一种天气雷达窄带回波识别方法及系统与流程

本发明涉及多普勒天气雷达信号处理与目标检测，尤其涉及一种天气雷达窄带回波识别方法及系统。

背景技术：

1、多普勒天气雷达探测到的弱窄带回波通常与边界层辐合线相对应，主要由阵风锋、冷锋、热爆、海陆锋、大气涌等多种天气系统形成，其产生与传播规律是强对流天气发生、发展及消亡的关键预测依据，同时窄带回波经过时会引发地面气象参数剧烈变化，其带来的强烈垂直切变还会威胁飞机航行安全，因此实现窄带回波的自动识别与预警对气象防灾减灾、航空安全保障等日常业务具有重要意义。

2、窄带回波自动识别技术不断发展，早期相关学者提出基于速度辐合线与垂直切变结合的识别算法，相关研究人员开发的migfa算法引入模糊集合理论与多源数据融合技术，显著提升识别精度，后续学者多基于该算法优化改进。近年来，深度学习算法逐渐应用于该领域，其识别效果优于传统机器学习方法，但现有深度学习算法多采用水平矩形框标注目标，存在标注冗余、无法提供方向信息、易出现框体重叠等问题，虽有学者采用r2cnn旋转检测算法改善该缺陷，但仍存在适配性不足的问题。

3、目前，窄带回波识别需兼顾识别精度与高通量处理需求，双阶段检测算法定位精度较高但处理耗时久，难以适配海量数据；传统单阶段算法虽速度较快，但精度与适配性不足。因此，亟需一种新的窄带回波识别方法，兼具高精度、高速度与强适配性，满足大规模雷达基数据的高效处理需求。

技术实现思路

1、本发明的目的是要提供天气雷达窄带回波识别方法。

2、为达到上述目的，本发明是按照以下技术方案实施的：

3、本发明包括以下步骤：

4、s1反射率因子预处理：获取多普勒天气雷达基数据，提取雷达反射率因子数据，对所述反射率因子数据进行衰减校正、初步地物杂波抑制与坐标映射处理，截取雷达站预设范围内的格点数据，分别提取0.5°低仰角与1.5°仰角的反射率因子数据，根据所述反射率因子数据分别绘制标准化图像；

5、s2多尺度特征增强的窄带回波推理检测：将所述标准化图像，分别输入预先训练完成的0.5°仰角窄带回波检测模型m1与1.5°仰角窄带回波检测模型m2，完成窄带回波多尺度特征提取与深浅层特征融合，采用旋转非极大值抑制算法进行倾斜窄带回波精准框选，并基于气象特征规则库二次抑制残余非气象回波干扰，输出对应仰角的窄带回波检测结果；所述窄带回波检测模型基于yolov11旋转目标检测网络；所述检测结果包括窄带回波的位置、旋转角度、带状几何参数与置信度评分；

6、s3双仰角检测结果交叉印证与融合输出：结合模型m1与模型m2的双仰角检测结果完成窄带回波综合判识，自动解算窄带回波的结构化特征参数，生成窄带回波时序演变跟踪序列，输出最终的窄带回波识别结果和业务报表。

7、进一步地，所述步骤s1的反射率因子预处理的方法，包括：

8、s11基于双偏振s波段多普勒天气雷达的差分相位数据，采用滑动窗口滤波算法对原始反射率因子进行衰减校正；

9、s12采用基于模糊逻辑的地物杂波识别算法，结合反射率因子的纹理特征、空间连续性与径向速度分布特征，自动识别并剔除地物杂波干扰；

10、s13对校正后的雷达极坐标ppi扫描数据进行笛卡尔坐标栅格映射，按固定经纬度范围完成多仰角回波切片裁剪，截取雷达站150km范围内的格点数据，分别提取0.5°低仰角与1.5°仰角的反射率因子数据；

11、s14将预处理后的不同仰角反射率因子数据绘制成1024×1024分辨率的标准化彩色图像。

12、进一步地，所述yolov11旋转目标检测网络包括依次连接的输入端、主干网络、颈部pan网络与解耦预测头所述主干网络用于多尺度气象回波特征提取，所述颈部网络通过上采样与下采样双向路径完成浅层细窄纹理特征、中层带状轮廓特征、深层大范围回波语义特征的三级跨尺度融合，所述解耦预测头通过分类分支与旋转框定位分支分别预测目标分类信息与包含角度参数的旋转框定位信息。

