一種城市背景下“低小慢”目標CFAR檢測

汪智易，王 敏 ，丁杰如

(1.西安電子科技大學 雷達信號處理國家重點實驗室，西安 710071；2.西安財經(jīng)大學 信息與教育技術中心，西安 710100)

0 引言

“低小慢”目標是指具有典型的“高度低、雷達散射截面積(Radar Cross Section，RCS)小、速度慢”特性的雷達目標，目前主要的“低小慢”目標探測手段包括雷達、可見光、紅外、聲學和激光等。其中，雷達探測相比較而言具有受環(huán)境限制因素少、成本低等優(yōu)勢，尤其是X波段線性調(diào)頻連續(xù)波雷達探測備受關注。因為X波段線性調(diào)頻連續(xù)波雷達探測體制不受天氣、光照的限制，工程實現(xiàn)成本低，適合城市、機場等場景下分布式部署，能較好地解決重點空域安防矛盾突出的問題。

在城市環(huán)境下，很難找到理想的制高點和架設條件。所以，城市背景下“低小慢”目標探測，通常在樓頂、通信塔等建筑上固定布置，不進行機械掃描，而是進行方位或俯仰相掃。因此在做目標檢測時，需要設計一種面向數(shù)據(jù)量大、城市背景雜波的算法。本文在傳統(tǒng)CFAR檢測的基礎上，提出了一種檢測速度快，并且針對城市背景雜波的目標檢測方法。

城市背景下，典型的“低小慢”目標是無人機。相比傳統(tǒng)雷達探測，這類目標的探測面臨一些新的問題：無人機一般體積小、材質(zhì)散射系數(shù)低，小的RCS導致目標回波信噪比低，考慮到城市等背景下地雜波復雜的特點，目標檢測變得難度更大；無人機按照尺寸大小可分為微型、輕型、小型以及大型等多類，對應的尺寸大小變化范圍大，相應的速度動態(tài)范圍也大，同時慢速目標在MTI濾波過程中容易被抑制。

顯然，傳統(tǒng)的CFAR檢測手段[1]在實際應用時，需要進行相應的改進。吳言楓、王延杰等提出了立足光學傳感器的一種“低小慢”目標檢測方法[2]；Barkat等針對雜波背景條件下改進了CFAR檢測[3-6]， Mamgain等對CFAR檢測器進行改進[6-9]，曲長文等將人工神經(jīng)網(wǎng)絡引入到CFAR檢測當中[10-11]。針對“低小慢”目標檢測，許道明、張宏偉等進行了系統(tǒng)地分析和針對性研究[12-13,2]。本文立足于線性調(diào)頻連續(xù)波(LFMCW)相控陣雷達的“低小慢”目標探測，重點研究一種能適應于城市背景雜波的CFAR檢測方法，以解決復雜城市雜波環(huán)境下，高動態(tài)的小目標檢測問題，并從理論和仿真兩個方面分析和探討CFAR檢測面臨的問題，驗證本文所提方法的可行性和優(yōu)越性。

1 CFAR檢測器

1.1 CA-CFAR檢測器

在單元平均恒虛警(CA-CFAR)檢測器中，背景雜波功率水平由鄰近的R=2n個參考單元的均值計算得出，同時為了避免目標泄露的影響，在待檢測單元周圍設置若干保護單元。CA-CFAR檢測器的原理框圖如圖1所示。

圖1 CA-CFAR檢測器的原理框圖

假設參考單元采樣{xi,i∈1，2，…，2n}服從參數(shù)為μ0的指數(shù)分布：

則CA-CFAR檢測器是對雜波功率水平的一個最大似然估計[1]。對于待檢測單元D，該檢測器的虛警概率為：

其中，H0表示待檢測單元中不存在目標的假設，TZ是檢測閾值。

1.2 二維CA-CFAR檢測器

在實際LFMCW雷達中，在距離維和多普勒維進行二維CA-CFAR檢測[14]。二維CA-CFAR檢測時，可以先對距離維或者多普勒維進行一維的CFAR檢測，再對另外一個維度進行一維的CFAR檢測。另外，也可以同時對距離維和多普勒維CFAR檢測，這一情況下，參考單元在待檢測單元周圍組成一個空心的矩形窗，如圖2所示。

