STAP在機載雷達對海面運動目標檢測中的應用

王金峰 劉仍莉 顧慶遠

(1.中國電子科技集團公司第三十八研究所 合肥 230088;2.孔徑陣列與空間探測安徽省重點實驗室 合肥 230088)

0 引言

雷達是一種工作于微波頻段的主動探測設備,不受天氣、光照、目標溫度等因素的影響,且工作距離遠、覆蓋范圍寬,是高效的海面監視裝備。機載雷達在對海面運動目標探測時,回波中不僅包含了目標的信息,也包含了大量的來自于海面的非期望信息(一般被稱為海雜波)[1-2]。

傳統的機載對海面目標檢測時采用超低副瓣的和波束天線,信號波形分為捷變頻和固定頻點的非相干處理波形和相干處理波形,前者通過頻率捷變使海雜波去相關,后者通過多普勒濾波器組實現雜波的抑制和目標的相干積累。因其結構簡單、運算量低得到了大量的工程應用[2]。

為了提高海面目標的檢測性能,學者們從不同的角度提出了大量的處理方法。一類是對傳統方法的精細化發展,對海雜波建立統計模型,并根據統計模型參數選擇合適的檢測器:如最大選擇或最小選擇、排序CFAR,廣義似然比檢測,自適應匹配濾波,K分布下的最優檢測器,廣義Pareto功率分布下的最優廣義似然比現行門限檢測器等;另一類是新的理論方法引入到海面目標檢測中來,如基于海面分形和混沌特征的方法、基于特征的人工智能方法等[2]。

隨著雷達系統技術的發展,多通道系統已廣泛應用,并結合空時自適應處理(STAP)技術在地面運動目標檢測(GMTI)和對空中運動目標檢測(AMTI)中取得了較好的雜波抑制效果,提高了雜波中運動目標檢測的性能[3-5]。德國Valeria.G等利用多通道試驗系統數據,分析了海雜波的空時特性及雜波抑制的方法[6]。王金峰等利用雙通道的機載雷達實測數據驗證了雙通道進行空時雜波抑制的方法[7]。黃鵬輝等提出了多通道系統的子空間投影雜波抑制方法,并利用仿真數據進行了驗證[8]。多通道系統對海面運動目標的檢測正受到越來越多的關注。

本文基于機載多通道對海運動目標檢測雷達的實測數據,在多通道系統進行建模的基礎上,分析了海雜波的空時特性,設計了STAP應用到機載多通道對海面目標檢測中的應用方法,實現海雜波的抑制。對實測數據的處理驗證了算法的有效性。

1 多通道系統回波模型

雷達陣列指向機頭方向,通過相掃實現區域的覆蓋。對于面雜波下的運動目標檢測,特別是慢速運動目標的檢測,一般采用低重頻的工作模式。如圖1所示,M子陣的陣列沿y軸均勻分布,子陣間距為d,載機在高度H處沿天線法線方向x軸運動。那么,方位角為α,俯仰角為β的散射點,對于線性調頻信號系統,脈壓后的各子陣響應可表示為

圖1 多通道雷達系統幾何

(1)

(2)

在遠場條件下,忽略每項前的sinc型包絡調制項差異,以第1個子陣為參考,則目標所在單元的空間維信號可表示為

(3)

其中α為方位角,β為俯仰角,t為脈沖時間。

對于靜止的散射點,目標與雷達的距離變化來源于雷達的運動:

R1(t)=R1(0)-2vptcosαcosβ

(4)

其中vp為雷達載機的地速,其對應的多普勒頻率可表示為

(5)

可見多普勒隨空間角度的變化而變化,即多普勒的局部化可對應空間角的局部化,因此,可以方便地采用降維的空時自適應處理方法實現地面雜波環境下的雜波抑制,且已得到了廣泛的應用。

對于海面的散射點,目標與雷達的距離來源于雷達和海浪的綜合運動,且復雜的海浪運動分量,對應著不同的空間分布,此處將海雜波的多普勒頻率表示為式(6)所示。

(6)

其中vs為海面散射體本身的運動速度,∑(·)表示對所有的可能組合求和。

2 海雜波空時特性分析

從海雜波的多通道回波模型可見:相對于地面靜止雜波,海雜波由于自身的運動在多普勒維度上增加了vs項,且不同的vs值對應不同的空間角度。下面從海雜波的多普勒分布與空間主分量及空間相位差的角度,分析海雜波的空時分布特征。

