降低船用連續(xù)波雷達(dá)虛警概率的海雜波抑制方法?

姚元飛，何 奎，錢延軍，彭祥龍

（中國西南電子技術(shù)研究所，成都 610036）

降低船用連續(xù)波雷達(dá)虛警概率的海雜波抑制方法?

姚元飛??，何 奎，錢延軍，彭祥龍

（中國西南電子技術(shù)研究所，成都 610036）

為了解決海雜波引起的船用連續(xù)波雷達(dá)虛警概率增大，以及海雜波抑制算法工程應(yīng)用難度大的問題，提出了一種工程實用的海雜波抑制方法。首先，通過雙參數(shù)刪除型CFAR檢測算法和統(tǒng)計檢測算法進(jìn)行二次檢測；然后，依據(jù)鄰近幀之間目標(biāo)回波相關(guān)性較強(qiáng)和片狀海雜波相關(guān)性較弱的特點(diǎn)進(jìn)行幀間處理。仿真和海上實驗均表明，應(yīng)用該方法的船用連續(xù)波雷達(dá)可以降低不同強(qiáng)度的海雜波背景下的虛警概率。

船用連續(xù)波雷達(dá)；海雜波抑制；二次檢測；幀間處理；虛警率

1 引言

船用連續(xù)波（CW）雷達(dá)可以安裝在各類船舶上，探測周圍的各類物體如船只、浮標(biāo)、橋墩或島嶼等，給船舶駕駛員提供直觀的目標(biāo)距離與方位信息，規(guī)避各類危險障礙物，防止碰撞事故，也可以引導(dǎo)船舶按航道行駛。船用連續(xù)波雷達(dá)是利用接收到的回波信號進(jìn)行目標(biāo)探測，然而回波信號中不僅包含目標(biāo)的回波信號，也包含來自海面和地面等物體散射產(chǎn)生的回波信號，這種影響目標(biāo)信息提取的信號稱為雜波。顯而易見，雜波肯定會增大雷達(dá)的虛警概率或減小虛警概率恒定時的檢測概率，因此，必須對其進(jìn)行抑制。

海雜波是雷達(dá)無線電波與海浪相互作用而散射回的信號，其強(qiáng)弱不但與海面狀態(tài)有關(guān)，還與雷達(dá)發(fā)射頻率、極化方式和無線電波入射角等因素有關(guān)，和地雜波相比，海雜波是運(yùn)動和起伏的，因而消除海雜波的難度很大。目前，國內(nèi)外關(guān)于海雜波抑制算法的研究主要有以下幾種：基于不同海雜波分布模式進(jìn)行參數(shù)估計的海雜波抑制算法［1］、基于神經(jīng)網(wǎng)絡(luò)提取海雜波預(yù)測模型參數(shù)的海雜波抑制算法［2］、基于核函數(shù)和帶寬的海雜波概率密度函數(shù)估計算法［3］、基于非線性分析的海雜波抑制算法［4-5］、基于時頻分布的海雜波抑制算法［6］，以及基于Hough變換的檢測前跟蹤算法［7］，由于這些算法復(fù)雜度較大，所以完成這些算法需要的運(yùn)算量自然很大。然而，目前的數(shù)字處理器件還達(dá)不到理想化的處理速度，因此，目前這些算法大多還處于理論分析或者仿真階段。

針對海雜波抑制算法工程應(yīng)用難度大這一問題，本文首先描述了海雜波的高斯模型和非高斯模型，然后提出了一種基于海雜波成像后形態(tài)特征的海雜波抑制方法。海雜波成像后的形態(tài)特征主要有兩類：一類是離散點(diǎn)形態(tài)，這類海雜波成像后是一個個離散點(diǎn)形態(tài)；另一類是片狀形態(tài)，這類海雜波成像后是一小片區(qū)域形態(tài)。在設(shè)計過程中，首先采用二次檢測算法抑制離散點(diǎn)形態(tài)的海雜波，然后采用幀間處理算法抑制片狀形態(tài)的海雜波，從而使得船用連續(xù)波雷達(dá)具有良好的海雜波抑制能力。

