基于对应分析的高频地波雷达干扰检测方法

陈骁锋 吴雄斌 柳剑飞 张 兰

（武汉大学电子信息学院海态实验室，湖北武汉430079）

基于对应分析的高频地波雷达干扰检测方法

陈骁锋 吴雄斌 柳剑飞 张 兰

（武汉大学电子信息学院海态实验室，湖北武汉430079）

针对高频地波雷达回波信号距离谱特征，采用对应分析法和聚类分析法实现干扰的自动检测.采用对应分析对信号进行时间域和距离域的特征分离，采用聚类分析对特征进行分类，自动识别射频干扰、电离层干扰、信号、噪声，确定干扰所在的时间和距离.利用该方法连续计算了三个月的雷达实测数据，获得了射频干扰和电离层干扰的变化特征.

高频地波雷达；对应分析；干扰检测

引 言

高频地波雷达（High Frequency Surface Wave Radar，HFSWR）通过接收与海洋表面发生Bragg散射的电磁波，能够实现沿岸海洋动力学要素的精细化探测［1］.然而，高频段的电磁环境十分复杂，雷达工作时会出现各类不同性质的干扰，导致探测出现虚假、异常.高频段雷达外部干扰比内部干扰高20～40dB，是限制雷达性能的主要因素.若能在参数反演之前对信号质量划分等级，针对不同等级的信号采用不同反演算法，将有利于数据质量评估及结果优化.

前人关于干扰的工作主要集中在多普勒谱信号的特征分析、各类干扰特征分析、抑制方法研究等方面.Fabrizio通过分析干扰的空间特征，提出了一种基于自适应波束形成、能够保持海杂波的非平稳干扰抑制方法［2］.Zhou利用基于特征子空间的正交投影对射频干扰进行抑制［3］.沈伟等通过对发射天线进行波束形成来识别电离层干扰［4－5］.王赞等提出基于独立分量分析的单通道干扰分离方法［6］.这些方法在不同工作环境下针对不同类型的干扰都具有一定的抑制效果，但同时也存在各自的缺陷：如小型阵列的波束形成效果不理想；干扰的空间非平稳特性导致波束形成算法性能降低；干扰子空间难以确定等.实际应用中不可能只用一种方法就能完全抑制外部干扰，如何对干扰类型、干扰强度进行量化评估分类，对数据质量做出准确的等级划分，进而采用不同的干扰抑制方法，是高频地波雷达目前需要重点解决的问题之一.

对应分析是在因子分析基础上发展起来的一种特征分析方法［7］，在地质、气象、海洋等方面的数据中已经得到较多的应用［8－9］.对应分析将数据的变量和样本同时投影到以两个主因子轴为坐标系的因子平面上，能够研究变量和样本之间的相互关系，对研究对象做出可靠的分析和解释.

本文将对应分析方法应用到高频地波雷达的信号处理中，对雷达信号中的干扰进行量化评估与分类.将雷达回波距离谱数据［10］进行因子分解，通过分析各因子在主因子轴上的投影特征，采用聚类分析识别时间域和距离域上的射频干扰和电离层干扰，量化评估干扰相对信号的影响程度，用以综合评估不同雷达系统、不同工作模式下的距离谱干扰强度和数据质量.

1 方法原理

海洋回波在距离谱上是连续变化的平稳信号，在多普勒谱上则成为两个Bragg峰，并且某些特殊形式的射频干扰在距离谱上比较连续、直观、易于观察，而在傅里叶变换后会使其离散分布在多普勒谱中各个谱点，使其难以检测.针对这一问题，本文将在距离谱对信号干扰进行检测.

为了满足实时数据连续处理的要求，以相干积累时间为时间单位进行干扰检测.将距离谱数据用AT×R表示，T为一个相干积累时间内的帧数，R为探测距离.本文数据来源于高频地波雷达福建示范区，探测距离分辨率为5km，扫频周期为0.652 8s，帧数T为1 024帧.

将距离谱数据的距离域和时间域看作是对应分析中的变量和样本.根据对应分析理论，对距离谱数据在两个不同的域进行特征分解

式中：I，Q表示对距离谱数据A的时间域和距离域分别进行特征分解；U表示时间域特征矢量；V表示距离域特征矢量；Λ表示特征值；H表示共轭转置.U和V之间存在以下关系［11］.

式中：λk为第k个特征值；Uk、Vk为其对应的特征矢量.根据累计贡献率取前k个最大特征值（λ1≥λ2≥…≥λk）可以得到因子载荷矩阵

取特征值最大的两项作为主因子轴

通过式（4）能够将距离谱数据A的时间特征和距离特征投影在同一个坐标平面内，通过分析各个投影点之间的位置关系，确定信号、干扰、背景噪声之间的联系与区别.

投影在因子平面上的点代表着时间域和空间域上的特征，其中干扰与背景白噪声的特征往往相隔较远，干扰和信号则具有类似的离散特征.为了实现雷达信号的实时处理，本文采用聚类分析的方法对各点进行自动分类.聚类分析是数值分类学的一个分支，是研究样本类别相似程度的一种多元统计方法，根据一定的准则研究样本能否分类、能分几类等问题.在海洋学中被用作划定水团的边界，在雷达系统中则被应用于信号分选和波形分类［12－13］.

