王 旭 蔡興雨 朱思橋 朱永杰

(西安電子工程研究所 西安 710100)

基于點跡特征的氣象雜波抑制技術

王 旭 蔡興雨 朱思橋 朱永杰

(西安電子工程研究所 西安 710100)

對空情報雷達在復雜環(huán)境中經常遭受各種雜波的影響，主要包括地雜波與氣象雜波等等。地雜波主要會對較低空域的目標造成掩蓋、產生虛警，一般采用合適的MTI、MTD結合雜波圖等雜波抑制手段即可以較有效地抑制；而氣象雜波主要會影響較高空域目標的探測，由于通常處于運動狀態(tài)、雜波譜較寬等因素，較難抑制。針對此問題，提出一種基于點跡特征的氣象雜波抑制技術，首先對已檢測點跡進行幅度歸一預處理，然后利用實測數(shù)據分析出氣象雜波與目標點跡在幅度起伏和速度上具有較大差異，根據幅度均值、方差和速度等特征優(yōu)化合適的分類器參數(shù)，對滿足氣象特性的航跡進行剔除。結果驗證了所提方法的有效性。

氣象雜波；點跡特征；航跡；歸一化幅度

Abstract: Air intelligence radar is often effected by various clutter in complex environment, including ground clutter and meteorological clutter, and the former will mainly cover target at lower altitude, and generate false alarm, which can be suppressed effectively by using appropriate clutter suppressing means like MTI and MTD combining clutter map; and the latter will effect detecting target at higher altitude which is difficult to be suppressed due to moving status of clutter and wider clutter spectrum. Aiming at this issue, a meteorological clutter suppression technology based on plot characteristic is presented. Firstly, the detected plot is performed amplitude normalization processing, and then using measured data analyzes bigger difference between meteorological clutter and target plot in amplitude fluctuation and speed. An appropriate classifier parameter is optimized according to amplitude average value, variance and speed. The track which met meteorological clutter characteristics is eliminated. The result verifies effectiveness of the presented method.

Keywords：meteorological clutter; plot characteristic; track; normalized amplitude

0 前言

雷達回波中通常包含有目標的反射回波、噪聲以及自然環(huán)境中不需要的反射回波分量。如果目標處于雜波背景中，弱目標會淹沒于強雜波中，造成漏警；強雜波也會造成虛警，從而產生虛假航跡以及影響真實目標航跡的建立；此外過多的雜波會引起終端的過載，嚴重影響雷達的工作性能。因此，雜波抑制是雷達相關領域一個很重要的問題[1-6]。

不同應用領域的雷達系統(tǒng)對雜波的定義可能不同，對于空情雷達而言，來自地物、海面、云雨以及敵人釋放的箔條等均為雜波，可以分為固定雜波與運動雜波[1-3]。固定雜波一般位于低空區(qū)域，主要會對較低空域的目標造成掩蓋、產生虛警，一般采用合適的MTI、MTD結合雜波圖等雜波抑制手段即可以較有效地抑制，對于中高空目標可以采用空域濾波進一步抑制；運動雜波中的氣象對雷達的影響主要表現(xiàn)在兩個方面，一是電磁波穿過氣象區(qū)域產生的衰減，二是氣象顆粒對電磁波散射產生的回波[7]。由于氣象雜波通常處于運動狀態(tài)而且雜波譜較寬，常規(guī)MTI和MTD技術無法有效對其抑制，目前多采用自適應MTI技術[1-5，8]，即首先估計出雜波的多普勒頻移，再移動MTI濾波器的凹口使之對準雜波的多普勒頻移，或者將運動雜波頻譜補償至固定雜波譜位置上[1]。但當雜波多普勒頻移估計不準時，可能抑制效果不理想，此外，抑制該多普勒頻移雜波的同時，也會同時抑制該多普勒頻移附近的目標。而由于氣象雜波的運動，剩余的氣象虛警會逐漸建立較穩(wěn)定的航跡，而且與目標航跡比較相似，以致雷達操作人員造成誤判，影響后續(xù)的處理。

