海杂波下的雷达目标检测技术进展评述
海杂波多分形特性分析及小目标检测技术研究

( 中航工 业雷达 与电子设备研 究院,无锡 2 1 4 0 6 3 ) 摘 要: 为判定海杂波是否具有多重分形特性 ,采用小波模极大值法和多分形消趋势波动分析法对任一距 离单元
的实测 海杂波数 据进行分 析 ,提 出一种基 于时间- 距 离单元 - 幅度 图法 ,基 于该 方法对多距 离单 元海杂波 数据进行 分析 ,分析结果表 明海杂波具有多分形特性 ,当海杂波存在小 目标 时 ,分形 受到 “ 干扰 ” ,多分形特征存 在明显 差异 。通过分析还发现 当 R 6 n y i 参数 q < O时 ,距离单元含小 目标的广义分形维明显大于其他距离单元 只含海杂波 的广义分形维 ;而当 q > 0时 ,这种规律不是很 明显 ,因此提 出一 种基于 不同距离 单元 间广义分形 维偏差 的方法 来检测海杂 波背 景下小 目标 ,实验结果表 明该方法是有效 的。 关键词 :小波模极大值 ;多分形消趋势波动分析 ;时间. 距离单元. 幅度 图 ; 多分形 ; 广义分形维偏差
WAN G F u - y o u L U O Di n g J l Ya — x i n H U Xi n - me i
( A V I C R a d a r a n d A v i o n i c I n s t i t u t e ,Wu x i 2 1 4 0 6 3 , C h i n a )
me t h o d nd a M u h i f r a c t l a D e t r e n d e d F l u c t u a t i o n A n a l y s i s( MF D F A) , m e a n w h i l e , T i me — R a n g e b i n — A m p l i t u d e p l o t m e t h o d i s
一种海杂波背景下快速小目标的检测方法_刘艳苹

一种海杂波背景下快速小目标的检测方法_刘艳苹随着无人机技术的发展和应用场景的不断拓展,对于海杂波背景下快速小目标的检测方法的需求也日益增加。
海杂波背景下的小目标检测是一个具有挑战性的问题,因为海面的波浪和涟漪会导致图像中出现大量的干扰,使得小目标很难被准确地检测出来。
为了解决这个问题,学者们提出了一系列的方法,下面将介绍其中一种比较常用的方法。
首先,为了能够对海杂波背景进行建模,可以使用常见的背景减除算法来提取出背景信息。
这些算法可以根据一段时间内连续帧之间的差异来识别出动态目标,从而实现对背景的提取。
这种方法相对简单有效,但是对于波浪等动态背景干扰的抑制效果并不理想。
为了进一步提高对小目标的检测效果,可以引入一些图像处理技术。
例如,通过对输入图像进行滤波操作,可以减小图像中的噪声,从而提高目标的边缘检测效果。
此外,还可以通过对图像进行二值化处理,将目标与背景进行区分,从而更好地实现对小目标的检测。
另外,还可以考虑使用一些机器学习算法来对小目标进行分类和检测。
例如,可以使用卷积神经网络(CNN)对图像进行特征提取,并通过训练模型来实现对小目标的检测。
这种方法可以基于大量的数据进行训练,并且具有较强的泛化能力,可以在不同的海杂波背景下准确地检测出小目标。
最后,在实际应用中,还需要考虑一些实际问题,例如小目标的速度和方向等信息。
可以通过使用轨迹预测算法来对小目标的轨迹进行估计,并在下一帧图像中进行目标的检测。
此外,还可以使用多目标跟踪算法来对多个小目标进行同时跟踪,从而提高整个系统的灵活性和鲁棒性。
总之,海杂波背景下快速小目标的检测是一个具有挑战性的问题。
通过结合背景减除算法、图像处理技术和机器学习算法,以及考虑实际应用中的一些问题,可以实现对小目标的准确检测和跟踪。
这些方法可以应用于无人机、船舶等海上监测系统中,提高系统的自主性和智能性,为海洋资源的开发和利用提供有力支持。
海杂波背景下的目标检测算法

