雷達雜波建模與評估方法研究

唐文武 袁子喬 趙 博

(西安電子工程研究所 西安 710100)

0 引言

雷達(Radio Detection And Ranging，Radar)是一種利用無線電波進行目標探測和測距的設備，其概念最初形成于20世紀初，并在二戰期間得到大力發展。進入21世紀，眾多新概念雷達不斷涌現，如軟件化雷達、認知雷達。當下眾多先進技術的加入使現代雷達系統的性能不斷提升，包括雜波抑制性能。因此，雷達目標檢測性能的評估階段最直接的做法就是將雷達置于雜波、干擾等背景中。問題在于實際雷達雜波采集勢必消耗大量人力物力，并且若要得到不同地理環境完整的雜波數據，勢必延長雷達研發周期，不符合軟件化雷達提倡的從“使用壽命長”向“研制周期短”轉型的研制思想。為此，本文針對兩種有效的雜波模擬算法，即零記憶非線性變換法(Zero Memory Nonlinearity，ZMNL)及球不變隨機過程法(Spherically Invariant Random Process，SIRP)進行了深度研究。兩種算法采用均對雜波幅度與相關特性共同調制，實現不同條件下雜波具有不同幅度統計特性與時間相關特性的仿真。此外，本文提出了一種參數估計仿真驗證(Simulation Verification of Parameter Estimation，SVPE)的驗證方法。SVPE法利用實際雜波進行參數估計，然后根據得到的參數進行雜波仿真，最后再對仿真數據進行參數驗證。該方法的優勢在于估計的參數與驗證的參數處于不同維度，通過多維度的參數擬合，以實現有效地評估仿真數據的可靠性。

1 雷達雜波特性分析

雷達雜波可定義為目標各種背景的回波，是一種能夠影響雷達探測性能的非期望回波信號。在研究雷達雜波時，存在兩種不同觀點，一種是基于統計特性的假設，另一種是基于混沌特性的假設。統計特性假設認為，雷達雜波幅度統計特性通常服從Rayleigh分布、Log-Normal分布、Weibull分布、K分布等。而Olver等指出海雜波不僅包含可預測的隨機分量，還包含不可預測的混沌分量。本文基于Monte-Carlo方法的基本思想進行雜波仿真，簡單地說，常規脈沖雷達雜波仿真數據需同時滿足一定的統計模型與相關模型。

1.1 雷達雜波統計特性

天線波束照射區域由大量散射單元組成，這些散射單元的回波相互作用形成復雜的雷達雜波。在低分辨率雷達波束照射下，這種散射單元可以認為是空間獨立的，因此雜波幅度起伏特性服從高斯分布，在相干雷達中，即服從Rayleigh分布。而隨著雷達分辨率的提高，散射單元逐漸表現出相關性與非均勻性，雜波起伏特性逐漸偏離高斯(瑞利)分布。這種非高斯(瑞利)分布雜波可用Log-Normal分布、Weibull分布、K分布等具有更長拖尾的分布進行建模。

1)Rayleigh分布

(1)

其中，為瑞利系數。

2)Log-Normal分布

(2)

其中，為尺度參數，為形狀參數。

3)Weibull分布

(3)

其中，為形狀參數，為尺度參數。

4)分布

(4)

其中，為形狀參數，為尺度參數；(·)為gamma函數，(·)為第一類階貝塞爾函數。

1.2 雷達雜波相關特性

雷達雜波相關特性是由雜波產生機理決定的，例如海浪整體運動決定功率譜譜峰位置，海浪波紋使得功率譜拓展，因此功率譜能更直觀地反映不同頻率分量雜波功率。高斯譜和全極譜是兩種常用的功率譜模型，下面給出這兩種功率譜的表達式。

1)高斯譜

(5)

其中，為平均功率，為雜波多普勒頻率，為雜波功率譜標準差，越大，高斯譜譜峰越寬，高頻分量功率增大。

2)全極譜

(6)

其中，為歸一化功率譜半功率寬度。相比于高斯譜，全極譜具有更長的拖尾，適用于具有更高頻分量的雜波建模。

2 雷達雜波建模與仿真

本章針對脈沖雷達，介紹常用的雜波仿真算法及仿真結果評估，常用的仿真算法有ZMNL法及SIRP法。

2.1 地雜波仿真

地雜波多表現在地基雷達回波中，其強度一般呈現出一定的概率分布，可采用雜波的雷達截面積RCS來描述。雜波RCS計算公式為

=

(7)

其中，為散射截面積，為后向散射系數。地表植被、人為活動等眾多隨機因素導致呈現出一定的概率分布。在低分辨率、高擦地角時，一般可用瑞利分布進行建模，功率譜選用高斯譜模型。本文地雜波仿真采用ZMNL法，仿真參數如表1所列。

