天气雷达反射率数据方位分辨率提高

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 18-20.

天气雷达反射率数据方位分辨率提高

李学华1,2，何建新2，何子述1

1.电子科技大学电子工程学院，成都 610054
2.成都信息工程学院电子工程学院，成都 610225

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Weather radar angular resolution improvement of reflectivity data

LI Xuehua1，2，HE Jianxin2，HE Zishu1

1.School of Electronic Engineering，University of Electronic Science Technology of China，Chengdu 610054，China
2.School of Electronic Engineering，Chengdu University of Information Technology，Chengdu 610225，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 天气雷达反射率数据方位分辨率的提高，对中小尺度强对流天气过程的精细探测有重要的意义。以雷达气象积分方程为基础，通过对天气雷达反射率方位数据的过采样，建立雷达测量的低分辨反射率数据与真实气象目标高分辨率数据之间的矩阵方程，提出使用截断奇异值分解算法优化超分辨反演方程逆求解及改善解稳定性。实验结果验证，该方法对反射率数据方位分辨率的提高是行之有效的。

关键词: 天气雷达, 反射率数据, 超分辨, 截断奇异值分解

Abstract: Weather radar angular resolution improvement of reflectivity data is important for fine sounding of small-scale strong convection weather.On the radar meteorologic integral equation，a matrix expression between radar reflectivity measurements of low resolution and their true weather distribution of high resolution is investigated through oversampling in azimuth，the algorithm of Truncated Singular Value Decomposition（TSVD） is exploited to solve this super-resolution deconvolution and improve its stability.Experiment results demonstrate the developed technique is efficient for the angular resolution improvement of reflectivity data.

Key words: weather radar, reflectivity data, super-resolution, truncated singular value decomposition

李学华1,2，何建新2，何子述1 . 天气雷达反射率数据方位分辨率提高[J]. 计算机工程与应用, 2011, 47(8): 18-20.

LI Xuehua1，2，HE Jianxin2，HE Zishu1. Weather radar angular resolution improvement of reflectivity data[J]. Computer Engineering and Applications, 2011, 47(8): 18-20.

[1]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[2]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[3]	夏皓，吕宏峰，罗军，蔡念. 图像超分辨率深度学习研究及应用进展[J]. 计算机工程与应用, 2021, 57(24): 51-60.
[4]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[5]	刘璟，宋海川，黄建设，马利庄. 通道与空间注意力图像超分辨率网络[J]. 计算机工程与应用, 2021, 57(2): 209-216.
[6]	丁玉祥，卞维新，接标，赵俊. 融合邻域回归和稀疏表示的图像超分辨率重构[J]. 计算机工程与应用, 2021, 57(2): 230-236.
[7]	黄健，赵元元，郭苹，王静. 深度学习的单幅图像超分辨率重建方法综述[J]. 计算机工程与应用, 2021, 57(18): 13-23.
[8]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[9]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[10]	李正，刘薇，张凯兵. 基于机器学习的遥感图像超分辨综述[J]. 计算机工程与应用, 2021, 57(13): 8-17.
[11]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[12]	蒋文杰，罗晓曙，戴沁璇. 基于对抗网络人脸超分辨率重建算法研究[J]. 计算机工程与应用, 2021, 57(11): 219-223.
[13]	陈晨，刘明明，刘兵，周勇. 基于残差网络的图像超分辨率重建算法[J]. 计算机工程与应用, 2020, 56(8): 185-191.
[14]	李诚，张羽，黄初华. 改进的生成对抗网络图像超分辨率重建[J]. 计算机工程与应用, 2020, 56(4): 191-196.
[15]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.