2 海雜波模型

海雜波產(chǎn)生機(jī)理復(fù)雜，依賴于許多因素，主要包括雷達(dá)的工作狀態(tài)（入射角、發(fā)射頻率、極化、分辨率等）和背景狀況（如海況、風(fēng)速、風(fēng)向等）。因此，一般將海雜波看做一隨機(jī)過程。而完整地描述一個隨機(jī)過程是很困難的，通常根據(jù)需要考慮其主要特征，在分析海雜波時，主要考慮海雜波的幅度分布和相關(guān)特性。

2.1 海雜波的高斯模型

早期的雷達(dá)分辨率較低，分辨單元較大，在一個分辨單元內(nèi)，雜波的散射體數(shù)目較多，認(rèn)為滿足中心極限定理，因此雜波模型是高斯型的，認(rèn)為雜波同相和正交兩路分量服從高斯分布，雜波幅度分布服從瑞利分布。瑞利分布是雷達(dá)雜波中最常用的一種幅度分布模型［8］，它的概率密度函數(shù)為

式中，a是雜波的標(biāo)準(zhǔn)差。

2.2 海雜波的非高斯模型

隨著雷達(dá)分辨率的提高并工作在小擦地角下時，雜波明顯偏離高斯模型，具有兩個主要特征：一是有較長的右拖尾，二是有一個較大的標(biāo)準(zhǔn)偏差與平均值的比值。

對數(shù)正態(tài)（Log-normal）分布是S.F.George在 1968年提出的。它是常用的描述非瑞利包絡(luò)雜波的一種統(tǒng)計模型，適用于低入射角、復(fù)雜地形的雜波數(shù)據(jù)或者平坦區(qū)高分辨率的海雜波數(shù)據(jù)。當(dāng)高分辨率雷達(dá)在低視角監(jiān)測目標(biāo)時，其環(huán)境雜波就要認(rèn)為是非高斯的，這時可以認(rèn)為雜波服從對數(shù)正態(tài)分布［9］。對數(shù)正態(tài)分布的概率密度函數(shù)為

式中，uc是尺度參數(shù)，表示分布的中位數(shù)，σc是形狀參數(shù)，表示分布的偏斜度。

和對數(shù)正態(tài)分布模型一樣，韋伯爾（Weibull）分布模型也是描述非瑞利包絡(luò)雜波的一種常用的統(tǒng)計模型。但是韋伯爾分布函數(shù)的不對稱性小于對數(shù)正態(tài)分布函數(shù)的不對稱性，所以對海雜波幅度起伏較為均勻，高分辨雷達(dá)和低入射角的情況選用韋伯爾分布函數(shù)較為合理［10］。韋伯爾分布的概率密度函數(shù)可表示為

式中，q＞0是尺度參數(shù)，表示分布的中位數(shù)；p＞0是形狀參數(shù)，表明分布的偏斜度。

K分布適用于描述高分辨力雷達(dá)情況下的非均勻雜波［11］，其概率密度函數(shù)可表示為

式中，Kv（x）是v階第二類修正Bessel函數(shù)；a為尺度參數(shù)；a越小表明雜波強(qiáng)度越大；0.1＜v≤∞是形狀參數(shù)，取決于雜波的尖銳程度，v＝0.1時表示非常尖銳的雜波，v→∞時趨于高斯分布。

3 海雜波抑制方法

本文介紹的海雜波抑制方法主要包括二次檢測算法和幀間處理算法兩部分關(guān)鍵技術(shù)，下面對這兩部分關(guān)鍵技術(shù)的實現(xiàn)方法進(jìn)行重點(diǎn)闡述。

3.1 二次檢測算法

目前，海雜波背景下的目標(biāo)檢測算法主要是基于距離向的CFAR檢測算法［12-13］，對于強(qiáng)度比較大的海雜波有可能會被誤檢測為目標(biāo)。為了解決這一問題，本文提出了二次檢測算法，該算法基于一個波束內(nèi)同一距離單元不同方位的目標(biāo)回波相關(guān)性較強(qiáng)、離散點(diǎn)海雜波相關(guān)性較弱的特點(diǎn)進(jìn)行設(shè)計。應(yīng)用該方法的船用連續(xù)波雷達(dá)，天線轉(zhuǎn)速36圈/分鐘，方位波束寬度5.2°，發(fā)射信號周期3.3 ms，則一個波束內(nèi)有7個信號周期，如圖1所示。

