實測海雜波數據空間相關性研究

關 鍵 丁 昊 黃 勇 王國慶 何 友

(海軍航空工程學院信息融合技術研究所，山東 煙臺 264001)

引 言

海雜波特性分析與建模是海雜波中微弱目標檢測與跟蹤處理的基本前提[1-2]，其研究目的在于充分掌握海雜波的特征信息，為海雜波抑制和目標檢測算法中的信號處理與數據處理提供必需的先驗信息。由于目前大多數檢測算法都建立在統計模型的基礎上，因此，海雜波統計特性分析一直屬于重點研究領域[3-9]。通常來說，海雜波統計特性可以從幅度分布特性和相關性兩個方面進行描述，這些特性會隨著雷達工作參數、環境參數以及雷達工作地理位置的改變表現出顯著差異[10]。對于采用現代信號處理算法的雷達而言，基于單點統計特性的海雜波模型并不適用，為了提高檢測性能以及算法最優化(如恒虛警檢測中閾值的設定、參考單元大小的選擇等)，必須充分考慮海雜波的相關性[11]。

海雜波的相關性分為時間相關性和空間相關性[12-14]。目前，國內外學者已經對時間相關性進行了深入廣泛的研究，并建立了一系列的功率譜數學模型[15-17]，而空間相關性的研究相對滯后，缺乏系統性，這主要是因為大多數試驗采集數據包含的距離單元個數較少，很難準確得到海雜波空間相關性的定量表征。在早期的文獻中，Raghavan[18]、Marier[19]以及Lombardo[20]等人分別從理論層面對空間相關模型進行了推導，然而，模型結構復雜且沒有經過實測數據的驗證。Watts等人采用少量的實測數據分析了海雜波強度的空間相關性與海雜波尖銳程度之間的關系[21]，并在其后續的研究中采用相關長度的經驗公式以及相關函數的指數模型對檢測算法進行了優化和性能分析[22]。該經驗公式和模型的優點是結構簡單，但是考慮的因素過于單一，缺乏對雷達參數和環境參數的適應能力。近幾年，澳大利亞國防科學與技術組織(DSTO)開展了系統性的海雜波數據采集試驗和特性分析方面的研究，采用不同波段的實測數據對海雜波幅度的長程和短程空間相關性進行了初步分析，并總結了空間相關性隨極化、風向等因素的變化規律[23-28]。此外，在一些雜波仿真和檢測性能分析的相關文獻中也涉及到了海雜波的空間相關性[29-32]，但一般都是現有結論或模型的應用，缺乏進一步的研究成果。

實際上，海雜波的空間相關性不僅體現在幅度(或強度)上，在不同距離單元之間，海雜波譜同樣具有空間相關性。譜的空間相關性分析對于自適應檢測算法中協方差矩陣的估計、海雜波抑制等都具有重要意義。在檢測領域，Greco等人采用IPIX雷達和Fynmeet雷達的采集數據研究了譜在距離單元間的非平穩性對檢測性能的影響，但是并沒有對譜的空間相關性進行分析[33]。Javier等人采用線性調頻體制的高分辨率雷達采集數據，同樣認識到距離單元之間譜的形狀存在差異，但其研究重點仍然是檢測性能分析[34]。由于譜的空間相關性分析對采集數據的要求更高，除了需要包含足夠多的距離單元外，在每個距離單元上還需要有足夠多的采樣點來保證譜估計的精度，因此，專門針對譜的空間相關性進行分析的文獻還鮮見報道。

針對這種現狀，采用大量實測海雜波數據，從幅度和譜兩個層面對海雜波的空間相關性進行了系統研究。在幅度的空間相關性方面，主要分析了非相參、相參條件下的空間相關性和長程空間相關性，同時分析了不同外界參數對相關性的影響，并闡明了分析結果對檢測算法的具體指導意義。在譜的空間相關性方面，重點分析了單一頻率成分的空間相關性、譜的質心和帶寬與功率水平的互相關特性，并從機理角度給出了分析結果的初步解釋。

1 實測數據描述

采用自行研發的雷達中/視頻數據采集器采集得到的海雜波數據，每個方位向采集到的有效樣本點數最多可達8 192個，非常適合于開展空間相關性的研究。試驗雷達為不同頻段、不同極化方式的#1型雷達和#2型雷達。#1型雷達為X波段岸基對海雷達，架設于距離海岸線300 m、海拔80 m的固定平臺上，可對某港口內進出船只及海上目標進行全天候不間斷觀測。數據采集方式為雷達全方位掃描，在一個方位角內，對某一波門內的徑向海雜波進行采樣。#2型雷達為C波段岸基對海雷達，同樣架設于固定平臺上，平臺高度約200 m，數據采集時雷達工作在駐留模式，可以對同一方位的海雜波進行多次數據采集。

