船舶导航雷达的海杂波自适应抑制算法

李家强，姜庆刚，陈金立，葛俊祥

(1. 南京信息工程大学 a. 气象灾害预报预警与评估协同创新中心；　b. 电子与信息工程学院　南京 210044)

(2. 江苏省气象探测与信息处理重点实验室，　南京 210044)



船舶导航雷达的海杂波自适应抑制算法

李家强1a,1b,2，姜庆刚1b，陈金立1a,1b,2，葛俊祥1a,1b,2

(1. 南京信息工程大学 a. 气象灾害预报预警与评估协同创新中心；b. 电子与信息工程学院南京 210044)

(2. 江苏省气象探测与信息处理重点实验室，南京 210044)

摘要：船舶导航雷达的海杂波抑制技术是提高海面目标检测性能的关键和难点技术，具有很高的军事和民用价值。文中基于数理统计理论，提出了多模型选择的海杂波自适应抑制方法，通过对雷达多次扫描的回波数据建立海杂波模型库，统计、估算各模型相应参数选择与雷达回波数据最佳匹配的模型，作抑制海杂波的对消处理。计算机仿真及实测数据处理，都验证该方法的有效性和可行性。

关键词：船舶导航雷达；海杂波建模；海杂波抑制；目标检测

0引言

船舶导航雷达是船艇航海必备的导航设备之一，用于探测海面船只、礁石、冰山等多种物体,给船舶驾驶员提供近程和远程导航,以便及时发现、避让海面各类障碍物,防止碰撞事故,提高船舶交通的安全性[1]。然而，船舶导航雷达接收到的回波信号中不仅包含目标的回波信号,也包含来自海面的各类动态杂波，严重制约了海面目标的可检测性，尤其是海杂波的影响。因此，对海杂波的抑制是提高海面目标检测性能的关键和难点技术。

海杂波是雷达回波中最为复杂的一种杂波,不仅与天气、风速、海况等海面环境有关，还受雷达的入射角、发射频率、分辨率、极化等工作状态影响，国内外很多学者对其进行了深入研究。文献[2-4]是基于混沌理论的海杂波分析方法，能够在海杂波背景下有效地检测到部分微弱信号，但目前这种理论还处于理论分析和实验仿真阶段，理论比较复杂，且运算量比较大，不易于工程应用；文献[5]是基于图像处理角度的分析方式，运用形态学滤波和图像分割的原理来抑制海杂波,但这种算法适用范围有限，只能是低分辨率船舶雷达，而且检测的目标通常是大型或中大型船只。针对上述问题，本文提出一种基于数理统计理论的船舶导航雷达海杂波自适应抑制方法，首先，建立海杂波模型库；然后，根据雷达多次扫描回波数据统计模型库中各模型的参数特征，得到各模型分布的概率密度分布曲线；其次，与雷达回波的分布曲线进行对比，选择与之最佳匹配的海杂波模型；最后，利用最佳匹配的海杂波模型对回波信号进行对消，抑制海杂波的干扰。

1多参数选择的海杂波模型库

海杂波的幅度分布是建模中重要的一个内容，经国内外学者深入研究与实验，先后建立多种海杂波幅度分布模型，典型的模型主要包括以下四种：瑞利分布(Rayleigh)、对数正态分布(LogNormal)、韦布尔分布(Weibull)和K分布[6]，现对四种模型作简要分析。

1.1瑞利分布

当散射源的数目足够多而且彼此相互独立时，海杂波的包络振幅服从瑞利分布。这种杂波模型通常描述低分辨率雷达(天线波束宽度大于2°，脉冲宽度大于1 μs)接收到的海杂波，其概率密度函数为

(1)

式中：x为海杂波幅度；σ为瑞利分布的参数；最大似然估计为[7]

(2)

式中：N为数据点的个数；xi为回波的包络振幅。不同σ值下的瑞利分布曲线如图1所示。

1.2对数正态分布

对数正态分布常用于表示平坦地区雷达分辨率相对较高、入射角相对较小(脉宽Φ<0.5 μs、角φ<5°)情况下的海杂波，也适用于描述海面形成“海尖峰”现象时的海杂波幅度。其概率密度函数为

x>0,σ>0，μ>0

(3)

式中：x为海杂波幅度；u为尺度参数；σ为形状参数；最大似然估计为[7]

(4)

式中：N为数据点的个数；xi为回波的包络振幅。不同σ、μ值下的对数正态分布曲线如图2所示。

图2　不同σ、μ值下的对数正态分布曲线

1.3韦布尔分布

韦布尔分布是一种比较常用的杂波模型，与瑞利分布、对数正态分布相比，有着更宽广的动态范围和更高的精确度,常用于描述高分辨率雷达、低入射角和起伏较为均匀情况下的海杂波[8]。其概率密度函数

x≥0，p>0，q>0

(5)

式中：x为海杂波幅度；q为尺度参数；p为形状参数；Menon[9]提出了一种参数有效估计方法

(6)

(7)