2.1 空間分量的分布特點分析

空時兩維的局部化處理是STAP降維處理的主流思路,其中以1DT和3DT為代表的mDT類算法[4],得到了廣泛的應用。其應用的前提首先是多普勒維的局部化對應空間維的局部化。因此,首先將脈沖時間維的S(t,α,β),轉到多普勒維,如圖2所示為其中一個子陣的距離多普勒分布圖。可見海雜波主要集中分布在一定的多普勒通道上,表明海雜波在脈沖間保持了一定的相干性,可以實現雜波多普勒維的局部化。

圖2 距離多普勒分布

構建多普勒通道fdn的子陣空間維信號矢量為

S(fdn,τ)=[s1(fdn,τ),…,sM(fdn,τ)]T

(7)

此時信號序列僅包含了空間信息。因此,通過統計協方差矩陣的特征分解獲得各信號空間分量的分布情況。首先構建空間維信號的協方差矩陣為

(8)

其中τi為距離快時間維采樣時刻,P為樣本點數。進行協方差矩陣的特征分解如式(9)所示。

(9)

其中:U為特征矢量矩陣,其列為特征矢量;Λ為對角矩陣,對角元素為實數,其對應各特征矢量的能量。如圖3所示,為4通道子陣系統的海雜波分量在各多普勒通道內的分布曲線,在天線主瓣區域存在兩個較大的雜波分量,第三個分量雖不大,但也可見能量的起伏,最小的分量可認為系統的噪聲分量,其幾乎沒有起伏。

圖3 多普勒通道的特征分量分布

特征矢量對應了各空間分量的特征子空間,此處通過空域頻譜分析可得到該空間分量的空間角度,如圖4所示。

圖4 海雜波分量的空間分布

可見兩個主要分量的對應空間角度存在一定的差異。這從實測數據的角度驗證了式(6)的正確性。

通過以上對多普勒局部化后的海雜波空域分量分析,可見海雜波可以滿足多普勒維的局部化,且多普勒局部化后空間維度也可以實現局部化。因此,存在進行降維空時自適應處理的前提。

2.2 特征隨距離的變化

從圖2海雜波的距離多普勒分布可見,海雜波的強度隨著距離的增加,雜波的強度逐漸變弱。為了分析海雜波分量隨距離(對應固定高度的載機平臺,對應著海面入射角)的變化情況。對不同距離段的特征分量進行分析,典型的特征分量分布情況如圖5所示。

圖5 不同距離時的特征分量分布

由圖5可見,隨著波束入射角的減小,海雜波強度變低,各分量的幅度也隨之減低,大幅度分量間的幅度差也隨之降低,主要分量的數量也隨之減小(由圖3的第三分量可見起伏,到圖5(a)的第三分量強度趨于噪聲水平和圖5(b)的第二分量強度也趨于噪聲水平)。

3 基于空時處理的海雜波抑制

通過多通道機載系統實測海雜波特性的分析可知:海雜波(特別是強海雜波)在相干處理時間內具有一定的時間相關性,可通過多普勒濾波器組(通常采用FFT方法)降低海雜波的時域維度;多普勒濾波后的海雜波在空間維上分量比地面雜波自由度高,但有限。因此,本文采用基于mDT的空時處理算法進行海雜波的抑制。另外,隨著距離的變化,海雜波的特性存在差異。因此,在實際的應用中采用距離分段的思路降低距離變化的影響。

3.1 樣本綜合選擇策略

自適應濾波器Wopt的構建可表示為

Wopt=σR-1D

(10)

其中:σ為歸一化系數;R為協方差矩陣的估計,其代表了目標所處環境的統計特性;D為導向矢量,代表了濾波器的意愿。由此可見,其主要包括兩個關鍵因素:一是統計協方差矩陣的構建;二是導向矢量的選擇。

在實際工程應用中,導向矢量可以由先驗知識或者掃描覆蓋的需求進行定義,可自由定義。那么,協方差矩陣的估計就成了自適應濾波器構建的關鍵。而協方差矩陣估計的關鍵在于樣本的選擇,本文采用幅度信息與統計NHD(非均勻檢測)相結合的綜合方法實現樣本的選擇。

3.1.1 基于幅度的選擇方法

海面雜波通常可認為由Bragg散射、Burst散射和Whitecap散射三個不同特征的分量組成,其中Bragg散射與諧振的毛細波有關,廣泛且均勻地分布在各個距離單元上;Burst散射和Whitecap散射主要由海浪的整體運動和波冠的破裂產生,其隨海浪的周期在距離上周期起伏[1],如圖6所示。小幅度樣本的引入將導致雜波的功率估計不足,帶來雜波抑制的不足。因此,首先對當前多普勒通道,當前距離段的幅度排序,僅選擇一定比例的強幅度散射點作為樣本。

