海杂波中目标检测技术

2020-11-26赵和鹏张然

电子技术与软件工程 2020年19期

赵和鹏张然

（1.海装装备项目管理中心北京市 100040 2.中国电子科技集团公司安徽省合肥市 23008）

1 引言

雷达在现代科学技术、生活和军事等领域都得到了广泛的应用。利用雷达探测和识别处于海面背景中的目标时，雷达波照射到目标后，其散射回波传输了目标信息，可以据此探测和识别目标。但是，与此同时雷达波也照射到了海背景，来自海背景的散射回波也进入了雷达的接收系统。这种情况下，来自海表面的雷达回波是人们不希望的回波，会对目标探测产生严重影响，被称作海杂波。为了在海杂波背景下有效探测目标，首先需要掌握海杂波的各种特征，以便消除或减小杂波的影响。

对于目前的雷达而言，在强海杂波背景下检测弱目标的问题是国内外尚未解决的难题，这就要求对海杂波的特性进行深入的研究，进而选择合理的方法完成检测任务[1-3]。为了有效地在海杂波背景下进行雷达信号的检测，先决条件就是对杂波统计特性的掌握。杂波的物理组成机理以及杂波的起伏统计特性对恒虚警率检测器的设计有重大影响，杂波的频谱特性直接关系到MTI 和脉冲多普勒滤波器的设计等等。找出目标回波和海面回波（海杂波）在统计特性上的差异是尤其重要的，这将影响和决定信号和杂波的建模以及相应的检测策略、方法和算法。

雷达海面目标检测技术在军事和民用领域都非常重要。在军事方面，飞机和巡航导弹大都利用低空和超低空实施突防，飞行高度低、速度快，雷达反射面积小，岸基雷达在海面监视时、或舰载雷达在探测对舰攻击导弹时都会遇到海杂波下的目标检测问题。在民用方面，在探测海面的船只、冰山、浮冰、礁石、海面搜救等众多方面应用广泛。对雷达来说，海表面对入射信号的后向散射常常严重地限制了其对舰船、飞机、导弹、导航浮标目标的检测能力。为此，国内外许多研究人员一直致力于该项技术的研究。随着我海军战略由近海防御向远海防卫转变，以及当前国际安全形势的复杂化，尤其是美国亚太再平衡战略的实施，使得我海军面临的海上威胁与挑战日益增多，对我海军的对海雷达探测能力提出了更高的要求。

2 海杂波中目标检测面临的主要难点

2.1 海面环境复杂，海杂波特性认知难度大

海杂波影响因素众多，如雷达参数(包括波段、波形、极化、分辨率、带宽、波束宽度、PRF 等)、海洋环境参数(包括温度、盐度、介电常数、折射率、浪高、周期、涌浪方向/波长、风速/风向等)、地理几何参数(包括平台高度、擦地角、方位角等)、海域(包括深海、浅海、近海岸等)、平台类型(包括岸基、舰载、机载、弹载等)等。海杂波特性随这些因素之间有着复杂的联系，而且不同因素对海杂波特性的影响往往不是独立的，而是相互耦合的，使得海杂波特性认知极其困难。在小擦地角条件下，受多径效应、遮挡的影响，高分辨率雷达所面临的海杂波背景严重偏离瑞利模型，幅度分布出现重拖尾现象。非线性特性与海表面的动态模型密切相关，而非平稳性主要由海表面状态的时变特性引起。这些“三非”特性使得传统方法难以对海杂波进行建模与分析[4-6]。

2.2 目标类型多，可观测程度低

在一体化联合作战中，海战场信息覆盖全维空间，包括水面、水下、海洋上空、濒海陆地(岛屿)和网络电磁空间，并与外层空间紧密相连。海战场环境中雷达面临的主要威胁目标涵盖多种类型，包括：（1）航母、驱逐舰、导弹快艇等水面目标；（2）潜艇、水下无人作战编队等水下目标；（3）导弹等高速高机动海上目标；（4）作战飞机等空中目标；（5）濒海攻击目标等。这些目标都有各自不同的雷达散射特征和运动学特征，同时，又都以复杂的海洋背景作为掩护，从而，不同程度地表现出低可观测特性，增加了雷达探测的难度，具体体现在：1）目标运动特性复杂，雷达低可观测动目标主要包括“低（低掠射角照射，杂波强）、慢（慢速目标，易受杂波遮蔽）、小（小尺寸目标，回波微弱）、快（高速高机动目标，能量发散积累效果差）、隐（隐身目标，回波微弱）”等；2）强杂波极易湮没目标回波信号，并形成大量类似于目标的尖峰信号，严重影响雷达对弱小目标的探测和监视性能；3）雷达观测范围广，回波数据量大，新体制雷达采用数字化阵列等技术，在提高信号采样质量的同时进一步增加了数据量，对算法的实时处理提出了极高的要求；4）存在岛屿、岛礁、陆海交界、强点源干扰、多目标等复杂情况。

