殷超然, 閆林杰, 郝程鵬, 孫夢(mèng)茹

均勻混響背景下抗多目標(biāo)干擾恒虛警檢測(cè)器設(shè)計(jì)

殷超然1,2, 閆林杰1,2, 郝程鵬1, 孫夢(mèng)茹1,2

(1. 中國科學(xué)院聲學(xué)研究所, 北京, 100190; 2. 中國科學(xué)院大學(xué) 電子電氣與通信工程學(xué)院, 北京, 100049)

為提高恒虛警(CFAR)方法的抗多目標(biāo)干擾能力, 文中提出一種能夠?qū)苟嗄繕?biāo)干擾的新型UMCASO-CFAR檢測(cè)器。該檢測(cè)器的特點(diǎn)是分別對(duì)前后沿滑窗數(shù)據(jù)使用無偏最小方差估計(jì)(UMVE)方法和單元平均(CA)方法得到2個(gè)局部估計(jì), 然后采用最小選擇(SO)處理取二者中較小的一個(gè)作為均勻混響背景功率水平估計(jì)。在Swerling II型目標(biāo)假設(shè)下, 推導(dǎo)出均勻混響背景下UMCASO-CFAR檢測(cè)器虛警概率和檢測(cè)概率的解析表達(dá)式, 證明其具有CFAR性能。進(jìn)一步通過解析方法、蒙特卡洛仿真和實(shí)測(cè)數(shù)據(jù)處理三方面研究了該方法在均勻混響背景和多目標(biāo)環(huán)境下的性能, 結(jié)果表明相較于現(xiàn)有方法, UMCASO-CFAR具有更好的抗多目標(biāo)干擾的性能, 而且在均勻混響背景下具有非常小的CFAR檢測(cè)損失。

恒虛警; 檢測(cè)器; 無偏最小方差估計(jì); 單元平均; 最小選擇; 多目標(biāo); 抗干擾; 均勻混響

0 引言

海洋環(huán)境是主動(dòng)聲吶的主要工作環(huán)境, 其空間較狹窄, 且海水具有很強(qiáng)的不均勻性, 聲吶發(fā)出的聲波經(jīng)過水聲信道會(huì)發(fā)生散射, 而所有的散射聲波相互疊加會(huì)形成極強(qiáng)的混響。混響的非平穩(wěn)性給主動(dòng)聲吶的自動(dòng)檢測(cè)帶來很大困難。早期聲吶檢測(cè)方法采用固定檢測(cè)門限, 當(dāng)背景混響功率水平發(fā)生微小上升時(shí), 虛警概率就會(huì)產(chǎn)生極大的波動(dòng), 有時(shí)會(huì)上升3個(gè)數(shù)量級(jí)之多[1]。因此, 急需一種能夠擺脫混響功率水平波動(dòng)影響、使虛警概率保持恒定的方法。恒虛警(constant false alarm rate, CFAR)檢測(cè)技術(shù)就是解決上述問題的有效手段, 其基本思想是根據(jù)檢測(cè)單元附近的參考單元估計(jì)背景混響的平均功率, 從而得到自適應(yīng)檢測(cè)閾值, 達(dá)到使虛警概率保持恒定的目的。

1995年, Nagle等[12]提出了無偏最小方差估計(jì)(unbiased minimum-variance estimation, UMVE)方法, 這種方法在刪除掉干擾目標(biāo)后, 對(duì)剩余的樣本采用加權(quán)平均來得到背景功率水平估計(jì), 有效減少了CFAR損失。文獻(xiàn)[13]和[14]即是基于UMVE方法的2種CFAR檢測(cè)器。為進(jìn)一步減小計(jì)算量, 曲超等[15]提出一種改進(jìn)的UMVE方法, 稱為MUMCA-CFAR檢測(cè)器, 其前后沿滑窗分別利用UMVE和CA方法形成2個(gè)局部估計(jì), 然后取2個(gè)局部估計(jì)的均值作為背景功率水平估計(jì)。研究結(jié)果表明, 該方法在干擾數(shù)目較多或前后沿滑窗中均存在干擾情況下的抗干擾能力會(huì)急劇下降。

為解決MUMCA-CFAR檢測(cè)器存在的不足, 文中提出一種新的CFAR檢測(cè)器, 仍采用UMVE和CA方法得到2個(gè)局部估計(jì), 與MUMCA-CFAR不同的是, 采用選小處理來得到混響的功率水平估計(jì), 簡(jiǎn)稱為UMCASO-CFAR檢測(cè)器。選小處理的引入將使UMCASO-CFAR檢測(cè)器具有優(yōu)異的對(duì)抗多目標(biāo)抗干擾的能力。

