雷达数据处理中的杂波抑制方法

罗兴旺, 张伯彦, 刘　嘉, 蔺宏江, 禹　娟

(北京无线电测量研究所, 北京 100854)



雷达数据处理中的杂波抑制方法

罗兴旺, 张伯彦, 刘嘉, 蔺宏江, 禹娟

(北京无线电测量研究所, 北京 100854)

摘要：研究雷达数据处理中的杂波抑制及虚假目标消除的方法。针对密集杂波干扰,结合工程应用实践,提出一种基于杂波图的杂波抑制方法,对涉及的杂波区域判别与标识、杂波图网格划分以及提高杂波图分辨率等关键技术进行了全面阐述。同时,给出了组网雷达数据处理中的杂波抑制方法,包括组网雷达杂波环境下融合权值选取以及利用融合中心信息辅助单雷达抑制杂波并建立航迹等。仿真试验结果表明，提出的方法可以有效抑制剩余杂波和剩余干扰产生的虚假航迹,适合应用于杂波环境下的雷达数据处理和组网雷达数据处理中。

关键词：雷达数据处理; 杂波抑制; 杂波图; 杂波密度; 航迹起始; 雷达组网

0引言

雷达在工作过程中,不可避免的会受到杂波的影响,包括地杂波、海杂波和气象杂波。同时,由于电子对抗技术的不断发展和战场环境的复杂化,雷达还必然会受到电子干扰的影响。常用的杂波抑制技术是在信号处理中采取相应的措施,如动目标显示、动目标检测、恒虚警率等。一般的雷达抗干扰方法则是在天线、发射机、接收机及信号处理中采用相应的技术,如天线低旁瓣技术、旁瓣对消技术、频率捷变技术等。无论采用哪种方法仍难免会有剩余杂波或干扰产生的虚假点迹泄漏到雷达数据处理中。在这种情况下,雷达数据处理应能限制和剔除虚假点迹数据,否则这些虚假点迹会使整个系统饱和,并且影响有用的目标航迹。因此有必要探讨雷达数据处理阶段的杂波抑制及干扰消除问题。

雷达数据处理中现有的杂波抑制方法可分为两类:一类是将杂波抑制问题归结为杂波环境下的数据关联问题,着眼于通过改进数据关联方法提高关联正确率。最经典的数据关联方法是最近邻法(nearest neighbor, NN),但这种方法仅适用于杂波少、目标密度不大的情况;基于Munkres算法[1]的全局最近邻法(global nearest neighbor, GNN)是使总的距离或关联代价达到最小的数据关联方法,这种方法能够较好地适应目标密度相对较大的情况,但在密集杂波环境下同样不适用;联合概率数据关联(joint probabilistic data association, JPDA)[2]和多假设跟踪(multiple hypothesis tracking, MHT)[3]是解决密集杂波环境下多目标数据关联问题的理论最优算法,但都存在计算量随目标数和杂波数呈指数增长的问题,工程上难以应用。近年来研究者一直致力于对JPDA和MHT进行改进,减小其计算量,改善其性能,如Fitzgerald 提出的简易联合概率数据关联(cheap joint probabilistic data association, CJPDA)算法[4],也被称为最近邻联合概率数据关联(nearest neighbor joint probabilistic data association, NNJPDA)算法,Roecker提出的一种JPDA快速次优算法[5],这两种算法的计算复杂度均随目标数目线性增长,文献[6-10]提出了一种结构分支多假设跟踪(structure branch-multiple hypothesis tracking, SB-MHT)方法,可以有效地减少计算量。文献[11-20]在MHT应用方面做了大量工作。文献[21-22]还提出了其他新的数据关联方法,如基于模糊推理理论的数据关联算法、综合航迹分裂(integrated track splitting, ITS)方法[23]、联合集成概率数据关联(joint integrated probabilistic data association, JIPDA)方法[24]等,这些方法在提高杂波环境下的正确关联率、减小关联计算量方面取得了进展,但实际应用起来仍然显得复杂。

