专利名称：用于高斯分解气象雷达数据以供传送的系统和方法
用于高斯分解气象雷达数据以供传送的系统和方法
背景技术：
目前，给定的飞行器(aircraft)不能，或者至少有巨大的困难，将其机上 (on-board)气象雷达数据传送离开该飞行器以到达其他飞行器和/或集中式地面站。传送 从机上获得的气象数据的障碍之一是相当大的带宽要求，所述带宽要求对于在机上气象雷 达系统获得新气象信息时支持气象数据能够变化的速率和传送大量相关气象数据来说是 必要的。

发明内容
一个示例性实施例提供用于处理从气象雷达系统接收的气象数据的方法和系统。 一个示例性实施例接收雷达反射率数据，将接收到的雷达反射率数据分解成多个自适应高 斯分量函数，从分解的高斯分量函数中选择至少一个参数，基于至少一个所选择的参数生 成压缩气象雷达显示数据，并且从航行器(craft)传送气象雷达显示数据。


以下参考下列附图对本发明的优选的和可选实施例进行详细说明图1是气象数据处理系统的实施例的框图；图2A-2D示出了近距离雷达反射率和湍流(turbulence)数据；图3示出将从气象雷达系统接收的反射率数据分解成多个自适应的、三维高斯分 量函数的示例性过程；和图4示出本发明所使用的用于计算改进的图形处理。
具体实施例方式图1是气象数据处理系统100的实施例的框图，该系统存在于航行器102中，例 如，但不限制于，飞行器或海上船只。该气象数据处理系统100的实施例采用高斯分解来处 理从气象雷达系统104接收的气象数据。高斯分解过程促进气象雷达图片平滑，并且促进 更高效的数据链接以用于将经处理的气象信息传送给其他飞行器和/或地面站。基于图片 的气象数据能够通过相对较低带宽的通信信道或通路来传送。现有技术的气象数据通信系 统有相对较大的带宽要求，所述带宽要求对于传送相对大量的气象数据以及气象数据能够 变化的速率来说是必要的。气象显示系统106包括气象雷达系统104和显示/接口前端108。气象显示系统 106从其他飞行器系统110接收信息，例如，但不限于，加速度计、全球定位系统(GPS)和/ 或其他传感器设备，其感测航行器102附近的各种参数或与航行器102相关的各种参数，例 如速度、方向、湍流、高度或类似参数。显示/接口前端108包括处理设备112、存储器114、显示设备116、用户接口 118 和可选数据库120。任何合适的处理设备112都可以被使用。在一些实施例中，处理设备 112是专用处理器系统，其被配置为处理从气象雷达系统104接收的雷达气象数据。备选
4地，或另外地，处理设备112可以执行其他功能。在示例性实施例中，存储器114被配置作为工作存储器，其中存在着用于将接收 到的雷达反射率数据分解成多个自适应高斯分量函数的逻辑。存储器114还可以永久地或 临时地存储压缩的气象雷达显示数据，该数据是基于雷达气象数据的至少一个所选择参数 而生成的。显示设备116优选为显示设备，例如阴极射线管、液晶显示屏、等离子屏或其他以 图形形式将气象信息呈现给航行器102的工作人员的显示设备。在一些实施例中，显示设 备116可以被配置为显示压缩的气象雷达显示数据以供工作人员或其他观察者查看和/或 检验。用户接口 118被配置为接收来自航行器102的工作人员的输入指令。例如，工作 人员可以命令处理设备112以优选的格式生成压缩的气象雷达显示数据。气象雷达系统104的示例包括雷达控制器122 (被配置为从用户接口 118接收控 制指令)、发送器124、接收器126和天线128。雷达控制器122控制发送器124和接收器 126以用于通过天线128执行信号的发送和接收。气象雷达系统104和显示/接口前端108 电子地和通信地耦合到其他飞行器系统110。雷达依赖于电磁能量脉冲的传输，在此称为信号。天线128狭窄地集中信号脉冲 的传输。类似来自手电筒的光，该狭窄信号照亮位于其路径中的任何对象，而被照亮的对象 将电磁能量反射回天线128。反射率数据对应于雷达信号被存在于诸如云或风暴之类的气象对象中或者存在 于接近于产生液体和/或冻结的小滴的云或风暴的区域中的液体(例如，雨)和/或冻结 的小滴(例如，冰雹、雨夹雪和/或雪)反射回天线128的部分。