基于DBS圖像的雙通道廣域監視雷達動目標檢測和參數估計方法

鄭明潔 閆 賀 張冰塵 趙鳳軍 楊汝良

①(中國科學院電子學研究所 北京 100190)

②(中國科學院研究生院 北京 100039)

1 引言

廣域監視(Wide Area Surveillance,WAS)雷達在載機飛行過程中，波束在方位向快速重復掃描，完成對熱點區域動態監視。廣域監視模式具有監視區域廣、重訪率高、可跟蹤動態目標、識別目標特征和類別等優勢，在機載雷達系統中得到了很好的應用。在上世紀90年代海灣戰爭中，美國的JSTARS系統充分發揮了廣域掃描模式的優勢，通過處理 3個接收通道的回波數據，成功地發現了正在撤退的伊拉克坦克群，對其進行了及時、有效的打擊[1]。本世紀初，德國研制的 PAMIR系統除了具有高分辨率 SAR成像功能外，最重要的功能就是廣域掃描-地面動目標監視[2－4]。該系統通過設置 5個接收通道，不僅能夠檢測運動目標，還能夠對目標進行測速和定位，充分展示了該模式的優越性能。

對于廣域監視雷達系統動目標檢測算法的研究，已經有相關文獻發表。文獻[1,5]采用雜波抑制干涉(Clutter Suppress Interferometry,CSI)算法抑制雜波，根據雜波抑制后的兩路數據干涉處理結果進行動目標參數估計。文獻[2]采用改進的空時自適應處理方法進行雜波抑制，采用最大似然算法完成目標角度估計。文獻[6]中采取了空時聯合的方法進行雜波抑制，利用相鄰的3個多普勒通道作為時域自由度，兩通道作為空域自由度，共5個自由度來抑制波束主多普勒通道的雜波，采用雜波抑制后的兩路數據干涉處理結果進行動目標定位。上述文獻中的算法雖然能夠檢測動目標、估計動目標參數，但是系統通道數多、實現復雜、造價高，并且算法復雜，運算量大，不易實時實現；文獻[2]和文獻[6]屬于空時類處理算法，雜波抑制效果受到樣本非均勻性的影響，甚至會造成虛警增加。

雙通道系統設備少、造價低，檢測算法簡單、運算量小，更適合實時實現。但是雙通道系統動目標參數估計精度低、模糊嚴重。本文提出了一種基于高分辨率多普勒波束銳化(Doppler Beam Sharpen,DBS)圖像的適用于雙通道廣域監視雷達系統的地面動目標檢測、定位和測速方法。多普勒波束銳化技術是高分辨率雷達成像技術之一[7]，由于具有較高的分辨率，能更清晰地顯示動目標周圍的地理信息，同時提高了目標信噪比，有利于動目標檢測。本文詳細分析了動目標回波特性，給出了動目標檢測算法；針對廣域系統中，目標速度和位置互相影響，參數估計難度大、精度低的問題，給出了有效的參數估計算法；針對參數估計時模糊嚴重的問題，給出了詳細的分析和有效的解決方案。最后，通過模擬數據和實際飛行數據驗證了本文算法的有效性。

2 算法描述

2.1 回波分析和DBS成像

為了實現廣域掃描，載機在飛行過程中，天線波束在方位向由后向前掃描，掃描到某個角度駐留一定脈沖數，步進到下一個角度，掃描到規定角度后，反向掃描或者回到起始角度重新開始掃描，掃描角度范圍可根據實際需求而定。掃描示意圖如圖1所示。雙通道廣域監視雷達地面動目標檢測系統天線幾何結構如圖2所示。以載機質心在地面的投影為原點，x軸為載機飛行軌跡(x′軸)在地面投影軌跡，z軸過原點指向載機質心，y軸滿足右手螺旋法則。載機飛行高度h，飛行速度v，天線方位向等分成兩個子孔徑A1和A2，孔徑間距為d。A1發射，A1和A2同時接收。假定t時刻波束中心斜視角θ0，目標位于P點，斜視角為θ，俯仰角為α，方位角為η，目標到A1和A2的斜距分別為R1(t)和R2(t)。由圖可知，R2(t)=R1(t)?dsin(θ)。