海杂波背景下的目标检测算法作者:潘一舟来源:《电脑知识与技术》2016年第29期摘要:雷达技术一直在民用与军用的各领域扮演着非常重要的角色。
在远洋航行的方面,由于海上环境较为复杂,天气等自然因素影响较多,为了保证船只的安全,将雷达技术应用到航行安全保障上面也就顺理成章。
雷达主要通过对目标的检测来判断是否有危险,但正因为各种噪音干扰的存在,雷达的判断不可能始终准确,因而如何减少由于干扰引起的错误判断,对雷达性能的提高就尤为重要。
恒虚警率检测是在雷达技术发展过程中提出的一种自适应检测方法,其在复杂的海洋环境下有着较为良好的检测性能,本文主要讨论的就是海杂波环境下的恒虚警率检测。
该文主要讨论海杂波的幅度特征,首先介绍几种主要的杂波幅度分布模型,再介绍几种主要的恒虚警率检测的方法,并对他们的性能进行比较。
最后,针对其中的单元平均恒虚警率检测(cA-CFAR),本文给出了其检测流程和门限计算的方法,并用MATLAB进行算法仿真。
关键词:海杂波;目标检测;CA-CFAR;MATLAB中图分类号:TP391 文献标识码:A 文章编号:1009-3044(2016)29-0225-051海杂波分析1.1海杂波幅度分布模型海杂波的产生依赖于许多复杂的因素,主要是两大方面的因素:雷达的工作状态以及检测时的海洋环境,具体包括:雷达信号的入射角、发射频率、海面海风的风速和风向等。
由于海杂波的复杂性,我们可以将其视为一种随机过程,然而想要完整地描述一个随机过程是相当困难的,因此在实际中我们只考虑其主要的几个特征,将其视为一个多参数的函数,这些参数有着较强的相关性。
本文主要考虑海杂波的幅度分布特征,因为幅度特性是雷达杂波和海杂波共同的主要统计特性之一,对于雷达仿真、目标检测的性能有着十分重要的意义。
海杂波的幅度特征一般是比较均匀的,其主要得分布模型有瑞利分布(Rayleigh)分布、对数-正态分布(Log-normal)、韦布尔分布(Weibull)和K分布等。
雷达探测技术的进展与应用

雷达探测技术的进展与应用一、背景雷达(Radar)是人类使用电磁波技术,探测目标的位置、运动状态及物理特性等相关信息的一种设备。
自20世纪初问世以来,雷达技术在军事、民用、航空、航天、海洋等领域都得到了广泛应用。
2015年,全球雷达市场规模达到41.7亿美元,随着科技进步、消费升级,雷达行业的市场需求逐年增长。
二、技术进展雷达探测技术的发展受各种因素的影响,包括雷达波长、功率、探测距离、探测精度等。
近年来的雷达探测技术主要表现在以下几个方面:1. 大规模集成技术(MMIC)雷达前端芯片的技术高度集成化,能够提高雷达信号处理和物理性能。
大规模集成技术的应用,可以大幅度减小尺寸、重量和功耗,进而优化雷达的性能。
2. 高清晰度成像技术高清晰度雷达成像技术主要用于无人机、导弹、侦察卫星等军事应用场景的目标探测。
高清晰度的成像技术,使得雷达可以直接获取目标图像,而不再是点目标的位置。
3. 频谱分析技术雷达技术中的频谱分析技术,是将接收到的雷达信号分解成各个频率分量,并将这些分量与目标响应信号进行比对,实现精确的目标检测。
这种技术的使用不仅可以提高雷达的信号处理能力,还能大幅度增加雷达的探测精度。
三、应用领域雷达应用的领域非常广泛,从传统的军事、航空到工业自动化、交通设施、地球观测等。
以下是雷达在不同领域的应用案例:1. 军事领域雷达在战场上,起到的作用是辨别朋敌并且进行目标锁定,同时雷达还可以发现敌人的隐形战斗机和轰炸机,增强军队的战斗力。
2. 航空航天领域在航空航天领域,雷达用于飞行器导航和气象预报。
雷达还可以检测和追踪远隔板块的人造卫星,实现地球的全球监控和观测。
3. 工业自动化领域雷达在工业自动化领域中,可以用来检测电力线崩塌、铁路隧道、桥梁塌方等现象,实现对飞行器、船舶等运输工具的雷达监控。
4. 交通设施领域在交通设施领域,雷达主要应用于车辆行进过程中的车速计算,以及最小安全距离控制。
5. 地球观测领域雷达在地球观测方面,主要用于测量海面风力、海浪类似的大气湍流、火山和冰川运动等。
