强海杂波背景下目标信号的自适应频谱窗检测

雷 浩,郭东敏，汪仪林，王学敏

(西安机电信息技术研究所，陕西 西安 710065)



强海杂波背景下目标信号的自适应频谱窗检测

雷 浩,郭东敏，汪仪林，王学敏

(西安机电信息技术研究所，陕西 西安 710065)

针对通过频谱加固定矩形窗的频域滤波检测导弹目标信号的方法对强海杂波适应性较差的问题，提出了强海杂波背景下导弹目标信号的自适应频谱窗检测方法。该方法在实时估计的海杂波上限截止频率和理论上弹目最大交会速度的基础上，构建频带范围及形状适应于当前频谱、具有一定自适应性的频谱窗来抑制强海杂波对提取导弹目标谱峰信息的干扰。仿真表明，该方法能有效抑制强海杂波对提取导弹目标信号谱峰信息的干扰，提高了系统在强海杂波背景下检测导弹目标的性能。

无线电引信；目标检测；海杂波背景；高速小目标；频谱观察窗

0 引言

舰炮实现防空反导过程中，弹丸掠海飞行时, 经海面散射电磁波形成的海杂波[1]会进入无线电引信的信号处理系统，干扰导弹目标信号的检测。反舰导弹的RCS(雷达散射截面)很小，当无线电引信掠海飞行时，回波信号的信噪比很低；当弹丸离海面较近时，回波信号信噪比甚至小于0 dB。因此，根据信号的时域特征检测导弹目标的性能并不理想。

随着数字信号处理技术的不断发展，无线电引信在时频域进行目标检测已成为可能。文献[2]介绍了对空无线电引信在时频域通过谱峰搜索提取目标谱峰信息从而实现目标信号检测的方法，文献[3]基于FPGA实现了该方法，验证了在时频域检测目标信号的硬件可实现性以及实时性。文献[4]给出了一种基于时频分析进行海杂波背景下目标检测的方法。该方法在时频域中通过分析信号的时间-频率特征区分目标信号和杂波，比根据时域特征检测目标的方法对信噪比要求大大降低。当海杂波的谱峰强度大于目标信号谱峰强度时，该方法的性能会大大降低。

提取目标信号谱峰是无线电引信在时频域进行目标信号检测的前提[2]。文献[5]介绍了一种通过频谱加窗实现频域滤波方法，该方法通过频谱窗来抑制干扰，提高了目标检测系统抵抗强干扰杂波的性能。该频谱窗是根据信号统计特性设计的固定矩形窗，对于信号特性随海情、弹速和弹道高度变化的强海杂波，这种频谱窗适应性较差：当海杂波的频带范围发生变化时，干扰信号有可能进入信号通带。针对此问题，本文提出了强海杂波背景下目标信号的自适应频谱窗检测方法。

1 频域滤波技术

1.1 时频分析

时频分析是分析非平稳信号的有力工具。目前应用较广的时频分析方法包括短STFT、小波变换(WT)、Wigner-Ville分布等。这三种时频分析方法的优缺点如表1所示。

表1 三种时频分析方法的优缺点

目标检测过程中，为保证在资源有限情况下信号处理系统的实时性，工程上一般采用STFT将一维时域信号变换到二维时频域,根据信号的短时频谱提取信息。

FFT是STFT的基础。为抑制信号截断效应对频谱的影响，短时信号一般要经过时域加窗再进行FFT。现有的窗函数普遍采用对称凹函数的形式来抑制截断效应的影响，将窗的重点放在窗的中心，文献[3]提出一种基于汉明窗(Hamming)的非对称窗函数(如式(1)所示，M为窗长度)，将窗的重点放在短时信号时间靠前的地方，提高了信号处理的实时性，适合于弹目交会过程中实时提取信号的频谱信息。

(1)

1.2 频谱加窗频域滤波

与时域信号处理相比,在频域通过频谱加窗[6]进行滤波、目标检测等处理具有简单直观的优势，其原理框图如图1所示。

图1 通过频谱加固定矩形窗进行目标检测的原理框图Fig.1 The principle diagram of detecting target by fixing spectrum with fixed rectangular window

