大掠射角對海雷達導引頭實測回波特性分析

摘 要：

大掠射角下，對海雷達導引頭觀測到的海雜波強度激增，艦船目標檢測困難。本文結合全極化雷達導引頭掛飛實測數據，分析了回波幅度和相位特性。首先，采用典型分布對回波幅度分布進行擬合，并利用擬合優度對擬合效果作出評估;然后，分析了平均相位變化量。結果表明：在大掠射角條件下，雷達導引頭各極化通道海雜波幅度服從K分布;海雜波與艦船回波幅度在同極化通道服從K分布，在交叉極化通道服從對數正態分布;交叉極化通道回波信雜比高于同極化通道;海雜波與艦船回波相位平均變化量小于海雜波。

關鍵詞：

雷達導引頭; 海雜波; 大掠射角; 幅度分布; 相位變化

中圖分類號：

TN 959.2+1

文獻標志碼： A""" DOI：10.12305/j.issn.1001-506X.2024.05.08

Analysis of radar seeker sea-surface echoes at a high grazing angle

LIAN Jing， YANG Yong*， XIE Xiaoxia， WANG Xuesong

（State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and

Information System， National University of Defense Technology， Changsha 410073， China）

Abstract：

The sea clutter intensity observed by the sea radar seeker at a high grazing angle increases sharply where ship-detection performance can be a problem. The analysis in this paper describes the amplitude and phase characteristics of radar echoes based on measured data collected by airborne radar seekers. Firstly， the data are fitted to commonly used probability distribution functions respectively， and then the goodness of fit is used to obtain the optimal distribution model. Finally， the average phase difference is analyzed. The results show that the K distribution is a good fit for sea-clutter data at a high grazing angle， the K distribution is a good fit for the co-polarization ship echoes plus sea clutter data， the Log-normal distribution is a good fit for the cross-polarization ship echoes plus sea clutter data， the signal-to-clutter ratio for the cross-polarization is higher than the co-polarization， the average phase difference of ship echoes plus sea clutter is smaller than sea clutter.

Keywords：

radar seeker; sea clutter; high grazing angle; amplitude distribution; phase change

0 引 言

在反艦作戰場景下，采用高彈道灌頂攻擊的反艦導彈，雷達導引頭掠射角很大。大掠射角下海面散射系數激增，導致雷達導引頭海雜波強度急劇增加，最終導致艦船回波被強海雜波淹沒，雷達導引頭難以檢測艦船目標［1-2］。分析大掠射角下雷達導引頭回波統計特性是雷達導引頭海雜波抑制和目標檢測方法研究的基礎，具有重要意義。

目前，國內外關于海雜波統計特性研究較多，且主要以雷達小掠射角（0°～15°）和中掠射角（15°～60°）下海雜波幅度分布［3-6］、多普勒譜［7］研究為主。起初，用于描述雷達小掠射角下海雜波幅度分布的經典統計模型主要有Rayleigh分布、Log-normal分布、Weibull分布等［8］。隨著雷達分辨率的提高，高分辨條件下海雜波幅度分布出現嚴重拖尾的現象［9］。為此，Ward等人［10］提出了K分布模型，該模型不僅能較好地擬合拖尾，還能從物理形成機理上分析海雜波的組成［11-12］。之后，也有學者提出采用廣義Pareto分布來描述高分辨小掠射角海雜波［13］。為了實現重拖尾擬合，Ollila等人［14］提出了IC-CG分布，并經IPIX數據驗證擬合效果優于K分布。針對中掠射角下的海雜波，Rosenberg等人［15-16］在K分布的基礎上提出了K+R分布，并得到實測數據驗證，該模型具有良好的擬合效果，但只適合在相對較少樣本下的建模。根據Neyman-Pearson定理，最優檢測概率定義為恒定虛警概率下，雜波概率密度函數與目標回波+雜波概率密度函數之比［17］。對于艦船雷達截面積，學者們通常采用Swerling分布、χ2分布和Log-normal分布等來描述其統計分布［18］。然而，國內外少有公開文獻對目標回波+雜波幅度分布作出報道，僅對不同分布雜波干擾下的目標檢測概率作出理論研究［19-21］，缺乏實測數據分析。在海雜波和艦船回波相位統計特性分析方面，Conte等人［22］分析IPIX雷達數據發現：海雜波相位服從（0，2π）均勻分布。Li等人［23］通過電磁計算仿真發現：快時間維海雜波相位差服從Middleton分布模型，隨著掠射角的減小，相位差去相關時間在顯著減小后趨于穩定。Gao等人［24］結合回波幅度和相位信息提出了SIMP度量，并利用仿真實驗驗證了海雜波SIMP度量值遠小于艦船回波。Xie等人［25］利用IPIX雷達數據分析發現：目標回波和海雜波有明顯相位特性差異。有關大掠射角下雷達/雷達導引頭實測回波數據及回波特性分析，國內外尚無公開文獻報道［26-27］。大掠射角下，海面散射機理與中、小掠射角下的均不同［28］，且運動狀態下的雷達導引頭觀測的信號多普勒頻率與靜止狀態下不同。因此，大掠射角下雷達導引頭回波特性區別于中、小掠射角，目前已有的研究結果無法適用于大掠射角情況。

