认知天波超视距雷达目标检测关键技术研究

严 韬，陈建文，鲍 拯

(空军预警学院 重点实验室， 武汉 430019)



·总体工程·

认知天波超视距雷达目标检测关键技术研究

严 韬，陈建文，鲍 拯

(空军预警学院 重点实验室， 武汉 430019)

对认知天波超视距雷达进行了初探，首先介绍了天波超视距雷达和认知雷达的信号处理基本流程，引出认知天波超视距雷达的概念；然后聚焦目标检测重点分析了系统设计、环境感知、波形优化以及环境预测等几个方面的关键技术，并提出了相应的解决方案。文中工作对拓展天波雷达理论和提升雷达系统性能具有重要的理论价值和广阔的应用前景。

天波超视距雷达；认知雷达；目标检测；电离层；杂波

0 引 言

天波超视距雷达(OTHR)具有大范围、远距离、抗隐身、抗低空等优良的目标探测性能，在战略防空、反导预警、对海监视等多个领域都具有十分广泛的应用，备受世界各主要大国的高度重视[1]。由于工作体制的特殊性，OTHR面临着远较一般雷达复杂的外部环境[2]。首先，OTHR信号易受电离层信道调制的污染。电离层的多层结构引起多模多径传播污染；电离层非线性时变造成强杂波展宽；电离层色散效应带来功率衰减。其次，电离层中存在的非均匀散射体引起扩展杂波，如瞬态流星余迹淹没附近目标；等离子体流引起团状、絮状杂波干扰。最后，各种工业、大气噪声抬高目标检测基底，增加检测难度。这些因素与目标本身特性及其所处环境交织在一起，限制了OTHR目标检测性能的发挥。

20世纪末开始，出于种种考虑，包括美国、俄罗斯在内的许多国家停止了各自OTHR的运行，转而发展研究新体制的天波雷达。先后出现了二维天线阵列天波雷达[3-5]、多输入多输出(MIMO)体制天波雷达[6-8]、接收站前置天波雷达[9]以及外辐射源超视距雷达[10]等新体制天波雷达，其中尤以法国进展最快，其研制出的NOSTRADAMUS[3]二维阵列天波雷达实验系统已经列装使用。综合来看，上述一些研究主要是基于天波雷达体制的革新来减小探测环境(电离层、杂波、干扰等)和目标特性的变化对雷达性能的影响，进而提升雷达性能。在这些新体制天波超视距雷达的研究中，二维天线阵列结构和MIMO体制受到的关注最多。相较于传统天波雷达，二维阵列和MIMO体制在电离层结构辨识[11]与多径杂波抑制[12]上有一定的优势，但在应对电离层时变特征和色散效应等方面却仍受制于被动适应的工作模式。因此，OTHR系统性能受电离层信道和外部环境的制约仍是系统当前最为关键的瓶颈和不足。

目前，天波超视距雷达采取先感知环境、后探测目标的工作模式，仅能被动应对环境变化，响应不够灵活且调整内容单一。在外部环境平稳的情况下，尚可保证目标探测的顺利进行，而当电离层状态非平稳、外部环境不规则时，探测性能便会大幅下降。因此，改进当前环境感知与应对机制，降低天波超视距雷达对外部环境的依赖，充分挖掘复杂电离层环境下目标的检测性能，已成为一项紧迫的课题。