圖2 天線幾何結構圖

兩個通道接收回波信號后，首先進行通道間一致性校正，然后進行高分辨率的DBS成像，具體步驟包括：距離徙動校正、距離向脈沖壓縮、方位去調頻處理和方位向加權FFT。距離脈壓后兩通道信號可表示為

其中λ是波長，G是與目標后向散射強度、天線增益有關的幅度信息，T0是發射脈沖寬度，kr是發射信號線性調頻斜率。τ1和τ2分別是兩路回波信號延遲時間，τ1=2R1(t)/c,τ2=(R1(t)+R2(t))/c,c是光速。

目標相位在方位向是二次調頻相位，積累一定脈沖后，多普勒頻率具有一定的展寬，若要提高圖像分辨率，需經過去調頻處理，使目標的能量集中在單一的頻率中。去調頻處理后，方位向做加權FFT，加權函數選擇Chebyshev窗。

接下來對兩路DBS圖像做干涉處理，得

其中

fdr是方位調頻斜率，可根據調頻斜率估計算法得到，FCheb_w是 Chebyshev窗函數，G0=G? sinc (πkr?(nT?τ1)T0)。由式(2)可得，干涉相位為

其中，θ是目標斜視角。

2.2 動目標檢測

圖3給出了動目標檢測和參數估計流程圖。

圖3 動目標檢測和參數估計流程圖

處理算法在高分辨率DBS圖像域完成。兩路回波數據完成通道幅相誤差校正和高分辨率 DBS成像后，對兩路DBS圖像干涉處理，得到相位補償函數，并補償到第2路DBS圖像中。然后進行雜波對消，并完成動目標檢測，根據檢測結果和干涉處理結果進行動目標參數估計。DBS成像是一種快速、高效的成像方法，相比常規SAR成像方法，運算量小的多，非常適合實時處理；本文在干涉處理后，僅經過一次相位補償，即可完成雜波對消；該方法適于實時實現。

假定DBS圖像中頻率為f的信號由動目標、雜波和噪聲組成，如下所示：

其中M1(f)和M2(f)分別表示兩路動目標信號，C1(f)和C2(f)分別表示兩路雜波信號，N1(f)和N2(f)分別表示兩路噪聲信號。由于動目標的多普勒頻率由徑向速度和斜視角共同確定，所以同一多普勒頻率的動目標和靜止目標斜視角不同，干涉相位不同。

對第2路信號中靜止目標進行相位補償，然后與第1路信號對消，得

其中cφ和mφ分別是靜止目標和動目標干涉相位。由上式可見，經過上述處理后，靜止目標被對消，動目標和噪聲保留下來。采用恒虛警率方法[8]在靜止目標對消后的殘差子圖像中進行動目標檢測。實際中，由于載機運動誤差、系統熱噪聲、通道不一致等各種因素的影響，導致按照式(5)對消后，雜波剩余多，虛警增加，不利于動目標檢測。采用自適應方法來補償通道相位誤差，能更有效的消除雜波[5]。本文具體做法為：實際接收的兩路回波數據經過通道一致性校正、高分辨率DBS成像后，為了消除隨機干擾，分別在距離向排序，取出前M個幅度較大數據，共軛相乘，做平均，如下式所示：

其中M為距離單元數，Sr1(f,m)和Sr2(f,m)分別是兩幅DBS圖像在距離向排序后前M個幅度較大數據。對由式(6)得到的干涉相位做線性擬合，得：，其中，p1和p2分別為擬合后的常數項和一次項系數，加入常數項是考慮到各種剩余誤差導致的固定相位。將該相位補償到S2(f)中，并與S1(f)對消，可有效的消除雜波，得到雜波對消后的殘差子圖像。

3 動目標參數估計和解模糊分析

3.1 動目標定位和解模糊分析

本文在圖2所示的坐標系中定位目標，目標在慣性坐標系中的位置可以通過坐標系轉換求得，限于篇幅，不在此描述。在圖2坐標系中，目標位置由3個變量確定，分別為：目標斜距R，目標俯仰角α和目標方位角η。目標斜距由檢測到目標的距離向位置確定；目標的俯仰角根據目標斜距和載機飛行高度求得。目標俯仰角、方位角和斜視角滿足sinθ=c osα?co sη，因此，確定了俯仰角和斜視角，就可以確定目標的方位角。本文主要討論目標斜視角的估計方法。

