基于改进岭回归的气象雷达风力涡轮机杂波抑制方法.pdf

《基于改进岭回归的气象雷达风力涡轮机杂波抑制方法.pdf》由会员分享，可在线阅读，更多相关《基于改进岭回归的气象雷达风力涡轮机杂波抑制方法.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910966998.3 (22)申请日 2019.10.12 (71)申请人 河海大学 地址 211100 江苏省南京市江宁开发区佛 城西路8号 (72)发明人 沈明威吉雨姚旭王晓冬 万晓玉 (74)专利代理机构 南京经纬专利商标代理有限 公司 32200 代理人 刘莎 (51)Int.Cl. G01S 7/02(2006.01) G01S 7/41(2006.01) G01S 13/95(2006.01) (54)发明名称 基于改进岭回归的气象雷达风力涡轮机杂 波抑制方法。

2、 (57)摘要 本发明公开了一种基于改进岭回归的气象 雷达风力涡轮机杂波抑制方法， 该发明针对回归 模型中数据存在较强的共线性时， 导致参数估计 值不稳定且估计精确度较低的问题， 首先引入加 权岭回归模型， 接着采用广义交叉验证(GCV)获 取岭回归模型中的最优回归参数， 进而求解被风 力涡轮机杂波(WTC)污染的气象信号谱矩信息。 本发明在低信噪比条件下估计精度高、 运算量 小， 易于工程实施。 权利要求书3页 说明书7页 附图6页 CN 110780264 A 2020.02.11 CN 110780264 A 1.基于改进岭回归的气象雷达风力涡轮机杂波抑制方法， 其特征在于， 包括如下具。

3、体 步骤： 步骤一、 气象雷达接收端回波信号为： 假定气象雷达第i个距离单元Ci接收到风力涡轮机杂波WTC信号， 其第k个脉冲下接收信 号Ci(k)为： Ci(k)si(k)+wi(k)+ni(k),k1,.,K 其中si(k)、 wi(k)、 ni(k)分别表示第i个距离单元在第k个脉冲时接收的气象信号、 WTC 信号和噪声信号， K为雷达相干积累脉冲数； 与第i个距离单元相邻的第j个距离单元Cj未接收到WTC信号， 其在第k个脉冲下接收信 号Cj(k)为： Cj(k)sj(k)+nj(k) 其中sj(k)、 nj(k)分别表示第j个距离单元在第k个脉冲时接收的气象信号、 噪声信号； 步骤二。

4、、 相邻距离单元气象信息提取， 具体为： 在存在WTC污染的第i个距离单元Ci两侧各取10个距离单元， 得到相邻距离单元气象信 号包含功率、 多普勒速度和谱宽在内的谱矩参数； 2.1构建拟合矩阵X： 其中rl表示第l个距离单元上散射点的斜距， li-10,.,i+10， X的维数为LM， L为选 取的距离单元数， L20， M为多项式阶数， M3； 构建包括受WTC污染的第i个距离单元在内的拟合估计矩阵X*： 2.2谱矩参数计算： 平均多普勒速度估计为： 平均速度谱宽估计为： 权利要求书 1/3 页 2 CN 110780264 A 2 平均功率估计为： pR0l 其中， 为雷达工作波长， P。

5、RF为雷达脉冲重复频率， 表示取相位角， R0l表示第l个距离 单元回波信号序列零延迟自相关参数， R1l表示第l个距离单元的回波信号序列一阶自相关 参数； 根据上述平均多普勒速度估计、 平均速度谱宽估计和平均功率估计公式， 计算第i个距 离单元内气象信号三个谱矩参数的估计值： 第i个距离单元内气象信号的平均多普勒速度 估计vi_est、 平均速度谱宽估计 i_est、 平均功率估计pi_est； 步骤三、 受WTC污染的气象信号谱矩信息拟合估计， 具体为： 3.1建立加权岭回归模型 加权岭回归模型的代价函数如下： min|X ridge-Y|2+kridge| ridge|2 加权岭回归模型。

6、的岭回归系数如下： ridge(XTWX+kridgeI)-1XTWY 其中Y为步骤2.2中计算得到的谱矩参数估计值构成的矩阵， kridge为岭回归参数， W为各 个距离单元对应的拟合权重构成的矩阵， 第j个距离单元对应的拟合权重 Lprox为距离阈值； 3.2求解最优岭回归参数 假设拟合矩阵X的奇异值分解为： XUDV 其中U为L阶正定矩阵， V为M阶正定矩阵， D为LM维矩阵， 其对角线元素为XTX特征值 n 的平方根， n1,2,.M； 利用广义交叉验证GCV求解最优岭回归参数即求满足广义交叉验证函数取极小 值时对应的参数 3.3求解岭回归系数 3.2中得到的最优岭回归参数代入 rid。