以距离域特征（frx，fry）为例进行方法说明.距离域的干扰检测主要针对电离层干扰，其特点是在某些距离上覆盖所有时间单元.聚类分析的步骤如下：

1）计算（frx，fry）的中心位置作为初始凝聚点（f0x，f0y）＝mean（frx，fry）；

2）计算各点到凝聚点（f0x，f0y）的距离：

3）确定门限距离d0作为第一次分类的判别标准，可将数据分为两个子类（fAx，fAy）和（fBx，fBy）；

4）计算两子类各自的中心位置作为子类的凝聚点（fA0x，fA0y）（fB0x，fB0y）；

5）计算各点到子类凝聚点的距离

6）通过判断drA与drB的大小关系，判断第r点属于子类A还是子类B，从而更新子类点；

7）对子类重复上述操作，直到分类满足需求.

其中，第3步骤门限距离d0的确定方法很多，针对雷达数据特征，本文采用一种平均值比值法，即对dr进行排序，寻找一个极限值，该极限值的特点是其到最小距离的平均值与其到最大距离的平均值的比值是曲线极值点.

在分离干扰之后，需要进一步对干扰强度等级进行量化，以评估各个相干积累时间内的数据质量，便于针对不同质量的数据采用不同的干扰抑制方法.不同雷达系统、不同发射功率、不同工作模式下，即使是完全相同的干扰，对信号的影响程度也是不相同的.本文采用对应分析点聚图中各个干扰特征点到背景白噪声特征点凝聚中心的距离总和作为干扰强度的量化，采用各个信号特征点到噪声特征点凝聚中心的平均距离作为信号强度的量化.于是，距离谱的相对干扰强度可用下式表示为

式中：¯dSignal是信号特征点的平均距离；∑dInterference是干扰特征点的距离和，相当于用信号平均能量对干扰总能量作归一化处理.采用该定义的原因在于干扰能量总和是所有干扰的累加，能够整合不同类型的干扰，可以对不同工作模式、发射功率的数据进行归一化比较，不受时间变化的影响.

2 实验结果分析

图1所示为福建高频地波雷达示范区东山站2009年10月24日16：30的距离谱数据（图1（a））及其对应分析的坐标投影结果（图1（b））.从图1（b）可以看出：（gtx，gty）代表的时间特征点非常集中，说明数据A的时间域特征平缓一致；（frx，fry）代表的距离域特征则相对分散，说明数据A的距离域特征变化较大，而离散程度较大的点代表特征差异明显的信号及干扰.

图2是针对图1（a）的特征点进行聚类分析的结果，可以发现聚类分析方法能够分离信号、干扰、噪声.以距离域特征（frx，fry）为例可以看出，代表干扰的三个“o”能够被明显标识，它们代表第43、44、45个距离元（距离分辨率5km），各点到噪声聚类中心点的距离代表干扰强度的相对大小，如表1所示.信号和干扰的区分采用的是信号在近距离上连续的经验性特征方法.

同理，时间维度各点（gtx，gty）的聚类分析可以实现类似的效果.值得一提的是，时间域的特征点较为集中，建议在聚类分析时将特征点进行三次或三次以上的分类，然后对非干扰的特征点进行合并.

对东山站2009年10－12月的连续数据进行检测，图3所示为射频干扰和电离层干扰的检测结果.可以发现射频干扰白天分布较分散，在夜间18：00－24：00时段出现较为频繁，这与夜间电离层D层消失，短波通信增加有关.电离层干扰主要集中在12：00－18：00时间段；10月26日下午出现异常、明显强于其它日期，通过检查雷达数据发现该时段在200km探测距离之后存在大片连续的电离层干扰.

3 结 论

本文将对应分析和聚类分析应用到高频地波雷达数据的干扰检测上，通过在时间域和距离域进行特征分析与分类，实现射频干扰和电离层干扰检测的功能.该方法能够实现高频地波雷达数据质量的分类与评估，能够实时检测外部电磁环境检测，为最优化处理方案提供决策支持.下一步工作可在对应分析中各特征量的内在联系、聚类分析的凝聚方法与自适应门限值选择两方面进行.

［1］ LIP A B，BARRICK D.Least-squares methods for the extraction of surface currents from CODAR crossed-loop data：application at ARSLOE［J］.IEEE Journal of Oceanic Engineering，1983，9（4）：226-253.

［2］ FABRIZIO G A，ABRAMOVICH Y I，ANDERSON S J，et al.Adaptive cancellation of nonstationary interference in HF antenna arrays［J］.IEE Proceedings Radar，Sonar and Navigation，1998，145（1）：19-24.

［3］ ZHOU H，WEN B，WU S.Dense radio frequency interference suppression in HF radars［J］.IEEE Signal Processing Letters，2005，12（5）：361-364.