13、进一步地，所述步骤s2的多尺度特征增强的窄带回波推理检测的方法，包括：

14、s21多尺度特征级联融合：待检测图像分别输入模型m1与模型m2后，提取窄带回波特征，完成窄纹理特征、带状轮廓特征、回波强度特征的三级融合，强化弱窄带回波信号增益；输出窄带回波的分类结果、旋转框位置参数与角度参数；

15、s22采用rotated-nms对多角度重叠窄带回波框进行冗余剔除，按置信度阈值、旋转交并比r-iou阈值完成双重筛选，输出初筛检测结果；

16、s23基于气象特征规则库的杂波过滤：结合回波强度阈值、长宽比阈值、倾角区间阈值，建立地物回波、昆虫杂波、晴空回波的气象特征过滤规则库，自动剔除非气象窄带干扰目标，输出单仰角窄带回波检测结果。

17、进一步地，所述步骤s3的双仰角检测结果交叉印证与融合输出的方法，包括：

18、s31双仰角结果交叉判识：对模型m1与模型m2的检测结果进行空间匹配与交叉验证，当两类模型均识别到同一时刻空间位置的窄带回波时，直接判定为有效窄带回波目标；当仅模型m1识别到低仰角弱窄带回波且置信度处于0.3~0.5区间时，结合连续n个体扫的回波时序连续性进行二次判识：若低仰角弱窄带回波在连续n个体扫中均出现于同一空间位置，则判定为有效目标，否则判定为虚警并剔除；当仅模型m2识别到1.5°仰角窄带回波时，将1.5°仰角窄带回波与固定地物杂波特征库进行空间匹配：若判定为固定地物杂波则剔除，若判定为非地物回波且置信度≥0.5，则认定为有效窄带回波目标；

19、s32窄带回波特征参数反演：对判定有效的窄带回波目标，自动解算结构化特征参数；

20、s33时序跟踪与结果输出：基于连续体扫数据生成窄带回波移动方向、移动速度与强度演变的时序跟踪序列，输出最终的窄带回波识别结果、结构化检测报表与可视化标注图像，支撑阵风锋、干线、大气涌等窄带对流系统的自动研判与预警。

21、进一步地，所述结构化特征参数包括中心经纬度坐标、带状长度、带宽宽度、偏转角度、回波平均强度、强度变化；所述时序演变跟踪序列包括基于连续体扫数据生成窄带回波的移动方向、移动速度与强度演变时序序列。

22、第二方面，天气雷达窄带回波识别系统，包括：

23、雷达数据接入模块：用于收集多普勒天气雷达基数据；

24、雷达数据标准化预处理模块：用于完成多普勒天气雷达基数据解码、衰减校正、初步地物杂波抑制、坐标转换与目标区域切片裁剪；

25、yolov11天气雷达窄带回波目标检测模块：搭载预先训练完成的双仰角窄带回波检测模型，用于完成端到端推理检测；并依托旋转非极大值抑制算法完成单仰角伪回波剔除与冗余框优化

26、结果融合输出模块：用于对双仰角检测结果进行空间匹配与交叉印证、窄带回波特征参数反演与时序跟踪，输出识别结果、结构化报表与可视化数据。

27、第三方面，本技术实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述所述的方法步骤。

28、第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述所述的方法步骤。

29、本发明的有益效果是：

30、本发明是一种天气雷达窄带回波识别方法及系统，与现有技术相比，本发明具有以下技术效果：

31、本发明采用多源雷达特征融合预处理，结合双仰角数据提取，有效提升窄带回波特征的完整性，配合地物杂波抑制策略，减少干扰因素对识别结果的影响；构建气象专用双仰角旋转标注数据集，采用旋转框标注适配窄带回波非规则形态，解决水平框标注冗余、方向信息缺失的问题，提升训练样本的准确性与适配性；选用yolov11x-obb单阶段旋转目标检测算法，搭配气象场景适配的旋转锚框与联合损失函数，兼顾检测精度与推理速度，单张图像推理耗时≤10ms，可满足177万个体扫样本的高通量处理需求；采用双模型交叉验证的结果融合策略，结合rotated-nms杂波抑制与气象特征规则库，有效降低漏检率与误检率，提升窄带回波识别的准确性与鲁棒性，可自动解算结构化参数并实现时序跟踪，适配气象业务化应用需求。