雷达控制器122基于所发送的信号脉冲从天线128到气象对象130并返回至天线 128的转换中所花费的时长，来计算气象对象(例如所示的气象对象130)相对于天线128 的距离。距离与时间之间的关系是线性的，因为信号的速度是恒定的，近似于真空中的光 速。Honeywell的 RDR-4000空中气象雷达是一种非限制性示例气象雷达，其提供雷达反 射率数据和短距离多普勒雷达信息。气象数据处理系统100的实施例可以在任何合适的气 象雷达系统104中实施。另外，可以包括可选的神经网络132，其预测湍流数据来预报超过40海里(nm)距 离的湍流信息。湍流信息预测基于分解的反射率数据。在利用神经网络132的实施例中，数 据库120可以存储在神经网络132被训练时所确定的信息。另外，或者备选地，数据库120 可以存储压缩的气象雷达显示数据。收发器134与处理设备112进行信号通信，并且被配置为从处理设备112接收压 缩的气象雷达显示数据，并且被配置为从航行器102传送其中具有压缩的气象雷达显示数 据的信号136。该信号可以在另一飞行器138和/或地面站140处被接收。图2A-2D示出了通过不同实施例所接收和处理的实际雷达反射率和湍流数据。虽 然反射率和湍流数据这二者都是三维的，但是出于可视化的原因，数据仅以一维和二维呈 现。图2A和2B分别示出二维反射率和湍流。图2C和2D分别示出一维反射率和湍流。从 图2C和2D中可以看出，反射率和湍流数据都为正的，且看起来像多个高斯函数之和。在一个实施例中，湍流预测系统和方法可以使用自适应信号分解来减少所传送的
5气象数据量。一些实施例可以可选地采用神经网络的方法来预报超过40nm距离的湍流々 息。一种示例性方法包括反射率信号分解和湍流信号分解。该方法将反射率数据分解成 多个自适应的三维高斯分量函数，其参数，例如中心位置、振幅和维标准偏差(dimentional standard deviation)被自适应地确定以最大化地匹配所测量的反射率。执行反射率信号 分解包括使用具有单位能量的自适应三维高斯基函数(Gaussian base function) 0湍流 数据被分解成自适应三维高斯基函数，其中其参数被调节以最大化地匹配所测量的湍流数 据。以分解的反射率和湍流分量作为输入和输出，神经网络的反向传播被执行以用于 学习反射率和湍流之间的关系。经训练的神经网络然后被用于在其中仅可得到反射率数据 的扩展范围处预测湍流。此处提供的自适应信号分解方法也可以被用于对象跟踪，例如，气 象/云跟踪、鸟群跟踪、飞行器跟踪等。图3示出了将从气象雷达系统104 (图1)接收到的反射率数据分解成多个自适应 的、三维高斯分量函数的示例性过程300。该过程起始于块302。在块304，从气象雷达系统 104接收三维反射率值。在块306，基于三维反射率值来生成三维反射率数据和近距离三维 湍流数据。在块308，执行三维反射率数据和近距离三维湍流数据的高斯分解。在块310， 从分解的反射率数据和可选的湍流数据中选择参数。在块312，从航行器102传送这些所选 择的参数。在块314，过程结束，或者备选地，返回到起始块302并重复以使得当前接收的雷 达数据被处理和传送。这里应注意，一些实施例使用神经网络132来预测超过40nm距离的湍流数据。在 这样的实施例中，在可选块316，基于接收到的雷达信息，通过应用神经网络132的输入侧 的所选择的参数来训练神经网络132。应该理解的是，该可选块在神经网络132的训练之 后可以被绕过。在可选块318，从分解的反射率数据中选择参数。在可选块320，对预测的 三维湍流数据执行高斯分解。该过程进行到块312，使得从航行器102传送所预测的超过 40nm距离的湍流信息。图4所示，为了计算方便，坐标变换可能是必要的，并且包括将xyz坐标系的原点 移动到点(x。，y。，z。)并顺时针旋转y坐标θ角，从而产生新的χ' y' ζ'坐标系。坐标变换后新的坐标系如下计算