1 认知雷达与认知天波超视距雷达

2006年，HaykinS[13]提出了认知雷达的概念，其工作流程如图1[13]所示。与传统雷达相比，认知雷达具有以下三个重要特征：

1)智能信号处理：建立在雷达与周围环境的交互继而进行学习的基础之上。

2)接收机到发射机的反馈：实施智能信号处理的支撑。

3)回波信息的保持：由通过跟踪来进行目标检测的贝叶斯方法实现。

图1 认知雷达工作流程图

认知雷达的概念一经提出，立刻引起了国内外雷达界的广泛关注，被认为是雷达发展史上具有里程碑意义的理论成果和装备发展的新趋势[14-19]。

为适应外部环境需求，传统天波超视距雷达采取了电离层环境诊断、电磁频谱监测等一系列措施，以此来优化发射信号的频率、带宽等参数，其基本工作流程如图2所示。

图2 天波超视距雷达工作流程图

对比图1和图2不难看出二者具有相似性：天波超视距雷达中的电离层，对应着认知雷达中的外部环境；电离层垂测、斜测以及电磁频谱检测设备，对应着认知雷达中的其他传感器；而电离层数据库，正是认知雷达中先验知识的具体体现，因此传统天波超视距雷达在结构上与认知雷达相吻合。在当前天波超视距雷达系统中，所有的自适应方法均聚焦于接收端，即从接收数据中估计环境的统计特性，以此作为自适应处理接收数据的依据。在发射端，尽管也有根据接收数据改变发射信号参数的步骤，但这种适应是通过“先感知，后调整”来实现的，存在诸多不足：首先，这种方法需要外部环境在适应过程中保持平稳，否则无法应对；其次，对外部环境的感知内容粗浅而模糊，不够精细和全面；最后，对发射信号的调整仅局限于频率和带宽两个参数，远未实现最优化。由此可知，天波超视距雷达具有认知雷达的架构与需求，但从认知雷达的角度来看，传统天波超视距雷达对外部环境的适应还处于认知的初级阶段。

认知天波超视距雷达(COTHR ) 的概念由南京电子技术研究所卢琨首次提出[20]，进一步研究尚未见报道。但已有文献研究了高频天波雷达认知自适应波形设计问题[21]，以及知识辅助的天波雷达CFAR检测问题[22]。可以看出，将认知概念引入天波超视距雷达的理念已初见端倪，尽管目前尚缺乏较为系统、深入地将认知雷达理论与天波超视距雷达系统相结合的研究，还没有真正解决天波超视距雷达目标探测性能受电离层信道和复杂环境制约的瓶颈问题，但其具备的研究价值和应用前景已经得到广泛认可。

2 关键技术及解决方案

由前所述，传统天波雷达已经具备认知雷达的“雏形”，而真正认知意义上的认知天波雷达突出强化系统对环境的认知与适应方式，改善传统系统“被动适应”环境变化的模式，有效提升目标检测性能。具体来说，可归纳为以下三点：(1)扩大对外部环境的感知内容，加深认知程度；(2)增加发射信号自适应调整的范围，实现全局最优；(3)实现基于预测的发射—接收闭环全自适应处理。

涉及的关键技术主要包括以下四个方面内容。

2.1 雷达系统架构设计

电离层诊断和目标探测是天波雷达的两大功能。对传统天波超视距雷达，这两个功能各由一套系统实现，二者相对独立。这种环境感知和目标探测“两张皮”的系统架构，使天波雷达在工作时存在延迟、脱节、系统规模臃肿等一系列问题，无法形成一个高效的闭环系统。要实现认知天波雷达的各项功能，必须对系统架构进行深入研究，使之符合认知雷达特征，具备感知与探测一体化的系统架构[23]。因此，设计科学合理的系统框架、内部协调配合机制与资源配置准则，是将认知理念运用于天波超视距雷达系统的关键。

为兼顾理论先进性与工程可实现性，从现有的天波超视距雷达架构出发，在已有基础上实现感知与探测的一体化。具体而言，即在目标探测分系统中引入环境预测功能，结合环境诊断分系统提供的先验信息进行环境感知。这样既能形成感知与探测的闭环，又能充分利用已有基础，降低实现的难度，初步的系统架构如图3所示。在这一架构中，除了从环境感知分系统出发对发射端工作参数进行设计，还从接收端引入了对环境状态变化趋势的预测和基于知识库先验信息的辅助决策，这是认知雷达理论在本系统中的直接体现。需要说明的是，环境感知分系统由现有的环境诊断分系统和其他传感器信息共同构成，其中其他传感器信息包括诸如覆盖区海况、气象等外部来源的情报。

图3 认知天波雷达系统架构

2.2 复杂环境感知

和常规雷达相比，各种杂波干扰背景(下文统称为杂波)与非规则电离层信道同时存在是天波雷达特有的现象，二者的相互交织严重制约了目标检测性能。要缓解这些制约，认知天波雷达必须具备对复杂环境的感知能力。这一感知过程，既包含建立在当前环境认知基础上的短期趋势预测，也包括基于知识库信息对信号进行处理的长期学习过程。一方面，受太阳、地球活动的影响，电离层状态呈现出较为明显的周期性；同时，按照地理位置与时间的不同，一些杂波的特性变化也存在着一定的规律，因此，通过长期的学习过程建立电离层信息与杂波信息知识库，将有助于系统性能的提升[24]。另一方面，对当前环境信息的感知主要从接收的回波信号中提取，而通常接收到的回波信号是电离层和杂波共同作用的产物。在此背景下，要实现对两种环境的清晰感知，首先必须能将二者有效区分开来，而后分别加以提取。这实质上也是对电离层污染进行感知与校正的需要。

