基于雷達回波極化特征的電力線識別方法

伍政華1,2， 郭 鋒， 盛 勻1， 顧宗山1,2， 姜文東， 周嘯宇

(1.中國電子科技集團公司第三十八研究所， 安徽合肥 230088；2.孔徑陣列與空間探測安徽省重點實驗室， 安徽合肥 230088；3.國網浙江省電力有限公司， 浙江杭州 310007)

0 引言

低空飛行器(如直升機、無人機等)常在復雜低空環境中執行任務，事故率要遠高于固定翼飛機。統計分析表明，直升機大部分飛行事故是與低空障礙物碰撞所致；在引起直升機事故的各類障礙物中，電力線因其雷達截面積(Radar Cross Section, RCS)很小而很難被探測、感知，已成為直升機安全飛行的頭號殺手。至今已報道過多起因直升機撞線引起的安全事故，如2018年6月2日安徽泗縣境內一架民用直升機在執行防治美國白蛾任務過程中撞擊高壓線，不幸墜毀。所以，精確感知電力線的能力是保障低空飛行器飛行安全的急迫需求。

目前常見的感知電力線的傳感器有紅外成像儀、激光雷達、毫米波雷達[1-2]等。其中紅外成像儀和激光雷達受環境影響不能提供全天時全天候的安全保障；傳統的直升機防撞雷達大多采用毫米波段，利用低副瓣天線波束對掃描范圍內的目標進行覆蓋，并從空域、時域等多個維度對目標進行檢測跟蹤，但由于沒有專門的識別機制、造成電力線類目標檢測居高不下的虛警率，因此使得傳統體制的雷達在電力線檢測識別上的實用性不強，無法滿足實際的飛行需求。

電力線目標的物理特性決定其對雷達水平極化信號和垂直極化信號的響應程度存在很大差異，據此本文創新性提出了一種充分利用雷達極化信息的電力線目標識別新方法，從雙極化雷達信號中提取出多維信息如距離、方位、水平極化通道幅值、垂直極化通道幅值等，計算目標的極化傾角和橢圓率角組成特征向量，進而構建多維特征空間用于電力線目標的分類識別。分類識別算法并不是本文所研究的重點，因此本文采用經典的支持向量機對電力線目標和電力線之外的虛假目標進行分類識別。某在研直升機防撞雷達在不同雜波環境下的實測飛行試驗驗證了本文所建立的多維特征空間可有效區分電力線目標和虛假目標，分類準確率可達91%以上。本文所提方法可應用于障礙物預警雷達中，具有很強的實用性。

1 多維特征空間構建

1.1 電力線的極化特性描述

(2)

圖1 橢圓極化描述示意圖

根據式(1)可以看出，若要測量目標的極化傾角只需測出水平和垂直信號分量的幅值，以及兩個分量之間的相位差即可。線狀目標如電力線的典型極化傾角為0°或180°，柱狀目標如電力線鐵塔的典型極化傾角為90°[5-6]。所以，極化特征可作為一種顯著特征用于電力線、鐵塔等目標的檢測與識別。

(a) 水平極化通道距離-幅值譜

(b) 水平極化通道速度-幅值譜

(c) 垂直極化通道距離-幅值譜

(d) 垂直極化通道速度-幅值譜圖2 水平極化與垂直極化通道聯合檢測電力線目標

如圖2所示為某在研直升機防撞雷達探測電力線的真實回波數據，從圖中可以看出電力線回波(紅色圈距離單元)在水平極化通道幅度值大，而在垂直極化通道幅度值很小，其余距離單元的回波在水平和垂直極化通道的回波強度差異性不明顯。根據兩個極化通道的幅值和相位差，計算出該目標的極化傾角為1.9°，為典型電力線目標極化傾角(典型極化傾角為0°或180°，由于測量誤差的存在，測量結果一般在0°或180°附近)。

若將距離-多普勒圖(Range-Doppler Map, RDM)用等幅值線描述，可以從另一個角度來觀察電力線目標的極化特性。如圖3所示，左邊為水平極化通道RDM的等幅值圖，右邊為垂直極化通道RDM的等幅值圖。可以看出，由于電力線對水平極化信號響應強，在水平極化通道中，電力線目標可呈現一局部的“山峰”特性。在垂直極化通道中，電力線目標的回波較弱，無波峰現象發生。對于鐵塔等柱狀目標，所呈現的極化特性與電力線目標剛好相反，即在垂直極化通道響應強，在水平極化通道響應較弱。

(a) 水平極化通道等幅值圖

(b) 垂直極化通道等幅值圖圖3 電力線目標的RDM等幅值圖

電力線的這種典型的極化特性，既可在目標檢測中發揮作用以提高檢測概率，又可用于特征級聯分類中，并反饋給跟蹤模型以進一步降低虛警率。

1.2 特征選取分析

對于電力線檢測雷達來說，居高不下的虛警率是阻礙其走向實裝的最大阻力，這是因為傳統的雷達對于電力線這類特殊目標沒有作特殊的信號和數據處理，不能將電力線目標和其余目標(包括雜波引起的虛假目標和其他類型障礙物目標)區分開來。傳統的單極化雷達可獲得的目標參數一般有距離、方位、多普勒、幅值等，實踐證明利用距離、方位、幅值等信息來區分電力線目標和其他類型目標及雜波是不可行的；而由于電力線和地雜波都是靜止的，兩者相對載機的多普勒速度是相似的，所以從多普勒維區分也是不可行的。

