抛锚状态下的船载地波雷达目标自适应检测方法

公维春; 纪永刚; 黎明; 王祎鸣; 张杰

doi:10.12265/j.cjors.2021202

抛锚状态下的船载地波雷达目标自适应检测方法

公维春^{1, 3},
纪永刚^2, ,,
黎明³,
王祎鸣¹,
张杰²

1.
自然资源部第一海洋研究所, 青岛 266061
2.
中国石油大学(华东), 青岛 266580
3.
中国海洋大学, 青岛 266100

基金项目: 国家重点研发计划项目课题（2017YFC1405202）; 国家自然科学基金（62031015）

详细信息

作者简介:
公维春: (1994—)，男，山东人，中国海洋大学工程学院，硕士研究生，研究方向为高频地波雷达信号处理技术

纪永刚: (1977—)，男，山东人，中国石油大学（华东）海洋与空间信息学院，教授，博士生导师，研究方向为紧凑型地波超视距雷达技术、海洋雷达探测技术

黎明: (1975—)，男，浙江人，中国海洋大学工程学院，教授，硕士生导师，研究方向为智能信号处理与智能控制、海洋测控技术

王祎鸣: (1981—)，男，山东人，自然资源部第一海洋研究所，副研究员，研究方向为海洋雷达信号处理

张杰: (1963—)，男，内蒙古人，中国石油大学（华东）海洋与空间信息学院，研究员，博士生导师，研究方向为自主卫星遥感技术与新型遥感器研发、专属经济区海上目标监视技术与装备

通信作者:
纪永刚 E-mail: jiyonggang@upc.edu.cn

中图分类号: TN958.93
计量
- 文章访问数: 544
- HTML全文浏览量: 127
- PDF下载量: 56
出版历程
- 收稿日期: 2021-08-08
- 录用日期: 2021-12-16
- 网络出版日期: 2021-12-16
- 刊出日期: 2022-04-27

Adaptive target detection method of shipborne HFSWR in anchored state

1.
The First Institute of Oceanography, Qingdao 266061, China
2.
China University of Petroleum, Qingdao 266580, China
3.
Ocean University of China, Qingdao 266100, China

摘要

摘要: 船载地波雷达可利用船载平台机动灵活的特点，扩展地波雷达探测范围，但也会由于平台的运动，影响目标探测性能. 针对船载平台抛锚运动引起艏向变化和目标回波展宽范围不规则导致目标检测性能下降的问题，提出了一种适用于平台抛锚状态时的船载地波雷达目标自适应检测方法. 首先，从平台抛锚时船载地波雷达的目标回波特性和检测背景统计特性两个方面来分析目标检测中的难题. 然后，基于理论仿真与实测数据的分析结果，提出目标自适应检测方法. 该方法先通过前端数据的预处理消除艏向变化带来的影响，再将处理结果进行检测背景的自适应选取并作统计特性转化处理，经过恒虚警率检测后得到检测结果. 最后，利用实测数据对本文提出的方法进行验证. 结果表明：本文提出的船载地波雷达目标自适应检测方法能够有效解决船载平台抛锚时的目标检测难题，可显著提高抛锚状态下船载地波雷达的目标探测能力.
- 船载地波雷达 /
- 抛锚状态 /
- 目标检测 /
- 回波特性 /
- 统计特性 /
- 自适应背景区选取
Abstract: Shipborne high frequency sunface wave radar (HFSWR) can make use of the flexibility of shipborne platform to expand the detection range of HFSWR. However, the motion of the platform will also affect the target detection performance. In order to solve the problem that the bow change caused by the anchoring motion of the shipborne platform and the irregularity of the target echo widening range lead to the decline of target detection performance, a shipborne HFSWR target adaptive detection method suitable for the anchoring state of the platform is developed in this paper. Firstly, the difficulties in target detection are analyzed from two aspects: the target echo characteristics and the detection background statistical characteristics of shipborne HFSWR when the platform is anchored. Then, based on the analysis results of theoretical simulation and measured data, an adaptive target detection method is proposed. First, the influence caused by heading change is eliminated through the preprocessing of front-end data, and then the processing results are adaptively selected for the detection background and transformed into statistical characteristics. After CFAR detection, the detection results are obtained. Finally, the proposed method is verified by the measured data. The results show that the target adaptive detection method of shipborne HFSWR proposed in this paper can effectively solve the problem of target detection when the shipborne platform is anchored, which can significantly improve the target detection ability of shipborne HFSWR in the anchored state.
- shipborne HFSWR /
- anchored state /
- target detection /
- echo characteristics /
- statistical characteristics /
- adaptive background selection

