一种基于谱认知的海杂波中运动目标检测方法

王金峰 顾庆远 刘仍莉

(1. 中国电子科技集团公司第三十八研究所 合肥 230088；2. 孔径阵列与空间探测安徽省重点实验室 合肥 230088)

0 引言

海杂波背景下的目标检测在军事和民用等方面都有着非常重要的应用，因此国内外很多研究人员一直致力于该项技术的研究，提出了许多种行之有效的海杂波背景下的目标检测方法[1]。根据处理域的不同可分为时间域处理方法和变换域处理方法。在时域，一般对幅度分布特性以及时间和空间的相关性进行研究，获得海杂波的统计特性后对其进行建模,进而进行参数估计和目标的检测[1]。海杂波的多普勒特性反映了其在脉冲之间的相互作用关系，从产生机理来看，它是由雷达发射频率、雷达波束照射方向等雷达发射机信息以及海浪方向、风速等海洋信息共同作用而产生的，并且随着雷达参数、海洋环境的改变而表现出不同的特性[3-4]。基于时频分析的目标检测方法通过估计chirp信号的参数，从源头上滤除杂波信号，再利用变换域提取强杂波信号的参数复制出原始杂波信号，从而从输入中去除[5]。

文献[6]分析了机载多通道系统的海杂波特性，表明了海杂波在多通道系统中具有较好的空间相关性，可采用空时处理的方式进行海杂波的抑制。文献[7]也提出了利用多通道系统的空间信息进行处理。但以上仅针对特征的雷达工作环境，而实际的机载雷达为了实现广域的搜索，波束指向往往覆盖全方位角度，此时海杂波的特性是变化多样的，导致对海杂波的处理不能选择某一固定的方法或者参数进行，这就要求雷达具有认知处理的能力[8]。

针对海杂波的变化特性，本文针对某双通道机载雷达提出了一种基于海杂波多普勒认知的自适应目标检测方法，其首先通过海杂波数据对海杂波的强度进行分类，然后根据强度的不同选择的处理算法分支，以提高海杂波环境的适应性。

1 信号建模

多通道机载雷达在飞行过程中发射脉冲并接收反射回波，形成通道-脉冲-距离分布的三维数据。将其表示为

(1)

其中A为雷达回波的反射强度，p为通道位置，τ为脉冲慢时间，t为距离快时间，f0为中心频率，c为传播速度，R(p,τ,t)为雷达通道与目标的相对距离。不失一般性，本文以正侧视工作时的系统(如图1所示)进行建模和算法说明。

图1 双通道雷达系统工作模型

那么有

(2)

其中假设雷达的x坐标式中为0，雷达和目标在脉冲内的位置不变，只在脉冲间变化。vp为载机的地速，vx，vy为海杂波的速度分量，H为雷达载机高度，(x0,y0)为目标的起始位置，d为两个通道的等效相位中心的间距。

2 频率域处理方法

将式(2)中的T1的距离进行简化可得到

(3)

其中vpy=vp-vy表示目标相对雷达的y方向速度分量。带入雷达回波式(1)中可得到，雷达的回波可表示为

(4)

将式(4)进行傅里叶变换即可得到回波信号的多普勒频率域的分布，傅里叶变换可表示为

(5)

(6)

那么，影响多普勒域分布的关键因素就在于反射体在相干处理周期内的谱特性。现有的研究表明可用高斯谱、立方型谱、指数型谱等谱型来表示海杂波的多普勒谱[1]，这也是海杂波相对地杂波谱宽度有所增加的主要因素。

以上仅以单目标点进行讨论，而实际的回波中包含了来自波束内各个方向上的杂波反射，可将其表示为积累的形式：

(7)

式(7)表明当前多普勒通道的谱，不仅包含当前多普勒通道对应的杂波回波，还包含由海杂波谱展宽带来的邻近多普勒通道的杂波回波，使得当前多普勒通道的杂波有所增强。但只要泄露小于波束内的总杂波强度，就带来了相干处理的得益。再加上方向图调制产生的清洁区也为运动目标的检测带来增益。因此，在海杂波强度中等条件下，对海处理可采用多普勒处理方法。图2为某X波段机载雷达的海杂波距离多普勒分布图。

图2 机载海杂波的谱分布

由图可见主瓣区的海杂波较强，其每个多普勒通道对应高通道角度区域内的海杂波回波以及邻近多普勒通道的泄露。受天线方向图的调制，其它区域保持较低的杂波强度且基本恒定，形成了目标检测的清洁区，有利于运动目标的检测。

3 频空联合域处理方法

然而，随着海况的恶化，海杂波的强度会进一步的增强，如图6、图8所示的海杂波距离多普勒分布图。此时，主瓣区域的海杂波进一步增强，靠近主瓣区域的目标已无法有效的检测，需考虑有效的杂波抑制方法。

3.1 空间通道模型

对于双通道的系统，系统还具备空域处理的能力。此时，将T2通道接收的(x0,y0)反射体信号表示为

(8)

其中雷达与目标间的初始距离为

(9)

那么，可近似为

(10)

其中ξ表示所有未算入的幅相误差。式(10)表明，第二通道与第一通道存在与位置和通道间距有关的相位差，以及与目标相对载机的y分量有关的多普勒频率偏移。由于杂波的速度相对载机较小，且d≪R0，因此第二相位项可通过vp进行多普勒的平移补偿。第一相位项可通过波束的方位角进行补偿；同时将剩余误差计入ξ。此时，式(10)的多普勒域信号可表示为

