CN112799070A - 一种船用雷达雨雪杂波抑制算法 - Google Patents

Abstract

本发明涉及一种船用雷达雨雪杂波抑制算法，包括读取扫描线数据、读取雨雪杂波抑制参数、建立滑窗矩阵一和滑窗矩阵二，分别计算滑窗矩阵一内幅值平均值，根据滑窗矩阵一内的幅值平均值和滑窗矩阵二内的幅值平均值加权计算得到当前扫描线所有点的雨雪杂波加权幅值，计算得到当前扫描线雨雪抑制后的幅值。通过本发明的算法，使得该雨雪杂波估计值更接近实际雨雪杂波的回波特性的同时，保留目标回波的幅值，能够在尽可能大的抑制雨雪杂波的同时将对目标的影响降低到最小。

Description

一种船用雷达雨雪杂波抑制算法

技术领域

本发明涉及船用雷达领域，具体涉及一种船用雷达雨雪杂波抑制算法。

背景技术

船用雷达是全天时全天候的核心导航设备，是船舶航行的眼睛，关系到国家海防和海事的安全。尤其是在雨雪天气条件下，驾驶员目视效果差，对船用雷达依赖度更高。但是船用雷达的探测和跟踪性能常常会受雨雪、低空云层表面散射的电磁波的影响。雨雪、云层散射的电磁波也称为雨雪杂波。雨雪杂波的出现会导致或增加虚警概率，或降低虚警率恒定时目标的检测概率。

为了在海洋航行过程中，雨雪杂波干扰存在的条件下正确分辨目标与周围环境，船用雷达通常提供手动、自动两种调节方法对雨雪进行抑制。由于自动抑制算法自适应性差, 不同气象条件下基本上是等效、均匀不变的抑制,而海洋上的环境瞬息万变,仅仅靠自动抑制不能满足用户需求,所以船用导航雷达通常采用手动输入抑制控制参数。

现有的船用雷达雨雪杂波抑制算法，主要包括中值滤波、STC控制、恒虚警处理等。其中，中值滤波通过直接对雷达回波进行中值处理，剔除脉冲式杂波的干扰，减小离散点的虚警概率，但是当雨雪杂波分布较为均匀时，滤波效果不佳；STC控制利用雨雪干扰距离越远反射性能越强的特点，对回波数据进行STC控制，但是实际使用过程中调节参数较多，对场景变化自适应能力较差；恒虚警处理则是通过对一个滑窗范围内的杂波估计来估算雨雪杂波的大小，通过幅值过滤后检测目标。但是恒虚警处理在雨雪较大或者低空厚云层条件下，由于雨雪杂波回波强度和小目标的回波强度较为接近，抑制过高会导致小目标同时被抑制掉，抑制过低小目标淹没在雨雪杂波内无法分辨，对航行安全造成一定的影响。

现有技术如申请号为201910656437.3公开了一种复杂气候条件下的FOD雷达雨雪杂波抑制方法，虽然同样是雨雪天杂波处理，但是其应用场景主要针对于地杂波干扰占主要因素的地表雨天，使用场景不适合海航。

申请号为201410375937.7公开了一种基于移动求和偏差及STC控制的雨雪干扰抑制方法，该方法在大片连续强回波时，对移动求和偏差系数进行较大的衰减，以实现对呈羊毛状分布的雨雪干扰进行抑制；另一方面，STC曲线控制对近处的检测门限低，远处时其加权值逐渐增大，也可以对雨雪起到较好的抑制作用。但是该方法较大程度上受限于STC抑制曲线近小远大的特点，所以对较远处的目标即使雨雪杂波较弱时，探测效果也不够理想。

发明内容

为解决上述技术问题，本发明提供了一种船用雷达雨雪杂波抑制算法，通过基于双滑窗的雨雪杂波抑制算法加权处理雨雪杂波，在尽可能大的抑制雨雪杂波的同时将对目标的影响降低，呈现出更为清晰、真实的雷达探测目标，本发明的技术目的是通过以下技术方案实现的：

