基于概率直方图的被动雷达弱目标检测方法

户盼鹤, 鲍庆龙, 陈曾平

(国防科技大学自动目标识别重点实验室, 湖南 长沙 410073)

0 引 言

弱目标检测是现代雷达的研究热点[1-7]。在越来越重视复杂电磁环境中有效实施武器系统隐蔽攻防的趋势下,雷达对弱目标的检测变得困难[8-13]。现代战场中电磁环境中干扰严重,目标信号被接收的同时,一些不需要的干扰信号不可避免地被接收,而且隐身技术又降低了目标的可检测特征,这些因素导致接收的目标信号能量非常微弱,甚至淹没在噪声干扰之中而难以被准确检测。然而,雷达只有确定感兴趣的目标是否存在于观测区域,并获取目标的距离、角度和速度等信息,才能对其进行定位、跟踪等[14]。

基于外辐射源的被动雷达因本身不发射电磁波信号,仅利用辐射源直接照射的电磁波和照射到目标后反射的电磁波来完成目标检测和跟踪。这种被动检测方式因能有效应对电子对抗,隐身目标以及反辐射导弹等威胁,而且具有结构简单、造价低廉等特点,引起了学者的广泛关注[15-21]。但这种基于外辐射源的被动检测技术制约于辐射源的特性,当被动接收的回波之间相位和脉冲重复间隔遭到破坏时,传统的长时间积累方法[22-28]不一定能有效提高被动雷达的目标检测性能,而且这类算法通常也很难满足硬件平台的实时性处理要求。因此针对上述问题,本文提出一种基于概率统计直方图的弱目标检测方法,利用概率统计知识,将直方图中目标检测的频度分布描述为目标的检测概率,该方法能够有效辅助被动雷达快速检测弱目标,提高被动雷达目标检测性能。首先采取阵列天线数字波束形成技术同时形成多个波束覆盖观测区域,将天线单元的回波数据转换到波束域,然后对被动接收的辐射源直达波和目标反射的回波进行脉冲压缩后做门限检测,统计观测时间内所有脉冲检测结果,最后通过概率直方图中的检测结果频度分布来完成目标检测。外场实验结果验证了该方法对被动雷达弱目标检测的有效性,而且算法复杂度小,工程实践性强。

1 系统模型

被动雷达的工作依赖于选择的辐射源,典型的被动雷达系统模型如图1所示。被动雷达的参考天线接收来自辐射源的直达波信号,提取直达波参数用于后期信号处理;监视天线接收辐射源的直达波信号和照射到目标后的反射信号,经后期信号处理得到目标信息。

图1 典型的被动雷达系统示意图Fig.1 Illustration of passive radar system

基于典型的被动雷达系统模型,本文提出如图2所示的以空中监视雷达为外辐射源的被动雷达系统。

图2 本文提出的被动雷达系统模型Fig.2 Model of proposed passive radar system

由于采用的辐射源是一种相控阵雷达,因此具有快速改变波束指向,同时检测和跟踪多个目标的能力。辐射源的这一特性,使得被动雷达难以通过某一时刻的发射波束方位预测下一时刻的波束方位。同时,考虑到目标回波的能量弱,为了较为完整地接收感兴趣空域内的目标回波信号,被动雷达采用阵列天线数字波束形成技术同时形成多波束覆盖感兴趣观测区域。同时,被动雷达对观测区域的方位和距离上进行单元划分,其中方位单元{θ1,θ2,…,θM}和距离单元{r1,r2,…,rN},M和N分别为方位单元数目和距离单元数目。

2 信号模型

被动雷达的阵列天线采用等间距水平布阵方式。阵列天线为形成第i个方位单元θi对应的波束,波束形成器在该方位上的权矢量为

Wi=[w0i,w1i,…,w1i,…,w(L-1)i]

(1)

采用的辐射源是脉冲体制,发射信号为线性调频信号,发射信号基带信号表达式为

(2)

式中,Tp为脉冲宽度,K=B/Tp为调频斜率,B为信号带宽。经过载频调制之后发射信号的波形为式为

(3)

假设有一目标背离被动雷达做匀速运动,在t=0时刻距离为r0,速度为v0。根据停跳模型[14]假设,在观测时间T内目标的距离随时间变化的关系式为

(4)

按照以上模型,经过相干解调后天线单元通道内基带回波信号为

(5)

(6)

脉冲压缩是通过匹配滤波完成的,滤波器响应为发射信号基带信号的反转共轭。将方位单元的基带回波信号与滤波器响应函数卷积相乘,得到不同方位单元内脉冲压缩后的回波信号:

