雷达低慢小目标检测技术综述*

许道明,张宏伟

(军械工程学院，河北 石家庄 050003 )

0 引言

民用领域，随着国民经济发展水平的提高以及科技的进步，低空慢速小目标(以下简称“低慢小”目标)得到了迅猛发展和广泛使用。与此同时，由于难以对此类目标进行及时探测并有效监管，近年来关于低慢小目标给各国带来的重大安全威胁问题屡见报端[1]，我国低空空域也将随改革深入而进一步开放[2]，如何实现对低小慢目标的有效管控亦将成为亟待解决的安全问题。

而在军事领域，随着隐身技术的迅猛发展，雷达能探测到的目标回波信号变得越来越微弱，再伴随低空/超低空突防战术成为现代战争主要作战手段[3]，低分辨警戒雷达和其他防空武器面临着巨大的生存挑战。例如以无人机为代表的低空突防武器大多飞行在600 m以下空域,利用地形、地物的遮蔽,以及强烈地/海杂波和多径效应的干扰,致使目标回波信号淹没于强海/地物杂波中，而且目标本身能量较弱难以积累，同时目标多普勒频率较低与慢速杂波在频域难以区分，致使传统检测方法难以实现此类目标探测，造成防空警戒雷达和其他防空武器对其探测性能大大降低。

为了应对低慢小目标在军民领域带来的重大威胁，解决如何对此类目标进行准确探测并进行栏截和打击已成为十分具有现实意义的研究课题[4]。而采用信号处理的方法提高对此类的检测能力不仅手段灵活，且成本较低。开展对杂噪背景下此类目标检测技术的研究，对充分发挥我国预警雷达潜力，改进现役雷达性能、研制新体制雷达和提高我国警戒雷达网的“四抗”(抗干扰、抗隐身、抗反雷达导弹和抗超低空突防)能力具有十分重要现实意义。

1 低慢小目标特性分析

1.1 低慢小目标定义

鉴于目前学术界对低慢小目标缺乏统一清晰的评判标准，为方便说明本文研究内容，基于普遍认知对其特征归纳如下：认为低慢小目标是指具有飞行在低空或超低空、飞行速度较慢且相对于探测雷达的有效散射截面积(radar cross section， RCS)较小等特征的一类目标。一般认为[4-9]此类目标飞行高度在1 000 m以下，飞行速度<200 km /h(55 m/s)，RCS<2 m2。

1.2 低慢小目标种类

近年来，随着军事需求的持续增长以及国民经济的快速发展，低慢小目标的种类[2]逐渐趋于繁多，主要包括轻型飞机、轻型直升机、滑翔机、三角翼、动力三角翼、滑翔伞、动力伞、热气球、飞艇、无人机、大型航模等11类；而风筝、孔明灯、小型航模、小型气球等4类目标虽然有“低慢小”特征，但不列入低空管理的管控范围，纳入社会治安管辖范畴。图1为轻型飞机和轻型直升机。

图1 轻型飞机和轻型直升机Fig.1 Light aircraft and light helicopter

2 低慢小目标雷达检测难点分析

低慢小目标具有飞行髙度低、运动速度慢以及RCS较小等特点，其自身的这些特性决定了雷达对此类目标进行探测时主要面临问题有：

难点1：杂波环境复杂，使得杂波性分析难度大。杂波中雷达目标探测问题，首先要求掌握杂波特性，包括幅度特性、谱特性、非线性特性、时间空间相关特性等。但由于受气象、地理等诸多环境因素以及雷达平台、波段、极化、擦地角、高度、分辨率等参数影响，使得对杂波特性研究变得极其困难。其次由于实测数据的缺少，又为杂波中目标探测研究带来了不小困难。

难点2：低信杂比回波及复杂非均匀背景致使检测难度大。首先，由于低慢小目标飞行高度低，目标回波信号受到强地海杂波干扰、目标信杂(噪)比(signal-to-clutter/noise ratio，CR/ SNR)大幅降低。其次，由于此类目标RCS较小，致使其回波能量较低并淹没于各种杂波、噪声中难以检测。如何实现在低信杂比的背景下进行目标能量累积对检测出低慢小目标具有重要意义。

难点3：目标回波多普勒频率低且与杂波混叠严重。由于低慢小目标飞行速度低，致使其回波信号在多普勒频率靠近零频并且与强地物固定杂波以及慢速杂波存在严重交叠，经典频域滤波手段检测性能严重下降，难以完成对其有效探测。如何实现杂波有效抑制并检测出慢速目标成为对此类目标检测的关键问题。