针对电离层信道污染的感知，核心在于标准信号的获取。所谓标准信号，是指经过电离层传输，并在传输过程中受到电离层污染，形式已知的信号。鉴于通过覆盖区内应答装置获取标准信号的方式成本高难以实现，可以从装备实际工作中获得的确知目标或合作目标的回波信号中提取标准信号。首先通过滤波将单个目标的信号与杂波分离开来，然后将该数据与发射信号进行对比，即可提取电离层污染的相关信息。图4为通过实验数据提取的某飞行目标返回信号的一个脉冲。由图4可见，接收信号频谱与发射信号带宽大体一致，但在频谱细节上存在诸多差异，反应了电离层信道对信号的调制，从侧面证实了电离层的精细色散效应[25]。

图4 某实验数据发射与接收信号频谱

上述电离层信道污染感知方法要求已知目标信息，适合于飞行目标这一类可通过滤波器将目标回波信号和杂波信号分离的情形，而对于舰船类的低径速目标，其回波通常易被地海杂波所掩盖，难以通过滤波进行分离，因此需要寻求新的标准信号。由高频电磁波散射理论可知，高频海杂波具有两个幅度较强的一阶Bragg峰，因此可以作为标准信号，如图5所示，回波谱具有两个明显的尖峰。但当回波信号被电离层污染时，海杂波被展宽，此时难以分辨一阶和高阶海杂波，如图6所示，因此提取单个一阶海杂波展宽信号进行污染估计的性能将大打折扣。此时，可利用先验知识库和其他传感器提供的实时海情作为无污染的海况信息，由此构建的一阶Bragg海杂波作为污染回波的校正标准。在获得标准信号后，从信号熵与信号频谱质量的关系出发，对电离层相位和幅度污染进行寻优估计，采用不断改变污染函数参数的方式来减小信号熵，使污染回波谱宽逐渐逼近同海况下的无污染杂波谱宽。

图5 无电离层污染时的海杂波谱

图6 经电离层污染后的海杂波谱

2.3 发射波形优化设计

发射波形优化设计是认知雷达的基本特征，也是提升认知天波雷达性能的主要途径[26]。对天波雷达而言，环境背景、目标类型远多于一般系统，因此基于系统任务和工作模式的代价函数也就各不相同。对飞行类目标，由于多普勒频率大，相干处理时间较短，需着重考虑电离层信道色散特性与非均匀散射体杂波的影响；对舰船类目标，虽然因径向速度较慢落入杂波背景，不过由于RCS大，回波强度通常大于高阶海杂波，杂波并不是影响目标检测的主要因素，然而在电离层影响下，存在一阶Bragg峰展宽并淹没目标的情况，因此波形设计时需重点考虑克服电离层时变特性。此外，波形设计还要考虑多种约束条件(比如恒模、有限带宽和能量限制等)。而这些准则、条件的数目越多，意味着优化问题所涉及的维度越大，其非线性也越强，解析性也越差。为此，采取智能寻优方法设计波形成为认知天波雷达的必然选择。

在波形设计方面，对于受电离层色散效应影响的飞行目标，发射波形设计有两种可能的思路：一是着重突出非均匀散射体与目标受电离层色散效应影响的不同，以改善信杂(噪)比为准则；二是以非均匀散射体杂波统计特性入手，以检测概率为优化准则。对于受电离层时变特性影响的低径速目标，则主要应以校正电离层时变特性为波形设计准则。在具体步骤上，首先从现有信号形式入手，分析单项性能特点。在回波中提取有益信息作为发射波形设计的先验信息，通过遗传算法、免疫算法等智能优化方法调制波形参数(信号带宽、脉冲长度、脉冲重复频率、相位等)。在此基础上研究多约束条件下的信号波形优化设计。

2.4 环境预测与目标检测

通过接收端到发射端的反馈信息来调节发射信号的能力是认知雷达的基本特征之一。而接收端得到的信息是基于当前环境状态提取的，调节发射信号的目的是为了适应下一次探测时的环境状态。这意味着，要实现这一功能，认知天波雷达应具备从当前环境状态预测未来环境状态的能力。同时，在接收到从环境中返回的信息时，接收端还应根据这一信息对上次所做预测进行滤波或平滑。前者即发射自适应，后者即接收自适应，二者的有机结合将提高雷达系统目标检测性能。从天波雷达角度来看，要想实现收发全自适应闭环处理，不仅需要根据不同任务背景、电离层环境及检测性能自适应地反馈到发射端，调整发射波形参数，还需要解决现有方法在强杂波背景中对目标的检测性能缺陷。