机载对海搜索雷达目标检测和跟踪技术研究的开题报告

机载对海搜索雷达目标检测和跟踪技术研究的开题报告一、研究背景随着海洋水域的广阔和深度,海上风险逐渐增多,人们对海上安全的关注度越来越高。
对于海上失踪的人员或物资的寻找工作,对海搜索雷达起着重要作用。
机载对海搜索雷达是目前最为常用且有效的海上搜索设备之一。
在飞机和无人机上安装对海搜索雷达,可以实现对海面上目标的快速可靠识别、定位和追踪。
因此,机载对海搜索雷达目标检测和跟踪技术的研究具有重要意义。
二、研究内容针对机载对海搜索雷达目标检测和跟踪技术,本研究将从以下几个方面进行探讨:1.对海搜索雷达工作原理的介绍,包括海洋探测信号源、主波束方向和辐射特性等。
详解对海搜索雷达的工作原理,有助于研究人员更好地理解该技术的核心。
2.对海搜索雷达目标检测技术的研究,包括目标检测的信号处理、预处理以及目标特征提取等方面。
探索目标检测过程中的关键技术,如阈值、信噪比、滤波等,有助于提高目标检测的准确率和灵敏度,从而实现更好的海洋搜索效果。
3.对于目标跟踪技术的研究,包括目标跟踪的算法、角度估计等内容。
具体包括传统跟踪算法(如Kalman滤波器、粒子滤波器、Hilbert变换等)和深度学习等新兴算法。
对比不同的算法,并结合海洋环境参数分析其适用性,以求得更好的跟踪效果。
4.对搜救作业中严格实际需求的呈现。
如跟踪目标的追踪方向以及精度的要求、跟踪优化速度和提高搜救效率的评价体系等。
有限检验出本研究的实际能够解决实际海事事件中的问题。
三、研究意义通过本研究,实现机载对海搜索雷达目标检测和跟踪技术的优化和提高,有助于更有效地应对海上的各种紧急情况,提高海上救援的效率和准确性。
同时,该技术也将对航空安全、海上交通安全等领域产生积极作用,提高航空和海上领域的安全保障能力。
云雨杂波环境下对空雷达目标检测能力分析

云雨杂波环境下对空雷达目标检测能力分析230088孔径阵列与空间探测安徽省重点实验室安徽合肥 230088摘要:杂波会对雷达正常工作造成严重影响,从而导致雷达检测性能的不稳定。
因此,探讨不同体制雷达在杂波影响下检测目标的性能如何变化具有重要意义,本文分析了云雨杂波环境下对空雷达目标检测能力。
关键词:杂波环境;对空雷达;目标检测能力雷达工作时所遇到的干扰通常可分为有源干扰和无源干扰两大类。
对于压制式干扰来说,有源干扰一般是指人为施放的各种噪声干扰。
现代噪声产生技术已非常成熟,所产生的噪声已十分接近于白噪声,因此,在分析噪声干扰对雷达目标检测性能的影响时,一般都将其当作白噪声看待。
一、地杂波对雷达目标检测性能的影响分析1.雷达杂波模型。
雷达接收到的杂波非常复杂。
研究发现杂波服从一定的分布规律,最常见的有以下几种杂波分布模型:(1)指数(Index)分布。
设x表示杂波回波的包络振幅,则x的指数分布为(1)1.瑞利(Rayleigh)分布。
在雷达可分辨范围内,当散射体的数目很多时,根据散射体反射信号振幅和相位的随机特性,一般可认为它们合成的回波包络振幅服从瑞利分布。
若以x表示瑞利杂波回波的包络振幅,则x的概率密度函数为(2)1.对数-正态(Log-Normal)分布。
设x表示杂波回波的包络振幅,则x的对数-正态分布为(3)其中σ是lnx的标准差,xm是x的中值。
(4)韦布尔(Weibull)分布。
设x表示杂波回波的包络振幅,则x的韦布尔分布为(4)其中xm是分布的中值,它是分布的尺度(比例)参数;n是分布的形状(斜度)参数,n的取值范围一般为02.杂波对雷达目标检测的影响。
地杂波(海杂波)的分布不是正态分布,因此不是最佳干扰波形。
干扰(包括噪声)情况下求雷达的作用距离一般采用查莱斯(Rice)曲线的办法,该曲线应用的前提是干扰(或噪声)为正态分布。
当干扰不是正态分布时,在同样干扰功率下,其干扰效果必然不如正态噪声干扰。
基于知识的杂波抑制与目标检测研究
摘要现代雷达面对着多种挑战,主要分为非高斯非均匀地海杂波背景下的弱小目标检测算法设计和大规模天线阵列、高分辨雷达、联合处理等新技术给雷达系统带来的巨大的计算量和存储量的负担。