試驗誤差的存在導致實測數據的同相和正交分量有可能不匹配，即方差不相等和互相關不為零。因此，在分析之前需要對數據進行校正，即分別去除I、Q通道數據的均值、標準偏差以及數據的相位失衡，校正后的數據應該嚴格正交并且具有相等的方差。圖1(見1062頁)(a)、(b)分別給出了不同海況時采集數據的P顯畫面，從畫面中可以直觀看到：低海況時，由于海表面比較平靜，海雜波較弱，海雜波中的漁船等目標清晰可見；高海況時，海雜波較強，部分目標信號淹沒在海雜波中。

考慮到雷達體制(相參、非相參體制)以及工作模式(駐留、掃描模式)的差異，在后續的分析中，#1型雷達的采集數據主要用于研究非相參條件下的空間相關性和長程空間相關性，而#2型雷達采集數據主要用于研究相參條件下的空間相關性和譜的空間相關性。由于雷達波段和工作地理位置均不相同，因此兩種海雜波的特性分析結果不能進行直接比較。

2 海雜波空間相關性分析方法

海雜波空間相關性考慮的是空間上分離的海表面后向散射信號之間的相關性，主要包括徑向(距離向)的空間相關性和方位向的空間相關性。本文僅分析距離向的空間相關性，根據研究對象的不同，主要從幅度的空間相關性和譜的空間相關性兩個層面進行研究。

2.1 幅度的空間相關性分析方法

海雜波幅度的空間相關性是指徑向分離的海表面后向散射信號在幅度上的相關性，測量這兩個信號的時間間隔很短，可以忽略其時間相關性。分析結果可以為目標檢測算法中檢驗統計量的選取、參考滑窗的設定等問題提供先驗信息。

海雜波幅度的空間相關性主要采用相關函數或其歸一化形式(即空間相關系數)進行分析。以x(k)表示某個方位上第k個距離單元的海雜波數據，則x(k)與x(k+l)之間的空間相關系數定義為

(1)

式中：E(·)和D(·)分別表示取均值和取方差運算；上標“*”表示復共軛。假定{x(k)，k=1，2，…，K}是寬平穩隨機序列，同時海雜波空間均勻，那么可以采用如下的空間相關系數估值公式：

(2)

從海雜波幅度的復合高斯模型及其對應的散射機理出發可以給出海雜波幅度空間相關性的一般變化趨勢[24-26]，即首先在初始點處會出現一個尖峰，在經歷一個快速的下降期以后出現一個緩慢的周期性衰減，這種周期性是由紋理分量的特性引起的，海雜波幅度的空間相關性主要取決于復合高斯模型中的紋理分量。

海雜波幅度的空間相關性與海浪或者海面波的狀態有關，在文獻[22]中，Watts給出了海雜波在距離向的相關長度Lcor與風速、重力加速度等參數之間的經驗公式，即

(3)

式中：θ表示風向與雷達視線之間的夾角；W表示風速；g為重力加速度。如果雷達的距離分辨率為ΔR，那么相關距離單元的個數Ncor為

(4)

現有海雜波幅度的空間相關模型多為指數衰減模型，實際上，該模型暗含了海雜波幅度在空間上具有短程相關性。相關文獻[25]的研究結果表明：海雜波幅度在空間上存在長程相關性，且可以反映出海表面波浪的結構參數(如波長、周期等)。當不同距離單元間的海雜波幅度具有長程空間相關性時，空間相關系數將呈現出冪率衰減，此時直接采用空間相關系數進行特性描述會出現較大偏差，這是因為在大的距離間隔內ρ(l)的值始終在零附近波動，因此無法直接得到冪率關系中的衰減系數。為了克服這一問題，采用消除趨勢波動分析(DFA)方法對幅度的長程空間相關性進行初步分析。

DFA的理論基礎是隨機游走理論，具體的分析過程見參考文獻[35]。對于不同的尺度s，DFA波動函數為

(5)

如果波動函數與尺度之間滿足

F(s)～sα

(6)

則海雜波具有長程空間相關性，其相關函數R(s)以冪率形式衰減，即

R(s)～s-γ

(7)

式中，α、γ分別稱為標度指數和相關指數，二者的關系為

(8)

標度指數類似于波動分析中Hurst指數的概念，可以反映出海雜波的長程空間相關性。當α=0.5時，海雜波是不相關的；當α<0.5時，海雜波具有反持續性的長程相關性，即海雜波幅度未來的變化趨勢很可能與當前的變化趨勢相反，反持續性的程度隨α的減小而增強；當α>0.5時，海雜波具有持續性的長程相關性，即未來的變化趨勢很可能與當前的變化趨勢一致，且α值越大，相關性也越強；當α>1時，海雜波具有持續性的長程相關性，但不再是冪率相關。

為了便于分析，將式(6)兩端同時取對數，并結合式(5)的波動函數，得到

=α·log2(s)+const

(9)