7、ge(XTWX+kridgeI)-1XTWY， 由拟合估计矩阵X* 得到Y的拟合估计为： 由此得到第i个距离单元内气象信号谱矩参数的拟合估计值构成的矩阵即得到第i 个距离单元内气象信号的平均多普勒速度拟合估计vi_ridge、 平均速度谱宽拟合估计 i_ridge、 平均功率拟合估计pi_ridge； 进而实现被污染距离单元中气象信号回波信息的高精度恢复， 完成WTC的有效抑制。 权利要求书 2/3 页 3 CN 110780264 A 3 2.如权利要求1所述的基于改进岭回归的气象雷达风力涡轮机杂波抑制方法， 其特征 在于， 步骤3.2中广义交叉验证验证函数如下： 其中 权利要求书 3/3 。

8、页 4 CN 110780264 A 4 基于改进岭回归的气象雷达风力涡轮机杂波抑制方法 技术领域 0001 本发明涉及一种基于改进岭回归的气象雷达风力涡轮机杂波抑制方法， 属于雷达 杂波抑制领域。 背景技术 0002 研究表明， 风力涡轮机对雷达、 通信导航等电子设备产生重大干扰。 针对气象雷 达， 现有的杂波抑制技术无法有效抑制风力涡轮机杂波， 且会造成原有的气象信息损失， 严 重影响气象信息的预测精度。 常规的风力涡轮机杂波抑制方法主要分为两种时域、 频率 滤波方法。 时域滤波考虑地物杂波如植被内部运动引起的多普勒频谱展宽， 气象雷达进一 步引入了自适应处理方法， 即根据接收杂波信号自适。

9、应调整时域滤波器阻带的位置和宽 度， 提高对地物杂波的抑制性能， 而频域滤波将气象雷达接收信号的自相关函数通过加权 FFT得到其地物杂波与气象回波的功率谱， 对零多普勒单元输出信号直接置零， 实现对静止 地物杂波的有效抑制。 两种滤波算法都是基于杂波信号与气象回波在多普勒域或二维距 离多普勒域可分离条件， 对杂波进行有效抑制。 但风力涡轮机杂波由于大型叶轮高速旋 转， 其多普勒频谱严重展宽甚至产生混叠， 因此气象回波淹没在风力涡轮机杂波中， 导致 时、 频滤波均无法在抑制杂波信号的同时实现对气象信号的无损保留。 0003 近年来， 气象雷达风力涡轮机杂波抑制技术已引起国内外学者的高度重视， 利。

10、用 仿真和实测数据， 各国科学家详细分析了气象雷达不同工作模式下的风力涡轮机杂波与气 象回波的时、 频域分布特性， 相应提出了不同抑制算法。 Kong等提出的自适应谱处理算法， Nail提出的距离-多普勒回归(RDR)算法， Yan等提出的基于自适应滤波器(如维纳滤波器 等)的涡轮机杂波抑制方法以及Frank等提出的信号分离法等。 其中回归算法由于模型简 单， 运算效率高而被广泛应用于杂波抑制， 但受风电场规模、 风机转速、 气象雷达工作模式 等实际条件限制， 上述算法均无法兼顾风力涡轮机杂波抑制与气象信息无损恢复。 发明内容 0004 本发明所要解决的技术问题是提供一种基于改进岭回归的气象雷。

11、达风力涡轮机 杂波抑制方法， 改善了距离多普勒回归(RDR)被污染距离单元气象信号谱矩信息拟合精度 较低的问题。 0005 本发明为解决上述技术问题采用以下技术方案： 0006 本发明提供一种基于改进岭回归的气象雷达风力涡轮机杂波抑制方法， 包括如下 具体步骤： 0007 步骤一、 气象雷达接收端回波信号为： 0008 假定气象雷达第i个距离单元Ci接收到风力涡轮机杂波WTC信号， 其第k个脉冲下 接收信号Ci(k)为： 0009 Ci(k)si(k)+wi(k)+ni(k),k1,.,K 0010 其中si(k)、 wi(k)、 ni(k)分别表示第i个距离单元在第k个脉冲时接收的气象信号、。