难点4：检测算法及检测性能验证评估难度大。检测性能的评估需要完备的实测数据和相应的工程化处理手段，而不同测试环境和不同类型的低慢小目标对不同的雷达频率、极化等参数的响应均不一样，很难做出全面的分析与验证;其次，公开数据较少，建实测数据库需要雷达、低慢小目标、试验场地、采集设备、辅助器材等软硬件建设，及长期系统的观测与积累，耗时可能数十年。

3 低慢小目标检测技术分类概述

3.1 基于粒子滤波的TBD技术的检测方法

检测前跟踪(track before detect, TBD)技术是一种低信噪比条件下信号检测跟踪技术[10]。相比于传统先检测后跟踪技术，该技术利用雷达接收到的多帧原始数据在未经门限检测的情况下对其进行能量积累和滤波处理，尽可能避免了航迹漏检并提高了检测概率[11]。

目前常用的TBD算法有：基于粒子滤波的TBD 方法(particle filter-track before detect，PF-TBD)[12-13]，基于动态规划的能量积累(dynamic programming, DP)方法[14]，多伯利滤波TBD方法[15]，三维匹配滤波方法[16]，参数化轨迹 TBD 方法[17]，基于Hough 变换的TBD 算法[18-19]以及基于Hough变换的直线航迹积累法[20]等。

在Salmond提出的经典粒子滤波算法SPF-TBD算法的基础上，文献[21]介绍了一种PF-TBD低慢下目标检测方法，其核心思想是通过粒子滤波对目标运动状态进行估计进而给出目标运动状态的估计值。改进算法通过预平滑处理过程，裂变繁殖权值较高的粒子并将其覆盖权值较低的粒子来增加粒子的多样性，克服了原有算法中粒子退化问题，充分利用了量测信息，提高了对系统分布采样的准确性，经过改进的SPF-TBD算法流程如图2所示。

图2 改进的SPF-TBD算法流程图Fig.2 Flow chart of improved SPF-TBD algorithm

3.2 基于变换域的检测方法

3.2.1 基于Radon变换检测算法[22]

在运动目标不出现跨距离单元走动的情况下，先对回波信号进行单帧时间-距离的自适应杂波抑制和多帧数据的有序恒虚警处理(order statistic constant false alarm rate filter，OS-CFAR)预处理，在滤除掉强杂波的基础上，对信号在时间-距离域进行时间维的降维和平滑处理，使杂波信号和目标信号在Radon域的角度偏移量有明显区分，从而达到检测要求。图3分别显示了不同时域降维条件下的检测效果。从图中可以看出，增加降维因子可以明显增大目标的角度偏移量。

图3 不同时域降维情况下的检测效果Fig.3 Different time-domain reduction in the case of detection results

3.2.2 基于Radon-分数阶Fourier检测算法[23]

Radon-分数阶傅里叶变换(Radon-fractional Fourier transform，RFRFT)该方法融合了Radon-傅里叶变换(Radon-Fourier transform，RFT)[24](fractional Fourier transform，FRFT)[25]二者的优点，不仅能获得与RFT方法同样长的相参积累时间，且对非平稳信号具有良好的能量聚集性，同时能补偿因目标机动产生的距离和多普勒走动。图4给出了基于RFRFT的动目标长时间相参积累方法流程图。

图4 基于RFRFT的动目标长时间相参积累方法流程图Fig.4 Flow chart of long time coherent accumulation method of moving target based on RFRFT

通过预先设置的运动参数搜索范围，提取距离-慢时间二维平面中的目标观测值，然后在FRFT域进行匹配和积累，并通过构建的RFRFT域检测单元图实现对非匀速运动目标的检测。该方法能够同时补偿距离和多普勒徙动，有效抑制背景杂波和噪声，提高积累增益。

3.3 基于微多普勒分析的检测方法

以直升机为例，直升机不仅飞行速度低且可以悬停于空中，又由于主旋翼时域回波呈周期闪烁形式，虽然旋翼物理尺寸较大但实际其回波RCS较小，在进行杂波抑制的同时也会滤除掉本身就较小的机身多普勒频率分量，为雷达探测此类低慢小目标带来困难。

文献[26]从微多普勒理论出发，建立了旋翼回波模型，研究介绍了时域双门限检测方法和多闪烁周期长时间积累方法。双门限具体检测过程和基于多级假设检测的长时间积累流程框图分别如下图5，6所示。

