Procesamiento estadísticos de señales en aplicaciones de radar meteorológico
El radar meteorológico es un sistema activo de sensado remoto que se utiliza para realizar alertas meteorológicas de corto plazo, contribuyendo a la prevención de pérdidas de indoles humanas y económicas. Su principio de funcionamiento consiste en transmitir energía en forma de ondas electromagnétic...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/1068/1/1Collado_Rosell.pdf |
| Aporte de: |
| id |
I25-R131-1068 |
|---|---|
| record_format |
dspace |
| institution |
Instituto Balseiro |
| institution_str |
I-25 |
| repository_str |
R-131 |
| collection |
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) |
| language |
Español |
| orig_language_str_mv |
es |
| topic |
Procesamiento de señales Neural network Redes neuronales Radar meteorology Meteorología con radar [Ground clutter Clutter terrestre Spectral moments Momentos espectrales Doppler processing Procesamiento doppler] |
| spellingShingle |
Procesamiento de señales Neural network Redes neuronales Radar meteorology Meteorología con radar [Ground clutter Clutter terrestre Spectral moments Momentos espectrales Doppler processing Procesamiento doppler] Collado Rosell, Arturo Procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| topic_facet |
Procesamiento de señales Neural network Redes neuronales Radar meteorology Meteorología con radar [Ground clutter Clutter terrestre Spectral moments Momentos espectrales Doppler processing Procesamiento doppler] |
| description |
El radar meteorológico es un sistema activo de sensado remoto que se utiliza para realizar alertas meteorológicas de corto plazo, contribuyendo a la prevención de pérdidas de indoles humanas y económicas. Su principio de funcionamiento consiste en transmitir energía en forma de ondas electromagnéticas y recibir parte de la energía reflejada por los fenómenos meteorológicos de interés. Dada la naturaleza aleatoria de la señal recibida, se utilizan técnicas de procesamiento estadístico para obtener información útil de los fenómenos meteorológicos bajo estudio. En particular, en los radares Doppler meteorológicos los parámetros de interés lo constituyen los tres momentos de menor orden del espectro de la señal: la potencia, la velocidad Doppler media, y el ancho espectral.
Una de las dificultades a tener en cuenta en los radares es que la señal de interés suele encontrarse obscurecida por reflexiones no deseadas, a las cuales se las denomina clutter. Existen diferentes fuentes de clutter, en el caso del radar meteorológico el clutter terrestre, debido a reflexiones producidas sobre el suelo y todo lo que allá se encuentra posee un impacto significativo sobre las estimaciones de los parámetros de interés, por lo que sus efectos se deben eliminar o reducir. Por otro lado, como en todo radar pulsado, el radar meteorológico presenta los problemas de ambigüedades en la determinación del rango y la velocidad Doppler. En el modo de operación convencional, es decir cuando se utiliza un único valor para el intervalo de repetición de pulsos (PRI), aumentar el rango no ambiguo implica disminuir la velocidad Doppler máxima no ambigua y viceversa. La solución más utilizada para lidiar con esta relación de compromiso es alternar el PRI, en general, entre dos valores, a lo que se denomina modo de operación staggered. En esta tesis se abordan los problemas del filtrado de clutter terrestre, la estimación de los momentos espectrales y la clasificanción de la composición de la señal recibida para el radar meteorológico Doppler. Se presentan soluciones tanto para el modo convencional de operación del radar, como para el modo de operación staggered. Inicialmente, se propone una corrección para el ancho espectral del clutter observado con el objetivo de mejorar el filtrado del mismo con aquellos algoritmos que realizan el procesamiento en el dominio del espectro. Posteriormente se introduce el algoritmo Gaussian Model Adaptive Processing No Uniform (GMAP-NU) como solución al filtrado de clutter terrestre y estimación de momentos espectrales de señales adquiridas en el modo de operación staggered. Se muestra que el algoritmo presenta un buen desempeño, comparable al del algoritmo Gaussian Model Adaptive Processing (GMAP) con PRI uniforme. Sin embargo, posee una restricción propia sobre la velocidad Doppler máxima que impide explotar el intervalo Doppler no ambiguo que ofrece el modo staggered y limita su uso desde un punto de vista práctico.