1 UMCASO-CFAR數(shù)學(xué)模型

文中研究對(duì)象是主動(dòng)聲吶的CFAR檢測(cè)問題, 考慮一個(gè)以混響為主的背景環(huán)境, 且假設(shè)接收的混響服從白色高斯分布, 經(jīng)過平方律檢波器后, 其輸出服從負(fù)指數(shù)分布; 各參考單元統(tǒng)計(jì)獨(dú)立同分布, 目標(biāo)類型是Swerling II型[16]。根據(jù)以上假設(shè), 有目標(biāo)時(shí)檢測(cè)單元的概率密度函數(shù)(probability density function, PDF)為

其累積分布函數(shù)(cumulative distribution function, CDF)為

下面先介紹UMVE算法, 進(jìn)一步給出UMCASO-CFAR檢測(cè)器的數(shù)學(xué)模型。

1.1 UMVE方法

相應(yīng)的CDF為

1.2 UMCASO-CFAR檢測(cè)器模型

圖1 UMCASO-CFAR檢測(cè)器模型框圖

UMCASO-CFAR檢測(cè)器具體工作流程如下:

2 均勻混響背景下虛警概率和檢測(cè)概率

其PDF和CDF分別為

其矩母函數(shù)為

經(jīng)過推導(dǎo)可得

將式(18)~(20)帶入式(11)可得UMCASO- CFAR的虛警概率為

根據(jù)式(12), 均勻混響背景下UMCASO- CFAR的檢測(cè)概率為

3 UMCASO-CFAR檢測(cè)性能

分別采用解析方法、蒙特卡洛仿真方法和實(shí)測(cè)數(shù)據(jù)對(duì)UMCASO-CFAR的檢測(cè)性能進(jìn)行分析。均勻混響背景下的檢測(cè)性能是通過式(22)計(jì)算得到, 而對(duì)于多目標(biāo)環(huán)境, 由于無法得到檢測(cè)概率的閉式解, 可通過蒙特卡洛仿真得到, 最后采用實(shí)測(cè)數(shù)據(jù)做進(jìn)一步驗(yàn)證。

為體現(xiàn)UMCASO-CFAR的優(yōu)越性, 分析中還增加了與MOSCA-CFAR和MUMCA-CFAR 2種現(xiàn)有檢測(cè)器的對(duì)比。其中MOSCA-CFAR由文獻(xiàn)[9]提出, 它是對(duì)前后沿參考滑窗分別使用OS和CA方法得到2個(gè)局部估計(jì), 然后取二者的均值(mean)作為背景功率水平估計(jì)。

3.1 均勻混響背景

圖2給出的是3種檢測(cè)器在均勻混響背景下檢測(cè)性能的仿真結(jié)果。從圖中可以看出, 3種檢測(cè)器在均勻背景中的檢測(cè)性能非常相近, 其中MUMCA-CFAR和MOSCA-CFAR之間差距極小, 很難分辨, UMCASO-CFAR與二者相比附加檢測(cè)損失小于0.1 dB。

圖2 均勻混響背景下3種檢測(cè)器檢測(cè)性能

表1 均勻混響背景下3種檢測(cè)器CFAR檢測(cè)損失

3.2 多目標(biāo)環(huán)境

圖3 IL=4, IR=0時(shí)3種檢測(cè)器檢測(cè)性能

圖4 IL=6, IR=0時(shí)3種檢測(cè)器檢測(cè)性能

另一方面, 雖然MUMCA-CFAR檢測(cè)器加入了停止移位寄存器, 使進(jìn)入后沿滑窗的干擾目標(biāo)數(shù)大大下降, 但是干擾目標(biāo)仍存在一定的概率進(jìn)入后沿滑窗。圖5就是考慮后沿滑窗也存在干擾目標(biāo)(=4,=4)時(shí)UMCASO-CFAR、 MUMCA- CFAR和MOSCA-CFAR的檢測(cè)性能。由圖5可以看出, 由于后沿滑窗使用CA方法, MUMCA- CFAR沒有抗干擾的能力, 故當(dāng)干擾目標(biāo)進(jìn)入后沿滑窗后其檢測(cè)性能大幅下降, 但是加入了取小邏輯的UMCASO-CFAR在此時(shí)的檢測(cè)性能依然穩(wěn)健。值得注意的是,=40 dB時(shí), MUMCA- CFAR和MOSCA-CFAR能達(dá)到的檢測(cè)概率仍不足0.3。

