系统工程与电子技术

作者：高涌荇, 王旭东, 汪玲, 朱岱寅, 郭军, 孟凡旺

单位：1. 南京航空航天大学雷达成像与微波光子技术教育部重点实验室, 江苏 南京 210016；2. 中国航空工业集团公司雷华电子技术研究所, 江苏 无锡 214063

关键词：双极化气象雷达,残差卷积神经网络,天气信号检测,深度学习

基金：国家自然科学基金(61801212);工信部民机专项(MJ-2018-S-28)

为检测混杂在地杂波、生物杂波中的天气信号, 提高定量降水精度, 提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先, 将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移率堆叠为三维数组后进行预处理, 将其分为天气信号与杂波信号。然后, 开发并优化RCNN, 给出详细的网络结构。最后, 通过多次实际的降水过程对所提算法的检测效果进行评价。结果表明, 相比支持向量机以及卷积神经网络(convolutional neural network, CNN), 所提算法对天气信号的检测效果更好, 并且在不同仰角以及全年的实测数据上均表现出良好的检测性能。

来源：2022年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第11期