CN110632569B - 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 - Google Patents

Abstract

本发明公开一种利用双极化特征的雷达固定翼无人机与杂波识别方法，该方法包括以下步骤：1、匹配滤波；2、脉冲对消；3、对脉冲对消后的输出信号进行FFT运算；4、二维恒虚警率检测；5、多帧检测结果累积与判决；6、双极化通道检测结果匹配识别。本发明方法可以降低雷达虚警，无人机与杂波识别精准；本发明方法无需无人机与杂波先验信息；本发明方法适于工程实现。

Description

一种利用双极化特征的雷达固定翼无人机与杂波识别方法

技术领域

本发明涉及雷达识别方法，尤其是雷达无人机与杂波识别方法，更具体地是涉及一种利用双极化特征的雷达固定翼无人机与杂波识别方法。

背景技术

无人机的广泛使用给人们生活带来了诸多便利，与此同时，无人机也给国家和个人安全、利益带来了严重威胁。例如：无人机被用于军事目标打击、军事侦察、恐怖袭击、犯罪等等。为了防止无人机滥用给国家和个人安全、利益造成损害，对无人机进行有效检测与识别刻不容缓。

检测和识别无人机的手段包括声学、光学和雷达。其中，雷达具有全天时、全天候的特点，而备受关注。对于雷达而言，无人机属于典型的“低小慢”目标，其飞行高度低、雷达截面积小、飞行速度慢。雷达在探测无人机时在时域、频域均面临着杂波干扰。当无人机径向速度较快时，通过频域或时频二维检测方法可有效检测到无人机。但同时，有些强杂波也被检测出，对于检测出的多个目标，雷达难以鉴别出无人机与杂波。对此，如何充分挖掘无人机与杂波的特征差异，然后利用二者的特征差异实现无人机与杂波的识别，是雷达无人机检测识别的关键技术，具有重要的意义。

无人机可分为两类，一类是旋翼无人机，一类是固定翼无人机。这两类无人机与其它人造目标类似，属于复杂结构目标，其雷达回波具有时域、频域、空域、极化域等多域特性，分析这些特性是寻找无人机回波与杂波特性差异的基础，有助于雷达无人机检测与识别。

目前，研究旋翼无人机雷达回波特性的研究报道较多。这些工作主要针对无人机的雷达截面积(RCS)均值和统计分布、多普勒谱、微多普勒谱以及极化等特性开展研究。而针对固定翼无人机回波特性研究，国内外均开展了雷达固定翼无人机暗室和外场测量试验，并结合实测数据分析了固定翼无人机RCS 特性，除此以外，未见其他方面的研究报道。

在无人机识别方法，国外学者针对雷达旋翼无人机识别开展了一些内、外场试验，并通过对实测数据进行处理分析发现：利用长时间观测形成的目标点迹、微多普勒谱特征以及极化特征参数等特征可实现雷达旋翼无人机识别。但是，针对雷达固定翼无人机识别，未见相关的公开报道。

发明内容

本发明要解决的技术问题是：利用无人机、杂波在双极化雷达各极化通道多帧检测结果的差异性以识别无人机和杂波，从而剔除杂波，降低雷达虚警概率，提高雷达检测性能。本发明在识别无人机和杂波时，无需杂波和无人机先验信息，本发明对硬件系统无额外要求，易于实现，工程适用性强，识别概率高。

本发明的技术方案是：一种利用双极化特征的雷达固定翼无人机与杂波识别方法，包括以下步骤：

步骤1、匹配滤波：对雷达接收信号进行匹配滤波和加窗处理。

双极化雷达发射线性调频脉冲信号，发射信号可表示为

其中，A为发射信号幅度，f₀为信号载频，μ为调频斜率，T为脉冲重复周期，τ为脉冲宽度，

雷达匹配滤波器的时域响应为

h(t)＝as^*(t₀-t) (1.2)

其中，a为一常数，t₀为保证滤波器物理可实现的时间延迟，上标*表示取共轭。

不失一般性，在此，我们取

雷达匹配滤波输出可表示为

z(t)＝ifft[S(ω)H(ω)] (1.4)

其中，ifft表示逆傅里叶变换，S(ω)、H(ω)分别为s(t)和h(t)的傅里叶变换。

为了降低匹配滤波输出旁瓣电平，通常对匹配滤波器输出进行时域或频域加窗。在此，我们采用hanning窗对匹配滤波器的输出信号进行频域加窗，加窗后的输出时域信号可表示为

z(t)＝ifft[S(ω)H(ω)F(ω)] (1.5)