HTML全文

引　言

高频地波雷达（high frequency surface wave radar, HFSWR），工作于高频(3～30 MHz)频段，利用垂直极化高频电磁波沿海表面绕射的传播特性，可以对视距以外的低空飞行目标和船只等海上移动目标进行超视距探测，提供目标的距离、方位和速度信息^[1]. 由于这种探测优势，目标检测成为地波雷达海上目标探测的关键一步，因此对于相关方法的研究一直备受关注. 相对于岸基地波雷达，船载地波雷达由于具备探测灵活等优势，近年来也开始迅速发展起来. 然而，平台运动状态的灵活性也会使得目标检测难度随之增大，本文将对平台抛锚状态时的目标检测方法开展研究.

理想的地波雷达目标检测是在保证检测率与虚警率的前提下进行的，可以适用于不同检测场景，即目标自适应检测，而实现自适应检测的关键在于如何自适应选取背景区来估计背景噪声. 针对岸基地波雷达的目标检测方法，国内外学者开展了大量研究. 由于岸基地波雷达平台固定，目标回波特性不变，因此采用常规的检测方法即可实现较好的检测效果，如经典的岸基地波雷达目标检测方法—恒虚警率(constant false alarm rate，CFAR)检测^[2]. 近年来还发展了基于二次统计的改进CFAR处理方法^[3]、基于误差自校正极限学习机（error self-adjustment extreme learning machine，ES-ELM）和分数阶傅里叶变换（fractional Fourier transform，FRFT）方法的杂波内目标检测方法^[4]，以及基于粒子滤波方法目标检测跟踪联合处理方法^[5]. 但这些研究中都缺少对检测背景的统计特性研究，而掌握检测背景的统计特性对提高目标检测性能尤为重要，因此文献[6-7]中针对岸基地波雷达的检测背景划分了多种检测区域，对其统计特性开展了研究，并基于统计特性，提出采用检测背景归一化处理的方法来提高目标检测性能. 然而，如何准确且自适应地选取检测背景却始终是一个难题. 同时，目前还缺少对船载平台下地波雷达检测背景统计特性的相关研究.

对于船载地波雷达，其平台运动状态主要包括抛锚状态和航行状态. 由于船载平台的运动，尤其是航行状态，一阶海杂波可能会发生展宽，掩盖展宽区域内的目标，因此国内外对船载地波雷达目标检测的研究热点主要是发展展宽的海杂波抑制方法，以此来提高船载地波雷达目标检测性能^[8-12]. 除此之外，还可以采用先引入相关算法对数据进行预处理再进行目标检测的处理方式. 对于数据预处理方法，主要是从运动补偿处理方面来开展研究的：黄为民等人为了抑制船载地波雷达海杂波展宽，提出了一种基于HFSWR一阶散射截面积方程的运动补偿处理方法^[13-14]；文献[15]采用了基于姿态数据补偿回波相位的运动补偿处理方法，可以较好地消除由于平台航行运动过程中引起的回波相位偏移对目标检测、参数估计的影响；文献[16]针对浮动平台偏航导致的阵列幅相误差问题提出了一种整体校准方法.

