魏　耀，張　靖，葉　杰

(南京電子技術研究所,　南京 210039)

?

·信號處理·

低慢小目標探測時的氣象干擾抑制方法研究

魏耀，張靖，葉杰

(南京電子技術研究所,南京 210039)

針對低慢小目標探測時可能出現的低速氣象干擾航跡的問題，在低分辨雷達基于信號維特征的目標分類正確率偏低的情況下，提出一種基于多特征聯合的氣象虛警抑制方法，在目標穩(wěn)定跟蹤，形成穩(wěn)定航跡時，聯合目標的信號特征(形狀、雷達散射截面積等)，航跡分布特征(氣象點跡比例、速度、方向等)等多種特征，利用多圈點跡的積累，提高氣象干擾航跡的正確識別率并加以抑制，同時不影響真實低慢小目標的正常檢測和跟蹤。實際試飛結果表明：文中提出的基于多特征聯合的氣象虛警抑制方法在有效抑制氣象干擾航跡的同時，不影響配試無人機的正常檢測和跟蹤。

低慢小目標；窄帶雷達；氣象干擾抑制；目標分類；多特征聯合

0　引　言

對低空非合作的低慢小目標(如無人機等)的檢測和跟蹤是雷達領域一個難題，也給重點地區(qū)的低空目標防御帶來新的挑戰(zhàn)[1]。低空慢速小目標(低慢小目標)具有飛行高度低，飛行速度慢，雷達反射截面積(RCS)小的特點，能夠靈活機動地實現要地的低空、超低空突防，如何應對這種威脅也成為迫在眉睫的問題[2-3]。

對于窄帶跟蹤雷達而言，無法通過高的距離分辨和方位分辨來提供目標充分的細節(jié)信息，而且低慢小目標和低空氣象干擾的RCS很小，很難滿足寬帶雷達分類識別的信噪比要求。因此，如何通過窄帶雷達獲取的低分辨目標回波信息，抑制低空氣象和地面運動物體的干擾，提高PD低速檢測性能，實現低慢小目標的檢測和跟蹤是近些年來的研究熱點[9-10]。

一般來說，對雷達顯控界面上的干擾航跡的抑制可以從目標分類識別的概念上由以下三個方面著手：(1)對恒虛警檢測后的數據進行分類處理，這樣可以在一定程度上抑制虛警；(2)對輸出點跡進行分類識別，直接利用已經訓練好的樣本模板，測試該點跡是否為感興趣的目標；(3)對形成航跡的目標進行分類識別。由于前述分析的氣象與無人機的相似性，很難在恒虛警檢測和點跡輸出的過程中實現穩(wěn)健的氣象點跡的識別和抑制，而且受限于信號帶寬，目標回波無法提供足夠的目標細節(jié)特征信息，依靠單一特征也無法實現氣象和無人機航跡的區(qū)分。

因此，本文基于檢測前跟蹤(TBD)的思想實現氣象目標識別前跟蹤(TBC)，提出一種先跟蹤再多特征聯合識別處理的氣象干擾抑制方法,在目標穩(wěn)定跟蹤，形成穩(wěn)定航跡時，聯合目標的信號特征(形狀、RCS等)、航跡分布特征(方位、距離、方向等)等多種特征，利用多圈點跡的積累，提高氣象干擾航跡的識別概率并加以抑制，同時不影響對無人機等低慢小目標的檢測和跟蹤。