另一类是采用工程常用的数据关联算法(如最近邻法),辅以直接判别杂波点迹并予以剔除的方法抑制杂波。依据判别量的不同又可分为两种,一种是基于杂波特性和回波信号幅度等信息判别杂波点迹的方法[25],即通过对杂波特性的分析、回波信息的积累、比较及综合判断滤除杂波点迹。由于杂波特性极为复杂,这种方法实际应用起来比较困难,效果有限。另一种是依据目标运动特性和点迹跨周期相关特性判别杂波点迹的方法,这种方法依赖于对目标运动速度的假设,依据航迹速度区别目标点迹和杂波点迹,存在一定的局限性。

本文将雷达数据处理中的剩余杂波和剩余干扰统称为杂波。针对密集杂波环境,本文首先给出了一种基于杂波图的杂波抑制方法,对涉及的关键技术进行了深入研究,该方法适合于单雷达数据处理,同样也适合于组网雷达数据处理;然后给出了组网雷达数据处理中的杂波抑制方法,包括基于杂波图的杂波抑制方法的使用,组网雷达杂波环境下融合权值的设置以及利用融合中心信息辅助单雷达抑制杂波建立航迹;最后给出了杂波抑制效果对比。

1基于杂波图的杂波抑制方法

雷达数据处理功能框图如图1所示,雷达点迹数据由信号处理进入雷达数据处理,依次进行点迹预处理、点航相关及航迹起始、航迹滤波更新,最后向显控输出更新后的目标航迹数据。由于进入雷达数据处理中的点迹数据不可避免地包含剩余杂波和剩余干扰,因此需要综合采用多种方法进行杂波抑制。本节将详细阐述基于杂波图的杂波抑制方法,其主要思想是针对密集杂波点迹时域密集和空域密集两个特点,对进入数据处理的包含杂波的点迹数据进行积累和统计,对杂波区进行判别和标识,建立杂波图,进而采取相应的杂波抑制处理措施。借鉴雷达信号处理中的杂波图概念,雷达数据处理中的杂波图指的是将雷达探测范围进行网格划分,在雷达工作过程中实时判别各网格单元对应的区域是否存在杂波或受到干扰,并进行标识而获得的图示,用于在雷达数据处理阶段抑制杂波。下面对基于杂波图的杂波抑制方法涉及的关键技术,如杂波区域的判别与标识、杂波图的网格划分、杂波区判别门限选取、提高杂波图分辨率方法以及杂波抑制处理措施分别进行详细阐述。

图1　雷达数据处理功能框图

1.1杂波区域的判别与标识

判别杂波区域是建立杂波图的关键。本文依据点迹在时域和空域的密集程度判别杂波区域,即采用滑窗法按网格单元累计至当前的一段时间内(即时间窗的长度)落入各单元格的点迹数量,计算各单元格的点迹密度,依据判别门限标识单元格状态,更新杂波图。时间窗长度依据雷达扫描周期或数据处理周期确定,一般累计3～5个周期。以点迹密度,即单位面积上的点迹数作为判别杂波区的依据,设置高低两个门限进行杂波区域的判别,如果点迹密度超过设定的高门限,则标识对应单元格为强杂波区,如果介于低门限和高门限之间,则标识为一般杂波区,否则标识为非杂波区。强杂波区和一般杂波区统称为杂波区,杂波区的点迹密度也称为杂波密度。对各单元格进行标识后,即获得雷达探测空间范围的杂波图,每个处理周期都需要对杂波图进行更新。

1.2杂波图的网格划分

可采用环形划分和正方形划分两种网格划分方法。如使用极坐标系,则可在方位和径向距离上进行划分,即环形划分;如使用直角坐标系,则可采用正方形划分。分别如图2(a)和2(b)所示。图2(a)环形划分方法中,单元格径向距离间隔相等,方位间隔随着径向距离增加逐圈减小,使单元格近似为一个面积相等的准正方形,以便采用相等的判别门限。图2中O为雷达中心坐标系原点。整个探测区域的网格单元数量N取决于雷达探测范围及单元格大小。