但实际上船载平台的运动还可能会影响目标回波特性和目标检测背景统计特性，从而从目标自身和检测背景两个方面对目标检测造成影响. 特别是当船载平台处于抛锚状态时，其艏向变化幅度大，对目标回波特性影响尤为明显，需要开展运动补偿处理，并且为了准确估计检测背景，对抛锚状态下船载地波雷达目标检测背景统计特性的研究也不可缺少，而以往对上述情况的相关研究是未涉及到的，这些也是本文将要开展的研究. 综上，在抛锚状态下，如何进行艏向补偿处理、自适应选取背景区以及根据统计特性来处理检测背景成为目标检测过程中的难题. 为了解决这一系列的难题，本文将探讨船载平台抛锚状态下的回波特性以及检测背景统计特性，以此来总结抛锚状态下的目标检测特点与难题，并在此基础上针对相关问题提出一种适用于抛锚状态下的船载地波雷达自适应目标检测方法，最后用实测数据对相关算法和整体处理结果进行验证.

1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析

1.1 目标回波特性

船载平台由于受到海流等因素的影响，将会出现不同程度的艏向变化. 基于船载平台抛锚时长60 min内获取到的实测姿态数据，典型的艏向变化如图1所示.

图 1 船载平台抛锚状态下的典型运动情况

Fig. 1 Typical motion of the platform in the anchored state

下载: 全尺寸图片幻灯片

在海流海浪等影响下，会出现周期性较长的艏向摇摆运动，但由于在每一帧数据的积累时间内艏向变化是有限的，因此对整个检测区域的改变影响不大.

假设艏摇角频率为 ${\omega _{\rm{p}}}$ ，初始艏向角为0时，艏向角变化 $\theta (t) = {\omega _{\rm{p}}} \times t$ . 由于目标回波方向与船载平台运动方向的夹角 $\varphi$ 发生较大变化，此时应修正为 $\varphi^{\prime}(t)=\varphi+\theta(t)$ ，如图2所示.

图 2 船载地波雷达回波谱产生机理图

Fig. 2 Generation mechanism diagram of shipborne HFSWR echo spectrum

下载: 全尺寸图片幻灯片

针对目标多普勒特性，船载地波雷达的目标回波多普勒频率可表示如下：

$\begin{split} {f_{\text{d}}} &= {f_{{\text{dr}}}} + {f_{{\text{dp}}}} = \frac{{2{v_{\text{r}}}}}{\lambda }\cos\; \phi + \frac{{2{v_{\text{p}}}}}{\lambda }\cos\; \varphi '(t) \\ &= \frac{{2{v_{\text{r}}}}}{\lambda }\cos\; \phi + \frac{{2{v_{\text{p}}}}}{\lambda }\cos (\varphi + \theta (t)). \\ \end{split}$

(1)

式中： ${v_{\text{r}}}$ 为目标的速度； ${v_{\text{p}}}$ 为船载平台航速； $\phi$ 为目标速度方向与回波方向的夹角.

根据式(1)可知，对于某一特定目标，其回波多普勒频率由两部分组成：目标自身的回波多普勒频率 $2{v_{\text{r}}}\cos\; \phi /\lambda$ ，是由目标本身的速度和航向决定的；船载平台的附加多普勒频率 $2{v_{\text{p}}}\cos (\varphi + \theta (t))/\lambda$ ，是由船载平台航速和航向决定的. 但由于抛锚状态下的船载平台航速近似为0，式(1)可近似为

${f_{\text{d}}} \approx \frac{{2{v_{\text{r}}}}}{\lambda }\cos\; \phi .$

(2)

因此，从回波多普勒频率特性方面来看，影响抛锚状态下目标回波特性的因素主要为目标相对于雷达的径向速度 ${v_{\text{r}}}\cos \;\phi$ .

针对一阶海杂波多普勒特性，船载地波雷达一阶海杂波多普勒频率为^[9]

${f_{\text{d}}} = \frac{{2{v_{\text{p}}}}}{\lambda }\cos\; {\varphi _{\rm{B}}} \pm {f_{\text{B}}} .$

(3)

式中： ${\varphi _{\text{B}}}$ 为海杂波回波方向与船载平台运动方向的夹角； ${f_{\text{B}}}$ 为一阶Bragg频率.