圖1 一個波束內(nèi)的回波信號Fig.1 Echo signals within a beam

二次檢測算法主要包括距離向上的CFAR檢測（恒虛警率檢測）和方位向上的統(tǒng)計檢測，實現(xiàn)框圖如圖2所示。對于FFT后的數(shù)據(jù)首先通過CFAR檢測得到目標(biāo)信息并存儲，同時將目標(biāo)信息二元化；然后，采用滑窗處理的方式將當(dāng)前方位得到目標(biāo)信息和之前6個方位得到的目標(biāo)信息組成數(shù)組的形式，并且按照方位向?qū)δ繕?biāo)信息進(jìn)行重排；最后，對相同距離單元上7個方位向的目標(biāo)進(jìn)行統(tǒng)計判決，如果有些目標(biāo)僅出現(xiàn)一次或者兩次，那肯定是強(qiáng)度比較大的海雜波，將其從目標(biāo)信息中刪除，從而避免了強(qiáng)度比較大的海雜波被誤檢測為目標(biāo)的情況發(fā)生。另外，考慮到鄰近方位的相關(guān)性，判決后從第4個方位輸出目標(biāo)信息，會達(dá)到更好的檢測效果。

圖2 二次檢測算法實現(xiàn)框圖Fig.2 Block diagram of realizing secondary detection algorithm

依據(jù)一個波束內(nèi)目標(biāo)和離散點(diǎn)海雜波相關(guān)性的不同，通過二次檢測算法可以對離散點(diǎn)海雜波起到抑制作用。然而，如果圖2中的CFAR檢測算法可以先把海雜波的影響降低一些，那么會得到更好的海雜波抑制效果。

目前，海雜波背景下的CFAR檢測算法多是采用雙參數(shù)CFAR檢測算法［12］，雖然該方法相對單參數(shù)CFAR檢測算法對海雜波的抑制能力較強(qiáng)，但是仍有個別目標(biāo)和虛警會對雜波估計值產(chǎn)生一些影響。為了解決這一問題，本文提出了雙參數(shù)刪除型CFAR檢測算法，實現(xiàn)框圖如圖3所示。

圖3 雙參數(shù)刪除型CFAR檢測算法實現(xiàn)框圖Fig.3 Block diagram of realizing biparametric delete CFAR detection algorithm

圖中，D為待檢單元，交叉線標(biāo)出的緊鄰待檢單元的距離單元為保護(hù)單元，X1～Xn和Y1～Yn為參考單元，Zd為刪除前均值，Td為刪除調(diào)節(jié)系數(shù)，Sd為刪除門限，可以表示為式（5）形式，Z為刪除后均值，T1為均值調(diào)節(jié)系數(shù)，σ為方差，T2為方差調(diào)節(jié)系數(shù)，S為最終形成的門限，可以表示為式（6）形式。

通過采用雙參數(shù)刪除型CFAR檢測算法，可以使幅度判決門限更加穩(wěn)定，在計算參考單元的均值之后，并不將其作為幅度判決門限，而是作為幅度刪除門限，凡超過該門限的單元均被刪除，利用剩下的參考單元求均值來獲得幅度判決門限。另外，當(dāng)用高分辨率雷達(dá)在低視角觀察海面時，海雜波不再服從高斯類的瑞利分布，而是服從對數(shù)正態(tài)分布、韋布爾分布、相關(guān)K分布等一類的非高斯類分布，即海雜波出現(xiàn)尖峰的概率大大提高，此時利用方差將尖峰處的門限適當(dāng)提高，從而使得均勻雜波處的門限同時依靠均值和方差保持平穩(wěn)，虛警概率不會隨著環(huán)境的改變而變化。