一种船用雷达雨雪杂波抑制算法，包括以下步骤：

S1、雷达天线发射脉冲信号对周围环境扫描形成若干扫描线，每条扫描线上包括若干采样点；

S2、雷达天线的旋转周期内，对每个方位发射的脉冲信号进行脉冲累计，获得雷达回波数据，形成数字扫描信息；

S3、基于雷达显控软件进行初始化，读取船用雷达当前以及前三条回波扫描线数值D，D={

，

，

…

}，

为扫描线上的点的幅值；

S4、读取当前雨雪抑制参数归一化处理后的值Rain；

S5、根据当前扫描线前三条扫描线上目标点及三条扫描线上与目标点前后相邻的两点建立滑窗矩阵一，目标点缺少相邻点的，补充幅值为0的相邻点，计算滑窗矩阵一内幅值平均值

；

S6、根据当前扫描线上目标点及当前扫描线上与目标点前后相邻的两点建立滑窗矩阵二，目标点缺少相邻点的，补充幅值为0的相邻点，计算滑窗矩阵二的幅值平均值

；

S7、计算当前扫描线上目标点雨雪杂波加权幅值

，n=1、2、3…n，

=（1+K）*（

），其中K=0.8Rain+0.2；

S8、以目标点相邻的下一个点为目标点，重复步骤S3-S5，计算当前扫描线上所有目标点的雨雪杂波加权幅值

（n=1、2、3…n）；

S9、计算当前扫描线雨雪抑制后的幅值A，A=D-V，其中，V为当前回波扫描线数值矩阵，V={

}。

进一步地，滑窗矩阵一的跨度为三条相邻扫描线和每条扫描线上三个相邻点；滑窗矩阵二的跨度为一条扫描线和一条扫描线上的三个点。

进一步地，目标点从扫描线上第一个点开始，每个目标点的雨雪杂波加权幅值计算完成后，沿沿扫描线与目标点相邻的下一个点为目标点，直至当前扫描线上所有目标点的雨雪杂波加权幅值计算完成。

进一步地，滑窗矩阵一和滑窗矩阵二同时建立。

进一步地，Rain为船舶当前输入的常值。

进一步地，该算法还包括，对经雨雪抑制后的幅值矩阵A进行非负处理，幅值矩阵中小于0的值归零处理。

相比现有技术，本发明的有益效果在于：

1、本发明的船用雷达雨雪杂波抑制算法具备两个滑窗，通过权值分配得到雨雪杂波估计值，使得该雨雪杂波估计值更接近实际雨雪杂波的回波特性的同时，保留目标回波的幅值，能够在尽可能大的抑制雨雪杂波的同时将对目标的影响降低到最小。

2、本发明的方法计算量尤其小，实时性高，不必缓存过多回波数据，极易移植实现在资源与运算能力较低的嵌入式平台；

3、本方法提出了协同使用两种窗化法进行雨雪杂波估计，对服从韦布尔分布的雨雪杂波而言，比传统的恒虚警处理效果更为突出。

附图说明

图1是本发明的船用雷达雨雪杂波抑制算法流程示意图。

图2是本发明实施例中的滑窗位置示意图。

图3是采用本发明的船用雷达雨雪杂波抑制算法前实测的雷达显示图。

图4是采用本发明的船用雷达雨雪杂波抑制算法后实测的雷达显示图。

具体实施方式

下面结合具体实施方式对本发明的技术方案进行进一步描述：

一种船用雷达雨雪杂波抑制算法，如图1所示，包括以下步骤：

S1、雷达天线以脉冲信号发射的形式对周围环境进行顺时针扫描；在旋转扫描的过程中以特定的频率（与所选量程有关）对环境进行探测。接收机将模拟回波经混频、放大、检波、AD采样、量化、编码后，转化为数字信号，形成离散扫描线信息；