由于抛锚状态下的船载平台航速近似为0，所以此时一阶海杂波多普勒频率近似表示为

${f_{\text{d}}} \approx \pm {f_{\text{B}}} .$

(4)

可以看出，抛锚状态下的一阶海杂波多普勒频率与岸基地波雷达相似. 因此，此时一阶海杂波展宽现象不明显.

目标回波特性除了上述的多普勒频率特性，还包括幅度特性. 对于同一目标，其船载地波雷达的回波信号表达式如下^[17]：

$s(t) = A{{\rm{e}}^{{\rm{j2 }}{\text{π}}{f_{\rm{d}}}t}} .$

(5)

式中： $A$ 为信号幅度； $t$ 为回波信号到达雷达阵列的时间.

可以发现，由于船载平台艏向变化导致阵列位置发生改变，积累时间内同一目标的回波信号到达阵列的时刻不同，其值也会不同. 因此，从回波信号幅度特性来看，相对于平台艏向不变的情况，抛锚状态下的目标回波特性也将因艏向变化而发生改变.

基于上述理论分析，影响抛锚状态下船载地波雷达回波特性的主要因素为目标径向速度变化和平台艏向变化，下面将从这两个方面来仿真分析其对目标检测的影响.

1.1.1 目标径向速度变化时的回波谱仿真分析

仿真一个单一目标，雷达频率为4.7 MHz，相干积累个数为1 024，目标相对于船载雷达的径向速度分别为9.26 km·h⁻¹匀速和9.26 km·h⁻¹匀加速变化到14.816 km·h⁻¹，其回波与船载雷达阵列法线方向的夹角为30°，船载平台航速为0，目标回波谱如图3所示.

图 3 目标速度变化时的回波谱

Fig. 3 Echo spectrum when target velocity changes

下载: 全尺寸图片幻灯片

从图3可以看出，当目标相对于船载雷达作非匀速运动时，导致不同时刻自身的回波多普勒频率 $2{v_{\text{r}}}\cos\; \phi /\lambda$ 不同，从而经过相干积累后得到的回波谱中出现展宽现象. 对于不同目标，其径向速度不同，回波谱展宽也不同，速度的多变性使展宽具有不规则性，因此在估计目标检测背景幅度大小时应依据展宽范围来自适应选取检测背景的采样值.

1.1.2 船载平台艏向变化时的回波谱仿真分析

抛锚状态下的船载平台主要表现为艏向变化大，这将改变雷达接收阵列的主轴角度，进而影响目标在雷达坐标中的角度变化.

下面仿真雷达频率为4.7 MHz，相干积累个数为1 024，阵元数为8，阵元间距为15 m，目标相对于船载雷达的径向速度为9.26 km·h⁻¹，初始回波方向与船载雷达阵列法线方向夹角（即波达角）为30°，船载平台航速0，艏向（假设平台航向与艏向一致）分别为保持260°和由260°变化到290°两种情况时，即波达角分别对应为30°和由30°变化到0°，波束指向为相对于阵列法向30°时，得到仿真的天线方向特性如图4所示. 此时目标的波束形成回波谱结果如图5所示.

图 4 仿真的天线方向特性

Fig. 4 Simulated antenna directional characteristics

下载: 全尺寸图片幻灯片

图 5 船载平台艏向变化时的目标波束形成回波谱

Fig. 5 Target beamforming echo spectrum when the heading of ship borne platform changes

下载: 全尺寸图片幻灯片

通过仿真结果可以得知：船载平台航速为0，其他条件不变，只有平台艏向变化时，此时目标展宽也较小，但在不同时刻艏向的变化会引起船载雷达阵列位置及主轴角度发生变化，目标在雷达坐标系中的方位也会发生变化，导致积累时间内对同一目标的回波强度无法叠加到理论上的最大值，引起目标信噪比降低. 因此，需要在目标检测前引入针对艏向变化的运动补偿处理来消除由船载平台运动导致的目标信噪比降低问题.

