兩級多普勒相關性判別的海雜波抑制方法?

(西安電子科技大學雷達信號處理國家重點實驗室,陜西西安710071)

0 引言

海雜波背景下的目標檢測一直是個難題。由于海面的反射作用,雷達接收的回波信號包含大量海雜波能量,使得目標易被淹沒。而且當高分辨雷達以低擦地角照射粗糙海面時,雷達回波信號甚至會出現“海雜波尖峰效應”[1-2],容易產生假目標。不同于簡單的地雜波,海雜波隨著雷達極化方式、雷達分辨率、天線視角、海情、風向等多個因素的變化而呈現明顯的非平穩性、非高斯性[3]。雖然學者們又陸續采用對數正態分布、韋布爾分布和K分布等非高斯海雜波模型[4]擬合海雜波實現目標檢測,但由于雷達和海情的諸多變因,這種根據實測海雜波數據研究先驗雜波統計特性[5-6],并建立具體海雜波模型實現目標檢測的方法[7]效果仍然欠佳,且不具通用性。傳統雷達信號處理中,一般是通過動目標顯示(Moving Target Indicator,MTI)、動目標檢測(Moving Target Detection,MTD)等頻域濾波方式抑制雜波,實現目標檢測。但由于海雜波多普勒頻率分布范圍十分廣泛,使其雜波頻譜中心的測量及其譜寬的估計成為難題[8]。不同于傳統雷達信號處理設計自適應濾波器方式,文獻[9]基于海雜波和目標信號在時間相關性上的差異,采用成組非相參積累的雜波圖迭代算法,抑制強海雜波,實現海面小目標檢測。但由于海雜波的非平穩性,多次雜波圖迭代的結果波動性較大,不具有通用性。

針對這種情況,本文提出了一種基于兩級多普勒頻率相關性判別的海雜波抑制方法。根據目標和海雜波的多普勒頻率相關性差異,依次對時間-距離二維多普勒頻率進行時間相關性判別、空間相關性判別二值化處理。從而篩選出滿足相關性要求的區域,即為目標區域,其他相關性低的區域視為海雜波區域。由此區分目標和雜波,進而實現強海雜波背景下的運動目標檢測。該方法不依賴于具體的海雜波模型,具有較好的通用性,且海雜波抑制效果明顯。通過大量實測海雜波數據的實驗結果驗證了該方法的正確性。

1 多普勒頻率相關性判別

雷達回波信號在時間上和空間上都是相關的[10-11],且目標和海雜波的相關性存在差異,如多普勒頻率相關性的差異。本文由此提出多普勒時間相關性和多普勒空間相關性的概念。由于目標運動的平穩性使其多普勒頻率在時間和空間上都表現出很強的相關性,而海雜波由于海浪的沖擊突變使其在連續脈沖間或時間-距離區域塊間的多普勒相關性較弱。根據雷達回波信號的多普勒頻率在時間和空間上的相關性差異,區分出目標和海雜波,從而實現海雜波抑制。

1.1 多普勒時間相關性判別

多普勒時間相關性是指對時間-距離二維雷達回波信號,其同距離單元、不同脈沖間信號的多普勒頻率在時間測量上表現出的關聯特性。用相鄰兩脈沖間多普勒序列的相關系數來定量描述多普勒時間相關性的大小。設一個脈沖連續距離單元的多普勒頻率為f i1,f i2,…,f ik,其中f ik為第i個脈沖、第k個距離單元對應的多普勒頻率。對m個距離單元長度的相鄰兩脈沖間信號的多普勒序列求取相關系數:

式中,X ik=[f i(k+1),f i(k+2),…,f i(k+m)],X(i+1)k=[f(i+1)(k+1),f(i+1)(k+2),…,f(i+1)(k+m)],X ik,X(i+1)k表示相鄰兩脈沖第k+1個至第k+m個距離單元的多普勒頻率序列,Cov(X ik,X(i+1)k表示這兩序列的協方差,D(X ik),D(X(i+1)k)分別表示這兩序列各自多普勒頻率的方差。根據求出的相關系數ρ的大小,可以判斷同距離單元相鄰兩脈沖間的多普勒時間相關性大小。設置多普勒時間相關性系數門限為某個定值,當ρik大于等于該門限定值時,則認為第i個脈沖、第k個距離單元的位置點具有多普勒時間相關性,反之則認為該點處不具有多普勒時間相關性。

