張冠武　羅丁利　李　鵬

(西安電子工程研究所　西安　710100)

0　引言

雷達目標特性是雷達系統(tǒng)探測中的一個重要研究內容。雷達設計者的基本任務，是使雷達從目標回波中獲取準確、詳細的目標信息。這就要求雷達性能及其設計參數要與雷達目標特性達到最佳匹配[1]。對于地面監(jiān)視雷達來說，目標的種類多種多樣，既包括單兵、車輛等速度單一的目標，也包括炮彈炸點等速度成分復雜的目標。國內外不少文獻都對戰(zhàn)場偵察雷達目標識別做了探討，對單兵、車輛的目標識別等都做過一些討論[2-3]，但對于炸點目標的識別則很少見，而且，很多關于目標識別的算法是以SAR(合成孔徑)或ISAR(逆合成孔徑)為基礎的[4]，對于低分辨力雷達的目標識別的研究并不多見。為了更好地完成戰(zhàn)場偵察任務，必須針對戰(zhàn)場偵察雷達的各種戰(zhàn)場目標檢測提出一套高效的識別方法，使雷達能夠在高目標識別概率下工作，這樣才能在戰(zhàn)場地面目標很多的情況下更好的發(fā)揮作戰(zhàn)效能。

1　戰(zhàn)場偵察雷達目標回波多普勒理論分析

1.1　人和車輛回波對比分析

戰(zhàn)場偵察雷達目標識別中最重要的問題，就是識別人和車輛。眾所周知，人的速度是有限的，一般最快的速度是5m/s，如果目標的運動速度在5m/s以內，就難以斷定是人還是車。此外，雷達探測到的目標速度是多普勒速度，不能完全代表目標的真實運動速度。因此，如果單憑多普勒速度的大小來區(qū)分目標，很容易出現錯誤。必須從兩種目標的回波中提取特征信息，來作為二者的分類依據。

對錄取的兩種目標的回波進行研究和分析后發(fā)現，人的多普勒速度呈周期性變化，周期大約為0.5～2Hz；雷達操作員用耳機對人的多普勒音響進行監(jiān)聽是，可以聽到“撲”、“撲”的聲音，便是這種周期變化引起的。而車的多普勒速度沒有這種特性，比較平穩(wěn)。這一特征便是二者的根本區(qū)別，可以利用多普勒的變化快慢程度來區(qū)別兩種目標。

圖1　車的多普勒特征譜

圖2　人的多普勒特征譜

1.2　輪式車和履帶車回波對比分析

輪式車和履帶車的回波信號差別并不明顯。雷達操作員用雷達配備的耳機對目標多普勒音響進行監(jiān)聽時，也很難判斷出兩種目標的區(qū)別。因此，不能用1.1中的方法來區(qū)別輪式和履帶車。

與輪式車相比，履帶車的特點是具有一個反射能力很強的履帶。若履帶車的多普勒為f0,則下部分速度為0，而上部分多普勒速度為2f0，而履帶前端的速度介于0～2f0之間，且這是主要反射面。因此，履帶車的多普勒頻譜在0～2f0的特征區(qū)間內之間有分布，而且根據經驗，此分布是均勻的。而輪式車的特征，是它除了在f0處的主譜外，在整個多普勒頻率上只有噪聲分布。

圖3　履帶車多普勒譜

圖4　輪式車多普勒譜

1.3　炸點和普通目標回波對比分析

一般情況下，對于只包含有較少速度分量的目標，如人員、車輛等，其回波譜包含有較少的多普勒頻移分量，可以被看作為點頻目標。點頻目標的多普勒特性如下：

fd=2v/λ

(1)

其中fd表示多普勒頻移，v表示目標徑向速度，λ表示雷達發(fā)射波波長。

其特點是目標速度單一、雷達入射波可認為單色波。

對于受目標速度發(fā)散而形成的炸點等寬帶目標，根據其多普勒特性得出：

(2)

其中fdi表示第i個子散射體的多普勒頻移，vi表示第i個子散射體的徑向速度，N為寬帶目標包含的子散射體數目。

由于炮彈爆炸時，會在瞬間向各個方向飛揚起大量的彈片、泥土砂石等高速小目標，它們相對于雷達的徑向速度成分比較復雜，其回波的多普勒頻率成分也比較復雜，是一個典型的寬頻目標。對目標回波進行MTD處理之后，炸點目標表現為在多普勒維的多個濾波器通道上都有峰值。

2　實際目標回波分析

2.1　人員和車輛回波分析

圖5～12為幾種典型的車輛、行人回波多普勒曲線。其中，橫軸代表測量的次數，縱軸代表目標的多普勒響應峰值對應的MTD濾波器號，其中采用了64點MTD處理。圖5和圖9，這兩輛車勻速行駛，濾波器號幾乎不變，也很少有波動現象，其中大的毛刺是由于瞬間的信噪比低引起的測量錯誤。圖11中兩廂車的多普勒曲線，可以發(fā)現該車有加速現象，多普勒在加速過程中有上升，但波動現象也很少。圖7中的三輪車多普勒有小幅變化，也有一些波動。圖6和圖8中單個人員的多普勒曲線，可以發(fā)現，人員的多普勒波動幅度不大，但波動很快。而圖10和圖12中所示的兩個以上人員的多普勒曲線與單個人員相似，只是波動更快。