1.2 检测背景统计特性

获取抛锚状态下船载地波雷达数据后，针对作为目标检测背景的背景噪声和一阶海杂波做统计分布估计，给出了连续获取20帧数据期间的艏向变化图和单帧距离多普勒(range-Dopper, RD)谱，如图6所示.

图 6 抛锚状态下的数据获取结果

Fig. 6 Data acquisition results in anchored state

下载: 全尺寸图片幻灯片

根据1.1节分析，抛锚状态下的海杂波基本不展宽，该特性与岸基基本一致，并且海杂波理论公式也已知（式（3）），因此可以先从理论上得到海杂波的大体范围，再结合岸基地波雷达研究中对一阶海杂波的识别方法，如信噪比方法，可实现对海杂波范围进行确定，精确确定海杂波的边界，背景噪声一般不会被划分为海杂波. 即使少量背景噪声被划定为海杂波，由于背景噪声数据量小，且相对于海杂波幅度低，因此也不会改变海杂波的整体统计分布特性. 在此基础上，给出了图6中背景噪声与一阶海杂波的统计分布，如图7所示.

图 7 检测背景统计分布图

Fig. 7 Statistical distribution of detection background

下载: 全尺寸图片幻灯片

为了更直观地表现背景噪声的统计分布特性，将背景噪声和一阶海杂波的Gauss分布和Weibull分布估计曲线转化为线性形式，分别如图8和9所示.

图 8 背景噪声分布特性

Fig. 8 Distribution characteristics of background noise

下载: 全尺寸图片幻灯片

图 9 一阶海杂波分布特性

Fig. 9 Distribution characteristics of the first order sea clutter

下载: 全尺寸图片幻灯片

图10统计了抛锚期间连续20帧数据检测背景中背景噪声和一阶海杂波分别与两种分布模型的相关系数.

图 10 相关系数图

Fig. 10 Correlation coefficient chart

下载: 全尺寸图片幻灯片

结合岸基数据，分析在抛锚期间艏向变化对背景噪声Weibull分布统计估计参数中尺度参数B和形状参数C、海杂波Gauss分布统计估计参数中均值 $\mu$ 和标准差 $\sigma$ 的影响，结果如图11所示.

图 11 艏向变化对统计估计参数的影响

Fig. 11 Influence of heading variation on statistical estimation parameters

下载: 全尺寸图片幻灯片

综合上述结果可以发现，尽管抛锚状态下船载平台艏向变化，但地波雷达检测背景中背景噪声成分始终服从Weibull分布，一阶海杂波始终服从Gauss分布. 相对于岸基地波雷达，抛锚状态下船载平台艏向变化时，背景噪声的统计估计参数波动更加明显，尤其是形状参数C，但海杂波的统计估计参数基本不会发生波动. 由于经典的CFAR检测大多假设目标检测背景服从Gauss分布，因此为了保证检测性能，在CFAR检测前应对检测区域中的背景噪声区域做归一化处理^[6].

2 抛锚状态下船载地波雷达目标检测方法

总结1.1节所分析的船载平台抛锚运动对目标检测的影响，提出适用于抛锚状态下船载地波雷达的目标检测方法，其整体流程如图12所示.

图 12 抛锚状态下的船载地波雷达目标检测流程图

Fig. 12 Target detection flow chart of Shipborne HFSWR in anchored state

下载: 全尺寸图片幻灯片

2.1 前端数据预处理

为了解决船载平台艏向变化影响目标检测问题，提出抛锚状态下船载地波雷达的数据预处理方法，如图13所示.

图 13 抛锚状态下的数据预处理方法

Fig. 13 Data preprocessing method in the state of anchor

下载: 全尺寸图片幻灯片

图13中， $y({t_1}),y({t_2}),...,y({t_n})$ 分别为各个阵元在 ${t_1},{t_2},...,{t_n}$ 时刻的船载通道时域数据.

