低空三坐标雷达数据处理的虚假航迹抑制

李朋 王晓艳 左靖坤

四创电子股份有限公司 安徽 合肥 230094

引言

低空三坐标雷达是监视无人机的主要手段之一，可以实时提供距离、方位、高度、速度、航向等信息，为打击无人机的非法侦察、恐怖袭击和非法入侵提供重要的信息。由于无人机一般在低空飞行，容易受地面建筑、树木和气象杂波的干扰，产生大量的杂波，虽然信号处理采取动目标显示（MTI）、动目标检测（MTD）、恒虚警检测（CFAR）和脉冲积累等手段对杂波抑制[1]，但仍会有大量的剩余杂波进入数据处理系统，最终产生虚假的航迹，严重影响雷达跟踪的性能。

为了解决上述问题，本文提出了一种低空三坐标雷达数据处理的虚假航迹抑制方法。

1 低空三坐标雷达数据处理的虚假航迹抑制方法

数据处理的流程，包括三维杂波图生成、点迹过滤、基于杂波信息的航迹关联、基于杂波信息航迹起始、机动识别、跟踪滤波、波门产生、波门计算、航迹终结、状态输出。

抑制虚假航迹的步骤主要在流程中的4个阶段中，一阶段三维杂波图的产生，根据距离、方位、俯仰，把覆盖区间划分为若干个三维空间，统计每个空间点迹的个数及密度，根据统计结果把空间分为清洁区、强杂波区两个杂波等级，并对其中的点迹标记杂波等级；二阶段点迹过滤，对杂波区点迹根据属性（幅度、方位宽度、距离宽度、高度宽度）进行过滤；三阶段基于杂波信息的航迹关联，根据杂波情况选择多假设关联还是最近邻算法；四阶段基于杂波信息航迹起始，根据杂波情况调整航迹起始准则。

1.1 三维杂波图

杂波图是雷达威力范围内杂波密度分布图，三维杂波图是对方位、距离和仰角区进行合理划分，从而形成若干单元。这种划分根据雷达俯仰波位进行的，每一个扫描俯仰波位即是一张图，这样划分方便，也利用进行统计。

图1 三维杂波图

采用滑窗法计算杂波密度，空间单元累计至当前的一段时间内，统计落入其中的杂波数量，一般累计3到5个雷达周期。每个周期都要对杂波密度进行更新。

对于一个空间单元，第 帧杂波密度按下式计算：

式中，λk是周期内杂波密度，Nk为统计M个周期的点迹数之和，V为体积。空间区域杂波的判定根据下式

当λk和nk同时满足上式时，区域判定为杂波区，否则为清洁区。式中p为密度阈值，Τ为点迹个数阈值，nk为第k周期点迹个数。

最后，需要对落入区域中的所有点迹标记杂波等级。

1.2 点迹滤波

过滤主要针对杂波区的点迹，利用目标在雷达回波上的特征信息，如距离宽度、方位宽度、俯仰宽度和幅度等特性。设定7个参数距离宽度的最小门限Min Range Size和最大门限Max Range Size，方位宽度的最小门限Min Azimuth Size和最大门限Max Azimuth Size，俯仰宽度的最小门限Min Elevation Size和最大门限Min Elevation Size，幅度最小值Min Amplitude。

如果满足下述条件，则点迹提取通过：

目标距离尺寸 ≥ Min Range Size AND

目标距离尺寸 < Max Range Size AND

目标方位尺寸 ≥ Min Azimuth Size AND

目标方位尺寸 < Max Azimuth Size AND

目标俯仰尺寸≥ Min Elevation Size AND

目标俯仰尺寸< Max Elevation Size AND

目标幅度 > Min Amplitude

其中， AND表示与其的关系。对不满足上述条件的点，作为杂波点被滤除掉。

滤波处理可以过滤大部分杂波，如建筑物、道路上车、树林等大的目标，也可以滤除鸟、昆虫等小目标。

1.3 基于杂波信息处理关联

航迹关联算法最常用的有最近邻法（nearest neighbor,NN）[3]、多假设（multiple hypothesis tracking，MHT）[4]算法。

多假设的航迹关联算法设z(k)={zi(k)}i-1表示k时刻的量测集合。设Ωk表示k时刻所有假设的集合，是Ωk-1与z(k)的mk个量测值互联的结果。可能的互联结果是：①它是以前航迹的继续；②它是新目标的量测值；③它是虚警。

多假设算法是解决密集杂波环境下目标数据关联问题的最优算法，但存在计算量大的问题。

最近邻法是统计距离最小的测量值作为目标关联点迹，如下式：

式中d为参差，z为测量值，表示预测值，S为新息。这种方法仅适应于杂波少，目标密度不大的情况。

联合MHT和NN算法，解决因错误关联产生虚假航迹的同时，也平衡了计算量的缺点。杂波区使用MHT关联算法，清洁区使用NN算法。

1.4 基于杂波信息的航迹起始

依据杂波图情况，采用不同航迹起始准则。航迹起始通常采用逻辑法，目标连续探测到，并且关联成功，从而起始。

杂波点不具有连续相关性，杂波区采用更为严格的m/n航迹起始准测，可以避免虚假航迹的产生，但目标起始有延迟。

清洁区的航迹可以采用宽松的m/n起始准测，保证目标快速起始。

2 实验结果与分析

实验利用四创电子股份有限公司低空三坐标雷达，架设在楼顶，使用大疆无人机域pro飞行测试，采集10分钟数据，与传统数据处理算法对比，图2传统数据处理的结果，图3使用本文算法结果。

图2 传统方法

图3 本文算法处理结果

雷达架设在博微产业园内，周围有高建筑物、道路上的车辆、树等，环境复杂，雷达产生大量虚假点迹，同一组数据在不同的算法下的结果差异很大，如表1所示。

表1 算法对比结果

如果采用传统数据处理算法，树、建筑和车辆都产生了虚假的航迹，虚假航迹达到了8批。而且在杂波区容易关联错误，不能历史回溯，会造成航迹丢失。在清洁区两种方法起始速度相同，在杂波区传统算法起始速度快于本文方法。

采用本文方法，三维杂波图会把树、道路车、建筑物的区域标识为杂波区，对杂波区的点迹和航迹进行了特殊的处理，所以没有产生虚假航迹。在杂波区采用多假设航迹关联算法，关联的正确率高于传统的数据处理算法。

3 结束语

针对低空三坐标雷达在复杂环境下出现的虚假航迹多的问题，本文提出一种在雷达数据处理的虚假航迹抑制的方法。在数据处理流程中分四个阶段处理，一阶段建立三维杂波图，识别杂波区，并标记点迹的杂波等级；二阶段点迹过滤；三阶段点航关联，杂波区和清洁区选择不同的关联算法；四阶段航迹起始，根据杂波情况调整航迹迹起始准测。实验表明，所提出的方法能有效抑制虚假航迹，并在低空三坐标雷达项目中应用。