在特定的尺度范圍內，如果海雜波幅度滿足式(9)中給定的線性特性，則認為海雜波幅度具有長程空間相關性，與之對應的尺度范圍稱為無標度區間。由于在無標度區間內log2F(s)～log2(s)曲線近似為一條斜率為α的直線，因此通過曲線的最小二乘擬合就可以得到標度指數及相關指數。

2.2 譜的空間相關性分析方法

海雜波的譜特性描述了海雜波時間序列中各元素之間的依賴關系，而譜的空間相關性則描述了海雜波譜在不同距離單元之間起伏變化的空間相依性。對于信號檢測而言，通常需要從鄰近的參考單元估計檢測單元的協方差矩陣，因此一般假定海雜波空間均勻，即相鄰距離單元的海雜波具有相同的譜特性。而實際情況下，由于海表面狀態具有時變粗糙特性，慢變化的涌浪成分對海雜波譜的調制作用不可忽略，且風速、風向等參數起伏變化，這些因素往往會導致海雜波譜在不同距離單元之間存在差異[34]。通過海雜波譜的空間相關性分析，可以總結出譜在不同距離單元之間變化的一般規律，提高檢測單元協方差矩陣估計的精度，實現目標檢測算法的優化設計。

分析過程中，需要選擇合適的參數來表征譜特性?？紤]到海表面風的存在使得散射體處于運動狀態，從而導致譜的偏移，而散射體運動的隨機性又會使譜具有一定的展寬，為此，采用譜的質心fC和均方根帶寬BW對譜特性進行定量描述[36]，定義如下：

(10)

(11)

式中：f表示頻率；S(f)為海雜波的功率譜密度(PSD).兩個參數的估值公式分別為

(12)

(13)

式中：f(n)表示數字頻率；NF為數據點數；Pl(n)表示距離單元為l時的功率譜密度；Q(l)為歸一化因子

(14)

海雜波譜的空間相關性主要包括兩方面的研究內容，即單一頻率成分的空間相關性、譜的質心和帶寬與海雜波功率水平之間的互相關特性，具體的分析方法為

1) 通過譜估計方法(如Welch方法等)計算每個距離單元的功率譜密度；

2) 根據海雜波能量分布的頻帶范圍，從不同的距離單元中提取出占主導的頻率成分，并計算單一頻率成分的譜值隨空間距離間隔變化的空間相關系數；

3) 分別采用式(12)、(13)從海雜波功率譜密度中估計出每個距離單元譜的質心和帶寬，同時計算每個距離單元的平均功率，采用互相關系數對海雜波譜的質心、帶寬與功率水平之間的互相關特性進行定量分析。

3 海雜波幅度的空間相關性

3.1 非相參條件下的空間相關性

根據雷達參數、環境參數以及數據采集參數等因素的差異，并結合目標檢測算法對空間相關性分析的需求，在非相參條件下主要從雷達距離分辨率、海況、采樣率和積累四個方面對空間相關性進行分析，歸納總結空間相關性隨這些因素的變化規律，并對分析結果進行初步的機理解釋。

3.1.1 距離分辨率的影響

當雷達距離分辨率提高時，雷達波束照射到海表面的覆蓋區域面積變小，這樣采集數據中包含更多關于海表面結構的信息。由于海雜波的空間相關性與海表面結構密切相關[22]，因此，空間相關性也會隨距離分辨率改變。在分析時，分別采用長、中、短三種脈寬條件下的實測數據，并保持采樣率不變，即距離采樣間隔為固定值，單個距離分辨單元內的采樣點個數隨分辨率的提高而減少。數據采集期間海況約為2級，在同一方位上，空間相關系數隨距離延遲的變化關系如圖2所示，圖中的黑色虛線表示相關系數衰減為1/e時的臨界線。

圖2 不同脈寬時的空間相關性

可以看出：空間相關系數在不同脈寬條件下的總體變化趨勢是一致的，即首先經歷一段快速下降的衰減過程，然后出現一個緩慢的周期性衰減，并最終在一個很微弱的相關系數附近波動。這種現象表明：基于海雜波的復合高斯模型對空間相關性的解釋是合理的。此外，相關長度隨脈寬的不同具有顯著差異，為了定量分析脈寬與相關長度的依賴關系，采用多個方位的數據分別計算相關長度并取其均值，得到的結果如表1所示。

表1 相關長度與脈寬依賴關系

分析結果表明：相關長度與脈寬的變化趨勢一致，當雷達分辨率提高時，相關長度出現下降的趨勢，相關長度范圍內的距離采樣單元個數減少。需要說明的是：文獻[21]中通過三組不同分辨率和不同尖銳程度的海雜波數據也得出類似的結論，然而其數據除了在分辨率上有差異之外，極化、擦地角、海況等參數也不盡相同，因此，分析結果缺乏針對性。

