1.一种基于快速傅里叶卷积的激光雷达盲区重建方法，其特征在于，包括以下步骤：

步骤1，基于激光雷达观测的存在盲区径向风速反演得到二维风场，利用观测的径向风场，结合统计插值和背景误差协方差，实现从径向风场反演得到二维风场，在非盲区影响区域自定义虚拟无盲区雷达探测范围；其中虚拟雷达探测范围由虚拟雷达位置、探测距离和方位角决定；

步骤2，基于虚拟无盲区雷达探测范围内的二维风场（ ）和虚拟雷达位置 ；计算第 个距离门 处的径向风速 ，通过以下步骤得出：首先计算点 的方位角，给定方位角 后，点 的径向风速 ，得到虚拟雷达的径向风速水平扫描结果；

步骤3，根据所述步骤1中的虚拟雷达雷达探测距离来设置盲区范围 ，对所述步骤2输出的径向风速水平扫描结果进行盲区处理，盲区范围内的径向风速设置为缺省值，得到盲区模拟数据集；所述步骤2输出的径向风速水平扫描结果为真值数据集；

步骤4，将所述步骤3中的数据分为训练集、验证集和测试集，以支持接下来的模型训练和评估；

步骤5，利用所述步骤4中的训练集和验证集对基于快速傅里叶卷积神经网络的盲区重建模型进行训练，并在测试集上基于均方根误差、结构相似性指标和图像相似性度量标准从感知损失的角度完成对重建模型性能的定量评估，以均方根误差为例（包括但不限于使用均方根误差来定量评估），，

其中，  和  分别代表测试集和重建结果的格点径向风速，n为总格点数；

步骤6，利用步骤5中性能验证后的盲区重建模型对实时探测结果进行盲区重建，包括收集实时观测的径向风速平面扫描结果，作为盲区重建模型的输入；重建模型利用学习到的特征和模式来重建盲区范围内的径向风速数据，在完成重建后输出无盲区径向风速水平扫描结果；

步骤7，利用步骤6中输出无盲区径向风速水平扫描结果计算重建结果格点RGB通道与径向风速色标的欧几里得距离，检索最小值得到该格点的径向风速大小，其中欧几里得距离的计算公式为，，

其中 和 分别代表重建区域的第 网格点和色标的第 种颜色,对

于每个网格点，根据欧几里得距离 最小值对应的索引k来确定第 网格点的径向风速；

步骤8,基于不同盲区条件的测试集数据对步骤5中完成验证的盲区重建网络的重建性能进行敏感性分析，其中不同盲区条件包括：盲区范围D和扫描方位角 ；基于步骤7中的重建结果与径向风速色标的欧几里得距离获得格点的具体径向风速，从而计算重建前后测试集径向风速的均方根误差，建立不同盲区条件下径向风速的均方根误差分布。

2.根据权利要求1所述的一种基于快速傅里叶卷积的激光雷达盲区重建方法，其特征在于：在步骤1中，待模拟风场的范围包括风场的空间尺度，即区域的长度、宽度以及垂直高度；所述反演二维风场是利用雷达观测的径向风速，结合统计插值技术和背景误差协方差函数，实现从径向风场反演得到二维风场，包括导出表示径向风速 和切向风速 背景误差的二维交叉协方差函数 ，相对于波束方向其中 表示空间距离；随后，使用统计插值技术，结合导出的背景误差协方差函数，从雷达观测的径向风速数据中反演得到二维风场，包括构建代价函数，，

其中，是待求的二维风场， 是背景风场， 是背景误差协方差矩阵， 是分析得到的径向风速， 是观测的径向风速， 是观测误差协方差矩阵；代价函数用于衡量分析风场与观测数据之间的差异，通过极小化代价函数，反演得到的二维风场；所述在非盲区影响区域自定义虚拟无盲区雷达探测范围，即从非盲区影响区域的真实二维风场提取指定区域的风场信息。

3.根据权利要求2所述的一种基于快速傅里叶卷积的激光雷达盲区重建方法，其特征在于：在步骤4中，处理后得到的径向风速水平扫描结果进行数据划分，以支持后续的盲区重建模型训练和性能评估，包括，将步骤3中的数据分配为训练集、验证集和测试集，，其中训练集占总数据量的70%，验证集占比20%，测试集占比10%，旨在平衡模型的学习能力与泛化能力，同时保留足够的数据进行有效的性能评估；在分配数据之前，先进行数据的随机化处理。