圖4～圖7展示的某在研直升機防撞雷達的實測飛行數據，實測數據可以佐證以上的分析。圖4顯示了電力線和虛警目標的回波信號在距離、通道1的回波強度、通道2的回波強度三個緯度的數據，其中通道1和通道2都是水平極化通道，可以看出電力線目標和虛假目標混合在一起無法區分。

圖5進一步展示了電力線目標和虛假目標在距離、多普勒和回波強度三個緯度的情況，同樣存在目標與虛警混合在一起難以區分類似的結果。

圖4 電力線與虛警在距離-幅值上的特征分布

圖5 電力線與虛警在距離-多普勒-幅值上的特征分布

通過1.1節的分析可知，極化信息是區分電力線目標、其他類型目標以及雜波引起的虛假目標的最大特征信息，為此某在研直升機防撞雷達采用雙極化的設計，同時發射兩種極化的電磁波并同時接收兩種極化的回波信號，采集到的數據如圖6所示，可以看出在水平極化通道幅值、垂直極化通道幅值和極化傾角組成的一個三維空間中，電力線目標和非電力線目標在該空間中形成了明顯的分界線，區分非常明顯。

圖6 農田環境下電力線與虛警在多個極化維度上的特征分布

同樣的情況也出現在如圖7所示的山區環境，其中顯示了飛行獲得的2 000個山區環境下的數據樣本，電力線目標和虛警在三維空間里形成了明顯的分界。

圖7 山區環境下電力線與虛警在多個極化維度上的特征分布

1.3 多維特征空間構建

根據上面的分析，本文將以下的參數作為特征向量用于電力線目標的分類識別，vec_feature=[r,v,γ,aH,aV,ψ]，其中r為距離，v為多普勒速度，γ為方位角，aH為水平極化通道回波強度，aV為垂直極化通道回波強度，ψ為極化傾角，從而構成了6個維度的特征向量空間用于電力線目標的分類識別。

2 實測飛行數據分析

2.1 飛行試驗設計

為了試驗后數據分析需要，首先建立了飛行試驗區域內的真實電力線障礙物地圖，在飛行數據分析中通過經緯度的對比就可以從雷達回波數據中很容易獲得真實電力線目標的檢測點。其次，設計兩種飛行場景，分別是農田環境和山區環境，來驗證本文所提出的方法在不同雜波環境下的適應性。圖8展示的是哈爾濱某地區進行的試飛試驗場景，直升機從不同的飛行角度逼近電力線目標，并在距離電力線3 km左右開始記錄飛行數據，如此往返穿梭于電力線目標區域進行多次飛行試驗。

圖8 飛行試驗場景示意圖

2.2 試驗數據分析

在飛行過程記錄的數據中，我們隨機選取了電力線目標和虛假目標各2 000個數據樣本作為數據分析對象，對電力線目標和虛假目標(主要由雜波引起的)的多維度特征作詳細對比。

因此，《中國彝族梅葛史詩叢書》的整理出版，無論是從民族文化工作，還是學術研究，甚至姚安諸多的參與者的角度，都有不容忽略的意義和價值。

由于分類識別算法不是本文討論的重點，我們將采用一種經典的算法來驗證本文所建立的多維特征空間在電力線分類識別中的性能。可用于分類識別的算法有很多，如決策樹、神經網絡、支持向量機、貝葉斯分類器、隱馬爾科夫模型等[7-12]。本文利用經典的支持向量機模型進行電力線的分類識別。給定訓練樣本集，分類學習最基本的想法是基于訓練集在樣本空間中找到一個劃分超平面，將不同類別的樣本分開。但能將訓練樣本分開的劃分超平面有很多，支持向量機就是找到一個超平面所產生的分類結果是最魯棒的，對未見示例的泛化能力最強。

表1給出了在不同的特征空間中，利用不同的訓練樣本和測試樣本獲得的電力線目標分類統計結果。可以看出，利用傳統的多普勒特征，即在多普勒特征空間中進行電力線識別，識別準確率只有46.6%。而在本文所推薦的極化特征空間中進行電力線識別，準確率可達91%以上。更具體地，利用農田環境的2 000組數據作為訓練樣本，農田環境的500組數據作為測試樣本，獲得的分類準確率為95.1%；利用農田環境的2 000組數據作為訓練樣本，山區環境的500組數據作為測試樣本，獲得的分類準確率為93.2%；利用山區環境的2 000組數據作為訓練樣本，農田環境的500組數據作為測試樣本，獲得的分類準確率為91.2%。可以看出，本文所構建的特征空間用于電力線識別，可有效適應多種雜波環境。

表1 利用極化特征的電力線分類結果

在某在研直升機防撞雷達中，利用機器學習進行目標的分類是抑制虛警的其中一個環節。實際探測過程中，對電力線建立匹配的跟蹤模型，并用檢測前跟蹤技術對電力線目標和非電力線目標進行跟蹤，從而在跟蹤積累過程中，可進一步降低虛警率，如圖9所示，真正推動電力線預警雷達的實用化進程。

圖9 極化特征使用前后虛警率對比結果

3 結束語

本文構建了一個多維極化特征空間用于電力線目標的分類識別，有助于推動電力線預警雷達走向實用化。理論分析和實測數據表明，線狀物體對水平極化信號響應強而對垂直極化信號響應弱。不同雜波環境下的實測飛行數據表明，電力線目標和其他類型目標(包括虛假目標)在由水平極化回波強度、垂直極化回波強度、極化傾角等構成的極化特征空間里形成了明顯的分界線，有利于區分電力線目標和其他虛假目標。利用本文所推薦的特征向量空間進行電力線目標分類，準確率可達91%以上。該方法已在某在研直升機防撞雷達中使用，有利于推動該障礙物預警雷達走向實用化。