圖2 二維CFAR檢測

由此，衍生出兩種二維CA-CFAR檢測。汪洋、李光平提出了田字型二維參考窗，并且在距離維和多普勒維上分別進行OS-CFAR檢測和CA-CFAR檢測[15]。韓東娟、譚小敏等提出了循環(huán)剔除的CFAR檢測[16]，并在SAR圖像和韋布爾雜波條件下實驗。但是考慮到城市環(huán)境下地物雜波(如：高樓、近距離遮擋物等)在零多普勒頻率附近呈現(xiàn)出明顯的塊狀結構對檢測影響較大，所以本文采用圖2所示參考窗結構，并在實驗中對比各種二維CA-CFAR檢測器的性能。

傳統(tǒng)CFAR檢測[1](如：CA-CFAR、SO-CFAR、GO-CFAR、OS-CFAR等)采用固定大小參考窗，并依據(jù)經(jīng)驗設置參考窗大小。固定參考窗的CFAR檢測都面臨雜波邊緣、多目標檢測時，存在虛警被下降、抬高的問題，即使采用自動篩選、自適應策略[1](如：GOS-CFAR、CCA-CFAR、TM-CFAR)，算法復雜度會更高，如果對距離和多普勒維每個數(shù)據(jù)進行無差別檢測，時間消耗非常大，工程實踐中會帶來運算超時的問題。而工程上解決運算超時問題，通常采用數(shù)據(jù)抽取、減少積累次數(shù)、縮小掃描范圍的辦法，就會相應地導致系統(tǒng)精度損失、信噪比損失、指標下降。因此，本文提出了自適應窗CA-CFAR檢測算法，對所提算法進行理論性能分析，并用Monte Carlo法及仿真數(shù)據(jù)實驗驗證所提算法的有效性，在不同數(shù)據(jù)上進行對比實驗，證明本文所提算法的優(yōu)越性。

2 自適應窗CA-CFAR檢測算法

2.1 待檢測單元雜波背景判斷

其中， {i*j*}={imaxj0,iminj0}or{i0jmax,i0jmin}表示在R-D圖中待檢測單元十字4個頂端的單元號，α∈ (0,+∞)為校正系數(shù)，它代表雜波與噪聲水平之間的差異。

2.2 自適應窗CA-CFAR檢測

對于待檢測單元Di0j0，其參考單元{xij}由{i*j*}決定，具體來說是由imax、imin、jmax和jmin與保護單元來確定參考窗的大小。在經(jīng)典CA-CFAR檢測器中參考窗大小是固定的，并且假設參考單元內(nèi)雜波獨立同分布。但是在城市環(huán)境下高樓、山丘、近地物等地雜波背景中，固定的參考窗大小容易產(chǎn)生漏檢。這主要是由于在地雜波占據(jù)的回波單元數(shù)不固定和檢測窗在雜波區(qū)域滑動的情況下，固定的參考窗內(nèi)雜波獨立同分布的假設不容易滿足，因此雜波水平估計不準，從而在固定檢測門限時導致漏檢?；谶@一考慮，CFAR檢測器需要自適應調(diào)整參考窗的大小，即對于不同的檢測單元，imax、imin、jmax和jmin的大小自適應改變。

自適應窗調(diào)整過程如圖3中長虛線框所示，先對初始參考窗判斷距離維是否處于雜波區(qū)域，如果判定屬于雜波區(qū)域，則將imax、imin分別增加和減少1，從而對稱地增加參考窗大小，否則停止增加參考窗的大小。對于多普勒維，進行類似的窗調(diào)整過程，直到參考窗剛好處于雜波區(qū)域，然后進行二維CA-CFAR檢測。

圖3 本文算法流程

3 實驗結果與分析

3.1 不同信噪比下“純噪聲”檢測實驗

3.2 目標不在雜波區(qū)域檢測實驗

為了證明本文所提方法的優(yōu)越性，本文模擬調(diào)頻連續(xù)波體制相控陣雷達，采用如下實驗參數(shù)：雷達基本頻率調(diào)制帶寬B=20MHz，脈沖寬度τ=80μs，中心頻率f0=10GHz。目標參數(shù)為：速度v=20m/s，距離R=2500m，信噪比SNR=-30dB；雜波參數(shù)是：平均譜寬5m/s，均值為0，幅度為瑞利分布，信噪比SNR=-30dB，距離維呈塊狀分布[14]，假設雜波距離維跨度為200m。解脈壓后，以目標為中心的一維距離像如圖5所示，其中最高峰值為目標。從圖中能夠看出，雖然目標和雜波在速度上差別較大，但在一維距離像上目標還是混在雜波當中，不容易檢測出來。

