基于空域联合时频分解的海面微弱目标检测方法

左 磊 产秀秀 禄晓飞 李 明(西安电子科技大学雷达信号处理国家重点实验室 西安 710071)(中国酒泉卫星发射中心 酒泉 735000)

1 引言

随着雷达性能的提升，其在区域防护中逐渐占据核心地位，被广泛应用于军事和民用等多个领域。其中海面微弱目标探测一直是雷达探测领域的重要难题之一，传统的研究手段通常是对大量观测到的海杂波进行幅度统计分析，进而确定虚警概率下的检测门限[1]。然而海杂波的统计特征并不稳定且通常情况下其能量远大于目标回波，给微弱目标检测带来极大的困难。

海面微弱目标受海浪影响，其运动表现出非匀速性，此时目标信号和海杂波都是非平稳信号，无论时域分析还是频域分析都不能完整地呈现海面回波的特性。为了研究这类信号，研究者相继引入微多普勒分析、Hough变换、分数阶傅利叶变换、极化检测、机器学习和时频分析等方法以检测海面微弱目标[2—8]。其中时频分析可以显示目标的瞬时运动特性，是检测海面微弱目标的有力工具[9]。文献[10,11]分析了高频雷达下海面机动目标的各种时频分布，指出在时频域进行目标检测的可能性。文献[12]应用从海面回波的Hilbert-Huang变换中提取的固有模态能量熵特征进行目标检测。文献[13]针对高频雷达下变速巡航目标，应用自适应chirplet分解和谱相减方法压缩海杂波。文献[14]根据维格纳-威尔分布(Wigner-Ville Distribution, WVD) 逆变换提出基于S-方法(S-Method, SM)的信号分解方法，并应用该方法检测海面目标。

本文根据海面目标回波的距离维相关性，提出一种基于空域联合时频分解的海面微弱目标检测方法。在相邻的距离单元内，目标信号的相关性明显强于海杂波。本文首先提出了互S-方法(Cross S-Method, CSM)计算得到两相邻距离单元的联合时频分布，近似等于两回波信号的目标分量的CSM和海杂波信号的CSM之和。利用互维格纳-威尔分布(Cross Wigner-Ville Distribution,CWVD)逆变换实现两距离单元信号的联合分解并从分解分量中通过特定特征找出目标信号实现目标检测。仿真和实测数据都验证了该方法的有效性。

2 海面回波信号分析

海杂波主要来源于波浪运动。海面波浪根据能量和波长大致可以分为两类：一种是由海面不定向微风产生的能量较弱波长较短的张力波，另一类是能量很强波长较长的重力波。重力波可以进一步细分为较小波浪和很大波浪。较小波浪是一些由当地阵风产生的很陡的短峰波集合。很大波浪的形状近似为正弦信号，它包含一些由固定强风产生的波长很长的波浪[8]。图1为一段海面回波数据的时间-距离图，图中明亮的斜线表示波浪经过的路径。该数据由南非科学和工作研究委员会(Council for Scientific and Industrial Research, CSIR)通过一部X波段雷达测得，雷达具体参数见表1。

在雷达照射区域中有一小型快艇，位于第11距离单元。目标尺寸较小，理论上位于一个距离单元内，但由于其阻挡了海浪的运动，使其在雷达回波中能够影响较大的区域，表现为在第9～14距离单元内都会出现目标回波。图2为第9～14距离单元回波的时频分布，从中可以直观地看到目标是在频率维聚集性非常好的曲线，且目标信号在时频域内与海杂波距离较远。利用滤波器将海面目标回波与海杂波分离，进而分别计算相邻距离单元内目标信号和海杂波的相关系数：目标信号的平均相关系数为0.9851，而海杂波的平均相关系数为0.6694，所以目标信号与海杂波的空间相关性是不同的。这是因为海杂波的相关距离较近，且内部变化复杂，故相关系数较小。

图1 海面回波的时间-距离图Fig.1 A time-distance map of sea surface echo

表1 实测海面回波的参数Tab.1 Parameters of measured sea surface echo

图2 不同距离单元回波的时频分布图Fig.2 Time-frequency distribution of echo in different range cells

基于目标信号与海杂波在空间维相关性的不同，本文提出了一种基于空域联合时频分解的海面微弱目标检测方法。该方法同时利用两个相邻距离单元的回波进行联合时频分解，进而通过特征从分解分量中找出目标信号，实现目标检测。

3 海面目标检测方法

本文提出了能够体现两个相邻距离单元回波数据相关性的CSM方法。两个信号的CSM通过合适的频率窗可以抑制两信号分量中支撑区域较远分量的交叉项，保留两信号中位于同一支撑区域中相应分量的CSM。在海面回波中，由于目标回波对于波浪运动的影响和海杂波的时空相关性，相邻或靠近的距离单元间的回波信号具有相似的时频结构，即两个距离单元回波中的目标信号位于相同的时频支撑区域，海杂波也位于同一时频支撑区域。由于目标信号通常是一条在时频面非常聚集的曲线，而海杂波分布在一小片时频区域内，所以两信号的CSM可以在聚集目标能量的同时抑制海杂波。