通過海表面的散射機理和海雜波的復合高斯模型可以給出上述結論的初步解釋。海雜波可以看成是分辨單元內部大量散射體回波的矢量和，其中，重力波散射構成了復合高斯模型中的紋理分量，反映了海雜波的局部功率水平，具有一定的相關性；而張力波散射則對應散斑分量，它反映了海表面細微結構的散射特性，在空間上不相關[37-38]。當雷達分辨率降低時，分辨單元面積變大，此時對紋理分量的影響等價于在空間上進行平滑處理，且分辨單元越大，平滑的效果越明顯。這一方面會導致紋理分量的特征參數發生變化，比如表征其拖尾和尖峰程度的形狀參數，在低分辨率時，空間平滑作用削弱了高分辨率情況下出現的海尖峰，使得海雜波總的幅度分布趨近于瑞利分布。另一方面，平滑以后會增強紋理分量之間的相關特性，從而導致紋理分量的相關長度增加，一種極端情況就是當分辨率足夠低時，在整個大的空間范圍內海雜波可以認為是完全相關的。由于分辨率改變時，散斑分量的相關性并沒有發生變化，因此，當雷達分辨率提高時，相關長度會減小。

對于信號檢測而言，當雷達分辨率比較低時，相鄰采集數據之間的相關性較強，此時應該選擇短參考滑窗的恒虛警檢測算法以更好的跟蹤海雜波的局部功率水平[19]；而分辨率提高時，采集數據之間的相關性減弱，如果繼續采用短參考滑窗，那么對海雜波局部功率水平的跟蹤效果不佳，為了改善跟蹤精度并最終實現檢測算法的優化設計，需要采用盡量大的參考滑窗。更進一步的分析表明，在海況較低的情況下，三種分辨率海雜波的相關長度均小于其對應的雷達距離分辨率。這就表明：低海況時，雷達距離分辨單元之間是不相關的，相關性僅存在于距離采樣單元之間。

3.1.2 海況的影響

海況描述的是海表面的基本狀況，它與風浪和涌浪有關，并隨地域、時間而改變，通常采用浪高、周期、功率譜等統計量進行描述。當海況較高時，海面狀態起伏多變，與低海況相比具有明顯差異，因此，必然會導致海雜波的空間相關性發生變化。研究海況對空間相關性的影響時，主要采用“米雷”臺風期間采集得到的高海況海雜波數據，并與低海況時的分析結果進行對比。數據采集期間海面風力等級為8～9級，海況約為7級，雷達工作在中脈寬模式，空間相關系數的變化關系如圖3所示。

圖3 海況對空間相關性的影響

圖3表明：高海況時，海雜波的空間相關性增強，相關長度約為190 m，此時雷達分辨率為37.5 m，因此相關距離單元個數約為5個。在表2中，分別給出了不同海況時距離單元間隔與空間相關系數間的定量關系。通過對比不難發現，對于同一片海域，在雷達參數、數據采集參數均保持相同的條件下，海雜波的空間相關性隨海況的不同表現出顯著差異，其中，海況升高時，相關長度和相關距離單元個數均明顯增加。

表2 距離單元間隔與空間相關系數的關系

海雜波的空間相關性與海況之間的依賴關系表明了海面的涌浪或者海表面波結構對空間相關性具有顯著影響。對于充分發展的海面，當海況較高時，海表面風速增加，海面的變化比較劇烈，海浪起伏較快，且海浪的平均波長增加。海表面快速起伏的波浪成分反映了海面細微的波浪特征，其對應的散射構成了復合高斯模型中的散斑分量，在不同的海況下散斑分量始終是不相關的。導致海雜波空間相關性發生變化的主要因素是海表面的大尺度波浪成分，而海浪的平均波長是其平均化的參數表征，高海況條件下海浪的平均波長增加，從而導致海表面的相關長度增加。根據Watts等人的觀點，海雜波的相關長度取決于海表面的相關長度[22]，因此，海況升高時，海雜波的相關長度也會增加。

海況的升高使得相鄰距離單元之間的海雜波從不相關變化為強相關，因此如果采用單一的目標檢測算法會帶來較大的檢測性能損失。為了綜合考慮海況引起的空間相關性差異，在檢測算法設計時需要根據海況信息適當調整檢測算法的參數或者結構，使之與雷達的工作環境相匹配。

3.1.3 采樣率的影響

在實際中，為了有效降低采樣損耗，往往需要在每個距離單元內采集多個數據。當采樣率提高時，采集數據中包含了海雜波的更多細節信息，相鄰數據之間在空間上的間隔減小，因此距離采樣單元之間的相關性會受到影響。分別采用采樣率為20 MHz、10 MHz和2.5 MHz的海雜波數據分析采樣率對空間相關性的影響，雷達的距離分辨率為15 m，數據采集期間風力等級為5～6級，海況約為4級，空間相關系數的計算結果如圖4所示。

圖4 采樣率對空間相關性的影響

可以看出，盡管采用了不同的采樣率，但是相關長度基本保持一致，均為30 m左右，相關距離單元的個數約為2個。在相關長度范圍內的距離采樣單元個數存在差異，其中，20 MHz、10 MHz和2.5 MHz對應的距離采樣單元個數分別是4個、2個和0.5個。采樣率越高，相鄰采樣數據之間的相關性越強。這主要是因為采樣數據對應的海表面散射體在空間上間隔減小，相互之間的依賴程度變強，從而增加了采樣數據間的相關程度。

