基于点迹特征的气象杂波抑制技术

王 旭 蔡兴雨 朱思桥 朱永杰

(西安电子工程研究所 西安 710100)

基于点迹特征的气象杂波抑制技术

王 旭 蔡兴雨 朱思桥 朱永杰

(西安电子工程研究所 西安 710100)

对空情报雷达在复杂环境中经常遭受各种杂波的影响，主要包括地杂波与气象杂波等等。地杂波主要会对较低空域的目标造成掩盖、产生虚警，一般采用合适的MTI、MTD结合杂波图等杂波抑制手段即可以较有效地抑制；而气象杂波主要会影响较高空域目标的探测，由于通常处于运动状态、杂波谱较宽等因素，较难抑制。针对此问题，提出一种基于点迹特征的气象杂波抑制技术，首先对已检测点迹进行幅度归一预处理，然后利用实测数据分析出气象杂波与目标点迹在幅度起伏和速度上具有较大差异，根据幅度均值、方差和速度等特征优化合适的分类器参数，对满足气象特性的航迹进行剔除。结果验证了所提方法的有效性。

气象杂波；点迹特征；航迹；归一化幅度

Abstract: Air intelligence radar is often effected by various clutter in complex environment, including ground clutter and meteorological clutter, and the former will mainly cover target at lower altitude, and generate false alarm, which can be suppressed effectively by using appropriate clutter suppressing means like MTI and MTD combining clutter map; and the latter will effect detecting target at higher altitude which is difficult to be suppressed due to moving status of clutter and wider clutter spectrum. Aiming at this issue, a meteorological clutter suppression technology based on plot characteristic is presented. Firstly, the detected plot is performed amplitude normalization processing, and then using measured data analyzes bigger difference between meteorological clutter and target plot in amplitude fluctuation and speed. An appropriate classifier parameter is optimized according to amplitude average value, variance and speed. The track which met meteorological clutter characteristics is eliminated. The result verifies effectiveness of the presented method.

Keywords：meteorological clutter; plot characteristic; track; normalized amplitude

0 前言

雷达回波中通常包含有目标的反射回波、噪声以及自然环境中不需要的反射回波分量。如果目标处于杂波背景中，弱目标会淹没于强杂波中，造成漏警；强杂波也会造成虚警，从而产生虚假航迹以及影响真实目标航迹的建立；此外过多的杂波会引起终端的过载，严重影响雷达的工作性能。因此，杂波抑制是雷达相关领域一个很重要的问题[1-6]。

不同应用领域的雷达系统对杂波的定义可能不同，对于空情雷达而言，来自地物、海面、云雨以及敌人释放的箔条等均为杂波，可以分为固定杂波与运动杂波[1-3]。固定杂波一般位于低空区域，主要会对较低空域的目标造成掩盖、产生虚警，一般采用合适的MTI、MTD结合杂波图等杂波抑制手段即可以较有效地抑制，对于中高空目标可以采用空域滤波进一步抑制；运动杂波中的气象对雷达的影响主要表现在两个方面，一是电磁波穿过气象区域产生的衰减，二是气象颗粒对电磁波散射产生的回波[7]。由于气象杂波通常处于运动状态而且杂波谱较宽，常规MTI和MTD技术无法有效对其抑制，目前多采用自适应MTI技术[1-5，8]，即首先估计出杂波的多普勒频移，再移动MTI滤波器的凹口使之对准杂波的多普勒频移，或者将运动杂波频谱补偿至固定杂波谱位置上[1]。但当杂波多普勒频移估计不准时，可能抑制效果不理想，此外，抑制该多普勒频移杂波的同时，也会同时抑制该多普勒频移附近的目标。而由于气象杂波的运动，剩余的气象虚警会逐渐建立较稳定的航迹，而且与目标航迹比较相似，以致雷达操作人员造成误判，影响后续的处理。

