(大連海事大學(xué),遼寧大連116026)

0 引言

單元平均恒虛警(CA-CFAR)和雙參數(shù)恒虛警(BP-CFAR)檢測方法在均勻雜波環(huán)境中通常能得到較好的檢測性能[1]。但是,在復(fù)雜環(huán)境中,當(dāng)檢測目標(biāo)的參考窗內(nèi)出現(xiàn)1個或多個干擾(例如目標(biāo)),檢測性能將隨著干擾強(qiáng)度和干擾數(shù)量的增加而下降[2]。為此,相繼提出了各種各樣的解決方法。

文獻(xiàn)[3]利用核密度(非參數(shù)估計)法對參考單元數(shù)據(jù)進(jìn)行估計處理,為雜波特性不確知下的恒虛警處理提供了一種有效的方法,檢測性能相對已有的單樣本非參量CFAR處理器有了大幅提升,但對于參考單元中因目標(biāo)而導(dǎo)致的對雜波統(tǒng)計特性的干擾問題,需要另辟蹊徑。

文獻(xiàn)[4]針對于強(qiáng)雜波背景下的小目標(biāo)檢測,同時利用常規(guī)CA-CFAR與自適應(yīng)匹配濾波,但需利用回波信號的幅度和相位信息,不適用于難以獲取回波相位的非相參航海雷達(dá)。

文獻(xiàn)[5]提出了ATM-CFAR方法,利用有序數(shù)據(jù)變率(ODV)統(tǒng)計量自動選擇參數(shù)進(jìn)行雜波估計,使削減平均恒虛警(TM-CFAR)處理具有自適應(yīng)性,在多目標(biāo)背景下取得較好的檢測性能,但該方法需要對雜波分布判決門限進(jìn)行合理選擇,否則會影響雜波環(huán)境的正確判決概率,并且在大目標(biāo)占據(jù)參考單元數(shù)較多的情況下,仍會導(dǎo)致大目標(biāo)鄰近的小目標(biāo)無法有效檢測。

文獻(xiàn)[6]的自適應(yīng)單元平均(ACA-CFAR)方法將參考單元分成q個長度為M的子窗,基于全程雜波均值與子窗均值的比較,刪除存在干擾目標(biāo)的子窗,但因假設(shè)雜波是均勻的,對于常常工作在非均勻海雜波下的航海雷達(dá),還需具備建立自適應(yīng)保護(hù)帶的能力。

文獻(xiàn)[7]針對目標(biāo)的遮蔽現(xiàn)象,利用地理信息系統(tǒng)(GIS)的先驗信息對參考單元進(jìn)行篩選,盡可能多地選擇與待測單元地貌相同的訓(xùn)練樣本,構(gòu)建知識輔助的CA-CFAR器。

利用所獲得的先驗知識,對非均勻雜波的統(tǒng)計特性進(jìn)行測試,可有效提高非均勻雜波環(huán)境下的目標(biāo)的檢測性能,降低非均勻雜波環(huán)境下采用非均勻訓(xùn)練采樣點可能帶來的不利影響[8]。

顯然,有效利用各種信源手段獲取知識是實現(xiàn)自適應(yīng)CFAR的有效方法。本文的目標(biāo)屏蔽帶自適應(yīng)調(diào)整的CFAR(AW-CFAR)方法,針對航海雷達(dá)常遇到的目標(biāo)密集分布的情況,利用船舶自動識別系統(tǒng)(Automatic Identification System,AIS)的目標(biāo)感知信息,在CA-CFAR中加入自適應(yīng)調(diào)整的目標(biāo)屏蔽帶,以消除目標(biāo)進(jìn)入?yún)⒖即翱趯到y(tǒng)計量估計的影響,從而有效解決常規(guī)CFAR處理因目標(biāo)進(jìn)入?yún)⒖即翱诙鴮?dǎo)致的干擾和檢測性能損失的問題。

1 基于AIS信息的AW-CFAR算法

1.1 自適應(yīng)的目標(biāo)屏蔽帶寬度

本文考慮在更好地保護(hù)目標(biāo)檢測性能的同時,還應(yīng)保障對臨近大目標(biāo)的小目標(biāo)的可靠檢測。為此,CFAR的保護(hù)帶在保護(hù)被檢測目標(biāo)自身的同時,必須避免大目標(biāo)對臨近小目標(biāo)檢測的不利影響,因而需要建立目標(biāo)屏蔽帶。屏蔽帶寬度W是一個對檢測性能具有重要影響的參數(shù),仿真結(jié)果如圖1所示。

