基于深度学习特征融合的天气雷达生物回波提取研究

摘要

针对当前天气雷达生物回波提取网络存在参数量大、效率低以及需要大量样本的问题，本文提出一种改进的生物回波提取网络：MFF-PSPnet(Multi-Feature Fusion Pyramid Scene Parsing Network).首先在MobilenetV2主干网络上引入注意力机制模块和边缘提取模块，然后对所有特征进行融合识别，从生物回波主体提取和边缘细节刻画两个方面提升了网络的分割能力.MFF-PSPnet是一款轻量级网络，其参数量相比现有先进生物回波提取网络减少了89.78%.与其他模型相比，该网络对样本数量的需求更低，更适应小样本环境.通过在历史数据上的消融实验和对比实验，结果表明，MFF-PSPnet提取生物回波的准确率达到98.1%,IoU达到94.8%.在新一代中国天气雷达的历史数据中，本文改进的模型能够有效地提取生物回波，并且更好地适应小样本环境，可应用于移动端.

关键词

天气雷达 / 生物回波 / 深度学习 / 特征融合

基金资助

国家重点研发计划(2018YFC1405703); 国家自然科学基金(51875293)