1　特征提取和氣象抑制方法

1.1低慢小航跡特征分析

根據低慢小目標的特點，在脈沖多普勒(PD)體制下，為了實現低速和小RCS目標的檢測和跟蹤，需要同時降低多普勒速度檢測門限和信噪比檢測門限。但是在檢測低慢小目標的同時，受地面上的汽車，高鐵等高速運動目標和低空中受氣象活動(晴空氣流，云團，山地湍流等)影響，會在顯控畫面上形成很多低速航跡，干擾無人機的正常檢測和跟蹤[3-4]。地面交通造成的干擾航跡一般是由高速公路上的汽車及高鐵等在地面上相對速度較高的目標形成的，所以具有分布固定的特點，可利用動態(tài)雜波積累等方法對固定距離和方位存在的低速航跡進行抑制處理[4-6]。但對于低空氣象形成的干擾航跡而言，由于受風向和地理環(huán)境的影響，分布位置不固定，無法利用先驗知識積累的方法來進行抑制[7-8]。而且氣象目標和無人機目標在速度，航跡穩(wěn)定性等運動特征，RCS大小，目標回波分布等信號特征都極為相似，如圖1和圖2所示。

圖1　氣象點跡和無人機點跡的信號特征對比

圖2　氣象航跡和無人機航跡的運行特征對比

1.2特征提取和選擇

在雷達目標分類處理時，如果直接利用原始樣本空間即雷達回波數據，往往維數較高，不利于分類器的設計，降低識別的運算效率，而且對于本文中的氣象點跡和無人機點跡來說，原始樣本數據相似，無法直接反應待識別對象的本質特征。特征的提取是一個從樣本數據中提取能夠反映目標本質特征的信息，將樣本空間由高維向低維映射的過程，選擇幾組能夠反應目標不同物理特性的特征進行組合，可以提高識別概率，從而提高氣象干擾航跡的抑制效果。

基于大量的理論分析和實驗研究，在譜特征、統(tǒng)計特征、熵特征等一系列特征中選取以下兩組適用于窄帶雷達低慢小目標跟蹤時的氣象干擾航跡抑制的特征。

1.2.1中心矩

中心矩是一種簡單的平移、旋轉和尺度不變特征，反映了目標的形狀信息。對于多普勒譜X=[X(1),X(2), …,X(N)]，進行歸一化

(1)

則p階中心矩為

(2)

1.2.2歸一化幅度

對于窄帶跟蹤雷達而言，無法提取目標的高分辨距離一維像來進行分類識別，只能根據目標的能量分布，目標譜形狀信息來進行目標分辨。中心矩反映了目標的形狀信息，利用歸一化幅度來體現目標的能量分布，為了避免自動增益控制(AGC)等措施對目標能量分布的影響，利用主雜波強度對目標峰值做歸一化處理。

Amp_nomalized=X(tar)/max(X)

(3)

1.3SVM分類識別方法

目標信號維的特征分布如圖3所示，可以利用支持向量機(SVM)做分類處理。SVM分類器基于結構風險最小化原則，具有良好的推廣能力，適用于訓練樣本數較少的情況，且具有較強的高維樣本處理能力，計算復雜度低[9-10]。

圖3　氣象點跡和無人機點跡的信號特征對比

SVM 本質上是一種核函數類分類器，其基本思想是通過核函數將輸入的低維特征空間映射到高維特征空間，從而將原始輸入空間的非線性不可分問題轉化為高維空間的線性可分問題。判決函數的一般形式可表示如下

(4)

式中：(xi,yi)為線性可分集；αi>0為Lagrange系數；SV為支撐向量；K(xi,x)為核函數，是描述xi和x相似性程度的非線性函數，可以有多種定義形式。文中采用高斯核函數

(5)

通常SVM在學習過程中要用到所有的訓練樣本，訓練的過程即是選擇支撐向量和αi、b的過程， 在訓練完成后支撐向量的個數相對于訓練樣本數目會大大減少。SVM決策邊界僅包含在其中的支撐向量中，可直接由訓練數據在學習過程中得到，識別運算復雜度低。

1.4氣象航跡聯合抑制方法

由于在低慢小檢測中，除了要求達到一定的分類識別正確率之外，還要求盡量避免抑制氣象等低速虛假航跡的同時，誤傷無人機等低慢小目標的檢測和跟蹤。因此，本文提出一種基于多特征的聯合抑制方法，通過聯合點跡信號維特征，形成航跡后的氣象點跡比例，氣象航跡方向，風速等多維特征，對氣象干擾航跡進行抑制。具體處理流程如圖4所示。

