李家強，姜慶剛，陳金立，葛俊祥

(1. 南京信息工程大學 a. 氣象災害預報預警與評估協(xié)同創(chuàng)新中心；　b. 電子與信息工程學院　南京 210044)

(2. 江蘇省氣象探測與信息處理重點實驗室，　南京 210044)

?

船舶導航雷達的海雜波自適應抑制算法

李家強1a,1b,2，姜慶剛1b，陳金立1a,1b,2，葛俊祥1a,1b,2

(1. 南京信息工程大學 a. 氣象災害預報預警與評估協(xié)同創(chuàng)新中心；b. 電子與信息工程學院南京 210044)

(2. 江蘇省氣象探測與信息處理重點實驗室，南京 210044)

摘要：船舶導航雷達的海雜波抑制技術(shù)是提高海面目標檢測性能的關(guān)鍵和難點技術(shù)，具有很高的軍事和民用價值。文中基于數(shù)理統(tǒng)計理論，提出了多模型選擇的海雜波自適應抑制方法，通過對雷達多次掃描的回波數(shù)據(jù)建立海雜波模型庫，統(tǒng)計、估算各模型相應參數(shù)選擇與雷達回波數(shù)據(jù)最佳匹配的模型，作抑制海雜波的對消處理。計算機仿真及實測數(shù)據(jù)處理，都驗證該方法的有效性和可行性。

關(guān)鍵詞：船舶導航雷達；海雜波建模；海雜波抑制；目標檢測

0引言

船舶導航雷達是船艇航海必備的導航設(shè)備之一，用于探測海面船只、礁石、冰山等多種物體,給船舶駕駛員提供近程和遠程導航,以便及時發(fā)現(xiàn)、避讓海面各類障礙物,防止碰撞事故,提高船舶交通的安全性[1]。然而，船舶導航雷達接收到的回波信號中不僅包含目標的回波信號,也包含來自海面的各類動態(tài)雜波，嚴重制約了海面目標的可檢測性，尤其是海雜波的影響。因此，對海雜波的抑制是提高海面目標檢測性能的關(guān)鍵和難點技術(shù)。

海雜波是雷達回波中最為復雜的一種雜波,不僅與天氣、風速、海況等海面環(huán)境有關(guān)，還受雷達的入射角、發(fā)射頻率、分辨率、極化等工作狀態(tài)影響，國內(nèi)外很多學者對其進行了深入研究。文獻[2-4]是基于混沌理論的海雜波分析方法，能夠在海雜波背景下有效地檢測到部分微弱信號，但目前這種理論還處于理論分析和實驗仿真階段，理論比較復雜，且運算量比較大，不易于工程應用；文獻[5]是基于圖像處理角度的分析方式，運用形態(tài)學濾波和圖像分割的原理來抑制海雜波,但這種算法適用范圍有限，只能是低分辨率船舶雷達，而且檢測的目標通常是大型或中大型船只。針對上述問題，本文提出一種基于數(shù)理統(tǒng)計理論的船舶導航雷達海雜波自適應抑制方法，首先，建立海雜波模型庫；然后，根據(jù)雷達多次掃描回波數(shù)據(jù)統(tǒng)計模型庫中各模型的參數(shù)特征，得到各模型分布的概率密度分布曲線；其次，與雷達回波的分布曲線進行對比，選擇與之最佳匹配的海雜波模型；最后，利用最佳匹配的海雜波模型對回波信號進行對消，抑制海雜波的干擾。

1多參數(shù)選擇的海雜波模型庫

海雜波的幅度分布是建模中重要的一個內(nèi)容，經(jīng)國內(nèi)外學者深入研究與實驗，先后建立多種海雜波幅度分布模型，典型的模型主要包括以下四種：瑞利分布(Rayleigh)、對數(shù)正態(tài)分布(LogNormal)、韋布爾分布(Weibull)和K分布[6]，現(xiàn)對四種模型作簡要分析。

1.1瑞利分布

當散射源的數(shù)目足夠多而且彼此相互獨立時，海雜波的包絡(luò)振幅服從瑞利分布。這種雜波模型通常描述低分辨率雷達(天線波束寬度大于2°，脈沖寬度大于1 μs)接收到的海雜波，其概率密度函數(shù)為

(1)

式中：x為海雜波幅度；σ為瑞利分布的參數(shù)；最大似然估計為[7]