每个天线旋转周期采样4096条扫描线，每条扫描线上包括1024个采样点（或2048个，和所选量程有关）；随着天线的旋转每条扫描线进行对应方位上的实时更新；

S2、天线旋转周期内，对特定方位发射的脉冲序列进行脉冲累计，获得较高信噪比的雷达回波数据，并形成最终的数字扫描信息；

S3、基于现有的雷达显控软件进行初始化，读取船用雷达当前以及前三条回波扫描线数值D，D={

，

，

…

}，

为扫描线上的点的幅值，回波扫描线上第一个点的幅值表示为

，第二个点的幅值表示为

，依次类推；

S4、读取当前雨雪抑制参数归一化处理后的值Rain，Rain值为一个可变常量，数值由驾驶员根据当前航行情况调节设定；

S5、根据当前扫描线前三条扫描线上目标点及这三条扫描线上目标点前后相邻的两点建立滑窗矩阵一，目标点从扫描线上第一个点开始为目标点，第一个点（目标点）的雨雪杂波加权幅值计算完成后目标点变成扫描线上第二个点，依次类推，直至最后一个点作为目标点。当第一个点和最后一个点作为目标点时，必然缺少一个相邻点，此时补充一个幅值为0的相邻点，计算滑窗矩阵一内三条扫描线上9个点的幅值平均值

。

S6、根据当前扫描线上的目标点及这个目标点前后相邻点的两个点建立滑窗矩阵二，滑窗矩阵二和滑窗矩阵一同时建立，滑窗矩阵一建立的基础是历史数据，滑窗矩阵二建立的基础是当前数据，目标点也是从当前扫描线上第一个点开始为目标点，第一个点（目标点）的雨雪杂波加权幅值计算完成后目标点变成该扫描线上第二个点，依次类推，直至最后一个点作为目标点。当第一个点和最后一个点作为目标点时，必然缺少一个相邻点，此时补充一个幅值为0的相邻点，计算滑窗矩阵二内扫描线上3个点的幅值平均值