2.3 检测器设计困难，适应性较差

目标检测器的设计离不开对海杂波特性的精确建模，但对于现代精细化海杂波模型而言，这些模型在拟合实测数据方面具有很高的精度，但是模型形式通常较为复杂，往往不能给出有效和实用的目标检测器，或者尽管可以给出与之匹配的检测器，但是有限的检测性能提升需要以运算复杂度的大幅增加为代价。事实上，实际雷达目标检测中经常遇到的近区杂波与远区杂波、陆地杂波与海杂波等杂波区域识别问题却很少有深入研究。对于运动平台的雷达，如导航雷达、机载雷达等，陆海交界处的陆地杂波对雷达系统的整体检测性能，尤其是对海岸线附近的目标检测造成了严重的影响；同时，近程海杂波区域大小在不同海况下会发生较大的变化，从而也较大程度地影响海杂波抑制方法的参数设置。

3 海杂波中目标检测技术概述

雷达海面目标检测技术在军事和民用领域都非常重要。在军事方面，飞机和巡航导弹大都利用低空和超低空实施突防，飞行高度低、速度快，雷达反射面积小，岸基雷达在海面监视时、或舰载雷达在探测对舰攻击导弹时都会遇到海杂波下的目标检测问题。在民用方面，在探测海面的船只、冰山、浮冰、礁石、海面搜救等众多方面应用广泛。对雷达来说，海表面对入射信号的后向散射常常严重地限制了其对舰船、飞机、导弹、导航浮标目标的检测能力。为此，国内外许多研究人员一直致力于该项技术的研究。目前的海杂波中目标检测算法主要包括：基于混沌、分形分析的检测方法，基于神经网络的方法、时频分析方法、小波变换方法、杂波抑制算法、SAR 图像处理方法、基于匹配滤波的检测算法以及传统恒虚警检测方法。

3.1 基于混沌、分形分析和神经网络方法

利用混沌学的知识和方法对海面目标检测是之前国际上研究的一个热点，Haykin 教授于1990年率先发现了海杂波的混沌特性，他认为存在一个低维的动力学吸引子控制着海杂波的行为，从而为海杂波的建模和海上目标的检测提供了一个新的思路。海杂波混沌特性不同于以往将海杂波视为符合一定概率分布的随机过程的观点，它为目标检测提供了更多的先验信息，因而能够进一步提升海面目标检测性能。

把海杂波看作混沌时间序列，这可以从两个方面入手利用海杂波的混沌特性进行目标检测。一方面可以通过对雷达回波混沌特征量的变化分析来判别是否有目标存在;另一方面由于混沌时间序列具有短期可预测的特点，当具有混沌特性的海杂波中加入目标回波时，对回波的预测误差将增大，可以利用这个特点进行目标检测。

3.2 时频分析方法，小波变换和SAR处理

针对加速目标的检测，近些年提出了多种解决方法，主要有离散Chirp-Fourier 变换法(DCFT)、分数阶Fourier 变换(FRFT)、Wigner-Hough 变换(WHT)、Radon-Ambiguity 变换(RAT)以及联合时频分析等。这些算法均通过估计chirp 信号的参数，从源头上去除杂波信号，再利用变换域首先提取强杂波信号的参数，复制出原始杂波并从输入中去除，再循环处理，直到弱目标回波浮现。小波变换由于具有良好的时频局部化特性，可以对信号在频域(或者时域)作“变焦”分析，通常可将小波变换应用到海面SAR 图像中，通过图像处理方法实现目标检测。

