地面情报雷达点迹过滤技术研究

官林海

摘要

在雷达扫描过程中，由于受到外部环境的影响，实际回波中总是混杂着噪声、杂波和各类千扰，这些杂波和干扰信号被雷达检测和提取后，形成虚假点迹，如果不进行处理，将会大大提高形成虚假航迹的概率，严重影响雷达的探测性能。本文所述点迹过滤技术是通过提取真假目标点迹的归一化幅度、距离展宽、方位展宽等特征信息，然后对得到的每个目标点迹计算风险系数，根据风险系数判别目标的真假性，进而别除虚假点迹，并进行计算仿真。最后利用该方法对外场实录数据进行处理测试，结果表明实测结果与仿真结果一致。

【关键词】虚假点迹 点迹过滤 真假目标

1 引言

地面情报雷达一般也称作地面监视雷达或地面警戒雷达，主要用作国土防空和空中交通管制，多采用边搜索边跟踪体制，能同时对一定仰角和一定距离、360°全方位范围内的目标进行探测跟踪。探测过程中，由于地面反射、通讯基站、广播电台等的影响，回波中总是混杂着机内噪声、地物杂波和各类干扰，从而形成虚假点迹。虚假点迹包括噪声虚警、杂波剩余及干扰所形成的点迹，它们具有随机特性。雷达的目标提取器不仅能检测、录取真实目标的点迹数据，同时也能录取虚假目标的点迹数据，这些真假目标的点迹会一起被上报到雷达终端显示器中，这不仅加大了计算机的处理量，而且也不利于目标航迹的跟踪。剔除虚假点迹主要通过雷达的信号处理系统完成，例如采用旁瓣相消、动目标显示（MTI）、动目标检测（MTD）、恒虚警（OFAB）检测、杂波图等处理方法。另外，也可以依据真假目标点迹分布特性的不同對目标点迹进行判别，形成点迹过滤的准则，本文主要针对点迹过滤技术进行研究。

2 点迹过滤

点迹过滤主要是利用雷达回波点迹的不同特征参数信息，计算出点迹的风险系数（0到1之间），然后据此剔除一些虚假点迹。基本措施是对提取的目标点迹的各个特征两两组合，然后求出该特征组合下的似然概率，最后对所有特征组合下的似然概率加权求和，得出用于判别点迹真假的风险系数。

为了计算目标真假性的似然概率，雷达首先识别和标识出所有真假目标样本的点迹。然后对真假目标的点迹，提取有用的特征信息，分别计算点迹每个特征对应的均值和标准差。接下来把真假点迹的特征进行组合（如（X，Y），X，Y代表特征信息）放在同一坐标系中，如图1所示。

（图1中：X，Y代表点迹的特征信息，LK代表似然概率，V是真目标样本集，F是假目标样本集。）

找出一条区分目标真假的分隔线D₀，左右等距平移直线D₀，得到线D₁和D₂，它们之间的宽度由α确定：

式中，α是（0，1.0）之间的常量，X₀，X₁，X₂是D₀、D₁和D₂与X轴的交点，Y₀，Y₁，Y₂是D₀、D₁和D₂与Y轴的交点。

一个基本的似然概率计算方法是，规定在线D₁和D₂之间的点的似然概率在0.0和1.0之间，超过直线D：的点的似然概率约束为1.0，在直线D₁之下的点的似然概率约束为0;

为了给出最终的似然概率LK，对同一点迹的每一特征组合下的似然概率进行加权求和，可得：

其中，LK是似然概率，Lp_i是第i个特征组合的基本似然概率，wp_i是第i个特征组合的权重。

最后，判别目标点迹真假性的风险系数计算为：R=1.0-LK

观察图1可以发现，目标真假性的判别结果主要受分隔线D₁、D₂的间距影响，即取决于α的大小。

根据计算出的每一个点迹的风险系数，设置一个风险门限T，用如下公式进行真假目标判别，以过滤掉噪声虚警、杂波剩余及干扰等虚假目标的点迹。根据上述点迹过滤的实现步骤，给出实现流程图（图2），并据此进行仿真实验：

3 计算仿真

上节所述特征组合的选择，一般取决于雷达类型、工作模式、杂波环境及干扰类型等。本章我们提取的目标三个特征参数信息是：目标点迹的归一化幅度、距离展宽、方位展宽，它们对应的均值和标准差见表1。

