本研究由北京理工大学光电学院、近地表探测技术全国重点实验室及工业和信息化部信息光子技术重点实验室的Xu Zhang、Xianqing Zang、Yuxuan Sang、Xinwei Lian和Chunqing Gao*（通讯作者）共同完成。研究成果以题为“An Enhanced Three-Dimensional Wind Retrieval Method Based on Genetic Algorithm-Particle Swarm Optimization for Coherent Doppler Wind Lidar”的论文形式，于2025年5月2日发表在学术期刊《Remote Sensing》（卷17，第1616页）。该研究提出了一种用于相干多普勒测风激光雷达（Coherent Doppler Wind Lidar, CDWL）的新型三维风场反演算法，并进行了全面的仿真与实地验证。
在学术背景方面，本研究隶属于大气科学和激光雷达遥感技术领域。精确的三维风场信息对数值天气预报、重力波分析和边界层动力学研究等应用至关重要。相干多普勒测风激光雷达凭借其遥感能力、高测量精度和高时空分辨率，已成为风场探测的研究热点。然而，从激光雷达直接获取的视线风速中反演三维风场存在技术挑战。传统的风速反演算法主要分为两类：一类是基于正弦波拟合（Sine Wave Fitting, SWF）的方法，如直接正弦波拟合和滤波正弦波拟合；另一类是直接基于多方位频谱数据反演三维风分量的方法，如最大频率累积谱（Maximum Frequency Accumulated Spectrum, MFAS）和最大速度最大似然法。前者计算效率高但信噪比适应性差，后者精度高、探测距离远，但计算复杂，难以满足实时处理需求。先前的研究尝试结合遗传算法改进MFAS，但计算性能仍不足以实现实时处理。因此，本研究旨在开发一种既能保持高精度和远距离探测优势，又能满足实时处理要求的新型风场反演算法。
本研究详细的工作流程包含多个环节。首先，研究团队提出了一种结合遗传算法（Genetic Algorithm, GA）和粒子群优化算法（Particle Swarm Optimization, PSO）的混合优化框架——GA-PSO算法。算法的核心思想是将三维风速反演问题（求解vx, vy, vz）转化为一个三维变量的优化问题，其目标函数是最大化所有方位角上的频谱累积幅度。GA算法擅长全局搜索但收敛慢，PSO算法收敛快但易陷入局部最优，GA-PSO通过引入GA的交叉和变异操作到PSO迭代中，平衡了全局探索与局部寻优能力，提升了效率。
具体算法流程如下：（1）对实验获得的频谱数据进行傅里叶插值，将频谱分辨率提升至优于0.05 MHz。（2）设置优化参数：粒子群规模50，最大迭代次数200，惯性权重w、认知因子c1、社会因子c2动态调整，并设定了GA的交叉概率pc=0.2和变异概率pm=0.35。评价函数为多方位频谱幅度之和，总方位角数为16。（3）将问题空间维度设为3（对应三个风速分量）。对于第一个距离门，采用直接正弦波拟合方法计算初始三维风速作为搜索中心，并设定搜索范围。粒子群初始位置和速度在此范围内随机生成。利用风场的空间连续性，当前距离门收敛后的最优解将作为下一个距离门的搜索中心，依次递推，加速全剖面反演。（4）在每次迭代中，计算每个粒子的适应度，更新个体最优和全局最优解，并根据公式更新粒子速度和位置。（5）每5次迭代后，执行GA的交叉和变异操作，以防止早熟收敛。（6）设立一个长度为20的迭代评估寄存器，记录连续迭代的全局最优解。当寄存器内数据的梯度为零（即连续20次迭代无改进）或达到最大迭代次数时，优化终止，输出最优三维风速。该算法流程通过优化框架设计，在保证精度的同时显著提升了计算效率。
为了验证算法性能，研究团队进行了系统的仿真和实地实验。在仿真部分，他们采用了一种高效的频谱模拟方法，生成了包含16个方位角、100个距离门的仿真数据，模拟了不同信噪比条件下的风场信号。使用该仿真数据，他们对比评估了三种算法：基于Levenberg-Marquardt的直接正弦波拟合算法（LM-DSWF）、滤波正弦波拟合算法（FSWF）以及提出的GA-PSO算法。每种算法都进行了500次独立的仿真反演，统计了水平风速和风向的均方根误差，并在同一台工业级计算机上比较了计算耗时。仿真结果表明，在近程（1-40距离门），所有算法精度都较高。随着距离增加、信噪比下降，LM-DSWF性能迅速恶化，FSWF和GA-PSO在60距离门内均能保持误差在5 m/s以内。超过60距离门后，FSWF性能下降，而GA-PSO在整个100个距离门内均能维持误差小于5 m/s和风向误差小于10°的精度，展现了优异的稳健性。在计算效率上，LM-DSWF处理100个距离门平均需175秒（约1.7 ms/门），GA-PSO需180秒（约3.6 ms/门），而FSWF则超过1500秒。GA-PSO在精度显著优于LM-DSWF的同时，计算时间仅为其两倍左右，且远快于FSWF。