多种先验知识的引入可以有效地减少雷达在执行目标检测任务时的运算量和存储量,并提升雷达自适应检测的能力。
雷达杂波抑制和目标检测的核心技术是杂波或者干扰协方差矩阵估计和基于信杂比最大的滤波器和恒虚警检测器设计。
先前的工作主要集中在知识辅助协方差矩阵估计问题上。
然而,引入了先验知识会使雷达杂波协方差矩阵估计很难得到解析解,这导致了自适应检测器和滤波器性能的理论分析变得很十分困难,包括协方差矩阵估计精度分析,滤波器输出信杂比计算,检测器的虚警概率和检测概率的计算。
先前的大量工作主要通过仿真实验来验证知识辅助雷达信号处理方法的有效性,且通常只关注某一种特定的先验知识进行研究,而对知识辅助雷达信号处理这一大类问题的理论研究仍然有很大的空缺。
基于此,本文对上述基于知识辅助的检测理论和算法进行了深入研究,主要工作和贡献为:在上述工作的基础上,本文提出了一个知识辅助雷达杂波抑制和信号检测的性能分析框架,这个框架能够适用于多种杂波背景、多种先验知识。
首先,总结了知识辅助杂波协方差矩阵估计的常用方法,并推导了它们的估计精度。
针对这些估计器,提出了一个知识辅助杂波抑制滤波器的信杂比损失的计算方法。
这个方法能够适用于高斯、非高斯的杂波背景和多种先验知识。
利用先验知识的特性,本文也讨论了先验知识与雷达恒虚警检测器的关系,并提出了一个知识辅助雷达自适应检测器恒虚警特性分析方法和渐进检测性能的计算方法。
本文在如下几个场景下验证并完善了提出的知识辅助雷达杂波抑制和目标检测性能分析框架。
首先,针对非均匀杂波环境下杂波抑制和自适应检测的问题,在先前工作基础上,本文推导了在该场景下,利用统计知识的自适应检测器的平均信杂噪比损失和渐进虚警概率,并证明了知识辅助检测器的恒虚警特性。
海杂波中小目标多通道多帧联合检测方法
海杂波中小目标多通道多帧联合检测方法海杂波中小目标多通道多帧联合检测方法在海洋中,目标检测一直是海洋研究的重要内容之一。
由于海洋环境的复杂性和不确定性,海洋目标检测具有很大的挑战性。
海杂波在检测过程中会引入大量的噪声和干扰,使得目标的检测变得更加困难。
针对这一问题,我们提出了一种海杂波中小目标多通道多帧联合检测方法。
该方法采用了多通道的数据进行联合检测。
在传统的目标检测方法中,仅利用单一通道的数据进行检测。
然而,在海洋环境中,由于海洋物理特性的差异,同一目标在不同的通道上可能会呈现出不同的特征。
因此,我们利用多通道的数据,将它们进行融合,以获取更准确的目标信息。
另外,我们还引入了多帧的信息。
在海洋环境中,由于海浪、海流等自然因素的存在,目标的运动轨迹可能会变得很复杂。
如果仅使用单一帧的数据进行检测,可能会导致漏检或误检的情况。
因此,我们借鉴了视频处理的思想,将多帧的数据进行融合,以提高目标检测的准确性。
具体而言,该方法包括以下步骤:第一步,对海洋图像进行预处理。
海洋图像通常含有大量的噪声和干扰,为了提高目标的检测准确性,我们需要先对图像进行去噪、增强等处理。
第二步,利用多通道的数据进行目标检测。
我们采用了常见的目标检测算法,如卷积神经网络(CNN)、支持向量机(SVM)等,来对海洋图像进行分析。
不同的通道具有不同的物理特性,我们将它们进行融合,得到更准确的目标检测结果。
第三步,利用多帧的数据进行目标跟踪。
在海洋环境中,目标通常会出现运动,我们需要跟踪目标的运动轨迹,以便准确地判断目标的位置和形状。
为此,我们将多帧的数据进行处理,通过建立目标的运动模型,进行目标跟踪。
第四步,对目标进行分类和识别。
在目标检测和跟踪的基础上,我们还需要对目标进行分类和识别,以便更好地理解海洋环境中的目标。
我们可以通过机器学习的方法,对目标的特征进行提取和分类,以得到更准确的目标信息。
最后,我们对该方法进行了实验验证。
杂波对毫米波RCS海上测量定标的影响分析
关键 词: C R S测量; 杂波; 定标
