基于薄片光束的雪花粒子的识别方法、装置、设备及介质与流程

1.本发明涉及气象观测技术领域，具体涉及一种基于薄片光束的雪花粒子的识别方法、装置、设备及介质。


背景技术：

2.在气象观测应用领域，滴谱仪是降水微物理特征的观测测量仪器，滴谱仪对于降水类型的识别和降水与其他天气要素之间的关系研究有着重要的作用。其中，在激光式滴谱仪中，从接收光信号中识别液滴的技术已经较为成熟，然而雪花粒子通过测量区域时，光将在粒子表面发生多次反射，产生连续的信号波动，导致雪花粒子产生的信号相对复杂，激光式滴谱仪对于雪花粒子的识别，存在准确性低、计算量大、重复识别等问题。


技术实现要素：

3.有鉴于此，本发明提供基于薄片光束的雪花粒子的识别方法、装置、设备及介质，以解决现有技术中激光式滴谱仪对于雪花粒子的识别，存在准确性低、计算量大、重复识别的问题。
4.第一方面，本实施例提供了一种基于薄片光束的雪花粒子的识别方法，所述方法包括：
5.利用激光式滴谱仪确定降水粒子的测量信号；
6.基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据；
7.基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据；
8.确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
9.结合第一方面，在第一方面第一实施方式中，所述基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据，具体包括：
10.基于采样数据的采样顺序以及预设数量，对测量信号进行划分，确定若干窗的窗口数据以及窗之间的排序值；每窗的窗口数据至多具有预设数量的采样数据；
11.将窗口数据中幅值最大数据确定为判断数据，判定判断数据的幅值是否超过第一预设值；
12.确定判断数据的幅值超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据。
13.结合第一方面第一实施方式，在第一方面第二实施方式中，所述基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据，具体包括：
14.将最先确定的峰值数据作为基准数据；
15.判定基准数据与相邻的峰值数据是否满足预设关系；预设关系为采样时间间隔超
过第二预设值且信号最小值不超过第三预设值；
16.将满足预设条件的峰值数据确定为主峰数据。
17.结合第一方面第二实施方式，在第一方面第三实施方式中，所述将满足预设条件的峰值数据确定为主峰数据，具体包括：
18.确定满足预设关系，将满足的峰值数据确定为主峰数据，并将主峰数据更新为基准数据；
19.重新判定基准数据与相邻的峰值数据是否满足预设关系，并更新基准数据，直至所有的峰值数据均参与判定。
20.结合第一方面第二实施方式，在第一方面第四实施方式中，所述将满足预设条件的峰值数据确定为主峰数据，还具体包括：
21.确定不满足预设关系，将参与判定的数据中幅值最大的数据更新为基准数据。
22.结合第一方面，在第一方面第五实施方式中，所述确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子，具体包括：
23.从主峰数据的峰值位置开始向前确定达到主峰数据一半峰值时的第一时间；
24.从主峰数据的峰值位置开始向后确定达到主峰数据一半峰值时的第二时间；
25.将第一时间至第二时间的时间段确定为时间跨度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
26.第二方面，本实施例还提供了一种基于薄片光束的雪花粒子的识别装置，所述装置包括：
27.粒子采样模块，用于利用激光式滴谱仪确定降水粒子的测量信号；
28.第一识别模块，用于基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据；
29.第二识别模块，用于基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据；
30.第三识别模块，用于确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
31.第三方面，本实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于薄片光束的雪花粒子的识别方法的步骤。
32.第四方面，本实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于薄片光束的雪花粒子的识别方法的步骤。
33.第五方面，本实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于薄片光束的雪花粒子的识别方法的步骤。
