劉志棟， 李曉花， 汪潤生， 黃曉兵， 張景東， 張榮斌

(1.中國人民解放軍63615部隊，新疆 庫爾勒 841001； 2.中國人民解放軍63610部隊，新疆 庫爾勒 841001)

遠程打擊武器為了完成突防，在不同的階段(助推段、末助推段、中段、再入段)會分離和釋放出不同的物體[1]。尤其是彈道中段，遠程打擊武器目標的一個重要特征就是目標數(shù)量不再單一，而是形成包括戰(zhàn)斗部、碎片和各種誘餌的目標群，它們以大致相同的速度沿遠程打擊武器的預定彈道慣性飛行，構(gòu)成復雜的群目標環(huán)境[2]。群目標回波密集，相對速度小，回波信號幅度起伏大，檢測困難。

因此需要對群目標分辨技術(shù)進行進一步分析研究，以提升雷達對彈道群目標的及早分辨能力，為導彈預警系統(tǒng)提供更加及時準確的引導信息，達到快速發(fā)現(xiàn)攔截摧毀目標的目的。

對目標進行單、群目標識別，是實現(xiàn)多目標快速檢測的前提。大多數(shù)雷達采用距離分辨或角度分辨的方法進行多目標判斷。近年來，基于背景熵的背景平穩(wěn)度評估方法逐漸發(fā)展成熟并成功應用于工程實踐。

CFAR(Constant False Alarm Rate，恒虛警率)算法能夠有效控制虛警率，在雷達目標檢測中作用巨大。采用OS(Order Statistic，有序統(tǒng)計)類CFAR檢測法，雷達對相距較近的多目標具有良好的分辨能力，可有效減小多目標環(huán)境下的遮蔽效應。經(jīng)過多年的發(fā)展，出現(xiàn)了很多具有代表性的OS-CFAR算法，它們都在提高雷達分辨力方面起到了良好的作用[3]。

對于遮蔽小目標的檢測，多采用先強后弱的步驟，首先對強目標進行消除處理，然后再對小目標進行檢測，在強目標參數(shù)估計和消除方法上存在一定差異。

1 跟蹤信號帶寬對多目標分辨的影響

假設(shè)雷達跟蹤信號帶寬為5 MHz，距離單元間距為30 m，此時雷達對群目標的最小分辨距離為30 m。為了進一步提升雷達對群目標的分辨能力，在跟蹤目標時采用40 MHz信號帶寬，雷達距離單元間距則減小為3.75 m。假定彈道群目標的相對速度為10 m/s,增加跟蹤信號帶寬后的雷達可以提前2.625 s實現(xiàn)對群目標的分辨。

因此，增加雷達跟蹤信號帶寬可以提高雷達的距離分辨能力，縮短雷達對關(guān)鍵目標的捕獲時長。

2 基于背景熵的群目標判斷

對群目標檢測若采用噪聲恒虛警，則會將碎片等構(gòu)成的擴展目標檢出，導致虛警率上升；若采用雜波恒虛警，由于遠程打擊武器目標群內(nèi)目標間相距較近，背景估值偏離噪聲電平，導致弱小目標丟失，檢測概率下降[4]。為保證達到檢測指標要求，利用背景熵信息進行群目標判決選擇檢測，在多目標環(huán)境下通過背景濾波技術(shù)實現(xiàn)鄰近目標檢測。

基于背景熵的背景平穩(wěn)度評估方法處理流程包括提取參考單元幅度分布、計算幅度分布的香農(nóng)信息熵。熵值小于指定門限時為群目標環(huán)境，否則為單目標環(huán)境。設(shè)CFAR采用左右各16點作為參考單元，在統(tǒng)計背景熵時采用20維的直方圖。取16點幅值最大值vmax，計算幅值對應在直方圖中的位置為

nBin=[20v/vmax]

(1)

式中：v為參考單元的幅度值。從而建立起背景幅度分布直方圖計算背景熵：

(2)

