CN102901956B - 一种雷达微弱目标检测方法 - Google Patents

Abstract

本发明涉及雷达目标检测技术。本发明针对现有技术对微弱目标检测方法，因增加积累时间而造成距离走动，以及传统DP-TBD算法因团聚效应所形成的目标虚假航迹的缺点，公开了一种雷达微弱目标检测方法。包括步骤：A、对每一帧雷达回波数据沿快时间维进行脉冲压缩；B、对压缩后的每一帧信号在频域进行Keystone变换；C、对经过上述步骤处理后的每一帧信号变换到时域并进行慢时间维的相参积累；D、去除序列上的弱小点；E、将经过上述步骤处理后的K帧信号进行基于方向加权的DP-TBD处理；K为正整数，由雷达参数设定。本发明不仅能检测出微弱目标，而且能准确恢复目标的航迹。

Description

一种雷达微弱目标检测方法

技术领域

本发明涉及雷达目标检测技术，特别涉及目标回波的信噪比较低且目标回波出现跨距离单元走动情况下的检测技术。

背景技术

随着隐身技术的日趋成熟，飞机、导弹等目标的RCS减小了一到两个数量级，极大地影响了雷达威力，因此，对微弱目标的检测成为雷达急需解决的技术问题。针对微弱目标检测，目前采用的方法主要分为两种：一种是长时间相参积累技术，另一种是非相参积累的检测前跟踪技术。

对于长时间相参积累技术，目前主要利用基于FFT（Fast Fourier Transform）的相参积累算法。该算法的主要思想是通过增加积累时间来提高信噪比，从而改善雷达对微弱目标的检测性能。然而，这种方法只适用于目标回波未出现跨距离单元走动的情况。当目标的距离走动超过半个距离分辨单元时，采用这种方法无法对目标的能量进行有效积累，因而难以实现对微弱目标的检测。

对于检测前跟踪技术，在实际工程中常用的是DP-TBD方法（Dynamic Programming-TrackBefore Detect Algorithm）。该方法是在单次扫描时间内不设检测门限也不输出结果，而是将其存储起来，然后在扫描和扫描之间对假设航迹中包含的点目标做无信息损失的非相参处理。经过多次扫描积累后，当目标的航迹被估计出来后才将检测结果与目标航迹同时输出。然而，当雷达回波的信噪比远低于0dB时，其检测性能严重下降。另外，对回波进行DP-TBD处理时，会出现能量扩散，这样恢复航迹时就会出现许多虚假航迹。

发明内容

本发明所要解决的技术问题，就是针对现有技术对微弱目标检测方法，因增加积累时间而造成距离走动，以及传统DP-TBD算法因团聚效应所形成的目标虚假航迹的缺点，提供一种雷达微弱目标检测方法，提高微弱目标的检测性能。

本发明解决所述技术问题，采用的技术方案步骤如下：

A、对每一帧雷达回波数据沿快时间维进行脉冲压缩；

B、对压缩后的每一帧信号在频域进行Keystone变换；

C、对经过上述步骤处理后的每一帧信号变换到时域并进行慢时间维的相参积累；

D、去除序列上的弱小点；

E、将经过上述步骤处理后的K帧信号进行基于方向加权的DP-TBD处理；K为正整数，由雷达参数设定。

进一步的，每一帧雷达回波数据包括N个雷达回波，N为正整数，由雷达参数设定。

具体的，所述步骤A具体为：对雷达回波信号和参考信号分别作快速傅立叶变换，然后将变换后的频域信号进行相乘，再作快速傅立叶反变换。

具体的，步骤B所述Keystone变换具体方法是：

S_r(k,n,f)＝FFT[S_r(k,n,t)]×FFT[S_ref(t)],n＝0,1,...,N-1,k＝1,2,...,K

$S_r(k,\frac{f_n}{\mathrm{\α}},f)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{S}_r(k,n,f)\exp (-j\frac{2\mathrm{\π}}{N}\frac{1}{\mathrm{\α}}{f}_{n}n),f_n=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