34.本发明提供的基于薄片光束的雪花粒子的识别方法、装置、设备及介质，通过确定测量信号每个局部区域内的幅值最大数据，并且将超过第一预设值的幅值最大数据确定为峰值数据，之后基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据，过滤掉固定模式和随机模式的杂峰，进而提取所有的主峰数据，之后再判断每个主峰数据的
时间跨度是否符合雪花粒子的特征，最终将符合相关特征的主峰数据作为雪花粒子，从测量信号中识别出所有存在的雪花粒子，本发明实施例提供了一种计算量小、准确性高、无重复识别的雪花粒子的识别方法，解决了现有激光式滴谱仪对于雪花粒子的识别，存在准确性低、计算量大、重复识别的问题，使得基于薄片光束取样的光学滴谱仪对于所有形态粒子的识别均能得到很好的应用。
附图说明
35.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1是现有技术中液滴经过激光式滴谱仪测量区域时的光信号变化图；
37.图2现有技术中雪花粒子经过激光式滴谱仪测量区域时的光信号变化图；
38.图3是本技术实施例的基于薄片光束的雪花粒子的识别方法的流程示意图之一；
39.图4是本技术实施例的基于薄片光束的雪花粒子的识别方法中包含雪花信号杂峰情况的光信号变化图；
40.图5是本技术实施例的基于薄片光束的雪花粒子的识别方法中雪花粒子进行时间跨度计算示意图；
41.图6是本技术实施例的基于薄片光束的雪花粒子的识别方法的流程示意图二；
42.图7是本技术实施例的基于薄片光束的雪花粒子的识别方法的流程示意图三；
43.图8是本技术实施例的基于薄片光束的雪花粒子的识别方法中采用滑窗方式识别雪花粒子的示意图；
44.图9是本技术实施例的基于薄片光束的雪花粒子的识别方法的流程示意图四；
45.图10是本技术实施例的基于薄片光束的雪花粒子的识别方法的流程示意图五；
46.图11是本技术实施例的基于薄片光束的雪花粒子的识别方法识别雪花粒子的示意图；
47.图12是本技术实施例的基于薄片光束的雪花粒子的识别装置的结构示意图；
48.图13是本技术实施例提供的电子设备的硬件结构示意图。
具体实施方式
49.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
50.在气象观测应用领域，滴谱仪(disdrometer)是降水微物理特征的观测测量仪器，滴谱仪对于降水类型的识别和降水与其他天气要素之间的关系研究有着重要的作用。滴谱可以通过声学、撞击、光学等方式进行检测，目前最被认可并普遍应用的是激光式滴谱仪，例如，目前已经形成行业标准qx/t 565—2020的激光滴谱式降水现象仪，对其定义为：采用激光光源，测量采样空间中降水粒子的下落速度、直径及其分布，判别出降水类天气现象的
仪器。
51.目前在激光式滴谱仪中，基于薄片光束的粒子测量方法是滴谱观测的主要技术形式。在激光式滴谱仪的光路示意图中，降水粒子被假设为球体粒子，其一侧的光学元件用于产生薄片光束，其另一侧的光学元件是对光的汇聚接收，激光式滴谱仪的接收单元的接收视场与光片传播路径偏离，在无任何粒子通过由发射路径与接收视场交叉构成的测量区域时，接收器仅能收到环境中悬浮粒子散射的微弱信号，当有粒子通过测量区域时，不同形态的粒子将引起不同的光信号变化，同时，在在激光式滴谱仪中，把捕捉到的光信号的局部最大值称为峰。如图1所示，液态粒子通过测量区域时产生的光信号具有双峰的特征，双峰分别为液滴进入测量体积时从液滴底部折射的光的第一峰和从测量体积离开时从相应液滴的顶部反射的光的第二峰。如图2所示，雪花粒子通过测量区域时，光将在粒子表面发生多次反射，产生连续的信号波动。
52.虽然，现有技术中从接收光信号中识别液滴的技术已经较为成熟，例如存在大量的相关文献总结了关于液滴双峰的特征与液滴识别方法，然而由于雪花粒子产生的信号相对复杂，使用激光式滴谱仪并且基于薄片光束的粒子测量技术中，从接收光信号中对于雪花粒子的识别，存在准确性低、计算量大、重复识别等问题。
53.在本实施例中提供了一种基于薄片光束的雪花粒子的识别方法，本发明实施例的基于薄片光束的雪花粒子的识别方法可用于电子设备，电子设备包括但不局限于：电脑、手机、平板电脑等，本发明实施例旨在解决现有技术中的上述不足，并提供一种计算量小、准确性高、无重复识别的雪花粒子的识别方法，使得基于薄片光束取样例如前散式薄片光束的光学滴谱仪对于所有形态粒子的识别均能得到很好的应用，图3是根据本发明实施例的基于薄片光束的雪花粒子的识别方法的流程示意图，如图3所示，该方法包括：
54.s10、利用激光式滴谱仪确定降水粒子的测量信号。可以理解的是，激光式滴谱仪捕捉到的测量信号为光信号，测量信号是由若干的采样数据构成的。
55.s20、基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据。
56.s30、基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据。在本发明实施例中，会预设条件时两个临近的峰值数据之间做判断。