图2　杂波图网格划分示意图

选择单元格尺寸必须以有效区分密集杂波和目标点迹为基本条件。一种单元格大小设置方法如下:假定单元格尺寸为Δl,时间窗长度为3～5个雷达周期,计算各杂波区单元格的杂波密度Pi,以及目标所在单元格的点迹密度Qj,判断是否满足式(1),若不满足,则调整单元格尺寸Δl重新划分网格并进行统计,直至满足式(1)。

min{Pi}>max{Qj}

(1)

式中,i=1,2,…,Np,Np为判别为杂波区且没有出现过目标的单元格数量;j=1,2,…,Nq,Nq为目标经过的无密集杂波的单元格数量。

实际上要确定单元格尺寸,还需以实测数据为参考样本,并做进一步统计分析。

为了适应杂波密度的不确定性,还应将单元格尺寸设计为可配置的参数,在雷达数据处理系统初始化时按配置的单元格尺寸初始化杂波图。对于雷达近距离存在地杂波剩余的情况,则可直接将对应单元格标识为杂波区。

1.3杂波区判别门限选取

判别门限的初始值参考式(2)进行设置,即满足

(2)

式中,Lup为高门限;Llow为低门限;其余同式(1)。

在雷达工作过程中,可对判别门限进行实时调整。调整原则是观察杂波区的误判和漏判情况,出现将非杂波区误判为杂波区,导致目标无法起航的情况时提高门限;出现漏判杂波区,形成虚假目标航迹的情况时,降低门限。

1.4提高杂波图分辨率的方法

一般来说,减小网格单元尺寸可以提高杂波图分辨率,但过小的单元格会导致杂波特征不明显,即落入单元格范围内的杂波点迹偏少,无法与目标点迹落入单元格的情况区分开,当存在目标精跟踪或密集编队目标的情况时这一点表现得尤为明显。故不能无限制地通过减小单元格尺寸提高杂波图分辨率。因此,需要解决在杂波图单元格尺寸一定的前提下进一步提高杂波图分辨率的问题。本文给出一种通过网格的旋转、平移和叠加提高杂波图分辨率的方法。

1.4.1提高环形划分杂波图分辨率的方法

在环形划分方法中,单元格集合G0为

(3)

式中,Rsi和Rei分别为单元格i的内径和外径;θsi和θei分别为单元格i的起始方位角和终止方位角;Si为单元格的状态标识(杂波区、非杂波区等);i=1,2,3,…,Na,Na为单元格数量。

通过等分平移或旋转杂波图网格可获得新的网格划分,即在方位上进行n(n=2,3,…)等分旋转,在径向距离上进行n等分平移,获得(n-1)个新的网格。平移和旋转前后的n种网格划分叠加后的网格划分单元格集合为

(4)

式中,j=0,1,…,n-1;k=0,1,…,n-1;ΔR为径向距离间隔;Δθi为方位角度间隔,与距离间隔不同,方位角度间隔随着距离由近到远逐渐减小,因此不是一个常数。叠加后的单元格径向距离间隔为ΔR/n,方位间隔为Δθi/n,数量为Na·n2个,即分辨率提高为平移叠加前的n倍。

1.4.2提高正方形划分杂波图分辨率的方法

在正方形划分方法中,单元格集合G0为

(5)

式中,(Xleft_i,Ybottom_i)为单元格i的左下角坐标;(Xright_i,Ytop_i)为单元格i的右上角坐标;Si为单元格的状态标识(杂波区、非杂波区等);i=1,2,3,…,Ns,Ns为单元格数量。

分别在X方向和Y方向进行n等分平移,获得新的(n-1)个新的网格。平移前后的n种网格划分叠加后的网格划分单元格集合为

(6)