圖5 IL=4, IR=4時(shí)3種檢測(cè)器檢測(cè)性能

表2 多目標(biāo)環(huán)境下3種檢測(cè)器CFAR檢測(cè)損失

3.3 實(shí)測(cè)數(shù)據(jù)

利用實(shí)測(cè)數(shù)據(jù)對(duì)UMCASO-CFAR的檢測(cè)性能進(jìn)行驗(yàn)證。該數(shù)據(jù)是某均勻線列陣聲吶所采集的混響數(shù)據(jù), 陣元個(gè)數(shù)為7個(gè), 探測(cè)海域平均深度80 m, 探測(cè)深度35 m, 聲吶平臺(tái)運(yùn)動(dòng)速度10 m/s。每個(gè)通道采樣數(shù)據(jù)長(zhǎng)度為25001。

實(shí)測(cè)數(shù)據(jù)處理結(jié)果見圖6~圖7。其中圖6給出了均勻混響背景下的性能曲線, 可以看出此時(shí)UMCASO-CFAR檢測(cè)器相較于另外2種檢測(cè)器性能十分接近, 僅有一個(gè)很小的附加損失。

圖7(a)是前沿滑窗添加4個(gè)干擾的情況, 圖7(b)是前沿滑窗添加6個(gè)干擾的情況?？梢钥闯? 圖7(a)中UMCASO-CFAR與MUMCA-CFAR幾乎相同, 均優(yōu)于MOSCA-CFAR, 圖7(b)中UMCASO-CFAR明顯最優(yōu), 在高SRR下, MUMCA和MOSCA已不能正常工作。圖7(c)是在前后沿滑窗中均添加4個(gè)干擾時(shí)實(shí)測(cè)數(shù)據(jù)得到的結(jié)果, 同樣令=?？梢钥闯? 當(dāng)前后沿滑窗均添加干擾時(shí), 高信混比下MUMCA和MOSCA已無法正常工作, 而UMCASO-CFAR檢測(cè)器性能可以保持正常。

圖6 均勻混響背景下3種檢測(cè)器實(shí)測(cè)數(shù)據(jù)結(jié)果

圖7 3種檢測(cè)器實(shí)測(cè)數(shù)據(jù)結(jié)果

圖6~圖7的結(jié)果均與3.1節(jié)和3.2節(jié)中的仿真結(jié)果一致。進(jìn)一步證明了仿真結(jié)果的有效性, 尤其是UMCASO-CFAR檢測(cè)器具有很強(qiáng)的抗干擾能力。

4 結(jié)束語

[1] 何友, 關(guān)鍵, 孟祥偉, 等. 雷達(dá)目標(biāo)檢測(cè)與恒虛警處理[M]. 第2版. 北京: 清華大學(xué)出版社, 2011.

[2] Finn H M, Johnson R S. Adaptive Detection Mode with Threshold Control as a Function Spatially Sampled Clutter-Level Estimates[J]. RCA Review, 1968, 29: 414-464.

[3] Trunk G V. Range Resolution of Targets Using Automatic Detectors[J]. IEEE Trans. on AES, 1978, 14(5): 750-755.

[4] Hansen V G. Constant False Alarm Rate Processing in Search Radars[C]//IEEE International Radar Conference. London: IEEE, 1973: 325-332.

[5] 郝程鵬, 司昌龍, 原建平, 等. 一種新的基于CM和CA的恒虛警檢測(cè)器[J]. 彈箭與制導(dǎo)學(xué)報(bào), 2007, 27(2): 309-312.Hao Cheng-peng, Si Chang-long, Yuan Jian-ping, et al. A Novel CFAR Detector Based on Censored Mean and Cell Averaging[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2007, 27(2): 309-312.

[6] 吉書龍, 皇甫堪, 周良桂, 等. 一種新的雷達(dá)恒虛警(CFAR)處理器[J]. 國防科技大學(xué)學(xué)報(bào), 1990, 12(4): 116- 121.Ji Shu-long, Huang-fu Kan, Zhou Liang-gui, et al. A New Radar Constant-False-Alarm-Rate(CFAR) Processor[J]. Journal of National University of Defense Technology, 1990, 12(4): 116-121.

[7] Rohling H. Radar CFAR Thresholding in Clutter and Multiple Target Situations[J]. IEEE Transactions on Aerospace and Electronic Systems, 1983, 19(4): 608-621.

[8] Rohling H. Ordered Statistic CFAR Technique—an Overview[J]. 雷達(dá)科學(xué)與技術(shù), 2012, 10(2): 117-123.