χ'二 Oc _ ) cos _ (>> _ 又)sin (9 ；/ 二(jc _ xc)sin6> + O -又)cos6>
⑴ 旋转角θ如下计算 θ = arctan
⑵ 从新坐标系回到旧坐标系的变换为
χ = χ'cos O + /sin0 + xc y = -χ' s\n0 + y' cosO + yc ζ = ζ' + zc
(3) 反射率的自适应分解以下等式示出了反射率的自适应分解。建议的三维高斯基 函数如下
6 其具有单位能量，SP，// / f2(x'，y' ,ζ' )dx' dy' dz' = 1。将等式(1)代 入等式(4)，xyz坐标系中的三维高斯基函数为
(5)在初始化时，当前反射率被设为所测量的反射率数据r (x, y，ζ)，也就是 三维高斯基函数的中心位置和维偏差通过求解以下最优化问题来确定，〈，> 表示 内积。 高斯基函数的振幅如下计算 因此第一反射率分量函数V1为V1 = A^f1(9)从原始的反射率数据Γι中除去第一分量函数V1,得到新的反射率数据r2，也就是r2 = r1~knf1(10)重复以上过程N个循环，从而成为N个反射率分量函数Vkcom (Afk，Xcfk, ycfk，Zcfk, O xfk, σ yfk, σ zfk)对于 k = 1，…，N (11)真实测量数据r(x，y，z)为
N^ ^ Σ AflcZk rN+](12)
k = \有趣的是注意到，自适应分解的残余总是有限的。对于连续信号r，当循环次数N 趋于无穷大时，残余将被减到0。忽略残余rN+1，N个分量函数被用于近似反射率函数
/Vf = Yj Afkfk(13)
k = \湍流的自适应分解以下等式示出了湍流的自适应分解。所建议的湍流基函数如 下
, t2 t2 χ y
广 ζ ν 4i7X2 ^y 4σζ2
14p{x\y',z·) =yexp
(2苽) σ"该湍流基函数也具有单位能量，即，/ / / p2(x' ,y' ,ζ' )dx' dy' dz' = 1, 将等式(1)代入等式(14)，xyz坐标系中的湍流基函数被表示如下
(15)在初始化时，所测量的湍流数据t(x，y，ζ)被指派给当前湍流t1;即
湍流基函数的参数通过求解以下最优化问题来确定。 maxK ,,^)!2(17)
Pi湍流基函数的振幅被计算如下Apl = <t1 P1)(18)第一湍流分量函数U。为U1 = AplP1(19)从原始湍流数据、中除去第一分量函数U1，得到新的湍流数据t2，即t2 = L-AplP1(20)重复上述过程M个循环，M个分量函数为Pkcom (Apk，xcpk, ycpk, zcpk, σ xpk, σ ypk, σ zpk)对于 k = 1，…，M(21)忽略残余tM+1，M个分量函数被用于重建湍流函数
M, n、t - ^ ApkPk、22)
Zc=I在接收到所传送信息时，接收飞行器和/或地面站重新生成显示数据。在一个示 例性实施例中，通过基于上述等式(15)，使用传送的三维高斯参数来生成单独的高斯函数， 并将高斯函数求和，从而重新生成显示数据。在使用二维高斯参数来分解显示数据的实施 例中，接收飞行器和/或地面站使用二维高斯参数来重新生成显示数据。可选实施例将从气象雷达系统104(图1)接收的反射率数据分解成多个自适应 的、二维高斯分量函数。也就是，一种可选方法将反射率数据分解成多个自适应的、二维高 斯分量函数，其参数，例如中心位置、振幅、和/或维标准偏差被自适应地确定以最大化地 匹配所测量的反射率。执行反射率信号分解包括使用具有单位能量的自适应二维高斯基函 数。湍流数据可以被分解成自适应二维高斯基函数，其参数被调节以最大化地匹配所测量 的湍流数据。
权利要求
一种用于从航行器(102)发送压缩气象雷达显示数据的方法，该方法包括接收雷达反射率数据；将接收到的雷达反射率数据分解成多个自适应高斯分量函数；从分解的高斯分量函数中选择至少一个参数；基于至少一个所选择的参数生成压缩气象雷达显示数据；并且从航行器(102)发送压缩气象雷达显示数据，其中所述压缩气象雷达显示数据包括所述分解的高斯分量函数。