為此，本文開展了全極化雷達導引頭對海掛飛外場試驗，結合大掠射角全極化雷達導引頭掛飛實測數據，分析了海雜波、艦船回波與海雜波幅度統計分布。同時，分析了海雜波、艦船回波與海雜波的相位平均變化量。最終，分析得到了幾點關于大掠射角下雷達導引頭回波統計特性的結論。

1 雷達導引頭回波幅相特性

雷達導引頭回波包含了幅度和相位信息。實際海浪的復雜性使得回波幅度具有隨機性，艦船和海面不同的運動特性使得回波相位的變化速率具有差異性。因此，本文將分別對雷達導引頭回波的幅度統計分布和相位平均變化量展開分析。下面將對典型幅度統計分布模型、擬合優度和相位平均變化量作出介紹。

1.1 典型幅度統計分布模型

常用的海雜波幅度分布模型包括Rayleigh分布、Log-normal分布、Weibull分布以及K分布等。本文選取矩估計法作為參數估計方法［29］，下面給出4種典型分布的概率密度函數及參數估計表達式。

（1） Rayleigh分布

Rayleigh分布的概率密度函數和k階矩如下所示：

2 實測數據分析

2.1 數據說明

場景如圖1所示，X波段全極化相參體制雷達導引頭由飛行速度約為60 m/s的飛機掛飛，掠射角約為70°?；夭〝祿榻浢}沖壓縮后的I/Q（同相/正交）數據，包含四種極化方式HH/HV/VH/VV，其中VH表示垂直極化發射，水平極化接收。

本文選用了16幀艦船回波+海雜波數據進行分析，每幀回波數據包含32個脈沖，1 024個距離單元，主波束照射的距離單元為500～800。由試驗艦船裝備的全球定位系統定位信息和雷達導引頭慣導信息，確定目標所在距離單元為560～680，即500～560、680～800為海雜波單元。下面的分析以第13組數據分析為例，其他幀的處理結果與之一致，不再贅述。

圖2為雷達導引頭回波在各個極化通道下的一維距離像。在HH/VV極化通道下，回波能量分散，艦船和海雜波單元均有強的散射點，強海雜波散射點會造成目標檢測虛警率的提升。而HV/VH極化通道中，回波能量集中在第650個距離單元附近，艦船回波能量明顯高于海雜波。因此，艦船目標和海雜波有明顯極化特性差異，交叉極化通道中信雜比更大。

圖3為各個極化通道下的距離-多普勒維圖像。導引頭雷達低的脈沖重復頻率，導致多普勒譜出現混疊。在各個極化通道下均有較寬的多普勒展寬，艦船和海浪的速度信息重疊，無法從速度上區分艦船和海面單元。然而，在HV/VH通道中，第650個距離單元附近，艦船所在的多普勒單元能量明顯高于海雜波。

2.2 幅度分布擬合

根據檢測原理，在可接受的虛警概率Pfa下，檢測器需根據雜波幅度分布模型確定合適的閾值γ，以達到最大的檢測概率Pd。虛警概率Pfa和檢測概率Pd可定義為

Pfa=∫∞γp（x;H0）dx（23）

Pd=∫∞γp（x;H1）dx（24）

式中：p（x;H0）為雜波的概率分布函數（probability distribution function， PDF）;p（x;H1）為目標回波+雜波的PDF。