57.s40、确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
58.如图4所示，图4中横坐标的单位是幅度/v，并且图4中的黑圈为峰，其中大部分为杂峰，当雪花粒子通过激光式滴谱仪的测量区域时产生的光信号特征为连续出现存在“粘连”现象的多峰，可把其中局部区域内幅值最大的峰看作该测量过程的主峰，雪花粒子产生的光信号可以看作持续时间较长的单峰。本发明实施例会利用到雪花粒子的峰的以下特征，并且通过这些特征去筛选出主峰：
59.(1)该峰的幅值是局部区域的最大值；
60.(2)该峰的幅值超过第一预设值thr_v1；
61.(3)该峰与相邻峰的采样时间间隔超过第二预设值thr_t1，或者，是相邻区域内幅值相对较大的主峰；
62.(4)该峰的与相邻峰之间的信号最小值不超过第三预设值thr_v2，或者，是相邻区
域内幅值相对较大的主峰。
63.其中，thr_v1可设置为满足识别最小雪花粒子要求的信号幅值；thr_t1可设置为满足识别精度的粒子间距；thr_v2可设置为没有任何粒子通过时的环境信号幅值。
64.通过特征(1)至特征(4)可以过滤掉固定模式和随机模式的杂峰，需要说明的是，固定模式的杂峰主要为雪花连续波动过程中的弱峰，随机模式的杂峰主要为噪声。其中，特征(1)和特征(2)均是峰的基本特征，特征(3)和特征(4)保证了筛选出的峰不与其他峰“粘连”或是“粘连”峰中的最大峰，以图5为例，黑圈为雪花连续反射过程中产生的若干峰，与其中幅值最大的主峰(纵坐标最大)相比，其他峰因不满足(3)特征和(4)特征的峰会被过滤掉，使得雪花粒子以主峰此种单峰形式进入后续判断，也就是判断主峰是否具有特征(5)，特征(5)为：该峰的时间跨度也就是半高全宽th超过第四预设值thr_t2。特征(5)则是雪花粒子的基本特征，同时具有特征(1)至特征(5)这五个特征的峰则可以认为是雪花粒子。
65.可以看出，本发明的基于薄片光束的雪花粒子的识别方法，通过确定测量信号每个局部区域内的幅值最大数据，并且将超过第一预设值的幅值最大数据确定为峰值数据，之后基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据，过滤掉固定模式和随机模式的杂峰，进而提取所有的主峰数据，之后再判断每个主峰数据的时间跨度是否符合雪花粒子的特征，最终将符合相关特征的主峰数据作为雪花粒子，从测量信号中识别出所有存在的雪花粒子，本发明实施例提供了一种计算量小、准确性高、无重复识别的雪花粒子的识别方法，解决了现有激光式滴谱仪对于雪花粒子的识别，存在准确性低、计算量大、重复识别的问题，使得基于薄片光束取样的光学滴谱仪对于所有形态粒子的识别均能得到很好的应用。
66.在本实施例中提供了一种基于薄片光束的雪花粒子的识别方法、装置、设备及介质，本发明实施例的基于薄片光束的雪花粒子的识别方法、装置、设备及介质可用于上述电子设备，图6是根据本发明实施例的基于薄片光束的雪花粒子的识别方法、装置、设备及介质的流程示意图，如图6所示，步骤s20具体包括以下步骤：
67.s21、基于采样数据的采样顺序以及预设数量，对测量信号进行划分，确定若干窗(组)的窗口数据以及窗之间的排序值，在本发明实施例中，每一个窗的窗口数据至多具有预设数量的采样数据，也即可以理解为，基于预设数量例如100个数据作为一个窗口采样范围，将测量信号中包含的采样数据划分为若干窗口，每个窗口内均具有一定数量的采样数据，并且每个窗口中至多具有预设数量的采样数据。由于采样数据具有相应的采样顺序，所以这些窗口数据也可以具有一定的排序值，例如，某个窗内承载的是第1-100个采样数据，该窗的排序值可以是1，另一个窗内承载的是第101-200个采样数据，该窗的排序值可以是2，排序值越小的窗口其在后续的判断步骤中，表示优先程度越高，越靠前进行相关的判断，每个窗即为一个前述的局部区域。
68.作为本发明实施例的一种优选实施方式，窗宽也就是预设数量设置为thr_t1，每个窗内承载的采样数据的最大数量(预设数量)计算方式为：
69.window_n＝thr_t1/s
70.其中，window_n为预设数量；s为激光式滴谱仪的采样间隔。在本发明实施例中，还可以设定一个存储空间a用于存放筛选出的主峰。
71.在确定当前窗口的数据范围时，为window_start至window_end共window_n个数
据，window_end＝window_start window_n-1，若window_end超过数据末尾，则window_end设为最后一个数据，也即，尽可能地使得窗内承载满预设数量的采样数据，若划分至最后，采样数据不足以装满一个窗，例如最后剩下75个采样数据，则最后一个窗内的采样数据的数量为所有剩下的采样数据也就是75。
72.s22、将窗口数据中幅值最大(采样)数据确定为判断数据，判定判断数据的幅值是否超过第一预设值。
73.s23、确定判断数据的幅值超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据.
