基于扩散模型的多源雷达数据互补增强生成方法 袁鹏、 郑雄波、 尚志龙、 何凯奇、 程志勇

《Remote Sensing》：A Multi-Source Radar Data Complementary Enhancement Generation Method Based on Diffusion Model Yuan Peng, Xiongbo Zheng, Zhilong Shang, Kaiqi He and Zhiyong Cheng

　　

摘要

多源雷达数据融合在推进天气监测和预报方面变得越来越重要。然而，将多普勒雷达与X波段相控阵雷达有效集成仍然具有挑战性。多普勒雷达的空间分辨率较低且不稳定，而X波段相控阵雷达虽然分辨率高，但受到探测范围短、信号衰减严重以及部署成本高的限制，这限制了其应用范围。为了解决上述问题，本文提出了多源雷达反射率互补增强方法（MSR-CE）。通过构建配对训练数据集，真实的X波段相控阵雷达反射率数据作为前向扩散过程的起始样本，而配对的S波段多普勒雷达反射率数据则作为条件指导。该方法利用条件扩散模型生成高分辨率的伪X波段相控阵反射率场。此外，引入了雷达物理感知损失（RPA Loss）来提高空间细节的真实性和物理一致性。在2025年中国东北地区的多源雷达观测数据实验中，MSR-CE的SSIM值为0.892，PSNR值为41.6 dB，优于传统的插值方法和最先进的生成式方法在雷达反射率增强方面的性能。