1.一种用于从航行器(102)发送压缩气象雷达显示数据的方法，该方法包括 接收雷达反射率数据；将接收到的雷达反射率数据分解成多个自适应高斯分量函数； 从分解的高斯分量函数中选择至少一个参数； 基于至少一个所选择的参数生成压缩气象雷达显示数据；并且 从航行器(102)发送压缩气象雷达显示数据，其中所述压缩气象雷达显示数据包括所 述分解的高斯分量函数。
2.根据权利要求1的方法，进一步包括在地面站(140)和另一飞行器(138)中的至少一个处从航行器(102)接收压缩气象雷 达显示数据；基于所述分解的高斯分量函数，根据接收到的压缩气象雷达显示数据生成气象雷达显 示数据。
3.根据权利要求1的方法，其中将接收到的雷达反射率数据分解成多个自适应高斯分 量函数基于三维高斯基函数，所述三维高斯基函数被定义为
4.根据权利要求1的方法，其中所述接收到的雷达反射率数据是三维雷达反射率数 据，并且进一步包括将所述接收到的三维雷达反射率数据分解成多个自适应、三维高斯分量函数。
5.根据权利要求4的方法，其中所述接收到的三维雷达反射率数据是近程三维雷达反 射率数据和超过40海里(nm)的远程三维雷达反射率数据，并且进一步包括根据近程三维雷达反射率数据和远程三维雷达反射率数据确定气象数据； 将气象数据分解成多个自适应、三维高斯分量气象信息函数； 根据近程三维雷达反射率数据确定湍流数据； 将湍流数据分解成多个自适应、三维高斯分量气象信息函数； 以及传送分解的湍流数据。
6.根据权利要求4的方法，进一步包括选择多个参数，其中所述多个参数包括中心位置、振幅和维标准偏差。
7.一种系统，在运行时能够从航行器(102)发送压缩气象雷达显示数据，该系统包括 气象雷达系统(104)，被配置为从航行器(102)生成比40海里(nm)范围更大的雷达反射率数据；处理设备(112)，与气象雷达系统(104)进行信号通信，其中所述处理设备(112)被配 置为接收来自气象雷达系统(104)的雷达反射率数据，将接收到的雷达反射率数据分解成 多个自适应高斯分量函数，从分解的多个自适应高斯分量函数中选择至少一个参数，基于 至少一个所选择的参数生成气象雷达显示数据；以及收发器(134)，与处理设备(112)进行信号通信，其中所述收发器(134)被配置为接收来自处理设备(112)的压缩气象雷达显示数据并且从所述航行器(102)传送压缩气象雷达 显示数据，其中所述压缩气象雷达显示数据包括多个自适应高斯分量函数。
8.根据权利要求7的系统，进一步包括 神经网络(132)，其中所述处理设备(112)进一步被配置为基于用于确定近程湍流的近程雷达反射率 数据并且基于远程雷达反射率数据来训练神经网络(132)以预测远程湍流信息，并且其中 预测的湍流数据被从航行器(102)传送。
9.根据权利要求8，其中所述处理设备(112)进一步被配置为将近程距离处的雷达反射率数据分解成对应于气象信息和湍流信息的多个自适应、三 维高斯分量函数；以及将远程距离处的湍流数据分解成对应于气象信息的多个自适应、三维高斯分量函数，以及其中所述神经网络(132)基于对应于气象信息的所确定的远程的多个自适应、三维高 斯分量函数，来预测远程距离处的湍流信息。
10.根据权利要求7的系统，其中至少一个所选择的参数包括中心位置、振幅和维标准 偏差中的一个或多个。
全文摘要
本发明涉及用于高斯分解气象雷达数据以供传送的系统和方法。本发明提供了用于处理从气象雷达系统(104)接收的气象数据的示例性方法和系统。一个示例性实施例接收雷达反射率数据，将接收到的雷达反射率数据分解成多个自适应高斯分量函数，从分解的高斯分量函数中选择至少一个参数，基于至少一个所选择的参数生成压缩气象雷达显示数据，并且从航行器(102)传送气象雷达显示数据。
文档编号G01S7/48GK101923158SQ201010228630
公开日2010年12月22日 申请日期2010年6月7日 优先权日2009年6月8日
发明者B·P·邦奇, D·曾, J·C·柯克 申请人:霍尼韦尔国际公司