如果回波中只有動目標，根據式(3)可求得準確的動目標斜視角。但是實際中動目標淹沒在雜波和噪聲中，干涉相位受到污染，降低了斜視角的估計精度。此外，干涉相位存在2π周期性模糊，使得斜視角存在嚴重的模糊。只有解決了這兩個問題，才能求出目標正確的斜視角。

根據文獻[9]中分析，干涉相位主要受到雜波的影響，對于噪聲不敏感，動目標信雜比(Signal to Clutter Ratio,SCR)越低，干涉相位受影響越嚴重，提高動目標信雜比是提高干涉相位精度的重要途徑，該結論同樣適用于本文。對于淹沒在主瓣雜波內的慢速運動目標，SCR較低，干涉相位估計精度低；在主瓣雜波之外的快速運動目標，SCR較高，干涉相位估計精度高。對于淹沒在主瓣雜波內的目標，除了通過系統設計提高SCR以外，還可以增加一個接收通道，通過兩兩對消獲得兩路雜波對消后的動目標信號，然后對這兩路信號干涉處理，就會大大提高目標的SCR，進而提高干涉相位精度[10]。

本文提出了只有兩個接收通道的情況下，采用相位平均的方法降低隨機雜波和噪聲的影響。對于高分辨率系統，目標信號分布在幾個距離-多普勒單元內，設置一個矩形窗，將動目標包含在窗內，然后對窗內所有點的干涉相位求平均，如下式所示：

其中，Nr是距離窗長度，Nf是多普勒頻率窗長度。用平均相位rφ來代替干涉相位φ求目標斜視角，降低隨機干擾的效果較明顯。根據仿真結果，最好情況下干涉相位估計誤差下降了NrNf倍。根據實際目標所占距離-多普勒單元數確定矩形窗的大小。該方法簡單易行，沒有增加設備量，在實際中獲得較好的效果。

下面分析相位模糊的問題。由于相位以2π為周期，實際目標斜視角應該為

其中，φ是干涉相位，d是孔徑間距，k為模糊周期數，λ是波長，只有確定k才能求出目標真實的斜視角。假定天線波束指向斜視角為θ0，波束寬度為β，目標斜視角位于 (θ0?β2,θ0+β2)之內。波束寬度內干涉相位差為

其中，φ1和φ2分別是波束邊緣干涉相位，d0是子孔徑收發等效長度，d0=λ/β。經過分析，得到如下結論：

經過上面的分析和處理后，可以有效地解決目標斜視角模糊問題。

3.2 動目標測速和解模糊分析

動目標斜視角確定后，根據檢測到目標位置的多普勒頻率就可以求得目標的徑向速度，如下式所示：

其中，fr是動目標多普勒頻率，θ是目標斜視角，v是載機速度。由于載機飛行速度的測量精度較高，目標徑向速度估計精度主要取決于多普勒頻率估計精度和斜視角估計精度。多普勒頻率估計精度等于頻率分辨率，根據系統設計，在幾赫茲～幾十赫茲之間。根據上一節分析，斜視角估計精度主要由目標SCR決定。

在中、高脈沖重復頻率(pulse repeat frequency,prf)系統中，fr小于 prf，動目標徑向速度不會產生模糊。在低prf系統中，fr以prf為周期折疊，折疊倍數m=round(fr/prf),round(*)表示四舍五入取整。只有確定m才能求出目標的多普勒頻率和真實的徑向速度。

在廣域監視模式下，波束具有較大的斜視角，因此，雜波的多普勒中心頻率以 prf為周期折疊，折疊倍數為：n=round(fcr/prf)，其中，fcr是雜波多普勒中心頻率，根據多普勒中心頻率估計算法以及圖2中的幾何關系，可求得fcr和n。在雜波多普勒中心頻率移到零頻后，由載機運動產生的運動目標多普勒頻率折疊倍數與雜波折疊倍數相等。此外，根據可檢測地面目標運動范圍，由目標運動引起的多普勒頻移在(-prf/2,prf/2)內。因此，動目標多普勒頻率的折疊倍數m等于n-1,n,n+1中某個值。根據不同的m，可分別求出對應的動目標多普勒頻率和徑向速度。