在频域根据目标信号与干扰信号在频域的差异可以设计出幅频特性曲线最优的滤波器来抑制干扰，获得比时域信号处理更优的滤波及抗干扰性能。图2给出了通过固定矩形窗抑制干扰信号的结果，其中的频谱窗根据目标信号及干扰信号的统计特性设计，但是当干扰信号的频带范围发生变化进入信号通带时，干扰信号会对提取目标信号谱峰特征造成干扰，如图2中右图所示。

图2 频谱加窗抑制干扰信号Fig 2 Restraining interfering signal by fixing spectrum with window

1.3 “面积法”估计频谱宽度

频域滤波需已知目标信号或者干扰的分布范围。对于频带范围变化的海杂波，频谱窗需根据海杂波的频谱宽度进行设计。海杂波能量在频域主要分布在低频段，海杂波频谱的上限截止频率足以体现海杂波的频谱宽度，这里定义海杂波经 FFT得到的N点频谱的上限截止频点为参数m。由于实测信号随机性较大，频谱中存在较多奇异值，所以通过阈值搜索估计参数m性能较差。

“面积法”[6]根据局部频谱谱线强度之和与整个频谱谱线强度之和的比值来估计信号的频谱宽度，易于得到海杂波频谱上限截止频率对应的参数m，具有较好的抗奇异值干扰性能，并且，采用“面积法”估计参数m的运算量较小，易于硬件实现。因此，相比阈值搜索,“面积法”更能满足实时估计参数m的需求。

2 自适应频谱窗检测方法

本文设计的强海杂波背景下导弹目标信号的自适应频谱窗检测方法的原理框图如图3所示。该方法相比于通过固定矩形窗抑制干扰来检测目标有三点不同：通过设定上限的“面积法”实时估计自适应频谱窗参数m；根据参数m构建自适应频谱窗；采用自适应频谱窗对原始信号短时频谱进行幅度调制。

图3 通过自适应频谱窗提取强海杂波背景下导弹目标信号谱峰信息的原理框图Fig.3 The principle diagram of extracting spectral peak information of missile target in strong sea clutter through adaptive spectrum observation window

2.1 通过设定上限的“面积法”实时估计参数m

海杂波的能量在频域主要集中在低频区域。引信掠海飞行过程中，取接收信号的片段通过FFT得到N点短时频谱，参数m将混有强海杂波的信号频谱划分为两部分：频点1至频点m为海杂波能量集中区，海杂波谱线强度较大；频点m至频点N为海杂波能量衰减区，海杂波谱线强度较小。参数m划分混有强海杂波的信号频谱示意图如图4所示。

由于海杂波的频谱特性与季节、地域、天气等有关，所以通过海杂波统计分布特性得到的参数m很难准确反映当前海面短时频谱的特性。因此，在引信工作过程中，信号短时频谱对应的参数m需要实时估计得到。由于引信接收到的信号为实测信号，随机性较大，因此本文通过“面积法”实时估计信号短时频谱对应的参数m。

目标回波信号的频带范围与弹目运动速度及交会姿态有关。当弹目小角度(小于20°)交会时，目标信号的频带范围近似仅与弹目速度有关，目前导弹普遍为超音速导弹，而炮弹初速已知，因此根据弹速及空气中声速可以得到目标信号谱峰的频带范围下限从而给参数m设定一上限A：当估计的参数m大于A时，令m取A的值，保证目标信号出现时其谱峰信息可以尽可能被检测到。

图4 参数m划分混有海杂波的信号频谱Fig.4 Divideding spectrum of signal with sea clutter by parameterm

2.2 构建自适应频谱窗

为抑制强海杂波给导弹目标信号谱峰信息提取带来的干扰，考虑到有可能进入海杂波能量衰减区的海杂波强度较大谱线仍集中在低频部分，本文根据海杂波和导弹目标信号特性以及上文估计得到的参数m构建如图5所示的自适应频谱窗W。