將背景熵與指定限進行比較。如圖1和圖2所示，當參考單元不包含目標時熵值較大，當參考單元含有目標時熵值較小。因此，可以通過計算參考單元的背景熵判斷目標是否處在群目標環(huán)境。

圖1 背景無目標與含目標時的背景熵

圖2 背景無目標與含目標的背景熵分布

基于背景熵濾波的單目標和群目標檢測流程框圖如圖3所示。

圖3 群目標檢測流程圖

檢測步驟如下：

① 利用基于背景熵的背景平穩(wěn)度評估方法，判斷是否處于群目標環(huán)境。

② 當不存在多目標環(huán)境，可采用恒虛警檢測技術(shù)實現(xiàn)對目標的檢測。

③ 存在多目標環(huán)境時，利用背景濾波獲得穩(wěn)定背景后進行閾值計算，并對目標進行檢測，檢測出目標后利用二次迭代法進行二次檢測，然后進行下一距離單元的檢測。

④ 利用雷達的實測數(shù)據(jù)進行群目標檢測分析，通過特定的門限設(shè)計，得到的單目標與群目標識別的準確率達到99%。

3 基于OS-CFAR的群目標檢測

對群目標檢測若采用噪聲恒虛警，則會將碎片等構(gòu)成的擴展目標檢出，導致虛警率上升；若采用雜波恒虛警，由于遠程打擊武器目標群內(nèi)目標間相距較近，背景估值偏離噪聲電平，導致弱小目標丟失，檢測概率下降。為保證達到檢測指標要求，采用OS-CFAR進行群目標檢測。

圖4 群目標的正確判定

OS-CFAR檢測器的結(jié)構(gòu)如圖5所示，其中D為檢測單元樣本，xi(i=1,2,…，R)為參考單元樣本，R為參考單元數(shù)。

圖5 OS-CFAR檢測器方框圖

OS-CFAR檢測器首先對參考單元樣本按大小做排序處理[5]，有

x(1)≤x(2)≤…≤x(R)

(3)

然后取第k個排序樣本x(k)作為檢測器對雜波功率水平的估計Z，即

Z=x(k)

(4)

則Z是一個隨機變量，在均勻雜波背景中其概率密度函數(shù)為

(5)

假設(shè)接收機噪聲和背景雜波服從高斯分布[6]，經(jīng)過平方律檢波器后，參考單元采樣xi服從指數(shù)分布，其概率密度函數(shù)和分布函數(shù)為[7]

(6)

(7)

式中:

(8)

其中：μ為噪聲功率水平；λ為信號與噪聲平均功率的比值；H0為不存在目標的假設(shè)；H1為存在目標的假設(shè)。

從上面式(5)～式(8)可得

(9)

則OS-CFAR檢測器在均勻雜波背景中的檢測概率和虛警概率分別為

(10)

(11)

當跟蹤波束內(nèi)出現(xiàn)密集群目標時,采用常規(guī)恒虛警檢測大信噪比目標往往遮蔽小信噪比目標,使小信噪比目標出現(xiàn)漏檢，而采用本文的檢測方法能夠提升小目標的檢測概率。圖6為當大目標信噪比為37.3 dB時，小目標信噪比從12～21 dB時的檢測概率?？梢钥闯觯∧繕诵旁氡葹?7.3 dB時，常規(guī)CFAR處理只有0.16的檢測概率，而采用OS-CFAR處理，檢測概率可達0.95。

圖6 群目標檢測概率

圖7為運載器一級分離時的雷達測量數(shù)據(jù),圖8為運載器二級分離時的雷達測量數(shù)據(jù),兩圖中點狀點跡是常規(guī)恒虛警檢測結(jié)果，圈狀點跡是OS-CFAR檢測結(jié)果。從圖中可以明顯看出常規(guī)檢測方法漏檢嚴重，而OS-CFAR檢測穩(wěn)定連續(xù)。

圖7 一級分離時OS-CFAR的群目標檢測效果

4 基于Clean算法的遮蔽目標檢測技術(shù)