[9] 何友, Rohling H. 兩種具有自動(dòng)篩選技術(shù)的廣義有序統(tǒng)計(jì)恒虛警檢測(cè)器及其在多目標(biāo)環(huán)境下的性能[J]. 電子科學(xué)學(xué)刊, 1994, 16(6): 582-590.He You, Rohling H. Performance of Two Generalized Order Statistics CFAR Detectors with Automatic Censoring Technique in Multiple Target Situations[J]. Journal of Electronics, 1994, 16(6): 582-590.

[10] He Y. Performance of Some Generalized Modified Order Statistics CFAR Detector with Automatic Censoring in Multiple Target Situations[J]. IEE Proceedings-Radar, Sonar and Navigation, 1994, 141(4): 205-212.

[11] 何友, 關(guān)鍵, Rohling H. 一種基于排序和平均的新恒虛警檢測(cè)器[J]. 現(xiàn)代雷達(dá), 1995, 17(4): 33-36.He You, Guan Jian, Rohling H. A New CFAR Detector Based on Ordered Statistics and Averaging[J]. Modern Radar, 1995, 17(4): 33-36.

[12] Nagle D T, Saniie J. Performance Analysis of Linearly Combined Order Statistic CFAR Detectors[J]. IEEE Trans. on AES, 1995, 32(2): 522-533.

[13] 郝程鵬, 侯朝煥. 基于UMVE算法的恒虛警檢測(cè)器[J].現(xiàn)代雷達(dá), 2007, 29(7): 38-40. Hao Cheng-peng, Hou Chao-huan. CFAR Detector Based on Unbiased Minimum-variance Estimation Algorithm[J]. Modern Radar, 2007, 29(7): 38-40.

[14] 郝程鵬, 侯朝煥. 一種新的基于UMVE和OS的恒虛警檢測(cè)算法[J]. 電子與信息學(xué)報(bào), 2007, 29(6): 1380-1383.Hao Cheng-peng, Hou Chao-huan. A Noval CFAR Algorithm Based on Unbiased Minimum-Variance Estimation and Ordered Statistics Estimation[J]. Journal of Ele- ctronics & Information Technology, 2007, 29(6): 1380- 1383.

[15] 曲超, 郝程鵬, 楊樹元. 一種新的基于UMVE和CA的恒虛警檢測(cè)器[J]. 計(jì)算機(jī)仿真, 2008, 25(9): 321-323.Qu Chao, Hao Cheng-peng, Yang Shu-yuan. A Novel CFAR Detector Based on Unbiased Minimum-Variance Estimation and Cell Averaging[J]. Computer Simulation, 2008, 25(9): 321-323.

[16] Swerling P. Probability of Detection for Fluctuating Targets [J]. IRE Trans. on IT, 1960, 6(2): 269-308.

Design of a Multi-Target Interference Resistant Constant False Alarm Rate Detector for Homogeneous Reverberation Background

YIN Chao-ran1,2, YAN Lin-jie1,2, HAO Cheng-peng1, SUN Meng-ru1,2

(1. Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China; 2. School of Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China)

To improve the ability of constant false alarm rate(CFAR) method against interference of multiple targets, a new CFAR detector is designed. The unbiased minimum-variance estimation(UMVE) method and the cell average(CA) method are applied to the data of left and right reference windows to obtain two local estimates, and then the smaller of(SO) two is taken as the power level estimate of homogeneous reverberation background. Under the assumption of Swerling II target, the closed-form formulas of the UMCASO-CFAR detector’s false alarm probability and detection probability in homogeneous reverberation background are derived,CFAR property of the detector is proved. Further, the performances of the detector in both homogeneous background and multi-target environment are discussed by means of analytical method, Monte Carlo simulation and measured data processing. The results show that compared with the existing methods, the UMCASO-CFAR detector has higher capability to resist multi-target interference, and ensures a very small CFAR detection loss in homogeneous reverberation background.

constant false alarm rate(CFAR); detector; unbiased minimum-variance estimation(UMVE); cell-ave- rage(CA); small of(SO); multi-target; interference resistant; homogeneous reverberation

TJ630.34; TN911.7

A

2096-3920(2019)04-0434-08

10.11993/j.issn.2096-3920.2019.04.011

殷超然, 閆林杰, 郝程鵬, 等. 均勻混響背景下抗多目標(biāo)干擾恒虛警檢測(cè)器設(shè)計(jì)[J]. 水下無人系統(tǒng)學(xué)報(bào), 2019, 27 (4): 434-441.

2018-11-19;

2019-05-18.

國家自然科學(xué)基金項(xiàng)目資助(61571434).

殷超然(1996-), 男, 在讀博士, 主要研究方向?yàn)樾盘?hào)與信息處理.

(責(zé)任編輯: 陳 曦)