其中，F(ω)为hanning窗函数频率响应。

步骤2、脉冲对消：对匹配滤波和加窗后的输出信号进行两脉冲对消或三脉冲对消；

两脉冲对消后的输出可表示为

y(t)＝y(t)-y(t-T) (1.6)

三脉冲对消后的输出可表示为

y(t)＝y(t)-2y(t-T)+y(t-2T) (1.7)

步骤3、多普勒滤波器组滤波：对脉冲对消后的输出信号进行FFT运算。

脉冲对消输出信号离散化后可表示为y(k)。假定一个脉冲重复周期内雷达有N个采样点，雷达一帧内包含M个脉冲重复周期。则一帧内雷达总的采样点数为MN。将一帧内脉冲对消输出离散信号排列为一个M行N列的数组，数组内第m行第n列元素记为y(m,n)。对该数组信号采用多普勒滤波器组进行滤波，在此，多普勒滤波器组滤波通过对该数组信号每一列进行FFT来实现：

Y_ω(n)＝fft[y(1,n) y(2,n) … y(M,n)] (1.8)

其中，fft表示傅里叶变换，Y_ω(n)为一个M×1的数组。

对所有列的信号进行FFT运算后的输出信号排列为一个M×N的数组，该数组即为经过多普勒滤波器组滤波后的雷达距离多普勒图。

步骤4、二维恒虚警率(CFAR)检测：对每个距离-多普勒单元信号进行二维CFAR检测，判断每个距离-多普勒单元是否存在目标。

针对步骤3得到的多普勒滤波器组滤波输出{Y_ω(m,n)}，对每个距离-多普勒单元信号进行二维CFAR检测。在检测时，保护单元个数为L，参考单元个数为P，二维CFAR检测判决表达式为

其中，α为门限因子，

为待检测距离-多普勒单元左边P个距离-多普勒参考单元的信号，如图1中坐标阴影部分的信号，

为待检测距离-多普勒单元右边P个距离-多普勒参考单元的信号，

为待检测距离-多普勒单元上边P个距离-多普勒参考单元的信号，

为待检测距离-多普勒单元下边各P个距离-多普勒参考单元的信号。当某一边不足P个距离-多普勒参考单元时，则从与其相反的一边补取，以保证横向和纵向都是2P个距离-多普勒参考单元。

二维CFAR检测示意图如图1所示，图中，圆圈所在距离-多普勒单元即为待检测单元，阴影部分的距离-多普勒单元为参考单元，待检测单元与参考单元之间的距离-多普勒单元为保护单元。

对参考单元的信号幅度进行统计平均，将得到的平均幅度乘以门限因子作为检测门限，然后将带检测的距离-多普勒单元信号幅度与检测门限进行对比，大于检测门限则认为存在目标，该距离-多普勒单元检测结果即为1；小于检测门限则认为目标不存在，该距离-多普勒单元检测结果即为0。最终由0、1组成的判决结果数组记为D，其为一个M×N的矩阵。

步骤5、多帧检测结果累积与判决：针对每个距离-多普勒单元检测结果，进行多帧累计，累计后再设置门限以判断每个距离-多普勒单元是否存在目标

按照步骤1-4可获得每一帧的目标检测结果D。在此，记第i帧的检测结果记为D_i，则经过多帧检测后，将获得多帧检测结果。对多帧检测结果进行累加，得到多帧检测累积结果：

其中，D′为一个M×N的矩阵。

对D′中每一元素进行判决；

其中，A为一个自然数。同样，目标存在时，记为1，目标不存在时，记为0。由MN个0或1组成的判决结果数组记为D″。

步骤6、双极化通道检测结果匹配识别：对水平极化通道和垂直极化通道多帧累积后的判决结果进行比对，两个极化通道在某一距离-多普勒单元同时存在目标时，判断目标存在；否则，判断目标不存在。

对于采用单极化发射、双极化接收体制的双极化雷达，每个极化通道都会得到一个判决结果D″。雷达采用水平或垂直极化发射，采用水平和垂直极化同时接收信号，则水平、垂直极化通道的最终判决结果分别D″_H和D″_V。对于D″_H和D″_V中各个元素，如果D″_H和D″_V在某一位置的元素同时为1，则判定该位置的目标为无人机，如果D″_H和D″_V在某一位置的元素只有一个为1，则判定该位置的目标为杂波。

本发明的有益效果：

一、降低雷达虚警，无人机与杂波识别精准。本发明通过对双极化通道的多帧检测结果进行积累和匹配实现无人机目标与杂波虚警的识别，识别精度高。在识别杂波的同时，即降低了雷达虚警。