通過對時間-距離二維雷達回波信號的多普勒頻率滑動,可求得全部位置點同距離單元相鄰兩脈沖間的多普勒相關系數,再根據相關系數門限判斷各位置點是否具有多普勒時間相關性,并對二維多普勒頻率作二值化處理。若某位置點具有多普勒時間相關性,則將該位置點的多普勒值重置為1值,反之則將該點的多普勒值重置為0值。

1.2 多普勒空間相關性判別

多普勒空間相關性是指對二維回波信號,在不同距離單元、不同脈沖間信號的多普勒頻率之間的關聯特性。本文的多普勒空間相關性判別是對前面多普勒時間相關性判別處理后得到的二值化多普勒值進行的。由于目標和海雜波多普勒頻率的相關性差異,經多普勒時間相關性判別二值化處理后,海雜波區域大部分的多普勒值已被置為0值,目標區域的多普勒值大多被置為1值。但由于海雜波的突變性,經多普勒時間相關性判別后的雜波區域仍會存在部分散落的1值多普勒,而對于目標區域的連續脈沖主瓣序列,其每個主瓣基本都至少伴有一個1值多普勒副瓣。根據這種區域塊相關性特點,可由連續脈沖的1值多普勒副瓣搜索出連續目標脈沖主瓣,稱為“連續擬目標主瓣序列”,并認為以該序列位置為中心構成的矩形區域塊具有多普勒空間相關性。

設經過多普勒時間相關性判別二值化處理后的一個脈沖某連續3個距離單元的多普勒值為f i(k-1),f ik,f i(k+1),其中f ik為第i脈沖、第k個距離單元對應的多普勒值。設

若F ik≠0,即f i(k-1),f ik,f i(k+1)不全為0值,而是至少有一個1值多普勒,則認為f ik所處“有效目標主瓣”。若

即F ik,F(i+1)k,…,F(i+m)k全都不為0時,則認為f ik,f(i+1)k,…,f(i+m)k處在幾個連續脈沖的“有效目標主瓣”,稱之為“連續擬目標主瓣序列”。再以f ik,f(i+1)k,…,f(i+m)k序列位置為中心向四周擴展兩個距離單元或兩個脈沖構成矩形區域塊,即以f(i-2)(k-2),f(i+m+2)(k+2)兩位置為對角線兩點構成矩形區域塊,稱該矩形區域塊具有多普勒空間相關性。

通過對多普勒時間相關性判別二值化處理后的二維多普勒值滑動,可以搜索出全部的“連續擬目標主瓣序列”,即可找出全部的具有多普勒空間相關性的目標區域塊,而剩下的區域即為雜波區域。然后對二值化的多普勒值再次重置,將具有多普勒空間相關性的目標區域塊內的多普勒值全部重置為1值,同時將其他雜波區域的多普勒值全部重置為0值。

2 兩級多普勒相關性判別的海雜波抑制技術

由于目標運動的平穩性和海雜波沖擊的突變性,目標和海雜波的多普勒頻率相關性在時間和空間上都存在差異。表現為運動目標及其區域具有多普勒時間相關性和多普勒空間相關性,而海雜波區域相關性較低,由此區分目標和海雜波,多普勒相關性判別方法如第1節內容所述?；谏鲜?本小節提出了一種基于兩級多普勒相關性判別的海雜波抑制技術。

圖1為兩級多普勒相關性判別的海雜波抑制方法的整個算法流程。雷達接收到的海雜波回波信號先經過脈沖壓縮和脈沖重排,得到時間-距離二維信號,脈壓后的海雜波數據先通過有限沖擊響應濾波器(Finite Impulse Response,FIR)濾除地雜波,再經隔周測頻[12]估算得到時間-距離二維多普勒頻率,并依次經過多普勒時間相關性判別、多普勒空間相關性判別二值化重置,將雜波區域的多普勒頻率全部重置為0值,將目標區域塊的多普勒值全部重置為1值。最后根據二維多普勒值的二值化分布,將分布1值多普勒的目標區域信號全部保留,同時將分布0值多普勒的雜波區域信號全部歸一成平均噪聲電平。從而抑制了海雜波,實現了強海雜波背景下的目標檢測。

