防空雷达复杂强杂波抑制

桂佑林，张冰瑞

(南京电子技术研究所,　南京 210039)



·信号处理·

防空雷达复杂强杂波抑制

桂佑林，张冰瑞

(南京电子技术研究所,南京 210039)

针对山区、海面和城市复杂强杂波抑制问题，提出了基于速度信息和点迹质量评估的杂波抑制技术。设计了一种基于傅里叶变换的测速方法，这种方法能够在抑制强地杂波的同时测量剩余杂波的速度。通过提取包括幅度起伏、频谱、方位相关性等多维特征，利用点迹质量评估区分杂波和目标。采用文中提出的强杂波抑制技术处理实际雷达数据，结果表明，虚假航迹低于2%，目标点迹损失小于1%。

动目标显示；杂波抑制；测速；点迹质量评估

0　引　言

复杂强杂波抑制一直是防空雷达亟需解决的技术难题，传统的动目标显示[1-2](MTI)雷达基于对消、恒虚警检测和杂波图的处理流程存在两个方面的不足：首先，对于具有一定速度的海杂波和气象杂波，MTI的改善因子严重受限，不能满足杂波抑制的要求。MTI的优点是可以通过对消来抑制固定地物杂波，改善因子甚至达到60 dB以上。但是，对于恶劣海况下的海浪杂波速度甚至高达10 m/s，很难通过MTI进行杂波对消。其次，在检测过程中，只利用了回波幅度信息，对于噪声和微弱杂波环境能够很好的控制恒虚警率，而对于复杂环境强杂波，在幅度上很难区分杂波和目标，单纯通过控制幅度门限抑制杂波会导致目标点迹的损失。因此，常规处理流程在面对山区、海面和城市等环境下的复杂强杂波将会产生大量杂波剩余，严重制约了雷达的作战性能。由于近区、海岸线上空的强杂波和城市杂波，传统MTI方法产生了大片杂波剩余，严重影响了雷达的目标检测性能。

针对如上所述的两方面问题，设计了一种能够抑制复杂强杂波的基于测速和点迹质量评估的多维特征综合杂波抑制处理技术。

首先，利用测速抑制具有一定速度的杂波剩余[3]。设计了基于对消基傅里叶变换的测速方法。测速一直是MTI体制雷达的研究热点，通常的基于离散傅里叶变换(DFT)方法受到信杂比的影响制约。文献[4]提出了一种基于对消后数据的最大似然速度估计方法测速，这种方法适用于等重频的体制。在现在装备上使用的雷达中，通常为了推远模糊速度采用参差重频MTI体制，因此这种测速方法在工程上受到了限制。Kostrykin A I[5-6]设计了一种基于余数定理的测速方法，利用中国古代余数定理的方法进行多普勒速度的估计。这种方法要求参差比被最小公倍数整除后两两互质，而这种参差比不太好设计，制约了这种方法在实际装备上使用。本文设计的测速方法突出的优点是基于对消后的数据，因此可以不受强杂波的影响。这种方法能够在信杂比-40 dB时准确测量出目标速度。

其次，利用回波信号点迹质量评估解决在幅度域杂波和目标难以区分的问题，设计了一种基于多种特征的点迹质量评估方法。提取目标回波的布朗分形维数、幅度起伏特征、相位特征、频谱特征、方位相关性和

帧间相关性等多维度特征，进而在多维特征空间进行杂波识别和抑制。

试验表明，在这种强杂波抑制处理流程下，航迹能够自动起始，杂波虚假航迹低于2%，目标点迹损失小于1%。

1　测速算法

基于对消基DFT[7]的测速方法，相对于常用的变时DFT方法测速，其突出的优点是基于MTI对消后的数据，因此可以不受强地杂波的影响。

1.1变时DFT测速

在重频参差的MTI雷达中，可以采用变时傅里叶变换测量目标的速度。设第i个脉冲的回波信号为Si

Si=Aiejφi

(1)

式中：Ai为回波信号的幅度；φi为回波信号的相位。由于目标具有一定的速度v时，回波信号之间具有一定的多普勒频率关系。因此可以采用变时DFT搜索fd的方法测量出目标的速度。

(2)

图1　不同信噪比对DFT测速结果的影响

1.2基于对消基傅里叶变换的测速方法

针对变时傅里叶变换方法在信杂比低于6dB时测速正确率不高的问题，本文设计了基于对消基傅里叶变换的对消后测速方法。

在参差重频的MTI体制雷达中，设第i个脉冲的回波信号为si，假设采用N脉冲滑窗MTI输出yn为

(3)

式中：wi为加权权重，则MTI滤波器的频率响应为

Hn(ej2πfi)=w0+w1e-j2πfT1+w2e-j2πf(T1+T2)+…

+wNe-j2πf(T1+T2+…+TN-1)

(4)

采用对消基傅里叶变换的方法测量出目标的速度，如下式所示。

(5)