74.可以理解的是，若某个窗的窗口数据中幅值最大的采样数据的幅值依然没有超过第一预设值thr_v1，则认为该窗的窗口数据内不存在主峰。
75.在本实施例中提供了一种基于薄片光束的雪花粒子的识别方法，本发明实施例的基于薄片光束的雪花粒子的识别方法可用于上述电子设备，图7是根据本发明实施例的基于薄片光束的雪花粒子的识别方法、装置、设备及介质的流程示意图，如图7所示，步骤s30具体包括以下步骤：
76.s31、将最先确定的峰值数据作为基准数据。
77.s32、判定基准数据与相邻的峰值数据是否满足预设关系，在本发明实施例中，预设关系为采样时间间隔超过第二预设值thr_t1且信号最小值不超过第三预设值thr_v2。
78.s33、将满足预设条件的峰值数据确定为主峰数据。
79.请参阅图8，本发明实施例中，采用滑窗的方法一定程度上减轻了对运算空间的要求，使得在运算过程中，始终最多存在一个杂峰。
80.在本实施例中提供了一种基于薄片光束的雪花粒子的识别，本发明实施例的基于薄片光束的雪花粒子的识别方法可用于上述电子设备，图9是根据本发明实施例的基于薄片光束的雪花粒子的识别方法、装置、设备及介质的流程示意图，如图9所示，步骤s33具体包括以下步骤：
81.s331、确定满足预设关系，将满足的峰值数据确定为主峰数据，并将主峰数据更新为基准数据。
82.s332、确定不满足预设关系，将参与判定的数据中幅值最大(更大)的数据更新为基准数据。
83.s333、重新判定基准数据与相邻的峰值数据是否满足预设关系，并更新基准数据，直至所有的峰值数据均参与判定。
84.在本实施例中提供了一种基于薄片光束的雪花粒子的识别方法、装置、设备及介质，本发明实施例的基于薄片光束的雪花粒子的识别方法、装置、设备及介质可用于上述电子设备，图10是根据本发明实施例的基于薄片光束的雪花粒子的识别方法、装置、设备及介质的流程示意图，如图10所示，步骤s40具体包括：
85.s41、从主峰数据的峰值位置开始向前确定达到主峰数据一半峰值时的第一时间。
86.s42、从主峰数据的峰值位置开始向后确定达到主峰数据一半峰值时的第二时间。
87.s43、将第一时间至第二时间的时间段确定为时间跨度，并且将时间幅度超过第四预设值thr_t2的主峰数据确定为雪花粒子。
88.本发明实施例中时间跨度的计算方法为，从峰值位置开始向前和向后计算幅值达
到峰值一半时跨越的时间，将总的时间作为时间跨度，如图5中的
△
t。
89.以图11为例进行具体的说明，图11为持续时间为50ms的降水粒子的原始光信号采样数据也即为降水粒子的测量信号。其中，在数据采集时，激光式滴谱仪的数据采样间隔设置为20us，因此图8所示的测量信号中一共具有2500个采样数据(采样点)，预先设定thr_t1＝2ms，窗内的数据点数window_n＝100，thr_v1＝5mv，thr_v2＝0mv，thr_t2＝1ms。
90.接下来，从采集到的第1个采样数据开始处理，设置window_start＝1，对应的第1个窗的范围为第1-100个采样数据，由于该窗内的采样数据的幅值的最大值均小于thr_v1，因此该窗也就是第一个窗内没有峰，进入下一个窗也就是第2个窗。同理，第101-200个采样数据的情况同第1个窗，再滑动进入下一窗，一直到第6个窗，窗内存在满足条件的峰，具体为第561个采样数据，该采样数据的幅值为5.722mv，超过了thr_v1，将该峰记录为峰值数据，并且标识为p0也就是基准数据。之后再滑动进入第7个窗，该窗内也存在满足条件的峰，为第687个采样数据，该采样数据的幅值为14.95mv，同样将该峰记录为峰值数据，并与p0进行比较，两者时间间隔为3.78ms超过第二预设值thr_t1，双峰之间的信号最小值为1.3mv超过第三预设值thr_v2，即不满足预设条件，因此将幅值较小的p0剔除，将第687个采样数据重新标识为p0，持续滑动处理。最后筛选出的主峰分别为第850个和第2030个采样数据，幅值分别为23.3mv和21.5mv，如图8中
☆
标识。对这两个主峰数据分别计算时间跨度，其中，第850个采样数据的时间跨度超过thr_t2，则可确定为雪花粒子。
91.下面对本发明提供的基于薄片光束的雪花粒子的识别进行描述，下文描述的基于薄片光束的雪花粒子的识别与上文描述的基于薄片光束的雪花粒子的识别方法可相互对应参照。
92.在本实施例中提供了一种基于薄片光束的雪花粒子的识别装置，本发明实施例的基于薄片光束的雪花粒子的识别装置可用于电子设备，电子设备包括但不局限于：电脑、手机、平板电脑等，本发明实施例旨在解决现有技术中的上述不足，并提供一种计算量小、准确性高、无重复识别的雪花粒子的识别装置，使得基于薄片光束取样例如前散式薄片光束的光学滴谱仪对于所有形态粒子的识别均能得到很好的应用，图12是根据本发明实施例的基于薄片光束的雪花粒子的识别装置的结构示意图，如图12所示，该装置包括：