针对现有方法无法有效抑制气象杂波的问题，本文提出一种基于点迹特征的气象杂波抑制技术，首先对实测数据进行分析，统计出气象杂波与目标点迹的幅度起伏特性和速度均值，根据训练样本幅度均值、方差和速度优化合适的分类器参数，利用推导出的均值和方差更新公式实时计算已建航目标的幅度均值、幅度方差和速度，对判别为气象的航迹进行剔除。结果验证了所提方法的有效性。

1 气象杂波

考虑雷达波束照射某个方向，波束内的云等气象现象会产生后向散射。在云中，后向散射体通常指云层中的很多颗粒状的水滴、冰晶。每个颗粒即可以看成一个散射体，雷达回波信号即是每个散射体回波的矢量和。不同类型的云所含有的水滴与冰晶密度不同，因此散射特性有所区别，其有效截面积可以表示为[2，7]

σc=σ0V

(1)

由于风速的影响，雷达杂波单元内各散射体具有一定的速度，因此杂波的功率谱也具有一定的分布，通常对于气象杂波的谱特性一般符合高斯分布模型[1，2，7]，即

(2)

其中Pc为杂波功率，σf为杂波谱宽的标准偏差，fdc表示杂波的多普勒频移，气象杂波的多普勒谱如图1所示。

图1 固定杂波与气象杂波谱特性示意图

`从图中可以看出气象杂波的中心频率不在零频，因此采用常规MTI或MTD无法有效进行抑制。由于气象杂波的运动，剩余的气象虚警会逐渐建立较稳定的航迹，如图2所示，而且与目标航迹比较相似，以致雷达操作人员造成误判，影响后续的处理。目前较有效的方式是采用自适应MTI，首先估计出杂波的多普勒频移，再对MTI滤波器系数乘以一组频移系数，将凹口对准杂波的中心频率，或者将运动杂波频谱补偿至固定杂波谱位置上。由于多普勒频率仅仅为点迹中的一种特征，当杂波多普勒频移估计不准时，有可能抑制效果不理想，此外，抑制该多普勒频移杂波的同时，也会同时抑制该多普勒频移附近的目标。因此考虑采用点迹的多种特征对气象杂波进行抑制。

图2 气象杂波形成的虚假航迹

2 气象杂波抑制

雷达检测出的点迹通常具有幅度、速度、距离、方位等信息。而不同的目标、杂波往往分布在不同的空间位置上，具有不同的幅度大小、起伏特性，不同的速度大小，或者在空间上占据不同的大小。如果联合点迹的这些特征或者部分特征，相信可以提高气象杂波抑制性能。下面采用点迹的幅度均值、方差与速度特征来抑制气象杂波航迹。

2.1 雷达方程与预处理

设雷达的发射功率为Pt，雷达发射天线增益为Gt，接收天线增益为Gr，信号波长为λ，目标或杂波散射截面积为σ，其距离雷达的距离为R，则雷达接收端的回波功率可以表示为[1]

(3)

由于不同的雷达截面积、不同的气象和不同的距离将引起不同的回波强度，雷达通常接收幅度变化很大的回波，超过固定增益接收机的动态范围[1，3]。而增加接收机动态范围，会大为增加接收机的设计难度。为了压缩接收机的动态范围，并防止近程强杂波使得接收机过载饱和，通常采用近程增益控制(STC)，STC使雷达接收机的灵敏度随时间(距离)变化，在近距离衰减的很大，在远距离时保持原来的增益和灵敏度。因此经过信号处理后检测出的第i个点迹的幅度可以表示为

(4)

其中Gp表示接收端信号处理的得益，Fstc(R)表示STC控制规律，其为距离R的函数。可以看出点迹幅度Ai为距离Ri、目标散射截面积σi以及STC控制规律Fstc(Ri)的函数。对于检测出的目标点迹，距离Ri已知，因此为了消除距离对点迹幅度的影响，将所有检测出的点迹归一至相同的距离R0，即