。

S7、计算当前扫描线上目标点雨雪杂波加权幅值

，n=1、2、3…n，

=（1+K）*（

），其中K=0.8Rain+0.2。

S8、以目标点相邻的下一个点为目标点，重复步骤S3-S5，计算当前扫描线上所有目标点的雨雪杂波加权幅值

（n=1、2、3…n），也就是说将当前扫描线上所有的点作为目标点分别计算雨雪杂波加权幅值。

S9、计算当前扫描线雨雪抑制后的幅值A，A=D-V，其中，V为当前回波扫描线数值矩阵，V={

}。

当前扫描线计算完成后返回S1中重新读取扫描线数据，当前扫描线的数据D成为历史数据。

下面结合具体实例对本发明进行说明，如图2所示：

假设当扫描线为

，当前扫描线的幅值矩阵为

={5,10,15}，前三条扫描线分别表示为

、

、

，

={5,10,15}，

={10,15,20}，

={10,12,15}；

读取当前雨雪抑制参数归一化处理后的值Rain，本实施例中Rain=0.7；

建立滑窗矩阵一，由于第一个点缺少相邻点，则补充一个幅值为0的相邻点，此时滑窗矩阵一的滑窗矩阵数值

，其中

上第一个点的幅值为5，其相邻的两个点的幅值分别为0和10，0为补充的幅值；

上第一个点的幅值为10，其相邻的两个点的幅值分别为0和15，0为补充的幅值；

上第一个点的幅值为10，其相邻的两个点的幅值分别为0和12，0为补充的幅值，则滑窗矩阵一的幅值平均值

=

≈

；

建立滑窗矩阵二，由于第一个点缺少相邻点，则补充一个幅值为0的相邻点，此时，滑窗矩阵二的滑窗矩阵数值

，其中0为补充的幅值，5为

上第一个点的幅值，10为

上第二个点的幅值，滑窗矩阵二的幅值平均值

=

=5；

当前扫描线上第一个点雨雪杂波加权幅值

，

=（1+K）*（

），K为常量，本实施例中K=0.8Rain+0.2=0.8*0.7+0.2=0.76，将K值带入计算得到

，

≈5.5；

按照上述方法，第二个点为目标点时，

=

≈12，

=10，

≈7.7；

第三个点为目标点时，

=

≈9.7，

≈8，

≈6.4；得到当前扫描线

所有点的雨雪杂波估计值矩阵V={5.5,7.7,6.4}；

然后计算得到当前扫描线雨雪抑制后的幅值A={-0.5,2.3,8.6}，计算结果得到负值则计为0，也即得到A={0,2.3,8.6}，利用当前扫描线雨雪抑制后的幅值A代替回波扫描线数值D，降低雨雪等对雷达探测精度的影响，提升雷达显示准确度。

图3和图4分别为使用本发明的船用雷达雨雪杂波抑制算法前、后的雷达显示图，图中白色区域范围明显缩小，扫描结果更加清晰。

本实施例只是对本发明的进一步解释，并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性的修改，但是只要在本发明的权利要求范围内都受到专利法的保护。

Claims (6)

1.一种船用雷达雨雪杂波抑制算法，其特征在于，包括以下步骤：

S1、雷达天线发射脉冲信号对周围环境扫描形成若干扫描线，每条扫描线上包括若干采样点；

S2、雷达天线的旋转周期内，对每个方位发射的脉冲信号进行脉冲累计，获得雷达回波数据，形成数字扫描信息；

S3、基于雷达显控软件进行初始化，读取船用雷达当前以及前三条回波扫描线数值D，D={

，

，

…

}，

为扫描线上的点的幅值；

S4、读取当前雨雪抑制参数归一化处理后的值Rain；

S5、根据当前扫描线前三条扫描线上目标点及三条扫描线上与目标点前后相邻的两点建立滑窗矩阵一，目标点缺少相邻点的，补充幅值为0的相邻点，计算滑窗矩阵一内幅值平均值

；

S6、根据当前扫描线上目标点及当前扫描线上与目标点前后相邻的两点建立滑窗矩阵二，目标点缺少相邻点的，补充幅值为0的相邻点，计算滑窗矩阵二的幅值平均值

；

S7、计算当前扫描线上目标点雨雪杂波加权幅值

，n=1、2、3…n，

=（1+K）*（

），其中K=0.8Rain+0.2；

S8、以目标点相邻的下一个点为目标点，重复步骤S3-S5，计算当前扫描线上所有目标点的雨雪杂波加权幅值

（n=1、2、3…n）；

S9、计算当前扫描线雨雪抑制后的幅值A，A=D-V，其中，V为当前回波扫描线数值矩阵，V={

}。

2.根据权利要求1所述的一种船用雷达雨雪杂波抑制算法，其特征在于，滑窗矩阵一的跨度为三条相邻扫描线和每条扫描线上三个相邻点；滑窗矩阵二的跨度为一条扫描线和一条扫描线上的三个点。

3.根据权利要求2所述的一种船用雷达雨雪杂波抑制算法，其特征在于，所述目标点从扫描线上第一个点开始，每个目标点的雨雪杂波加权幅值计算完成后，沿沿扫描线与目标点相邻的下一个点为目标点。

4.根据权利要求1所述的一种船用雷达雨雪杂波抑制算法，其特征在于，所述滑窗矩阵一和滑窗矩阵二同时建立。

5.根据权利要求1所述的一种船用雷达雨雪杂波抑制算法，其特征在于，Rain为船舶当前输入的常值。

6.根据权利要求1所述的一种船用雷达雨雪杂波抑制算法，其特征在于，该算法还包括，对经雨雪抑制后的幅值矩阵A进行非负处理，幅值矩阵中小于0的值归零处理。

Images