地面情報雷達點跡過濾技術研究

官林海

摘要

在雷達掃描過程中，由于受到外部環境的影響，實際回波中總是混雜著噪聲、雜波和各類千擾，這些雜波和干擾信號被雷達檢測和提取后，形成虛假點跡，如果不進行處理，將會大大提高形成虛假航跡的概率，嚴重影響雷達的探測性能。本文所述點跡過濾技術是通過提取真假目標點跡的歸一化幅度、距離展寬、方位展寬等特征信息，然后對得到的每個目標點跡計算風險系數，根據風險系數判別目標的真假性，進而別除虛假點跡，并進行計算仿真。最后利用該方法對外場實錄數據進行處理測試，結果表明實測結果與仿真結果一致。

【關鍵詞】虛假點跡 點跡過濾 真假目標

1 引言

地面情報雷達一般也稱作地面監視雷達或地面警戒雷達，主要用作國土防空和空中交通管制，多采用邊搜索邊跟蹤體制，能同時對一定仰角和一定距離、360°全方位范圍內的目標進行探測跟蹤。探測過程中，由于地面反射、通訊基站、廣播電臺等的影響，回波中總是混雜著機內噪聲、地物雜波和各類干擾，從而形成虛假點跡。虛假點跡包括噪聲虛警、雜波剩余及干擾所形成的點跡，它們具有隨機特性。雷達的目標提取器不僅能檢測、錄取真實目標的點跡數據，同時也能錄取虛假目標的點跡數據，這些真假目標的點跡會一起被上報到雷達終端顯示器中，這不僅加大了計算機的處理量，而且也不利于目標航跡的跟蹤。剔除虛假點跡主要通過雷達的信號處理系統完成，例如采用旁瓣相消、動目標顯示（MTI）、動目標檢測（MTD）、恒虛警（OFAB）檢測、雜波圖等處理方法。另外，也可以依據真假目標點跡分布特性的不同對目標點跡進行判別，形成點跡過濾的準則，本文主要針對點跡過濾技術進行研究。

2 點跡過濾

點跡過濾主要是利用雷達回波點跡的不同特征參數信息，計算出點跡的風險系數（0到1之間），然后據此剔除一些虛假點跡?；敬胧┦菍μ崛〉哪繕它c跡的各個特征兩兩組合，然后求出該特征組合下的似然概率，最后對所有特征組合下的似然概率加權求和，得出用于判別點跡真假的風險系數。

為了計算目標真假性的似然概率，雷達首先識別和標識出所有真假目標樣本的點跡。然后對真假目標的點跡，提取有用的特征信息，分別計算點跡每個特征對應的均值和標準差。接下來把真假點跡的特征進行組合（如（X，Y），X，Y代表特征信息）放在同一坐標系中，如圖1所示。

（圖1中：X，Y代表點跡的特征信息，LK代表似然概率，V是真目標樣本集，F是假目標樣本集。）

找出一條區分目標真假的分隔線D₀，左右等距平移直線D₀，得到線D₁和D₂，它們之間的寬度由α確定：

式中，α是（0，1.0）之間的常量，X₀，X₁，X₂是D₀、D₁和D₂與X軸的交點，Y₀，Y₁，Y₂是D₀、D₁和D₂與Y軸的交點。

一個基本的似然概率計算方法是，規定在線D₁和D₂之間的點的似然概率在0.0和1.0之間，超過直線D：的點的似然概率約束為1.0，在直線D₁之下的點的似然概率約束為0;

為了給出最終的似然概率LK，對同一點跡的每一特征組合下的似然概率進行加權求和，可得：

其中，LK是似然概率，Lp_i是第i個特征組合的基本似然概率，wp_i是第i個特征組合的權重。

最后，判別目標點跡真假性的風險系數計算為：R=1.0-LK

觀察圖1可以發現，目標真假性的判別結果主要受分隔線D₁、D₂的間距影響，即取決于α的大小。

根據計算出的每一個點跡的風險系數，設置一個風險門限T，用如下公式進行真假目標判別，以過濾掉噪聲虛警、雜波剩余及干擾等虛假目標的點跡。根據上述點跡過濾的實現步驟，給出實現流程圖（圖2），并據此進行仿真實驗：

3 計算仿真

上節所述特征組合的選擇，一般取決于雷達類型、工作模式、雜波環境及干擾類型等。本章我們提取的目標三個特征參數信息是：目標點跡的歸一化幅度、距離展寬、方位展寬，它們對應的均值和標準差見表1。