式中，j=0,1,…,n-1;k=0,1,…,n-1;Δl为平移前后网格正方形单元格的边长。叠加后的网格正方形单元格边长为Δl/n,数量为Ns·n2个,分辨率同样提高为平移叠加前的n倍。

1.4.3通过杂波图叠加提高分辨率的原理

在更新杂波图时,分别以平移和旋转前后的n种网格划分判别和标识杂波区,获得n幅杂波图。由于判别是以叠加前的网格划分进行的,网格单元尺寸并未减小,因此判别的准确性不受网格平移和叠加的影响。将平移和旋转前后的n幅杂波图进行叠加,叠加后的杂波区为n幅杂波图分别标识的杂波区的并集,即在叠加后的杂波图中,如果单元格在任意一幅叠加前的杂波图中位于杂波区,则标识为杂波区。叠加后获得的杂波图分辨率提高到叠加前单幅杂波图的n倍。

图3以正方形划分为例展示了通过杂波图叠加提高分辨率的原理,图3(a)为一个密集杂波区域示意图,假设单元格边长为Δl,平移前网格划分和杂波图如图3(b)所示,两个方向上各平移Δl/2获得的杂波图如图3(c)所示,叠加后的杂波图如图3(d)所示。平移叠加后杂波图的分辨率提到叠加前的2倍。

1.4.4提高杂波图分辨率方法的扩展

采用不同网格划分的杂波图也可以混合叠加使用,如将正方形或环形划分杂波图与抑制射线状杂波的扇形划分杂波图叠加,方法类似,不再赘述。

1.5利用杂波图抑制杂波

依据杂波图不同的网格区域标识,采用不同的杂波抑制方法进行航迹起始。

1.5.1强杂波区航迹起始方法

对落在强杂波区的剩余点迹采用多假设航迹起始方法。

图3　网格平移叠加提高杂波图分辨率原理示意图

多假设航迹起始的要点是,在航迹起始关联阶段,将与同一孤立点迹关联的多个剩余点迹都分配给该孤立点迹,尝试起始多个航迹,如图4(a)所示,一般经过3～8个处理周期后,可以获得良好的起始效果。而强杂波环境下采用常用的m/n逻辑航迹起始将变得困难,图4(b)和图4(c)展示了采用m/n逻辑情况下一个杂波点影响航迹起始的两种情况。图4(b)为发生误关联的情况,杂波点p2′取代目标点迹p2关联到目标航迹中,但发生误关联的起始航迹下一周期仍能与目标点迹p3关联,航迹成功起始但精度受到影响。图4(c)中杂波点p2′同样误关联到目标起始航迹中,但发生误关联的起始航迹下一周期与目标点迹p3关联失败并最终消亡,目标点迹p2与p3关联并最终成功起始航迹。显然,目标航迹起始被推迟。在强杂波区,杂波点多,影响更为严重,采用m/n航迹起始将产生大量虚假航迹,目标航迹则难以形成。