3.1 空域信号的联合时频表示

图3为在L=4,M=512参数下相邻两个距离单元的回波信号的时频表示。图3(a)和图3(b)分别给出了两个信号的SM表示，从图中可以看到两信号中都包含大能量的海杂波和小能量的目标信号。两图具有相同的结构：目标信号与海杂波信号分别位于相同的时频支撑区域内。通过CSM计算两回波信号的联合时频分布，结果如图3(c)所示。从图中可以看出，相邻距离单元回波信号的CSM等于两信号中目标信号的CSM和海杂波信号的CSM之和，且目标回波依然表现出较高的时频聚集性。

3.2 CWVD逆变换[15]

图3 两相邻回波信号的SM和CSM表示Fig.3 The SM and CSM of two adjacent echo signals

所以，将CWVD逆变换应用于海面回波的CSM，可以实现空域 (不同距离单元)信号联合时频分解。

3.3 海面目标检测方法

基于CSM方法和CWVD逆变换，提出一种海面目标检测方法，其实现过程如下：

步骤 1 计算两个相邻距离单元回波信号的CSM，其中L=4；

步骤 2 利用CWVD逆变换实现两个距离单元回波信号的联合时频分解得到[15]：

步骤 3 对分解得到的分量进行联合特征提取，并以此作为检测统计量进行目标检测。

海面目标回波通常是一个调频信号，所以其时频聚集程度远大于海杂波。将两距离单元对应分解分量最大值的平方与它们均值之比定义为检测统计量，即

该检测统计量能够表示信号的联合时频聚集性。分解所得的信号分量可以通过式(24)判断

图4 算法流程图Fig.4 Algorithm flow chart

4 实验结果与分析

构造一些含微弱目标的海面回波信号：将实测数据中不受目标影响的距离单元内的海杂波数据分成若干个长为512点的小数据块，应用蒙特卡罗方法对各小段海杂波应用本文方法进行分解和检测，进而根据虚警率6.6×10—4设定检测门限，然后在每个小数据块中加入一个微弱目标信号。为了使信号能够代表匀速运动目标和加速运动目标，将信号设为幅度是高斯函数的线性调频信号

其中，b是一个幅度参数用来调整信杂比(SCR)，0≤n≤511。目标回波信号的频率为0～125 Hz的扫频信号，且目标的初始径向速度为 0.13 m/s，加速度为 3 .14 m/s2。因而在时频域内，目标信号与海杂波非常靠近或部分重叠。

图5(a)为基于CSIR数据在SCR=—7 dB时的目标检测ROC(Receiver Operating Curves)曲线。从中可以看出所提方法比基于S-方法分解[14]和自适应归一化匹配滤波器(Adaptive Normalized Matched Filter, ANMF)[16]的目标检测方法效果更好。图5(b)为基于IPIX数据[17]的检测结果。从中可以看出所提方法性能优于传统的基于海杂波统计特性的目标检测方法。另外，对比于基于1个距离单元回波SM的方法，本方法的检测性能也有一定程度的提高，这是因为两个距离单元回波的联合处理降低了海杂波的相关性。

利用实测数据验证所提的海面目标检测方法。对图3中的回波信号进行联合时频分解并利用检测统计量从分解分量中找出目标信号。其CSM分布显示在图6中。从中可以看出目标信号以3.56 m/s的速度远离雷达。

图5 目标检测概率Fig.5 Target detection probability

图6 实际目标检测结果(图3中信号)Fig.6 Actual target detection result (signal in Fig.3)

5 结束语

海面目标的存在会影响多个雷达距离单元，相邻雷达距离单元回波的联合时频分布表现出与单个距离单元回波信号的时频分布相似的特征。本文提出一种两距离单元信号的联合时频分布方法——互SM，可以近似为两信号中相关分量的CWVD之和。利用CWVD逆变换实现两个距离单元回波信号的联合时频分解，最后利用分解分量的联合时频聚集性从分解分量的挑选出目标信号。本文提出的基于空域联合时频分解的海面微弱目标检测方法不仅可以快速的实现目标检测，还能够提出目标信号的运动特征。对包含仿真目标与实际目标的海面回波数据的检测结果表明，本文方法可以从海面回波中检测出微弱目标，并且能够得到目标的运动特性。

针对编队目标，即波束照射区间会出现多个目标的情况，通常情况下目标都是以相同的速度运动，此时目标检测算法同样适用。当目标间相对速度较大时，可以将两个目标通过信号分解方法分解出来，实现目标检测的同时进行目标数目估计；当目标相对速度较小时，在相对较短的时间内(约0.2 s)，目标不大可能出现明显机动，所以将回波信号建模成谐波信号是合理的。通过调整步长L，同样可以实现信号分离而不产生交叉项，所以该方法同样适用于多目标情况。

对于高速运动目标，如巡航导弹等，由于目标的高速运动，有可以会造成距离徙动现象，给目标检测带来困难，一方面可以通过减小积累时间、提高采样频率的方法来减小距离徙动造成的影响，另一方面也可以利用距离走动校正方法来消除距离徙动，实现目标信号长时间积累。本方法的下一步研究工作将集中在会产生距离徙动的高速运动目标检测方面。