2.3.3 风切变
（1）微下击暴流风切变
风切变是一种大气现象，是指风速在大小或方向上的突然改变；微下击暴流，是指小范围内的一股强烈的下冲气流，近地时因撞击地面而产生的外向发散气流。微下击暴流是风切变的主要形式。就低空范围而言，微下击暴流表现为明显的下冲气流形式。
飞机在起飞或进场着陆过程中，在穿越微下击暴流时，首先遇到下击暴流外流的逆风力量，升力增加，飞机上仰，飞行员通常通过改平进行补偿。但很快飞机遇到下沉气流，最后遇到强烈顺风，此时飞机已失去升力，且没有足够的空速来避免飞机坠地。微下击暴流的外流直径与机场跑道长度相当，因此一旦发生在机场上空，将会严重危害飞行安全。特别对于大型运输飞机，其结构重、惯量大，发动机延迟响应时间长，改变飞机状态更加困难，一旦操作失误，将会造成严重后果［100-105］。
（2）风切变探测与危险因子
风切变是指风矢量在水平和垂直方向的突变。其衡量标准是两点之间单位距离的风速矢量变化值。风切变对飞机造成最大的威胁是在起飞和着陆期间，而机载前视风切变雷达主要在这两个阶段探测风切变的存在，但是此时飞机高度很低，地杂波回波功率很强，尤其是当天线旁瓣电平较高时，风切变回波信号可能被地杂波完全淹没。因此，要在复杂的机场地杂波背景下探测短暂存在的微下击暴流风切变危险区，具有很重要的意义，但同时又有较大的技术难度。
风切变雷达信号处理的主要任务是从雷达回波中提取风切变回波功率、多普勒风速、谱宽等风切变特征参数以判断风切变是否存在以及其危险程度，多普勒风速是其中最重要的参数。雷达回波通常包括雨回波、地杂波和目标回波。风切变雷达信号处理的一个重要问题就是关于杂波的处理。杂波主要包括地面上静止与运动的物体以及空中运动目标（如雨滴或另外的一架飞机等）的反射回波［108-110］。
风切变雷达在飞机起飞和着陆阶段探测风切变的存在，此时飞机离地面高度很低，地杂波回波功率相当强，是最主要的干扰信号。风速估计首先要排除地杂波的影响，地杂波信号可看作位于零多普勒速度附近的窄带信号。
得到广泛应用的一种衡量风切变危害的尺度是F系数，称为危险因子。危险因子是一个可用来测量飞机的性能，从而可以预测飞机航线上的安危。它是在飞行力学基础概念和已知风切变知识的基础上推导出来的，与飞机的质量和推力无关的一个指标。危险因子F定义为［35，111］
式中，
为水平风速分量变化率，Wh为垂直风速分量，g为重力加速度，v为飞机速度。
上述方程定量地确定了风切变对飞机能量状态和爬升能力的影响。危险因子F可解释为由于下击暴流、上击暴流和水平风切变造成的推重比的损失和增加。F的正值表示飞机性能的下降，F的负值表示大气扰动引起的飞机性能的提高，F为零时表示大气扰动对飞机性能没有影响。可将F分为径向水平分量Fx和垂直分量Fh，径向水平分量Fx可表示为
式中，vg为飞机地速，
为风速水平分量的空间导数。
根据式（2.63），首先由雷达测量各距离单元内的平均速度，然后用多距离单元的最小平方估值，导出各距离单元沿各方位线的速度随距离的变化
，乘以飞机地速vg并除以g，即得到风切变危险因子的水平分量Fx。
对机载前视风切变风场雷达，若雷达测得多普勒频率值，就可精确测得微粒径向速度，也就是测得了相对于水平航线的风切变水平径向风速分量Wx。但是，风切变的垂直风速分量Wh基本上是和雷达天线波束指向是垂直的，因此很难测得。已研究出一种算法，用来估算与测量的水平分量构成函数关系的垂直分量［112-115］。根据质量连续性定理，在给定高度上的垂直风速应当与水平质量散度成正比，即
式中，R为偏离微气流中心的距离。
利用式（2.64）并按前面讨论过的方法估算有关项，可得到垂直风速Wh，则可得推算出危险因子F
SF是关于飞机高度H的函数［35］
当F因子超过一定门限（如F≥0.1）时，给飞行员发出危险警告，使飞行员尽快驾驶飞机回避低空风切变危险区。图2.17显示的是当天线打到风场中心时水平危险因子Fx与总的危险因子F关系图，从图2.17上可以看出在第40个距离门附近其危险程度最大。
图2.17 危险因子随不同距离门变化关系
对风切变信号的处理主要有快速傅里叶变换法（fast Fourier transform，FFT）、脉冲对处理方法（Pulse Pair Processing，PPP）以及模式分析法等。
PPP法避免了较为复杂的功率谱密度函数的计算，简化了处理过程，处理速度高，而且可用一个硬件设备来实现，基本达到了对信号进行实时处理和实时显示的要求。因此，在天气多普勒雷达系统中，普遍采用PPP算法来实现对多普勒参数的运算和求解。在信噪比较低的情况下，PPP法的估计方差较小［111-115］，但在杂波模型偏离零多普勒时，可能会使多普勒平均速度估计值产生较大偏差。
模式分析法应用了二阶扩展PRONY方法，利用AR模型产生数据，计算出极点进而对极点模式进行判别，从而得到风场极点对应的速度［116-120］。模式分析法主要包括两部分：回波数据的分析和极点模式的判别。
二阶扩展PRONY算法利用二阶自回归（Autoregressive，AR）模型产生数据。假设序列y（n）是由白噪声通过以p阶全极点滤波器建模产生［117］
由于y（n）是由白噪声通过滤波器得到的，因此，噪声的谱函数就是滤波器的频率响应，滤波器的参数将完全决定p阶模型的谱，即
式中，σ2是白噪声功率，Ts为脉冲采样间隔。功率谱Sy（f）的分母是一特征方程，方程的根决定了频谱的特征，知道系数即可得到信号的功率谱。
求解AR模型系数这里用到了Levinson-Durbin算法。定义amk为m阶AR模型的第k个系数，ρm为m阶时的前向预测的最小误差功率，当AR模型为一阶时，有［118］
再定义第m阶时候的第m个系数，即amm为km，km称为反射系数，那么，由Toeplitz矩阵的性质，可得到Levinson-Durbin递推算法［119-120］
其中
PPP法和FFT法是平均风速估计器，仅能对回波信号提取单一的速度参数，也就是说雷达回波信号包括一个以上的主要回波源时，PPP法和FFT法估计的风速就只能是所有的回波源速度的平均。而模式分析法不同于这两种传统算法，它试图对雷达回波信号进行建模，以确定所有主要的回波源。模式分析法首先对每个回波源进行确定，然后再分别将其归类为风场回波或地杂波回波，从而得到风场回波信号的速度。