圖4 不同信噪比情況下的檢測概率Pd對比

圖5 一維距離像

對250組回波做MTD后得到R-D圖，如圖6所示，目標(為最高峰值)從雜波中分離出來，也容易檢測出來，因此在后續(xù)實驗只考慮目標速度較慢(v=0m/s)的情況，即目標混在雜波當中的情況，如圖7所示，最高峰值為目標。從圖6可以看到，在峰值周圍，與峰值同距離維和多普勒維上呈現(xiàn)出“峰脊”現(xiàn)象，這與實際真實數(shù)據(jù)結果保持一致。本文所提方法正是基于這一現(xiàn)象，在自適應窗調(diào)整過程中判斷參考窗是否處于雜波區(qū)域時，可以主要考慮待檢測單元周圍潛在“峰脊”上的參考單元。

圖6 目標速度為20m/s時的R-D圖

圖7 目標速度為0m/s時的R-D圖

3.3 參數(shù)對本文所提算法的影響

2D-CA-CFAR需要設置參考窗上、下、左、右大小的4個參數(shù)，考慮到參考窗的對稱性，至少也需要2個參數(shù)。相較于2D-CA-CFAR，本文方法有兩個參數(shù)：在調(diào)整參考窗大小過程中，需要一個判定雜波區(qū)域的參數(shù)α；在CFAR檢測時，需要一個估計雜波強度的參數(shù)β。另外，在實現(xiàn)自適應窗調(diào)整時，要么指定參考窗變化的起始值和最大值，要么直接讓參考窗從1開始增大不做限制，沒有引入額外的參數(shù)?？紤]到算法運行的效率，以及在實際城市背景情況下高樓、山丘等較大的地雜波實際大小有限，本文將參考窗變化的起始值設為4(與2D-CA-CFAR保持一致)，將參考窗的最大值限定在40以內(nèi)進行實驗。設定這兩個值能夠控制參考窗調(diào)整的次數(shù)，可以減少算法運行的時耗，同時相比于2D-CA-CFAR，仍然能保證參考窗內(nèi)雜波獨立同分布，從而更好地估計雜波強度。

為了討論參數(shù)α和β對檢測結果的影響，對圖7所示數(shù)據(jù)做CFAR檢測，結果如圖8所示。從中可以看出，α和β越大，檢測目標數(shù)越少、虛警越低。參數(shù)α控制著雜波判定的結果，為了保持虛警率與2D-CA-CFAR一致，一般可以取α≈T。當待檢測單元處于雜波區(qū)域時，參數(shù)β才起作用，由于式(4)右邊已經(jīng)保證了目標檢測的虛警率，因此參數(shù)β的作用主要是校正估計出待檢測單元雜波的水平，控制雜波中的檢測虛警率。但由于雜波區(qū)域噪聲與雜波的分布較為復雜，一般只能給出一個簡單的結論[14]：假設雜波區(qū)域中雜波服從瑞利分布，那么當β≥7T時，本文方法在雜波區(qū)域中對于雜波的虛警概率低于10-4，并且在非雜波區(qū)域虛警概率Pfa=10-6不變。但是2D-CA-CFAR在這一虛警概率下，檢測目標數(shù)為0，無法檢測到目標，而本文方法在檢測目標數(shù)大于2時，始終能檢測到真實目標。

圖8 參數(shù)α和β取值不同本文方法檢測的目標數(shù)

4 結語

本文提出一種針對城市背景下的CFAR檢測方法，創(chuàng)新性地區(qū)分了雜波區(qū)域和非雜波區(qū)域，并且能夠自適應的調(diào)整參考窗的大小，實驗結果證明了該調(diào)窗策略對于雜波區(qū)域目標檢測影響明顯，起到了在雜波中檢測目標的作用，并且顯著減少了傳統(tǒng)CFAR算法里無差別檢測導致的時間消耗，并保持虛警率不變。因此，在城市背景地物雜波情況下，本文所用方法能更好地檢測出在雜波中的弱小目標。但是因多徑效應引起的城市雜波、城市背景下的地物雜波分布特性都還有待深入研究，這方面的研究將有助于提出檢測性能更好的城市背景下“低小慢”目標檢測算法。