3.4 基于多活性代理的系统检测方法

文献[27]基于多活性代理(multi living agent，MLA)信息系统理论体系[28-29]构建一种低慢小目标探测系统。多活性代理信息系统理论是复杂信息系统理论的研究分支，按照此理论，信息系统可以从系统功能层面进一步分解为各个层次的活性代理。按照功能划分而提出的多活性代理目标探测系统模型如图7所示。

图5 时域双门限检测Fig.5 Time domain dual threshold detection

图6 多级假设检测框图Fig.6 Multi-level hypothesis detection block diagram

各活性代理协同工作来完成系统对低慢小目标的探测需求，通过增强系统层次间协商协调进而发挥更强的系统功能。

图7 多活性代理“低慢小”目标探测系统功能模型Fig.7 Multi-active agent LSS-target detection system functional model

3.5 基于杂声白化处理的检测方法

受到频域白化[30]思想启发，通过杂波白化技术，文献[31]提出了一种自适应于杂波谱形状的滤波算法。该方法摒弃以往滤除杂波的方法而是使其白化，这样即使在目标与杂波多普勒中心完全混叠的情况下依然能够提取目标信息，这样就为慢速目标的探测提供了一种全新的解决问题思路。

在获得背景杂波的功率谱Px(ω)，即可按照式(1)对其进行“白化处理”：

(1)

其相应的时域序列为

y(n)=Bej(2πfdn+φ0)+v(n)，

(2)

4 研究展望

发展低慢小目标检测技术对防空安全以及民生至关重要。本文通过对低慢小目标特性以及现有检测技术的局限性分析，认为解决低慢小目标检测问题可以从以下几点进行研究：

(1) 发展新的杂波抑制算法。杂波抑制技术是雷达信号处理中的关键技术之一，由于无人机、隐身飞机以及低慢小目标的迅猛发展，动目标显示、动目标检测等常规的杂波抑制技术的检测效果并不理想，所以研究行之有效的杂波抑制方法是必要的。

(2) 基于变换域方法的进一步探索。除了前文介绍Radon变换之外，分数阶傅里叶变换本身也是颇具潜力的一种信号处理手段，而且该方法具有较为成熟的快速算法，便于工程实现。总而言之，基于变换域方法的进一步探索是解决慢速目标的有效途径。

(3) 针对具体目标设计具体检测方案。针对不同的低慢小目标，通过研究其回波特性设计特定的检测方案，以提高检测概率。

(4) 多装备联合检测方法。单站雷达探测低慢小目标有其固有的缺陷，如果可以通过双站雷达[32]乃至多装备联合组网对其进行检测，充分发挥各装备探测性能来综合利用各种信息以提高对此类目标的探测性能。

(5) 发展新体制雷达。低速目标检测的问题在很大程度上是现有雷达体制的固有缺陷，要解决这一问题只依靠一些细微的优化是不够的，还需要通过寻找新方法、新思路，设计新的信号处理方案，才能有望更好地解决该问题。

5 结束语

杂波环境中的雷达低慢小目标检测问题是一个探索性强、难度大而又具有强烈背景需求的研究领域。当前该领域研究已进入不断深化理论与实践结合、深化现实与未来联系的新阶段。只有开拓思路，创新理念，提高技术，丰富手段，才能进一步推动杂波环境中的雷达低慢小目标检测技术的长足发展。

[1] 李明明,卞伟伟,甄亚欣.国外“低慢小”航空器防控装备发展现状分析[J].飞航导弹,2017(1):62-70. LI Ming-ming,BIAN Wei-wei,ZHEN Ya-xin.Analysis on the Development of Low-Altitude Slow Small Aircraft Control Equipment[J].Aerodynamic Missile Journal,2017(1):62-70.

[2] 国务院办公厅.关于促进通用航空业发展的指导意见[Z].2016-05-17. General Office of the State Council. Opinions on the Promotion of General Aviation Industry Development Guidance[Z].2016-05-17.

[3] 罗宏伟.试论大型活动安保工作中“低慢小”目标的防范与处置[J].武警学院学报,2015,31(9):27-30. LUO Hong-wei.Strengthening LSS Target Defense for Large Activities[J].Journal of the Armed Police Force Academy,2015,31(9):27-30.

[4] 周豪,胡国平,师俊朋.低空目标探测技术分析与展望[J].火力与指挥控制,2015,40(11):5-9. ZHOU Hao,HU Guo-ping,SHI Jun-peng.Analysis and Prospect of Low-Altitude Target Detection Technologies[J].Fire and Command & Control,2015,40 (11):5-9.

