洁能源的一种重要形式受到了全世界的高度关注。近年来，全球范围内 的风电场规模和数量正呈指数式增长，风轮机叶片的转速与长度不断增加，但研究表明， 风电场风力涡轮机由于叶片高速旋转引起的运动杂波对雷达、通信导航等电子设备会产生 严重影响，给各类雷达目标检测带来了新的挑战，而现有的杂波抑制技术均无法有效滤除 风力涡轮机杂波(WTC)，对气象信息的预测精度产生了严重的影响，因此风力涡轮机杂波 已成为当今气象雷达杂波抑制的核心问题。
[0003]现有杂波抑制技术如时域滤波方法、频域滤波方法、基于功率谱特征的滤波方法由于 风力涡轮机的高速旋转造成的频谱展宽，使得气象信息损失严重，导致无法有效的抑制WTC， 极大地影响了气象信息的预测精度。欧美科学家在详细分析了气象雷达不同工作模式下风 力涡轮机杂波与气象回波的时、频域分布特性之后，提出的基于多重二次插值恢复、距离
ꢀ-
多普勒谱回归、递归稀疏重构等风力涡轮机杂波抑制算法，也受风电场规模、风机转速、 气象雷达工作模式等实际条件限制，上述算法均无法同时兼顾风力涡轮机杂波抑制与气象 信息无损恢复。此外传统WTC抑制方法分别只单独处理每个距离单元的数据，而不需要利 用其他距离单元的信息，且不能有效地抑制噪声信号。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种基于先验知识加权的气象雷达风力涡轮机杂波 抑制方法，将矩阵补全理论引入气象雷达WTC抑制，研究基于矩阵补全的气象雷达小型风 电场杂波抑制方法。矩阵补全方法能够规避上述几种方法中造成气象信息缺失的问题，高 精度的补全被WTC干扰的气象信号。本专利技术针对气象信号观测矩阵的先验知识，即较大奇 异值代表矩阵主要成分，在每次迭代运算中通过对气象信号观测矩阵核范数中的每个奇异 值赋予不同的权值，避免了用同一常数对所有的奇异值进行阈值化，更精确的获取原气象 信号的托普利兹矩阵在低秩上的最优逼近矩阵，抑制了风力涡轮机杂波及噪声信号，进一 步提高了补全精度。
[0005]为了实现以上目的，本专利技术采取的一种技术方案是：
[0006]本专利技术提供一种基于先验知识加权的气象雷达风力涡轮机杂波抑制方法，包括如下步 骤：
[0007]步骤一、气象雷达回波信号的建模，具体为：输入气象雷达回波信号，假定第i个距离 单元同时包含WTC信号，第i个距离单元第m个脉冲下输入信号记为：
[0008]x
i
(m)＝s
i
(m)+c
i
(m)+w
i
(m)+n
i
(m)，m＝1，...，M
[0009]式中，s
i
(m)为气象信号，c
i
(m)为地杂波信号，w
i
(m)为WTC信号，n
i
(m)为噪声信号， M为相干积累脉冲数；
[0010]步骤二、构建随机采样的低秩Toeplitz矩阵，具体为：
[0011]在第i个距离单元两侧各取个距离单元，其中L为距离单元数，并将第i个距离单 元中的回波信号[x
i
(1)，x
i
(2)，...，x
i
(M)]置零，可得观测矩阵X
L
×
M
：
[0012][0013]由X
L
×
M
构建出低秩随机采样Toeplitz矩阵T，其构建准则为：逐次将观测矩阵X
L
×
M
第 m个脉冲下的向量[x1(m)，x2(m)，...，x
L
(m)]T
构建成行为m1、列为m2的低秩托普利兹矩阵，其中， m1及m2满足m1+m
2-1＝L，令托普利兹矩阵的第p行，第q列的元素为t
p，q
，有t
p，q
＝t
p+1，q-1
， 且满足：
[0014][0015]则回波信号x
i
(m)在第i个距离单元置零后构建的低秩托普利兹矩阵T为：
[0016][0017]气象信号s
i
(m)第i个距离单元置零后构建的低秩Toeplitz矩阵S为：
[0018][0019]地杂波信号c
i
(m)在第i个距离单元置零后构建的低秩Toeplitz矩阵C为：
[0020][0021]噪声信号n
i
(m)在第i个距离单元置零后构建的低秩Toeplitz矩阵N为：
[0022][0023]WTC信号w
i
(m)在第个i距离单元置零后构建的低秩托普利兹矩阵W为零矩阵；
[0024]步骤三、通过加权奇异值矩阵补全模型抑制WTC信号：步骤三、通过加权奇异值矩阵补全模型抑制WTC信号：
[0025]其中，min(
·
)表示最小化处理，s.t.表示约束，P
Ω
表示投影到仅在指标集Ω非零的稀疏 矩阵子空间上的映射，它使得矩阵在Ω中的元不变，Ω以外的元置零，
[0026][0027]||S||
*，ω
是气象信号Toeplitz矩阵S加权核范数：σ
i
(S)表示矩阵S 的第i个奇异值，r表示矩阵S的奇异值个数，ω＝[ω1，ω2，...，ω
r
]为非负加权矢量满足：
[0028][0029]其中，ε是为了避免出现奇异值为0的情况而添加的正极小值，v是调整参数满足 [0030]步骤四：利用加权非精确增广拉格朗日乘子法WIALM求解矩阵补全模型，逐脉冲输出抑 制WTC后矩阵补全后的气象信号
[0031]进一步地，步骤四中拉格朗日函数为：
[0032][0033]其中，Y＝Y0+μ(T-S-N-C-W)为拉格朗日乘子矩阵，Y0为拉格朗日乘子矩阵初值， 取值为0；μ＞0表示惩罚因子，λ为正则化参数，设置为||
·
||
*，ω
表示加权核范 数，||
·
||1表示矩阵的l1范数，表示取复数的实部，||
·
||
F
表示F范数， tr(
·
)表示取矩阵的迹，<X，Y>＝tr(X
H
Y)表示矩阵的内积。
[0034]进一步地，利用加权非精确增广拉格朗日乘子法WIALM求解的步骤为：
[0035]1)令：Y0＝0、W0＝0、N0＝0、μ0＞0、ρ＞1、k＝0、η＝10-3
、ω＝0，其中W0＝0表示 需要抑制的风力涡轮杂波的初始值；...

