基于多周期積累的機械掃描被動測向方法研究

呂 鋼，趙 鑫，郭琳琳

(中國船舶重工集團公司第二二四所研究所，南京 211153)

基于多周期積累的機械掃描被動測向方法研究

呂 鋼，趙 鑫，郭琳琳

(中國船舶重工集團公司第二二四所研究所，南京 211153)

基于多周期積累的算法思想主要包含多周期幅度加權法和α-β延遲濾波兩個相互承應的部分，前者通過對N個歷史周期截獲輻射源包絡的最大幅度的積累，提高了處理得益；后者一方面對前者的延遲缺陷作了補償，另一方面完成了前者的單次測向結果作平滑濾波。同時給出了多周期幅度加權法導致的延遲周期數與歷史截獲情況的關系，最后通過試驗分析驗證了該機械掃描被動測向方法。

雷達；測向；多周期積累；幅度加權；延遲濾波

0 引 言

由于輻射源天線掃描速度與被動探測雷達天線掃描速度的不一致和時間上的不相關，兩者天線方向圖之間的互相調制將不可避免地導致被動雷達截獲的輻射源脈沖幅度起伏加劇，從而導致接收到的最大幅度所對應的方位不一定就是輻射源的真實方位；同時，由于天線副瓣、旁瓣、背瓣，以及地物及海面反射和多徑效應等因素的影響，會進一步地擴大被動探測雷達在一個天線周期內對輻射源目標的測向誤差，甚至造成同一輻射源目標的分裂。傳統的起始終止算法已經不能滿足這種情況下的測向精度需求。

被動探測雷達對輻射源目標的方位測量與跟蹤算法主要包括起始終止法、平均值法、滑窗平均濾波、最小二乘擬合等。當目標處于靜止狀態時，上述方法利用對目標的方位進行多次測量取平均的方法以平滑各種因素造成的目標方位的抖動，降低方位測量的均方根誤差，具有一定的實際應用效果。而當目標處于運動狀態時，平均值法等將造成目標方位的滯后效應，從而影響對目標的測向精度，進而降低被動探測系統對目標的定位精度。本文在多周期積累的思想基礎上通過多周期幅度加權法和α-β延遲濾波實現了一種基于機械掃描方式的被動雷達測向方法，試驗分析驗證大大優于傳統的起始終止法的測向效果[1-2]。

1 多周期幅度加權法

在一個天線周期T0內主瓣將獲取輻射源脈沖的一串時間序列{t1,t2,…,tN}，及其對應的輻射源方位信息{A1,A2,…,AN}。由于輻射源天線掃描速度遠遠大于被動探測雷達的掃描速度，因此在輻射源所在的方位上將截獲一系列連續或中斷相互出現的輻射源脈沖信息如圖 1 。

圖1 輻射源脈沖截獲時間與方位幅度圖

從上述截獲時間軸示意圖可以看出，由于輻射源天線與被動雷達天線的相互調制，導致每次截獲到的輻射源的情況呈現出方位上的左、右抖動，簡單地對接收到的輻射源目標幅度、方位等進行加權處理很難克服上述調制引起的測向誤差。

一種最簡單的處理方法是對被動接收機進行衰減，使得信號只能在天線主瓣內能被檢測到，以減小偵測天線截獲到目標的角度范圍，則可從一定程度上提高測向精度，但該種方法會降低對其他輻射源信號的截獲概率；另一種方法是降低被動雷達天線的掃描速度，增加對目標的截獲次數，從而起到提高測向精度的目的。本文試圖從處理方法上來提高對目標的測向精度[3]。

在天線周期為T0時，首先利用方位窗對連續的輻射源(RDW)進行合并，合并后的最大幅度稱為包絡的最大幅度Ampmax(T0，i)，其對應的方位稱為包絡的最大方位Azimax(T0，i)，i=1。當相鄰兩個RDW之間的方位間隔大于一定的門限值，即可以認為輻射源已經轉過被動探測天線的探測范圍，下一時間段接收到的應該為輻射源下一個天線周期的脈沖，此時進行下一個天線周期的RDW融合。該包絡的最大幅度為Ampmax(T0，i)，對應的最大方位Azimax(T0，i)，i=2。為了排除可能的干擾，最大幅度取探測雷達掃過目標的平均最大值。

