基于脈沖多普勒雷達(dá)時(shí)域回波的直升機(jī)識(shí)別算法

陳尹翔 楊 磊 羅丁利 王 勇

(西安電子工程研究所 西安 710100)

0 引言

對(duì)于直升機(jī)旋翼雷達(dá)回波的研究近幾年受到了國內(nèi)外學(xué)者的廣泛關(guān)注，作為旋翼轉(zhuǎn)動(dòng)的獨(dú)特特征，旋翼回波能夠給分類識(shí)別提供有用的信息。直升機(jī)在醫(yī)療救援、通信運(yùn)輸、低空攻擊、敵后偵查和空降轉(zhuǎn)移等軍用領(lǐng)域有著廣泛的應(yīng)用前景。目前基于直升機(jī)雷達(dá)回波特征分析研究已經(jīng)成為一個(gè)重要的研究領(lǐng)域[1-2]。

直升機(jī)旋翼回波研究主要包括：槳葉葉片回波建模及仿真；基于時(shí)頻域回波的直升機(jī)型號(hào)識(shí)別。對(duì)于戰(zhàn)場(chǎng)雷達(dá)來說，直升機(jī)目標(biāo)的探測(cè)識(shí)別可以推斷目標(biāo)的行動(dòng)意圖，不同直升機(jī)威脅程度不同，因而相應(yīng)的應(yīng)對(duì)方式也有所區(qū)別。相比于運(yùn)輸直升機(jī)，武裝直升機(jī)的威脅程度更大，故而對(duì)于直升機(jī)型號(hào)的識(shí)別也是非常有必要的。

1 直升機(jī)槳葉建模和特性分析

由于旋翼槳葉與雷達(dá)信號(hào)相互作用時(shí)可簡(jiǎn)化為較簡(jiǎn)單的矩形模型，即長(zhǎng)的窄金屬片反射雷達(dá)波，即旋翼槳葉可看成長(zhǎng)度為L(zhǎng)、高為H的矩形金屬片。

圖1所示為槳葉模型，雖然真正的旋翼槳葉的形狀非常復(fù)雜，但用矩形金屬片完全可以模擬雷達(dá)波與槳葉相互作用時(shí)的物理效應(yīng)。對(duì)于一塊長(zhǎng)度為L(zhǎng)、高為H的矩形板，其雷達(dá)反射截面積σLH可以用下式描述：

圖1 槳葉模型

(1)

(2)

所以σLH在θ=0附近取最大值，并迅速回落。仿真得到σLH隨θ變化的示意圖如圖2所示。

圖2 雷達(dá)反射截面積隨入射角度變化示意圖

圖2為矩形金屬板的RCS仿真圖，可以看出，整條曲線關(guān)于角度θ=0軸對(duì)稱，并且第二峰值與最大值差異較大，可以利用圖2中最靠近最大值的兩個(gè)波谷之間的間隔來表示峰值寬度，其中波谷位置出現(xiàn)在當(dāng)θ滿足(2π/λ)Lsinθ=±π時(shí)，得到：

(3)

一般情況下，λ?L?λ/L≈0，以及sinθ是θ的等價(jià)無窮小量，可以得到峰值寬度：

(4)

可以看出，當(dāng)雷達(dá)入射信號(hào)與旋翼槳葉垂直時(shí)，葉片的RCS最大，且由于sinc函數(shù)的作用，峰值兩側(cè)迅速回落。這意味著只有當(dāng)旋翼槳葉垂直于雷達(dá)時(shí)，才可以探測(cè)到最明顯的峰值信號(hào)，而信號(hào)從其他角度照射時(shí)可檢測(cè)到低水平的反射信號(hào)。對(duì)這一信號(hào)的檢測(cè)，也就是雷達(dá)工程師所熟知的“槳葉反射”[3]。

對(duì)于直升機(jī)目標(biāo)來講，回波主要包含機(jī)身分量，主旋翼和尾旋翼分量，尾旋翼回波強(qiáng)度較小且一般會(huì)被機(jī)身遮擋，本文主要討論主旋翼回波對(duì)直升機(jī)的識(shí)別。