图4　多假设航迹起始与m/n逻辑航迹起始对比示意图

1.5.2一般杂波区航迹起始方法

对落入一般杂波区的剩余点迹采用基于m/n逻辑的起航方法,并设置较为严格的航迹起始条件。

(1)采用更为严格的m/n航迹起始准则

一般情况下,目标能够被连续探测到,并且连续关联成功,从而可起始航迹,而杂波点不具有连续相关性,通过采用更为严格的m/n航迹起始准则,可以避免虚假航迹的产生。

(2)利用暂时航迹区过渡

在正式起始可靠航迹前增加一个暂时航迹区作为过渡,暂时航迹区的航迹只有满足一定的条件才转化为可靠航迹,该条件可以是稳定跟踪次数、航迹质量等。

以上两种方法也可以同时采用,其原理框图如图5所示,图中以浅绿色背景标识出方法(1)逻辑,以浅蓝色背景标识出方法(2)的逻辑。

图5　采用更为严格的航迹起始条件消除虚假航迹原理框图

1.5.3非杂波区航迹起始方法

对于非杂波区,依据关联门内点迹数自动调整起航逻辑。

由于杂波图分辨率不足,或杂波密度低,依据门限判定为非杂波区的区域可能仍然存在杂波点,如果采用与一般杂波区内相同的方法,直接设置更为严格的起始条件,则在抑制杂波的同时,也延长了目标点迹的起航时间。为了在抑制杂波的同时兼顾快速起航,可以在航迹起始过程中累加相关处理中落入起始航迹关联门范围内的剩余点迹数,理想情况下航迹起始相关处理中累计落入关联门范围内的剩余点迹数等于航迹起始相关处理次数。但当起始航迹关联门内同时存在目标点迹和杂波点时,以及目标密集的情况下,累计落入关联门范围内的剩余点迹数通常大于航迹起始相关处理次数,差值越大表明起始航迹所处空域杂波越多或目标越密集,发生错误关联的概率越高。可以根据这个差值的大小自动选择m/n航迹起始中的m和n值,或自动选择暂时航迹转为可靠航迹的跟踪次数门限,或自动选择多假设航迹起始的回溯周期,以便消除虚假航迹。

采用上述方法可有效抑制杂波,避免起始虚假航迹。

本节描述的在距离和方位两维应用杂波图抑制杂波的方法,在必要时可以进一步扩展为在距离、方位和俯仰三维应用。

2组网雷达数据处理中的杂波抑制方法

在多雷达组网工作的情况下,单雷达的点迹送到融合中心进行融合处理,这时单雷达点迹数据中的杂波点也一并进入了融合中心。组网雷达数据处理中的杂波抑制主要有3种方法:利用单雷达数据处理中的杂波抑制方法、依据单雷达杂波图选取融合权值以及利用融合结果辅助单雷达起航。如图6所示,下面分别叙述。

图6　组网雷达数据处理中的杂波抑制

2.1利用单雷达数据处理中的杂波抑制方法

在单雷达数据处理中有效的各种杂波抑制方法,同样适用于组网雷达融合中心数据处理。如通过采用第1节所述方法分别建立和更新各个雷达的杂波图,依据杂波图,在系统航迹起始时采用不同的起始原则以及利用航迹起始逻辑消除虚假系统航迹。

2.2依据单雷达杂波图选取融合权值

多雷达组网工作时,由于不同雷达的体制、抗干扰能力、威力范围等不尽相同,因此面临的杂波干扰情况也不相同。对同一目标的探测,一部雷达可能淹没在强杂波中,而另一部雷达却可能清晰可见。由于融合中心可以获取多雷达点迹数据,因此在组网雷达数据融合处理中进行杂波抑制具有更为有利的条件。在图6所示“多雷达点迹合并”阶段,可以降低来自受干扰区域的点迹的融合权重,甚至将对应权重置为零。即融合权重除了考虑雷达的探测精度外,还要综合考虑雷达受杂波干扰的情况。假设雷达i的距离、俯仰、方位测量误差分别为σRi、σAi、σEi,某时刻k有M个测量点迹,分别来自不同的雷达,并且这些点迹都属于同一个目标,那么来自雷达i的测量点迹距离、方位、俯仰融合权值分别如式(7)所示。

(7)

式中,Ii为根据雷达i的杂波图选取的系数,根据来自雷达i的测量点迹位于非杂波区、一般杂波区及强杂波区的不同情况,Ii选取不同的值,如式(8)所示。

(8)

2.3利用融合结果辅助单雷达抑制杂波建立航迹

受干扰和杂波影响的雷达其航迹起始,不仅可以采用本文第1节所述方法进行杂波抑制,而且在雷达组网情况下,通过数据融合结合网内雷达的杂波图及各雷达对威力重叠区目标的探测情况,自动选择未受杂波影响的雷达点迹形成系统航迹,同时将该数据作为引导数据反馈给受干扰的雷达,引导雷达在杂波区自动起始目标航迹,提高单雷达强杂波区航迹起始成功率,缩短航迹起始时间。