圖1(a)是瑞利雜波下的雷達(dá)回波信號波形,AIS目標(biāo)縱向?qū)挾葹?0個距離量化單元;圖1(b)為常規(guī)無保護(hù)帶的CA-CFAR的均值估計值,圖1(c)～圖1(e)分別為W等于、小于和大于目標(biāo)尺寸的三種情況下的均值估計值?？梢?當(dāng)W與目標(biāo)尺寸匹配和大于目標(biāo)尺寸時,均可有效避免目標(biāo)進(jìn)入?yún)⒖紗卧獙倒烙嬙斐傻牟焕绊?。W過小,難以避免干擾目標(biāo)的影響;W過大,會造成檢測單元與參考單元偏離過大,受雜波非平穩(wěn)特性的影響加大。為此,為了避免因W與目標(biāo)尺寸不匹配而導(dǎo)致的恒虛警處理效果變差,并考慮對臨近大目標(biāo)的小目標(biāo)的可靠檢測,需要建立屏蔽帶寬度W隨目標(biāo)尺寸自適應(yīng)調(diào)整的AW-CFAR處理器。

圖1 不同W下均值統(tǒng)計量的估計結(jié)果

目前絕大多數(shù)機(jī)動船舶都裝設(shè)有AIS設(shè)備,利用AIS的目標(biāo)信息實現(xiàn)目標(biāo)干擾環(huán)境的感知,進(jìn)而建立自適應(yīng)目標(biāo)屏蔽帶,以消除這些目標(biāo)對鄰近目標(biāo)(特別是小目標(biāo))檢測性能的影響。

圖2為來自AIS的目標(biāo)尺寸信息,目標(biāo)的長寬尺寸分別為A+B和C+D。圖3為目標(biāo)尺寸與屏蔽帶寬度W的關(guān)系。

設(shè)由AIS獲得的目標(biāo)的航向為γ,目標(biāo)的方位為α,目標(biāo)的距離為r,當(dāng)前的雷達(dá)方位為θ,ξ為以弧度為量綱的雷達(dá)天線水平波束寬度,?=|α-γ|。

圖2 AIS6的船舶尺寸信息

圖3 AIS船舶尺寸在徑向方向的投影關(guān)系

將距離和方位離散化后,各變量用量化單元個數(shù)表示,可得如下的AIS目標(biāo)的徑向尺寸的計算公式:

式中:NA,NB,NC和ND分別表示A,B,C和D的距離量化單元數(shù);Ro表示距離量化單元;θo表示方位量化單元;Nr和Nθ分別表示用距離量化單元數(shù)和方位量化單元數(shù)表示的目標(biāo)的距離和方位;τ表示發(fā)射脈沖寬度,c表示光速。則隨目標(biāo)徑向尺寸自適應(yīng)調(diào)整的屏蔽帶寬度為

式中,INT(·)表示取整。在不同方位上,屏蔽帶對該目標(biāo)的保護(hù)作用一直持續(xù)到目標(biāo)脫離雷達(dá)水平波束。

根據(jù)雷達(dá)目標(biāo)的距離不同,目標(biāo)所占據(jù)的方位量化單元數(shù)不同,對于尺寸小于和大于雷達(dá)水平波束橫向尺寸ΔL的遠(yuǎn)、近距離目標(biāo),目標(biāo)尺寸對CFAR處理影響的方位范圍不同,ΔL為

顯然,應(yīng)分如下兩種情況考慮目標(biāo)尺寸對CFAR處理的影響。

1)ΔL＞A+B

此情況下,目標(biāo)對CFAR影響的方位范圍為水平波束寬度的方位范圍,F(Nθ)按式(2)計算。

2)ΔL＜A+B

此情況下,目標(biāo)對CFAR影響的方位范圍大于雷達(dá)水平波束寬度的方位范圍,F(Nθ)按照下式計算:

在不能有效獲取AIS目標(biāo)尺寸參數(shù)的情況下,根據(jù)圖2(b)和圖2(d),可通過分析均值估計值的變化情況,對屏蔽帶進(jìn)行調(diào)整。當(dāng)均值估計值明顯增大時,應(yīng)調(diào)大屏蔽帶,直到均值維持相對平穩(wěn)。