對(duì)于偶數(shù)旋翼的直升機(jī)，以4旋翼為例。如圖3可知，當(dāng)槳葉1轉(zhuǎn)動(dòng)到位置A時(shí)，槳葉3同時(shí)會(huì)轉(zhuǎn)動(dòng)到位置B，此時(shí)槳葉1為前進(jìn)葉片，槳葉3為后退葉片，而回波為一次前進(jìn)葉片與后退葉片回波之和。即每一次出現(xiàn)的槳葉反射現(xiàn)象的回波都是一次前進(jìn)葉片與后退葉片回波之和。

圖3 雷達(dá)照射4旋翼槳葉示意圖

對(duì)于奇數(shù)旋翼的直升機(jī)，以5旋翼直升機(jī)為例。如圖4可知，當(dāng)槳葉1轉(zhuǎn)動(dòng)到位置A時(shí)，僅會(huì)出現(xiàn)前進(jìn)葉片槳葉反射；下一時(shí)刻，槳葉3轉(zhuǎn)動(dòng)到位置B，僅會(huì)出現(xiàn)后退葉片槳葉反射，以此類推，旋翼轉(zhuǎn)動(dòng)一周后出現(xiàn)5次前進(jìn)槳葉反射，5次后退槳葉反射，并且前進(jìn)葉片與后退葉片相互交替出現(xiàn)，不會(huì)重疊。

圖4 雷達(dá)照射5旋翼槳葉示意圖

分析可以得出，奇數(shù)旋翼轉(zhuǎn)動(dòng)一周出現(xiàn)的槳葉反射次數(shù)是其旋翼數(shù)的兩倍，并且因?yàn)榍斑M(jìn)葉片與后退葉片的回波不同，導(dǎo)致相鄰槳葉反射的強(qiáng)度差異較大；相應(yīng)的，偶數(shù)旋翼轉(zhuǎn)動(dòng)一周出現(xiàn)的槳葉反射次數(shù)等于其旋翼數(shù)，而且每次前進(jìn)葉片和后退葉片的槳葉反射相疊加，使得其槳葉反射的回波強(qiáng)度基本相同。

2 特征提取與目標(biāo)識(shí)別

首先根據(jù)實(shí)測(cè)數(shù)據(jù)對(duì)雷達(dá)的時(shí)域回波做MTD處理，提取目標(biāo)所在的距離單元，在該距離單元上通過CLEAN算法去掉地物雜波，然后剔除掉機(jī)身分量并做傅里葉逆變換，得到時(shí)域回波信號(hào)。實(shí)測(cè)數(shù)據(jù)直升機(jī)一為4旋翼直升機(jī)，直升機(jī)二為5旋翼直升機(jī)，兩類直升機(jī)的時(shí)域回波如圖5所示。

如圖5所示，直升機(jī)一為偶數(shù)槳葉，槳葉反射基本上為等間隔，并且槳葉反射信號(hào)強(qiáng)度相差不大；直升機(jī)二為奇數(shù)槳葉，因?yàn)榍斑M(jìn)葉片與后退葉片的差別，會(huì)出現(xiàn)強(qiáng)槳葉反射與弱槳葉反射相交替的現(xiàn)象。若將兩類直升機(jī)的槳葉反射間隔提取出來，則可以針對(duì)此特征，對(duì)該兩類直升機(jī)進(jìn)行識(shí)別。

圖5 直升機(jī)時(shí)域包絡(luò)圖

具體識(shí)別流程圖如圖6所示。

圖6 識(shí)別流程圖

具體實(shí)現(xiàn)步驟包括如下：

步驟1：直升機(jī)目標(biāo)檢測(cè)

對(duì)時(shí)域信號(hào)進(jìn)行傅里葉變換得到多普勒譜，根據(jù)直升機(jī)速度與地物雜波的區(qū)別提取目標(biāo)所在的距離單元。

步驟2：雜波預(yù)處理

1)對(duì)目標(biāo)所在距離單元的多普勒譜，給定雜波譜寬度，確定最大迭代次數(shù)；雜波譜寬度和最大迭代次數(shù)可以利用如下規(guī)則確定：

①雜波譜寬度

由于直升機(jī)所處的雜波環(huán)境通常是地雜波。不同雜波的頻譜標(biāo)準(zhǔn)偏差σv值。然后由σc=2σv/λ確定雜波譜寬度，其中λ表示雷達(dá)波長(zhǎng)。