為了獲得幅度分布最優擬合模型，本節將結合實測數據，分析海雜波和艦船回波+海雜波的PDF，并與Rayleigh分布、Log-normal分布、Weibull分布和K分布這4種典型幅度分布模型進行擬合效果分析。

2.2.1 海雜波幅度分布擬合

圖4為海雜波幅度分布擬合結果，圖4（a）、圖4（c）、圖4（e）、圖4（g）為各個極化通道下海雜波幅度PDF與典型幅度分布模型的擬合結果，圖4（b）、圖4（d）、圖4（f）、圖4（h）為與其對應的CCDF，縱坐標取對數是為了更好地顯示拖尾部分的擬合效果。從整體擬合效果來看，HH極化通道下海雜波幅度分布服從K分布和Rayleigh分布;HV/VH/VV極化通道下服從K分布，表1中K-S型檢驗值顯示同樣的結果。

從圖4拖尾部分擬合效果來看，HH/VV極化通道下Weibull分布和K分布擬合效果好;HV/VH極化通道下K分布擬合效果好。選取CCDF水平為10-3，不同分布模型對應的閾值誤差如表2所示。

綜合整體和拖尾部分的擬合結果，得出結論：在各個極化通道，大掠射角下的海雜波幅度分布均服從K分布。

2.2.2 艦船回波+海雜波幅度分布擬合

圖5為各極化通道下艦船回波+海雜波幅度的PDF和其對應的CCDF。從整體擬合效果來看，HH/VV極化通道下，Rayleigh分布、Weibull分布和K分布的擬合效果較好;HV/VH極化通道下，回波幅度集中在小值附近，服從Log-normal分布，這一結果與表3中K-S型檢驗值一致。從拖尾部分的擬合效果來看，HH極化通道下，K分布和Log-normal分布的擬合效果好;VV極化通道下，K分布的擬合效果好;HV/VH極化通道下，由于交叉極化通道下艦船回波能量高，幅度分布出現嚴重拖尾，K分布和Log-normal分布的擬合效果好。如表4所示，選取CCDF為10-3，閾值誤差與上述分析一致。

綜合整體和拖尾部分的擬合結果，得出結論：大掠射角下艦船回波+海雜波幅度分布，在HH/VV極化通道下服從K分布，在HV/VH極化通道下服從Log-normal分布。

2.2.3 相位平均變化量

為了更好地體現艦船回波和海雜波相位變化的差異性，對相位平均變化量做歸一化處理。實測數據的歸一化相位平均變化量如圖6所示。相較于海雜波單元，艦船所在距離單元的歸一化相位平均變化量整體較小，大部分都小于0.4。

各極化通道海雜波（紅色點線外的距離單元）和艦船回波（紅色點線內的距離單元）歸一化相位平均變化量均值如表5所示。以HH極化通道為例，海雜波的歸一化平均相位變化量均值為0.82，艦船回波為0.43。得出結論：由于艦船和海面不同的運動特性，導引頭回波具有不同的相位特性，海雜波、相位變化范圍大，艦船回波的相位變化小。

3 結 論

本文結合實測數據分析了大掠射角下全極化雷達導引頭海雜波、海雜波+艦船回波幅度和相位統計特性。分析結果表明：K分布對于大掠射角下各極化通道海雜波幅度分布的擬合效果均較好。大掠射角下HH、VV極化通道接收的艦船回波+海雜波幅度服從K分布，HV、VH極化通道接收的艦船回波+海雜波幅度服從Log-normal分布。交叉極化通道雷達導引頭信雜比高于同極化通道信雜比。另外，由于艦船和海面的運動特性差異，艦船回波+海雜波的相位變化比純海雜波的相位變化明顯緩慢。本文的研究結論可以為大掠射角下對海雷達導引頭目標檢測方法研究提供參考。

參考文獻

［1］ ROSENBERG L， WATTS S. High grazing angle sea-clutter literature review［R］. Edinburgh： Electronic Warfare and Radar Division Defense Science and Technology Organization， 2013， 2-3.