由此可知：在雷達距離分辨率保持固定，且環境參數基本不發生變化的前提下，提高采樣率不會對海雜波的相關長度以及相關距離單元個數造成影響，但是相鄰采樣點之間的相關性增強，在檢測算法設計時需要考慮采樣點之間的相關性。

3.1.4 積累的影響

通過積累可以有效改善信噪比，有利于目標的檢測。為了研究積累對空間相關性的影響，分別用5個、10個、40個脈沖進行積累，積累后的空間相關系數曲線如圖5所示，為了進行特性比較，圖中還給出了無積累時的空間相關系數。

圖5 積累對空間相關性的影響

不難發現，當積累脈沖數發生變化時，空間相關系數在初始的快速下降期內變化趨勢是一致的，并且與無積累情況時的空間相關系數基本相同。緊接著，在周期性衰減的過程中出現了微弱的差異，但是所表現出的周期性規律基本相同。這就表明：采用脈沖積累處理且積累時間比較短時，對空間相關性的影響不大，基本可以忽略。這主要是因為短時間內海雜波在較大的空域范圍內近似保持平穩，單個脈沖內海雜波數據的空間相關性基本相同，對于積累這樣的線性處理方法而言并不會改變原有的空間相關性。然而，文獻[39]的研究結果表明：當積累時間比較長時，空間相關系數曲線中的周期性趨勢不再明顯，這是因為海雜波中存在短暫的相參結構，多個脈沖取平均后相關函數中的周期性趨勢消失。由此可以看出，在分析海雜波的空間相關性時，如果數據的時間尺度較大，那么必須分離出時間尺度的信息，否則會受到時間平均的作用，對分析結果造成一定影響。

3.2 相參條件下的空間相關性

采用I、Q雙通道采集數據進一步分析相參條件下海雜波的空間相關性。數據采集環境與3.1.3節相同，采樣率為10 MHz，空間相關系數的實部、虛部和模值分別如圖6所示。由圖可知，相關系數的虛部始終小于1/e，表明其相關性可以忽略不計，而相關系數實部和模值的變化規律基本一致。相關系數虛部的這種特性歸根結底是由海雜波的正交分量與同相分量之間的互相關函數近似為零所引起的，也就是說，海雜波的I、Q通道數據在空間上是互不相關的，它所導致的直接結果就是相關函數中沒有相位項。需要注意的是：這一結論與海雜波的時間相關性不同，時間相關性中I、Q通道之間的互相關系數往往是不可忽略的，這是由于海表面散射體的運動引起了多普勒頻移。

圖6 相參條件下的空間相關性

3.3 長程空間相關性

以低海況和高海況條件下的海雜波數據為研究對象，對長程空間相關性進行分析。分別選取方位上相鄰的10個觸發脈沖，對每個脈沖對應的距離向海雜波數據進行單獨分析，得到DFA波動函數——尺度的雙對數曲線，如圖7所示?？梢钥闯鰞蓚€圖中均存在一定的尺度范圍使得曲線表現出近似線性的特性，對應的線性區間(即無標度區間)為23～28.這就表明：在無標度區間內，海雜波在空間上具有長程相關性。

(a) 低海況 (b) 高海況圖7 波動函數——尺度的雙對數曲線

進一步的分析可知：低海況時，波動函數——尺度的雙對數曲線偏離線性的程度大于高海況時的偏離程度。這主要是因為低海況時，海雜波較弱，采集數據中包含的噪聲能量較大，海雜波與噪聲的功率比(即雜噪比)很小，因此海雜波在空間上的長程相關性受到噪聲干擾，從而導致曲線偏離線性的程度有所增加。而高海況時，海表面劇烈起伏，海雜波能量遠高于噪聲，因此海雜波的長程空間相關性比較顯著，曲線更加接近于線性。此外，海況不同時標度指數也存在差異，海況高時標度指數比較大，約為0.352，而低海況時約為0.247，標度指數均小于0.5，表明海雜波具有反持續性的長程空間相關性，且低海況時的反持續性程度更強。出現這種現象的本質原因是海況的不同引起了海表面粗糙程度的差異，從而導致長程空間相關性不同，而這種差異對應的具體物理機理還有待于進一步的研究。

4 海雜波譜的空間相關性

4.1 譜估計方法

分析譜的空間相關性的前提是估計出每個距離單元的海雜波譜，這里采用非參數化的Welch方法[3]。首先將同一距離單元的采集數據分成K段，每段的長度為L=1 024，相鄰兩段數據的重疊率為50%，窗函數為Blackman窗，窗的寬度為1 024，窗函數的表達式為

n=0，1，…，L-1

(15)

式中，am表示窗函數的加權值，加窗的周期圖表示為

(16)

(17)