引 言 中, 需要对 大气衰减输入一个 相对准确 的数值来 修正大气衰减 , 以便能 雷 达 散 射 截 面 R S是 度 量 雷 达 目标 对 照射 电 磁 波 散 射 能 力 的 一 个 更好地提高测量精度。 C
个 离 散 目标 单 位 面 积 上 的后 向散 射 R S表 示 为 s 辐 照 面 积 为 A 的 一个 C , 离 散 目标 的 R S大 小 S 为 : C
S= A cS () 3
边界条件 , 在该 目标上和 目标内便 有电流和磁 流流动。这些感应 电磁 流 又 产 生 它 们 自己 的 电 磁 场 。 这个 场就 是 目标 的 散射 场 , 常 常 沿 各 个 不 并 同方 向 以不 同 的 幅 度 和 相 位传 播 。 R S目标 特 性 测 量 的 主要 问 题是 如何 测 量 雷达 的 各 项 参 数 , 对 标 C 相 定法是基于定标体 的 R S值 精确知道 ,通过对定标体与待测 目标所获 C 得 的功率或 电压 的比值来计算 目标 的 R S值 ,误差对标准定标 体和 目 C 标 的影 响 一 致 , 以 约 去 。 可 2 云或雾等杂波影响分析 毫米波在传播 过程 中由云或雾引起 的后 向散射很小 , 但它对毫米波 的衰减比对微波的衰减 大。在 阴天 , 如不加修正 的话在测 量时有可能 出 现几个 d B量差 , 它可使毫米波雷达的准确性降低。 6 结 论 通 过 对 毫 米 波 雷 达 在 海 上 实 际 R S测 量 的经 验 进 行 总 结 ,分 析 了 C 其衰减为 : 12 00 7 + 9 6 X .+ .3 X 1 . / 9 ( ) 大气 、 1 云雾 等各 种杂波对毫米波雷达 R S测量定标 的影 响, 提出相应 C 并 本文可 以在实际工程测量 中起 到参考作用 , 有效 的提 因 为 毫 米 波 波 长 比厘 米 波 波 长 短 , 由该 公 式 可 见 ( 为 波 长 ) 毫 米 的减小误差方 法 , , 波 衰 减量 在 远 程 测 量 中要 比厘 米 波 衰 减 值 大 了许 多 ,需 要 衰 减 补偿 , 确 高 了测 量 精 度 。 保 测 量准 确 性 。 为在 海 上 湿 度 较 高 , 种 影 响 不 易 克 服 , 以 测 量 最 好 因 此 所 参 考 文 献 选 择 晴天 和北 风 的天 气 进 行 。 f1B t n K・ , it ・・ . 再根 , 育 才译 . 1 ut ・ JW l ̄ J C方 o le 刁 毫米 波 系统 f . 京 : 防 M1 北 国 工 业 出 版 社 , 9 9 18. 3 大气衰减影响分析 毫米波在大气层传播时 , 引起衰减的主要原因是水蒸气和 氧气对 电 『1孙 造 宇 等. S测 量 雷达 标 定过 程 中的 误 差 分 析 I1 代 雷 达 , 2 RC J现 . 磁 波 的 吸收 。 种 吸 收 与周 围 的压 力 和温 度 有 关 。 高 度 一 定 时 , 不 同 这 当 在 20 ,5 1 )2 4 0 3 2 ( 2 :— . 地 方 、 同时 间 , 不 电磁 波 的 被 吸 收 率 是 存 在 差 异 的 , 变 化 幅度 能 成倍 增 『1姚 兆 宁 . 其 3 雷达 R S 目标 特 性 测 量 与 分 析 『 . 京 : C D1 南 南京 理 工 大 学工 程 硕 士 学位 论 文 ,0 3 2 — 2 2 0 :8 3 . 长 。 在海 上 测 量 过 程 中 , 面 湿 度 大 , 海 大气 衰 减 是 电磁 波 衰 减 的关 键 因 素 , 环节必须足够重视。 该 在 大 气 中 , 离 L确 定 的情 况 下 , 气 衰 减 为 : 距 大
雷达信号处理技术下的目标检测研究
雷达信号处理技术下的目标检测研究近年来,雷达信号处理技术的快速发展,推动了目标检测研究的不断深入。
通过不断探索和创新,人们已经实现了在多种场景下的高精度目标检测,从而推动了无人机、无人车、安防等领域的发展。
一、雷达信号与目标检测雷达信号是通过电磁波反射或散射的方式,获取目标的信息。
