[科普中国]-回波分类

回波分类是指将回波根据形成原因等进行分类，回波可分为气象回波和非气象回波。其中气象回波又可分为降水回波和非降水回波。非气象回波可分为地物回波、海浪回波、同波长干扰回波、昆虫和鸟兽的回波等。

回波分类简介回波是指雷达发射的电磁波，在传播过程中遇到目标物以后目标物对电磁波产生反射、散射，通过雷达屏幕显示的雷达接收机能接收到的那部分反射、散射能量。天气雷达探测时，只要接收到回波信号功率大于雷达接收机的最小可测功率，则雷达都会在天线纸箱方向的相应距离处显示回波。

非气象回波地物回波：当雷达探测的仰角比较低时，雷达站周围的山脉、高大建筑物都可能反射雷达电磁波，形成地物回波。现代气象雷达通过设计硬件或软件消除地物回波，但常常很难处理干净。地物回波受地理位置影响，位置固定不变，故需要熟知本站在各种探测状态、各种天气条件下的地物回波。

雷达波发生超折射传播时地物回波会比正常情况增多，称为超折射回波。超折射回波主要特征是地物回波异常增多，呈米粒状、辐辏状。其距离和范围与超折射层的高度和厚度有关，并伴随他们的变化出现“移动”和“变化”的现象，通过这些变化可以反推大气状况变化。

海浪回波：由海浪、涌浪和海洋近岸波对雷达电磁波的反射和散射引起的。有许多分散的针状和扇形回波组成，回波强度较弱，强度分布较均匀。

同波长干扰回波：相邻地区内两部波长相同的雷达同时工作，一部雷达接受到另一部雷达发射的电磁波所形成的干扰图像。图像受两部雷达的相对位置、距离和发射波时序有关，但都具有螺旋形状。

昆虫和飞鸟的回波：昆虫和飞鸟成为散射体造成的回波。通常呈离散点状，对天气探测没什么影响。而且由于昆虫群一般随风飘移，他们的多普勒速度正好是所在处径向风向风速的反映。

气象回波（1）非降水回波

云的回波：对于一些还未形成降水的云，云滴粒子较小，含水量少，必须用波长很短的0.86cm雷达对其探测研究，但有时云中含水量较大，云滴增长到足够大时，3cm和5cm的雷达也可能检测到回波。在反射率因子的RHI（距离高度显示器)显示中，层状云回波一般平铺成一条长带，而积状云的回波一般呈小柱状。在反射率PPI(平面位置显示器)显示中，层状云只有在适当的天线仰角才能检测到，而积状云通常表现为零散孤立的小块状结构。

雾的回波：雾滴和云滴一样，粒子较小，回波很弱。在反射率因子的PPI显示中，雾的回波呈均匀分布，一般没有明显的强度梯度。在RHI显示中可以看到雾的垂直厚度，一般1km左右。

晴空回波：天空中没有云和降水的时候，使用较高灵敏度的雷达仍可能探测到晴空大气的回波。按形态大致分为点状、线状和层状。在PPI显示中，点状回波变现为离散的小亮点，线状回波表现为一条长达数十千米的细线，层状回波小纤维水平延伸不接地的薄而弱的回波层。

（2）降水回波

层状云降水回波：由于大范围的空气缓慢上升而成云致雨的。特点是：①水平范围大、持续时间长、强度比较均匀、随时间变化缓慢；②在PPI图上的回波特征呈片状分布，结构较均匀，强度梯度较小，有时出现强度特别大的窄带称为零度层亮带，亮带也可能成弧状或圆环状；③在RHI图上云顶高度比较平整，也有一条强度特别大的窄带呈水平分布（即零度层亮带）。

对流云降水回波：对流云发展到一定程度时，云中粒子在对流运动中不断增强，知道已不能被上升气流所托住而降落形成的。特点是：①范围小、强度大、分布不均、生命史短、随时间变化快。②在PPI上特征为：对流云降水回波呈块状，尺度较小（从几公里到几十公里），对流辐合体也可达几百公里，内部结构密实，边缘清晰。③在RHI上特征为：对流云降水回波呈柱状，近处降水时底部及地，云顶高度较高一般都在6-7km以上，随地区和季节差异很大。④不论是在平显上还是高显上，对流云降水回波强度和强度梯度都较大，一块对流云内部只有一个强中心，而多个对流云单体组成的对流云降水,往往具有不规则的外形和多个中心，强度也不一定相同（尖顶状的回波是虚假的称为旁瓣回波）。

混合型降水回波：同时具有层状云降水回波和对流云降水回波特征的回波。①PPI显示中表现为大片层状云降水回波中夹杂着团块状的对流云降水回波，强度梯度不大，只有在团块状结构处有较强的回波中心和明显的强度梯度。②RHI显示中，回波顶部大部分比较平坦，可以单刀回波中间存在若干相对较强的柱间回波区，有事还能呈现柱状回波和0℃层亮带共存的回波图像，不过这种亮带大部分具有不均匀结构。

基于模糊逻辑技术的新一代雷达回波分类我国从1998年开始新一代雷达的布网，该雷达吸收了美国WSR-88D技术，利用三种基数据描述探测到的降水粒子。在业务中，降水回波常被一些非气象回波所污染，严重干扰了降水产品的准确性，导致临近预报出现偏差，因此通过对雷达回波分类来增强基数据的质量控制是非常必要的。许多专家对雷达回波分类进行了研究。利用雷达杂波背景图来识别地物；对于奇异回波，在反射率域内考察垂直厚度和时空连续性，同时计算纹理结构，达到识别目的。上述方法在奇异回波与降水分离时表现较好，但当两者混合时误差较大，为此利用回波的反射率因子三维结构来分离与降水混在一起的AP回波。借鉴上述研究成果设计了WSR-88D雷达回波分类器。