在实地实验部分，研究团队使用了本课题组自主研发的机载相干多普勒测风激光雷达系统进行地基和机载实验。该系统工作波长1550 nm，最大脉冲能量300 µJ，望远镜孔径100 mm，可实现360°圆锥扫描，配备核心板进行实时频谱处理和风反演。2023年3月和2025年1-2月，在山西太原和天津进行了地基实验。实验期间，激光雷达以0.5秒的时间分辨率和30米或20米的距离分辨率采集频谱数据。他们使用LM-DSWF算法和GA-PSO算法分别处理采集到的实时数据以及时间平均后的数据。结果显示，在有效探测距离上，GA-PSO算法相比LM-DSWF算法将探测范围扩展了20%至30%。例如，在实时数据处理中，GA-PSO的有效探测距离可达3.78公里，而LM-DSWF仅为2.82公里。在天津与255米气象塔的对比验证实验中，将激光雷达在80米、120米和220米高度的测量结果与气象塔数据进行10分钟平均后对比。数据显示，GA-PSO算法的反演结果与气象塔参考数据高度一致：水平风速平均偏差优于0.27 m/s，风向平均偏差优于3.07°；均方根误差分别优于0.36 m/s和6.04°；相关系数R²分别超过0.9803和0.9971，充分验证了算法的准确性。
为了验证算法在机载平台和复杂大气条件下的适用性，研究团队于2024年7月和9月在山西进行了机载飞行实验。飞行高度在2.5公里至5.5公里之间。实验中，他们使用组合导航系统进行精确的平台运动补偿，将飞机运动速度从测量数据中扣除，并使用地理坐标系下的方位角和天底角进行坐标转换。实验数据处理同样对比了LM-DSWF和GA-PSO算法。在2024年7月22日5.5公里高空的飞行实验中，大气信噪比分布复杂，在3.3-3.9公里和4.2-5.3公里高度存在低信噪比区域。LM-DSWF算法在这些区域出现了大量异常值，无法获得有效风场信息。而GA-PSO算法成功获得了该1.7公里高度范围内的有效水平风速和风向信息，相比LM-DSWF恢复了额外31%的有效测量范围。在信噪比较好的相邻时间段，两种算法的结果具有良好的一致性和时空连续性，证实了GA-PSO在低信噪比条件下反演结果的可靠性。在另一次飞行实验中，GA-PSO算法同样在LM-DSWF失效的低信噪比区域成功重建了完整且物理合理的风廓线。计算性能测试表明，GA-PSO算法处理70个距离门（对应一次完整的机载测量剖面）的平均时间为0.40秒（标准差0.056秒），虽然略慢于DWSF类方法，但完全满足机载风场实时反演的应用需求。
本研究的主要结论是，成功提出并验证了一种基于GA-PSO混合优化框架的新型三维风场反演算法。该算法有效融合了MFAS方法高精度、远探测距离的优势和优化框架的高效性。实地实验证明，该算法在地基探测中可将有效探测距离延伸20%-30%，且与气象塔数据对比具有高精度；在机载探测中，能够在复杂低信噪比条件下成功反演风场，恢复传统算法失效区域的数据，处理速度满足实时性要求。这标志着该算法能够替代传统方法，在整个风场测量范围内发挥其性能优势。
本研究的科学价值在于，为解决相干多普勒测风激光雷达三维风场反演中“精度/距离”与“实时性”的矛盾提供了一个高效的技术方案。它通过创新的算法架构设计，推动了风场反演方法的发展。其应用价值非常显著：该算法已在地基和机载平台上得到验证，展现出在数值天气预报同化、航空安全（风切变和湍流探测）、风能评估以及大气科学研究等领域实现高精度、实时、远距离三维风场监测的广阔应用前景。
本研究的亮点在于：第一，重要的研究发现：GA-PSO算法在低信噪比条件下具有卓越的稳健性，能显著扩展激光雷达的有效探测距离，并在机载复杂环境下实现完整风廓线的可靠反演。第二，方法的新颖性：首次将GA与PSO深度结合的混合优化框架成功应用于CDWL的三维风场反演问题中，巧妙平衡了全局搜索与收敛速度，使得基于频谱累积原理的高精度方法具备了实时处理能力。第三，验证的全面性与可靠性：研究不仅进行了详尽的仿真分析，还通过长时间、多地点、多平台（地基、机载）的实地实验，并与高精度气象塔数据进行严格对比，提供了强有力的证据链，证明了算法的优越性和普适性。
其他有价值的内容还包括：研究中对算法参数（如惯性权重、学习因子）的设置策略进行了说明；详细阐述了从平台坐标系到地理坐标系的转换及运动补偿方法；在讨论部分客观分析了算法性能增强的物理限制（受频谱特性制约）以及在不同信噪比和风速条件下性能波动的可能原因；并指出在计算资源充足的情况下，可通过提高频谱插值分辨率、增加迭代次数等方式进一步提升算法性能，为后续优化指明了方向。这些细节使得研究工作更加扎实和完整。