圖4　氣象干擾聯合抑制方法

在氣象航跡聯合抑制方法中，首先，根據航跡畫面整體態(tài)勢判斷氣象干擾航跡的方向(背站或向站運動)；然后，設置氣象點跡的方位，結合在信號維的分類處理辨別點跡的氣象屬性。由于氣象和真實低慢小目標的信號維特征很相似，為了防止漏檢低慢小真實目標，通過航跡中氣象點跡的比例統(tǒng)計，設置合適的比例門限，對氣象航跡做消隱處理，而其他航跡正常顯示。

2　數據處理分析

根據某型低慢小目標探測雷達實錄數據分析比較氣象抑制方法。選取三個架次氣象航跡比較嚴重的實錄數據來進行氣象虛警抑制處理。氣象及低慢小目標(無人機)整體態(tài)勢，如圖5所示。

根據文中提出的基于多特征的聯合抑制方法及SVM分類識別方法，對含無人機和不含無人機的試飛數據進行氣象抑制處理及效果比較統(tǒng)計。在所有低速航跡點中(多普勒速度<35 m/s)，氣象航跡抑制效果如表1所示(低速航跡點是在剔除地面低速交通航跡點的基礎上統(tǒng)計的)。

表1　氣象干擾航跡比例統(tǒng)計

由于低慢小目標和氣象虛警點在信號維上的相似性，利用SVM分類方法來限制氣象虛警具有較高的誤識別概率，因此存在影響低慢小目標檢測和跟蹤的可能，在含無人機架次中，SVM分類方法雖然獲得了稍好的氣象航跡抑制效果，但是無人機無法正常起批跟蹤，影響了低慢小目標的正常跟蹤。而氣象航跡聯合抑制方法在抑制氣象航跡的同時，不會影響低慢小目標的檢測和跟蹤，如圖6所示。

圖6　氣象虛警抑制效果

3　結束語

抑制氣象干擾等低速虛警的影響是正確穩(wěn)定跟蹤無人機等低慢小目標的前提。由于目標和虛警的窄帶雷達回波信號維特征區(qū)別不明顯，單純的目標分類抑制具有較高的誤識別概率，影響真實目標的檢測和跟蹤。本文提出一種基于多特征聯合的氣象虛警抑制方法是在目標穩(wěn)定跟蹤，形成穩(wěn)定航跡時，聯合目標的信號特征(形狀、RCS等)，航跡分布特征(氣象點跡比例、速度、方向等)等多種特征，利用多圈點跡的積累，提高氣象干擾航跡的識別概率并加以抑制，同時不影響真實低慢小目標的正常檢測和跟蹤。后續(xù)可繼續(xù)研究基于多信源融合的氣象虛警抑制方法，融合一次雷達，氣象雷達，風廓線雷達等多傳感器信息，提高對氣象干擾的抑制效果，保障低慢小目標的檢測和跟蹤。

[1]方勇昌, 張漢華, 陳英豪, 等. 一種低分辨雷達飛機目標識別方法[J]. 宇航計測技術, 2004, 24(5): 31-34.

FANG Yongchang, ZHANG Hanhua, CHEN Yinghao. A method of aircraft targets recognition based on low-resolution radar[J]. Journal of Astronautic Metrology and Measurement, 2004, 24 (5): 31-34.

[2]ZHANG X B, LI M．Discrimination of low-flying vehicle from ground moving targets using multi-path[C]// The 3rd IEEE International Symposium on Microwave，Antenna，Propagation and EM C Technologies for Wireless Communications. [S.l.]: IEEE Press, 2009: 721-725.

[3]徐牧, 王華彬, 王成, 等. 對空情報雷達目標RCS估計方法[J]. 現代雷達, 2014, 36(3): 11-15.