窗W不同于1.2节中的固定矩形窗体现为II段的设计及I、 II、 III段的范围由实时估计的参数m确定，具有一定自适应性。其中，II段为抑制进入海杂波能量衰减区的海杂波强度较大谱线对目标信号的干扰而设计，采用开口向上半抛物线形式，一方面可以较好抑制低频段海杂波能量的起伏并对可能出现的目标信号产生较小干扰，另一方面半抛物线形式易于计算，利于硬件实现。II段终止频点[1.2m]根据大量实测数据统计分析得到；III段、IV段之间由理论上弹目最大交会速度v进行划分，即根据速度门v排除高频信号的干扰。

由于窗W根据当前短时信号频谱实时构建，其相关参数由当前短时信号频谱特性确定，频带范围及形状适应于当前频谱，具有一定自适应性。

图5 基于参数m构建的频谱窗Fig.5 The spectrum observation window based on parameterm

2.3 频谱加窗提取谱峰信息

文献[5]设计的频谱窗为矩形窗，幅值由0和1构成。采用这样的频谱窗抑制干扰仅需对幅值为1的频带范围进行目标信号信息提取即可，本文设计的频谱窗是非矩形的窗，窗的幅值包括0和1以外的数值，因此，采用本文设计的频谱窗抑制强海杂波干扰时，需要通过该频谱窗对原始信号频谱进行幅度调制以获得新的短时频谱。

在通过自适应频谱窗处理回波信号短时频谱得到的新频谱中，通过谱峰搜索提取导弹目标信号谱峰信息的可靠性大大提高。

3 仿真验证

3.1 估计海杂波频谱上限截止频率参数m的仿真

有效估计得到海杂波频谱上限截止频率对应的参数m是构建自适应频谱窗的前提。

图6给出了通过设定上限的“面积法”估计实测信号中海杂波频谱对应参数m的结果。可以看到，通过设定上限的“面积法”估计得到的参数m有效地将强海杂波背景下引信接收到信号的短时频谱划分为海杂波谱线强度较大部分和海杂波谱线强度较小两部分，并且导弹目标信号谱峰位于海杂波谱线强度较小的部分；当实测信号出现特殊情形时，上限A保障了估计参数m的有效性，使得导弹目标信号的谱峰出现在海杂波谱线强度较小的部分。

图6 自适应频谱窗参数m的估计结果Fig.6 The estimation results of parameter m of adaptive spectrum observation window

3.2 自适应频谱窗抑制海杂波处理结果

有效估计得到当前短时信号对应的参数m后即可构建相应的频谱窗，通过该自适应频谱窗处理当前短时信号频谱得到的结果，直观体现本文设计的自适应频谱窗抑制海杂波干扰的效果。

图7给出了强海杂波背景下2.5 m脱靶量导弹目标信号片段的短时谱，以及经过自适应非矩形频谱窗和矩形频谱窗处理得到的新频谱，初步验证了相比于矩形窗，通过自适应非矩形频谱加窗处理更好地抑制海杂波强度较大谱线，导弹目标信号的短时谱谱峰信息可以通过谱峰搜索提取得到。

3.3 自适应频谱窗与固定窗处理结果对比

对于混有5级海情时探测器距海面5 m采集到的海杂波的2.5 m脱靶量导弹目标回波信号，本文基于MATLAB对上述方法及采用矩形窗处理信号频谱的方法进行仿真，经两种方法处理得到的时间-频率曲线如图8所示，验证了经过自适应非矩形窗处理的结果优于矩形窗的结果。

3.4 基于自适应频谱窗的强海杂波背景导弹目标检测性能及实时性分析

本小节对频谱加自适应非矩形窗与自适应矩形窗两种处理方法在5级海情下检测海面5 m的导弹目标信号的性能进行仿真。

对于两种方法提取到的信号瞬时频率，通过相邻多点频率的连续平滑程度来检测目标，统计处理结果如表2所示。结果表明，基于回波信号频谱加自适应非矩形窗检测目标的方法相比加自适应矩形窗的方法目标检测概率提高20%，虚警率降低10%，自适应非矩形窗相比自适应矩形窗可以更好地抑制强海杂波对导弹目标谱峰信息的干扰。

图7 混有强海杂波的2.5m脱靶量导弹目标信号片段的频谱和经过自适应加窗处理得到的新频谱Fig.7 The spectrum of the signal of missile target in strong sea clutter and the new spectrum fixed by the adptive window