$S_{\mathrm{ks}}(k,m,f)=S_r(k,\mathrm{\αm},f)=\frac{1}{N\left|\mathrm{\α}\right|}\underset{f_n=0}{\overset{N-1}{\mathrm{\Σ}}}{S}_r(k,\frac{f_n}{\mathrm{\α}},f)\exp \left(j\frac{2\mathrm{\π}}{N}{f}_{n}m\right),m=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

式中：FFT(·)代表快速傅立叶变换，S_r(k,n,f)为第k帧经过脉冲压缩后的信号频谱，S_ks(k,m,f)为第k帧经过Keystone变换后的数据。

具体的，步骤D中，通过有序恒虚警率处理去除序列上的弱小点。

进一步的，在有序恒虚警率处理过程中，设置低的门限值。

具体的，步骤E所述方向加权是：对在可能性较大方向上的点乘以一个较大的加权系数，对在可能性较小方向上的点乘以一个较小的加权系数。

本发明的有益效果是，可以解决因长时间脉冲积累所形成的距离走动，剔除每帧序列中的弱小点，减小后续处理的运算量。不仅能检测出微弱目标，而且能准确恢复目标的航迹。本发明克服了因增加积累时间而造成的距离走动，以及传统TBD算法因团聚效应所形成的目标虚假航迹的缺陷。

附图说明

图1为目标移动夹角示意图；

图2为经慢时间维相参积累后的结果；

图3为DP-TBD（未经过方向加权）处理后的结果；

图4为经方向加权DP-TBD处理后的结果；

图5为本发明与相参积累+TBD方法的检测性能曲线。

具体实施方式

下面结合附图及实施例，详细描述本发明的技术方案。

本发明的微弱目标检测方法，首先，对每一帧雷达回波数据的N个回波（积累N个回波组成一帧）依次沿快时间维进行脉冲压缩，然后进行Keystone变换以及慢时间维相参积累处理。再将经过相参积累处理后的信号进行恒虚警率（Constant False Alarm Ratio，CFAR）处理，去除序列上的弱小点以减小后续处理的运算量。将所有K帧数据依次按上述方法处理之后，对这些数据进行基于方向加权的DP-TBD处理，得到目标的真实航迹。具体步骤包括：

脉冲压缩：依次对每一帧（总共有K帧待处理信号）雷达回波数据沿快时间维进行脉冲压缩，得到K帧压缩后的信号；

Keystone变换：对压缩后的每一帧信号在频域进行Keystone变换，补偿因脉冲压缩后的距离走动；

慢时间维相参积累：对经过上述步骤处理后的每一帧信号变换到时域并进行慢时间维的相参积累，达到提高信噪比的目的；

CFAR处理：通过设置较低的门限去除序列上的弱小点，减少下一阶段的运算量；

基于方向加权的DP-TBD处理：将经过上述步骤处理后的K帧信号进行基于方向加权的DP-TBD处理，得到对目标航迹的准确跟踪。

脉冲压缩，其方法是对雷达回波信号和参考信号分别作快速傅立叶变换（Fast FourierTransform,FFT），然后将它们变换后的频域信号进行相乘，再作快速傅立叶反变换（IFFT）。

而所述Keystone变换，其主要方法是：

S_r(k,n,f)＝FFT[S_r(k,n,t)]×FFT[S_ref(t)],n＝0,1,...,N-1,k＝1,2,...,K

$S_r(k,\frac{f_n}{\mathrm{\α}},f)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{S}_r(k,n,f)\exp (-j\frac{2\mathrm{\π}}{N}\frac{1}{\mathrm{\α}}{f}_{n}n),f_n=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

$S_{\mathrm{ks}}(k,m,f)=S_r(k,\mathrm{\αm},f)=\frac{1}{N\left|\mathrm{\α}\right|}\underset{f_n=0}{\overset{N-1}{\mathrm{\Σ}}}{S}_r(k,\frac{f_n}{\mathrm{\α}},f)\exp \left(j\frac{2\mathrm{\π}}{N}{f}_{n}m\right),m=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

