典型文献
基于RCN N的双极化气象雷达天气信号检测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
高涌荇;王旭东;汪玲;朱岱寅;郭军;孟凡旺
作者机构：
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;中国航空工业集团公司雷华电子技术研究所,江苏无锡214063
文献出处：
引用格式：
[1]高涌荇;王旭东;汪玲;朱岱寅;郭军;孟凡旺-.基于RCN N的双极化气象雷达天气信号检测)[J].系统工程与电子技术,2022(11):3380-3387
A类：
双极化气象雷达,天气信号检测
B类：
地杂波,定量降水,水精,残差卷积神经网络,residual,convolutional,neural,network,RCNN,检测算法,极化参数,平反,反射率因子,差分反射率,相移,堆叠,三维数组,杂波信号,降水过程,检测效果,仰角,检测性能
AB值：
0.270552
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