(2)

式中：N為數(shù)據(jù)點的個數(shù)；xi為回波的包絡(luò)振幅。不同σ值下的瑞利分布曲線如圖1所示。

1.2對數(shù)正態(tài)分布

對數(shù)正態(tài)分布常用于表示平坦地區(qū)雷達分辨率相對較高、入射角相對較小(脈寬Φ<0.5 μs、角φ<5°)情況下的海雜波，也適用于描述海面形成“海尖峰”現(xiàn)象時的海雜波幅度。其概率密度函數(shù)為

x>0,σ>0，μ>0

(3)

式中：x為海雜波幅度；u為尺度參數(shù)；σ為形狀參數(shù)；最大似然估計為[7]

(4)

式中：N為數(shù)據(jù)點的個數(shù)；xi為回波的包絡(luò)振幅。不同σ、μ值下的對數(shù)正態(tài)分布曲線如圖2所示。

圖2　不同σ、μ值下的對數(shù)正態(tài)分布曲線

1.3韋布爾分布

韋布爾分布是一種比較常用的雜波模型，與瑞利分布、對數(shù)正態(tài)分布相比，有著更寬廣的動態(tài)范圍和更高的精確度,常用于描述高分辨率雷達、低入射角和起伏較為均勻情況下的海雜波[8]。其概率密度函數(shù)

x≥0，p>0，q>0

(5)

式中：x為海雜波幅度；q為尺度參數(shù)；p為形狀參數(shù)；Menon[9]提出了一種參數(shù)有效估計方法

(6)

(7)

式中：N為數(shù)據(jù)點的個數(shù)；xi為回波的包絡(luò)振幅。不同p、q值下的韋布爾分布曲線如圖3所示。

圖3　不同p、q值下的韋布爾分布曲線

1.4

K分布

作為一種復合分布模型，K分布可用兩個相互獨立的斑點分量和基本幅度調(diào)制分量相乘描述[10]，其中，斑點分量又稱為快變化分量，服從瑞利分布，基本幅度調(diào)制分量又稱為慢變化分量，符合Gamma分布。K分布通常描述復雜海況和高分辨率雷達情況下非均勻的海雜波[11]，其概率密度函數(shù)為

x>0，a>0，v>0

(8)

式中：x為海雜波幅度；a為尺度參數(shù)；v為形狀參數(shù)；Γ(·)為Gamma函數(shù)；kv(·)為第二類修正Bessel函數(shù)。根據(jù)二階/四階矩估計法參數(shù)估算為

(9)

圖4　不同a、v值下的K分布曲線

2多模型選擇海雜波抑制算法原理

本文提出的一種基于數(shù)理統(tǒng)計理論的船舶導航雷達海雜波自適應抑制方法，可以根據(jù)不同的海情，自適應地選擇與之匹配最佳的雜波分布模型，通過對消處理達到抑制海雜波的目的，其關(guān)鍵在于分布曲線的擬合、雜波模型的選取。算法的流程圖如圖5所示。主要包括如下步驟。

圖5　海雜波抑制的流程圖

步驟1建立海雜波模型庫，本文選擇典型的四種分布模型(Rayleigh分布、LogNormal分布、Weibull分布和K分布)建立海雜波模型庫，并根據(jù)需要可做新的雜波模型添加；

步驟2對雷達回波中前N幀數(shù)據(jù)f1的幅度特性進行分析，統(tǒng)計出模型庫中各模型的參數(shù)特征，從而得到各模型分布的概率密度分布曲線；

步驟3將得到的模型的分布曲線與雷達回波幅度分布直方圖進行對比，選擇與雷達回波信號直方圖相差最小、匹配效果最佳的海雜波模型，作為雜波對消處理的背景；

步驟4將雷達回波數(shù)據(jù)f2與模型作對消處理，達到抑制海雜波的效果。

3仿真與實測處理結(jié)果與分析

3.1仿真實驗

具體實施如下：

(1)通過仿真得到一組雷達回波數(shù)據(jù)，包含兩目標，其多普勒頻移分別對應100 Hz和150 Hz?；夭ㄐ盘柕臅r域和頻域的波形如圖6a)、6b)所示，從圖中可以看出目標信號淹沒在雜波中，很難辨別。