【技术保护点】

【技术特征摘要】
1.一种基于先验知识加权的气象雷达风轮机杂波抑制方法，其特征在于，包括如下步骤：步骤一、气象雷达回波信号的建模，具体为：输入气象雷达回波信号，假定第i个距离单元同时包含WTC信号，第i个距离单元第m个脉冲下输入信号记为：x
i
(m)＝s
i
(m)+c
i
(m)+w
i
(m)+n
i
(m)，m＝1，...，M式中，s
i
(m)为气象信号，c
i
(m)为地杂波信号，w
i
(m)为WTC信号，n
i
(m)为噪声信号，M为相干积累脉冲数；步骤二、构建随机采样的低秩Toeplitz矩阵，具体为：在第i个距离单元两侧各取个距离单元，其中L为距离单元数，并将第i个距离单元中的回波信号[x
i
(1)，x
i
(2)，...，x
i
(M)]置零，可得观测矩阵X
L
×
M
：由X
L
×
M
构建出低秩随机采样Toeplitz矩阵T，其构建准则为：逐次将观测矩阵X
L
×
M
第m个脉冲下的向量[x1(m)，x2(m)，..，x
L
(m)]
T
构建成行为m1、列为m2的低秩托普利兹矩阵，其中，m1及m2满足m1+m
2-1＝L，令托普利兹矩阵的第p行，第q列的元素为t
p，q
，有t
p，q
＝t
p+1，q-1
，且满足：则回波信号x
i
(m)在第i个距离单元置零后构建的低秩托普利兹矩阵T为：气象信号s
i
(m)第i个距离单元置零后构建的低秩Toeplitz矩阵S为：
地杂波信号c
i
(m)在第i个距离单元置零后构建的低秩Toeplitz矩阵C为：噪声信号n
i
(m)在第i个距离单元置零后构建的低秩Toeplitz矩阵N为：WTC信号w
i
(m)在第个i距离单元置零后构建的低秩托普利兹矩阵W为零矩阵；步骤三、通过加权奇异值矩阵补全模型抑制WTC信号：步骤三、通过加权奇异值矩阵补全模型抑制WTC信号：其中，min(
·
)表示最小化处理，s.t.表示约束，P
Ω
表示投影到仅在指标集Ω非零的稀疏矩阵子空间上的映射，它使得矩阵在Ω中的元不变，Ω以外的元置零，
||S||
*，ω
是气象信号Toeplitz矩阵S加权核范数：σ
i
(S)表示矩阵S的第i个奇异值，r表示矩阵S的奇异值个数，ω＝[ω1，ω2，
…
，ω
r
]为非负加权矢量满足：其中，ε是为了避免出现奇异值为0的情况而添加的正极小值，v是调整参数满足步骤四：利用加权非精确增广拉格朗日乘子法WIALM求解矩阵补全模型，逐脉冲输出抑制WTC后矩阵补全后的气象信号2.根据权利要求1所述的基于先验知识加权的气象雷达风轮机杂波抑制方法，其特征在于，步骤四中拉格朗日函数为：其中，Y＝Y0...

【专利技术属性】
技术研发人员：沈明威，张深秋，刘晨，万晓玉，胥翔竣，
申请(专利权)人：河海大学，
类型：发明
国别省市：