3杂波抑制效果对比

建立仿真环境、仿真单雷达和组网工作的多部雷达在复杂环境下对多目标进行探测的情况。在仿真场景下,雷达均受到海杂波及海况的影响,目标场景包括多批匀速或机动目标,目标点迹与近距离密集杂波、干扰、气象杂波及随机噪声等一并进入雷达数据处理。针对单雷达和组网雷达场景,分别比较不做杂波抑制和采用本文杂波抑制方法进行杂波抑制处理的效果。

单雷达和组网雷达杂波抑制效果对比分别如表1和表2所示。其中仿真时间为从仿真开始持续的时间,每隔100 s记录一次输出的即时航迹数和累计航迹数,累计航迹数包含了已经消亡的虚假航迹或目标航迹。

表1对应的仿真场景,实际目标为5个,做杂波抑制的情况下,产生了1个虚假航迹,但很快即消亡;表2对应的仿真场景,实际有15个目标,做杂波抑制的情况下,从200 s到300 s时间段,新起始两个目标航迹,并且有一个虚假航迹产生并消亡,从300 s到400 s,有两个目标航迹消亡,400 s到500 s新起始2个目标航迹。由表1、表2可见,不做杂波抑制的情况下,输出了大量虚假航迹,并且虚假航迹是不稳定的,即不断有虚假航迹起始和消亡;经过杂波抑制后,虚假航迹大幅减少。

表1　单雷达杂波抑制效果对比

表2　组网雷达杂波抑制效果对比

单雷达和组网雷达杂波抑制态势效果对比分别如图7和图8所示,图中的点是模拟的雷达对目标探测的点迹,其中组网雷达场景用不同颜色的点表示不同雷达的点迹。图中每个三角形图标代表航迹的首部。图7(a)和图8(a)分别为单雷达和组网雷达数据处理中不进行杂波抑制情况下的包含大量虚假航迹的态势图,图7(b)和图8(b)分别为单雷达和组网雷达数据处理中综合使用本文提出的各种杂波抑制方法的处理结果,由图可见经杂波抑制后杂波点迹受到有效抑制,目标态势清晰。仿真结果表明,本文提出的杂波抑制方法能够有效抑制虚假航迹的产生。

图7　单雷达数据处理中的杂波抑制效果对比

图8　组网雷达数据处理中的杂波抑制效果对比

本文提出的杂波抑制方法由于主要涉及的是计算机逻辑判断,因此所需的计算量很小,计算开销主要集中在数据关联上。本文仿真实验采用的数据关联方法为基于Munkres算法[1]的全局最近邻法,其计算量是工程上可以接受的。

4结论

本文介绍了雷达数据处理中的杂波抑制方法。对于密集杂波干扰,提出一种基于杂波图的抑制方法,包括基于点迹密度的杂波区域判别与标识方法;适应不同雷达数据处理坐标系的杂波图网格划分方法,该方法以有效区分密集杂波和目标点迹为基本条件;杂波区判别门限选取方法;通过网格旋转、平移和叠加提高杂波图分辨率的方法,该方法在杂波图单元格尺寸一定的情况下进一步有效提高了杂波图分辨率以及依据杂波图标识的不同杂波强度采用不同杂波抑制措施有效提高复杂环境下的航迹起始能力的方法。对于组网雷达,在融合中心数据处理中除了沿用单雷达数据处理中基于杂波图的杂波抑制方法,还可以利用组网雷达的优势,依据单雷达杂波图设置融合权值,有效消除受干扰雷达对融合航迹的影响。另外，利用多雷达探测重叠区融合航迹辅助引导受强干扰的雷达起航,还可提高雷达强杂波区航迹起始成功率,缩短航迹起始时间。