圖6 海雜波沿距離的周期起伏幅度

另一方面,在雷達海面目標檢測的應用中常常出現強散射的目標點,以致于該散射點的加入嚴重影響了后續的NHD檢測。因此,基于目標稀疏的假設,實際應用中將幅度最大的一定數量的樣本不選入協方差矩陣的估計樣本中。

3.1.2 基于排序剔除的APR方法

在通過幅度選擇后的樣本中,可能存在較弱的運動目標單元。因此,通過NHD實現樣本的進一步剔除。在NHD算法中,自適應功率剩余(APR)具有較好的性能并得到了廣泛的應用[5],其迭代改進型采用迭代的方式每次剔除一個“最不均勻”的樣本,直到所有剩余的樣本趨于均勻,降低了非均勻樣本在計算過程中對統計特性的估計誤差,提高了性能[9]。

在實際的應用中,單次APR的性能受限、迭代改進型APR的效率又不能滿足系統需求。本文將迭代APR的單次剔除效率提高,在性能損失有限的情況下,僅需要少量的迭代即可實現非均勻樣本的檢測,平衡了工程應用的性能和效率。

設樣本集Ω中的樣本數為K,每次剔除的非均勻樣本數比例為μ,主工作波束方向對應的導向矢量為D′,迭代計數k=0,m(0)=0,收斂容差ζ為一接近零的數,最大迭代次數E,實現步驟如下:

1)以當前樣本估計協方差矩陣為

(11)

2)計算樣本集中每個樣本的功率剩余值為

(12)

3)將功率剩余值進行排序,并將最大的μK個樣本從樣本集Ω中剔除;

4)迭代計數k=k+1,并記錄第μK個功率剩余值記作m(k),更新樣本數量K=(1-μ)K;

5)循環以上步驟,直到|m(k)-m(k-1)|≤ζ或者k>E終止。

通過以上的樣本選擇后,既可保證樣本具有較好的能量以實現雜波的抑制,又可以避免非均勻樣本(特別是目標)參與環境統計的估計造成目標的損失。

3.2 基于mDT-STAP的算法流程

mDT類STAP降維方法首先將脈沖維轉換到多普勒維,利用機載雷達運動帶來的空-時對應關系實現空時解耦,達到降低時間維空域自由度的目的。該類算法對系統的精度要求較低,已在工程上得到了廣泛的應用。

為了適應海雜波強度隨雷達波束擦地角的變化,以及工作區域內海浪速度的變化,本文采用基于距離分塊的空時算法進行海雜波的抑制。算法的流程如圖7所示。

圖7 基于距離分段的mDT-STAP算法流程

1)首先將多個子陣接收的回波按照距離分為一定數量的回波塊,在實時處理中可將不同距離塊的數據分發到不同的處理單元進行并行處理;

2)對每塊數據沿脈沖維通過FFT由脈沖維轉換到多普勒維,完成多普勒維的局部化。再利用相鄰的m個多普勒通道與M個子陣通道構建頻空信號矢量為

(13)

3)對X進行樣本選擇;

4)根據式(11)進行協方差矩陣估計;

5)根據式(10)構建最優濾波器;

7)逐多普勒通道進行遍歷,得到第p距離段的海雜波抑制結果;

8)對所有的距離段進行遍歷后進行CFAR檢測得到目標的檢測結果。

4 試驗數據的處理

某X波段機載試驗雷達的天線采用4子陣配置,在某海域海面運動目標檢測試驗過程中采集了部分海面回波數據。如圖8所示為采用3DT-STAP算法時,海雜波抑制前后的距離-多普勒能量分布圖,圖9為多個距離單元統計的多普勒維能量分布圖,可見海雜波抑制前雜波能量在波束主瓣區較強,采用空時自適應處理后的主雜波得到了較好的抑制。

圖8 海雜波抑制對比圖

圖9 海雜波抑制前后的多普勒維能量分布

某目標(如圖10(a)所示,多普勒單元77,距離單元446)分布在主海雜波區域的附近,在進行海雜波抑制前,其信雜噪比條件無法滿足有效的檢測(如圖10(c)中的虛線)的需求。采用本文提出的方法進行海雜波的抑制后,目標附近的海雜波得到了抑制(如圖10(b)所示),目標被保留了下來。同時由圖10(c)的實線可見,目標的信雜噪比得到了明顯的提升,可實現有效的目標檢測。

圖10 空時處理的效果對比

5 結束語

本文通過對機載試驗雷達對海回波數據的分析,得到了海雜波在多通道雷達系統中的空時分量特性。基于海雜波的特性,通過排序剔除的APR算法實現了非均勻樣本的選擇,通過基于距離分段的mDT-STAP算法實現了對海雜波距離-多普勒-空域的局部化,提高了算法對海雜波的適應能力。最后通過試驗數據的處理驗證了算法的有效性。