(7)

3 目标检测方法

3.1 方法原理

根据第2节模型分析,经过脉冲压缩后的不同方位单元的回波信号用来做门限检测,通常采用恒虚警率检测(constant false alarm rate, CFAR)。检测概率与虚警概率有很大关系,本文仿真了不同虚警概率下检测概率与信噪比的关系,如图3所示。

图3 不同虚警概率下检测概率与信噪比的关系Fig.3 Detection probability versus the SNR in different false alarm probability

可以看出目标信号能量弱,即信噪比低时,检测概率很低,当虚警概率为1e-6,信噪比为10dB时,检测概率小于25%,说明此时目标回波可能完全淹没在噪声干扰之中,不能被准确检测出。在相同的信噪比条件下,随着虚警概率增加检测概率也增加,但是当通过增加虚警概率以提高检测概率时,通常会因为噪声干扰可能超过检测门限而导致目标回波检测的准确率下降。

基于上述分析,本文提出的方法原理在于将虚警概率设置较高,保证目标被检测到,考虑到复杂电磁环境中背景噪声干扰严重,极有可能超过检测门限影响目标的检测准确度,但因为检测中噪声随机分布整个信号空间,与目标信号不相关,而同一个方位和距离单元的目标信号被检测的结果是累计的,因此通过目标检测中概率统计方法很容易区分开目标和噪声干扰。在观测时间内的K次检测中,目标累计被检测的频度为k,检测比ξ=k/K。根据外场试验中的经验判断,一般认为目标的检测比ξ大于50%,则检测结果可信,即认为在被动雷达的观测区域内检测到目标,否则认为在该区域没有检测到目标。

3.2 方法步骤

本文提出的基于概率直方图的被动雷达弱目标检测方法,利用了概率统计知识,统计观测时间内不同方位单元的回波信号进行门限检测后的方位和距离信息,利用概率直方图中的目标检测频度分布来完成目标检测。

该方法的具体实现步骤如下:

步骤1参考天线接收辐射源的直达波信号,提取直达波信号参数,包括脉宽、带宽和载频等;监视天线采用同时多波束方法覆盖方位单元,得到不同方位单元对应的波束权矢量。

步骤2监视天线带通正交采样采集观测时间内的回波信号,数字下变频后得到基带回波信号,对基带回波信号进行低通滤波,消除带宽以外的干扰和噪声。

步骤3将步骤1得到的不同方位单元对应的波束权矢量和步骤2得到的基带回波信号相乘得到带有方位信息的基带回波信号

步骤4对基带回波信号脉冲压缩处理后进行CFAR,统计观测时间内每次目标检测中过检测门限的距离单元和方位单元。

步骤5根据目标检测统计结果,设置合适的直方图窗宽,分别对不同方位单元和不同距离单元对应的检测频度做概率直方图来描述目标的检测概率。

步骤6根据步骤5的结果,对比并计算概率直方图中的目标检测比完成被动雷达的弱目标检测,其中检测到目标的概率直方图对应的方位单元和距离单元即为目标的方位和距离信息。

4 实验结果与分析

4.1 实验参数

为了验证本文提出的方法有效性,外场实验中被动雷达采用8单元等间距水平布阵的线性阵列天线,同时形成7个波束覆盖观测空域中某条感兴趣的民航飞机航线,系统参数如表1所示。

表1 实验参数

4.2 实验结果分析

按照第2.2节方法步骤,抽取出被动雷达的一个天线单元通道的接收信号如图4所示,经脉冲压缩和恒虚警检测处理后图5所示。

图4 目标检测前Fig.4 Before the target detection

图5 目标检测后Fig.5 After the target detection

图4中被动雷达接收的直达波信号能量强,而观测区域内的回波信号弱,几乎淹没在噪声之中。从图5中可以看出对被动接收的直达波和目标回波同时做脉冲压缩处理,得到直达波脉压后峰值包络和目标回波脉压后的峰值包络,直达波能量强,容易辨别,目标回波能量弱,峰值包络经过CFAR后被检测出,直达波和目标回波的峰值对应的距离差即为目标的双基地距离。但图5目标检测过程中,噪声干扰超过了检测门限而被检测出,因此虚警概率设置较低时目标完全淹没在噪声干扰之中难以被检测到,而虚警概率设置较高时一次目标检测过程中噪声干扰容易超过检测门限影响目标的检测准确率。

