熊鑫 秦開兵 王本才

摘 要：雷達(dá)液位計在工業(yè)領(lǐng)域的應(yīng)用越來越廣泛。然而，由于雷達(dá)系統(tǒng)的復(fù)雜性、雜波回波信號中的噪聲以及系統(tǒng)和硬件內(nèi)部的干擾，研究雷達(dá)回波抑制技術(shù)就顯得尤為重要。文章在介紹雷達(dá)液位計工作原理的基礎(chǔ)上，對回波信號的去噪方法進(jìn)行了小波變換分析。研究表明，采用小波變換的雷達(dá)回波信號處理方法，能夠有效抑制噪聲、消除干擾，實現(xiàn)回波信號的去噪處理。

關(guān)鍵詞：小波變換;雷達(dá)信號;處理方法

中圖分類號：TB115 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-1064（2021）02-047-02

DOI：10.12310/j.issn.1674-1064.2021.02.021

雷達(dá)液位計廣泛應(yīng)用于工業(yè)領(lǐng)域。如雷達(dá)測距技術(shù)不僅可以有效控制和預(yù)測鋼水表面高度，而且還可以測量溫度、壓力、蒸汽、氣體或液體和固體的混合情況。然而，由于雷達(dá)系統(tǒng)結(jié)構(gòu)的復(fù)雜性，雷達(dá)回波信號不可避免地與地雜波、熱噪聲等噪聲信號混雜。一方面是硬件本身的干擾，另一方面是實驗環(huán)境的影響。這就造成了雷達(dá)回波信號的嚴(yán)重干擾，進(jìn)而影響了雷達(dá)測距的精度。小波變換具有良好的時頻特性、多尺度特性和多分辨率特性，在信號處理特別是信號去噪方面有著良好的應(yīng)用前景?；谶@些理論，文章重點(diǎn)研究了利用小波變換對雷達(dá)回波信號進(jìn)行去噪的方法。

小波分析可以根據(jù)雷達(dá)回波中的目標(biāo)來判斷雷達(dá)目標(biāo)的存在性[1]。小波分析是一種新穎的數(shù)學(xué)方法，其保持了傅立葉變換家族中的關(guān)系的優(yōu)勢，同時彌補(bǔ)了傅立葉變換家族中的關(guān)系無法描述L2以外的功能空間的不足。小波分析不僅可以用小波系數(shù)來描述幾乎所有常見的函數(shù)，而且可以用擴(kuò)展小波系數(shù)來描述局部潤滑特性。特別是在雷達(dá)信號分析中，由于小波系數(shù)在局部分析中的優(yōu)越性，在數(shù)據(jù)壓縮和邊緣檢測方面比現(xiàn)有方法更有效。此外，為了使用基于模態(tài)的方法檢測目標(biāo)，通常需要一個完整的動態(tài)分析，通常是由一個有限元分析的方法來定位和量化目標(biāo)信號。該方法存在一些困難：雷達(dá)信號是非平穩(wěn)的，并且淹沒在噪聲中，有時難以獲得準(zhǔn)確的目標(biāo)特性進(jìn)行動態(tài)分析。

1 離散小波變換理論

連續(xù)小波轉(zhuǎn)換時頻分析是作為一種工具開發(fā)的，用于通過使用一個可變尺寸的窗口獲取同時的、高分辨率的信號時頻信息[2]。計算信號連續(xù)小波轉(zhuǎn)換的過程與短時距傅里葉變換的過程非常相似。該方法利用時間平移和尺度膨脹構(gòu)造小波函數(shù)，將小波與信號起始部分進(jìn)行比較，計算出時間尺度的小波系數(shù)，該小波系數(shù)顯示了小波與信號部分之間的相關(guān)程度。對小波進(jìn)行時間平移，然后重復(fù)這個過程，直到整個信號被覆蓋。再次對小波進(jìn)行尺度分析，并在所有尺度上重復(fù)前面的過程。低尺度相當(dāng)于壓縮小波，高尺度相當(dāng)于拉伸小波。由于尺度與頻率成反比關(guān)系，小波變換允許使用更窄的小波，這樣就需要更精確的高頻信息和伸長的小波，而筆者需要的是低頻信息。然后可以得到相應(yīng)的時頻小波系數(shù)的信號。小波分解樹的形式如圖1所示。

其中，S表示原始的輸入信號，A表示信號的近似值，D表示信號的細(xì)節(jié)值。多分辨率分析只是對低頻部分進(jìn)行進(jìn)一步分解，而高頻部分則不考慮，即S=cA3+cD3+cD2+cD1。如果要進(jìn)一步分解，則可以把低頻部分cA3分解成低頻部分cA4和高頻部分cD1以下再分解，以此類推。