在下一個天線周期T1下，同理，能得到包絡的最大幅度為Ampmax(T1，i)和對應的最大方位Azimax(T1，i)，i=1,2，…。如果存在副瓣情況，則在掃描范圍關于目標非對稱情況下，可能會計算有偏差，即目標方位會隨著掃描中心的運動而“運動”，對測向方法不利。在實現中通過對被動探測雷達作副瓣抑制，可以讓目標的每個周期的截獲位置在天線主瓣范圍內。

理想情況下，如果輻射源目標天線不轉，在主瓣能全截獲，根據幅度加權法能準確計算。但由于目標天線和被動探測雷達天線同時轉動，在被動雷達每個天線周期內的截獲輻射源目標的位置將會不同，在天線周期間的截獲位置可能有重疊。而且由于電磁環境和輻射源功率和遠近距離等影響，實際被動雷達對輻射源截獲情況并不穩定，表現在輻射源目標功率比較強時，被動雷達在天線背瓣處都能接收到目標，甚至幅度都可能比較強。數據處理軟件比較好的處理方法就是將最近N個歷史周期的截獲包絡的最大幅度通過幅度加權平均。由于幅度用對數表示時有正負之分，為了統一為正數方便處理，在幅度加權平均之前，對于最大幅度Ampmax通過下面的公式轉換為線性功率處理：

p=bAmpmax/b

其中，p為轉換后的最大功率，b=10。本文多周期幅度加權法公式可以表示如下：

2 α-β延遲濾波

本文對被動探測方位跟蹤算法采用α-β延遲濾波算法。在該算法中，除了對單次測向結果作平滑濾波，還要彌補多周期幅度加權法的延遲。從上述多周期幅度加權法的處理得益來看，參與計算的歷史周期數越多越好。然而，由于受截獲概率和目標機動性的影響，要求參與計算的歷史周期數應該越少越好。這是一對矛盾，本文的歷史周期(包含當前周期)N選擇為5。這樣，在機動情況下，也近似看成是線性變化的，可以與目標非機動情況下同等考慮。該算法方法公式如下：

xm(k)=xm(k-DN(k))+vf(k-1)*DN(k)*T

(1)

xf(k)=(1-α)*xp(k-1)+α*xm(k)

(2)

vf(k)=(1-β)*vf(k-1)+

β*(xm(k)-xp(k-1))/T

(3)

xp(k)=xf(k)+vf(k)*T

(4)

α=2*(2k-1)/(k(k+1))

(5)

β=6/(k(k+1))

(6)

其中，xm(k)為測量值，xf(k)為濾波值，xf(k)為濾波速度，xp(k)為預測置，T為掃描周期，DN(k)為延遲周期數，它與歷史截獲情況有關，通過式(1)得到xm(k)，并參與到α-β濾波中。

在式(1)中，xm(k)的計算與延遲周期數DN(k)有關，設歷史截獲情況為

H(i)=1 (截獲到目標)

H(i)=0 (未截獲目標)

其中i為歷史周期數，當前歷史周期為0，上一個歷史周期為1，依此類推。其滯后時間估計為

表1 中給出了歷史截獲情況與延遲周期數的關系。從表1中可見，最小和最大延遲周期數分別為0和2。

表1 歷史截獲情況與延遲周期數的關系表

實現本文被動測向算法的流程如圖2。

圖2 本文被動測向方法流程圖

3 試驗分析

本文通過靜態和動態試驗兩種情況比較本文算法與起始終止法的算法性能差異。靜態試驗主要驗證本算法中的多周期幅度加權法的處理得益；動態試驗主要驗證本算法中的α-β延遲濾波的跟蹤延遲。