1.2 自適應(yīng)目標(biāo)屏蔽帶恒虛警算法(AW-CFAR)

設(shè)共有P個AIS目標(biāo),第i個AIS信息用向量DAi表示為DAi=[Nai,Nri,Nγi,NAi,NBi,NCi,NDi]T,i=1,2,…,P,式中各元素的意義同式(1)～式(3)。

又設(shè)當(dāng)前檢測單元為(Nθ,Nr),AW-CFAR的結(jié)構(gòu)模型如圖4所示。圖中,CW為屏蔽帶控制參數(shù),如式(7)所示:

第一檢測門限處理器完成CA-CFAR或BP-CFAR(雙參數(shù)恒虛警處理器)處理。第i個檢測單元的第一檢測門限處理器輸出yi為

式中,xi為檢測單元的輸入信號,為雜波的均值估計值,為雜波的方差估計值。分別按下式計算:

式中:NmWL和NmWR分別為屏蔽帶的左單元和右單元;NR為檢測單元;N為左右參考窗口長度;EL和ER分別為左、右參考窗口求得的均值;DL和DR分別為左、右窗口求得的方差。

圖4 AW-CFAR處理器的結(jié)構(gòu)模型

1.3 AW-CFAR算法的處理流程

由式(4)可見,目標(biāo)屏蔽帶寬度將隨目標(biāo)方位的變化而改變,這一改變由式(2)控制。本算法檢測單元是從第Nmin個距離量化單元開始,逐個量化單元進(jìn)行檢測,直到最大的距離量化單元Nmax。當(dāng)遇到大目標(biāo)后,停止前移,直到檢測單元離開目標(biāo)屏蔽帶為止。此后,目標(biāo)屏蔽帶撤銷,CFAR恢復(fù)為式(12)的右窗口CFAR(RW-CFAR)處理模式,當(dāng)檢測單元距離檢測目標(biāo)間距為Nr+N時,恢復(fù)為式(13)常規(guī)的CFAR處理模式,NSM為被屏蔽目標(biāo)的最大距離單元。

按照上述算法,瑞利雜波的AW-CFAR處理器的計算流程如圖5所示。同理,將圖5中的CA-CFAR換成BP-CFAR,即得到韋布爾雜波的AW-CFAR處理器的計算流程。圖中,Wm為θm方位的屏蔽帶寬度,Mθ為用量化單元數(shù)表示的被屏蔽目標(biāo)的方位最大尺寸,NθM為用量化單元數(shù)表示的雷達(dá)監(jiān)測的最大方位單元。

圖5 瑞利雜波的AW-CFAR處理流程

2 仿真分析

設(shè)在瑞利雜波背景下,一個大目標(biāo)的方位為50°,距離為5 n mile,航向為80°,AIS提供的目標(biāo)尺寸A為70 m,B為50 m,C為20 m,D為8 m,雷達(dá)的發(fā)射脈沖寬度τ=0.2μs,雷達(dá)的距離量化單元為3.25 m,則根據(jù)式(1)～式(4),得屏蔽寬度W為41個距離量化單元。圖6和圖7為當(dāng)小目標(biāo)縱向尺寸為6個量化單元時,與大目標(biāo)間的間距由小變大時,利用圖5所示流程,分別對瑞利雜波環(huán)境和韋布爾雜波環(huán)境下的上述目標(biāo)進(jìn)行10 000次實驗所得到的小目標(biāo)檢測處理結(jié)果(左右參考單元寬度分別為16,大目標(biāo)信雜比為30 d B,圖中位置為250)。

圖6 瑞利雜波背景下與大目標(biāo)不同距離的小目標(biāo)AW-CFAR和CA-CFAR檢測處理結(jié)果比較

圖7 韋布爾雜波背景下與大目標(biāo)不同距離的小目標(biāo)AW-CFAR和BP-CFAR檢測處理結(jié)果比較

圖6為在瑞利雜波環(huán)境下,采用屏蔽帶自適應(yīng)調(diào)整的AW-CFAR處理算法的小目標(biāo)檢測處理結(jié)果和無屏蔽帶的常規(guī)CA-CFAR處理器的小目標(biāo)檢測處理結(jié)果的對比圖;圖7為在韋布爾雜波環(huán)境下,采用針對韋布爾分布特性的雙AW-CFAR處理算法的小目標(biāo)檢測處理結(jié)果和無屏蔽帶的常規(guī)BP-CFAR處理器的小目標(biāo)檢測處理結(jié)果的對比圖。

