低慢小目标探测时的气象干扰抑制方法研究

魏　耀，张　靖，叶　杰

(南京电子技术研究所,　南京 210039)



·信号处理·

低慢小目标探测时的气象干扰抑制方法研究

魏耀，张靖，叶杰

(南京电子技术研究所,南京 210039)

针对低慢小目标探测时可能出现的低速气象干扰航迹的问题，在低分辨雷达基于信号维特征的目标分类正确率偏低的情况下，提出一种基于多特征联合的气象虚警抑制方法，在目标稳定跟踪，形成稳定航迹时，联合目标的信号特征(形状、雷达散射截面积等)，航迹分布特征(气象点迹比例、速度、方向等)等多种特征，利用多圈点迹的积累，提高气象干扰航迹的正确识别率并加以抑制，同时不影响真实低慢小目标的正常检测和跟踪。实际试飞结果表明：文中提出的基于多特征联合的气象虚警抑制方法在有效抑制气象干扰航迹的同时，不影响配试无人机的正常检测和跟踪。

低慢小目标；窄带雷达；气象干扰抑制；目标分类；多特征联合

0　引　言

对低空非合作的低慢小目标(如无人机等)的检测和跟踪是雷达领域一个难题，也给重点地区的低空目标防御带来新的挑战[1]。低空慢速小目标(低慢小目标)具有飞行高度低，飞行速度慢，雷达反射截面积(RCS)小的特点，能够灵活机动地实现要地的低空、超低空突防，如何应对这种威胁也成为迫在眉睫的问题[2-3]。

对于窄带跟踪雷达而言，无法通过高的距离分辨和方位分辨来提供目标充分的细节信息，而且低慢小目标和低空气象干扰的RCS很小，很难满足宽带雷达分类识别的信噪比要求。因此，如何通过窄带雷达获取的低分辨目标回波信息，抑制低空气象和地面运动物体的干扰，提高PD低速检测性能，实现低慢小目标的检测和跟踪是近些年来的研究热点[9-10]。

一般来说，对雷达显控界面上的干扰航迹的抑制可以从目标分类识别的概念上由以下三个方面着手：(1)对恒虚警检测后的数据进行分类处理，这样可以在一定程度上抑制虚警；(2)对输出点迹进行分类识别，直接利用已经训练好的样本模板，测试该点迹是否为感兴趣的目标；(3)对形成航迹的目标进行分类识别。由于前述分析的气象与无人机的相似性，很难在恒虚警检测和点迹输出的过程中实现稳健的气象点迹的识别和抑制，而且受限于信号带宽，目标回波无法提供足够的目标细节特征信息，依靠单一特征也无法实现气象和无人机航迹的区分。

因此，本文基于检测前跟踪(TBD)的思想实现气象目标识别前跟踪(TBC)，提出一种先跟踪再多特征联合识别处理的气象干扰抑制方法,在目标稳定跟踪，形成稳定航迹时，联合目标的信号特征(形状、RCS等)、航迹分布特征(方位、距离、方向等)等多种特征，利用多圈点迹的积累，提高气象干扰航迹的识别概率并加以抑制，同时不影响对无人机等低慢小目标的检测和跟踪。

1　特征提取和气象抑制方法

1.1低慢小航迹特征分析

根据低慢小目标的特点，在脉冲多普勒(PD)体制下，为了实现低速和小RCS目标的检测和跟踪，需要同时降低多普勒速度检测门限和信噪比检测门限。但是在检测低慢小目标的同时，受地面上的汽车，高铁等高速运动目标和低空中受气象活动(晴空气流，云团，山地湍流等)影响，会在显控画面上形成很多低速航迹，干扰无人机的正常检测和跟踪[3-4]。地面交通造成的干扰航迹一般是由高速公路上的汽车及高铁等在地面上相对速度较高的目标形成的，所以具有分布固定的特点，可利用动态杂波积累等方法对固定距离和方位存在的低速航迹进行抑制处理[4-6]。但对于低空气象形成的干扰航迹而言，由于受风向和地理环境的影响，分布位置不固定，无法利用先验知识积累的方法来进行抑制[7-8]。而且气象目标和无人机目标在速度，航迹稳定性等运动特征，RCS大小，目标回波分布等信号特征都极为相似，如图1和图2所示。

图1　气象点迹和无人机点迹的信号特征对比

图2　气象航迹和无人机航迹的运行特征对比

1.2特征提取和选择

在雷达目标分类处理时，如果直接利用原始样本空间即雷达回波数据，往往维数较高，不利于分类器的设计，降低识别的运算效率，而且对于本文中的气象点迹和无人机点迹来说，原始样本数据相似，无法直接反应待识别对象的本质特征。特征的提取是一个从样本数据中提取能够反映目标本质特征的信息，将样本空间由高维向低维映射的过程，选择几组能够反应目标不同物理特性的特征进行组合，可以提高识别概率，从而提高气象干扰航迹的抑制效果。