贝叶斯滤波理论[27]为解决上述问题提供了思路，贝叶斯滤波中的预测和滤波两大环节，是实现发射自适应与接收自适应的具体体现。可借助容积卡尔曼滤波、粒子滤波等改进贝叶斯滤波方法，对环境预测模型的建立和贝叶斯检测前跟踪算法展开研究。环境预测模型的建立应根据任务场景而有所不同。对于受电离层色散效应影响的飞行目标，预测模型应能描述电离层精细色散效应或电离层非均匀散射体杂波统计特性的变化趋势；对于受电离层时变特性影响的低径速目标，则按目标RCS大小，分别对电离层时变特性和海杂波变化进行建模。同时，可借鉴卡尔曼滤波结果中同时包括预测和滤波贡献，通过权值调整各自所占比重的思路，对质量不高的预测结果，通过加权使其退化到只采取接收自适应进行目标检测的情况。在检测算法研究方面，对于回波强度较小的非均匀散射体杂波背景下飞行目标，采取贝叶斯检测前跟踪方法进行检测，对于像舰船目标等一类低可观测目标检测，采取对时变污染进行校正并抑制杂波的方式。

3 结束语

传统天波超视距雷达采取先感知环境后探测目标的工作模式，系统性能的发挥受制于外部环境的制约。具备认知雷达特征的认知天波雷达具备更加灵活、稳健的环境适应能力，从而达到降低传统天波雷达对外部环境的依赖，有效提高目标检测性能的目的。本文借鉴认知雷达的特征，对认知天波超视距雷达进行了初步探讨，聚焦目标检测性能的提升围绕系统构架设计、环境认知、波形设计以及环境预测等方面的关键技术进行了研究分析，并在此基础上提出了相应的解决方案。需要指出的是，认知天波雷达系统和前文所述的二维天线阵列天波雷达、MIMO体制天波雷达等新体制天波雷达之间并非相互独立，如何将这些新的技术体制进行有机融合并逐步推向工程化是天波超视距雷达未来的重点研究方向。

[1] 周万幸. 天波超视距雷达发展综述[J]. 电子学报, 2011,39(6):1373-1378. ZHOU Wanxing. An overview on development of skywave over-the-horizon radar[J]. Acta Electronica Sinica, 2011,39(6): 1373-1378.

[2] FABRIZIO G A. High frequency over-the-horizon radar: fundamental principles, signal processing, and practical applications[M]. New York: McGraw-Hill Professional, 2013.

[3] BAZIN V, MOLINIE J P, MUNOZ J, et al. Nostradamus: an OTH radar[J]. IEEE Transactions on Aerospace and Electronic System Magazine, 2006, 21(10): 3-11.

[4] MILLER L C B. NORAD: moving forward with risk reduction[R]. [S.l.]: North American Aerospace Defense Command, 2009.

[5] CAMERON A. Jindalee operational radar network (JORN): its architecture and surveillance capability[C]// IEEE National Radar Conference. Alexandria, VA: IEEE Press, 1995: 692-697.

[6] FRAZER G J, ABRAMOVICH Y I, JOHNSON B A. Multiple-input multiple-output over-thehorizon radar: experimental results[J]. IET Radar, Sonar and Navigation, 2009, 3(4): 290-303.

[7] ABRAMOVICH Y I, FRAZER G J, JOHNSON B A. Principles of mode-selective MIMO OTHR[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(3):1839 -1868.

[8] RIDDOLLS R J, RAVAN M, ADVE R S. Canadian HF over-the-horizon radar experiments using MIMO techniques to control auroral clutter[C]// IEEE International Radar Conference. Washington DC: IEEE Press, 2010: 718-723.

[9] FRAZER G J. Forward-based receiver augmentation for OTHR[C]// IEEE Radar Conference. Waltham, MA: IEEE Press, 2007: 373-378.

[10] 万显荣, 赵志欣, 柯亨玉, 等. 基于 DRM 数字调幅广播的高频外辐射源雷达实验研究[J]. 雷达学报, 2012,1(1): 11-18. WAN Xianrong, ZHAO Zhixin, KE Hengyu, et al. Experimental research of HF passive radar based on DRM digital AM broadcasting[J]. Journal of Radars, 2012,1(1): 11-17.

[11] FRAZER G J, ABRAMOVICH Y I, JOHNSON B A. Mode-selective OTH radar: experimental results for one-way transmission via the ionosphere[C]// IEEE radar conference. Kansas City, MO: IEEE Press, 2011: 397-402.

[12] 赵志国, 陈建文, 鲍 拯. 分时波束空间MIMO 天波雷达发射ADBF方法[J]. 华中科技大学学报(自然科学版), 2013, 41(2): 64-69. ZHAO Zhiguo, CHEN Jianwen, BAO Zheng. Transmit ADBF method for time diverse beam space MIMO-OTHR[J]. Journal of Huazhong University of Science & Technology (Natural Science Edition) , 2013, 41(2): 64-69.