由圖6和圖7可見,對大目標(biāo)附近的小目標(biāo)采用本文所給出的處理方法(AW-CFAR),相比于傳統(tǒng)的CA-CFAR和BP-CFAR方法,在同樣的發(fā)現(xiàn)概率條件下,對大目標(biāo)附近的小目標(biāo)的檢測能力得到極大改善,在目標(biāo)間距為30個距離量化單元時,瑞利雜波背景下AW-CFAR信雜比改善8～13 dB;韋布爾雜波背景下,AW-CFAR信雜比改善20 dB?？梢?韋布爾雜波背景下,AW-CFAR方法更能克服BP-CFAR對目標(biāo)進(jìn)入?yún)⒖紗卧^于敏感的問題,獲得更好的大目標(biāo)附近的小目標(biāo)的檢測效果。此外,由實驗結(jié)果可見,當(dāng)小目標(biāo)與大目標(biāo)的距離增大時,兩種處理方法均顯示出這種優(yōu)勢會變小;當(dāng)小目標(biāo)遠(yuǎn)離大目標(biāo)時,本文所提出的方法對小目標(biāo)的檢測能力與傳統(tǒng)的CA-CFAR和BP-CFAR方法相同。

3 結(jié)束語

本文利用由AIS獲得的目標(biāo)位置和尺寸信息,建立目標(biāo)屏蔽帶,并自適應(yīng)調(diào)整屏蔽帶寬度。實驗結(jié)果表明,該處理方法既有效地保護(hù)了大目標(biāo)的檢測性能,同時也有效地提高了大目標(biāo)附近小目標(biāo)的檢測能力。此外,該方法可應(yīng)用于所有基于檢測單元和參考窗口結(jié)構(gòu)的統(tǒng)計量估計CFAR處理器。

[1]何友,關(guān)鍵,彭應(yīng)寧,等.雷達(dá)自動檢測與恒虛警處理[M].北京:清華大學(xué)出版社,1999:32-38.

[2]GANDHI P P,KASSAM S A.Analysis of CFAR Processors in Nonhomogenous Background[J].IEEE Trans on Aerospace and Electronic Systems,1988,24(4):427-445.

[3]郝凱利,易偉,董天發(fā),等.未知雜波背景下恒虛警檢測門限獲取方法[J].雷達(dá)科學(xué)與技術(shù),2015,13(2):183-189.HAO Kaili,YI We,DONG Tianfa,et al.CFAR Detection Based on Kernel Density Estimation Under Background Unknown[J].Radar Science and Technology,2015,13(2):183-189.(in Chinese)

[4]曾浩,李潔,鑒福升.強(qiáng)海雜波環(huán)境下目標(biāo)檢測方法對比分析[J].雷達(dá)科學(xué)與技術(shù),2015,13(1):33-36.ZENG Hao,LI Jie,JIAN Fusheng.Comparative Analysis of Target Detection Methods in Strong Sea Clutter Background[J].Radar Science and Technology,2015,13(1):33-36.(in Chinese)

[5]杜海明,馬洪,杜保強(qiáng).基于統(tǒng)計量ODV的自適應(yīng)TM-CFAR檢測[J].北京郵電大學(xué)學(xué)報,2013,36(2):64-69.

[6]張中僅,于雪蓮,鐘琦.一種自適應(yīng)CFAR方法在機(jī)場跑道FOD檢測中的應(yīng)用[J].無線電工程,2014,44(2):60-62.

[7]李青華,姚云萍.一種基于知識輔助的CFAR檢測器[J].雷達(dá)科學(xué)與技術(shù),2012,10(1):88-93.LI Qinghua,YAO Yunping.A Knowledge-Aided CFAR Detector[J].Radar Science and Technology,2012,10(1):88-93.(in Chinese)

[8]WANG Yikai,XIA Wei,HE Zishu.CFAR Knowledge-Aided Radar Detection with Heterogeneous Samples[J].IEEE Signal Processing Letters,2017,24(5):693-697.