3.1 靜態試驗

對實驗室條件下采集的模擬天線旋轉目標進行測向分析。信號源參數為PRI=2 ms，PW=200 μs，等效輻射源功率10 dBm, 真實方位為47.3°，天線掃描周期為4 s。被動探測系統的天線掃描方式為扇掃，扇掃中心48°，扇掃范圍22.5°，扇掃速度為1°/s。其有效的PDW到達時間-方位分布圖如圖3。

圖3 靜態試驗有效的PDW到達時間-方位分布圖

圖中，若干周期的截獲起始方位(°)，終止方位(°)，包絡最大幅度Ampmax(dBm)及其對應的方位Azimax(度)如表2。

表2 靜態試驗截獲數據

將起始終止法和本文測向算法精度統計如表3。

表3 靜態試驗精度統計

3.2 動態試驗

對跑船試驗下的輻射源進行測向分析。信號源參數為PRI=2.5 ms，RF=3050 MHz，天線掃描周期為2 s，目標從36度運動到48度附近。被動探測系統的天線掃描方式為扇掃，扇掃范圍22.5°，扇掃速度為1°/s，扇掃范圍能覆蓋目標。其有效的PDW到達時間-方位分布圖如圖 4 。

從圖4中可以明顯看出信號源的運動變化。為了比較起始終止法的算法性能，同樣列出其中若干周期的截獲起始方位(°)，終止方位(°)，包絡最大幅度Ampmax(dBm)及其對應的方位Azimax(°)如表4。

圖4 動態試驗有效的PDW到達時間-方位分布圖

表4 動態試驗截獲數據

將起始終止法和本文測向算法精度統計如表5。

表5 動態試驗精度統計

根據該結果，通過α-β延遲濾波，本文的測向方法并沒有產生跟蹤延遲，在精度上同樣比起始終止法有很大的提高。

4 結束語

本文的機械掃描被動測向方法基于多周期積累的算法思想，主要包含多周期幅度加權法和α-β延遲濾波兩個相互承應的部分。α-β延遲濾波一方面對多周期幅度加權法的延遲缺陷作了補償，另一方面完成了多周期幅度加權法的單次測向結果做平滑濾波。由于受截獲概率和目標機動性的影響，平滑周期的選擇就有了一定的限制，本文給出了歷史截獲情況與延遲周期數的關系。通過試驗分析驗證了本文的機械掃描被動測向方法。該算法對目標的掃描方式沒有要求，工程實現簡便、實時、實用，對準確估計輻射源目標方位并進行高精度跟蹤、海上運動目標協同定位，以及提高裝備的戰績水平具有重要的現實意義。

[1] 呂躍廣,等.電子情報(ELINT)：雷達信號截獲與分析[M]．北京：電子工業出版社，2008.3: 89-128.

[2] 何友，等.雷達數據處理及應用[M].北京：電子工業出版社.2006.1:31-35.

[3] 丁鷺飛，耿富錄．雷達原理[M].西安：西安電子科技大學出版社，2002.6:200-250.

A mechanically scanned passive direction-finding method based on multi-period accumulation

LU Gang，ZHAO Xin,GUO Lin-lin

(No.724 Research Institute of CSIC, Nanjing 211153)

The idea of the multi-period accumulation algorithm mainly includes the multi-period amplitude weighting and the α-β delay filtering. The former improves the processing benefit through the accumulation of the maximum amplitudes of the captured radiant point envelopes in N historical periods, and the latter not only compensates the former's limitation of delay but also completes the smoothing filtering of the single direction-finding result of the former. At the same time, the relationship between the delayed periods caused by the multi-period amplitude weighting and the historical interception is given. Finally, the mechanically scanned passive direction-finding method is verified through the test analysis.

radar; direction finding; multi-period accumulation; amplitude weighting; delay filtering

2014-07-14；

2014-09-08

呂鋼(1981-)，男，工程師，碩士，研究方向：數據處理;趙鑫(1980-)，女，工程師，碩士，研究方向：數據存儲；郭琳琳(1983-)，女，工程師，研究方向：科技情報、翻譯。

TN957.52

A

1009-0401(2014)04-0042-04