相鄰目標徑向速度之間相差了周期速度，周期速度vrT=λ?prf/2。在連續兩次掃描幀內，相差周期速度的目標運動位移相差LT=vrT?T,T是掃描周期，LT至少在幾十到幾百米之間，因此根據連續掃描幀相關結果能夠確定真實的目標徑向速度，在下一節中將結合數據給出進一步的分析。根據多次掃描的檢測結果，采用Kalman濾波器等描繪目標的運動軌跡，同時修正目標的運動參數。

4 實驗結果

下面分別采用計算機仿真數據和實際飛行數據對本文方法進行驗證。

4.1 計算機仿真結果

仿真X波段數據，天線全孔徑長度為0.85 m，等分成兩個子孔徑，其中一個子孔徑發射，兩個子孔徑同時接收。仿真的系統參數如表1所示。

仿真了4個動目標，參數設置如表2所示。接收回波數據后，首先進行通道一致性校正，然后進行高分辨率DBS成像，如圖4所示。

由圖可見，兩個動目標完全淹沒中雜波中，另外兩個動目標在雜波譜之外。采用本文方法進行動目標檢測，結果如圖5所示，4個目標全部檢測到。

對兩路DBS復圖像進行干涉處理，取出目標所在距離-多普勒單元的干涉相位進行平均，求出目標斜視角和徑向速度。根據系統參數，速度周期為27.58 m/s，參數估計結果見表3。

表1 系統參數

表2 目標參數

圖4 DBS圖像

圖5 動目標檢測結果

為了確定動目標的真實速度，仿真了兩次掃描過程。根據第1次掃描檢測結果求得目標斜距，然后根據目標參數及兩次掃描間的系統相關性計算第2次掃描時目標斜距；然后對第 2次掃描進行動目標檢測，求得第2次掃描時的動目標斜距，如表 4所示。根據動目標斜距的估計值和檢測值，確定目標真實的徑向速度。

從參數估計結果看，位于雜波之外的目標 T3和目標T4，參數估計精度較高，接近目標實際速度。目標T1和目標T2淹沒在雜波中，干涉相位受雜波影響嚴重，導致干涉相位誤差較大，參數估計誤差大。根據 3.1節中的分析，要提高參數估計精度，可通過在系統設計時，綜合各方面的指標，通過提高雜波分辨率來提高SCR，通過提高系統增益來提高目標的信噪比(Signal to Noise Ratio,SNR)，以提高目標的參數估計精度。

表3 目標參數估計結果

表4 目標參數估計結果

4.2 實際飛行結果

采用本文方法對實際飛行數據進行了處理。部分系統參數為：X波段，載機速度 181 m/s,prf=1800 Hz，發射信號帶寬25 MHz，波束中心斜視角-1°，收發等效波束寬度4.6°，駐留脈沖數512。

首先對回波數據進行通道一致性校正，然后進行DBS成像，得到圖6。對兩路數據干涉處理，并對干涉相位進行直線擬合，得到相位補償函數，對第2路回波進行相位補償，補償后兩路信號相減，得到雜波抑制后的殘差子圖像，然后進行動目標檢測，檢測到5個目標，標注在殘差子圖像上，結果如圖7。

根據檢測結果求得目標斜視角、斜距以及模糊徑向速度，然后根據再次掃描檢測和參數估計結果解速度模糊，求得目標真實的徑向速度，如表5所示。由于所檢測目標并非配合目標，無法對參數估計值進行實際比對，但是根據連續兩次掃描結果以及上一節中仿真結果能夠驗證本文方法的有效性。

圖6 DBS圖像

表5 目標參數估計結果

5 結束語

圖7 雜波抑制和動目標檢測結果

在現有的雷達系統中多采用3個或以上的接收通道，檢測算法也是基于多通道系統。但是多個通道系統成本高，在廣域掃描模式下算法復雜，實時處理不易實現。本文提出了一種適用于雙通道廣域監視雷達系統的基于多普勒波束銳化(DBS)圖像的地面動目標檢測、定位和測速方法，該算法能夠有效的抑制雜波，檢測動目標，估計動目標位置和速度。本文針對廣域監視系統特有的參數模糊問題進行了詳細分析，給出了解模糊的方法，獲得了目標真實的位置和速度。通過理論分析和仿真及實測數據驗證，證明該方法能夠有效的完成動目標檢測和參數估計的功能。動目標參數估計時，由于受到雜波的影響，估計精度較低；如何消除雜波的影響以提高參數估計精度，是本文后續工作的重點內容之一。