圖5　勻速中巴車回波

圖6　行走人員回波

圖7　農用三輪車回波

圖8　行走人員回波

圖9　勻速中巴車回波

圖10　二人行走回波

圖11　兩廂轎車回波

圖12　人群回波

從以上分析可以發(fā)現，多普勒的波動是車和人員的多普勒曲線的區(qū)別。人員的波動率很高，而車的波動很少，三輪車的波動比其他車多一些，但比人少的多。因此，我們可以利用多普勒的波動率來對這兩種目標進行分類識別。

定義波動因子為：

γ=100×波動次數/觀測次數

表1中給出了5個車輛和5個人員的目標識別樣本的多普勒波動因子統(tǒng)計。由表中可見，車的波動因子在7以下，而人的波動因子在24以上，二者的區(qū)別相當大。綜合考慮，設定判定準則為波動因子大于15時判定為人，小于15時判定為車。

表1　車、人樣本信號多普勒波動統(tǒng)計表

經外場試驗和實測數據分析，用該識別方法，對人和車的識別概率達到了90%以上，大于通用的識別概率80%的要求。

2.2　炸點回波分析

2.2.1炸點和普通目標譜特性比較

下文分別對采集到的戰(zhàn)車和炸點目標視頻回波數據進行了MTD分析，利用GO-CFAR(兩邊取大恒虛警)處理，研究了判決、識別炸點的方法，并進行了試驗檢驗。

圖13(a)、(b)為分別對兩個炸點目標的視頻回波采樣數據進行MTD處理后的矩陣，采用了32點MTD處理其中只顯示了4～30號濾波器，距離維上只顯示了一部分距離段?？梢郧逦乜吹剑繕嘶夭ㄔ诙嗥绽諡V波器維呈柵欄狀分布；幾乎在每一個濾波器上，在目標距離處都有峰值響應，相對于其附近距離段噪聲的信噪比可以達到25dB以上。

圖13　炸點視頻回波的MTD

圖14中示出了普通運動目標(戰(zhàn)車)的MTD處理后的矩陣，可見，只在目標距離處有幾個相鄰濾波器上有峰值響應。

圖14　　　　對普通目標(戰(zhàn)車)進行MTD后4～30號濾波器的響應

與普通目標相比，炸點目標的特點是在幾乎所有的多普勒濾波器上都有較大幅度響應，形成了一個由各個濾波器上的尖峰組成的柵欄狀圖象。

2.2.2基于多普勒頻率分布差進行炸點目標識別的方法

對于普通窄帶目標，由于多普勒展寬等因素，其回波的MTD矩陣在濾波器維有一定展寬，在某些情況下(如目標信號信噪比較低時)，占有與寬帶目標相近的濾波器通道數目。因此，若僅從過門限濾波器個數來考慮，容易將前者也當成炸點目標。

對炸點目標1和戰(zhàn)車目標的多普勒響應，取信噪比門限為25dB，統(tǒng)計過門限的濾波器號及其分布差如表4所示。

表4　兩種目標的多普勒濾波器號分布

通過比較，可以發(fā)現，炸點幾乎在所有的多普勒濾波器上都有較大幅度響應，而裝甲車在濾波器維上有一定的展寬，占據了幾個濾波器通道。通常情況下，以本文第2.2.1中的方法即可對該兩種目標進行識別分類，但在目標強度較弱，回波信噪比較低的情況下，若僅考慮信噪比過門限的濾波器數目，以數目的大小來判斷目標的種類，則兩種目標的過門限點數可能比較相近(3～4個)，容易使識別失敗。

考慮濾波器分布情況，由表4易見，炸點信號的分布方差比戰(zhàn)車信號的分布差大得多。多次試驗觀察兩種目標的MTD結果，都得到了這樣的結論，而且在目標回波較弱時，該特征仍很明顯。因此，可以將濾波器號的分布方差作為判斷目標是否為炸點的一個依據，設定一個合適的分布差門限，以是否過門限來判定目標的存在。

根據試驗統(tǒng)計結果，設分布差門限為4(分布差大于4認為炸點目標存在，否則認為不存在)，進行炸點識別。經過實彈檢驗，該方法能以90%以上的識別概率判定炸點目標的存在與否，且受信噪比影響較小，增強了雷達對炸點目標的識別能力。

3　結束語

本文對戰(zhàn)場偵察雷達的典型目標特點和識別方法特點做了探討，并對人員、車輛、炸點等回波視頻信號的處理做了研究。文中對實測目標數據進行了MTD分析，人員的多普勒波動，建立了人員和車輛的目標識別方法，經試驗驗證可以達到90%以上的識別概率；利用炸點信號的多普勒譜寬度特性，建立了炸點的識別方法，并經試驗驗證可以達到80%以上的識別概率；利用炸點多普勒分布建立了炸點識別方法，此方法在目標回波較弱時仍有較高的識別概率，并經試驗驗證對一般炸點的識別概率可以達到90%以上。