[5] 王小谟,匡永胜,陈忠先,等.监视雷达技术[M].北京:电子工业出版社,2008:104-106． WANG Xiao-rui,KUANG Yong-sheng,CHEN Zhong-xian,et al.Monitoring Radar Technology[M].Beijing:Electronic Industry Press,2008:104-106.

[6] 任子元，李强．基于排列法的低空慢速小目标威胁评估[J]．微计算机信息，2009,25(8-1)：238-240. REN Zi-yuan,LI Qiang.LSS-Target Threat Evaluation Based on Permutation Method[J].Microcomputer Information,2009,25 (8-1):238-240.

[7] 张建伟,郭会明.低空慢速小目标拦截系统研究[J].计算机工程与设计,2012,33(7):2874-2878. ZHANG Jian-wei,GUO Hui-ming.Net Cast Interception System Research Aimed at Low Small Slow Target[J].Computer Engineering & Design,2012,33(7):2874-2878.

[8] 韩锋,陈岗,陈观生.沿海要地低慢小目标防御对策[C]∥第三届中国指挥控制大会论文集(下册),北京:国防工业出版社,2015:505-508. HAN Feng,CHEN Gang,CHEN Guan-sheng.Strategy on Air-Defense Against the Low-Slow-Small Target in Important Coastal Area[C]∥Third China Command Control Conference Proceedings (Volume 2),Beijing:National Defense Industry Press,2015:505-508.

[9] 张云佐.基于多活性代理的“低慢小”目标探测系统浅析[J].广西通信技术,2012(2):35-37. ZHANG Yun-zuo.Analysis of Detection System for “Low,Slow and Small” Target Based on Multi Living-agent[J].Guangxi Communication Technology,2012(2):35-37.

[10] DAVEY S J,RUTTEN M G,CHEUNG B.A Comparison of Detection Performance for Several Track-Before-Detect Algorithms[J].Journal on Advances in Signal Processing,2008,428036:1-10.

[11] BUZZI S,LOPS M,VENTURINO L,et al.Track-Before-Detect Procedures in a Multi-Target Environment[J].IEEE Transactions on Aerospace and Electronic Systems,2008,44(3):1135-1150.

[12] LU Jin,SHUI Peng-lang,SU Hong-tao.Track-Before-Detect Method Based on Cost-Reference Particle Filter in Non-Linear Dynamic Systems with Unknown Statistics[J].IET Signal Processing,2014,8(1):85-94.

[13] RUTTEN M G,GORDON N J,MASKELL S.Recursive Track-Before-Detect with Target Amplatitude Fluctuations[J].IEE Proc.Radar,Sonar and Navigation,2005,152(5):345-52.

[14] LU Jin,SHUI Peng-lang,SU Hong-tao.Track-Before-Detect Method Based on Cost-Reference Particle Filter in Non-Linear Dynamic Systems with Unknown Statistics[J].IET Signal Processing,2014,8(1):85-94.

[15] 李翠芸,李宁,姬红兵.多伯努利滤波的快速红外弱小目标检测与跟踪[J].西安电子科技大学学报.2016,43(4):69-74. LI Cui-yun,LI Ning,JI Hong-bing.Fast IR Dim Small Targets Detection and Tracking Based on the Multi-Bernoulli filter[J].Journal of Xidian University,2016,43 (4):76-85.

[16] REED I S,GAGLIARDI R M,SHAO H M.Application of Three Dimensional Filtering to Moving Target Detection[J].IEEE Transactions on Aerospace and Electronic Systems,1983,19(6):898-905.

[17] 何嘉懿,廖桂生,杨志伟,等.一种参数化轨迹增强的TBD算法[J].西安电子科技大学学报,2015,42(6):17-22. HE Jia-yi,LIAO Gui-sheng,YANG Zhi-wei,et al.Efficient Track-Before-Detect Algorithm Based on the Parameterized Track Enhancement[J].Journal of Xidian University,2015,42 (6):17-22.

[18] MOYER L R,SPAK J,LAMANNA P.A Multi-Dimensional Hough Transform-Based Track-Before-Detect Technique for Detecting Weak Targets in Strong Clutter Backgrounds[J].IEEE Transactions on Aerospace and Electronic Systems,2011,47(4):3062-3068.