(5)

2.2 点迹特征分析

从实测数据中选择已建航的清洁区域的目标点迹作为目标的训练样本，从无目标影响时所录的实测数据中选择合适的气象杂波点迹作为气象杂波训练样本。按照式(5)分别对其航迹中的点迹幅度做归一化预处理，得到相应的归一化幅度，然后统计其幅度均值和方差。

图2-图4所示为从多组样本中包含的点迹信息，图5为多组样本中统计出的各特征，从图中可以看出气象杂波的幅度较弱、起伏小，而且速度也比目标小。其余样本也具有类似结果，因此考虑对于已建航的目标，选择幅度均值、幅度标准差及速度均值作为特征进行分类。

2.3 均值与方差更新公式

由于雷达波束扫描一次，目标航迹和虚假航迹会不断有新点迹出现，从而引起幅度均值与方差的变化，这要求能够实时地计算均值与方差。因此下面推导了均值与方差的更新公式，即用上一时刻的均值、方差以及当前的幅度来计算当前时刻的均值与方差。

图3 气象航迹的点迹特征

设第n个时刻的样本表示为xn，第n时刻得到的均值为mn，方差为vn。则均值的更新公式可以直接表示为：

(6)

第n时刻的方差可以表示为：

从而有

因此方差更新公式为

(7)

2.4 处理方式

根据以上分析，基于点迹特征的气象杂波抑制技术可总结如下：

a)对已检测点迹的幅度按照式(5)进行归一化预处理；

b)数处按照式(6)、式(7)对建航的目标统计其幅度均值、方差和速度均值；

c)根据幅度均值、方差和速度均值，按照一定的准则对航迹进行分类；

图4 目标的点迹特征

d)终端根据数处的统计结果及显示使能按钮，对可能的气象杂波的航迹进行区别显示或不显示。

此外，对于刚建航的目标(点迹较少的情况)，判为气象杂波的可疑航迹，可以标记为可疑。

2.4.1 线性分类器

通过图6可以看出两类数据在特征空间下具有线性可分性，因此可以采用如下的线性分类器[9]

(8)

其中αi为松弛项，xi∈RN×1表示第i个训练样本，N表示特征的维数，li∈{1，-1}，L表示样本数。由于线性分类器不具有拒判能力，因此结合门限滤波的方式(对线性分类器分类结果中判为气象的样本进行判决，低于门限的判为气象，予以滤除)，同时满足条件1与条件2，判为气象航迹

condition1：wTx+b≤0

(9)

condition2：xn≤Thn，n=1，…，N

根据训练样本，优化得到如下参数

w=[-0.124 -0.065 -0.341]T，b=30.704，Th=[88.932 8.360 60.442]T。

2.4.2 一类分类器

考虑到一类分类器对样本数据具有较好的描述，可以减小库外样本被错分的可能，因此设计了基于最小化超球体积[10]的一类分类器

图5 点迹特征统计

图6 两类样本在特征空间中的可分性

(10)

其中xi表示第一类训练样本，xj表示第二类训练样本，x0表示第一类样本的均值，αi为松弛项。对满足如下条件的样本，判为气象航迹。

(x-x0)TA(x-x0)≤1

(11)

根据训练样本，优化得到如下参数

x0=[69.727 4.431 28.988]T，

Th=[69.727 4.431 28.988]T，

2.4.3 门限判决方式

通过图5与图6可以看出，气象航迹具有较小的幅度均值和方差，且速度较小，因此考虑采用设置门限的方式，对满足如下条件的航迹判为气象航迹。

x≤Th

根据训练样本得到的门限如下

Th=[86.391 7.956 58.715]T。

图7所示为采用三种方式得到的分类结果，可以看出三种分类方式能够有效的对气象航迹与目标航迹进行区分。线性分类器计算量较小，但可能由于训练数据不足等原因，造成错分；一类分类器计算量与其它两类相比稍大，但拒判性能较好；门限判决方式的计算量小，可能存在错分，应尽量将门限选小。

