基于小波分析的低信噪比天氣雷達回波弱信號提取

李 華, 高玉春, 柳云雷

（1.成都信息工程學院,四川成都 610225;2.中國氣象局氣象探測中心,北京 100081）

0 引言

在現代天氣雷達的探測過程中,雷達接收機輸出的回波信號不僅包括探測到的氣象回波信號,同時也包含很多噪聲,甚至有時噪聲幾乎淹沒了有用信號。有用信號和噪聲信號夾雜在一起,通常給雷達數據帶來很多雜質。噪聲的存在對目標信號的精確分析也有嚴重的影響。因此必須想辦法從這種低信噪比的雷達回波信號中消除噪聲,提高回波信號的信噪比,為正確識別目標信號提供有利條件。

對天氣雷達弱信號的提取實質就是對信號進行去噪處理,其目的是消除噪聲,將有用信號從強噪聲背景中提取出來,或者用一些新技術和新方法提高檢測系統輸出信號的信噪比。對微弱信號檢測理論與方法的研究,是目前雷達信號處理領域的一個熱點,前人已經提出不少檢測和提取弱信號的算法,并不斷加以改進[1]。

1 雷達回波信號去噪方法簡介

在信號處理中,用于提高信號的信噪比并提取弱信號的方法有很多,并且一直在不斷改進和發展中。傳統的方法分為時域方法和頻域方法,經典時域方法指的是時域平均算法[2],是一種積累平均抗干擾過程,算法實現簡單,但是抗噪性能很差。經典頻域方法就是快速傅里葉變換（FFT）,該算法認為信號普遍表現為低頻而噪聲表現為高頻,將信號進行FFT以后再用低通濾波器進行濾波。在實際工程應用中通常采用FIR濾波器對信號進行濾波,但是如果濾波器的窗函數選擇不當,有時會濾除掉有用信號[3]。這兩種方法對雷達回波信號進行處理顯得有些片面,時域平均算法只采取了信號的時域特征忽略了頻域值這個度量,FFT算法雖然把頻域和時域結合起來分析回波信號,但是它屬于全局變換,不能有機地將時頻域結合起來,其抗噪性能同樣不佳。

小波分析是當前應用數學中數字處理的一個迅速發展的新領域[4],在信號處理中得到廣泛的應用。該分析方法是對信號同時在時域和頻域進行分析,將時域和頻域有機的結合。小波分析的實質是把原始信號不同頻率段的信息抽取出來,并將其顯示于時間軸上,這樣既可反映信號的時域特征也可反映信號的頻域特征。在雷達回波信號處理中引入小波分析的算法,能更好地進行信號去噪處理,提高信噪比從而提取弱信號,為后續的雷達數據處理奠定良好的基礎,提供更高質量的數據來源。

2 小波去噪原理及方法簡介

2.1 小波變換簡介

設平方可積函數 f（t）的連續小波變換定義為[5]:

小波能夠消噪主要由于小波變換具有如下特點[6]:

（1）低熵性。小波系數的稀疏分布,使信號處理后的熵降低。

（2）多分辨特性。由于采用了多分辨的方法,所以可以非常好地描述信號的非平穩性,如突變和斷點等,可以在不同分辨率根據信號和噪聲的分布去除噪聲。

（3）去相關性。小波變換可對信號去相關,且噪聲在變換后有白化趨勢,所以小波域比時域更有利于去噪。

（4）基函數選擇靈活。小波變換可以靈活選擇基函數,也可以根據信號特點和降噪要求選擇多帶小波、小波包等,對不同的場合,可以選擇不同的小波基函數。

2.2 小波去噪簡介

設雷達回波信號由兩部分組成,則一個被噪聲污染的雷達回波信號模型可表示為[7-8]:

其中,x（t）表示有用信號,n（t）表示一個[0,δ2]的隨機噪聲,s（t）是采集到的雷達回波信號。對（2）式兩邊做小波變換,有

小波變換是線性變換,即兩個信號和的小波變換等于各個信號小波變換之和,兩個信號之和的小波系數是各個信號的小波系數之和。噪聲對信號的影響主要表現在小波系數的各個尺度上,而目標信號的主要特征卻分布在較大的有限的幾個系數上。這時,就可以采用相應的準則對信號和噪聲的小波變換系數進行處理。處理的實質在于減小乃至完全剔除噪聲產生的小波系數,同時最大限度的保留有效信號產生的小波系數,然后再用處理后的系數重構信號[9]。

對雷達回波信號進行去噪的模型如圖1所示。

其過程可分為以下3個步驟:

（1）對信號進行小波分解。選擇一個小波基函數并確定分解層次N,再進行分解運算。

（2）小波分解系數的閾值量化。選擇相應的閾值以及閾值規則對小波分解的各層高頻系數進行閾值化處理,小波分解的第 N層低頻系數一般不做處理。

（3）信號重構。根據小波分解的第 N層低頻系數和經過閾值處理的1～N層的高頻系數進行小波重構,從而達到去噪并提取弱信號的目的。

圖1 基于小波分析的信號去噪框圖

3 小波分析過程

小波分析去噪總體框圖如圖2所示。

（1）選取小波函數。不同的小波基函數的消噪結果差異性較大。經過多次反復試驗,文中采用db6小波,該小波不僅具有緊支撐集,而且有近似對稱并正交,使用它不僅可減少計算量,而且計算結果比較精確。

（2）分解層數確定。信號和噪聲在不同尺度的小波變換下呈現的特性截然相反,即隨著尺度的增大,信號和噪聲所對應的小波變換系數分別是增大和減小。因此,連續做若干次小波變換之后,由噪聲對應的小波變換系數已基本去除或幅值很小,而所余系數主要由信號控制。經過多次仿真實驗證,作6層分解效果比較理想。

圖2 小波去噪框圖

（3）閾值選取[10]。在進行閾值去噪的時候,閾值的選擇對消噪結果具有決定性的意義。閾值選取不當,有時會把信號當作噪聲濾除,有時會把小波系數較大的噪聲誤認為信號留下。由于在不同的信噪比條件下,噪聲和信號強度表現不同。所以,根據不同的信噪比范圍對閾值采取不同的算法,將信噪比劃分為兩個區間:SNR≥0和SNR＜0。對于不同的區間采取不同的閾值。具體閾值形式如下:

（i）當信噪比大于0時,意味著混合信號中信號的能量比噪聲的能量大,信號占主體部分。這時閾值選取如果過大就容易將信號本身產生的小波系數當成噪聲而濾除,而且也會平滑掉信號的細節部分,因此閾值選取為:

其中,σn表示噪聲的標準差,N表示小波系數的長度,j為當前的分解層數。

（ii）當信噪比小于0時,意味著混合信號中噪聲的能量比噪聲的能量大?；旌闲盘栔杏杏眯盘枏姸葴p小或者噪聲強度增大時,信噪比均會減小。如果還是利用（i）中的方法確定閾值,只是片面地利用噪聲強度區分噪聲和有用信號,會造成閾值過大從而濾除掉更多的信息,重構后的信號基本處于一條平滑的直線,無法提取有效信息。因此,當信噪比較低時,閾值的選取應該從噪聲和信號中進行權衡:

其中,σn表示噪聲的標準差,σs表示信號的標準差,N表示小波系數的長度,j為當前的分解層數。

其中,參數a用以調整隨著σn/σs的變化,針對不同的信噪比a的取值不同。經過大量統計分析,在信噪比為-10dB時取0.85去噪效果最佳。

（4）閾值處理。確定閾值后,對小波系數的閾值處理對重構信號的還原度也有著重大意義。在小波分析方法中,一般軟閾值比硬閾值的消噪結果平滑,而分層閾值又比全局閾值結果更精確。所以,采用分層軟閾值,即針對每層小波確定不同的軟閾值進行消噪處理。閾值處理方式如下:

4 仿真結果分析

在MATLAB下用上述仿真方法仿真天氣雷達回波信號,其中參數設置為:波長 λ=10cm,采樣頻率 fs=1000Hz,速度v=10m/s。將噪聲按照一定的信噪比加到原始回波信號中[11-12],再用小波分析的方法對其進行去噪處理。對于天氣雷達回波信號來說,信噪比小于1dB可視為小信號,-10dB,-20dB甚至更低的信噪比可視為弱信號。所以,采用-10～10dB的輸入信噪比分析該仿真信號在小波分析方法下的信噪比輸出和信噪比改善。

仿真的天氣雷達回波I路信號和Q路信號以及對應的功率譜密度如圖3、圖4所示。

圖3 I/Q信號時域波形

圖4 I/Q信號功率譜密度函數

圖5 SNR=-10dB I/Q信號時域波形

圖6 SNR=-10dB I/Q信號功率譜密度

如圖6所示,按照一定的信噪比（SNR=-10dB）加入噪聲后生成帶噪聲的雷達回波功率譜密度,該功率譜密度不僅包含原始雷達回波的全部頻率信息還包括所加的噪聲信息。由圖5～6可知,不管從頻域還是時域看,噪聲對原始雷達回波信號已造成強烈的干擾,在雷達回波功率譜中出現較多的隨機分量,在進行譜矩估計的時候根本無法提取出有效信息。