針對現(xiàn)有方法無法有效抑制氣象雜波的問題，本文提出一種基于點跡特征的氣象雜波抑制技術，首先對實測數(shù)據進行分析，統(tǒng)計出氣象雜波與目標點跡的幅度起伏特性和速度均值，根據訓練樣本幅度均值、方差和速度優(yōu)化合適的分類器參數(shù)，利用推導出的均值和方差更新公式實時計算已建航目標的幅度均值、幅度方差和速度，對判別為氣象的航跡進行剔除。結果驗證了所提方法的有效性。

1 氣象雜波

考慮雷達波束照射某個方向，波束內的云等氣象現(xiàn)象會產生后向散射。在云中，后向散射體通常指云層中的很多顆粒狀的水滴、冰晶。每個顆粒即可以看成一個散射體，雷達回波信號即是每個散射體回波的矢量和。不同類型的云所含有的水滴與冰晶密度不同，因此散射特性有所區(qū)別，其有效截面積可以表示為[2，7]

σc=σ0V

(1)

由于風速的影響，雷達雜波單元內各散射體具有一定的速度，因此雜波的功率譜也具有一定的分布，通常對于氣象雜波的譜特性一般符合高斯分布模型[1，2，7]，即

(2)

其中Pc為雜波功率，σf為雜波譜寬的標準偏差，fdc表示雜波的多普勒頻移，氣象雜波的多普勒譜如圖1所示。

圖1 固定雜波與氣象雜波譜特性示意圖

`從圖中可以看出氣象雜波的中心頻率不在零頻，因此采用常規(guī)MTI或MTD無法有效進行抑制。由于氣象雜波的運動，剩余的氣象虛警會逐漸建立較穩(wěn)定的航跡，如圖2所示，而且與目標航跡比較相似，以致雷達操作人員造成誤判，影響后續(xù)的處理。目前較有效的方式是采用自適應MTI，首先估計出雜波的多普勒頻移，再對MTI濾波器系數(shù)乘以一組頻移系數(shù)，將凹口對準雜波的中心頻率，或者將運動雜波頻譜補償至固定雜波譜位置上。由于多普勒頻率僅僅為點跡中的一種特征，當雜波多普勒頻移估計不準時，有可能抑制效果不理想，此外，抑制該多普勒頻移雜波的同時，也會同時抑制該多普勒頻移附近的目標。因此考慮采用點跡的多種特征對氣象雜波進行抑制。

圖2 氣象雜波形成的虛假航跡

2 氣象雜波抑制

雷達檢測出的點跡通常具有幅度、速度、距離、方位等信息。而不同的目標、雜波往往分布在不同的空間位置上，具有不同的幅度大小、起伏特性，不同的速度大小，或者在空間上占據不同的大小。如果聯(lián)合點跡的這些特征或者部分特征，相信可以提高氣象雜波抑制性能。下面采用點跡的幅度均值、方差與速度特征來抑制氣象雜波航跡。

2.1 雷達方程與預處理

設雷達的發(fā)射功率為Pt，雷達發(fā)射天線增益為Gt，接收天線增益為Gr，信號波長為λ，目標或雜波散射截面積為σ，其距離雷達的距離為R，則雷達接收端的回波功率可以表示為[1]

(3)

由于不同的雷達截面積、不同的氣象和不同的距離將引起不同的回波強度，雷達通常接收幅度變化很大的回波，超過固定增益接收機的動態(tài)范圍[1，3]。而增加接收機動態(tài)范圍，會大為增加接收機的設計難度。為了壓縮接收機的動態(tài)范圍，并防止近程強雜波使得接收機過載飽和，通常采用近程增益控制(STC)，STC使雷達接收機的靈敏度隨時間(距離)變化，在近距離衰減的很大，在遠距離時保持原來的增益和靈敏度。因此經過信號處理后檢測出的第i個點跡的幅度可以表示為

(4)

其中Gp表示接收端信號處理的得益，F(xiàn)stc(R)表示STC控制規(guī)律，其為距離R的函數(shù)?？梢钥闯鳇c跡幅度Ai為距離Ri、目標散射截面積σi以及STC控制規(guī)律Fstc(Ri)的函數(shù)。對于檢測出的目標點跡，距離Ri已知，因此為了消除距離對點跡幅度的影響，將所有檢測出的點跡歸一至相同的距離R0，即

(5)