4.根据权利要求3所述的一种基于快速傅里叶卷积的激光雷达盲区重建方法，其特征在于：在步骤5中，使用所述步骤4中分配的训练集对基于快速傅里叶卷积网络的盲区重建模型进行训练，将信道划分为两个并行分支：其中，局部分支使用卷积；全局分支使用实快速傅里叶变化来考虑全局背景；所述快速傅里叶卷积包括，将实快速傅里叶变化应用于输入张量，并连接实部和虚部：随后，在频域中应用卷积块：

随后，应用逆变换恢复空间结构：

所述在测试集上完成对盲区重建模型性能的定量评

估，包括训练完成后，使用步骤4中分配的测试集对模型进行定量评估，评估指标包括准确率、召回率、F1分数。

5.根据权利要求4所述的一种基于快速傅里叶卷积的激光雷达盲区重建方法，其特征在于：在步骤8中，基于不同盲区条件的测试集数据对步骤5中完成验证的盲区重建网络的重建性能进行敏感性分析，其中不同盲区条件包括：盲区范围D和扫描方位角 ；使用步骤7中的欧几里得距离反演以图像形式输出的径向风速重建结果，获得格点的具体径向风速，从而计算重建前后测试集径向风速的均方根误差，建立不同盲区条件下径向风速的均方根误差分布。

6.一种于快速傅里叶卷积的激光雷达盲区重建系统，其特征在于，该系统包括：

激光雷达信号发射与接收处理模块，按照设定的扫描仰角、范围以及扫描频率，对目标区域进行连续的多次扫描，获取多个时次的多普勒频移，并将其处理成径向风速的空间分布信息进行输出；

模拟大气风场生成模块，设置虚拟无盲区雷达探测范围；其中虚拟雷达探测范围由虚拟雷达位置、探测距离和方位角决定；基于激光雷达观测的存在盲区径向风速反演得到二维风场，利用观测的径向风场，结合统计插值和背景误差协方差，实现从径向风场反演得到二维风场，从二维风场非盲区影响区域提取风场信息，对于虚拟雷达位置计算非盲区影响区域的径向风速水平扫描结果，基于虚拟无盲区雷达探测范围内的二维风场（ ）和虚拟雷达位置 ；计算第 个距离门 处的径向风速 ，通过以下步骤得出：首先计算点 的方位角 ，给定方位角 后，点 的径向风速，得到虚拟雷达的径向风速水平扫描结果从而输出完整的

径向风速水平扫描结果，完成径向风场水平扫描结果仿真；

模拟盲区生成模块，根据虚拟雷达探测距离来设置盲区范围 ，对输出的径向风速水平扫描结果进行盲区处，盲区范围内的径向风速设置为缺省值，得到盲区模拟数据集；虚拟大气风场生成模块输出的径向风速水平扫描结果为真值数据集；

盲区重建网络训练模块，利用训练集和验证集对基于卷积神经网络的盲区重建模型进行训练，并在测试集上完成对重建模型性能的定量评估，以验证模型的有效性和精确性；

盲区重建网络重建模块，利用性能验证后的盲区重建模型对实时探测结果进行盲区重建，在完成重建后输出无盲区径向风速水平扫描结果；

重建质量评估模块，利用完成验证的盲区重建网络对不同盲区条件的测试集数据进行重建性能的敏感性分析，其中不同盲区条件包括：盲区范围D和扫描方位角 ；使用输出无盲区径向风速水平扫描结果计算格点RGB通道与径向风速色标的欧几里得距离反演以图像形式输出的径向风速重建结果，获得格点的具体径向风速，从而计算重建前后测试集径向风速的均方根误差，建立不同盲区条件下径向风速的均方根误差分布，其中欧几里得距离的计算公式为，，

其中 和 分别代表重建区域的第 网格点和色标的第 种颜色,对

于每个网格点，根据欧几里得距离 最小值对应的索引k来确定第 网格点的径向风速；

在实际重建过程中，由于缺乏盲区的探测数据，因此可以基于实际的盲区范围和扫描方位角与重建误差的关系对盲区重建结果实现定量评价。