天气是人类生活、生产和军事行动的重要影响因素。天气的实时雷达探测是天气预报、灾害预警、装备实验、战场行动的基础。典型的降水雷达通常工作在S波段和C波段,具有覆盖范围大、测量精度高等特点。其中S波段雷达通常用于气象系统的骨干雷达探测网中,C波段雷达通常用于机场终端区的天气探测和强降雨相对较少、天气衰减不太剧烈的地区。与S、C波段天气雷达相比,X波段天气雷达的大气衰减比较大,不是特别适用于远距离探测。但是,X波段雷达具有较小的尺寸、较低的基础设施需求、较好的机动性/可移动性,常用在人工影响气象、重大实验/重大活动的天气保障、天气灾害高发地区的临近预报系统中。与S和C波段天气雷达相比,X波段天气雷达面临着更加严重的速度/距离测量矛盾和地杂波抑制问题。本课题面向X波段天气雷达应用需求,重点研究天气雷达探测中涉及的噪声估计、地杂波判决和地杂波抑制等关键问题,以提升X波段天气雷达的数据质量。论文的主要工作包括:一、地杂波滤波技术。过去的时域滤波器在滤除杂波的同时会对天气信号造成损失。自适应频域滤波器通过分析谱的形状,自适应地决定该在何处进行滤波,并通过高斯拟合来恢复被滤除的天气信号。本文针对低仰角观测时的强地杂波问题,分析了高斯模型自适应滤波技术(GMAP)和谱域回波滤波技术(SSEF)的滤波性能,并利用佛山气象局的X波段实测IQ数据进行了验证。二、地杂波识别技术。对于给定的雷达来说,地杂波会随着季节、天气发生改变。雷达信号的反常传播也会带来日内杂波的显著差异。因此,杂波图的构建是雷达技术中的关键问题。地杂波具有接近于零的平均速度和较窄的谱宽,各种杂波抑制技术正是利用杂波的这一特性来实现地杂波的消减。但是在小雨、毛毛雨情况下或者在较强降雨的零多普勒线上,天气回波与杂波具有相似的速度特征,因此各种杂波滤波技术一定程度上存在着滤除天气信号的问题。使得最终得到的散射率、速度、谱宽等雷达产品产生偏差。针对这一问题,论文将近年来应用于S波段中的杂波消减判决算法(CMD)应用于X波段雷达中,并利用X波段天气雷达的IQ数据对算法进行了测试,结果显示CMD算法可以较好地识别出地物杂波。本文将自适应滤波器和CMD算法结合起来进行地杂波滤波,提升了X波段天气雷达的数据质量。三、噪声估计技术。噪声估计是雷达散射率、差分散射率等天气雷达矩数据精确测量的基础。当存在强杂波和/或距离折叠时,噪声是影响天气雷达矩估计性能的重要因素。针对不同的工作模式,分析了杂波背景下GMAP噪声估计算法和基于径向的噪声功率估计算法(RBNE),并利用仿真方法和C波段雷达实测数据进行了分析。论文在X波段天气雷达杂波滤波上的工作对X波段雷达波形设计和信号处理具有一定的指导意义,在杂波识别和噪声估计上的工作可以应用于天气雷达和其他地基雷达中。论文将自适应滤波算法、杂波识别算法和径向噪声功率估计算法结合,为X波段天气雷达的设计提供了一条解决思路。