Luego, se desarrolla el algoritmo Adaptive Spectral Processing for Staggered Signals (ASPASS), también para el filtrado de clutter terrestre y estimación de los momentos espectrales del fenómeno meteorológico. El mismo se basa en ideas análogas a las de GMAP pero aplicadas a secuencias adquiridas con el modo de operación staggered. Se estudia su desempeño empleando tanto simulaciones numéricas como datos reales adquiridos con el radar argentino RMA-12 situado en el aeropuerto de la ciudad de San Carlos de Bariloche. Los resultados son comparables a los de GMAP-TD, e inclusive mejores, en cuanto a errores relativos y tiempos de cómputo.
Por otro lado, se introduce un enfoque diferente para el procesamiento de la señal radar meteorológico que consiste en emplear herramientas de machine learning. En primer lugar, se utilizan redes neuronales artificiales para la estimación de los momentos espectrales tanto en presencia como en ausencia de contribuciones de clutter terrestre en la señal recibida. Se emplea la densidad espectral de potencia (DEP) como entrada a las redes y éstas últimas son entrenadas utilizando datos sintéticos, lo que permite crear bases de datos contemplando una gran diversidad de configuraciones meteorológicas. Este enfoque se aplica a los modos de operación convencional y staggered. En ambos casos, se estudia el desempeño de la respectiva red por medio de simulaciones numéricas y mediciones reales adquiridas con el radar RMA-12. En general, el desempeño es comparable al de algoritmos ampliamente utilizados en la comunidad para resolver este tipo de problemas, lo que pone de manifiesto la versatilidad del método propuesto teniendo en cuenta que el entrenamiento se realiza empleando datos sintéticos.
Finalmente, se emplean redes neuronales convolucionales en el problema de clasificación de la composición de la señal recibida, con el objetivo de detectar la presencia de clutter terrestre. Nuevamente, se toma la DEP como entrada a las redes, las mismas son entrenadas utilizando datos sintéticos y el clasificador se aplica para ambos modos de operación del radar. Para cada modo, las redes entrenadas son evaluadas mediante diferentes experimentos por medio de simulaciones numéricas y su funcionamiento es validado a través de mediciones reales adquiridas por los radares RMA-11 y RMA-12. Los resultados muestran que las redes entrenadas poseen tasas de acierto mayor al 90% en la mayor parte de las situaciones estudiadas, y que su desempeño se degrada en configuraciones meteorológicas puntuales, en las cuales es difícil distinguir la contribución de cada componente sobre la DEP resultante. |
| format |
Tesis NonPeerReviewed |
| author |
Collado Rosell, Arturo |
| author_facet |
Collado Rosell, Arturo |
| author_sort |
Collado Rosell, Arturo |
| title |
Procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| title_short |
Procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| title_full |
Procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| title_fullStr |
Procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| title_full_unstemmed |
Procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| title_sort |
procesamiento estadísticos de señales en aplicaciones de radar meteorológico |
| publishDate |
2022 |
| url |
http://ricabib.cab.cnea.gov.ar/1068/1/1Collado_Rosell.pdf |
| work_keys_str_mv |
AT colladorosellarturo procesamientoestadisticosdesenalesenaplicacionesderadarmeteorologico |
| _version_ |
1812569741955432448 |
| spelling |
I25-R131-10682022-07-12T18:13:59Z Procesamiento estadísticos de señales en aplicaciones de radar meteorológico Statistical signal proccessing in weather radar application Collado Rosell, Arturo Procesamiento de señales Neural network Redes neuronales Radar meteorology Meteorología con radar [Ground clutter Clutter terrestre Spectral moments Momentos espectrales Doppler processing Procesamiento doppler] El radar meteorológico es un sistema activo de sensado remoto que se utiliza para realizar alertas meteorológicas de corto plazo, contribuyendo a la prevención de pérdidas de indoles humanas y económicas. Su principio de funcionamiento consiste en transmitir energía en forma de ondas electromagnéticas y recibir parte de la energía reflejada por los fenómenos meteorológicos de interés. Dada la naturaleza aleatoria de la señal recibida, se utilizan técnicas de procesamiento estadístico para obtener información útil de los fenómenos meteorológicos bajo estudio. En particular, en los radares Doppler meteorológicos los parámetros de interés lo constituyen los tres momentos de menor orden del espectro de la señal: la potencia, la velocidad Doppler media, y el ancho espectral. Una de las dificultades a tener en cuenta en los radares es que la señal de interés suele encontrarse obscurecida por reflexiones