回波功率篩選與數字地表分類數據輔助的低空風切變風速估計方法

李 海宋 迪 程偉杰 王 杰

(中國民航大學天津市智能信號與圖像處理重點實驗室 天津 300300)

1 引言

低空風切變是一種能夠引起空難事故的災難性天氣，它具有持續時間短、瞬間強度大、作用區域小、危害性高等特點[1]。當飛機在起飛或者降落階段遭遇低空風切變時，飛行員若沒有足夠的時間和空間調整飛機姿態，將有可能導致空難的發生[2]，因此低空風切變的檢測和預警成為當前民航領域的一項重要課題，而風切變風速估計作為整個風切變檢測流程的基礎[3]，直接影響了風切變檢測的準確程度。

機載氣象雷達是民航飛機不可或缺的電子設備，它是民航飛機的“雙眼”[4]。近些年來，將雙極化相控陣體制引入到機載氣象雷達已經成為發展趨勢[5]，較傳統的單天線雷達，相控陣雷達的回波信號中含有目標空域信息，使得空時聯合處理成為可能，在強雜波背景下的目標檢測和參數估計性能更加優越[6]。空時自適應處理(Space-Time Adaptive Processing,STAP)[7]是機載相控陣雷達雜波抑制與目標檢測的關鍵技術，它能夠利用雷達回波的空時耦合特性實現雜波抑制和信號匹配[8]。在均勻雜波環境下，可以利用統計的方法，將臨近的距離單元作為訓練樣本對待測距離單元的雜波協方差矩陣進行估計，進而得到一個最大似然準則下的最優濾波器[9]，但在雷達的實際工作環境中，由于地表起伏等原因，不同的訓練樣本之間很難滿足獨立同分布的條件，同時不同距離單元的雜波回波功率存在嚴重的非均勻性，導致估計得到的雜波協方差矩陣失配，無法充分抑制強雜波，嚴重影響風速估計結果的準確性。

圍繞非均勻雜波環境下的STAP問題，研究者開展了大量的研究，提出了很多具有重要意義和實際應用價值的雜波抑制算法，主要包括功率選擇訓練法(Power Selected Training,PST)[10]、非均勻檢測器法(NonHomogeneity Detector,NHD)[11,12]、知識輔助法[13]等，這些方法大都應用于某種特定的雜波非均勻情況下的點目標的檢測和參數估計，應用于非均勻雜波環境下的低空風切變檢測和風速估計的文獻還未曾看到。

針對上述情況，本文提出一種回波功率篩選與DLCD(Digital Land Classification Data)輔助的低空風切變風速估計方法，該方法首先根據樣本回波功率的大小對訓練樣本進行篩選，選擇回波功率較大的訓練樣本估計雜波協方差矩陣，可以加深濾波器凹口，充分抑制功率非均勻的強雜波，然后利用數字地表分類數據DLCD計算各樣本間的相似度，并從功率較大的訓練樣本中再次挑選出樣本相似度較高的訓練樣本估計待測距離單元的雜波協方差矩陣，盡可能保證挑選出的訓練樣本和待測距離單元的雜波具有相同的分布，最后利用廣義相鄰多波束-局域聯合處理(Generalized adjacent Multiple-Beam-Joint Domain Localized,GMB-JDL)的方法獲得風場速度的準確估計。

2 機載前視陣雷達回波模型

圖1 機載前視陣幾何模型圖

3 回波功率篩選與DLCD輔助的低空風切變風速估計方法

本文所提回波功率篩選與DLCD輔助的低空風切變風速估計方法，首先利用回波功率對訓練樣本進行初選，從中選擇功率較大的訓練樣本；其次利用DLCD計算樣本相似度對初選出來的訓練樣本進行2次篩選，從中選擇樣本相似度高的訓練樣本估計待測距離單元的雜波協方差矩陣，最后利用GMBJDL的方法實現低空風切變風速的有效估計。