3.1 仿真结果

（1）利用上述真假目标判别的求解步骤，对照图1给出一种特征组合下的似然概率划分图（图3）。

（2）本仿真T=0.9，由第2章可知，假目标的风险系数应为R_假>0.9，真目标的风险系数应为R_真≤0.9。下面取3组α值，分析真假目标判别的性能。

1.当α=0.1时，各取100组真、假目标的特征信息，求解出风险系数如图4所示。

观察图4及表2可以得出，α=0.1时真假目标判别的正确率为P_0.1=（97+79）/200%=88%。部分假目标点迹的风险系数并不满足判别条件，真目标点迹的风险系数基本上都满足判别条件。因此，得出的结果会把一些假目标的点迹判别为真目标，把少许真目标的点迹判别为假目标。

2.当α=0.5时，各取100组真、假目标的特征信息，求解出风险系数如图5所示。

观察图5及表3可以得出，α=0.5时真假目标判别的正确率为P_0.5=61.5%。

3.当α=0.9时，各取100组真、假目标的特征信息，求解出风险系数如图6所示。

观察图6及表4可以得出，α=0.9时真假目标判别的正确率为P_0.9=50.5%。

统计上述3组判别结果见表5。

由表5可以看出，随着α值的增加，真假目标的联合判别正确率逐渐降低。同时对照表2～4也可以发现，随着α值的增加，真目标的判别正确率提高，但假目标的判别正确率降低。当α取值较小时，真假目标的联合判别正确率比较高，但也会使部分真目标被判别为假目标，这将导致真目标点迹的丢失，不利于跟踪，因此应根据实际情况选择。值的大小。

4 实测数据处理结果

在上述理论仿真的基础上，进行了实测数据处理验证。通过对某雷达实测回波信号进行脉压、多普勒滤波、CFAR及杂波图检测等处理得到目标点迹，进而通过对比二次雷达信息选取出真、假目标点迹作为训练样本，分别得到真、假目标各个特征的均值、标准差。对未知点迹采用第2章所述算法计算风险系数，对高风险点迹进行过滤，基本处理流程如图7所不。

目标点迹凝聚处理的过程在电子工业出版社出版的《雷达信号处理和数据处理技术》一书中有详细描述，本文不再赘述。

目标的原始点迹经凝聚处理后，己获得唯一的距离、方位估计值。同时，在进行上述凝聚的过程中，分别提取点迹在距离、方位上的展宽特性。

经过点迹凝聚处理己得到點迹的距离、方位、幅度及距离展宽、方位展宽等信息，紧接着对得到的点迹计算其风险系数。本次实测数据处理中，所设风险门限T=0.9，不同α值时的判别结果如下：

（1）α=0.1的判别结果

对上图所示点迹进行统计：点迹过滤前有21021个点迹，点迹过滤后有8057个点迹（α=0.1）。由此可以发现第2章所述点迹过滤算法取得了一定的点迹剔除效果。同时可以发现，对于区域A，原始点迹中被虚假点迹掩盖住的真目标航迹，经过点迹过滤处理后显性的出现在视野中。当然，对于区域B，也可以发现点迹过滤后，部分真目标点迹被判错。通过对比二次雷达提供的航迹信息，真实目标的判别正确率约为87.56%。

5 结论

通过对比上述不同α值时实测点迹过滤结果可以发现，一方面随着α值的增大，真目标判别的正确率逐渐增大;但是，另一方面随着α值的增大，剔除的虚假点迹个数也逐渐减少，所得结果与第3章的仿真结果一致。工程应用中，应根据实际情况选择合适的α值，以达到预期的效果。

参考文献

[1]吴顺君，梅晓春等编著.雷达信号处理和数据处理技术[M].北京：电子工业出版社，2008.

[2]Merrill I.Skolnik主编，王军等译.雷达手册[M].（第二版中译本）北京：电子工业出版社，2003.

[3]丁鹭飞，耿富录编著.雷达原理[M].（第三版）西安电子科技大学出版社，2014.

[4] Mark.A.Richards著，邢孟道等译.雷达信号处理基础[M].北京：电子工业出版社，2008.