2.2 點跡特征分析

從實測數(shù)據中選擇已建航的清潔區(qū)域的目標點跡作為目標的訓練樣本，從無目標影響時所錄的實測數(shù)據中選擇合適的氣象雜波點跡作為氣象雜波訓練樣本。按照式(5)分別對其航跡中的點跡幅度做歸一化預處理，得到相應的歸一化幅度，然后統(tǒng)計其幅度均值和方差。

圖2-圖4所示為從多組樣本中包含的點跡信息，圖5為多組樣本中統(tǒng)計出的各特征，從圖中可以看出氣象雜波的幅度較弱、起伏小，而且速度也比目標小。其余樣本也具有類似結果，因此考慮對于已建航的目標，選擇幅度均值、幅度標準差及速度均值作為特征進行分類。

2.3 均值與方差更新公式

由于雷達波束掃描一次，目標航跡和虛假航跡會不斷有新點跡出現(xiàn)，從而引起幅度均值與方差的變化，這要求能夠實時地計算均值與方差。因此下面推導了均值與方差的更新公式，即用上一時刻的均值、方差以及當前的幅度來計算當前時刻的均值與方差。

圖3 氣象航跡的點跡特征

設第n個時刻的樣本表示為xn，第n時刻得到的均值為mn，方差為vn。則均值的更新公式可以直接表示為：

(6)

第n時刻的方差可以表示為：

從而有

因此方差更新公式為

(7)

2.4 處理方式

根據以上分析，基于點跡特征的氣象雜波抑制技術可總結如下：

a)對已檢測點跡的幅度按照式(5)進行歸一化預處理；

b)數(shù)處按照式(6)、式(7)對建航的目標統(tǒng)計其幅度均值、方差和速度均值；

c)根據幅度均值、方差和速度均值，按照一定的準則對航跡進行分類；

圖4 目標的點跡特征

d)終端根據數(shù)處的統(tǒng)計結果及顯示使能按鈕，對可能的氣象雜波的航跡進行區(qū)別顯示或不顯示。

此外，對于剛建航的目標(點跡較少的情況)，判為氣象雜波的可疑航跡，可以標記為可疑。

2.4.1 線性分類器

通過圖6可以看出兩類數(shù)據在特征空間下具有線性可分性，因此可以采用如下的線性分類器[9]

(8)

其中αi為松弛項，xi∈RN×1表示第i個訓練樣本，N表示特征的維數(shù)，li∈{1，-1}，L表示樣本數(shù)。由于線性分類器不具有拒判能力，因此結合門限濾波的方式(對線性分類器分類結果中判為氣象的樣本進行判決，低于門限的判為氣象，予以濾除)，同時滿足條件1與條件2，判為氣象航跡

condition1：wTx+b≤0

(9)

condition2：xn≤Thn，n=1，…，N

根據訓練樣本，優(yōu)化得到如下參數(shù)

w=[-0.124 -0.065 -0.341]T，b=30.704，Th=[88.932 8.360 60.442]T。

2.4.2 一類分類器

考慮到一類分類器對樣本數(shù)據具有較好的描述，可以減小庫外樣本被錯分的可能，因此設計了基于最小化超球體積[10]的一類分類器

圖5 點跡特征統(tǒng)計

圖6 兩類樣本在特征空間中的可分性

(10)

其中xi表示第一類訓練樣本，xj表示第二類訓練樣本，x0表示第一類樣本的均值，αi為松弛項。對滿足如下條件的樣本，判為氣象航跡。

(x-x0)TA(x-x0)≤1

(11)

根據訓練樣本，優(yōu)化得到如下參數(shù)

x0=[69.727 4.431 28.988]T，

Th=[69.727 4.431 28.988]T，

2.4.3 門限判決方式

通過圖5與圖6可以看出，氣象航跡具有較小的幅度均值和方差，且速度較小，因此考慮采用設置門限的方式，對滿足如下條件的航跡判為氣象航跡。

x≤Th

根據訓練樣本得到的門限如下

Th=[86.391 7.956 58.715]T。

圖7所示為采用三種方式得到的分類結果，可以看出三種分類方式能夠有效的對氣象航跡與目標航跡進行區(qū)分。線性分類器計算量較小，但可能由于訓練數(shù)據不足等原因，造成錯分；一類分類器計算量與其它兩類相比稍大，但拒判性能較好；門限判決方式的計算量小，可能存在錯分，應盡量將門限選小。