3.1 樣本挑選及雜波協方差矩陣估計

樣本挑選及雜波協方差矩陣估計的重點在于樣本挑選，其中樣本挑選包括回波功率篩選和樣本相似度篩選。

機載氣象雷達全距離單元的回波功率可以表示為

3.2 基于GMB-JDL的低空風切變風速估計

基于GMB-JDL的低空風切變風速估計方法的原理圖如圖2所示，從圖2可以看出，該方法是將GMB方法和JDL方法相結合，在適當增加輔助波束和輔助多普勒通道的基礎上，同時結合了兩種算法的優點，大大降低了運算量和對訓練樣本的要求，提高了低空風切變風速估計的穩健性。

圖2 GMB-JDL原理圖

當雷達回波信號通過GMB-JDL降維處理器后，可以在降維的基礎上實現地雜波抑制和風切變

4 方法流程

回波功率篩選與DLCD輔助的低空風切變風速估計的方法流程如圖3所示，本文所提方法可以有效地抑制非均勻地雜波并進行風速估計，其關鍵處理步驟為：

圖3 DLCD輔助的低空風切變風速估計流程圖

步驟1計算各距離單元的回波信號功率，篩選出功率較大的訓練樣本；

步驟2根據DLCD中的地貌分類碼計算樣本相似度；

步驟3從功率較大的訓練樣本中選擇樣本相似度較高的訓練樣本估計雜波協方差矩陣；

步驟4通過GMB-JDL的方法實現雜波抑制和風切變信號匹配；

步驟5構造功率輸出代價函數估計各距離單元風場回波信號的多普勒頻率。

5 仿真結果及分析

(1)仿真條件描述

本文假定風場位于載機前方8.5～16.5 km處，雷達與載機的其他仿真參數設置如表1所示。

表1 雷達與載機仿真參數設置

(2)仿真結果分析

圖4為仿真的機載氣象雷達回波信號空時2維譜。由圖4可以看出，當機載氣象雷達工作在前視模式時，低空風切變的空時2維譜為一條窄帶，地雜波的空時2維譜為橢圓形。低空風切變場的回波功率遠小于地雜波的回波功率，致使風場回波的多普勒信息被地雜波的多普勒信息所淹沒，嚴重影響了低空風切變的檢測及參數估計。

圖4 雷達回波信號的空時2維譜

圖5為均勻雜波環境與非均勻雜波環境的特征譜對比圖。由圖5可以看出，相比于均勻雜波，非均勻雜波大特征值的功率要高于均勻雜波，同時大特征值的個數也會增加，這會導致雜波自由度估計不準確，為功率非均勻的雜波抑制帶來困難。

圖5 特征譜對比圖

圖6為以10,50,90和130號距離單元為待測距離單元計算得到的樣本相似度。由圖6可以看出，以不同的距離單元為待測距離單元計算得到的各樣本相似度是不同的，說明在非均勻地雜波中，并不是所有的訓練樣本都滿足獨立同分布的條件，為了有效地估計待測距離單元的雜波協方差矩陣，需要根據樣本相似度選取合適的訓練樣本。

圖6 各距離單元的樣本相似度

圖7為本文所提方法與其他方法的風速估計結果對比圖。由圖7可以看出，本文所提方法在非均勻雜波環境下依然可以較好地估計出風場速度。對比圖顯示非均勻雜波環境下，最優STAP的估計結果相對于GMB-JDL方法還要差，主要是因為非均勻雜波環境下，用于估計雜波協方差矩陣所需的IID的訓練樣本數嚴重不足，而GMB-JDL方法作為一種穩健的降維STAP的方法，對訓練樣本數的需求沒有那么高。

圖7 風速估計結果對比圖

本文所提方法與其他方法的風速估計均方根誤差如表2所示，由表2可以看出，本文所提方法在非均勻雜波環境下的均方根誤差最小。

表2 風速估計均方根誤差

6 結束語

本文提出一種回波功率篩選與DLCD輔助的低空風切變風速估計方法，該方法將回波功率篩選與樣本相似度計算結合，從回波功率大的訓練樣本中再次篩選出樣本相似度高的訓練樣本估計雜波協方差矩陣，這樣可以加深濾波器凹口，充分抑制功率非均勻的強雜波，同時保證挑選出的訓練樣本可以和待測距離單元的雜波具有相同的分布，最后利用GMB-JDL的方法實現低空風切變風速的有效估計，降低了對訓練樣本數的需求，文中的仿真及實驗結果證明了所提方法的有效性。