二、无需无人机与杂波先验信息。本发明直接采用双极化雷达接收信号进行匹配滤波、脉冲对消、多普勒滤波、二维CFAR检测、多帧累积判决以及双极化通道匹配等处理，整个处理环节无需任何无人机与杂波先验信息。

三、适于工程实现。由本发明的技术方案可见，本发明涉及的实现步骤少、计算量小，且不需要改造现有雷达硬件系统，因此，本发明易于实现、工程适用性强。

附图说明

图1为二维CFAR检测示意图

图2为本发明提出的双极化雷达无人机与杂波检测识别方法流程图；

图3a、b为利用本发明进行匹配滤波后的输出结果；

图4a、b为利用本发明进行多帧检测判决后的结果；

图5为利用本发明进行双极化通道检测结果匹配识别后的结果；

具体实施方式

以下结合附图对本发明的实施方式作进一步说明。

图2为本发明提出的双极化雷达无人机与杂波检测识别方法流程图，该方法共包含六个步骤：第一步：匹配滤波；第二步：脉冲对消；第三步：多普勒滤波器组滤波；第四步：二维CFAR检测；第五步：多帧检测结果积累与判决；第六步：双极化通道检测结果匹配识别。

图3至图5是采用本发明结合雷达无人机探测实测数据处理得到的结果图。

试验雷达为国防科技大学电子科学学院的双极化雷达系统，无人机为一架固定翼无人机，无人机在400米左右的高度、距离雷达3-7公里范围内往返飞行，在飞行过程中，雷达主波束始终对准无人机，杂波为地杂波。试验时，雷达发射水平或垂直单极化信号，接收采用水平和垂直极化同时接收，雷达发射信号为线性调频信号，脉冲宽度为5μs，带宽为5MHz，脉冲重复周期为1.25ms，雷达采样率我10MHz。

图3a是利用本发明对水平极化发射、水平极化接收(HH)时的实测数据进行匹配滤波后的结果，图3b是利用本发明对水平极化发射、垂直极化接收 (VH)时的实测数据进行匹配滤波后的结果，横坐标表示采样点数，纵坐标表示脉冲数。图中，在横坐标250附近有一条亮线，该亮线为无人机回波。从图 3中可以看出，在1001-1500个脉冲区间的无人机回波较弱，为了验证本发明的有效性，下面将结合1001-1500个脉冲区间的实测数据着重分析本发明对无人机和杂波的检测识别性能。

图4a是HH通道信号经过多帧检测积累与判决后的检测结果，图4b是VH 通道信号经过多帧检测积累与判决后的检测结果，横坐标表示采样点数(等效于距离)，纵坐标表示脉冲数(等效于多普勒频率)。其中，在二维CFAR检测时，将50个脉冲作为一帧，那么，总共有10帧数据。在对每一帧数据进行FFT 和二维CFAR检测后，再对10帧数据的检测结果进行积累和判决，保护距离- 多普勒单元L＝2，参考距离-多普勒单元数P＝8，门限因子α＝3，判决门限A＝2。图4说明，采用本发明，HH通道和VH通道均能检测出一些目标，这些目标中有一部分是无人机，有一部分是杂波造成的虚警。

图5是双极化通道检测结果匹配识别后的结果，横坐标表示采样点数(等效于距离)，纵坐标表示脉冲数(等效于多普勒频率)。在HH通道和VH通道均有目标时，我们判定该目标为无人机。而杂波具有较大的起伏性和不确定性， HH通道和VH通道只有一个通道检测到目标时，我们判定该目标为杂波，将其去掉以消除虚警。最终无人机检测识别结果如图5所示。检测识别结果与图 3中无人机所在真实位置(即图中亮线)一致，这验证了本发明的有效性。

Claims (7)

1.一种利用双极化特征的雷达固定翼无人机与杂波识别方法，其特征在于：该方法包括以下步骤：

步骤1、匹配滤波：对雷达接收信号进行匹配滤波和加窗处理；

步骤2、脉冲对消：对匹配滤波和加窗后的输出信号进行两脉冲对消或三脉冲对消；

步骤3、多普勒滤波器组滤波：对脉冲对消后的输出信号进行FFT运算；

步骤4、二维恒虚警率检测：针对步骤3得到的多普勒滤波器组滤波输出，对每个距离-多普勒单元信号进行二维CFAR检测；判断每个距离-多普勒单元是否存在目标；其中，门限因子α要适当降低，以保证能够高概率检测到无人机目标；