[13] HAYKIN S. Cognitive radar-a way of the future[J]. IEEE Signal Processing Magazine, 2006, 23(1): 30-40.

[14] 黎 湘, 范梅梅. 认知雷达及其关键技术研究进展[J]. 电子学报, 2012, 40(9): 1863-1870. LI Xiang, FAN Meimei. Research advance on cognitive radar and its key technology[J]. Acta Electronica Sinica, 2012, 40(9):1863-1870.

[15] HAYKIN S, ZIA A, ARASARATNAM L,et al. Cognitive tracking radar[C]// IEEE International Radar Conference. Washington DC: IEEE Press, 2010: 1467-1470.

[16] XUE Yanbo. Cognitive radar theory and simulations[D]. Hamilton: McMaster University, 2010.

[17] GUERCI J R. Cognitive radar: the knowledge-aided adaptive approach[M]. London: Artech House, Inc. 2010.

[18] LI Y, SIRA S P, PAPANDREOU-SUPPAPPOLA A, et al. Maximizing detection performance with waveform design for sensing in heavy sea clutter[C]// IEEE/SP 14th Workshop on Statistical Signal Processing. Madison, WI: IEEE Press, 2007: 249-253.

[19] LI Y, MORAN W, SIRA S P, et al. Adaptive waveform design in rapidly-varying radar scenes[C]// International Waveform Diversity and Design Conference. Kissimmee, FL: IEEE Press, 2009: 263-267.

[20] LU Kun, CHEN Xuanyuan. Cognitive over-the-horizon radar[C]// IEEE CIE International Conference on Radar. Chengdu, China: IEEE Press, 2011: 993-996.

[21] SAVERINO A L, CAPRIA A, BERIZZI F, et al. Cognitive adaptive waveform technique for HF skywave radar[C]// 2nd International Workshop on Cognitive Information Processing. Elba: IEEE Press, 2010: 247-252.

[22] LEI Zhiyong, NI Jin. Knowledge-based signal processing in OTH radar[C]// IEEE CIE International Conference on Radar. Chengdu, China: IEEE Press, 2011: 134-137.

[23] NIJSURE Y, CHEN Y F. Novel system architecture and waveform design for cognitive radar radio networks[J]. IEEE Transactions on Vehicular Technology, 2012,61(8): 3630-3642.

[24] HOU Chengyu, GUO Ke, FY Yili. The sky-wave radar detection performance computing based on the dynamic ionospheric model[J]. Neurocomputing, 2015,151(3): 1305-1315.

[25] BAO Zheng, CHEN Jianwen. Study on the model of ionosphere fine structure for the cognitive radar[C]// IET International Radar Conference. Hangzhou, China: IEEE Press, 2015.

[26] AUBRY A, DE M A. WICKS F M. Knowledge-aided (Potentially Cognitive) transmit signal and receive filter design in signal-dependent clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013,49(1): 93-114.

[27] 夏双志. 认知雷达信号处理-检测和跟踪[D]. 西安:西安电子科技大学, 2012. XIA Shuangzhi. Cognitive radar signal processing-dctection and tracking[D]. Xi′an: Xidian University, 2012.

严 韬 男，1987年生，博士生，助理工程师。研究方向为天波超视距雷达技术。

陈建文 男,1964年生，教授，博士生导师。研究方向为超视距雷达信号处理、机载预警雷达信号处理、阵列信号处理及目标检测与识别技术。

鲍 拯 男，1977年生，博士，讲师。研究方向为超视距雷达技术、阵列信号处理及目标检测与识别技术。

A Study on Key Technologies of Target Detection for Cognitive Skywave Over-the-horizon Radar

YAN Tao，CHEN Jianwen，BAO Zheng

(Key Research Laboratory, Air Force Early Warning Academy, Wuhan 430019, China)

Cognitive OTHR (over-the-horizon radar) is studied in this paper, basic procedure of signal processing for cognitive radar and OTHR is compared and the conception of cognitive OTHR is addressed, and then key technologies are analysed focusing on target detection including system design, environment perception, waveform optimization and environment predetermination, the corresponding solutions are also proposed. The paper would provide an important theoretical significance and wide application prospects for expanding the theory of OTHR and promoting system performance.

skywave over-the-horizon radar; cognitive radar; target detection; ionosphere; clutter

10.16592/ j.cnki.1004-7859.2016.03.001

国家自然科学基金资助项目(61471391)

严韬 Email：yantaokjid@163.com

2015-10-24

2015-12-29

TN958.93

A

1004-7859(2016)03-0001-05