［2］ YONG Y， XIAO S P， WANG X S. Radar detection of small target in sea clutter using orthogonal projection［J］. IEEE Geoscience and Remote Sensing Letters， 2019， 16（3）： 382-386.

［3］ DONG Y. Distribution of X-band high resolution and high grazing angle sea clutter［R］. Edinburgh： Electronic Warfare and Radar Division Defense Science and Technology Organization， 2006： 56-57.

［4］ ROSENBERG L， CRISP D J， STACY N J. Analysis of the KK-distribution with medium grazing angle sea-clutter［J］. IET Radar Sonar and Navigation， 2009， 2（4）： 209-222.

［5］ XUE J， XU S W， LIU J， et al. Model for non-Gaussian sea clutter amplitudes using generalized inverse gaussian texture［J］. IEEE Geoscience and Remote Sensing Letters， 2019， 16（6）： 892-896.

［6］ ANGELLIAUME S， ROSENBERG L， RITCHIE M. Modeling the amplitude distribution of radar sea clutter［J］. Remote Sensing， 2019， 11（319）： 1-24.

［7］ ROSENBERG L. Parametric modeling of sea clutter Doppler spectra［J］. IEEE Trans.on Geoscience and Remote Sensing， 2022， 60： 1-9.

［8］ 劉寧波， 姜星宇， 丁昊， 等. 雷達大擦地角海雜波特性與目標檢測研究綜述［J］. 電子與信息學報， 2021， 43（10）： 2771-2780.

LIU N B， JIANG X Y， DING H， et al. Summary of research on characteristics of radar sea clutter and target detection at high grazing angles［J］. Journal of Electronics amp; Information Technology， 2021， 43（10）： 2771-2780.

［9］ 許述文， 白曉惠， 郭子薰， 等. 海雜波背景下雷達目標特征檢測方法的現狀與展望［J］. 雷達學報， 2020， 9（4）： 684-714.

XU S W， BAI X H， GUO Z X， et al. Status and prospects of feature-based detection methods for floating targets on the sea surface［J］. Journal of Radars， 2020， 9（4）： 684-714.

［10］ WARD K D， TOUGH R J A， WATTS S. Sea clutter： scattering， the K distribution and radar performance［J］. Waves in Random and Complex Media， 2007， 17（2）： 233-234.

［11］ 丁昊， 董云龍， 劉寧波， 等. 海雜波特性認知研究進展與展望［J］. 雷達學報， 2016， 5（5）： 499-516.

DING H， DONG Y L， LIU N B， et al. Overview and prospects of research on sea clutter property cognition［J］. Journal of Radars， 2016， 5（5）： 499-516.

［12］ SHUI P L， LIU M， XU S W. Shape-parameter-dependent coherent radar target detection in K-distributed clutter［J］. IEEE Trans.on Aerospace and Electronic Systems， 2016， 52（1）： 451-465.

［13］ WEINBERG G V. An investigation of the Pareto distribution as a model for high grazing angle clutter［R］. Edinburgh： Electronic Warfare and Radar Division Defense Science and Technology Organization， 2011： 7-19.

［14］ OLLILA E. Compound-Gaussian clutter modeling with an inverse Gaussian texture distribution［J］. IEEE Signal Processing Letters， 2012， 19（12）： 876-879.

［15］ ROSENBERG L， WATTS S， BOCQUET S. Application of the K+Rayleigh distribution to high grazing angle sea-clutter［C］∥Proc.of the International Radar Conference， 2014.

［16］ FICHE A， ANGELLIAUNE S， ROSENBERG L， et al. Analysis of X-band SAR sea-clutter distributions at different grazing angles［J］. IEEE Trans.on Geoscience and Remote Sensing， 2015， 53（8）： 4650-4660.

［17］ WARD K D， TOUGH R J A， WATTS S. Sea clutter： scattering， the K-distribution and radar performance［M］. 2nd ed. London： Institution of Engineering and Technology， 2013.

［18］ 關鍵. 雷達海上目標特性綜述［J］. 雷達學報， 2020， 9（4）： 674-683.

GUAN J. Summary of marine radar target characteristics［J］. Journal of Radars， 2020， 9（4）： 674-683.

