一種場監雷達雜波圖算法及工程實現

,,

(中國航空工業集團公司雷華電子技術研究所,江蘇無錫214063)

0 引言

場面監視雷達[1](SMR)是一種監控機場地面上飛機和各種車輛運動情況的高分辨雷達,是機場實施低能見度運行的基本條件。場面監視雷達一般安裝于機場塔臺,監視近地范圍內的目標,具有較高的實時目標探測能力,能夠可靠、精確地探測到機場附近的飛機和機動車輛移動情況,具有高分辨率、高數據刷新率等優點。場面監視雷達能夠有力支援站坪指揮中心的管制功能,保證該管制中心的工作能夠不受盲區、天氣變化的影響,減少場面沖突,提高機場的安全系數,確保站坪內飛機、車輛交通的暢通、高效,提高機位、滑行道的利用率,降低營運成本。

對于場面監視雷達而言,除特定待觀測目標外,地面固定建筑物及其他固定反射物均為雜波。為了減小甚至消除這類特殊雜波對目標正常檢測的影響,需要進行雜波抑制處理,而雜波抑制需要先獲取機場周圍地物環境的二維輪廓雜波圖。

文獻[1]對場面監視雷達的技術發展進行了綜述性介紹,文獻[2]對機場場面監視雷達抗雜波性能進行了詳細分析,文獻[3-4]對基于雷達雜波圖的典型CFAR算法進行了研究和探討,文獻[5]研究了一種針對機場場面監視雷達的區域約束目標跟蹤方法,文獻[6]研究了一種基于非相參積累的雜波圖檢測方法。本文以場面監視雷達雜波圖應用技術為背景,研究了一種場面監視雷達二維輪廓雜波圖形成方法及工程實現流程,并針對典型幾種雜波圖CFAR算法進行了對比分析。

1 雜波圖原理及典型CFAR算法

1.1 雜波圖原理

雜波圖是表征雷達威力范圍內按距離-方位單元分布的雜波強度圖。雜波圖按建立與更新雜波圖的方式分為動態雜波圖和靜態雜波圖[3]。動態雜波圖是一種針對背景雜波動態變化而能夠進行不斷自動修正和更新的雜波圖,靜態雜波圖的背景雜波已經固化而不能動態改變,但可在陣地轉移后或根據其他實際情況進行重新建立。它適用于雜波背景變化不明顯的應用場合。場面監視雷達應用即屬于此種場合。二維雜波圖構造如圖1所示。

圖1 雜波圖距離-方位單元劃分

假設雷達距離維上劃分為N個距離單元(n=1,2,…,N),方位維上分塊為M個方位單元(m=1,2,…,M),則雜波圖共有NM個距離-方位單元,此處用(n,m)表示距離-方位單元的編號。對于靜態雜波圖而言,其每個雜波單元上的雜波數據應等于不同天線掃描周期積累后進行平均(不同掃描天線周期的AGC,STC因素要綜合考慮)的結果。靜態雜波圖構造如下式所示:

式中,l為天線掃描周期數,D i(n,m)為第i個掃描周期形成單幅雜波圖的第(n,m)單元的雜波功率,D(n,m)為多次統計平均的第(n,m)單元的雜波功率。

1.2 典型雜波圖CFAR算法

對于場面監視雷達而言,由于地雜波實際上也是目標,因此考慮基于雷達目標檢測原理,將目標檢測方法應用于雜波單元檢測。因此,構造典型的CA-CFAR,OS-CFAR及CMLD-CFAR等三種CFAR檢測算法,如圖2～圖4所示。

圖2 CA-CFAR雜波檢測原理框圖

圖3 OS-CFAR雜波檢測原理框圖

圖4 CMLD-CFAR雜波檢測原理框圖

以上3種CFAR算法的區別在于平均功率ˉu的計算方法不同,CA-CFAR針對所有的參考單元進行平均;OS-CFAR針對排序后的參考單元選取其中某個值;CMLD-CFAR則針對經排序后去除r個較大值然后進行線性組合,本文中取線性組合系數均為1。將上述平均功率ˉu乘上一判決門限系數K后得到的絕對門限值U與待檢測單元功率進行比較,若大于1則判為雜波單元(置1),反之則判為無雜波單元(置0);其中K與檢測概率、虛警率有關。另外需要說明的是,圖中保護單元左右各取一個單元僅為示意,并不代表算法實現中左右各取一個單元。

通過上述CFAR檢測后,可以形成一個帶有雜波有無二分層信息的二維輪廓雜波圖,雷達在信號處理過程中,僅針對無雜波(值為0)單元進行目標檢測,從而在減輕信號處理負擔的同時,實現對雜波的抑制。

2 系統信號處理及雜波圖算法實現流程

2.1 系統信號處理流程

場面監視雷達系統信號處理流程如圖5所示。

圖5 系統信號處理流程圖

本文所做的工作主要是產生雜波抑制所需要的二維輪廓雜波圖。其輸入為經過非相參積累后的一維數組。

2.2 雜波圖形成工程化算法實現流程

雜波圖生成的具體實現步驟如下:

步驟1 雷達獲取一個掃描周期(天線旋轉一周)的原始回波數據后,進行距離向脈壓處理。

步驟2 對脈壓處理后的數據進行雙極點濾波,形成距離-方位二維數據矩陣。

步驟3 利用上述CFAR算法,對二維數據矩陣中的每個距離單元進行距離維雜波檢測,判為雜波單元置1,非雜波單元置0,形成距離-方位二維“0/1”矩陣,即為單幅二維輪廓雜波圖。

步驟4 對上述二維輪廓雜波圖在方位上進行“雜波區”擴展。擴展方式為對方位進行重新分塊,將重新分塊后劃入同一區域的各單元作“或”處理,如圖6所示。形成擴展后二維輪廓雜波圖。

圖6 雜波圖擴展示意圖

步驟5 取雷達多個掃描周期(一般為10～20次),重復步驟1～步驟4。

步驟6 對形成多幅擴展后二維輪廓雜波圖進行求和取平均,得到平均后二維輪廓雜波圖。

步驟7 設定一雜波門限值(小于1),對平均后的二維輪廓雜波圖各單元值與雜波門限值進行比較,超過門限值置1,否則置0,形成最終的二維輪廓雜波圖。

2.3 雜波抑制算法實現流程

非相參處理后輸入數據表示為

根據輪廓雜波圖,對每一條經過非相參積累后的距離線數據,先根據幀號對應的方位角索引出所落入的角度區間(方位分塊產生),然后根據此區間的雜波單元分布判斷是否進行目標檢測。雜波抑制流程如圖7所示。

圖7 雜波抑制流程圖

3 實測數據處理結果與分析

試驗雷達主要參數如下:作用距離6 km,距離分辨率6 m,方位角分辨率0.3°,發現概率90%(針對1 m2目標),虛警率不超過10-6。為保證形成雜波時在距離向、方位向均具有連續性,試驗中以雷達試驗場地附近的一條鐵路作為研究對象,分別利用上述3種CFAR算法進行輪廓雜波圖生成效果驗證。

考慮到建筑物的尺寸一般較大,因此,保護窗和參考窗的選取根據建筑物等的尺寸進行核算,以提高生成雜波圖的準確度。核算后參考單元L取20,保護單元左右各取10,剔除單元r取10,OS-CFAR算法中的x i取排序后的中值。另外,根據對試驗場地回波數據的雜波幅度特性統計,獲得其直方圖分布,確定門限系數K為10。圖8(a)采用CA-CFAR算法時,距離向存在明顯的不連續,部分雜波邊緣未能被檢出;圖8(c)采用OSCFAR算法時,形成的雜波圖幾乎覆蓋了整個區域,這將會嚴重影響后續檢測環節中目標的正常檢出;圖8(b)采用CMLD-CFAR算法后,具有比CA-CFAR算法更好的雜波邊緣檢測效果,而且也不至于像圖8(c)那樣將大片區域均判為雜波。

圖8 不同CFAR算法雜波檢測結果示例

采用基于CMLD-CFAR算法的輪廓雜波圖在某場面監視雷達信號處理機中已經得到應用。在試驗場地附近一條馬路上停放了7輛汽車作為試驗目標,圖9給出了基于CMLD-CFAR算法處理后的二維輪廓雜波圖結果,雷達位于圖中的圓心位置,可以看到清晰的馬路輪廓邊緣。圖10(a)、圖10(b)分別示出了停放試驗目標前后形成輪廓雜波圖效果對比圖,從圖10(b)中可以清晰地看到停放在馬路邊的7輛汽車。

圖9 基于CMLD-CFAR算法的二維輪廓雜波圖結果示例

圖10 停放試驗目標前后形成輪廓雜波圖(局部)對比

4 結束語

本文對3種典型的雜波圖CFAR算法進行了分析比較,并給出了系統信號處理及輪廓雜波圖形成算法實現流程,得出采用CMLD-CFAR算法可以獲得更好的雜波邊緣檢測性能的同時又不至于將大量非雜波區判為雜波的結論,因此更有利于場面監視雷達工程化應用。

[1]李斌,張冠杰.場面監視雷達技術發展綜述[J].火控雷達技術,2010,39(2):1-6.

[2]沈杰,晏勇.機場場面監視雷達反雜波性能分析[J].雷達科學與技術,2014,12(2):123-126.SHENG Jie,YAN Yong.Analysis of Clutter Suppression Capability in Surface Movement Radar[J].Radar Science and Technology,2014,12(2):123-126.(in Chinese)

[3]SHAN Tao,TAO Ran,WANG Yue,et al.Performance Analysis of Multidimensional Clutter Map CFAR[C]∥International Conference on Signal Processing,Beijing:IEEE,2004:2128-2131.

[4]王雪,雷卓,歐陽耀果.基于雷達雜波圖的CFAR算法[J].火控雷達技術,2010,39(4):52-55.

[5]李川,靳俊峰,曲成華.基于區域約束的機場場面目標跟蹤[J].雷達科學與技術,2015,13(6):564-566.LI Chuan,JIN Junfeng,QU Chenghua.Surface Movement Target Tracking Based on Region Constraint[J].Radar Science and Technology,2015,13(6):564-566.(in Chinese).

[6]安文,孟祥偉.一種改進的雜波圖檢測方法[J].武漢大學學報(信息科學版),2015,40(9):1176-1179.