基于大量的理论分析和实验研究，在谱特征、统计特征、熵特征等一系列特征中选取以下两组适用于窄带雷达低慢小目标跟踪时的气象干扰航迹抑制的特征。

1.2.1中心矩

中心矩是一种简单的平移、旋转和尺度不变特征，反映了目标的形状信息。对于多普勒谱X=[X(1),X(2), …,X(N)]，进行归一化

(1)

则p阶中心矩为

(2)

1.2.2归一化幅度

对于窄带跟踪雷达而言，无法提取目标的高分辨距离一维像来进行分类识别，只能根据目标的能量分布，目标谱形状信息来进行目标分辨。中心矩反映了目标的形状信息，利用归一化幅度来体现目标的能量分布，为了避免自动增益控制(AGC)等措施对目标能量分布的影响，利用主杂波强度对目标峰值做归一化处理。

Amp_nomalized=X(tar)/max(X)

(3)

1.3SVM分类识别方法

目标信号维的特征分布如图3所示，可以利用支持向量机(SVM)做分类处理。SVM分类器基于结构风险最小化原则，具有良好的推广能力，适用于训练样本数较少的情况，且具有较强的高维样本处理能力，计算复杂度低[9-10]。

图3　气象点迹和无人机点迹的信号特征对比

SVM 本质上是一种核函数类分类器，其基本思想是通过核函数将输入的低维特征空间映射到高维特征空间，从而将原始输入空间的非线性不可分问题转化为高维空间的线性可分问题。判决函数的一般形式可表示如下

(4)

式中：(xi,yi)为线性可分集；αi>0为Lagrange系数；SV为支撑向量；K(xi,x)为核函数，是描述xi和x相似性程度的非线性函数，可以有多种定义形式。文中采用高斯核函数

(5)

通常SVM在学习过程中要用到所有的训练样本，训练的过程即是选择支撑向量和αi、b的过程， 在训练完成后支撑向量的个数相对于训练样本数目会大大减少。SVM决策边界仅包含在其中的支撑向量中，可直接由训练数据在学习过程中得到，识别运算复杂度低。

1.4气象航迹联合抑制方法

由于在低慢小检测中，除了要求达到一定的分类识别正确率之外，还要求尽量避免抑制气象等低速虚假航迹的同时，误伤无人机等低慢小目标的检测和跟踪。因此，本文提出一种基于多特征的联合抑制方法，通过联合点迹信号维特征，形成航迹后的气象点迹比例，气象航迹方向，风速等多维特征，对气象干扰航迹进行抑制。具体处理流程如图4所示。

图4　气象干扰联合抑制方法

在气象航迹联合抑制方法中，首先，根据航迹画面整体态势判断气象干扰航迹的方向(背站或向站运动)；然后，设置气象点迹的方位，结合在信号维的分类处理辨别点迹的气象属性。由于气象和真实低慢小目标的信号维特征很相似，为了防止漏检低慢小真实目标，通过航迹中气象点迹的比例统计，设置合适的比例门限，对气象航迹做消隐处理，而其他航迹正常显示。

2　数据处理分析

根据某型低慢小目标探测雷达实录数据分析比较气象抑制方法。选取三个架次气象航迹比较严重的实录数据来进行气象虚警抑制处理。气象及低慢小目标(无人机)整体态势，如图5所示。

根据文中提出的基于多特征的联合抑制方法及SVM分类识别方法，对含无人机和不含无人机的试飞数据进行气象抑制处理及效果比较统计。在所有低速航迹点中(多普勒速度<35 m/s)，气象航迹抑制效果如表1所示(低速航迹点是在剔除地面低速交通航迹点的基础上统计的)。

表1　气象干扰航迹比例统计

由于低慢小目标和气象虚警点在信号维上的相似性，利用SVM分类方法来限制气象虚警具有较高的误识别概率，因此存在影响低慢小目标检测和跟踪的可能，在含无人机架次中，SVM分类方法虽然获得了稍好的气象航迹抑制效果，但是无人机无法正常起批跟踪，影响了低慢小目标的正常跟踪。而气象航迹联合抑制方法在抑制气象航迹的同时，不会影响低慢小目标的检测和跟踪，如图6所示。

图6　气象虚警抑制效果

3　结束语

抑制气象干扰等低速虚警的影响是正确稳定跟踪无人机等低慢小目标的前提。由于目标和虚警的窄带雷达回波信号维特征区别不明显，单纯的目标分类抑制具有较高的误识别概率，影响真实目标的检测和跟踪。本文提出一种基于多特征联合的气象虚警抑制方法是在目标稳定跟踪，形成稳定航迹时，联合目标的信号特征(形状、RCS等)，航迹分布特征(气象点迹比例、速度、方向等)等多种特征，利用多圈点迹的积累，提高气象干扰航迹的识别概率并加以抑制，同时不影响真实低慢小目标的正常检测和跟踪。后续可继续研究基于多信源融合的气象虚警抑制方法，融合一次雷达，气象雷达，风廓线雷达等多传感器信息，提高对气象干扰的抑制效果，保障低慢小目标的检测和跟踪。

[1]方勇昌, 张汉华, 陈英豪, 等. 一种低分辨雷达飞机目标识别方法[J]. 宇航计测技术, 2004, 24(5): 31-34.