式中：T表示采樣周期；yk(n)表示第k段海雜波復包絡數據的第n個采樣點； Δ是一個歸一化因子，表示時間窗的功率，即

(18)

對加窗的周期圖取平均，得到Welch譜估計為

(19)

對每個距離單元都進行譜估計，就可以得到海雜波的距離-譜二維平面圖。對于#2型雷達的采集數據，譜估計的歸一化結果如圖8(見1062頁)(a)所示，在圖8(b)中同時給出了該組數據幅度的時間-距離(即脈沖-距離)二維平面圖。由圖可知，海雜波的譜特性在距離單元之間呈現出一定的差異，這種起伏性表明海雜波譜具有空間非平穩性。在幅度較高的距離單元，海雜波功率較大，對應的譜具有更高的峰值。譜的峰值頻率在10～40 Hz附近波動，表明海浪正在向靠近雷達的方向運動。每個距離單元的譜都具有不同程度的展寬，其中，在海雜波幅度比較高的距離單元上展寬效應比較嚴重。在數據采集過程中，雷達參數(如頻率、極化方式等)并沒有發生改變，因此，海雜波譜的空間非平穩性主要是由海表面狀態(如風速、風向、涌浪等)的時變特性引起。

4.2 單一頻率成分的空間相關性

通過以上分析可以看出：海雜波的能量主要集中在0～50 Hz的頻帶范圍內，單一頻率成分的譜值在不同的距離單元取值不同。由文獻[9]的分析結果可知：由于海雜波具有非平穩性，在同一距離單元，海雜波譜隨時間而變化，其中單一頻率成分的時間自相關系數首先快速下降，緊接著出現緩慢的周期性衰減。將該分析方法在空間上進行擴展，就可以分析單一頻率成分在空間上的自相關性，分析結果如圖9所示。

圖9 單一頻率成分的空間相關性

考慮到實際中對海雜波譜的主要能量比較感興趣，因此圖9中僅給出頻率為0～50 Hz范圍內的分析結果?？梢钥闯觯簡我活l率成分的空間相關性總體變化趨勢與時間相關性類似，在經歷一個快速的下降期后，出現周期性的衰減過程，這種周期性與涌浪的調制作用有關。在頻帶范圍內，隨著頻率的增加，相關性出現增強的趨勢。當距離間隔為600 m時，各頻率成分的自相關系數均高于1/e，表明了譜的空間相關性遠高于幅度的空間相關性。在距離間隔為30 m左右時(約兩個距離分辨單元)，各頻率成分的自相關系數大于0.9，基本可以認為完全相關，因此，海雜波的協方差矩陣在相鄰距離單元之間可以認為近似相同。根據這一特性，在進行自適應目標檢測算法設計時，如果直接采用參考單元的協方差矩陣作為檢測單元的協方差矩陣估計值，由此引起的檢測性能損失很小，基本可以忽略不計。然而，當海況增加時，該結論并不一定成立，海況對單一頻率成分的空間相關性影響還有待于進一步研究。

4.3 譜的質心和帶寬與功率水平的互相關特性

利用2.2節中給出的估值公式分別估計出譜的質心和帶寬，如圖10(a)所示，可以看出：兩個參數隨距離單元的不同表現出一定的起伏性，其中，質心的起伏范圍為6.5～9.5 Hz，而帶寬主要集中在80～85 Hz之間。海雜波譜的帶寬與當前距離單元的功率水平關聯性很強，而譜的質心與功率水平的關聯性較弱。為了定量刻畫這種關聯程度，采用互相關分析方法[36]研究譜的質心和帶寬與海雜波功率水平之間的互相關性，分析結果如圖10(b)所示。

(a) 譜的空間起伏特征

(b) 功率水平與譜參數的互相關系數圖10 譜的質心和帶寬的空間起伏特性

通過圖10(b)中的互相關系數曲線，可以得出以下兩點結論。

1) 當距離延遲為零時，功率水平與譜帶寬的互相關系數約為0.729，兩者的相關程度很高，而功率水平與譜質心的相關性則比較微弱，互相關系數僅為0.323.這就表明在同一距離單元內，海雜波的功率水平主要影響譜的帶寬，對譜質心的影響并不顯著。

2) 當距離延遲不為零時，功率水平與譜帶寬的相關性隨距離延遲絕對值的增加迅速下降，與譜質心的相關性從總體上看具有下降趨勢，其中在某些負的距離延遲上互相關系數出現峰值，表明了當前距離單元的功率水平對之前距離單元譜質心的影響程度稍微增加，但是相關性仍然很微弱?；ハ嚓P系數在下降的過程中表現出一定的周期性趨勢，這可能與距離向雷達波束照射到的海表面波浪結構有一定的關系。此外，互相關系數并不關于零距離延遲對稱，表明當前距離單元的功率水平對之前和之后距離單元譜的帶寬和質心具有不同程度的影響。