XU Mu, WANG Huabin, WANG Cheng, et al. A method of RCS estimation based on air surveillance radar[J]. Modern Radar, 2014,36(3): 11-15.

[4]丁建江. 防空雷達目標識別技術[M]. 北京: 國防工業(yè)出版社, 2008.

DING Jianjiang. Target recognition techniques of surveillance radar[M]. Beijing: National Defense Industry Press，2008.

[5]王忠, 馬妍, 王蓮榮. 防空作戰(zhàn)中低慢小目標威脅度評估[J]. 艦船電子對抗, 2013, 36(6): 103-105.

WANG Zhong, MA Yan, WANG Lianrong. Assessment of threat degree for LSS target in air defense operation[J]. Shipboard Electronic Countermeasure, 2013, 36(6): 103-105.

[6]秦清, 徐毓. 低慢小目標多裝備協(xié)同探測分配問題研究[J]. 空軍雷達學院學報, 2012, 26(1): 28-31.

QIN Qing, XU Yu. Study of assignment of multi-system cooperative detection for LSS-target[J]. Journal of Air Force Radar Academy, 2012, 26(1): 28-31.

[7]秦軼煒, 尤祖光, 葉舟, 等. 低空監(jiān)視雷達氣象信號處理的設計與實現[J]. 無線電工程, 2014, 44(10): 31-34.

QIN Yiwei, YOU Zuguang, YE Zhou, et al. Design and implemention of weather signal processing at low altitude surveillance radar[J]. Radio Engineering, 2014, 44(10): 31-34.

[8]張培昌, 杜秉玉, 戴鐵丕. 雷達氣象學[M]. 北京: 氣象出版社, 2000.

ZHANG Peichang, DU Bingyu, DAI Tiepi. Radar meteorology[M]. Beijing: Meteorology Press, 2000.

[9]王福友, 羅釘, 劉宏偉. 低分辨機載雷達空地運動目標的分類識別算法[J]. 雷達學報, 2014, 3(5): 497-504.

WANG Fuyou, LUO Ding, LIU Hongwei. Low-resolution airborne radar air/ground moving target classification and recognition[J]. Journal of Radars, 2014, 3(5): 497-504.

[10]SUN J F, LI Q, LU W, et al. Image recognition of laser radar using linear SVM correlation filter[J]. Chinese Optics Letters, 2007, 5(9): 549-551.

魏耀男，1986年生，博士，工程師。研究方向為雷達總體技術，雷達目標識別。

張靖男，1980年生，碩士，高級工程師。研究方向為雷達總體技術。

葉杰男，1968年生，研究員級高級工程師。研究方向為雷達總體技術。

A Study on Weather Interference Suppression Method in the Detection of Low-altitude Slow and Small Targets

WEI Yao，ZHANG Jing，YE Jie

(Nanjing Research Institute of Electronics Technology,Nanjing 210039, China)

In the detection and tracking of low-altitude, slow and small (LSS) targets, the effect of tracking may be influenced by the slow weather interference tracks. For narrow-band radar, the target classification accuracy based on the signal characters extracted from the target echoes is too low to suppress the phenomenon of weather interferences. In this paper, the method based on multi-features combination is proposed for the weather interference suppression. During the tacking of targets, the echo characters (RCS, shapes of echo) and track features (weather track-point rate, velocity, Doppler direction, etc.) are combined to identify and suppress the weather tracks, meanwhile, the detection and tracking of true LSS targets is not influenced. The results of flight-test experiments prove the validity of the proposed weather interference suppression method.

LSS targets; narrow-band radar; weather interference suppression; target classification; multi-features combination

魏耀Email：460611810@qq.com

2016-03-04

2016-05-25

TN957

A

1004-7859(2016)07-0036-04

DOI：10.16592/ j.cnki.1004-7859.2016.07.009