12、 说明书 1/7 页 5 CN 110780264 A 5 WTC信号和噪声信号， K为雷达相干积累脉冲数； 0011 与第i个距离单元相邻的第j个距离单元Cj未接收到WTC信号， 其在第k个脉冲下接 收信号Cj(k)为： 0012 Cj(k)sj(k)+nj(k) 0013 其中sj(k)、 nj(k)分别表示第j个距离单元在第k个脉冲时接收的气象信号、 噪声信 号； 0014 步骤二、 相邻距离单元气象信息提取， 具体为： 0015 在存在WTC污染的第i个距离单元Ci两侧各取10个距离单元， 得到相邻距离单元气 象信号包含功率、 多普勒速度和谱宽在内的谱矩参数； 0016 2.1构建拟合。

13、矩阵X： 0017 0018 其中rl表示第l个距离单元上散射点的斜距， li-10,.,i+10， X的维数为LM， L为选取的距离单元数， 取L20， M为多项式阶数， 取M3； 0019 构建包括受WTC污染的第i个距离单元在内的拟合估计矩阵X*： 0020 0021 2.2谱矩参数计算： 0022 平均多普勒速度估计为： 0023 0024 平均速度谱宽估计为： 0025 0026 平均功率估计为： 0027 pR0l 0028 其中， 为雷达工作波长， PRF为雷达脉冲重复频率， 表示取相位角， R0l表示第l个 距离单元回波信号序列零延迟自相关参数， R1l表示第l个距离单元的回波。

14、信号序列一阶自 相关参数； 0029 根据上述平均多普勒速度估计、 平均速度谱宽估计和平均功率估计公式， 计算第i 说明书 2/7 页 6 CN 110780264 A 6 个距离单元内气象信号三个谱矩参数的估计值： 第i个距离单元内气象信号的平均多普勒 速度估计vi_est、 平均速度谱宽估计 i_est、 平均功率估计pi_est； 0030 步骤三、 受WTC污染的气象信号谱矩信息拟合估计， 具体为： 0031 3.1建立加权岭回归模型 0032 加权岭回归模型的代价函数如下： 0033 min|X ridge-Y|2+kridge| ridge|2 0034 加权岭回归模型的岭回归系数。

15、如下： 0035 ridge(XTWX+kridgeI)-1XTWY 0036 其中Y为步骤2.2中计算得到的谱矩参数估计值构成的矩阵， kridge为岭回归参数， W 为各个距离单元对应的 拟合权重构成的 矩阵 ， 第j个距离单元对应的 拟合权重 Lprox为距离阈值； 0037 3.2求解最优岭回归参数 0038 假设拟合矩阵X的奇异值分解为： 0039 XUDV 0040 其中U为L阶正定矩阵， V为M阶正定矩阵， D为LM维矩阵， 其对角线元素为XTX特征 值 n的平方根， n1,2,.M； 0041利用广义交叉验证GCV求解最优岭回归参数即求满足广义交叉验证函数取 极小值时对应的参数。

16、 0042 3.3求解岭回归系数 00433.2中得到的最优岭回归参数代入 ridge(XTWX+kridgeI)-1XTWY， 由拟合估计矩 阵X*得到Y的拟合估计为： 0044 0045由此得到第i个距离单元内气象信号谱矩参数的拟合估计值构成的矩阵即得 到第i个距离单元内气象信号的平均多普勒速度拟合估计vi_ridge、 平均速度谱宽拟合估计 i_ridge、 平均功率拟合估计pi_ridge； 进而实现被污染距离单元中气象信号回波信息的高精度 恢复， 完成WTC的有效抑制。 0046 作为本发明的进一步技术方案， 步骤3.2中广义交叉验证验证函数如下： 0047 0048其中 0049 。

17、本发明采用以上技术方案与现有技术相比， 具有以下技术效果： 说明书 3/7 页 7 CN 110780264 A 7 0050 1、 采用加权的回归模型， 通过在求解最优回归参数中引入广义交叉验证(GCV)， 优 化求解过程， 保证所求得的岭回归系数对于共线性的鲁棒性更强， 进而实现被污染距离单 元中气象信号回波信息的高精度恢复； 0051 2、 仿真实验结果表明， 基于改进岭回归的气象雷达风力涡轮机杂波抑制算法在低 信噪比条件下的气象信息的拟合误差更小， 与距离-多普勒回归算法(RDR)对比， 恢复的精 度更高。 附图说明 0052 图1为风力涡轮机几何模型图； 0053 图2为相干处理脉冲。