②最大迭代次數(shù)

由脈沖重復(fù)頻率fr、動(dòng)目標(biāo)檢測(cè)(MTD)點(diǎn)數(shù)M和雜波譜寬度σc確定最大迭代次數(shù)N：

(5)

2)在雜波范圍內(nèi)搜索最大值，記錄最大值的幅度A、相位θ以及多普勒頻率fc；

3)重構(gòu)最大值對(duì)應(yīng)的雜波時(shí)域信號(hào)：

sc=(A/K)exp[j(2πfct+θ)]

(6)

其中K表示脈沖積累數(shù)，從原時(shí)域信號(hào)中減去雜波信號(hào)得到新的時(shí)域信號(hào)；

4)重復(fù)1)到3)步驟直到最大迭代次數(shù)。

步驟3：去掉噪聲

利用單元平均恒虛警檢測(cè)(CA-CFAR)進(jìn)行處理，確定保護(hù)單元和參考單元，確定虛警率Pfa，去掉噪聲。其中參數(shù)確定如下：

1)確定保護(hù)單元和參考單元數(shù)目。

步驟4：特征提取

對(duì)上述去掉噪聲的時(shí)域信號(hào)從左到右進(jìn)行滑窗，將非峰值信號(hào)置0，保留峰值信號(hào)。對(duì)該時(shí)域信號(hào)進(jìn)行檢測(cè)并提取峰值包絡(luò)，可以得到峰包的信息作為特征，并設(shè)計(jì)相應(yīng)的分類器進(jìn)行直升機(jī)型號(hào)的識(shí)別。

可以得到兩個(gè)特征：特征一，統(tǒng)計(jì)相鄰峰值信號(hào)間隔均值作為特征；特征二，獲取相鄰峰值的強(qiáng)度差，根據(jù)強(qiáng)度差與峰值強(qiáng)度的比值作為特征，可以對(duì)該兩類直升機(jī)進(jìn)行識(shí)別。

根據(jù)上述第4步，對(duì)時(shí)域信號(hào)回波進(jìn)行特征提取后，得到兩類直升機(jī)的槳葉反射間隔如圖7所示。

圖7 直升機(jī)一、二槳葉反射圖

由圖7可以看出，直升機(jī)一的槳葉反射間隔與直升機(jī)二槳葉反射間隔存在差異，而且因?yàn)橹鄙龣C(jī)二是奇數(shù)片槳葉，其槳葉反射是前進(jìn)葉片和后退葉片交替出現(xiàn)，體現(xiàn)在回波強(qiáng)度是強(qiáng)弱相間交替出現(xiàn)。

之后，我們利用分類器對(duì)它們進(jìn)行分類識(shí)別。根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論中結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，支持向量機(jī)(Support Vector Machines，SVM)分類器理論應(yīng)運(yùn)而生，在解決小樣本、非線性和高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)[6]。本文采取SVM分類器對(duì)目標(biāo)進(jìn)行識(shí)別，核函數(shù)選取Gaussian Kernel-SVM，其中訓(xùn)練樣本為200組，由直升機(jī)一和直升機(jī)二的樣本中隨機(jī)各抽取100個(gè)樣本構(gòu)成；剩下的828個(gè)樣本作為測(cè)試樣本。100次蒙特卡洛試驗(yàn)后得到的平均識(shí)別率為99.4%。

3 結(jié)束語

本文針對(duì)不同直升機(jī)目標(biāo)的識(shí)別問題進(jìn)行研究。對(duì)旋翼的運(yùn)動(dòng)特性進(jìn)行理論分析，建立了旋翼轉(zhuǎn)動(dòng)的數(shù)學(xué)模型，分析了旋翼個(gè)數(shù)的奇偶性以及其對(duì)槳葉反射信號(hào)的間隔和強(qiáng)度的影響。根據(jù)兩類直升機(jī)時(shí)域回波的差異，提取兩類直升機(jī)的槳葉反射信號(hào)的回波強(qiáng)度以及間隔差異作為特征對(duì)兩類直升機(jī)進(jìn)行識(shí)別。基于實(shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠有效地對(duì)兩類直升機(jī)進(jìn)行識(shí)別。