FANG Yongchang, ZHANG Hanhua, CHEN Yinghao. A method of aircraft targets recognition based on low-resolution radar[J]. Journal of Astronautic Metrology and Measurement, 2004, 24 (5): 31-34.

[2]ZHANG X B, LI M．Discrimination of low-flying vehicle from ground moving targets using multi-path[C]// The 3rd IEEE International Symposium on Microwave，Antenna，Propagation and EM C Technologies for Wireless Communications. [S.l.]: IEEE Press, 2009: 721-725.

[3]徐牧, 王华彬, 王成, 等. 对空情报雷达目标RCS估计方法[J]. 现代雷达, 2014, 36(3): 11-15.

XU Mu, WANG Huabin, WANG Cheng, et al. A method of RCS estimation based on air surveillance radar[J]. Modern Radar, 2014,36(3): 11-15.

[4]丁建江. 防空雷达目标识别技术[M]. 北京: 国防工业出版社, 2008.

DING Jianjiang. Target recognition techniques of surveillance radar[M]. Beijing: National Defense Industry Press，2008.

[5]王忠, 马妍, 王莲荣. 防空作战中低慢小目标威胁度评估[J]. 舰船电子对抗, 2013, 36(6): 103-105.

WANG Zhong, MA Yan, WANG Lianrong. Assessment of threat degree for LSS target in air defense operation[J]. Shipboard Electronic Countermeasure, 2013, 36(6): 103-105.

[6]秦清, 徐毓. 低慢小目标多装备协同探测分配问题研究[J]. 空军雷达学院学报, 2012, 26(1): 28-31.

QIN Qing, XU Yu. Study of assignment of multi-system cooperative detection for LSS-target[J]. Journal of Air Force Radar Academy, 2012, 26(1): 28-31.

[7]秦轶炜, 尤祖光, 叶舟, 等. 低空监视雷达气象信号处理的设计与实现[J]. 无线电工程, 2014, 44(10): 31-34.

QIN Yiwei, YOU Zuguang, YE Zhou, et al. Design and implemention of weather signal processing at low altitude surveillance radar[J]. Radio Engineering, 2014, 44(10): 31-34.

[8]张培昌, 杜秉玉, 戴铁丕. 雷达气象学[M]. 北京: 气象出版社, 2000.

ZHANG Peichang, DU Bingyu, DAI Tiepi. Radar meteorology[M]. Beijing: Meteorology Press, 2000.

[9]王福友, 罗钉, 刘宏伟. 低分辨机载雷达空地运动目标的分类识别算法[J]. 雷达学报, 2014, 3(5): 497-504.

WANG Fuyou, LUO Ding, LIU Hongwei. Low-resolution airborne radar air/ground moving target classification and recognition[J]. Journal of Radars, 2014, 3(5): 497-504.

[10]SUN J F, LI Q, LU W, et al. Image recognition of laser radar using linear SVM correlation filter[J]. Chinese Optics Letters, 2007, 5(9): 549-551.

魏耀男，1986年生，博士，工程师。研究方向为雷达总体技术，雷达目标识别。

张靖男，1980年生，硕士，高级工程师。研究方向为雷达总体技术。

叶杰男，1968年生，研究员级高级工程师。研究方向为雷达总体技术。

A Study on Weather Interference Suppression Method in the Detection of Low-altitude Slow and Small Targets

WEI Yao，ZHANG Jing，YE Jie

(Nanjing Research Institute of Electronics Technology,Nanjing 210039, China)

In the detection and tracking of low-altitude, slow and small (LSS) targets, the effect of tracking may be influenced by the slow weather interference tracks. For narrow-band radar, the target classification accuracy based on the signal characters extracted from the target echoes is too low to suppress the phenomenon of weather interferences. In this paper, the method based on multi-features combination is proposed for the weather interference suppression. During the tacking of targets, the echo characters (RCS, shapes of echo) and track features (weather track-point rate, velocity, Doppler direction, etc.) are combined to identify and suppress the weather tracks, meanwhile, the detection and tracking of true LSS targets is not influenced. The results of flight-test experiments prove the validity of the proposed weather interference suppression method.

LSS targets; narrow-band radar; weather interference suppression; target classification; multi-features combination

魏耀Email：460611810@qq.com

2016-03-04

2016-05-25

TN957

A

1004-7859(2016)07-0036-04

DOI：10.16592/ j.cnki.1004-7859.2016.07.009