圖1 兩級多普勒相關性判別算法流程圖

2.1 FIR濾波器濾除地雜波

在進行兩級多普勒相關性判別之前,先將脈壓后的雷達回波數據通過零頻凹口的FIR濾波器,以除去地雜波對后續多普勒判別處理的影響。對于FIR濾波器設計,在時域其實質為尋找合適的濾波權系數,在頻域即為設計與雜波多普勒中心所對應的凹口濾波器。凹口中心為零頻的FIR濾波器即可用于濾除零頻地雜波。經FIR濾波器的脈沖信號滿足下式[13]:

式中,X=[x ij,x(i+1)j,…,x(i+m-1)j]為第i脈沖到第i+m-1脈沖,即連續m個脈沖、同距離單元j處的信號序列,W=[w1,w2,…,w m]為m階FIR濾波器權系數序列,S ij為第i脈沖、第j距離單元處信號通過此FIR濾波器后的數值。由式(4),將脈壓后的時間距離二維海雜波數據經過m階零頻FIR濾波器除去地雜波,再進行后續兩級多普勒相關性判別處理。

2.2 兩級多普勒相關性判別實現海雜波抑制

對已經濾除過地雜波的二維海雜波數據進行隔周測頻,計算得到時間-距離二維多普勒頻率值。由式(1)對二維多普勒頻率滑動運算,求得全部位置點同距離單元相鄰兩脈沖間的多普勒相關系數。再根據設置的定值相關系數門限判斷各位置點是否具有多普勒時間相關性,并將各點的多普勒值二值化處理。若某位置點具有多普勒時間相關性,則將其多普勒值重置為1值,反之則將該位置點的多普勒重置為0值。

由于目標和海雜波多普勒頻率的相關性差異,經多普勒時間相關性判別二值化處理后的二維多普勒值,在海雜波部分大多已被置為0值,但還有個別的1值多普勒零散分布。而目標區域附近的1值多普勒點基本呈不規則塊狀分布,且偶爾會被0值多普勒點隔斷。再由式(2)和式(3)對時間相關性判別二值化處理后的二維多普勒再次滑動,可搜索出全部的“連續擬目標主瓣序列”位置,并分別以這些序列位置為中心向周圍擴展兩個距離單元或脈沖,即可找出全部具有多普勒空間相關性的矩形目標區域,剩下的區域全部視為海雜波區域。再將這些矩形目標區域內的多普勒值全部重置為1值,而將海雜波區域內的多普勒值全部置為0值。

經過對多普勒頻率進行兩級相關性判別二值化重置,得到目標區域內多普勒全為1值、海雜波區域內多普勒全為0值的0-1多普勒分布。最后根據得到的二維多普勒0-1分布,將分布1值多普勒的目標區域內信號全部保留不變,而將分布0值多普勒的海雜波區域信號全部歸一成平均噪聲電平,由此抑制雜波,檢測出強海雜波背景下的運動目標。為了驗證本文所提方法的正確性和有效性,下面使用實測的海雜波數據對所述方法的性能進行實驗驗證。

3 實測數據處理結果分析

本文使用的實測海雜波數據來源于中國東海岸某城市使用的一部遠程預警雷達。實測數據為該雷達在遠程機掃模式下測得的低掠海角回波信號。該雷達發射線性調頻脈沖,脈沖信號經海面和目標的散射被雷達接收。將雷達接收到的一維連續脈沖回波信號先進行脈沖壓縮處理,再按時間維進行脈沖重排,得到時間-距離二維回波信號。