在雷达数据处理中抑制杂波干扰是对雷达抗干扰措施的有益补充,对于提高雷达系统适应复杂工作环境的能力意义重大。仿真试验测试表明,通过采用本文提出的方法,能够在雷达数据处理中有效抑制虚假目标航迹的产生,并且计算量小,易于工程实现,适合工程应用。

参考文献：

[1] Bourgeois F, Lassalle J C. An extension of the Munkres algorithm for the assignment problem to rectangular matrices[J].CommunicationsoftheACM, 1971, 14(12): 802-804.

[2] Fortmann T E, Bar-Shalom Y, Scheffe M. Multi-target tracking using joint probabilistic data association[C]∥Proc.ofthe19thIEEEConferenceonDecisionandControl，1980: 807-812.

[3] Reid D B. An algorithm for tracking multiple targets[J].IEEEConferenceonDecisionandControlIncludingthe17thSymposiumonAdaptiveProcesses, 1978: 1202-1211.

[4] Fitzgerald R J. Development of practical PDA logic for multitarget tracking by microprocessor[C]∥Proc.oftheAmericanControlConference, 1986:889-898.

[5] Roecker J A, Phillis G L. Suboptimal joint probabilistic data association[J].IEEETrans.onAerospaceandElectronicSystems, 1993, 29(2): 510-517.

[6] Demos G C, Ribas R A, Broida T J. Applications of MHT to dim moving targets[J].SignalandDataProcessingofSmallTarget, 1990, 1305: 297-309.

[7] Blackman S S, Dempster R J, Broida T J. Multiple hypothesis track confirmation for infrared surveillance systems[J].IEEETrans.onAerospaceandElectronicSystems,1993,29(3):810-824.

[8] Blackman S S, Dempster R J, Roszkowski S H. IMM/MHT applications to radar and IR multitarget tracking[J].SignalandDataProcessingofSmallTargets, 1997, 3163: 429-439.

[9] Dunham D T, Blackman S S, Dempster R J. Multiple hypothesis tracking for a distributed multiple platform system[J].SignalandDataProcessingofSmallTargets, 2004, 5428: 180-191.

[10] Blackman S S. Multiple hypothesis tracking for multiple target tracking[J].IEEEA&ESystemMagazine,2004,19(1):5-18.

[11] Kojima M, Kameda H, Tsujimichi S, et al . A study of target tracking using track-oriented multiple hypothesis tracking[C]∥Proc.ofthe37thSICEAnnualConference, 1998: 933-938.

[12] Obata Y, Ito M, Tsujimichi S, et al. Computation-time reduction of track oriented multiple hypothesis tracking[C]∥Proc.ofthe40thSICEAnnualConference, 2001：282-287.

[13] Obata Y, Ito M, Kosuge Y. Performance evaluation of track oriented MHT in splitting target tracking[C]∥Proc.ofthe41stSICEAnnualConference, 2002: 619-624.

[14] Lancaster J, Blackman S. Joint IMM/MHT tracking and identification for multi-sensor ground target tracking[C]∥Proc.ofthe9thInternationalConferenceonInformationFusion, 2006: 1-7.

[15] Wang H F, Sun W, Zhu Q. MHT algorithm for distributed sensors networking[C]∥Proc.oftheSPIE,2007:678652-1-678652-8.

[16] Li C P, Bi Y K, Sun J P, et al. The method of ground moving target tracking for battlefield surveillance radar [J].JournalofChinaAcademyofElectronicsandInformationTechnology,2010,5(6):638-642.(李翠平,毕越凯,孙进平,等.战场监视雷达地面运动目标跟踪方法[J].中国电子科学研究院学报,2010,5(6):638-642.)

[17] Coraluppi S, Carthel C, Willett P, et al. The track repulsion effect in automatic tracking[R]. La Spezia: NATO Undersea Research Centre, 2009.