表1 地雜波仿真參數

地雜波仿真結果如圖1、圖2所示。圖1顯示了地雜波實部(上)與虛部(下)時域波形；采用burg法對地雜波進行功率譜估計，圖2左圖顯示地雜波功率譜理論值與仿真值，采用直方圖統計雜波幅度分布概率密度；圖2右圖顯示地雜波幅度分布PDF的仿真值與理論值。從圖2可以直觀地看出仿真值接近于理論值，后文將采用SVPE方法對仿真誤差進行評估。

圖1 地雜波實部與虛部時域仿真波形

圖2 地雜波功率譜、概率密度估計結果

2.2 海雜波仿真

海雜波受風速影響較大，此外洋流、海浪、海面溫度等各種復雜因素也決定這海雜波的形態。由于K分布綜合考量了海雜波特性及脈沖間雜波相關性，本次采用K分布與全極譜進行海雜波建模。 K分布滿足球不變隨機過程理論，因此海雜波仿真中本文采用了SIRP算法，詳細參數如表2所列。

表2 海雜波仿真參數

海雜波仿真結果如圖3所示。采用周期圖法進行海雜波功率譜估計，仿真值與理論值如圖4(a)所示；采用直方圖法估計海雜波概率密度函數，仿真值與理論值如圖4(b)所示。

圖3 海雜波實部與虛部時域仿真波形

圖4 海雜波圖

3 基于SVPE的海雜波仿真結果評估

本文針對海雜波進行驗證，參考數據來源于網站http://soma.ece.mcmaster.ca/ipix/dartmouth/ datase ts.html上的實際海雜波數據，采用SVPE進行海雜波仿真結果評估的流程如下：

1)對實際低海情雜波進行功率譜與概率密度估計；

2)選擇合適的功率譜與概率密度對1)估計結果進行擬合；

3)按2)所選功率譜及概率密度進行相關的參數估計；

4)將上一步所得參數輸入模型，進行仿真實驗；

5)估計仿真結果的功率譜與PDF，并與(1)結果進行對比；

6)計算實際與仿真雜波的Hurst指數和廣義維數，對比評估。

3.1 基于參考數據參數估計的海雜波仿真

在實際海雜波的功率譜估計與PDF統計中，分別采用Burg法與直方圖法，結果如圖5所示。根據所得結果，經研究發現在采用高斯譜和K分布的組合時，理論值與估計值能達到較好的擬合效果，并且不難得到功率譜標準偏差≈70Hz，中心多普勒頻率≈-185Hz。采用二、四階矩估計K分布尺度參數與形狀參數估計，估計結果為：尺度參數≈015，形狀參數≈340。根據上述參數進行海雜波仿真，再分別求取功率譜、概率密度函數的實際值、仿真值與理論值，結果如圖5所示。

圖5 基于參數估計的功率譜與PDF仿真結果

仿真結果顯示，功率譜仿真值與實際值總體較為接近，其誤差出現在峰值頻率附近。另外概率密度曲線誤差主要出現在峰值附近，并且由于每次仿真數據是隨機的，均方誤差也是隨機的，而10次仿真均方誤差平均值為0.0048，且總體均在置信區間[0 0.01]內。總之，模型誤差均在接受范圍內。

3.2 海雜波Hurst指數與廣義維數

自Mandelbrot提出分形幾何的概念，一個集合的維數不再局限于整數，也可能為分數，即分維數。分形被用于描述一些復雜的、不規則的、粗糙的數學模型，分維數則用于測定這種數學模型的維數。分形幾何的一種重要特征是自相似性，所謂自相似性，簡單地說是用于描述集合內不同尺度子集的結構相似程度，可用Hurst指數標定。

海雜波具有分形幾何的特征，因此求取海雜波Hurst指數與廣義維數，對海雜波研究具有重要的意義。本文采用R/S重標極差法計算Hurst指數，廣義維數分別選取盒維數及信息維數。實驗中，實際海雜波數據點數為131072，單次海雜波無重疊采樣點數為20000，進行6次仿真并計算Hurst指數與分維數，結果顯示仿真值與實際值僅存在微小差別。6次實驗Hurst指數仿真值與實際值如表3所示。

表3 Hurst指數實際值與仿真值對比表

盒維數、信息維數仿真值與實際值如表4所示。

表4 盒維數、信息維數仿真值與實際值對比表

4 結束語

本文以軟件化雷達為背景，研究了雷達雜波模擬中有效的建模方法與算法，并提出了SVPE驗證法。最后結合實際海雜波數據，通過計算Hurst指數及兩類分維數對仿真結果進行驗證，充分考慮方法可行性與數據可靠性。針對現存問題，如仿真實時性不高、模型存在一定誤差等，后續將繼續尋找解決方案，同時將研究新的建模方案，如基于混沌理論的雜波建模。