3.1 仿真結果

（1）利用上述真假目標判別的求解步驟，對照圖1給出一種特征組合下的似然概率劃分圖（圖3）。

（2）本仿真T=0.9，由第2章可知，假目標的風險系數應為R_假>0.9，真目標的風險系數應為R_真≤0.9。下面取3組α值，分析真假目標判別的性能。

1.當α=0.1時，各取100組真、假目標的特征信息，求解出風險系數如圖4所示。

觀察圖4及表2可以得出，α=0.1時真假目標判別的正確率為P_0.1=（97+79）/200%=88%。部分假目標點跡的風險系數并不滿足判別條件，真目標點跡的風險系數基本上都滿足判別條件。因此，得出的結果會把一些假目標的點跡判別為真目標，把少許真目標的點跡判別為假目標。

2.當α=0.5時，各取100組真、假目標的特征信息，求解出風險系數如圖5所示。

觀察圖5及表3可以得出，α=0.5時真假目標判別的正確率為P_0.5=61.5%。

3.當α=0.9時，各取100組真、假目標的特征信息，求解出風險系數如圖6所示。

觀察圖6及表4可以得出，α=0.9時真假目標判別的正確率為P_0.9=50.5%。

統計上述3組判別結果見表5。

由表5可以看出，隨著α值的增加，真假目標的聯合判別正確率逐漸降低。同時對照表2～4也可以發現，隨著α值的增加，真目標的判別正確率提高，但假目標的判別正確率降低。當α取值較小時，真假目標的聯合判別正確率比較高，但也會使部分真目標被判別為假目標，這將導致真目標點跡的丟失，不利于跟蹤，因此應根據實際情況選擇。值的大小。

4 實測數據處理結果

在上述理論仿真的基礎上，進行了實測數據處理驗證。通過對某雷達實測回波信號進行脈壓、多普勒濾波、CFAR及雜波圖檢測等處理得到目標點跡，進而通過對比二次雷達信息選取出真、假目標點跡作為訓練樣本，分別得到真、假目標各個特征的均值、標準差。對未知點跡采用第2章所述算法計算風險系數，對高風險點跡進行過濾，基本處理流程如圖7所不。

目標點跡凝聚處理的過程在電子工業出版社出版的《雷達信號處理和數據處理技術》一書中有詳細描述，本文不再贅述。

目標的原始點跡經凝聚處理后，己獲得唯一的距離、方位估計值。同時，在進行上述凝聚的過程中，分別提取點跡在距離、方位上的展寬特性。

經過點跡凝聚處理己得到點跡的距離、方位、幅度及距離展寬、方位展寬等信息，緊接著對得到的點跡計算其風險系數。本次實測數據處理中，所設風險門限T=0.9，不同α值時的判別結果如下：

（1）α=0.1的判別結果

對上圖所示點跡進行統計：點跡過濾前有21021個點跡，點跡過濾后有8057個點跡（α=0.1）。由此可以發現第2章所述點跡過濾算法取得了一定的點跡剔除效果。同時可以發現，對于區域A，原始點跡中被虛假點跡掩蓋住的真目標航跡，經過點跡過濾處理后顯性的出現在視野中。當然，對于區域B，也可以發現點跡過濾后，部分真目標點跡被判錯。通過對比二次雷達提供的航跡信息，真實目標的判別正確率約為87.56%。

5 結論

通過對比上述不同α值時實測點跡過濾結果可以發現，一方面隨著α值的增大，真目標判別的正確率逐漸增大;但是，另一方面隨著α值的增大，剔除的虛假點跡個數也逐漸減少，所得結果與第3章的仿真結果一致。工程應用中，應根據實際情況選擇合適的α值，以達到預期的效果。

參考文獻

[1]吳順君，梅曉春等編著.雷達信號處理和數據處理技術[M].北京：電子工業出版社，2008.

[2]Merrill I.Skolnik主編，王軍等譯.雷達手冊[M].（第二版中譯本）北京：電子工業出版社，2003.

[3]丁鷺飛，耿富錄編著.雷達原理[M].（第三版）西安電子科技大學出版社，2014.

[4] Mark.A.Richards著，邢孟道等譯.雷達信號處理基礎[M].北京：電子工業出版社，2008.