3.2 幀間處理算法

對于一些片狀形態(tài)海雜波，即橫跨幾個方位角度的海雜波，通過二次檢測算法是無法對其進(jìn)行抑制的，因此，本文提出了幀間處理算法。該算法中的一幀是指船用連續(xù)波雷達(dá)掃描一圈（360°）所得到的回波數(shù)據(jù)，幀間處理算法是根據(jù)鄰近幀之間目標(biāo)回波相關(guān)性較強(qiáng)和片狀海雜波相關(guān)性較弱的特點(diǎn)進(jìn)行設(shè)計的，實現(xiàn)流程如圖4所示。首先，存儲M-1幀二次檢測算法處理后的目標(biāo)信息；然后，用保存的M-1幀的目標(biāo)信息和當(dāng)前幀相應(yīng)角度和距離單元的目標(biāo)信息比較；最后，通過目標(biāo)出現(xiàn)次數(shù)是否大于或等于L次（可調(diào)節(jié)）判斷相應(yīng)角度和距離單元上是否存在目標(biāo)，從而達(dá)到抑制片狀形態(tài)海雜波的目的。

圖4 幀間處理算法實現(xiàn)流程圖Fig.4 Flowchart of realizing inter-frame processing algorithm

4 實驗結(jié)果與分析

4.1 虛警概率分析

因為鄰近幀之間海雜波的相關(guān)性較弱，所以這里假設(shè)鄰近幀之間的海雜波不相關(guān)，若單幀處理時，海雜波造成的虛警概率為Pfa-S；則M幀處理時，海雜波造成L次以上（包括L次）虛警的概率Pfa-M可以表示為

其中，N表示虛警次數(shù)。

依據(jù)式（7）進(jìn)行仿真，當(dāng)M＝3和L＝2時的虛警概率仿真結(jié)果如圖5所示，其中橫坐標(biāo)為單幀處理時的虛警概率，縱坐標(biāo)為采用幀間處理算法后的虛警概率，由此圖可以看出，采用幀間處理算法后的虛警概率相對單幀處理時的虛警概率得到了大幅減小，比如，當(dāng)單幀處理時的虛警概率為10-5時，采用幀間處理算法后的虛警概率可以降低為10-9。

圖5 虛警概率仿真結(jié)果Fig.5 Simulation result of false alarm probability

4.2 海上實驗

在算法應(yīng)用過程中，采用TI公司性價比較高的DSP芯片TMS320C6748作為硬件平臺進(jìn)行設(shè)計，二次檢測算法中CFAR檢測的參考單元設(shè)置為一個可變處理窗，式（7）中的M和L設(shè)置為可變數(shù)值，它們聯(lián)合組成了海雜波等級調(diào)節(jié)系數(shù)，可以通過雷達(dá)的顯控面板進(jìn)行調(diào)節(jié)，從而使得船用連續(xù)波雷達(dá)在海上使用時，可以根據(jù)海上的實際狀況實時調(diào)節(jié)海雜波抑制強(qiáng)度。

應(yīng)用本文提出的海雜波抑制方法的船用連續(xù)波雷達(dá)在海上進(jìn)行實驗時，遇到的風(fēng)浪較大，首先通過雷達(dá)的顯控面板關(guān)閉海雜波抑制功能，得到的雷達(dá)圖像如圖6所示；然后，打開海雜波抑制功能，因為風(fēng)浪較大，所以將海雜波等級調(diào)節(jié)系數(shù)在40％～70％之間進(jìn)行手動調(diào)節(jié)，同時對雷達(dá)圖像進(jìn)行實時觀察，發(fā)現(xiàn)海雜波等級調(diào)節(jié)系數(shù)在60％時海雜波抑制效果較好，故將海雜波等級調(diào)節(jié)系數(shù)鎖定在60％，對應(yīng)CFAR檢測的可變處理窗包括255個參考單元，對應(yīng)式（7）中的M和L分別為3和2，此時，得到的雷達(dá)圖像如圖7所示。對比可見，采用本文介紹的海雜波抑制方法，不但抑制了絕大多數(shù)海雜波，而且沒有對船舶、海岸、堤壩等目標(biāo)產(chǎn)生影響。