3 实测数据处理结果

按照第2.2节所说明的方式选择实测数据作为训练样本。图8所示为训练数据中的一组，从图8.a中可以看出，气象杂波航迹在空间上许多区域均有分布，航迹方向较一致，这是由于气象杂波的运动受风向、风速影响的原因。与图8.b中目标航迹相比，非常相似，因此严重影响了雷达的正常工作性能以及雷达操作人员的决策。

图7 分类结果

图8 作为训练用的实测数据

按照第2.4节的处理方式，根据训练样本的幅度均值、标准差和速度均值等特征，设定合适的参数，并应用于受气象杂波污染的实测数据。图9所示为气象杂波航迹剔除前后的对比图(采用线性分类器，其他两种方式效果类似)，对比图9.a和图9.b，可以看出，目标飞行区域中的航迹得到较好的保留，而气象杂波得到了较明显的抑制。

图9 气象杂波抑制前后的对比结果

4 结束语

目前针对气象杂波的抑制方法多基于杂波的多普勒特性，但当杂波多普勒频移估计不准时，杂波抑制性能会严重下降，而且虚警建立的气象航迹与目标航迹相似，严重影响雷达的正常工作性能。针对气象杂波抑制问题，本文结合杂波速度均值与幅度起伏特性，提出一种基于点迹特征的气象杂波抑制技术，首先利用实测数据分析出气象杂波与目标点迹在幅度起伏特性和速度上具有较大差异，根据训练样本中幅度均值、方差和速度等特征，得到合适分类器参数，对满足气象特性的航迹进行剔除。本文方法对于点迹特征的选择，只考虑了幅度的均值、方差和速度，而气象杂波在空间上通常具有一定的扩展型，因此结合点迹的空间分布特性可能可以更好地提高抑制效果，这有待进一步研究。

[1] 丁鹭飞，耿富录，陈建春.雷达原理[M].北京：电子工业出版社，2014.

[2] Skolnik Merrill I，左群生，徐国良等译.雷达系统导论(第3版)[M].北京：电子工业出版社，2014.

[3] Skolnik Merrill I.雷达手册(第3版)[M]. 北京：电子工业出版社，2010.

[4] Candan Cagatay，Yilmaz Ozgur A. Efficient Methods of Clutter Suppression for Coexisting Land and Weather Clutter Systems[J]. IEEE Transactions on Aerospace and Electronic Systems. 2009，45(4)：1641-1650.

[5] Short Robert D. An Adaptive MTI for Weather Clutter Suppression[J]. IEEE Transactions on Aerospace and Electronic Systems.1982，18(5)：552-562.

[6] 葛凤翔，孟华东，彭应宁. 杂波谱中心和谱宽估计方法[J]. 清华大学学报(自然科学版). 2002，42(7)：941-944

[7] 杨尚军，雷达模拟器气象杂波的建模与仿真[D]. 国防科技大学硕士学位论文. 2006：33-39.

[8] 伊锐，唐纬. S波段两坐标雷达反气象的一种方法[J]. 现代雷达. 2001，23(增)：34-36.

[9] 李彦兵，基于微多普勒效应的运动车辆分类研究[D]. 西安电子科技大学博士学位论文. 2012：57-62.

[10] Boyd S.，Vandenberghe L. Convex Optimization[M]. Cambridge，UK：Cambridge Univ. Press，2004：221-229，422-432.

TechnologyofMeteorologicalClutterSuppressionBasedonPlotCharacteristic

Wang Xu， Cai Xingyu， Zhu Siqiao， Zhu Yongjie

(XI’an Electronic Engineering Research Institute， Xi’an 710100)

TN95

A

1008-8652(2017)02-006-09

2017-04-25

王 旭(1987-)，男，博士研究生。研究方向为雷达系统、信号处理、发射波形设计。