18、数K128时的WTC多普勒谱； 0054 图3为本发明信号处理流程图； 0055 图4为应用广义交叉验证(GCV)求解的最优岭回归参数； 0056 图5为与RDR算法的平均多普勒速度拟合误差对比； 0057 图6为与RDR算法的平均速度谱宽拟合误差对比； 0058 图7为与RDR算法的平均功率拟合误差对比。 具体实施方式 0059 下面结合附图对本发明的技术方案做进一步的详细说明： 0060 三叶片风力涡轮机的结合模型如图1所示， 以涡轮机叶片轴心O为坐标原点建立坐 标系， 轮机的旋转面为yoz面， x轴垂直于旋转面。 P为叶片上任一散射点， 为雷达视线 (Line of Sight， LOS。

19、)与涡轮机叶片夹角， 为雷达视线与z轴夹角的俯仰角， 为雷达视线 在xoy平面上的投影与x轴的夹角， 即雷达视线相对于垂直旋转面的方位角。 图2给出了相干 处理脉冲数K128时的WTC多普勒谱， 由图可知， 风力涡轮机基座的多普勒谱在零频左右， 而三个叶片的多普勒谱却远离零频， 故基座杂波可被视为静止目标， 通过滤波器抑制。 0061 本发明研究基于改进岭回归的气象雷达风力涡轮机杂波抑制算法包括接收端回 波信号信号模型、 气象信息提取和谱矩参数估计。 下图3是本发明的信号处理流程图。 其主 要步骤如下： 0062 步骤一、 气象雷达接收端回波信号为： 0063 假定气象雷达第i个距离单元接收到。

20、风力涡轮机杂波(WTC)信号， 其第k个脉冲下 接收信号Ci(k)为： 0064 Ci(k)si(k)+wi(k)+ni(k),k1,.,K 0065 其中si(k)、 wi(k)、 ni(k)分别表示第i个距离单元在第k个脉冲时接收的气象信号、 WTC信号和噪声信号， K为雷达相干积累脉冲数； 0066 相邻距离单元不包含WTC信号， 其在第k个脉冲下接收信号Cj(k)为： 0067 Cj(k)sj(k)+nj(k),k1,.,K 0068 其中sj(k)、 nj(k)分别表示第j个距离单元在第k个脉冲时接收的气象信号和噪声 信号。 0069 步骤二、 相邻距离单元气象信息提取， 具体为： 。

21、0070 回归模型需根据受WTC污染的相邻距离单元构建拟合矩阵， 以及包含受WTC污染的 说明书 4/7 页 8 CN 110780264 A 8 距离单元在内的拟合估计矩阵， 求出系数矩阵， 代入回归模型求出待拟合估计参数值。 0071 2.1拟合矩阵构建： 在存在WTC污染的第i个距离单元两侧各取10个距离单元， 即取 Ci前后各10个距离单元共20个距离单元的Cj信号， 得到相邻距离单元气象信号包含功率、 多 普勒速度和谱宽在内的谱矩参数。 0072 其中拟合矩阵仅与各个距离单元上散射点的斜距大小相关， 记为： 0073 0074 其中rl表示第l个距离单元上散射点的斜距， li-10,。

22、.,i+10， X的维数为LM， L为选取的距离单元数， 取L20， M为多项式阶数， 取M3。 0075 包括受WTC污染的第i个距离单元在内的拟合估计矩阵， 记为X*： 0076 0077 其中X*的维数为(L+1)M。 0078 2.2谱矩参数计算： 0079 谱矩参数的参数化模型如下： 0080 平均多普勒速度估计为： 0081 0082 平均速度谱宽估计为： 0083 0084 平均功率估计为： 0085 pR0l 0086 其中， R0l表示第l个待处理距离单元回波信号序列零延迟自相关参数， R1l表示第l 个待处理距离单元的回波信号序列一阶自相关参数。 0087 由此谱矩参数的参。

23、数化模型可以计算第i个距离单元内气象信号三个谱矩参数的 估计值平均多普勒速度估计vi_est、 平均速度谱宽估计 i_est、 平均功率估计pi_est。 0088 步骤三、 受WTC污染的气象信号谱矩信息拟合估计， 具体为： 0089 3.1改进岭回归模型 0090 传统岭回归算法中， 关于岭回归参数的选择方法众多， 但结果差异性较大， 由算法 说明书 5/7 页 9 CN 110780264 A 9 性质可知， 存在某一个最优岭回归参数， 使得它所对应的估计向量的均方根误差小于RDR对 应估计向量的的均方根误差， 引入广义交叉验证可求得， 同时采用加权岭回归模型， 保证岭 回归系数的求解过。