3 實測數(shù)據處理結果

按照第2.2節(jié)所說明的方式選擇實測數(shù)據作為訓練樣本。圖8所示為訓練數(shù)據中的一組，從圖8.a中可以看出，氣象雜波航跡在空間上許多區(qū)域均有分布，航跡方向較一致，這是由于氣象雜波的運動受風向、風速影響的原因。與圖8.b中目標航跡相比，非常相似，因此嚴重影響了雷達的正常工作性能以及雷達操作人員的決策。

圖7 分類結果

圖8 作為訓練用的實測數(shù)據

按照第2.4節(jié)的處理方式，根據訓練樣本的幅度均值、標準差和速度均值等特征，設定合適的參數(shù)，并應用于受氣象雜波污染的實測數(shù)據。圖9所示為氣象雜波航跡剔除前后的對比圖(采用線性分類器，其他兩種方式效果類似)，對比圖9.a和圖9.b，可以看出，目標飛行區(qū)域中的航跡得到較好的保留，而氣象雜波得到了較明顯的抑制。

圖9 氣象雜波抑制前后的對比結果

4 結束語

目前針對氣象雜波的抑制方法多基于雜波的多普勒特性，但當雜波多普勒頻移估計不準時，雜波抑制性能會嚴重下降，而且虛警建立的氣象航跡與目標航跡相似，嚴重影響雷達的正常工作性能。針對氣象雜波抑制問題，本文結合雜波速度均值與幅度起伏特性，提出一種基于點跡特征的氣象雜波抑制技術，首先利用實測數(shù)據分析出氣象雜波與目標點跡在幅度起伏特性和速度上具有較大差異，根據訓練樣本中幅度均值、方差和速度等特征，得到合適分類器參數(shù)，對滿足氣象特性的航跡進行剔除。本文方法對于點跡特征的選擇，只考慮了幅度的均值、方差和速度，而氣象雜波在空間上通常具有一定的擴展型，因此結合點跡的空間分布特性可能可以更好地提高抑制效果，這有待進一步研究。

[1] 丁鷺飛，耿富錄，陳建春.雷達原理[M].北京：電子工業(yè)出版社，2014.

[2] Skolnik Merrill I，左群生，徐國良等譯.雷達系統(tǒng)導論(第3版)[M].北京：電子工業(yè)出版社，2014.

[3] Skolnik Merrill I.雷達手冊(第3版)[M]. 北京：電子工業(yè)出版社，2010.

[4] Candan Cagatay，Yilmaz Ozgur A. Efficient Methods of Clutter Suppression for Coexisting Land and Weather Clutter Systems[J]. IEEE Transactions on Aerospace and Electronic Systems. 2009，45(4)：1641-1650.

[5] Short Robert D. An Adaptive MTI for Weather Clutter Suppression[J]. IEEE Transactions on Aerospace and Electronic Systems.1982，18(5)：552-562.

[6] 葛鳳翔，孟華東，彭應寧. 雜波譜中心和譜寬估計方法[J]. 清華大學學報(自然科學版). 2002，42(7)：941-944

[7] 楊尚軍，雷達模擬器氣象雜波的建模與仿真[D]. 國防科技大學碩士學位論文. 2006：33-39.

[8] 伊銳，唐緯. S波段兩坐標雷達反氣象的一種方法[J]. 現(xiàn)代雷達. 2001，23(增)：34-36.

[9] 李彥兵，基于微多普勒效應的運動車輛分類研究[D]. 西安電子科技大學博士學位論文. 2012：57-62.

[10] Boyd S.，Vandenberghe L. Convex Optimization[M]. Cambridge，UK：Cambridge Univ. Press，2004：221-229，422-432.

TechnologyofMeteorologicalClutterSuppressionBasedonPlotCharacteristic

Wang Xu， Cai Xingyu， Zhu Siqiao， Zhu Yongjie

(XI’an Electronic Engineering Research Institute， Xi’an 710100)

TN95

A

1008-8652(2017)02-006-09

2017-04-25

王 旭(1987-)，男，博士研究生。研究方向為雷達系統(tǒng)、信號處理、發(fā)射波形設計。