对于来波方向与船载雷达阵列法线方向夹角即波达方向（direction of arrival, DOA）为 $\theta$ 的入射波， ${t_0}$ 时刻各阵元的采样在 ${\theta _0}$ 方向的波束合成输出可表示为

$Y({\theta _0}) = \sum\limits_{m = 1}^M {{y_m}{w_m}{{\rm{e}}^{ - {\rm{j2}}{\text{π}}(m - 1)d( - \sin \;{\theta _0})/\lambda }}} .$

(6)

式中： $m$ 为阵元标号； $d$ 为阵元间距； $\lambda$ 为雷达波长； ${y_m} = A{{\rm{e}}^{ - {\rm{j2{\text{π}} }}(m - 1)d\sin \;\theta /\lambda }}$ ，表示某一阵元 $m$ 的输入信号采样数据， $A$ 为信号幅度； ${w_m}$ 为窗加权； ${\theta _0}$ 为选取的波束指向角度. 可以看出，只有当入射波的波达角 $\theta = {\theta _0}$ 时，波束合成的输出值最大. 但实际探测中，当船载平台艏向变化时，目标回波到达角 $\theta$ 发生变化，这将导致波束合成输出值最大时的指向角度 ${\theta _0}$ 也随之变化.

若以 ${t_0}$ 时刻的阵列法线方向 ${\theta _{{t_0}}}$ 作为雷达的基准波束指向角度，则该时刻波束合成输出值 ${B_{{t_0}}}$ 为

${B_{{t_0}}} = Y({\theta _{{t_0}}}).$

(7)

而在 ${t_1}$ 时刻由于船载平台艏向角的变化导致阵列法线方向变为 ${\theta _{{t_1}}}$ ，相对于 ${t_0}$ 时刻，角度变化了 $\Delta \theta$ （ $\Delta \theta = {\theta _{{t_1}}} - {\theta _{{t_0}}}$ ），所以增加补偿后在 ${t_1}$ 时刻 ${\theta _{{t_0}}}$ 方向的波束合成输出公式可表示如下：

${B_{{t_1}}} = Y({\theta _{{t_0}}} - \Delta \theta ).$

(8)

将一个积累周期内所有时刻的波束合成输出利用式(8)进行补偿后再积累，即可消除艏向变化带来的波束合成影响.

2.2 检测区域划分

抛锚状态下船载地波雷达回波谱中的检测背景主要包括背景噪声和一阶海杂波. 根据前文的分析，背景噪声与一阶海杂波两种检测背景服从不同的统计估计，因此为了加以区分，需要在目标检测前先通过相关方法来提取一阶海杂波^[6]. 这样，将整个目标检测区域划分为背景噪声区域和海杂波区域，在这两种区域内分别做目标检测.

2.3 检测背景自适应选取

为了解决目标展宽不规则导致检测背景估计不准确的问题，提高目标回波展宽情况下的目标检测性能，提出了一种自适应背景区选取的方法，具体如下：

首先选取单一波束的方位距离多普勒(azimuth- range-Dopper, ARD)谱数据，计算幅度值后取整，则该波束RD谱数据可以用 $L$ 个整数来表示，这些整数记为 ${x_1},{x_2},...,{x_i},...,{x_L}$ . 其次，对这些取整后的ARD谱数据做一次分割，用阈值 ${x_K}$ 将其划分为 ${C_0'}$ 、 ${C_1'}$ 两类数据，其中 ${C_0'}$ 类数据包含整数 ${x_1}$ , ${x_2}$ ,…, ${x_{K - 1}}$ ， ${C_1'}$ 类数据包含整数 ${x_K}$ , ${x_{K + 1}}$ ,…, ${x_L}$ ，令 ${x_K}$ 分别等于 ${x_1}$ , ${x_2}$ ,…, ${x_{L - 1}}$ 时，求得对应的方差，其计算公式可表示为

$\sigma _{{C_1'}}^2 = \sum\limits_{i = 1}^{L - 1} {{p_i}{{({x_i} - {\mu _1})}^2}} .$

(9)

式中： ${p_i}$ 为整数 ${x_i}$ 出现的概率； ${\;\mu _1}$ 为 ${C_1'}$ 类数据的均值.