式中：FFT(·)代表快速傅立叶变换，S_r(k,n,f)为第k帧经过脉冲压缩后的信号频谱，S_ks(k,m,f)为第k帧经过Keystone变换后的数据。

方向加权就是对在可能性较大方向上的点乘以一个较大的加权系数，对在可能性较小方向上的点乘以一个较小的加权系数。这里假设目标在短时间内的运动趋势不会突然改变，并且在相邻的三帧内目标沿直线运动的可能性最大。通过方向加权系数对动态规划中目标函数的递归式子进行改写，改写后的式子如下：

$E_k(i,j)=\underset{\underset{d\∈D}{r\∈R}}{\max }\left[\mathrm{\ω}\left({\mathrm{\θ}}_k\right)E_{k-1}(i,j)\right]+z_k(i,j)$

其中，ω(θ_k)为方向加权系数（这里认为：以前两帧目标的运动方向为基准，目标在当前帧的运动方向改变的角度越小，目标在该方向出现的概率越大，相应的方向加权系数也就越大），这里定义为：

$\mathrm{\&omega;}\left({\mathrm{\&theta;}}_k\right)=\left\{\begin{array}{ccc}-1& k=2& \\ 0& k>2,\cos {\mathrm{\&theta;}}_k\&GreaterEqual;\mathrm{\&delta;}& -1\&le;\mathrm{\&delta;}\&le;0\\ -\cos {\mathrm{\&theta;}}_k& k>2,\cos {\mathrm{\&theta;}}_k<\mathrm{\&delta;}& \end{array}\right.$

其中δ为可调系数，目标的机动越小（目标沿直线运动可能性越大），则δ的取值越小。

z_k(i,j)为经过上述步骤处理之后的第k帧数据中的元素，E_k(i,j)为第k帧的能量积累矩阵，x_k为第k帧假设目标所在的位置，θ_k为目标从k-2帧运动到第k帧所形成轨迹的夹角，如图1所示。其计算方式如下：

$\cos {\mathrm{\&theta;}}_k=\frac{{|x_k-x_{k-1}|}^2+{|x_{k-1}-x_{k-2}|}^2-{|x_k-x_{k-2}|}^2}{2|x_k-x_{k-1}||x_{k-1}-x_{k-2}|}$

实施例

本实施例中信号模型和仿真数据的产生：

本例雷达系统，在发射端发射的信号为线性调频(Linear Frequency Modulation,LFM)信号。

雷达系统向空中发射载频为f_c，脉冲宽度为T₀，调频斜率为K_r的LFM信号。目标回波中将包含有目标多普勒频移和延时信息，第k帧中的第n个脉冲的目标回波可表示为：

$S_r(k,n,t)=\mathrm{Rect}\left(\frac{t-{\mathrm{\&tau;}}_n}{T_0}\right)\exp \left({\mathrm{j\&pi;K}}_r{(t-{\mathrm{\&tau;}}_n)}^2\right)\exp \left(j2\mathrm{\&pi;}{f}_{d}t\right),n=\mathrm{0,1},...N-1,k=\mathrm{1,2},...,K$

其中，表示第n个脉冲的时延，R₀为0时刻目标与雷达的径向距离，v为目标的径向速度，f_d为多普勒频率，Rect(·)为矩形窗函数：

$\mathrm{Rect}\left(u\right)=\left\{\begin{array}{cc}1& \left|u\right|\&le;1/2\\ 0& \left|u\right|>1/2\end{array}\right.$

脉冲压缩参考信号为：

$S_{\mathrm{ref}}\left(t\right)=\mathrm{Rect}\left(\frac{t}{T_0}\right)\exp \left({-\mathrm{j\&pi;K}}_r{t}^2\right)$