基于模糊逻辑技术的雷达回波分类雷达回波分类包括寄异回波（APDA）和降水回波（PDA）两种探测算法。操作流程为：首先输入基数据；其次选取网格计算每点的多个特征值；再次，每种算法选用不同的特征量联合并分配权重，对选用的每个特征量，通过由历史资料统计分析获取的相应特征成员函数，计算该特征与目标回波相匹配的概率；然后加权平均；最后，选择一个合适的阈值（0.5）检验，确定其回波类型如图1。

雷达回波特征分析降水回波是由于云雨粒子对电磁波的后向散射所形成的，它结构紧密，具有较大的强度和速度，三维结构清晰，时空连续性较好。奇异回波是由于近地层特殊的气象条件（如逆温层）导致传播中的雷达波束弯向地面，使得原本无法探测的地物被探测出；它随大气条件变化，表现出类似降水回波的运动和消亡特征；由于它实质上是地物回波，所以仍然具备边缘清晰、垂直高度低等特征。

研究方法设计了一种基于模糊逻辑技术的、适用于我国新一代雷达的回波分类方案，它包含了PDA和APDA两种算法，实际资料表明该算法能够从0.5°PPI上提取降水、奇异回波信息，而从WSR-88D回波分类器引进的成员函数在一定程度影响了精度，这也是随后要进行优化的地方。1

基于小波变换和神经网络的水下宽带回波分类目标识别和目标检测、目标参数估计一样都是水下信息处理系统的主要任务。对于水下安静型目标的识别，主动是有效的工作方式，系统所接收到的回波是入射信号与目标的冲激响应的卷积加上各种干扰及背景噪声等形成的，其中包含了大量的目标特征信息，如目标材料、外形、姿态和运动参数等。目标识别包括三个基本环节：目标特征提取、特征压缩和分类器设计，如图2所示。近20年，小波变换由于其较短时傅里叶变换（STFT）可以将信号分解到不同的分辨空间，利于从多个角度（不同时间、频带和时频分辨空间）观察和表示信号，使得小波变换在目标特征提取方面得到了广泛的应用。

人工神经网络是近20年来发展起来的十分活跃的交叉学科，它有着很强的非线性适应性信息处理能力，使之在模式识别、智能控制等领域得到了成功的应用。其中基于VW网络的分类器更是得到了很多应用，而且为了提高识别率，有人提出了将子波理论或高斯函数域BP网络相结合的网络结构，但它还是避免不了BP网络的固有缺点：它的调节权值的方法存在着收敛速度慢和局域极小等。而径向基函数网络无论在逼近能力、分类能力和学习速度等方面均优于BP网络，所以将它作为分类器的研究日渐增多。

降低特征维数是目标识别领域的一大主题，它可以在不太影响分类效果的前提下降低分类器的复杂性。降低特征维数有两种方法，即特征选择和特征投影，这里主要研究前者对识别效果的影响。特征选择方法中关键就是如何度量特征的分类能力，研究给出了三种特征选择准则—相对熵、对称相对熵和欧式距离。

研究基于连续小波变换分别提取了实测湖底沉积物反射回波的尺度—小波能量谱作为目标特征，以径向基函数分类器对实测湖底回波数据进行了分类，并研究了三种特征压缩准则对识别效果的影响。

径向基函数分类器径向基函数分类器分类器的设计是目标识别的一个关键环节，它的优劣直接影响分类效果，这里简单介绍将采用的分类器—径向基函数网络。并研究以回波信号的尺度—小波能量谱为特征的分类效果。

RBF也是一种较常用的前馈型神经网络，其基本结构如图3所示。其特点是：只有一个隐层，隐层单元采用径向基函数作为其输出特性，输入层到隐层之间的权值均固定为1，输出节点为线性求和单元，隐层到输出节点之间的权值可调，因此输出为隐层的加权和。其中隐层的传递函数为径向基函数。径向基函数就是某种沿径向对称的标量函数。

特征选择特征选择由特征提取过程得到的原始特征维数可能依然很大，如果把全部原始特征都作为分类特征送往分类器，不仅使得分类器结构复杂，分类计算判别量大，而且可能引入干扰的特征，影响识别率，因此特征压缩是达到较好识别效果必不可少的步骤。特征压缩的方法有两种，一种是特征选择—从一组特征中挑选出最有效的特征子集，另一种是特征投影—通过映射（或变换）的方法把高维的特征向量变换为低维的特征向量。到底哪种选择的效果最好需要一个定量的准则来衡量。

研究结论基于连续小波变换提取了湖底回波的尺度—小波能量谱特征，并给出了三种特征选择的准则：相对熵、对称相对熵和欧氏距离，最后设计了径向基函数分类器对144个湖底回波进行了分类识别，可得出以下结论：

（1）信号的尺度—小波能量谱能有效反映四类回波的差异；

（2）与最小距离分类器相比，径向基函数分类器可有效提高分类效果；

（3）所给出的三种特征选择的准则不仅可保持目标的差异信息，而且可有效减少特征的维数。2

本词条内容贡献者为:

胡芳碧 - 副教授 - 西南大学