高速高機動的戰(zhàn)斗部和運載器分離過程中，由于運載器比戰(zhàn)斗部幅度強10～30 dB，會出現(xiàn)大小目標遮蔽的場景，導致從距離和多普勒維都難以及時地判斷其分離狀態(tài)[8]，常規(guī)的處理無法檢測到被運載器遮蔽的戰(zhàn)斗部目標，如圖9所示。

圖9 大小目標遮蔽問題樣機處理結(jié)果

針對該難題，可采用基于多通道聯(lián)合處理和時頻二維分辨的方法進行分離時刻監(jiān)測。在戰(zhàn)斗部與運載器發(fā)射后的初始階段，雷達在常規(guī)工作模式下進行目標搜索截獲，在搜索截獲過程中采用多通道聯(lián)合處理進行大小目標遮蔽條件下的群目標檢測，在穩(wěn)定跟蹤后采用PD模式對目標進行時頻二維分辨和跟蹤。

對于常規(guī)跟蹤模式，基于戰(zhàn)斗部和運載器在空間角度上存在一定的差異性的特點，利用和波束和差波束進行聯(lián)合處理，在檢測到大目標之后對大目標進行自適應對消，實現(xiàn)對大目標的Clean處理，在大目標用Clean處理后進行小目標檢測，從而可以較好地緩解大小目標遮蔽問題[9]。其具體實現(xiàn)過程如圖10所示。

圖10 常規(guī)模式下二次檢測處理流程

目標檢測步驟如下：

① 根據(jù)和波束的脈壓信息，對其進行一次檢測，對檢測到的目標進行判定，如果出現(xiàn)強目標則執(zhí)行步驟②。

② 提取和波束強目標對應的距離刻度，找到對應的方位差波束和俯仰差波束，并提取差波束中對應的較大值。

③ 采用自適應對消Clean算法，用和波束上強目標對應的數(shù)據(jù)減去步驟②中提取的差波束值，得到一組新的數(shù)據(jù)。

④ 對新數(shù)據(jù)做二次檢測，提取相應的目標。

在穩(wěn)定跟蹤后采用PD模式對目標進行時頻二維分辨和跟蹤，采用插值的方式實現(xiàn)多普勒維的分辨。

如圖11所示，當目標距離較近時可以實現(xiàn)大目標的Clean處理和弱小目標的檢測，將目標分辨從40～50 m降低到10～14 m，較好地解決了大小目標遮蔽下的目標檢測問題。

圖11 Clean處理前后對比

圖12為凝聚后點跡的比較，在大小目標相距10～14 m時常規(guī)處理已經(jīng)無法分辨兩個目標，而新算法能夠穩(wěn)定地實現(xiàn)兩目標的分辨。

圖12 點跡對比

時頻二維聯(lián)合分辨試驗結(jié)果如圖13所示，采用64脈沖的PD模式，帶寬10 MHz，運載器和戰(zhàn)斗部在距離3 m、速度3 m/s時可實現(xiàn)分離狀態(tài)檢測。

圖13 PD模式下的時頻分析

5 結(jié)束語

本文通過提高雷達跟蹤信號帶寬，可以有效減小雷達分辨距離，提高雷達對目標的盡早發(fā)現(xiàn)能力。利用基于背景熵的背景平穩(wěn)度評估方法能夠有效提高其對單(群)目標的檢出概率，為雷達目標進一步檢測提供策略依據(jù)。當跟蹤波位內(nèi)出現(xiàn)密集群目標時,采用常規(guī)恒虛警檢測大信噪比目標往往會遮蔽小信噪比目標,使小信噪比目標出現(xiàn)漏檢，而采用本文的OS-CFAR算法能夠有效提升小目標的檢測概率。所述自適應對消Clean算法可對目標進行時頻二維分辨和跟蹤，可以較好地解決大小目標遮蔽下的目標檢測問題，在常規(guī)處理已經(jīng)無法分辨時實現(xiàn)近距離大小目標的分辨。