我们按照以上信号模型，使用matlab进行仿真得到单个点目标的回波信号。仿真的具体参数如下：

雷达参数设置：载频f_c＝10GHz，发射信号带宽为B＝15MHz，脉冲宽度τ＝10μs，采样频率f_s＝30MHz，脉冲重复频率PRF＝500Hz，脉冲积累数N＝48，OS-CFAR（有序恒虚警率）检测门限为1.5，目标回波信号的信噪比SNR＝-30dB，非相参积累帧数为K＝6，状态转移区域q＝4，判决门限V_T＝4.0，可调系数δ＝-0.8。

点目标仿真参数设置：目标的起伏模型为Swerling II型，仿真噪声方差为1，均值为0。

具体检测过程

A.脉冲压缩

雷达接收到的回波信号为S_r(k,n,t)，其中t为快时间维变量，n为慢时间维变量。对雷达回波信号和参考信号分别作快速傅立叶变换，然后将它们变换后的频域信号进行相乘，再作快速傅立叶逆变换（IFFT）：

S_compress(k,n,t)＝IFFT[FFT[S_r(k,n,t)]×FFT]S_ref(t)]],k＝1,2,...,K

其中，S_compress(k,n,t)即为沿快时间维压缩后的信号。

B.Keystone变换

经快时间维上压缩的信号会出现距离走动现象，因此要对该信号进行Keystone变换，以补偿出现的距离走动。经过Keystone变换后的信号为S_ks(k,m,f)：

$S_{\mathrm{ks}}(k,m,f)=S_r(k,\mathrm{\&alpha;m},f)=\frac{1}{N\left|\mathrm{\&alpha;}\right|}\underset{f_n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{S}_r(k,\frac{f_n}{\mathrm{\&alpha;}},f)\exp \left(j\frac{2\mathrm{\&pi;}}{N}{f}_{n}m\right),m=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

C.慢时间维相参积累

对经过Keystone变换得到的信号，在慢时间维上进行相参积累，从而提高信号的信噪比，积累后的结果如图2所示。积累后的信号为S_ksf(k,m,t)：

S_ksf(k,m,t)＝FFT[IFFT[S_ks(k,m,f)]]

D.CFAR处理

设置较低的OS-CFAR门限去除序列上的弱小点，减少后续处理的运算量。

E.基于方向加权的DP-TBD处理

a）初始化：设E_k表示第k帧的能量积累矩阵，且有：

E₁(i,j)＝z₁(i,j),ψ₁(x₁)＝0

b）循环递归：当2≤k≤K,对于所有的假设目标x_k有

$E_k(i,j)=\underset{\underset{d\&Element;D}{r\&Element;R}}{\max }\left[\mathrm{\&omega;}\left({\mathrm{\&theta;}}_k\right)E_{k-1}(i,j)\right]+z_k(i,j)$

$\mathrm{\&omega;}\left({\mathrm{\&theta;}}_k\right)=\left\{\begin{array}{ccc}-1& k=2& \\ 0& k>2,\cos {\mathrm{\&theta;}}_k\&GreaterEqual;\mathrm{\&delta;}& -1\&le;\mathrm{\&delta;}\&le;0\\ -\cos {\mathrm{\&theta;}}_k& k>2,\cos {\mathrm{\&theta;}}_k<\mathrm{\&delta;}& \end{array}\right.$

$\cos {\mathrm{\&theta;}}_k=\frac{{|x_k-x_{k-1}|}^2+{|x_{k-1}-x_{k-2}|}^2-{|x_k-x_{k-2}|}^2}{2|x_k-x_{k-1}||x_{k-1}-x_{k-2}|}$

${\mathrm{\&psi;}}_k\left(x_k\right)=\underset{x_{k-1}}{\arg \max }\left[E_k\right]$

式中：z_k(i,j)为经过步骤A,B,C,D之后的第k帧数据中的元素，E_k(i,j)为第k帧的能量积累矩阵，ω(θ_k)为加权系数，x_k为第k帧假设目标所在的位置，ψ_k(x_k)记录目标所在的位置。

c）停机准则：根据虚警概率设置门限V_T，将第K帧的能量积累矩阵中超过门限V_T的所有元素E_k(i,j)找出，并确定E_k(i,j)在这一时刻对应的目标的位置。