S(T2,fd,t)=ξS(T1,fd,t)

(11)

3.2 基于主分量分析的杂波对消

进行必要的多普勒偏移补偿后，两通道的多普勒通道已对齐，即两个通道的同多普勒通道对应相同的海面区域。但由于在工程设计中两通道的微波特性难免存在差异，再加上通道相位补偿的精度残余误差，导致两通道的响应存在一定的差异，无法直接进行对消处理。另一方面，对于主副瓣区域的多普勒通道，海杂波能量较强，且主要分量来自波束的同一方向。因此，可以通过主分量的特征矢量进行误差的估计。将两通道的同一多普勒数据构建为矢量的形式为

(12)

通过海杂波距离单元可估计得到海杂波的协方差矩阵为

(13)

图3 空间通道的主分量和次分量的分布

图3中通道1和通道2分别为原始的距离多普勒包络反演，特征1和特征2分别表示主分量和非主分量的能量。可见，按照主分量的空间特性进行空间对消后，将大幅降低海杂波的强度，有利于落入主杂波附近区域的运动目标的检测。

4 基于谱认知的自适应处理方法

频率域相干处理方法通过频率滤波器组将不同方向的杂波进行分割，将与目标竞争的杂波范围缩小和天线方向图的调制实现目标的检测。随着目标海杂波强度的增强，仅靠缩小范围和方向图的调制无法满足目标检测的需求，此时通过雷达系统的空间分集，获取近乎同时的海杂波数据，并通过海杂波估计通道的残余误差，实现杂波的对消，再缩小范围的基础上再进一步降低杂波的强度，实现目标的检测。

4.1 算法流程

两种方法都有一定的适用范围，频率域处理的海杂波强度不能太强，频空联合的方法处理需要一定的海杂波强度。另一方面，随着海杂波强度的增强，多普勒谱的峰值杂噪比也随着增加。因此，本文选择以海杂波多普勒谱的峰值信噪比作为指标进行信号处理算法的选择依据。具体的处理流程如图4所示。

图4 基于谱认知的海杂波中运动目标检测流程

4.2 实测数据处理

某X波段机载试验雷达，采用双通道的系统配置，在某海域进行了海杂波数据的采集飞行。为海杂波的研究提供了大量的分析研究数据。本文针对雷达的窄带对海数据进行处理。由于窄带工作模式时的距离覆盖区域很大，而海杂波特性又随入射角、海风区域、海底地形等因素的变化而变化。因此，在实际处理中需要分距离段进行。

对于系统采样频率10MHz的系统，距离单元的尺寸为15 m，选择100距离单元作为距离分块(对应1500 m的距离范围)。对每块数据求取距离均值，并根据均值剔除异常的起伏距离单元，得到该距离块的杂波沿多普勒维的估计p(fd)。对p(fd)再进行过固定门限检测，并把过门限的多普勒通道标记为1，不过门限的标记为0,并记为B(fd) 。接着对标记B(fd)进行滑窗，并结合雷达的波束指向和速度，找到主杂波区域的最大值Pmax。另一方面对标记为0的多普勒幅度求均值，作为噪(杂波)底Pcn。那么，通过海杂波回波估计的海杂波环境参数即可表示为：Pc=dB(Pmax)-dB(Pcn) 。

为了说明处理方法的工作流程，选择一组具有较强杂波的回波数据进行说明，该组数据的每个脉冲的原始回波信号如图 5所示。917距离单元的目标没有明显的幅度优势，被淹没在了海杂波中。为了获得当前数据海杂波的p(fd)分布，对该波位的信号进行脉冲维的傅里叶变换后得到距离多普勒平面的二维幅度分布(如图6所示)。可见，强杂波主要集中在一小部分的多普勒通道内；受到天线方向图的调制，一大部分多普勒通道得到了一定的抑制，获得了相对的清洁区。917距离单元的目标由于运动速度与海杂波运动速度的差异，从海杂波集中的主瓣区域分离出来，此时该多普勒单元的距离能量分布如图7所示，目标从杂噪底中凸显出来，可进行有效的目标检测。

图7 917距离单元处目标所在的多普勒单元的能量分布

接着，从距离多普勒的幅度分布，可得到该距离块的p(fd)分布曲线如图8所示。并从该曲线估计得到海杂波环境参数Pc估计为17.92 dB。在实际的处理中，根据天线方向图和调制和误差估计所需的信号质量，本文设置8 dB为频空处理的门限，此值显示，可进行频空维的联合处理。

对多普勒单元的标记B(fd)，滑窗满足M/N门限的多普勒单元构建双通道信号矢量，并估计通道误差后，杂波对消处理。此时将有利于对慢速运动(相对海杂波)的小目标的检测。对强杂波分区区域进行对消后的距离多普勒分布如图9所示。可见主杂波边沿的912, 922, 938, 947, 969目标从剩余杂噪环境中凸显出来。

图9 强杂波对消处理与和通道数据拼接后的目标检测环境

5 结束语

海杂波的抑制是海面目标检测的关键技术，决定着雷达系统的探测性能。然而，海杂波受风向、风力、洋流、暗涌等多种因素的影响，变化复杂多样，给目标检测带来了不小的挑战。虽然针对特定的研究方面，提出了大量的处理方法，但普遍的适用性不太好，限制了算法的适应工程应用。本文通过海杂波多普勒的峰值杂噪比实现对海杂波环境的认知，进而智能选择频空联合处理和频率域处理算法，实现了雷达系统对海杂波环境的自适应。通过实测数据的处理验证了算法的有效性。