2 小波變換在雷達(dá)信號檢測中的應(yīng)用

2.1 基于小波函數(shù)的雷達(dá)波形設(shè)計

傳統(tǒng)的雷達(dá)信號，如脈沖調(diào)幅信號、線性調(diào)頻信號和相位編碼信號，由于其投影到小波空間的復(fù)雜性，需要多個小波系數(shù)來充分描述。由于回波中包含的目標(biāo)信息與小波系數(shù)之間并不一定相關(guān)，因此很難從小波系數(shù)中提取目標(biāo)信息。值得指出的是，與該算法相關(guān)的計算時間是可管理的。從層次上看，首先是長度為n的滿數(shù)據(jù)向量x，然后是長度為n=2的光滑向量，最后是長度為n=4的光滑向量，以此類推，直到只剩下兩個分量。為了重建信號，只需要簡單地反轉(zhuǎn)程序，從最小層次開始，然后通過逆小波變換反向工作。這種方法的目的是在空間定位目標(biāo)。這意味著除了找到雷達(dá)目標(biāo)的存在之外，還要找到其位置和時間。小波系數(shù)在裂紋附近表現(xiàn)出不規(guī)則性。這個特性使人們能夠在空間中找到雷達(dá)目標(biāo)的位置。以下是這些方法的應(yīng)用。

小波用于雷達(dá)目標(biāo)探測的主要思想，是基于不連續(xù)性雷達(dá)目標(biāo)回波的存在。這些不連續(xù)性通常不能通過檢測雷達(dá)目標(biāo)回波來觀察到，但是可以通過小波變換（DWT）獲得的細(xì)節(jié)信號的小波系數(shù)的分布來檢測。以下是雷達(dá)訊號處理前必須考慮的事項：

期望的壓縮比CR=n′/n：對于期望的壓縮比，保留最大的n′分解系數(shù)。

信號重構(gòu)的可接受的均方誤差（近似）：如果基函數(shù)是正交的，那么信號近似的均方誤差等于平方系數(shù)之和，從表示中省略。

信號的最小描述長度。

可接受的信號重構(gòu)局部逐點(diǎn)誤差。

基于此，提出了用離散小波變換檢測雷達(dá)回波的方法：

測量（或數(shù)值模擬、計算）雷達(dá)信號。

使用測量信號，計算其小波系數(shù)從詳細(xì)信號與小波方程的離散變換。

在離散小波變換的情況下，繪制并檢查詳細(xì)信號的小波系數(shù)。

只要選擇合適的小波進(jìn)行分析，任何信號的不連續(xù)性都可以通過小波系數(shù)圖上系數(shù)的分布來檢測。為了觀察信號的不連續(xù)性，建議對離散小波變換進(jìn)行低尺度分析。但當(dāng)信噪比較低時，小波系數(shù)提供的信息有限。為了有效地探測雷達(dá)目標(biāo)，筆者引入了一種方法：獨(dú)立元素分析檢測法。這種方法是一種分離線性混合信號中獨(dú)立信源的技術(shù)獨(dú)立元素分析。假設(shè)有n個獨(dú)立的雷達(dá)信號源，在不同的位置使用n個傳感器記錄雷達(dá)信號。每個傳感器記錄的信號來自不同的源，具有不同的混合比。設(shè)s1（t），s2（t），...，sn（t）為n個獨(dú)立源產(chǎn)生的信號，x1（t），x2（t），...，xn（t）為n個傳感器的觀測值。傳感器同時記錄這些信號。獨(dú)立元素分析的任務(wù)是估計所采集信號中源信號的混合比，并獲得獨(dú)立源信號。為了成功地識別獨(dú)立的部件，需要一個評估被識別部件獨(dú)立性的規(guī)則。根據(jù)美國中心極限定理協(xié)會，大量獨(dú)立隨機(jī)變量之和的分布趨向于一個正態(tài)分布。由于采集到的信號是獨(dú)立信號源的加權(quán)和，所以要隔離的信號源必須比采集到的信號具有更小的高斯性。因此，非高斯性可用于分離獨(dú)立的組分。