$\left\{{\hat{x}}_k\right\}=\{x_k:E_k(i,j)>V_T\}$

d）航迹估计：对于超过门限的每条路径，由终点x_K开始，利用下面的公式，通过逆序递推的方法，求出目标的航迹估计为

${\hat{x}}_k={\mathrm{\&psi;}}_{k+1}\left({\hat{x}}_{k+1}\right)$

经方位加权的DP-TBD处理后的结果如图4所示。

图3为无方向加权的DP-TBD处理的结果。从图中可以看出：对目标进行跟踪的过程中，由于算法本身造成的能量扩散，因此，输出的目标轨迹出现了许多虚假航迹。而采用本发明的基于方向加权的DP-TBD算法，由于在目标能量积累的过程中引入了方向加权，因而能够有效去除由于能量扩散引起的虚假航迹，处理结果如图4所示。

为了进一步验证本发明的检测性能，采用蒙特卡洛仿真的方法对不同信噪比下的检测性能进行统计。设蒙特卡洛仿真的次数为1000，图5为本发明的检测性能曲线。从图中可以看出：当目标回波出现跨距离单元走动时，传统相参积累+TBD方法的检测性能会急剧下降，而本发明比传统的相参积累+TBD方法能带来大约8dB的积累增益，为微弱目标检测提供了可能。

Claims (6)

1.一种雷达微弱目标检测方法，包括步骤：

A、依次对每一帧雷达回波数据沿快时间维进行脉冲压缩；

B、对压缩后的每一帧信号在频域进行Keystone变换，具体方法是：

S_r(k,n,f)＝FFT[S_r(k,n,t)]×FFT[S_ref(t)],n＝0,1,...,N-1,k＝1,2,...,K

$S_r(k,\frac{f_n}{\mathrm{\&alpha;}},f)=\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{S}_r(k,n,f)\exp (-j\frac{2\mathrm{\&pi;}}{N}\frac{1}{\mathrm{\&alpha;}}{f}_{n}n),f_n=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

$S_{\mathrm{ks}}(k,m,f)=S_r(k,\mathrm{\&alpha;m},f)=\frac{1}{N\left|\mathrm{\&alpha;}\right|}\underset{f_n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{S}_r(k,\frac{f_n}{\mathrm{\&alpha;}},f)\exp \left(j\frac{2\mathrm{\&pi;}}{N}{f}_{n}m\right),m=\mathrm{0,1},...,N-1,k=\mathrm{1,2},...,K$

式中：FFT(·)代表快速傅立叶变换，_Sr(k,n,f)为第k帧经过脉冲压缩后的信号频谱，S_ks(k,m,f)为第k帧经过Keystone变换后的数据，雷达接收到的回波信号为S_r(k,n,t)，t为快时间维变量，n为慢时间维变量；

C、对经过上述步骤处理后的每一帧信号变换到时域并进行慢时间维的相参积累；

D、去除序列上的弱小点；

E、将经过上述步骤处理后的K帧信号进行基于方向加权的DP-TBD处理，K为正整数，由雷达参数设定。

2.根据权利要求1所述的一种雷达微弱目标检测方法，其特征在于，每一帧雷达回波数据包括N个雷达回波，N为正整数，由雷达参数设定。

3.根据权利要求1所述的一种雷达微弱目标检测方法，其特征在于，所述步骤A具体为：对雷达回波信号和参考信号分别作快速傅立叶变换，然后将变换后的频域信号进行相乘，再作快速傅立叶反变换。

4.根据权利要求1所述的一种雷达微弱目标检测方法，其特征在于，步骤D中，通过有序恒虚警率处理去除序列上的弱小点。

5.根据权利要求4所述的一种雷达微弱目标检测方法，其特征在于，在有序恒虚警率处理过程中，设置低的门限值。

6.根据权利要求1所述的一种雷达微弱目标检测方法，其特征在于，步骤E所述方向加权是：对在可能性较大方向上的点乘以一个较大的加权系数，对在可能性较小方向上的点乘以一个较小的加权系数。