本次實驗中共采集10組雷達回波數據,每組數據包含200個脈沖,每個脈沖包含4 414個距離單元。圖2(a)為其中一組回波信號經脈壓處理和脈沖重排后得到的時間-距離二維海雜波數據?？梢娗? 000個距離單元內存在大片海雜波區域,且能量很高,大于80 d B。其中第100～108脈沖的第550和第2 025距離單元分別為人為注入的兩個模擬對空實驗目標。目標A的徑向速度為945.07 km/h,距離雷達82.5 km,目標B的徑向速度為781.2 km/h,距離雷達318.75 km。圖2(b)為圖2(a)中第103脈沖的海雜波數據,其中第550和第2 025距離單元處分別為模擬目標A和目標B,兩目標幅度均為77 d B左右。

圖2 脈壓后的海雜波信號

傳統雷達頻域濾波技術一般是通過設計兩級自適應動目標顯示(Automatic Moving Target Indicator,AMTI)對消器[14]抑制雜波。圖3為運用傳統兩級AMTI濾波方式處理圖2海雜波數據后的結果圖。先通過地物雜波濾波器濾除掉地雜波,再設計自適應運動雜波濾波器濾除運動雜波。但由于海雜波頻譜范圍分布較廣,自適應運動雜波濾波器難以準確地估計海雜波的頻譜中心和譜寬,這使得濾波效果欠佳。從圖3(b)可以看到前1 000距離單元內仍然存在大量沒被濾除的海雜波,且兩目標的幅值較之前都有所降低?？梢妭鹘y兩級自適應濾波器雖然能濾除一定的海雜波,但并不能將強海雜波區濾除干凈,且運動雜波濾波器凹口還有可能造成目標信號一定程度的損失。

圖3 經過傳統兩級自適應濾波器處理后的脈壓數據

而采用本文提出的兩級多普勒相關性判別的海雜波抑制技術,雜波抑制效果十分顯著。將圖2中的脈壓海雜波數據先通過五階FIR濾波器對消濾除地雜波,然后經隔周測頻求取時間-距離二維多普勒頻率,再依次進行兩級多普勒相關性判別,其中先進行多普勒時間相關性判別二值化處理。先求得同距離單元相鄰脈沖間多普勒頻率相關性系數。圖4中可見目標A和目標B距離單元附近的多普勒相關系數都比較高,均高于0.97,而目標距離單元外的雜波處多普勒相關系數明顯較低。經大量實驗研究表明,多普勒時間相關系數門限可取到0.96～0.98之間。此處設置相關系數門限為0.97,將相關系數高于該門限的位置點的多普勒都置為1值,將低于該門限的位置點的多普勒全置為0值,以便后續進一步處理多普勒空間相關性判別。

多普勒時間相關性判別后,再對二值化處理的二維多普勒值進行多普勒空間相關性判別。表1為經多普勒時間相關性判別二值化后時間-距離二維多普勒頻率的第100～106脈沖的部分多普勒值數據。其中第550距離單元附近為A目標區,第890距離單元附近為海雜波區。觀察表1,根據第1.2節所述的多普勒空間相關性判別可以看出,目標區第550距離單元第100～106脈沖,這連續7脈沖主瓣各自都至少有一個1值多普勒副瓣,故稱此處為連續7脈沖“擬目標主瓣序列”。并以此序列位置為中心向四周擴充兩個脈沖或兩個距離單元,即以第98脈沖第548距離單元、第108脈沖第552距離單元兩位置點為對角線構成矩形目標區域塊,并將此目標區域內所有多普勒重置為1值。而第890距離單元雜波區附近的1值多普勒點成明顯的零散分布,不具有空間相關性,故將雜波區的多普勒值全部重置為0值。

圖4 同距離單元相鄰兩脈沖間多普勒相關系數

表1 時間相關性判別后的二值化多普勒值

最后根據兩級多普勒相關性判別處理后得到的二值化多普勒值分布,將分布1值多普勒的目標區域信號全部保留,而將0值多普勒的雜波區信號全部歸一成平均噪聲電平,結果如圖5所示,可見大片強海雜波區域被抑制,兩目標被檢測出來。對比圖3和圖5處理效果,可見兩級多普勒相關性判別的海雜波抑制方法處理效果比傳統兩級AMTI濾波的海雜波抑制效果顯著。