图8 频谱经过自适应频谱窗与固定窗处理得到的时间-频率曲线Fig.8 The time-frequency curveafter the spectrum fixed by the adaptive spectrum window and fixed window

目标信号时域信号信噪比/dB自适应非矩形窗检测目标的性能自适应矩形窗检测目标的性能虚警率/%检测率/%虚警率/%检测率/%1.5m脱靶量导弹目标回波信号-8.4559816872.5脱靶量导弹目标回波信号-11.0369415733.5脱靶量导弹目标回波信号-12.035891768

文献[3]基于FPGA实现了通过STFT提取弹目交会过程中目标信号瞬时频率的方法，验证了通过STFT提取弹目交会过程中目标信号瞬时频率的实时性与工程可实现性。文献[3]涉及的弹目交会速度与本文类似，具有一定参考价值。

当采用N点FFT进行处理，且参数m的估计值大于上限A(此时运算量最大)时，本文所设计方法与文献[3]所设计方法提取某一刻瞬时频率的运算量如表3所示。当N=1 024时，本文设计的方法相比文献[3]设计的方法运算量总体增加3%，因此，本文设计的方法满足实际应用的实时性需求。

表3 本文所设计方法与文献[3]所设计方法提取某一刻瞬时频率的运算量

4 结论

本文提出了强海杂波背景下导弹目标信号的自适应频谱窗检测的方法。该方法在实时估计的海杂波上限截止频率和理论上弹目最大交会速度的基础上，构建了频带范围及形状适应于当前频谱、具有一定自适应性的频谱窗，抑制强海杂波对导弹目标谱峰信息提取的干扰，提高检测目标的性能。基于MATLAB的仿真结果表明，通过给强海杂波背景下回波信号的短时频谱加上自适应频谱窗提取谱峰信息能有效抑制强海杂波对导弹目标谱峰信息提取带来的干扰，从而提升了引信检测导弹目标的性能。基于该方法进行强海杂波背景下导弹目标的检测相比频谱加固定窗的方法在虚警率和导弹目标检测率方面都有较大优势，具有一定应用价值。

[1]王福友,袁赣南,卢志忠.X波段导航雷达浪高实时测量研究[J].海洋工程制导与引信,2007,25(4):84-87.

[2]张飞鹏,郭东敏,崔新.时频分析方法提取对空近炸引信多普勒信号频率信息特征[J].探测与控制学报,2003,22(6)39-41.

[3]李连杰.基于提取瞬时频率的多普勒无线电引信信号处理方法[C]//中国兵工学会第十八届引信学术年会论文集.西安：中国兵工引信专业委员会,2013：183-186.

[4]陈新敏, 张明博. 基于时频分布的海杂波背景下的小目标物检测[J].制导与引信,2008,29(2)44-48,54.

[5]杜勇.数字滤波器的MATLAB与FPGA实现(第二版)[M].北京：电子工业出版社,2014:56-63.

[6]李旭超. 图像统计模型参数估计中的期望最大值算法[J]. 中国图象图形学报, 2012, 17(6):619-629.

Adaptive Target Signal Spectrum Window Detection with Strong Sea Clutter

LEI Hao, GUO Dongmin, WANG Yilin, WANG Xuemin

(Xi’an Institute of Electromechanical Information Technology，Xi’an 710065，China)

Aiming at the poor performance of frequency domain filtering method by fixed rectangle window to detect target signal with strong sea clutter, the adaptive spectrum observation window was put forward in this paper. The method built adaptive spectrum observation window ,whose band range and shape varied with the real-time estimated upper cut-off frequency of sea clutter and the max intersection speed in theory,to restrain strong sea clutter interfering the estimation of spectral peak information of the missile target signal. Simulation revealed that this method could restrain strong sea clutter interfering the estimation of spectral peak information of the missile target signal effectively and improve the performance of system in detecting the high-speed small target in strong sea clutter.

radio fuze; target detection; sea clutter; high-speed small target; spectrum observation window

2015-12-15

雷浩(1989—)，男，陕西三原人，硕士研究生，研究方向：目标信号特征分析与检测。E-mail:771898797@qq.com。

TJ43

A

1008-1194(2016)05-0052-06