圖6 海雜波抑制功能關(guān)閉時的雷達(dá)圖像Fig.6 Radar image of closing sea clutter suppression function

圖7 海雜波抑制功能打開時的雷達(dá)圖像Fig.7 Radar image of opening sea clutter suppression function

5 結(jié)束語

本文依據(jù)海雜波成像后的形態(tài)特征，提出了一種基于船用連續(xù)波雷達(dá)的海雜波抑制方法。仿真分析和海上實驗表明，該方法不但可以解決海雜波引起的船用連續(xù)波雷達(dá)虛警概率增大的問題，而且可以根據(jù)海上的實際狀況實時調(diào)節(jié)海雜波等級，抑制不同強(qiáng)度的海雜波。與國內(nèi)外同類技術(shù)相比，該方法運(yùn)算量小，易于實現(xiàn)，在應(yīng)用過程中采用低成本的

DSP即可完成設(shè)計，因此，便于在船用連續(xù)波雷達(dá)上普及使用，適當(dāng)改進(jìn)后也可以在船用脈沖雷達(dá)上推廣使用，從而使得船用雷達(dá)在海雜波背景下的虛警概率得到普遍降低。

［1］姚云萍，段昶，方慶.一種船用雷達(dá)的海雜波抑制算法［J］.火控雷達(dá)技術(shù)，2011，40（3）：32-36. YAO Yun-ping，DUAN Chang，F(xiàn)ANG Qing.A Sea Clutter Suppression Algorithm for Marine Radar［J］.Fire Control Radar Technology，2011，40（3）：32-36.（in Chinese）

［2］林三虎.基于混沌的非相干雷達(dá)海雜波抑制方法研究［D］.西安：西安電子科技大學(xué)，2006. LIN San-hu.Cancellation of Sea Clutter based on Chaos Theory［D］.Xi′an：Xidian University，2006.（in Chinese）

［3］楊永生，張宗杰.基于核函數(shù)和帶寬的海雜波概率密度函數(shù)估計［J］.探測與控制學(xué)報，2010，32（5）：38-41. YANG Yong-sheng，ZHANG Zong-jie.Probability Density Function Estimation of Sea Clutter Based on Kernel and Bandwidth［J］.Journal of Detection＆Control，2010，32（5）：38-41.（in Chinese）

［4］許小可.基于非線性分析的海雜波處理與目標(biāo)檢測［D］.大連：大連海事大學(xué)，2008. XU Xiao-ke.Sea Clutter Processing and Target Detecting Based on Nonlinear Analysis［D］.Dalian：Dalian Maritime University，2008.（in Chinese）

［5］楊杰，姜明啟.混沌研究方法在雷達(dá)海雜波分析中的應(yīng)用［J］.電子與信息學(xué)報，2001，23（6）：552-558. YANG Jie，JIANG Ming-qi.The Application of Chaos Theory to Radar Clutter［J］.Journal of Electronics and Information Technology，2001，23（6）：552-558.（in Chinese）

［6］陳新敏.海雜波背景下小目標(biāo)物檢測［D］.西安：西安電子科技大學(xué)，2008. CHEN Xin-min.Small Target Detection in Sea Clutter［D］. Xi′an：Xidian University，2008.（in Chinese）

［7］崔蕾，曲長文，黃勇.海雜波背景下小目標(biāo)檢測及其運(yùn)動信息的提?。跩］.海軍航空工程學(xué)院學(xué)報，2007，22（1）：137-140. CUI Lei，QU Chang-wen，HUANG Yong.Dim Target Detection and Motion Information Extraction with Sea Clutter Background［J］.Journal of Naval Aeronautical Engineering Institute，2007，22（1）：137-140.（in Chinese）

［8］Kuruoglu.Modeling SAR images with a generalization of the Rayleigh distribution［J］.IEEE Transactions on Image Processing，2004，13（4）：527-533.

［9］Guida M.Biparameter CFAR procedures for lognormal clutter［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29（3）：541-544.