圖5 經過兩級多普勒相關性判別處理后的脈壓數據

表2為傳統兩級AMTI濾波和本文兩級多普勒相關性判別處理抑制雜波前后的信噪比和雜噪比。傳統兩級AMTI對消后目標信噪比有一定損失,目標A由原來的51.60 dB變成43.11 d B,目標B由原來的51.72 dB變成43.64 d B,海雜波雖有一定程度抑制,但雜噪比仍然很高,為26.78 d B。而兩級多普勒相關性判別處理后目標的信噪比基本沒有損失,且海雜波抑制效果顯著,雜噪比降到5.69 dB。由此可見本文兩級多普勒相關性判別技術抑制海雜波的有效性。

表2 海雜波數據的信噪比和雜噪比

4 結束語

本文提出了一種基于兩級多普勒相關性判別實現海雜波抑制的算法。根據目標和海雜波在連續脈沖間及二維區域間的多普勒相關性差異,將隔周測頻所估算得到的多普勒頻率依次經過多普勒時間相關性判別、多普勒空間相關性判別,最后根據相關性二值化重置后的多普勒值,將分布1值多普勒的目標區域塊信號保留,并將0值多普勒的海雜波區域塊信號全部歸一成平均噪聲電平。該方法可以實現強海雜波背景下的運動目標檢測,海雜波抑制效果顯著,且不依賴于具體的海雜波模型,具有良好的通用性。實測海雜波數據的實驗處理也驗證了該方法的正確性和有效性。

[1]GRECO M,STINCO P,GINI F.Identification and Analysis of Sea Radar Clutter Spikes[J].IET Radar Sonar&Navigation,2010,4(2):239-250.

[2]ROSENBERG L.Sea-Spike Detection in High Grazing Angle X-Band Sea-Clutter[J].IEEE Trans on Geoscience and Remote Sensing,2013,51(8):4556-4562.

[3]李東宸,水鵬朗,許述文.塊白化雜波抑制的海面漂浮小目標檢測方法[J].西安電子科技大學學報(自然科學版),2016,43(6):21-26.

[4]曾浩,李潔,鑒福升.強海雜波環境下目標檢測方法對比分析[J].雷達科學與技術,2015,13(1):33-36.

[5]XIN Z,LIAO G,YANG Z,et al.A Deterministic Sea-Clutter Space-Time Model Based on Physical Sea Surface[J].IEEE Trans on Geoscience and Remote Sensing,2016,54(11):6659-6673.

[6]CARRETERO-MOYA J,GISMERO-MENOYO J,BLANCO-DEL-CAMPOá,et al.Statistical Analysis of a High-Resolution Sea-Clutter Database[J].IEEE Trans on Geoscience and Remote Sensing,2010,48(4):2024-2037.

[7]FARSHCHIAN M.Target Extraction and Imaging of Maritime Targets in the Sea Clutter Spectrum Using Sparse Separation[J].IEEE Geoscience and Remote Sensing Letters,2017,14(2):232-236.

[8]丁昊,李建忠,安昕,等.實測海雜波數據的多普勒譜特性[J].雷達科學與技術,2012,10(4):400-408.

[9]司軍,趙中興,吳儉,等.基于時間相關性的海面小目標檢測技術[J].雷達科學與技術,2016,14(3):261-266.SI Jun,ZHAO Zhongxing,WU Jian,et al.Detection Technique of Dim Target in Sea Clutter Based on Time-Coherent Characteristic[J].Radar Science and Technology,2016,14(3):261-266.(in Chinese)

[10]HOLDSWORTH D A.Spatial Correlation Analysis Revisited:Theory,and Application to“Radar Backscatter Model”Data[J].Radio Science,1999,34(3):629-641.

[11]WALSH E J.Pulse-to-Pulse Correlation in Satellite Radar Altimeters[J].Radio Science,1982,17(4):786-800.

[12]陳伯孝.現代雷達系統分析與設計[M].西安:西安電子科技大學出版社,2012:230-231,246-247.

[13]HU Z,LIU L.Applications of Wavelet Analysis in Differential Propagation Phase Shift Data De-Noising[J].Advances in Atmospheric Sciences,2014,31(4):825-835.

[14]ISPIR M,CANDAN C.On the Design of Staggered Moving Target Indicator Filters[J].IET Radar Sonar&Navigation,2016,10(1):205-215.