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: |
| Sumario: | 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. |
|---|