［10］Hirose.Maximum likelihood estimation in the 3-parameter Weibull distribution：A look through the generalized extremevalue distribution［J］.IEEE Transactions on Dielectrics and Electrical Insulation，1996，3（1）：43-55.

［11］Chung Pei-Jung，Roberts.Recursive K-distribution parameter estimation［J］.IEEE Transactions on Signal Processing，2005，53（2）：397-402.

［12］印玉棟，秦振杰，范時勝，等.Weibull雜波背景下的雙參數(shù)CFAR檢測器［J］.空軍雷達(dá)學(xué)院學(xué)報，2010，24（4）：247-250. YIN Yu-dong，QIN Zhen-jie，F(xiàn)AN Shi-sheng，et al.A Biparametric CFAR Detector Under the Background of Weibull Clutter［J］.Journal of Air Force Radar Academy，2010，24（4）：247-250.（in Chinese）

［13］郝程鵬，原建平，劉斌，等.OSCA-CFAR在K分布雜波邊緣中的性能分析［J］.彈箭與制導(dǎo)學(xué)報，2008，28（4）：203-208. HAO Cheng-peng，YUAN Jian-ping，LIU Bin，et al.Performance Analysis of OSCA-CFAR Detector under K-distribution Clutter Edge Situation［J］.Journal of Projectiles，Rockets，Missiles and Guidance，2008，28（4）：203-208.（in Chinese）

姚元飛（1980—），男，山東菏澤人，2003年獲學(xué)士學(xué)位，現(xiàn)為工程師，主要研究方向為信號處理、終端技術(shù)；

YAO Yuan-fei was born in Heze，Shandong Province，in 1980.He received the B.S.degree in 2003.He is now an engineer.His research interests include signal processing and terminal technology.

Email：yyf617488＠163.com

何奎（1985—），男，四川巴中人，2011年獲碩士學(xué)位，現(xiàn)為助理工程師，主要研究方向為信號處理、終端技術(shù)；

HE Kui was born in Bazhong，Sichuan Province，in 1985.He received the M.S.degree in 2011.He is now an assistant engineer.His research interests include signal processing and terminal technology.

錢延軍（1982—），男，內(nèi)蒙古赤峰人，2010年獲碩士學(xué)位，現(xiàn)為助理工程師，主要研究方向為信號處理、終端技術(shù)；

QIAN Yan-jun was born in Chifeng，Inner Mongolia Autonomous Region，in 1982.He received the M.S.degree in 2010. He is now an assistant engineer.His research interests include signal processing and terminal technology.

彭祥龍（1971—），男，四川巴中人，1999年獲碩士學(xué)位，現(xiàn)為高級工程師，主要研究方向為雷達(dá)系統(tǒng)設(shè)計。

PENG Xiang-long was born in Bazhong，Sichuan Province，in 1971.He received the M.S.degree in 1999.He is now a senior engineer.His research concerns radar system design.

A Sea Clutter Suppression M ethod for Reducing M arine CW Radar False Alarm Probability

YAO Yuan-fei，HE Kui，QIAN Yan-jun，PENG Xiang-long
（Southwest China Institute of Electronic Technology，Chengdu 610036，China）

In order to solve increasing of probability of false alarm caused by the marine continuous wave（CW）radar sea clutter，as well as difficulty of sea clutter suppression algorithm engineering applications，a practical engineering sea clutter suppression method is proposed.First，secondary detection is performed by biparametric delete constant false alarm rate（CFAR）detection algorithm and statistical detection algorithm.Then，according to the feature that the target echo correlation between adjacent frames is strong and flaky sea clutter correlation is weak，the inter-frame processing is carried out.Simulation and sea experiments show that through application of the method marine CW radar can reduce the probability of false alarm under different intensities of sea clutter. Key words：marine CW radar；sea clutter suppression；secondary detection；inter-frame processing；false alarm probability

yyf617488＠163.com

TN958.94

A

1001-893X（2013）05-0592-05

10.3969/j.issn.1001-893x.2013.05.013

2012-12-04；

2013-03-21 Received date：2012-12-04；Revised date：2013-03-21

??

yyf617488＠163.com