为了提高目标检测的准确率,基于概率统计直方图的弱目标检测方法,通过对观测时间内的每次检测的目标检测结果进行统计记录,分别绘制不同方位单元的概率直方图,根据目标检测频度在概率直方图中的分布来检测弱目标。观测区域内7条波束对应的方位单元的概率直方图如图6所示。

如图6所示，不同方位单元的概率直方图中,根据目标检测结果的频度分布可以计算出方位单元θ=0°,距离单元r=153 km回波峰值包络过门限的检测比明显大于50%,因此该位置检测出目标,且目标对应的方位和距离信息是(0°,153 km)。此外,图6中距离单元r=153 km处方位单元θ=-30°和θ=-15°回波峰值包络过门限的检测比虽然小于50%,但是检测比也很高,这说明同一距离单元的目标出现在不同的方位单元里,分析这一现象的原因是实际系统中天线校正效果不理想,导致波束变形。另外,天线单元位置误差、通道幅相误差、互耦误差以及方向性误差也会对目标方位的测量产生影响。

图6 不同方位单元的概率直方图Fig.6 Probability histogram with different azimuth unit

另外,本文提出的方法也适用于多目标检测。如图7所示,被动雷达对另一观测时间的回波信号进行目标检测处理后得到概率直方图。由上述检测方法得到方位单元θ=-30°,距离单元r=142 km和r=155 km存在两个目标。

图7 方位单元θ=-30°概率直方图Fig.7 Probability histogram with azimuth unit θ=-30°

5 结 论

本文提出了一种基于概率直方图的被动雷弱目标检测方法,该方法基于概率统计知识,利用观测时间内目标检测结果在概率直方图中呈现不同分布来快速准确检测出弱目标,并且能初步给出目标的方位和距离信息。该方法以单脉冲为处理对象,算法复杂度小,非常适合工程实践,因此能作为被动雷达弱目标检测的有益辅助探测手段,对于提高被动探测系统目标检测性能以及反隐身目标等具有非常重要的理论和应用价值。但是本文提出的方法对目标方位的测量属于粗测,精确的目标测向将是下一步工作的重点。

参考文献：

[1] WANG D H, BAO Q L, TIAN R Q, et al. Bistatic weak target detection method using non-cooperative air surveillance radar[J]. Journal of Systems Engineering and Electronics, 2015, 26(5): 954-963.

[2] HUANG P H, LIAO G S, YANG Z W, et al. Long-time coherent integration for weak maneuvering target detection and high-order motion parameter estimation based on keystone transform[J]. IEEE Trans.on Signal Processing, 2016, 64(15):4013-4026.

[3] CAI Z H, ZHANG M, WANG J K, et al. A reassigned bilinear transformation and Gaussian kernel function-based approach for detecting weak targets in sea clutter[J]. International Journal of Remote Sensing, 2016, 37(23):5668-5686.

[4] 龚亚信,杨宏文,胡卫东,等.基于粒子滤波的弱目标检测前跟踪算法[J]. 系统工程与电子技术,2007,29(12):2143-2148.

GONG Y X, YANG H W, HU W D, et al. Particle filter based track-before-detect algorithm for weak target[J]. Systems Engineering and Electronics, 2007,29(12): 2143-2148.

[5] 田瑞琦, 林财永, 鲍庆龙,等. 强目标掩盖下雷达微弱目标检测算法[J]. 系统工程与电子技术, 2017, 39(1):64-70.

TIAN R Q, LIN C Y, BAO Q L, et al. Detection algorithm for radar weak target with strong target converge[J]. Systems Engineering and Electronics, 2017, 39(1):64-70.

[6] MALYSHKIN G, KUZNETSOVA A, SIDEL'NIKOV G. Detection of weak signals using fast projection algorithms[J]. Acoustical Physics,2016, 62(2):235-243.

[7] MASHADE M B E. Multitarget analysis of CFAR detection of partially-correlated χ2targets[J]. Radioelectronics & Communications Systems, 2016, 59(1):1-27.

[8] ZHAO Z X, ZHOU X H, ZHU S H, et al. Reduced complexity multipath clutter rejection approach for DRM-based HF passive bistatic radar[J]. IEEE Access, 2017, PP(99):1.

[9] LIU C T, WU R J, HE Z X, et al. Modeling and analyzing interference signal in a complex electromagnetic environment[J]. EURASIP Journal on Wireless Communications and Networking, 2016, 2016(1):1.

[10] WANG J, NAN P L, GUO Q, et al. Multi-mode radar signal sorting by means of spatial data mining[J]. Journal of Communications and Networks, 2016, 18(5):725-734.