3.3 自适应匹配算法

对于相干脉冲雷达，对于在未知杂波协方差矩阵的高斯杂波中目标检测，Kelly 提出了广义似然比检测器(GLRT)，该检测器借助与待检测的单元有相同分布的参考数据对检测单元进行似然比检验，其对于杂波协方差矩阵有恒虚警的性质。继而又提出了复杂度较低的自适应匹配滤波检测器(AMF)。目前学者认为高分辨率海杂波满足复合高斯模型。由于复合高斯模型的概率密度函数没有解析表达式，所以将复合高斯模型退化为更为简单和易于处理的SIRV模型。SIRV 模型假定杂波的纹理分量在短时间内是一个随机常数，这与杂波的纹理分量较散斑分量具有较长的时间相关性是一致的。在均匀杂波环境下，Conte 提出的M-ANMF 检测器可以有效地检测到目标。随后Gini 在Conte 的基础上提出了Σ-ANMF 检测器，该检测器对纹理的统计特性和杂波功率是CFAR 的，但是对杂波功率不是CFAR 的。随着雷达的分辨率提高，杂波环境变得部分均匀时，也就是说，待检测单元的数据与参考数据有相同的杂波协方差矩阵结构，但杂波功率不同但所有的参考数据有相同的杂波功率，Conte 提出的R-ANMF 和RP-ANMF 检测器将杂波数据进行分组处理，使得同一组的杂波数据满足空间均匀性条件。对于非均匀的杂波环境，或者说高度空间非平稳的杂波环境，目前的自适应匹配算法主要集中在基于先验知识的条件下去除异常样本上。纵观自适应匹配算法的发展历程，目前该类方法仍处于不断推陈出新的阶段，针对不同的雷达平台和杂波环境，研究这类目标检测方法仍然具有重要的理论意义和应用价值。

3.4 恒虚警（CFAR）检测算法

恒虚警检测器的本质上是根据杂波强度自动调节判决门限，使虚警概率保持恒定。实际中，常常是通过构造一个不依赖于杂波水平的检测统计量实现判决门限的自动调节。CFAR 检测器首先估计局部噪声/杂波功率，然后用估计值乘以特定虚警率常数得到自适应阈值。而非平稳噪声/杂波功率的估计依赖于参考单元和参考样本的统计性质。传统CFAR 检测器在复杂杂波背景下的性能下降，以及一些改进型CFAR 不能同时兼顾多种杂波环境的事实表明在各种不同地形、气象以及不同检测单元的情形下仅采用单一CFAR 算法，势必会降低系统的检测性能。真实检测环境和设计假设的失配而造成的CFAR 性能损失，也对先验知识获取、数据融合以及智能CFAR 检测提出了要求[7,8]。

目前，国内的雷达自动检测和恒虚警检测的系统化、智能化、综合化研究还处于发展阶段，大多数实际系统采用的还是单元平均法，当雷达波束照射不同的地形或载机位于不同环境时，仍采用单一固定的检测策略，因此雷达的检测性能受到很大的限制。

4 海杂波中目标检测技术发展趋势

总的来说，雷达对海探测技术的发展趋势可从两个方面进行概括：多维度信息的融合利用和多手段融合处理。

融合利用多维度信息，可对回波信号进行更精细化描述，改善检测、估计、识别、评估和决策的性能。这些信息包括目标信息、背景信息以及雷达信号资源三部分。目标信息是指目标的RCS 起伏特性、相关特性、运动学特性、变换域特征、非线性特征、微多普勒特征等；背景信息是指背景的电磁散射特性、统计分布特性、相关特性、变换域谱特性、非线性特性等；雷达信号资源是指雷达发射信号本身所具有的空域信息(阵元间、雷达间)、时域信息(脉间、帧间)、谱信息、波形信息(波形形式)、极化信息、频率信息、波段信息等。

融合多种处理手段，有利于充分利用各层次信息，改善检测、估计、识别、评估和决策的性能。多处理手段的融合包括：

（1）相参积累与非相参积累相结合，例如短时间相参+长时间非相参等；

（2）低分辨与高分辨相结合，例如低分辨搜索+高分辨确认等；

（3）自适应处理与知识辅助相结合，以便于融合多源信息；

（4）统计处理与非线性处理相结合，以便于确定非线性特征的判别区域；

（5）检测问题与分类问题相结合，将检测问题转化为二元分类问题，以适应非加性背景的情况。