為了體現小波分析在低信噪比背景下對弱信號提取的有效性和優越性,針對仿真試驗中的帶噪信號,分別用小波分析的方法和FIR濾波器對其進行去噪處理得到結果如圖7～8所示。其中,FIR濾波器的通帶和阻帶邊界頻率分別為100Hz/和300Hz,并使用哈明窗求得最小階數為63。

圖7 小波分析去噪后時域波形

圖8 FIR濾波器去噪后時域波形

圖9 小波分析去噪后功率譜密度

圖10 FIR濾波器去噪后功率譜密度

當SNR=-10dB時,從時域看,小波分析方法比FIR濾波器優勢更為突出。信號的邊緣比較平滑,細節部分比較明顯,對信號突變點的檢測更清晰,總體特征更接近原始信號;從頻域看,經小波分析處理后的功率譜密度在f=200Hz處有明顯的峰值,對噪聲的抑制也比較可觀,而經FIR濾波器處理后的信號功率譜密度峰值不如小波分析后的明顯,對噪聲的抑制不理想,有多峰的情況出現。經小波分析去噪后信號的信噪比為-0.0325dB,提高了9.9675dB,經FIR濾波器去噪后的信噪比為-6.0615dB,提高了3.9385dB。由于文中仿真信號大量采用了隨機序列,所以程序每次運行出的結果有一定的波動性。

圖11 兩種方法去噪后的信噪比輸出圖

圖12 兩種方法去噪后的信噪比改善

如圖11～12所示,定量分析兩種方法在不同信噪比條件下對帶噪信號的去噪效果。由圖11可知,在低信噪比條件下,小波分析比FIR濾波器效果更為顯著。經小波分析后普遍能把信號的信噪比提高4～10dB,FIR濾波器平均能提高4dB。從信噪比改善的圖形看,隨著信噪比增大,小波分析的去噪能力與FIR濾波器的去噪能力逐漸持平,在SNR=10dB時基本和FIR濾波器一致。

5 結束語

在低信噪比條件下,研究天氣雷達回波信號的消噪方法。首先對含噪雷達I/Q信號采用兩種不同的方法去噪,從定量和定性兩個方面分析兩種方法下信號的輸出信噪比和信噪比改善等指標,體現小波分析在去噪方面的優勢。結果表明小波分析方法能很好地從低信噪比環境下的原始信號中有效地提取出有用信號,可提高信噪比4～10dB。因此,小波分析的方法確實可以用于低信噪比雷達回波信號的去噪。小波分析的方法抗噪性能雖然很好,但是算法比時域平均算法和傅里葉算法都復雜,實時性能也相對較差。因此,在實際工程應用中,對小波分析算法進行改進以提高其實時性能的同時,也可以采用與其他算法相結合的方式來彌補這些不足。

[1] 夏均忠,劉遠宏,冷永剛,等.微弱信號檢測方法的現狀分析[J].噪聲與振動控制,2011,6（3）:156-161.

[2] 陳韶華,相敬林.一種改進的時域平均法檢測微弱信號研究[J].探測與控制學報,2003,25（4）:56-59.

[3] 張威,王旭,葛琳琳.一種強噪聲背景下的微弱信號檢測的新方法[J].計量學報,2007,28（1）:70-73.

[4] 郭彤穎,吳成東,曲道奎.小波變換理論應用進展[J].信息與控制,2004,33（1）:67-71.

[5] 簡濤,何友,蘇峰.小波變換在雷達信號檢測中的應用[J].海軍航空工程學院院報,2006,21（1）:121-126.[6] 劉正平,馮召勇,楊衛平.基于小波去噪的微弱信號提取[J].制造業自動化.2010,32（8）:98-101.

[7] 黃小毛,張永剛.小波變換在雷達回波信號消噪處理中的應用[J].現代雷達,2001,（5）:34-37.

[8] 向東.強噪聲背景下弱信號特征提取的小波分析[D].武漢:武漢大學,2003.

[9] 馬曉巖,李廣柱,張賢達.基于小波變換的雷達信噪比改善分析[J].清華大學學報,2003,43（3）:36-38.

[10] 薛偉,關福宏,陳良章,等.基于一種新的小波閾值函數的雷達回波信號去噪.計算機仿真,2008,25（8）:319-322.

[11] Zrnic S D.Simulation of weatherlike doppler spectra and signals[J].Notes and Correspondence,1975,14（6）:619-620.

[12] 肖大雪.Matlab小波分析在信號處理中的應用[J].科技廣場.2011,（1）:60-64.