由散射機理可知，海表面的后向散射可以分為快散射分量和慢散射分量兩種類型，其中快散射分量主要由碎浪引起，它以一定的概率出現，通常會導致海雜波具有較高的功率水平。慢散射分量主要是Bragg散射引起的，與海表面小尺度的粗糙性有關，且在VV極化時占主導。兩種分量對譜的貢獻不同。相關文獻通過試驗發現快散射體速度等于雷達視線方向碎浪的相速度，速度的擴展引起了譜的展寬[17]。因此，當碎浪出現時，海雜波功率水平和譜的展寬程度同時增加，這樣就從機理層面初步解釋了功率水平與譜的帶寬之間存在相關性的原因。需要注意的是，譜的這種空間起伏特性與譜在同一距離單元內的時間起伏特性是不同的，由文獻[36]中的分析結果可知：同一距離單元內譜的質心和帶寬與海雜波功率水平均存在很強的相關性，而在空間上的不同距離單元內，這種強的相關性僅存在于譜的帶寬與海雜波功率水平之間。

5 結 論

從實測數據入手，對海雜波幅度和譜的空間相關性進行了系統分析。對于幅度的空間相關性，研究結果表明：非相參條件下雷達距離分辨率和海況對空間相關性影響顯著，而采樣率和短時積累對相關長度影響不大；相參條件下相關系數的虛部近似為零，表明海雜波的I、Q分量在空間上不相關；海雜波具有反持續性的長程空間相關性，且反持續性程度與海況有關。譜的空間相關性研究結果表明：單一頻率成分的空間相關性隨頻率的增加而增強，并且遠高于幅度的相關程度；海雜波的功率水平主要影響譜的帶寬，對譜質心的影響并不顯著。

最后，需要說明的是：影響海雜波空間相關性的因素還有很多，如極化、擦地角等，當雷達參數或者環境參數發生變化時，相應的結論可能會出現差異，但是本文給出的分析方法仍然適用。下一步將采用更為豐富的實測數據，并結合海表面散射機理的最新研究成果，重點解決海雜波空間相關性的建模問題。

[1] WARD K D，WATTS S.Use of sea clutter models in radar design and development[J].IET Radar，Sonar and Navig，2010，4(2):146-157．

[2] 盛 文，任 吉.高頻雷達海雜波的多重分形建模方法研究[J].電波科學學報，2011，26(5):983-989．

SHENG Wen，REN Ji.Multifractal modeling method for HF radar sea clutter[J].Chinese Journal of Radio Science，2011，26(5):983-989.(in Chinese)

[3] CONTE E，MAIO A D，GALDI C.Statistical analysis of real clutter at different range resolutions[J].IEEE Transactions on Aerospace and Electronic Systems，2004，40(3):903-918．

[4] ANASTASSOPOULOS V，LAMPROPOULOS G A，DROSOPOULOS A.High resolution radar clutter statistics[J].IEEE Transactions on Aerospace and Electronic Systems，1999，35(1):43-60．

[5] JAVIER C M，JAVIER G M，ALVARO B，et al. Statistical analysis of a high-resolution sea-clutter database[J].IEEE Transactions on Geoscience and Remote Sensing， 2010， 48(4):2024-2037．

[6] FARINA A，GINI F，GRECO M V，et al.High resolution sea clutter data:statistical analysis of recorded live data[J].IEE Proc Radar Sonar Navig，1997，144(3):121-130．

[7] 扈羅全，林樂科，朱洪波.三種重拖尾分布海雜波的比較與分析[J].電波科學學報，2007，22(6):1061-1067．

HU Luoquan，LIN Leke，ZHU Hongbo.Comparison and analysis of three kinds of distribution of sea clutter with heavy tails[J].Chinese Journal of Radio Science，2007，22(6):1061-1067.(in Chinese)

[8] 尚 尚， 張 寧， 李 楊.高頻地波雷達電離層雜波統計特性研究[J].電波科學學報， 2011，26(3):521-527．

SHANG Shang，ZHANG Ning，LI Yang.Ionospheric clutter statistical properties in HFSWR[J].Chinese Journal of Radio Science，2011，26(3):521-527.(in Chinese)

[9] WARD K D，BARKER C J，WATTS S.Maritime surveillance radar Part 1:radar scattering from the ocean surface[J].IEE Proceedings，1990，137(2):51-63．

[10] GRECO M，GINI F，RANGASWAMY M.Statistical analysis of measured polarimetric clutter data at different range resolutions[J].IEE Proc Radar，Sonar Navig，2006，153(6):473-481．

[11] RANGASWAMY M.Spherically invariant random processes for radar clutter modeling，simulation，and distribution identification[R].Romo Laboratory，1995:26-100．

[12] BLACKNELL D.New method for the simulation of correlated K-distributed clutter[J].IEE Proc Radar，Sonar Navig，1994，141(1):53-57．

[13] CONTE E，LONGO M.Modelling and simulation of non-Rayleigh radar clutter[J].IEE Proceedings，1991，138(2):121-130．