圖6　歸一化后的回波信號

(2)對雷達回波中前N幀數(shù)據(jù)f1的幅度特性進行分析，分別統(tǒng)計出模型庫中各模型的參數(shù)特征，從而得到瑞利分布模型、對數(shù)正態(tài)分布模型、韋布爾分布模型、K分布模型的概率密度分布曲線。然后將得到的四種模型的分布曲線分別與雷達回波幅度分布直方圖進行對比，選擇與回波信號直方圖相差最小、匹配效果最佳的海雜波模型。通過實驗對比發(fā)現(xiàn)，在尺度參數(shù)a=0.6，形狀參數(shù)v=3時，K分布模型的概率密度分布曲線與雷達回波擬合效果最佳，結(jié)果如圖7所示，因此選擇模型庫中在尺度參數(shù)a=0.6，形狀參數(shù)v=3情況下的K分布模型作為算法對消處理的背景。

圖7　K分布概率密度分布曲線與回波信號的擬合圖

(3)將雷達回波中數(shù)據(jù)f2與K分布模型作對消處理，能夠有效地抑制海雜波。結(jié)果如圖8所示，能夠清楚地辨別目標信號，即在頻率100 Hz和150 Hz處的兩個譜峰。

圖8　海雜波抑制結(jié)果

3.2實測數(shù)據(jù)實驗

本文采用的實測數(shù)據(jù)是來自本單位自主研發(fā)的X波段的船舶導航雷達實測回波數(shù)據(jù)，本實驗將實測雷達數(shù)據(jù)通過MATLAB軟件處理和顯示。圖9為雷達回波的原始數(shù)據(jù)顯示，目標淹沒在雜波中，圖10為采用本文方法抑制結(jié)果的結(jié)果圖，為了便于比較，給出了國外某型號船用導航雷達顯示結(jié)果，如圖11所示。通過圖9、圖10和圖11對比可見，本文提出的海雜波抑制方法能夠有效地抑制海雜波。

圖9　雷達回波的原始數(shù)據(jù)

圖10　海雜波抑制結(jié)果

圖11　國外某船舶導航雷達目標回波圖

4結(jié)束語

本文依據(jù)雷達雜波特性進行統(tǒng)計分析，提出一種基于數(shù)理統(tǒng)計理論的多模型選擇海雜波自適應抑制方法。通過對雷達回波數(shù)據(jù)的分析，從海雜波模型庫中選擇相適應的雜波模型作為雜波對消背景。通過仿真分析，表明該方法能夠根據(jù)雷達回波信息，自適應地選擇與之最佳匹配的雜波模型，對海雜波進行有效抑制。最后通過實測雷達數(shù)據(jù)的處理與對比，也說明了本文方法抑制雜波可行且效果明顯，從而證明此方法的有效性，對工程實踐具有一定的理論指導和參考價值。

參 考 文 獻

[1]姚元飛, 何奎, 錢延軍, 等. 降低船用連續(xù)波雷達虛警概率的海雜波抑制方法[J] . 電訊技術(shù), 2013, 53(5): 592-596.

YAO Yuanfei, HE Kui, QIAN Yanjun, et al. A sea clutter suppression method for reducing marine CW radar false alarm probability[J]. Telecommunication Engineering, 2013, 53(5) : 592-596.

[2]謝紅梅, 俞卞章. 基于神經(jīng)網(wǎng)絡(luò)預測器的混沌海雜波弱信號檢測[J] . 現(xiàn)代雷達, 2004, 26(9): 50-52.

XIE Hongmei, YU Bianzhang. Detecting weak signal in chaotic sea clutter using RBF neural network predictor[J]. Modern Radar, 2004, 26(9): 50-52.

[3]行鴻彥, 朱清清, 徐偉. 一種混沌海雜波背景下的微弱信號檢測方法[J]. 物理學報, 2014, 63(10) : 1-7.

XING Hongyan, ZHU Qingqing, XU Wei. A method of weak target detection based on the sea clutter[J]. Acta Physica Sinica, 2014, 63(10) : 1-7.

[4]李正周, 陳靜, 沈美容, 等. 基于混沌神經(jīng)網(wǎng)絡(luò)的海上目標圖像的海雜波抑制方法[J]. 光電子·激光, 2014, 25(3) : 588-594.

LI Zhengzhou, CHEN Jing, SHEN Meirong, et al. Sea clutter suppression approach for target images at sea based on chaotic neural network[J]. Journal of Optoeletronics·Laster, 2014, 25(3) : 588-594.