式中：N为数据点的个数；xi为回波的包络振幅。不同p、q值下的韦布尔分布曲线如图3所示。

图3　不同p、q值下的韦布尔分布曲线

1.4

K分布

作为一种复合分布模型，K分布可用两个相互独立的斑点分量和基本幅度调制分量相乘描述[10]，其中，斑点分量又称为快变化分量，服从瑞利分布，基本幅度调制分量又称为慢变化分量，符合Gamma分布。K分布通常描述复杂海况和高分辨率雷达情况下非均匀的海杂波[11]，其概率密度函数为

x>0，a>0，v>0

(8)

式中：x为海杂波幅度；a为尺度参数；v为形状参数；Γ(·)为Gamma函数；kv(·)为第二类修正Bessel函数。根据二阶/四阶矩估计法参数估算为

(9)

图4　不同a、v值下的K分布曲线

2多模型选择海杂波抑制算法原理

本文提出的一种基于数理统计理论的船舶导航雷达海杂波自适应抑制方法，可以根据不同的海情，自适应地选择与之匹配最佳的杂波分布模型，通过对消处理达到抑制海杂波的目的，其关键在于分布曲线的拟合、杂波模型的选取。算法的流程图如图5所示。主要包括如下步骤。

图5　海杂波抑制的流程图

步骤1建立海杂波模型库，本文选择典型的四种分布模型(Rayleigh分布、LogNormal分布、Weibull分布和K分布)建立海杂波模型库，并根据需要可做新的杂波模型添加；

步骤2对雷达回波中前N帧数据f1的幅度特性进行分析，统计出模型库中各模型的参数特征，从而得到各模型分布的概率密度分布曲线；

步骤3将得到的模型的分布曲线与雷达回波幅度分布直方图进行对比，选择与雷达回波信号直方图相差最小、匹配效果最佳的海杂波模型，作为杂波对消处理的背景；

步骤4将雷达回波数据f2与模型作对消处理，达到抑制海杂波的效果。

3仿真与实测处理结果与分析

3.1仿真实验

具体实施如下：

(1)通过仿真得到一组雷达回波数据，包含两目标，其多普勒频移分别对应100 Hz和150 Hz。回波信号的时域和频域的波形如图6a)、6b)所示，从图中可以看出目标信号淹没在杂波中，很难辨别。

图6　归一化后的回波信号

(2)对雷达回波中前N帧数据f1的幅度特性进行分析，分别统计出模型库中各模型的参数特征，从而得到瑞利分布模型、对数正态分布模型、韦布尔分布模型、K分布模型的概率密度分布曲线。然后将得到的四种模型的分布曲线分别与雷达回波幅度分布直方图进行对比，选择与回波信号直方图相差最小、匹配效果最佳的海杂波模型。通过实验对比发现，在尺度参数a=0.6，形状参数v=3时，K分布模型的概率密度分布曲线与雷达回波拟合效果最佳，结果如图7所示，因此选择模型库中在尺度参数a=0.6，形状参数v=3情况下的K分布模型作为算法对消处理的背景。

图7　K分布概率密度分布曲线与回波信号的拟合图

(3)将雷达回波中数据f2与K分布模型作对消处理，能够有效地抑制海杂波。结果如图8所示，能够清楚地辨别目标信号，即在频率100 Hz和150 Hz处的两个谱峰。

图8　海杂波抑制结果

3.2实测数据实验

本文采用的实测数据是来自本单位自主研发的X波段的船舶导航雷达实测回波数据，本实验将实测雷达数据通过MATLAB软件处理和显示。图9为雷达回波的原始数据显示，目标淹没在杂波中，图10为采用本文方法抑制结果的结果图，为了便于比较，给出了国外某型号船用导航雷达显示结果，如图11所示。通过图9、图10和图11对比可见，本文提出的海杂波抑制方法能够有效地抑制海杂波。

图9　雷达回波的原始数据

图10　海杂波抑制结果

图11　国外某船舶导航雷达目标回波图

4结束语

本文依据雷达杂波特性进行统计分析，提出一种基于数理统计理论的多模型选择海杂波自适应抑制方法。通过对雷达回波数据的分析，从海杂波模型库中选择相适应的杂波模型作为杂波对消背景。通过仿真分析，表明该方法能够根据雷达回波信息，自适应地选择与之最佳匹配的杂波模型，对海杂波进行有效抑制。最后通过实测雷达数据的处理与对比，也说明了本文方法抑制杂波可行且效果明显，从而证明此方法的有效性，对工程实践具有一定的理论指导和参考价值。

参 考 文 献

[1]姚元飞, 何奎, 钱延军, 等. 降低船用连续波雷达虚警概率的海杂波抑制方法[J] . 电讯技术, 2013, 53(5): 592-596.

YAO Yuanfei, HE Kui, QIAN Yanjun, et al. A sea clutter suppression method for reducing marine CW radar false alarm probability[J]. Telecommunication Engineering, 2013, 53(5) : 592-596.

[2]谢红梅, 俞卞章. 基于神经网络预测器的混沌海杂波弱信号检测[J] . 现代雷达, 2004, 26(9): 50-52.