［19］ SHNIDMAN D A. Radar detection probabilities and their calculation［J］. IEEE Trans.on Aerospace and Electronic Systems， 1995， 31（3）： 928-950.

［20］ TRUNK G V， GEORGE S F. Detection of targets in non-Gaussian sea clutter［J］. IEEE Trans.on Aerospace and Electronic Systems， 1970， AES-6（5）： 620-628.

［21］ CONTE E， DE M A. Signal detection in compound-Gaussian noise： neyman-Pearson and CFAR detectors［J］. IEEE Trans.on Signal Processing， 2000， 48（2）： 419-428.

［22］ CONTE E， DE M A， GALDI C. Statistical analysis of real clutter at different range resolutions［J］. IEEE Trans.on Aerospace and Electronic Systems， 2004， 40（3）： 903-918.

［23］ LI X F， XU X J. Numerical study on the statistics of the phase in backscattered signals from time-evolving sea surfaces［C］∥Proc.of the International Conference on Electromagnetics in Advanced Applications， 2010： 855-858.

［24］ GAO G， WANG X Y， LAI T. Detection of moving ships based on a combination of magnitude and phase in along-track interferometric SAR-part I： SIMP metric and its performance［J］. IEEE Trans.on Geoscience and Remote Sensing， 2015， 53（7）： 3565-3581.

［25］ XIE J D， XU X J. Phase-feature-based detection of small targets in sea clutter［J］. IEEE Geoscience and Remote Sensing Letters， 2022， 19： 1-5.

［26］ 丁昊， 劉寧波， 董云龍， 等. 雷達海雜波測量試驗回顧與展望［J］. 雷達學報， 2019， 8（3）： 281-302.

DING H， LIU N B， DONG Y L， et al. Overview and prospects of radar sea clutter measurement experiments［J］. Journal of Radars， 2019， 8（3）： 281-302.

［27］ 劉寧波， 丁昊， 黃勇， 等. X波段雷達對海探測試驗與數據獲取年度進展［J］. 雷達學報， 2021， 10（1）： 173-182.

LIU N B， DING H， HUANG Y， et al. Annual progress of the sea-detecting X-band radar and data acquisition program［J］. Journal of Radars， 2021， 10（1）： 173-182.

［28］ LONG M W. Radar reflectivity of land and sea［M］. 3rd ed. Boston： Artech House， 2001.

［29］ KAY S M. 統計信號處理基礎——估計與檢測理論（卷Ⅰ、卷Ⅱ）［M］. 北京： 電子工業出版社， 2014.

KAY S M. Fundamentals of Statistical Signal Processing（Volume Ⅰamp;Ⅱ）［M］. Beijing： Publishing House of Electronics Industry， 2014.

［30］ 石志廣， 周劍雄， 付強. K分布海雜波參數估計方法研究［J］. 信號處理， 2007， 23（3）： 420-424.

SHI Z G， ZHOU J X， FU Q. Parameter estimation study of K-distributed sea clutter［J］. Signal Processing， 2007， 23（3）： 420-424.

［31］ WANG J， TSANG W W， MARSAGLIA G. Evaluating Kolmogorov’s distribution［J］. Journal of Statistical Software， 2013， 8（18）： 1-4.

［32］ 夏曉云， 黎鑫， 張玉石， 等. 基于相位的岸基雷達地海雜波分割方法［J］. 系統工程與電子技術， 2018， 40（3）： 552-556.

XIA X Y， LI X， ZHANG Y S， et al. Sea-land clutter segmentation method of shore-based radar based on phase information［J］. Systems Engineering and Electronics， 2018， 40（3）： 552-556.

作者簡介

連 靜（1998—），女，碩士研究生，主要研究方向為極化雷達低空目標檢測。

楊 勇（1985—），男，教授，碩士研究生導師，博士，主要研究方向為極化雷達低空目標檢測。

謝曉霞（1974—），女，教授，碩士研究生導師，碩士，主要研究方向為電子信息系統仿真評估技術。

王雪松（1972—），男，教授，博士研究生導師，博士，主要研究方向為極化雷達信號處理、雷達目標識別、雷達電子對抗。