[14] SIEGEL A，OCHADLICK A，DAVIS J，et al.Spatial and temporal correlation of LOGAN-1 high-resolution radar sea clutter data[C]//IEEE International Conference on Geoscience and Remote Sensing Symposium.USA，1994:818-821．

[15] LEE P，BARTER J D，LAKE B M.Lineshape analysis of breaking wave Doppler spectra[J].IEE Proc Radar Sonar Navig，1998，145(2):135-139．

[16] WALKER D.Doppler modelling of radar sea clutter[J].IEE Proceedings Radar，Sonar and Navig，2001，148(2):73-80．

[17] LAMONT S T.Azimuth dependence of doppler spectra of sea clutter at low grazing angle[J].IEE Proc-Radar Sonar Navig，2008，2(2):97-103．

[18] RAGHAVAN R S.A model for spatially correlated radar clutter[J].IEEE Transactions on Aerospace and Electronic Systems，1991，27(2):268-275．

[19] MARIER L J.Correlated K-distributed clutter generation for radar detection and track[J].IEEE Transactions on Aerospace and Electronic Systems，1995，31(2):568-580．

[20] LOMBARDO P，OLIVER C J.Estimating the correlation properties of k-distributed SAR clutter[J].IEE Proc Radar，Sonar Navig，1995，142(4):167-178．

[21] WATTS S，WARD K D.Spatial correlation in K-distributed sea clutter[J].IEE Proceedings，1987，134(6):526-532．

[22] WATTS S.Cell-averaging CFAR gain in spatially correlated K-distributed clutter[J].IEE Proc Radar，Sonar Navig，1996，143(5):321-327．

[23] IRINA A.Simulation of sea clutter returns[R].DSTO，1998:13-71．

[24] IRINA A.Statistical analysis of northern Australian coastline sea clutter data[R].DSTO，2002:30-74．

[25] DONG Y.High grazing angle and high resolution sea clutter correlation and polarization analyses[R].DSTO，2007:2-15．

[26] DONG Y，MERRETT D.Statistical measures of S-band sea clutter and targets[R].DSTO，2008:28-35．

[27] DONG Y，MERRETT D.Analysis of L-band multi-channel sea clutter[J].IET Radar，Sonar and Navig，2010，4(2):223-238．

[28] DONG Y，MERRETT D.Analysis of L-band multi-channel sea clutter[R].DSTO， 2010: 29-31．

[29] ARMSTRONG B C，GRIFFITHS H D.Modeling spatially correlated K-distributed clutter[J].Electronics Letters，1991，27(15):1355-1356．

[30] 楊利民，許志勇，蘇衛民.UWB雷達雜波物理建模與仿真分析[J].電波科學學報，2010，25(6):1116-1122．

YANG Limin，XU Zhiyong，SU Weimi.Ultra-wideband radar clutter physical modeling and simulation analysis[J].Chinese Journal of Radio Science，2010，25(6):1116-1122.(in Chinese)

[31] RANGASWAMY M，WEINER D，OZTURK.Computer generation of correlated non-Gaussian radar clutter[J].IEEE Transactions on Aerospace and Electronic Systems，1995，31(1):106-116．

[32] ARMSTRONG B C，GRIFFITHS H D.CFAR detection of fluctuating targets in spatially correlated K-distributed clutter[J].IEE Proceedings-F Radar and Signal Processing，1991，138(2):139-152．

[33] GRECO M，STINCO P，GINI F.Impact of sea clutter nonstationarity on disturbance covariance matrix estimation and CFAR detector performance[J].IEEE Transactions on Aerospace and Electronic Systems，2010，46(3):1502-1513．

[34] JAVIER C M，JAVIER G M，ALBERTO A L，et al.Small-target detection in high-resolution heterogeneous sea-clutter:an empirical analysis[J].IEEE Transactions on Aerospace and Electronic Systems，2011，47(3):1880-1898．

[35] XU X K.Low observable targets detection by joint fractal properties of sea clutter:an experimental study of IPIX OHGR datasets[J].IEEE Transactions on Antennas and Propagation，2010，58(4):1425-1429．

[36] GRECO M，BORDONI F，GINI F.X-band sea-clutter nonstationarity:influence of long waves[J].IEEE Journal of Ocean Engineering，2004，29(2):269-283．

[37] UNSWORTH C P，COWPER M R，MCLAUGHLIN S，et al.Re-examining the nature of radar sea clutter[J].IEE Proc-Radar Sonar Navig，2002，149(3):105-114．

[38] HAYKIN S，REMBRANDT B，BRIAN W C.Uncovering nonlinear dynamics:the case study of sea clutter[J].Proceedings of the IEEE，2002，90(5):860-881．

[39] TOUGH R J A，WARD K D，SHEPHERD P W.The modelling and exploitation of spatial correlation in spiky sea clutter[C]//EMRS DTC 2nd Annual Conference.Edinburgh，England，2005:A1．