[5]於建生, 馬紅星, 朱征宇. 基于雷達回波相關(guān)特征的海雜波抑制方法[J]. 艦船電子工程, 2009, 29(6) : 121-123.

YU Jiansheng, MA Hongxing, ZHU Zhengyu. Correlation character of radar echo-based sea clutter suppression algorithm[J]. Ship Electronic Engineering, 2009, 29(6): 121-123.

[6]鄭琦, 陳棟, 王其沖. 艦載雷達復雜環(huán)境下的CFAR選擇[J]. 現(xiàn)代雷達, 2009, 31(4): 15-18.

ZHENG Qi, CHEN Dong, WANG Qichong. CFAR selection for ship-borne radarin complex environment[J]. Modern Radar, 2009, 31(4): 15-18.

[7]鄧澤懷. 基于實測數(shù)據(jù)的海雜波統(tǒng)計建模[D] . 西安: 西安電子科技大學, 2014.

DENG Zehuai. Statistical modeling of sea clutter based on measured data[D]. Xi′an: Xidian University, 2014.

[8]姚云萍, 段昶, 方慶. 一種船用雷達的海雜波抑制算法[J]. 火控雷達技術(shù), 2011, 40(3) : 32-36.

YAO Yunping, DUAN Chang, FANG Qing. A sea clutter suppression algorithm for marine radar[J]. Fire Control Radar Technology, 2011, 40(3) : 32-36.

[9]MENON M V. Estimation of the shape and scale parameters of the Weibull distribution[J]. Technometrics, 1963, 5(2): 175-182.

[10]WARD K D. Compound representation of high resolution sea clutter[J]. Electronics Letters, 1981, 17(22) : 561-563.

[11]夏棟, 察豪, 秦華, 等. 基于實采數(shù)據(jù)的海雜波與氣象雜波模擬[J]. 現(xiàn)代雷達, 2012, 34(5): 77-80.

XIA Dong, CHA Hao, QIN Hua, et al. Simulation of sea clutter and weather clutter based on real data sampled[J]. Modern Radar, 2012, 34(5): 77-80.

李家強男，1976年生，博士，副教授，碩士生導師。研究方向為雷達信號/數(shù)據(jù)處理。

姜慶剛男，1990年生，碩士研究生。研究方向為雷達信號處理。

陳金立男，1982年生，博士。研究方向為雷達信號/數(shù)據(jù)處理。

葛俊祥男，1960年生，教授，博士生導師。研究方向為雷達系統(tǒng)、微波毫米波與天線技術(shù)、電磁散射與繞射理論。

A Sea Clutter Adaptive Suppression Algorithm forMarine Navigation Radar

LI Jiaqiang1a,1b,2，JIANG Qinggang1b，CHEN Jinli1a,1b,2，GE Junxiang1a,1b,2

(1a. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters;b. College of Electronic and Information Engineering,Nanjing University of Information Science and Technology,Nanjing 210044, China)(2. Jiangsu Key Laboratory of Meteorological Observation and Information Processing,Nanjing 210044, China)

Abstract：Sea clutter suppression technique based on marine navigation radar is the key and challenge for improvement of targets detection above the sea surface. It is of great value for military and civilian applications. Based on the theory of mathematical statistics, a sea clutter adaptive suppression algorithm via multi-model selection is proposed in this paper. Multiple scans of echo signals are utilized for establishment of the sea clutter model library. With statistics and estimation of corresponding parameters, the optimal matched model for echo data is applied to sea clutter suppression via cancellation. Results of simulations and experiments have demonstrated the validity and feasibility of the proposed algorithm.

Key words：the marine navigation radar; sea clutter modeling; sea clutter suppression; target detection

中圖分類號：TN957.51

文獻標志碼：A

文章編號：1004-7859(2016)02-0023-04

收稿日期：2015-10-20

修訂日期：2015-12-31

通信作者：李家強Email：lijiaqiang@sina.com

基金項目：國家自然科學基金資助項目(61372066，61302188)；江蘇省自然科學基金資助項目(BK20131005)；江蘇高校優(yōu)勢學科建設(shè)工程資助項目(PAPD-II)

DOI：·信號處理· 10.16592/ j.cnki.1004-7859.2016.02.006