[11] QING H Y, CHU Y Y, ZHAO Z Y, et al. Observation and analysis of atmospheric rainfall based on the very high frequency radar[J]. IET Radar, Sonar and Navigation, 2017, 11(4):616-620.

[12] WANG S H, GAO Y H, SU H T, et al. Target and reflecting surface height joint estimation in low-angle radar[J]. IET Radar, Sonar and Navigation, 2016, 10(3):617-623.

[13] 郭淑霞,王亚峰,单雄军,等.复杂电磁环境下雷达探测效能的探索性分析[J].西北工业大学学报,2015,33(5):837-842.

GUO S X, WANG Y F, SHAN X J, et al. Exploratory analysis of radar detection effectiveness under complex electromagnetic environment[J].Journal of Northwestern Polytechnical University, 2015, 33(5): 837-842.

[14] 丁鹭飞, 耿富录. 雷达原理[M].西安: 西安电子科技大学出版社, 2002: 1-24.

DING L F, GENG F L. Principles of radar[M]. Xian: Publishing House of Xidian University, 2002: 1-24.

[15] O’HAGAN D W, GRIFFITHS H D, UMMENHOFER S M, et al. Elevation pattern analysis of common passive bistatic radar illuminators of opportunity[J]. IEEE Trans.on Aerospace and Electronic Systems, 2017, 53(6):3008-3019.

[16] WANG F Z, LI H B, ZHANG X, et al. Signal parameter estimation for passive bistatic radar with waveform correlation exploitation[J].IEEE Trans.on Aerospace and Electronic System,2017，PP(99):1-1.

[17] COLONE F, LEO G D, PAGLIONE P, et al. Direction of arrival estimation for multi-frequency FM-based passive bistatic radar[C]∥Proc.of the IEEE Radar Conference, 2011:441-446.

[18] LI Z Y, SANTI F, PASTINA D, et al. Passive radar array with low-power satellite illuminators based on fractional fourier transform[J].IEEE Sensors Journal,2017,17(24):8378-8394.

[19] WANG H T, WANG J, LI H W. Target detection using CDMA based passive bistatic radar[J]. Journal of Systems Engineering and Electronics, 2012, 23(6): 858-865.

[20] 王俊,保铮,张守宏.无源探测与跟踪雷达系统技术及其发展[J].雷达科学与技术, 2004, 2(3):129-135.

WANG J, BAO Z, ZHANG S H. Passive detecting/tracking radar system technologies and its development[J]. Radar Science and Technology, 2004, 2(3):129-135.

[21] 宋杰,何友,蔡富青,等.基于非合作雷达辐射源的无源雷达技术综述[J].系统工程与电子技术,2009,31(9):2151-2156.

SONG J, HE Y, CAI F Q, et al. Overview of passive radar technology based on non-cooperative radar illuminator[J].Systems Engineering and Electronics, 2009,31(9): 2151-2156.

[22] PIGNOL F, COLONE T, MARTELLI T. Lagrange polynomial interpolation based keystone transform for passive radar[J]. IEEE Trans.on Aerospace and Electronic Systems, 2017,PP(99):1-1.

[23] WANG D, LIN C, BAO Q, et al. Long-time coherent integration method for high-speed target detection using frequency agile radar[J]. Electronics Letters, 2016, 52(11):960-962.

[24] TIAN J, CUI W, SHEN Q, et al. High-speed maneuvering target detection approach based on joint RFT and keystone transform[J].Science China Information Sciences,2013,56(6):1-13.

[25] XU J, YU J, PENG Y N, et al. Radon-Fourier transform for radar target detection, I: generalized Doppler filter bank[J]. IEEE Trans.on Aerospace and Electronic Systems,2011,47(2): 1186-1202.

[26] BAO Q L, CHEN Z P, ZHANG Y, et al. Long term integration of radar signals with unknown Doppler shift for ubiquitous radar[J]. Journal of Systems Engineering and Electronics, 2011, 22(2): 219-227.

[27] 张卫杰,高昭昭,许 博,等.基于Keystone变换的警戒雷达信号处理[J].系统工程与电子技术,2011,33(9):2007-2011.

ZHANG W J, GAO Z Z, XU B, et al. Novel signal processing method for surveillance radar based on keystone transform[J]. Systems Engineering and Electronics,2011,33(9):2007-2011.

[28] 杨威,付耀文,潘晓刚,等.弱目标检测前跟踪技术研究综述[J].电子学报,2014,42(9):1786-1793.

YANG W, FU Y W, PAN X G, et al. Track-before-detect technique for dim targets: an overview[J]. Acta Electronica Sinica, 2014,42(9):1786-1793.