目标检测是通过一系列算法,将目标从背景中分离出来,实现目标识别的过程。
在雷达信号处理技术下,目标的检测和识别是通过信号处理算法来实现的。
二、雷达信号处理技术雷达信号处理技术是将雷达获取的信号进行处理和分析,提取出目标的特征和信息,以达到目标检测和识别的目的。
雷达信号处理技术主要包括噪声和干扰抑制、信号处理和特征提取等方面。
噪声和干扰抑制:雷达测量的信号常常会受到来自大气、天气等多种因素影响,这些因素会造成噪声和干扰。
因此,如何准确地分离目标信号和背景噪声,是目标检测研究的关键所在。
在噪声和干扰抑制方面,主要使用滤波器、自适应滤波、小波变换等方法来识别噪声和干扰,并通过去噪,提高信号的信噪比。
信号处理:雷达信号的复杂性和多变性,不仅需要处理其时间域、频域等基本特性,还需要考虑其他诸如调制方式、极化方式等因素。
目前,常用的信号处理方法包括匹配滤波、脉冲压缩、频谱分析等方法。
在信号处理方面,主要用来分析雷达信号的基础特征,提取关键信息,以实现后续目标检测的精度和鲁棒性。
特征提取:目标检测中,将信号处理的结果进一步提取出多种目标特征,如大小、边缘、纹理、颜色等,作为识别目标的依据,以达到目标检测的目的。
目前常用的特征提取方法包括边缘检测、灰度共生矩阵、小波变换等多种数学模型。
通过特征提取,可以完整地描述目标的形态、纹理、光泽、物质等物理特征,以实现更加高效和精确的目标检测。
三、雷达信号处理技术在目标检测中的应用在实际应用中,雷达信号处理技术已经广泛应用于目标检测和识别。
根据场景的不同,目前有很多不同形式的雷达,包括机载雷达、陆地雷达、水下雷达等,它们都可以在不同的环境下检测到目标。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
浪等等都影响海杂波,使其在谱上呈现不规则性,幅度统计分布上难以用公式来描述。对海杂波建模从一开 始的单参数建模如瑞利分布、对数正态分布等逐渐发展为多参数的 K 分布、复合高斯分布[1]等,但在实际应 用中发现这些模型都不能完美反映海杂波的物理特性。
Scientific Journal of Information Engineering June 2014, Volume 4, Issue 3, PP.83-90
A Survey of Target Detection Technique under Sea Background
Guangqiang Wei, Yongfeng Zhu, Hongzhong Zhao
ATR Lab, National Univ. of Defense Technology, Changsha Hunan 410073, China
Abstract
Sea clutter is superposition of a large number of radar backscatter wave, and it has heterogeneity and non-stationary characteristics, which is seriously interferes in detection performance of targets within sea clutter. Three aspects (sea clutter distribution characteristics, radar platform and target echo from sea surface) are discussed in this paper. Keywords: Sea Clutter; Radar Platform; Target Echo; Target Detection
2
雷达平台对目标检测的影响
岸基雷达多位于海岛、海岸高山等地,岸基雷达观测的海杂波相对简单。在岸基雷达系统设计上,有一
2.1 岸基雷达平台