no deseadas, a las cuales se las denomina clutter. Existen diferentes fuentes de clutter, en el caso del radar meteorológico el clutter terrestre, debido a reflexiones producidas sobre el suelo y todo lo que allá se encuentra posee un impacto significativo sobre las estimaciones de los parámetros de interés, por lo que sus efectos se deben eliminar o reducir. Por otro lado, como en todo radar pulsado, el radar meteorológico presenta los problemas de ambigüedades en la determinación del rango y la velocidad Doppler. En el modo de operación convencional, es decir cuando se utiliza un único valor para el intervalo de repetición de pulsos (PRI), aumentar el rango no ambiguo implica disminuir la velocidad Doppler máxima no ambigua y viceversa. La solución más utilizada para lidiar con esta relación de compromiso es alternar el PRI, en general, entre dos valores, a lo que se denomina modo de operación staggered. En esta tesis se abordan los problemas del filtrado de clutter terrestre, la estimación de los momentos espectrales y la clasificanción de la composición de la señal recibida para el radar meteorológico Doppler. Se presentan soluciones tanto para el modo convencional de operación del radar, como para el modo de operación staggered. Inicialmente, se propone una corrección para el ancho espectral del clutter observado con el objetivo de mejorar el filtrado del mismo con aquellos algoritmos que realizan el procesamiento en el dominio del espectro. Posteriormente se introduce el algoritmo Gaussian Model Adaptive Processing No Uniform (GMAP-NU) como solución al filtrado de clutter terrestre y estimación de momentos espectrales de señales adquiridas en el modo de operación staggered. Se muestra que el algoritmo presenta un buen desempeño, comparable al del algoritmo Gaussian Model Adaptive Processing (GMAP) con PRI uniforme. Sin embargo, posee una restricción propia sobre la velocidad Doppler máxima que impide explotar el intervalo Doppler no ambiguo que ofrece el modo staggered y limita su uso desde un punto de vista práctico. Luego, se desarrolla el algoritmo Adaptive Spectral Processing for Staggered Signals (ASPASS), también para el filtrado de clutter terrestre y estimación de los momentos espectrales del fenómeno meteorológico. El mismo se basa en ideas análogas a las de GMAP pero aplicadas a secuencias adquiridas con el modo de operación staggered. Se estudia su desempeño empleando tanto simulaciones numéricas como datos reales adquiridos con el radar argentino RMA-12 situado en el aeropuerto de la ciudad de San Carlos de Bariloche. Los resultados son comparables a los de GMAP-TD, e inclusive mejores, en cuanto a errores relativos y tiempos de cómputo. Por otro lado, se introduce un enfoque diferente para el procesamiento de la señal radar meteorológico que consiste en emplear herramientas de machine learning. En primer lugar, se utilizan redes neuronales artificiales para la estimación de los momentos espectrales tanto en presencia como en ausencia de contribuciones de clutter terrestre en la señal recibida. Se emplea la densidad espectral de potencia (DEP) como entrada a las redes y éstas últimas son entrenadas utilizando datos sintéticos, lo que permite crear bases de datos contemplando una gran diversidad de configuraciones meteorológicas. Este enfoque se aplica a los modos de operación convencional y staggered. En ambos casos, se estudia el desempeño de la respectiva red por medio de simulaciones numéricas y mediciones reales adquiridas con el radar RMA-12. En general, el desempeño es comparable al de algoritmos ampliamente utilizados en la comunidad para resolver este tipo de problemas, lo que pone de manifiesto la versatilidad del método propuesto teniendo en cuenta que el entrenamiento se realiza empleando datos sintéticos. Finalmente, se emplean redes neuronales convolucionales en el problema de clasificación de la composición de la señal recibida, con el objetivo de detectar la presencia de clutter terrestre. Nuevamente, se toma la DEP como entrada a las redes, las mismas son entrenadas utilizando datos sintéticos y el clasificador se aplica para ambos modos de operación del radar. Para cada modo, las redes entrenadas son evaluadas mediante diferentes experimentos por medio de simulaciones numéricas y su funcionamiento es validado a través de mediciones reales adquiridas por los radares RMA-11 y RMA-12. Los resultados muestran que las redes entrenadas poseen tasas de acierto mayor al 90% en la mayor parte de las situaciones estudiadas, y que su desempeño se degrada en configuraciones meteorológicas puntuales, en las cuales es difícil distinguir la contribución de cada componente sobre la DEP resultante. A weather radar is a remote sensing active device used in short term (nowcasting) meteorological alert systems, allowing the