［4］ 沈 伟，文必洋，李自立，等.高频地波雷达的电离层杂波识别新试验［J］.电波科学学报，2008，23（1）：1-5.SHEN Wei，WEN Biyang，LI Zili，et al..Ionospheric measurement with HF ground wave radar system［J］.Chinese Journal of Radio Science，2008，23（1）：1-5.（in Chinese）

［5］ 熊新农，柯亨玉，万显荣.基于特征分解的高频地波雷达电离层杂波抑制［J］.电波科学学报，2007，22（6）：937-940.XIONG Xinnong，KE Hengyu，WAN Xianrong.Ionopheric clutter suppression in high frequency surface wave radar based on eigen decomposition［J］.Chinese Journal of Radio Science，2007，22（6）：937-940.（in Chinese）

［6］ 王 赞，陈伯孝，张各各.高频地波雷达射频干扰分离方法研究［J］.电波科学学报，2012，27（4）：797-804.WANG Zan，CHEN Baixiao，ZHANG Gege.Separating RF interference from target signal by ICA in HFSWR［J］.Chinese Journal of Radio Science，2012，27（4）：797-804.（in Chinese）

［7］ TEIL H，CHEMINEE J.Application of correspondence factor analysis to the study of major and trace elements in the Erta Ale Chain（Afar，Ethiopia）［J］.Journal of the International Association for Mathematical Geology，1975，7（1）：13-30.

［8］ 朱盛明.因子分析的综合方法——对应分析［J］.气象，1982（4）：35-37.

［9］ 张启龙，翁学传.应用对应分析法划分夏季东海水团的初步研究［J］.海洋科学，1985，9（2）：14-18.ZHANG Qilong，WENG Xuechuan.A preliminary invertigation on dividing the water masses in the east China sea in summer by using the comparison analysis method［J］.Marine Sciences，1985，9（2）：14-18.（in Chinese）

［10］ 杨子杰，田建生，高火涛，等.高频地波雷达接收机研制［J］.武汉大学学报：理学版，2001，26（5）：532-535.YANG Zijie，TIAN Jiansheng，GAO Huotao，et al.Design of HF ground wave radar receiver［J］.Journal of Wuhan Univ：Nat Sci Ed，2001，26（5）：532-535.（in Chinese）

［11］ 陶凤梅.对应分析数学模型及其应用［M］.北京：科学出版社，2008.

［12］ 张什永，张海黎，胡泽宾，等.基于聚类分析的雷达信号分选研究［J］.航天电子对抗，2013（1）：49-52.ZHANG Shenyong，ZHANG Haili，HU Zebin，et al.Research on clustering-based radar signal sorting［J］.Aerospace Electronic Warfare，2013（1）：49-52.（in Chinese）

［13］ 汪海洪，岳迎春，邹贤才，等.基于聚类分析的卫星雷达测高波形分类研究［J］.武汉大学学报：信息科学版，2010，35（7）：833-836.WANG Haihong，YUE Yingchun，ZOU Xiancai，et al.Classification of radar altimeter waveforms based on cluster analysis［J］.Journal of Wuhan Univ：Nat Sci Ed，2010，35（7）：833-836.（in Chinese）

Interference detection method based on correspondence analysis for high frequency ground wave radar

CHEN Xiaofeng WU Xiongbin LIU Jianfei ZHANG Lan
（Radio Oceanography Laboratory，Electronic Information Institute of Wuhan University，Wuhan Hubei 430079，China）

According to characteristics of high frequency surface wave radar range spectrum，a new method of interference detection is proposed by using correspondence analysis and cluster analysis.The correspondence analysis separates the characteristic factors of range spectrum in time domain and range domain.The cluster analysis classifies the characteristic factors.And then automatic identify the radio frequency interference，ionospheric clutter，signal and noise.By using this method，three month radio frequency interference and ionospheric clutter characteristics from measured data is attained.

HF ground wave radar；correspondence analysis；interference detection

TN958

A

1005-0388（2015）01-0172-05

陈骁锋 （1987－），男，湖北人，武汉大学电子信息学院博士研究生，主要研究方向为高频地波雷达海洋监测数据处理.

吴雄斌 （1968－），男，湖北人，武汉大学电子信息学院教授，博士生导师，现主要从事无线电海洋遥感、无线电波传播等研究.

柳剑飞 （1989－），男，湖北人，武汉大学电子信息学院博士研究生，主要研究方向为高频地波雷达海洋环境监测技术.

陈骁锋，吴雄斌，柳剑飞，等.基于对应分析的高频地波雷达干扰检测方法［J］.电波科学学报，2015，30（1）：172-176.

10.13443／j.cjors.2014030601

CHEN Xiaofeng，WU Xiongbin，LIU Jianfei，et al.Interference detection method based on correspondence analysis for high frequency ground wave radar［J］.Chinese Journal of Radio Science，2015，30（1）：172-176.（in Chinese）.doi：10.13443／j.cjors.2014030601

2014-03-06

国家高技术发展研究计划（863计划：2012AA091701）联系人：吴雄斌E-mail：xbwu＠whu.edu.cn