[18] Coraluppi S, Carthel C. An ML-MHT approach to tracking dim targets in large sensor networks[R]. La Spezia: NATO Undersea Research Centre, 2010.

[19] Singh N, Horwood J T, Aristoff J M, et al. Multiple hypothesis tracking (MHT) for space surveillance: results and simulation studies[R]. Kirtland AFB, Albuquerque, NM: Air Force Research Lab, 2013.

[20] Zingarelli J C. Enhancing ground based telescope performance with image processing[R]. Wright-Patterson AFB: Air Force Institute of Technology, 2013.

[21] Quan T F.Targettracking:advancedtheoryandtechniques[M]. Beijing: National Defense Industry Press, 2009. (权太范. 目标跟踪新理论与技术[M]. 北京: 国防工业出版社, 2009. )

[22] Wu Z M, Ren S J, Ni M F. Track initialization based on fuzzy accumulation function[J].SystemsEngineeringandElectro-nics,2009,31(5):1213-1216.(吴泽民,任姝婕,倪明放.基于模糊积累函数的航迹起始问题研究[J].系统工程与电子技术,2009,31(5):1213-1216.)

[23] Musicki D, Evans R. Multiscan multitarget tracking in clutter with integrated track splitting filter [J].IEEETrans.onAerospaceandElectronicSystems, 2009, 45(4): 1432-1447.

[24] Musicki D, Evans R. Joint integrated probabilistic data association: JIPDA[J].IEEETrans.onAerospaceandElectronicSystems, 2004, 40(3): 1093-1099.

[25] Wu Z H, Shi Z S, Shi Z M, et al. An emulation method of sensor clutter plots elimination using statistical characteristics analysis[J].AppliedMechanicsandMaterials,2012,170:3345-3348.

罗兴旺(1977-),男,高级工程师,硕士,主要研究方向为雷达控制软件、数据处理与雷达仿真。

E-mail:mailapoluo@126.com

张伯彦(1957-),女,研究员,博士,主要研究方向为现代雷达控制与数据处理、机动多目标跟踪、数据融合。

E-mail:zhbyhktk@163.com

刘嘉(1965-),男,研究员,硕士,主要研究方向为雷达控制软件、软件工程与信息化。

E-mail:liujia65@live.cn

蔺宏江(1974-),男,高级工程师,硕士,主要研究方向为雷达控制软件、数据处理与雷达仿真。

E-mail:hitlin@tom.com

禹娟(1988-),女,工程师,硕士,主要研究方向为雷达信号处理与数据处理。

E-mail:txyujuan@yeah.net

网络优先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20150921.1008.004.html

Researches on the method of clutter suppression in radar data processing

LUO Xing-wang, ZHANG Bo-yan, LIU Jia, LIN Hong-jiang, YU Juan

(BeijingInstituteofRadioMeasurement,Beijing100854,China)

Abstract:The method of clutter suppression and false target elimination in radar data processing is investigated. According to the dense clutter interference and together with engineering practice, a method of clutter suppression based on the clutter map is proposed, and the comprehensive discussion on key technologies is carried on, such as clutter domain discrimination and identification, clutter map grid division, clutter map resolution improvement and so on. Meanwhile, methods of clutter suppression in netted radar data processing are presented, including fusion weight selection in clutter environment for netted radar, clutter suppression and track initialization assisted by information from the fusion center for single radar, etc. Simulation and test results show that the proposed methods can effectively suppress false target track caused by residual clutter and residual interference, and show that the methods are best applied to radar data processing and netted radar data processing in clutter environment.

Keywords:radar data processing; clutter suppression; clutter map; clutter density; track initialization; radar netting

作者简介：

中图分类号：TN 953

文献标志码：A

DOI:10.3969/j.issn.1001-506X.2016.01.07

收稿日期：2015-03-30；修回日期：2015-08-03；网络优先出版日期：2015-09-21。