XIE Hongmei, YU Bianzhang. Detecting weak signal in chaotic sea clutter using RBF neural network predictor[J]. Modern Radar, 2004, 26(9): 50-52.

[3]行鸿彦, 朱清清, 徐伟. 一种混沌海杂波背景下的微弱信号检测方法[J]. 物理学报, 2014, 63(10) : 1-7.

XING Hongyan, ZHU Qingqing, XU Wei. A method of weak target detection based on the sea clutter[J]. Acta Physica Sinica, 2014, 63(10) : 1-7.

[4]李正周, 陈静, 沈美容, 等. 基于混沌神经网络的海上目标图像的海杂波抑制方法[J]. 光电子·激光, 2014, 25(3) : 588-594.

LI Zhengzhou, CHEN Jing, SHEN Meirong, et al. Sea clutter suppression approach for target images at sea based on chaotic neural network[J]. Journal of Optoeletronics·Laster, 2014, 25(3) : 588-594.

[5]於建生, 马红星, 朱征宇. 基于雷达回波相关特征的海杂波抑制方法[J]. 舰船电子工程, 2009, 29(6) : 121-123.

YU Jiansheng, MA Hongxing, ZHU Zhengyu. Correlation character of radar echo-based sea clutter suppression algorithm[J]. Ship Electronic Engineering, 2009, 29(6): 121-123.

[6]郑琦, 陈栋, 王其冲. 舰载雷达复杂环境下的CFAR选择[J]. 现代雷达, 2009, 31(4): 15-18.

ZHENG Qi, CHEN Dong, WANG Qichong. CFAR selection for ship-borne radarin complex environment[J]. Modern Radar, 2009, 31(4): 15-18.

[7]邓泽怀. 基于实测数据的海杂波统计建模[D] . 西安: 西安电子科技大学, 2014.

DENG Zehuai. Statistical modeling of sea clutter based on measured data[D]. Xi′an: Xidian University, 2014.

[8]姚云萍, 段昶, 方庆. 一种船用雷达的海杂波抑制算法[J]. 火控雷达技术, 2011, 40(3) : 32-36.

YAO Yunping, DUAN Chang, FANG Qing. A sea clutter suppression algorithm for marine radar[J]. Fire Control Radar Technology, 2011, 40(3) : 32-36.

[9]MENON M V. Estimation of the shape and scale parameters of the Weibull distribution[J]. Technometrics, 1963, 5(2): 175-182.

[10]WARD K D. Compound representation of high resolution sea clutter[J]. Electronics Letters, 1981, 17(22) : 561-563.

[11]夏栋, 察豪, 秦华, 等. 基于实采数据的海杂波与气象杂波模拟[J]. 现代雷达, 2012, 34(5): 77-80.

XIA Dong, CHA Hao, QIN Hua, et al. Simulation of sea clutter and weather clutter based on real data sampled[J]. Modern Radar, 2012, 34(5): 77-80.

李家强男，1976年生，博士，副教授，硕士生导师。研究方向为雷达信号/数据处理。

姜庆刚男，1990年生，硕士研究生。研究方向为雷达信号处理。

陈金立男，1982年生，博士。研究方向为雷达信号/数据处理。

葛俊祥男，1960年生，教授，博士生导师。研究方向为雷达系统、微波毫米波与天线技术、电磁散射与绕射理论。

A Sea Clutter Adaptive Suppression Algorithm forMarine Navigation Radar

LI Jiaqiang1a,1b,2，JIANG Qinggang1b，CHEN Jinli1a,1b,2，GE Junxiang1a,1b,2

(1a. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters;b. College of Electronic and Information Engineering,Nanjing University of Information Science and Technology,Nanjing 210044, China)(2. Jiangsu Key Laboratory of Meteorological Observation and Information Processing,Nanjing 210044, China)

Abstract：Sea clutter suppression technique based on marine navigation radar is the key and challenge for improvement of targets detection above the sea surface. It is of great value for military and civilian applications. Based on the theory of mathematical statistics, a sea clutter adaptive suppression algorithm via multi-model selection is proposed in this paper. Multiple scans of echo signals are utilized for establishment of the sea clutter model library. With statistics and estimation of corresponding parameters, the optimal matched model for echo data is applied to sea clutter suppression via cancellation. Results of simulations and experiments have demonstrated the validity and feasibility of the proposed algorithm.

Key words：the marine navigation radar; sea clutter modeling; sea clutter suppression; target detection

中图分类号：TN957.51

文献标志码：A

文章编号：1004-7859(2016)02-0023-04

收稿日期：2015-10-20

修订日期：2015-12-31

通信作者：李家强Email：lijiaqiang@sina.com

基金项目：国家自然科学基金资助项目(61372066，61302188)；江苏省自然科学基金资助项目(BK20131005)；江苏高校优势学科建设工程资助项目(PAPD-II)

DOI：·信号处理· 10.16592/ j.cnki.1004-7859.2016.02.006