[19] 左磊,李明,张晓伟,等.基于改进Hough变换的海面微弱目标检测[J].电子与信息学报,2012,34(4):923-928. ZUO Lei,LI Ming,ZHANG Xiao-wei,et al.Small-Target Detection in Sea Clutter Based on Improved Hough Transform[J].Journal of Electronics & Information Technology,2012,34 (4):923-928.

[20] CARLSON B D,EVANS E D,WILSON S L.Search Radar Detection and Tracking with the Hough Transform.Part I:System Concept[J].IEEE Trans.on Aerospace and Electronic System,1994,30 (1):102-108.

[21] 胡瑞卿,田杰荣.关于采用粒子滤波器检测跟踪低小慢目标的研究[J].电脑知识与技术,2014(19):4538-4540. HU Rui-qing,TIAN Jie-rong.Study on Tracking and Tracking Small and Slow Targets Using Particle Filter[J].Computer Knowledge and Technology,2014(19):4538-4540.

[22] 陈洪猛,李明,卢云龙,等.一种时域降维多帧处理的Radon域弱目标检测[J].西安电子科技大学学报：自然科学版,2017,44(2):15-20. CHEN Hong-meng,LI Ming,LU Yun-long,et al.Novel Weak Target Detection Technique Based on Time-Dimension Reduced Multiple Frame Detection in Radon Domain[J].Journal of Xidian University:Natural Science ed,2017,44 (2):15-20.

[23] CHEN Xiao-long，GUAN Jian，LIU Ning-bo，et al．Maneuvering Target Detection via Radon-Fractional Fourier Transform-Based Long-Time Coherent Integration[J]． IEEE Transactions on Signal Processing，2014，2(4):939-953.

[24] JIA Xu，JI Yu，PENG Ying-ning,et al． Radon-Fourier Transform for Radar Target Detection,I:Generalized Doppler Filter Bank[J]．IEEE Transactions on Aerospace and Electronic Systems,2011,7(2) :1186-1202.

[25] XIA Xiang-gen.Discrete Chirp-Fourier Transform and Its Application to Chirp Rate Estimation[J].IEEE Transactions on Signal Processing，2000，8(11):3122-3133.

[26] 陆晨阳.雷达低速目标检测方法研究[D].西安：西安电子科技大学,2014. LU Chen-yang.Research on Methods for Low Speed Target Detection of Radar[D].Xi′an ：Xidian University,2014.

[27] 张云佐.基于多活性代理的“低慢小”目标探测系统浅析[J].广西通信技术,2012(2):35-37. ZHANG Yun-zuo.Analysis of Detection System for“Low，Slow and Small”Target Based on Multi Living-Agent[J].Guangxi Communication Technology,2012(2):39-41.

[28] 钱学森，戴汝为，于景元．一个科学的新领域一开放的复杂巨系统及其方法[J]．自然杂志，1990,13(1)：3-10． QIAN Xue-sen,DAI Ru-wei,YU Jing-yuan.A New Field of Science-Open Complex Giant System and Its Methodology[J].Journal of Nature,1990,13(1):3-10.

[29] 王越,陶然,李炳照.基于多活性代理的复杂信息系统研究[J].中国科学E辑:信息科学,2008,38(12):2020-2037. WANG Yue,TAO Ran,LI Bing-zhao.Research on Complex Information System Based on Multi-Agent Agent[J].Chinese Science-Series E:Information Science,2008,38(12):2020-2037.

[30] 马淑芬,吴嗣亮.有色噪声中谐波频率的频域非线性预滤波估计方法[J].电子学报,2000,28(6):48-50. MA Shu-fen,WU Si-liang.Sinusoid Frequency Estimation in Colored Noise Based on Nonlinear Prefiltering in Frequency Domain[J].Acta Electronica Sinica,2000,28 (6):48-50.

[31] 王党卫,秦江敏,马晓岩.基于杂波白化处理的海面低速弱目标检测[J].现代雷达,2003,25(6):15-18. WANG Dang-wei,QIN Jiang-min,MA Xiao-yan.Clutter-Whitening-Based Low-Speed Weak Target Detection over the Sea[J].Modern Radar,2003,25 (6):15-18.

[32] 刘晨雨,张宏伟,马俊涛.基于双站多视角雷达的低空小目标探测技术概述[J].飞航导弹,2015(6):54-57. LIU Chen-yu,ZHANG Hong-wei,MA Jun-tao.Overview of Low-Altitude Small Target Detection Technology Based on Dual-Station Multi-Angle Radar[J].Aerodynamic Missile Journal,2015(6):54-57.