24、程更稳定。 0091 传统岭回归模型的代价函数如下： 0092 min|X -Y|2+kridge| |2 0093 其中X为拟合矩阵， 为传统岭回归的回归系数， Y为各个谱矩参数估计构成的矩 阵， kridge为岭回归参数。 0094 对应的岭回归系数如下： 0095 (XTX+kridgeI)-1XTY。 0096 加权岭回归模型的代价函数如下： 0097 min|X ridge-Y|2+kridge| ridge|2。 0098 加权岭回归模型的岭回归系数如下： 0099 ridge(XTWX+kridgeI)-1XTWY。 0100 其中W为各个距离单元对应的拟合权重构成的矩阵。 已知。

25、第i个距离单元接收到 WTC信号， 第j个距离单元对应的拟合权重 Lprox为距离阈值， Lprox10。 0101 3.2最优岭回归参数求解 0102 假设回归模型中拟合矩阵X的奇异值分解为： XUDV， 其中U为L阶正定矩阵， V为M 阶正定矩阵， D为LM维矩阵， 其对角线元素为XTX特征值 n(n1,2,.M)的平方根。 0103利用GCV求解最优岭回归参数即求满足广义交叉验证函数取极小值时对应 的参数广义交叉验证的验证函数如下： 0104 0105其中n的取值如下， 0106 0107 3.3岭回归系数求解 01083.2中得到的最优岭回归参数代入 ridge(XTWX+kridge。

26、I)-1XTWY， 由拟合估计矩 阵X*得到Y的拟合估计 为： 0109 0110由此得到第i个距离单元内气象信号谱矩参数的拟合估计值构成的矩阵即得 到第i个距离单元内气象信号的平均多普勒速度拟合估计vi_ridge、 平均速度谱宽拟合估计 说明书 6/7 页 10 CN 110780264 A 10 i_ridge、 平均功率拟合估计pi_ridge。 0111采用加权的回归模型， 通过在求解最优回归参数中引入广义交叉验证(GCV)， 优化求解过程， 保证所求得的岭回归系数对于共线性的鲁棒性更强， 进而实现被污染距离 单元中气象信号回波信息的高精度恢复， 完成WTC的有效抑制。 0112 下。

27、面通过计算机仿真来验证本发明算法的性能。 气象雷达系统仿真参数如表1所 示， 风力涡轮机采用三叶片式， 一个CPI内时域脉冲数K128。 仿真实验中， 为了对比， 采用 距离-多普勒回归(RDR)算法和改进的岭回归算法进行气象信息拟合。 以第26个距离单元为 受污单元， 对其余距离单元的气象信号进行拟合， 得到谱矩参数的分布函数。 0113 表1气象雷达系统仿真参数 0114 载频f05.5GHz 脉冲重复频率fr1000Hz 雷达假设高度Ht1km 涡轮机架设高度Hr6km 涡轮机转速15r/min 涡轮机叶片长度26m 0115 图4为将广义交叉验证(GCV)引入回归模型的最优回归参数求解。

28、， 从图中可以看出 不同信噪比条件下多次试验， 即不同的随机噪声条件下， 由于拟合矩阵仅与气象信号模型 中各个散射点的斜距有关， 并未发生变化， 故GCV给出的最优岭回归参数是不变的， 表明通 过引入GCV求解最优岭回归参数， 可改善传统岭回归算法中无法确定最优岭回归参数导致 估计值不稳定的问题。 0116 图5-7为距离-多普勒回归(RDR)算法与本发明方法对于受WTC污染的距离单元中 气象信号的三个谱矩信息多普勒速度、 速度谱宽、 功率的拟合误差对比， 可以看出本发明 方法的拟合误差更小。 0117 在距离-多普勒回归(RDR)算法基础上， 改进的岭回归算法的恢复出的气象信息误 差更小、 。

29、精确度更高， 且在低信噪比条件下稳定性更高。 0118 以上所述， 仅为本发明中的具体实施方式， 但本发明的保护范围并不局限于此， 任 何熟悉该技术的人在本发明所揭露的技术范围内， 可理解想到的变换或替换， 都应涵盖在 本发明的包含范围之内， 因此， 本发明的保护范围应该以权利要求书的保护范围为准。 说明书 7/7 页 11 CN 110780264 A 11 图1 说明书附图 1/6 页 12 CN 110780264 A 12 图2 说明书附图 2/6 页 13 CN 110780264 A 13 图3 说明书附图 3/6 页 14 CN 110780264 A 14 图4 图5 说明书附图 4/6 页 15 CN 110780264 A 15 图6 说明书附图 5/6 页 16 CN 110780264 A 16 图7 说明书附图 6/6 页 17 CN 110780264 A 17 。