prevention of human and economic losses. Its operating principle consists in transmitting energy through electromagnetic waves and receiving part of the energy reflected by the meteorological objects of interest. Due to the random nature of the received signal, statistical processing techniques are used to obtain useful information of the weather phenomenon under study. In Doppler weather radars, the parameters of interest are the rst three moments of the signal spectrum. One of the difficulties to consider in radars is that the signal of interest is usually obscured by unwanted reflections, known as clutter. There are different clutter sources. In the case of the weather radar, the ground clutter, due to reflections produced by the ground and everything on it, has a huge impact on the estimation of the parameters of interest, therefore its effect must be eliminated or reduced. Also, as in every pulsed radar, the weather radar presents range and Doppler ambiguity problems. In the conventional operating mode, when only one value for the pulse repetition interval (PRI) is used, increasing the maximum unambiguous range implies decreasing the maximum Doppler velocity, and vice versa. The most used solution to deal with this trade-of is to use different PRI values, alternating between two values, denominated satggered operating mode. In this thesis, the ground clutter ltering problem, the spectral moments estimation and the received signal composition classication for the Doppler weather radar are addressed. Solutions are presented for both the conventional and the staggered radar operating modes. The rst result presented is a correction for ground clutter spectral width estimation, which aims at improving the ltering stage in all those algorithms which use the spectral domain to process the signal. Afterwards, a solution to ground clutter ltering and spectral moments estimation for signals acquired in the staggered operating mode is introduced, named GMAP-NU. It is shown that the algorithm presents a performance similar to GMAP for uniform PRI. The main drawback of this algorithm is a restriction in the maximum velocity which prevents it to exploit the entire unambiguous Doppler interval that the staggered mode allows, thus limiting its use for real implementations. Next, a novel ground clutter ltering and spectral moments estimation algorithm is presented, named ASPASS. It is based on the same principle than GMAP but applied to staggered sequences. ASPASS performance is studied both by means of numerical simulations and also using real data acquired with the RMA-12 weather radar, located in San Carlos de Bariloche airport. The results are akin to those obtained with GMAPTD, and outperform this method in terms of relative errors and computing times. Also, a different approach for weather radar signal processing is presented, which relies on machine learning tools. Neural networks are used for weather spectral moments estimation both in the presence and absence of ground clutter. The power spectral density (PSD) is used to feed the neural networks. These are trained using synthetic data, which allows for the creation of huge databases contemplating a great diversity of meteorological situations. This approach is applied to the conventional and the staggered operating modes. In both cases, the neural network performance is studied by means of numerical simulations and real data acquired with the RMA-12 weather radar. In general, the performance is comparable with other widely used algorithms to solve this kind of problems, which reveals the versatility of the proposed method having in mind that the training is performed by means of synthetic data. Finally, convolutional neural networks are used to solve a signal classication problem, with the objective of detecting the presence of ground clutter. Again, the PSD is used to feed neural networks, which are trained using synthetic data and the method is, again, applied to both radar operating modes. For every mode, trained neural networks are tested by means of numerical simulations and their behaviour is validated using real data from RMA-11 and RMA-12 radars. Results show that the trained networks have hit rates greater than 90 % in the majority of the considered situations. The algorithms performance degrades for very particular weather situations, in which it is hard to distinguish the contribution of each component to the resultant PSD. 2022-03-18 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/1068/1/1Collado_Rosell.pdf es Collado Rosell, Arturo (2022) Procesamiento estadísticos de señales en aplicaciones de radar meteorológico / Statistical signal proccessing in weather radar application. Tesis Doctoral en Ciencias de la Ingeniería, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/1068/ |