基于对消基傅里叶变换的对消后测速方法主要处理步骤：

1)对具有参差重频的回波进行滑窗对消；

2)对具有参差重频的参考信号进行滑窗对消生成对消基，工程实现时可以先算好存在本地，以免重复计算；

3)对滑窗对消后的数据和参考信号进行对消基傅里叶变换测速。

1.3分析与仿真

针对一种五脉冲参差重频滑窗对消，将对消后的4脉冲进行测速。如图2所示，仿真零速的固定回波作为地杂波，当信杂比-40dB时仍然能够正确测量出目标速度。

图2　基于对消的IQ测速方法(信杂比-40 dB)

采用-150m/s的目标叠加0速地杂波，设定信杂比为-40dB。图3为采用普通DFT测速结果，图4为采用对消后测速结果。可以看到，普通DFT测速峰值在0m/s处，而对消之后测速峰值才在目标真实速度位置。

图3　变时DFT测速图

图4　对消后测速傅里叶变换图

2　点迹质量评估

提取目标回波的布朗分形维数、幅度起伏特征、相位特征、频谱特征、方位相关性和帧间相关性等多维度特征，进而在多维特征空间进行杂波综合识别和抑制。

2.1点迹特征

2.1.1布朗维数

分数布朗运动模型[8-9]可以用来描述自然界中随机分形[10-12]的一种统计自仿真数学模型,它将粗糙表面看成是随机游动的结果,即在方向和距离上都是均匀随机变量。

分数布朗运动模型是计算图像分形维数的一种重要方法，其定义如下：在某概率空间上，指数为H(0

(1)以概率1有x(0)=0，且X(t)为t的连续函数；

(2)对任何t>0和Δr>0，增量X(t+Dr)-X(t)服从均值为0，方差为Δr2H的正态分布，故有

P(X(t+Δr)-X(t)≤x)=(2π)1/2(Δr)-n

(6)

式中：P为概率密度。由上式可知，X(t+Δr)-X(t)是稳定的，它的方差与Δr2H成比例，即

X(t+Δr)-X(t)∝Δr2H

(7)

改写上式如下形式

var{X(t+Δr)-X(t)}=E[X(t+Δr)-X(t)]2=

K·Δr2H

(8)

对上式两边取对数可得

ln[var{X(t+Δr)-X(t)}] =2H·ln(Δr)+C

(9)

式中：C为常数。由上式可知，只要求出var{X(t+Δr)-X(t)}和Δr数据对，然后用最小二乘估计斜率H，即可求得分形维数D=2-H，以及截距C，它与物体表面变化快慢系数K有关。目标和杂波的上述特征存在差异，可以用于抑制杂波。

2.1.2幅度起伏特征

1)幅度偏差系数

采用Alpha稳定分布对杂波进行建模，并采用计算简单且具有较好的估计精度的样本特征函数法来估计杂波样本序列Alpha稳定分布的模型参数α和σ并将其作为杂波分类的有效特征。幅度偏差系数ga计算如下

(10)

式中：a(i)为第i个脉冲的幅度。

2)幅度熵

直接计算杂波的幅度方差或者幅度熵，以提取杂波整体幅度起伏的大小。可采用脉间幅度熵Et来计算目标与杂波的时间幅度起伏，Et计算公式如下

(11)

2.1.3方位间相关性

杂波与目标存在体积上的差异，故在雷达相邻方位间扫描时，回波间的相关性可能表现出一定的差异，故可提取相邻方位的相关特性作为杂波与目标有区别的特征之一。相邻方位间相关系数可采用下式计算

(12)

式中：ri=[r1,r2,…,rP]为凝聚为同一目标在第i个方位角的回波序列。

2.1.4帧间相关性

由于常规警戒雷达帧间相隔6s～20s，时间较长，故杂波与目标在许多特征的连续性上可能表现不一致。提取杂波与目标的每帧的有效特征，并比较其连续性，则可为杂波与目标的区别提供一定的参考。帧间相关系数可采用下式计算

(13)

式中：ri=[r1,r2,…,rP]k为同一目标在第k帧的回波序列。2.2分析与仿真

利用杂波背景下某雷达的实测数据，分析运动目标回波与杂波在多维特征空间上的差异性，如图5所示，目标与杂波在幅度熵、相关系数和布朗分形维数三维空间上的分布有明显差异。

图5　目标与杂波多维特征分布

3　杂波抑制处理流程

根据上述对目标和杂波的特征分析，针对山区、海面和城市复杂强杂波抑制问题，设计了基于测速和点迹质量评估的多维特征综合杂波抑制处理流程。

图6　基于测速和点迹质量评估的杂波抑制处理流程

如图6所示，在进行常规的MTI、杂波图处理后，首先利用测速抑制具有一定速度的杂波剩余，采用对消基傅里叶变换的测速方法，这种方法有一个突出的优点是基于对消后的数据进行测速，能够在抑制强杂波的同时测量目标的速度，而不像以往的常用DFT方法只能测量信杂比较强信号的速度。其次，利用回波信号点迹质量评估解决在幅度域杂波目标不可分的问题，提取包括分形、频谱、方位相关性等多维特征，在多维空间实现强杂波抑制。