些可行的方法来提高岸基雷达的检测性能。文献[25]阐述了岸基雷达在目标检测时应注意的因素,并对减小杂 波反射截面积削弱杂波干扰提出一些方法:如减小方位波束宽度,增加天线口径,加宽发射脉冲带宽,采用 扫描间积累,对海杂波距离去相关,改善目标起伏性能等。考虑到波导效应[26]对岸基雷达的影响,还应当采 取降低岸基雷达天线的副瓣电平、增加雷达天线高度、增大接收机的动态和提高信号处理系统改善因子等措 施来改善岸基雷达低空探测能力。研究发现,海杂波背景下雷达单元分辨力越大,目标检测能力越好,所以 宽带信号检测可以很好的增强海杂波下目标检测能力。 但宽带雷达信号检测时数据率高, 无法进行实时处理。 基于此,陈希信提出一种二次门限非相参积累[27]的检测方案,达到了减小了宽带雷达数据率的效果。 动目标检测(MTD)和脉间频率捷变是雷达抑制杂波和抗有源的主要手段。但在实际应用中出现了新的
海杂波下的雷达目标检测技术进展评述
魏广强,朱永锋,赵宏钟
国防科技大学 电子科学与工程学院 ATR 重点实验室,湖南 长沙 410073 摘 要:海杂波是雷达电磁信号照射到海面产生的大量散射体回波的叠加,并受风力、洋流、海浪等的影响呈现非均匀
性和非平稳性,对雷达目标检测能力造成影响。文章从海杂波特性的分布规律、雷达平台和海面目标回波三个方面对影 响海面杂波背景下目标检测能力的因素进行梳理分析。 关键词:海杂波;雷达平台;目标回波;目标检测
- 83
1.1 分辨力对海杂波的影响
随着高分辨率雷达的发展和应用,海面目标检测性能得到一定的改善,但随着单位面积内的可观测散射 点的增多,海杂波对目标检测性能的影响变得越来越显著,距离分辨单元变小,海杂波的统计特性逐渐偏离 高斯分布,同时“拖尾”现象严重,使得传统的检测方法性能降低。 在高分辨率雷达回波中,分辨率的提高使得分辨单元尺寸变小,单元内的强散射点数目变少,其散射中 心对目标物理特性的描述越详细,目标的极化散射特性对其结构特征的反映也就越细致。Carlos L.[2]等对目 标瞬态极化特征分解进行了大量的研究和实践工作,并对极化分解下的目标分类和识别进行了归总。国内方 面,庄钊文,王雪松[3]等人撰写多部极化特征提取的书籍,对极化信息在应用领域的推广做出了重大贡献。 其中,王雪松建立了全新极化信息处理基础框架,为极化特征提取提供了理论基础。
- 85
引言
自从雷达问世以来,杂波下的目标检测问题就一直是雷达技术面临的主要挑战之一。而海杂波下的雷达 目标检测问题一直是雷达领域的研究热点。雷达在海杂波下的探测能力影响涉及到三方面因素:海杂波特性 的分布规律;雷达平台的对检测的影响;目标特性对检测的影响。 海杂波是雷达电磁信号照射到海面产生的大量散射体回波的叠加,海杂波德描述一般采用统计分布特 性,海杂波分布受电磁波段、极化、分辨力、入射角、海面风速、洋流、浪涌等的影响,因此呈现出一定的 复杂性、非均匀性和非平稳性,海杂波伴随在海面目标环境回波中对雷达目标检测能力造成影响。 雷达平台是电磁波照射接收的载体,雷达平台的运动状态、运动速度的大小影响海杂波的多普勒分布特 性,从而给杂波下目标检测带来不同影响。 海面目标回波是雷达信号检测的主体,目标的运动速度、RCS 的大小等条件也是影响雷达检测能力的 因素。 本文从以上三个方面对影响海面杂波背景下目标检测能力的因素进行梳理分析,指出近年来该领域的研 究进展和发展趋势。
- 84
斜表面的一种镜面散射。当雷达以较大入射角照射海面时,海面会产生碎波的现象,而且在多个连续的距离 单元上产生多目标效应,降低了雷达目标的检测性能。学者们利用不同的手段对大入射角下的海面进行模拟 和处理。 D.S. W. Kwoh,[16]发现掠入射(LGA)下容易出现的波浪破碎现象,提出用劈散射近似,并依据微扰法和 几何绕射理论给出了张力波散射分量和劈散射分量的分析式。也有学者对准镜面散射区进行了研究,文献[17] 给出了准镜面散射区海面散射系数的解析式,并提出垂直入射时海面散射系数的天线波束校正方法。文献[18] 总结了不同海况、不同极化方式、不同方位向和入射角情况下的海面镜面变化规律,利用 Gram-Charlier 分布 得到海面镜面后向散射截面定量解析式。 