93.粒子采样模块10，用于利用激光式滴谱仪确定降水粒子的测量信号。可以理解的是，激光式滴谱仪捕捉到的测量信号为光信号，测量信号是由若干的采样数据构成的。
94.第一识别模块20，用于基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据。
95.第二识别模块30，用于基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据。在本发明实施例中，会预设条件时两个临近的峰值数据之间做判断。
96.第三识别模块40，用于确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
97.当雪花粒子通过激光式滴谱仪的测量区域时产生的光信号特征为连续出现存在“粘连”现象的多峰，可把其中局部区域内幅值最大的峰看作该测量过程的主峰，雪花粒子产生的光信号可以看作持续时间较长的单峰。本发明的基于薄片光束的雪花粒子的识别装置，通过确定测量信号每个局部区域内的幅值最大数据，并且将超过第一预设值的幅值最
大数据确定为峰值数据，之后基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据，过滤掉固定模式和随机模式的杂峰，进而提取所有的主峰数据，之后再判断每个主峰数据的时间跨度是否符合雪花粒子的特征，最终将符合相关特征的主峰数据作为雪花粒子，从测量信号中识别出所有存在的雪花粒子，本发明实施例提供了一种计算量小、准确性高、无重复识别的雪花粒子的识别装置，解决了现有激光式滴谱仪对于雪花粒子的识别，存在准确性低、计算量大、重复识别的问题，使得基于薄片光束取样的光学滴谱仪对于所有形态粒子的识别均能得到很好的应用。
98.图13示例了一种电子设备的实体结构示意图，如图13所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑命令，以执行基于薄片光束的雪花粒子的识别方法，该方法包括：
99.利用激光式滴谱仪确定降水粒子的测量信号；
100.基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据；
101.基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据；
102.确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
103.此外，上述的存储器530中的逻辑命令可以通过软件功能单元的形式实现并作为独立的介质销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件介质的形式体现出来，该计算机软件介质存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
104.另一方面，本发明还提供一种计算机程序介质，所述计算机程序介质包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于薄片光束的雪花粒子的识别方法，该方法包括：
105.利用激光式滴谱仪确定降水粒子的测量信号；
106.基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据；
107.基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据；
108.确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
109.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于薄片光束的雪花粒子的识别方法，该方法包括：
110.利用激光式滴谱仪确定降水粒子的测量信号；
111.基于采样顺序，确定测量信号每个局部区域内的幅值最大数据，判定幅值最大数据是否超过第一预设值，将超过第一预设值的幅值最大数据确定为峰值数据；
112.基于局部区域的位置关系，将满足预设条件的峰值数据确定为主峰数据；
113.确定主峰数据的时间幅度，并且将时间幅度超过第四预设值的主峰数据确定为雪花粒子。
114.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
115.通过以上的实施方式的描述，本邻域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件介质的形式体现出来，该计算机软件介质可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
116.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本邻域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。