此外，F(xiàn)FT（快速傅立葉變換）找到信號頻率成分的工具之一，F(xiàn)FT的一個缺點(diǎn)是只能從信號的完整持續(xù)時間中提取頻率。頻率分量是從整個信號長度的平均值得到的。因此，對于非平穩(wěn)信號，如雷達(dá)回波，其不是一個合適的工具。利用小波分析可以解決這一問題。因此，小波分析在雷達(dá)目標(biāo)檢測和雷達(dá)信號處理中得到了廣泛的應(yīng)用。其為提取信號的局部特征提供了強(qiáng)有力的工具。與傅里葉變換不同，用作分解基礎(chǔ)的函數(shù)總是正弦波，其他基礎(chǔ)函數(shù)可以根據(jù)信號特征選擇作為小波形狀。

2.2 基于小波分解系數(shù)的目標(biāo)檢測

目標(biāo)回波信號通常會受到加性噪聲的干擾，而加性噪聲被認(rèn)為是平穩(wěn)的[3]。然而，雷達(dá)的工作環(huán)境越來越復(fù)雜。由于干擾等非平穩(wěn)因素的存在，加性噪聲往往是非平穩(wěn)的。一般來說，噪聲信號的去噪過程分為三個步驟：首先選擇一個小波函數(shù)，確定信號的小波分解層次;其次，對小波分解后的高頻系數(shù)進(jìn)行閾值化處理。一般有三種方法：默認(rèn)閾值法、強(qiáng)制去噪法和軟硬閾值法;最后，對一系列高頻系數(shù)進(jìn)行量化后，對小波分解后的低頻系數(shù)進(jìn)行重構(gòu)。

由于噪聲的存在，回波的小波分解不僅在尺度為j的子空間中具有非零系數(shù)，而且在其他子空間中也具有非零系數(shù)。由于雷達(dá)發(fā)射波形選取尺度為j的小波函數(shù)，認(rèn)為目標(biāo)信息只存在于尺度為j的子空間中，噪聲的貢獻(xiàn)存在于其他子空間中。通過閾值處理可以實現(xiàn)對j尺度信號的目標(biāo)檢測。當(dāng)小波分解系數(shù)大于設(shè)定閾值時，判斷目標(biāo)是否存在，或判斷目標(biāo)是否只存在噪聲。為了在虛警概率不太高的情況下提高檢測概率，應(yīng)根據(jù)噪聲強(qiáng)度設(shè)置閾值。然而，噪聲信號的貢獻(xiàn)和目標(biāo)信號的貢獻(xiàn)是混合的，設(shè)置閾值并不是一件容易的工作?；谏鲜龇治隹芍?，除了尺度為j的子空間外，子空間中只有噪聲的貢獻(xiàn)，噪聲的強(qiáng)度可以由這些子空間確定，因此檢測閾值可以由噪聲強(qiáng)度決定。

傳統(tǒng)的目標(biāo)檢測方法是通過閾值檢測匹配濾波器的輸出，閾值由噪聲水平?jīng)Q定。利用噪聲的統(tǒng)計特性可以得到噪聲水平，這種噪聲水平適用于平穩(wěn)白噪聲目標(biāo)檢測，而不適用于非平穩(wěn)噪聲目標(biāo)檢測。對噪聲波動有一定適應(yīng)性的小區(qū)平均可以達(dá)到噪聲水平，但大目標(biāo)的強(qiáng)回波會對鄰近小區(qū)產(chǎn)生負(fù)面影響?；谛〔ㄗ涌臻g的閾值處理對噪聲功率的變化具有較強(qiáng)的魯棒性，且強(qiáng)回波對鄰近距離單元沒有負(fù)面影響。

3 結(jié)語

與其他雷達(dá)信號處理技術(shù)不同，基于小波的方法不僅適用于結(jié)構(gòu)構(gòu)件，而且適用于全結(jié)構(gòu)。利用雷達(dá)信號可以檢測到目標(biāo)。為了驗證該方法在噪聲環(huán)境下的可靠性和魯棒性，對雷達(dá)目標(biāo)回波信號進(jìn)行了小波變換分析，得到了小波系數(shù)。這些多重數(shù)據(jù)序列被用作獨(dú)立元素分析傳感器的輸入。實踐證明，該方法是有效的，對于我國防空武器系統(tǒng)中的雷達(dá)信號處理和目標(biāo)識別，具有較大的理論意義和實際應(yīng)用價值。

參考文獻(xiàn)

[1] 劉志鵬.小波變換在水聲信號處理中的應(yīng)用研究[J].電子世界，2020（4）：24-25.

[2] 閔博.基于小波變換的雷達(dá)脈內(nèi)調(diào)制特征分選識別[D].成都：電子科技大學(xué)，2020.

[3] 劉嗣勤，李秀平.小波分析在雷達(dá)信號處理中的應(yīng)用[J].信息技術(shù)與信息化，2019（10）：153-155.