针对散射系数的研究和修正也取得了不错的成果。黄际英等[19]分别利用微扰理论和求集平均的方法计算 小尺度和大尺度粗糙度后向散射系数,并提出双尺度模型下入射角大于 60 度时用大尺度斜率韦布尔分布代 替高斯分布以及入射角大于 80 度时用计算机耦合方法来对后向散射系数进行修正的思路。文献[20]分别采用 VRT(矢量辐射传输方程)和 TSM 方程求解泡沫层和海面的散射系数,并经过白冠覆盖率因子加权得到总 的散射系数。 文献[21]对中等和大入射角下遮蔽效应进行了定量分析,遮蔽效应会随着入射角、粗糙面均方根斜率以及 散射角的增大而更加明显,并引入基尔霍夫近似地得到散射面的计算公式。还有一些学者对双尺度模型进行 了改进,使其更加精确地拟合实测数据,如王运华等[22]利用改进后的双尺度模型对海面散射场的频谱特性进 行分析,发现掠射下遮蔽效应会增大散射场频移,减短谱宽的现象。
1.2 入射角对海杂波的影响
1.2.1 小入射角情形 雷达以较小的入射角照射海面时,雷达回波强度会出现明显增强,杂波幅值的概率密度函数曲线会出现 明显的拖尾效应,即海尖峰效应[4]。海尖峰的存在严重影响了对目标的检测能力,使得虚警率变大。近年来 学者们对海尖峰的研究表明海尖峰作为海杂波非均匀特性的体现之一,具有很强的起伏特性。 文献[5]研究发现水平极化和上风向的海杂波中海尖峰现象更加明显。Gutnik VG 指出海尖峰的空间统计 特征和海面碎波的出现的关系[6],并由入射角和海面阴影部分面积负相关关系,提出海面阴影函数,为海尖 峰的分析提供了定量的描述。 Posner Fred L[7]通过对大量实测数据的处理得到在低擦地角、 高分辨率和水平极化方式下海尖峰出现的更 频繁的结论。Posner F.从定量的角度给出了描述海尖峰的三个特性参数[8]:海尖峰的幅度阈值,最小海尖峰宽 度以及相邻海尖峰最小间隔,从而可以描述其统计学测度平均海尖峰持续时间和平均相邻海尖峰间隔。Luke Rosenberg[9]利用时间距离的幅度分布得到的门限来区分数据中的布拉格散射和海尖峰,发现海尖峰主要出现 在 HH 极化中的低擦地角区域,还有很少的一部分是出现在 VV 极化的侧风向部分。 有的学者还通过建立海尖峰模型的方法来研究其特性。文献[10]基于 K 分布模型,利用二项分布来统计海 尖峰出现频数。并对 C 波段的实测数据进行处理,得出 K 分布较之其他模型拟合得更好的结论,但是随着虚 警概率的提高,二项分布和泊松分布都会趋于正态分布,而实际的海尖峰统计特性并不服从于正态分布。谢 洪森[11]给出了纹理分量提取算法,提出了基于对数正态分布纹理的广义 K 分布模型,通过 X 波段实测数据 验证该模型具有很好的拟合度。 Bandiera F 等[12]采用广义似然比检测技术研究了高斯色噪声下的扩展目标检测,但是由于该方法只适用 于回波方向矢量已知的情况,所以只能应用在相参雷达系统。Blunt S D 等[13]采用距离窗内二进制检测,然后 脉间二进制检测的思路,取得很好的检测的性能,但在参数优化上没能给出详细的选择标准。文献[14]研究了 二进制检测器参数和杂波形状参数、扩展目标径向长度之间关系,给出了最优二进制检测器的参数经验公式 和选择标准,仿真结果证实了最优二进制检测器的实用性和有效性。 1.2.2 大入射角情形 当雷达照射海面的入射角超过一定角度后,海杂波的镜面散射效应增强,单位散射系数迅速上升,尽管 海杂波的照射面变小,但是海杂波的散射强度迅速上升。目标检测需要对抗的海杂波很强,同时由于雷达照 射海面的足迹变小,雷达回波中的独立杂波单元越来越少,因此可用于杂波参数估计的参考单元数量变少, 估计误差增大,甚至没有足够的单元估计杂波参数,导致常用的杂波恒虚警检测算法失效。 当雷达朝正下方照射海表面时, 严格试验的基础上, 人们发现该角度的海杂波截面积几乎与频率无关[15]。 对应零风速时它有一个最大值约为+15dB,并与风速呈现负相关的联系。大入射余角的散射通常被认为是倾