4　杂波抑制结果

本节通过实测数据分析了多维特征综合杂波抑制结果，如图7所示，从普通的基于MTI和杂波图的检测结果可以看出，杂波造成很多虚假航迹，并导致目标丢失。采用多维特征综合杂波抑制技术后，在真实目标航迹被保留的同时实现了杂波的有效抑制。

如图8所示为复杂强杂波条件下的检测效果，采用常规处理方法，出现大量杂波剩余，采用多维特征综合杂波抑制后，杂波得到有效抑制，目标航迹清晰、连续。

5　结束语

针对山区、海面和城市复杂强杂波抑制问题，本文分析了运动目标和杂波在速度和多维点迹特征的区别，设计了基于测速和点迹质量评估的强杂波抑制处理流程。试验表明杂波抑制后航迹能够自动起始，虚假航迹低于2%，目标点迹损失小于1%。

[1]DRURYWH.ImprovedMTIradarsignalprocessor[R]．AD-A010-478.

[2]WENGZ.OptimaldesignofclutterrejectionfilterforMTIsystem[C]//InternationalConferenceonRadar.Beijing:IEEEPress, 2001.

[3]GRAYJE，ADDISONSR.Effectofnonuniformtargetmotiononradarbackscatteredwaveform[J].IEEProceedingsonRadar,SonarandNavigation, 2003, 150(4): 271-276.

[4]TRUNKGV,GORDONWB,CANTRELLBH.FalsealarmcontrolusingDopplerestimation[J].IEEETransactionsonAerospaceandElectronicSystem, 1990, 26(1): 146-153.

[5]MISIUREWICZJ.UnambiguousDopplerfrequencyestimationinanMTIradar[C]//Radar97. [S.l.]:IEEEPress, 1997.

[6]KOSTRYKINAI．Wstepdoalgebuy.PanstwoweWydawnictwoNaukowe, 1984.

[7]NAMIASV.ThefractionalorderFouriertransformanditsapplicationtoquantummechanics[J].Geoderma, 1980, 25(3): 241-265.

[8]FLANDRINP.WaveletanalysisandsynthesisoffractionalBrownianmotion[J].IEEETransactionsonInformationTheory, 1992, 38(2): 910- 917.

[9]DUNCANTE,HUYZ,PASIKDB.Stochasticcalculusforfractionalbrownianmotion.I:theory[J] .ProceedingsoftheIEEEConferenceonDecrision&Control, 2000, 38(2) : 582- 612.

[10]GUANJ,LIUNB,HUANGY.Hefractalcharacteristicinfrequencydomainfortargetdetectionwithinseaclutter[J].IETRadarSonarNavigation, 2012, 6(5): 293-306.

[11]王永诚，吴小飞. 海杂波的分数维测量在对海面目标探测中的应用研究[J] .现代雷达， 2000, 22 ( 5 ) : 28 - 31.

WANGYongcheng,WUXiaofei.Applicationoffractaldimensionestimationforseaclutterinthedetectionofsea-surfacetargets[J].ModernRadar, 2000, 22 (5): 28 - 31.

[12]郭丽华，邢文革，董扬，等. 海杂波数据的多重分形谱分析[J]. 现代雷达， 2015，37 (2): 20-24.

GUOLihua,XINGWenge,DONGYang,etal.Multifractalspectrumanalysisofseaclutterdata[J].ModernRadar, 2015, 37 (2): 20-24.

桂佑林男，1977年生，硕士研究生，高级工程师。研究方向为雷达信号处理。

张冰瑞男，1987年生，博士研究生，工程师。研究方向为雷达信号处理。

Complex Strong Clutter Suppression in Surveillance Radar

GUI Youlin，ZHANG Bingrui

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

To suppress the complex strong clutter at different places such as mountainous area, sea area and cities，a clutter suppression technique based on velocity message and plots quality evaluation is proposed. A method of velocity measurement based on Fourier transform is presented. This method can scale the residual clutter's velocity and suppress strong ground clutter at the same time. After distilling the features of different dimensions such as amplitude fluctuation, frequency spectrum and azimuth relativity，the result of plots quality evaluation can be used to distinguish target and cultter.The presented strong clutter suppression flow is used to process real radar data.The result shows that the ratio of false tracks is less than 2% and the loss of target plots is less than 1%.

MTI；clutter suppression；velocity measurement；plots quality evaluation

桂佑林Email：guiyl@163.com

2016-01-22

2016-03-26

TN957

A

1004-7859(2016)06-0018-04

DOI：10.16592/ j.cnki.1004-7859.2016.06.005