步骤5、多帧检测结果累积与判决：针对每个距离-多普勒单元检测结果；进行多帧累计；累计后再设置门限以判断每个距离-多普勒单元是否存在目标；

步骤6、双极化通道检测结果匹配识别：具体过程为：

对于采用单极化发射、双极化接收体制的双极化雷达；每个极化通道都会得到一个判决结果D″；雷达采用水平或垂直极化发射；采用水平和垂直极化同时接收信号；则水平、垂直极化通道的最终判决结果分别D″_H和D″_V；对于D″_H和D″_V中各个元素；如果D″_H和D″_V在某一位置的元素同时为1；则判定该位置的目标为无人机；如果D″_H和D″_V在某一位置的元素只有一个为1；则判定该位置的目标为杂波。

2.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法；其特征在于：所述步骤1的具体过程为：

双极化雷达发射线性调频脉冲信号；发射信号可表示为

其中；A为发射信号幅度；f₀为信号载频；μ为调频斜率；T为脉冲重复周期；τ为脉冲宽度；

雷达匹配滤波器的时域响应为

h(t)＝as^*(t₀-t) (1.2)

其中；a为一常数；t₀为保证滤波器物理可实现的时间延迟；上标*表示取共轭；不失一般性；在此；我们取

雷达匹配滤波输出可表示为

z(t)＝ifft[S(ω)H(ω)] (1.4)

其中；ifft表示逆傅里叶变换；S(ω)、H(ω)分别为s(t)和h(t)的傅里叶变换。

3.根据权利要求2所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法；其特征在于：进一步的，为降低匹配滤波输出旁瓣电平，对匹配滤波器输出进行时域或频域加窗；采用hanning窗对匹配滤波器的输出信号进行频域加窗；加窗后的输出时域信号可表示为

z(t)＝ifft[S(ω)H(ω)F(ω)] (1.5)

其中；F(ω)为hanning窗函数频率响应。

4.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法，其特征在于：所述步骤2的具体过程为：

两脉冲对消后的输出可表示为

y(t)＝y(t)-y(t-T) (1.6)

三脉冲对消后的输出可表示为

y(t)＝y(t)-2y(t-T)+y(t-2T) (1.7)。

5.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法，其特征在于：所述步骤3的具体过程为：

脉冲对消输出信号离散化后可表示为y(k)；假定一个脉冲重复周期内雷达有N个采样点；雷达一帧内包含M个脉冲重复周期；则一帧内雷达总的采样点数为MN；将一帧内脉冲对消输出离散信号排列为一个M行N列的数组；数组内第m行第n列元素记为y(m,n)；对该数组信号采用多普勒滤波器组进行滤波；多普勒滤波器组滤波通过对该数组信号每一列进行FFT来实现：

Y_ω(n)＝fft[y(1,n) y(2,n)…y(M,n)] (1.8)

其中；fft表示傅里叶变换；Y_ω(n)为一个M×1的数组；

对所有列的信号进行FFT运算后的输出信号排列为一个M×N的数组；该数组即为经过多普勒滤波器组滤波后的雷达距离多普勒图。

6.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法，其特征在于：所述步骤4的具体过程为：

针对步骤3得到的多普勒滤波器组滤波输出{Y_ω(m,n)}；对每个距离-多普勒单元信号进行二维CFAR检测；在检测时；保护单元个数为L；参考单元个数为P；二维CFAR检测判决表达式为

其中；α为门限因子；

为待检测距离-多普勒单元左边P个距离-多普勒参考单元的信号；

为待检测距离-多普勒单元右边P个距离-多普勒参考单元的信号；

为待检测距离-多普勒单元上边P个距离-多普勒参考单元的信号；

为待检测距离-多普勒单元下边各P个距离-多普勒参考单元的信号；当某一边不足P个距离-多普勒参考单元时；则从与其相反的一边补取；以保证横向和纵向都是2P个距离-多普勒参考单元；

对参考单元的信号幅度进行统计平均；将得到的平均幅度乘以门限因子作为检测门限；然后将带检测的距离-多普勒单元信号幅度与检测门限进行对比；大于检测门限则认为存在目标；该距离-多普勒单元检测结果即为1；小于检测门限则认为目标不存在；该距离-多普勒单元检测结果即为0；最终由0、1组成的判决结果数组记为D；其为一个M×N的矩阵。

7.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法，其特征在于：所述步骤5的具体过程为：

按照步骤1-4可获得每一帧的目标检测结果D；记第i帧的检测结果记为D_i；则经过多帧检测后；将获得多帧检测结果；对多帧检测结果进行累加；得到多帧检测累积结果：

其中；D′为一个M×N的矩阵；

对D′中每一元素进行判决；

其中；A为一个自然数；同样；目标存在时；记为1；目标不存在时；记为0；由MN个0或1组成的判决结果数组记为D″。

Images