当 $\sigma _{{C_1'}}^2$ 取最大值时，对应的 ${x_K}$ 即为分割阈值. 最后，将 ${C_1'}$ 类的数据即属于区间 $[{x_K},{x_L}]$ 的所有整数采用改进的加权最大类间差法^[7]做阈值分割计算，将数据划分为 ${C_0}$ 、 ${C_1}$ 两类数据，计算此时的方差：

$\sigma _{\rm{B}}^{\rm{2}} = {\omega _0}{\omega _1}[p{({\mu _0} - {\mu _1})^2} + (1 - p){(\sigma _{{C_0}}^2 - \sigma _{{C_1}}^2)^2}].$

(10)

式中： ${\omega _0}$ 、 ${\;\mu _0}$ 分别表示数据属于 ${C_0}$ 的概率和幅度均值； ${\omega _1}$ 、 ${\;\mu _1}$ 分别表示数据属于 ${C_1}$ 的概率和幅度均值； $\sigma _{{C_0}}^2$ 为 ${C_0}$ 类的方差； $\sigma _{{C_1}}^2$ 为 ${C_1}$ 类的方差； $p$ （ $0 \leqslant p \leqslant 1$ ）为可调参数，通过调节参数 $p$ ，可以适应不同场景下的地波雷达数据，提高背景区选取的准确性.

当 $\sigma _{\text{B}}^{\text{2}}$ 取最大值时，可以得到此时的分割阈值，将其作为检测背景区选取的门限值 $T$ ，根据分割标识 $F$ 可对每一个ARD谱数据做标识：

$F = \left\{ \begin{gathered} \begin{array}{*{20}{c}} 1&{{x_i} \geqslant T} \end{array} \\ \begin{array}{*{20}{c}} 0&{{x_i} < T} \end{array} \\ \end{gathered} \right. .$

(11)

$F = 1$ 的RD谱单元可认为是目标及其扩展区域，将其作为待检单元与保护单元，在其周围选择参考单元即可实现对背景噪声的估计.

图14给出了不同检测背景区选取方法的示意图.

图 14 背景区选取示意图

注：黑色“*”表示背景单元；黄色“口”表示保护单元；红色“O”表示待检单元

Fig. 14 Schematic diagram of background area selection

下载: 全尺寸图片幻灯片

2.4 检测背景归一化处理

由于海杂波区域的检测背景本身服从Gauss分步，因此，仅需要对背景噪声区域做检测背景归一化处理即可. 在目标检测背景自适应识别完成的基础上，采用如下公式将服从Weibull分布的背景噪声区域做归一化：

${x_{\exp }} = {\left[ {\frac{x}{{B(x)}}} \right]^{C(x)}}.$

(12)

式中： ${x_{\exp }}$ 表示转化为指数分布后的船载地波雷达回波谱数据； $x$ 表示船载地波雷达回波谱初始采样数据； $B(x)$ 为Weibull分布的尺度参数； $C(x)$ 为Weibull分布的形状参数.

经过目标检测背景归一化处理后，可选用合适的CFRA检测方法对抛锚状态下的船载地波雷达开展目标检测.

3 实测数据处理结果及验证

3.1 试验数据及处理结果

当船载平台处于抛锚状态下时，雷达阵元数为5，获取了船载地波雷达数据与船舶自动识别系统(automatic identification system, AIS)同步点迹数据，并基于惯导设备获取了对应的船载平台姿态数据. 图15、16分别给出了抛锚期内船载平台的速度、艏向变化和船载地波雷达通道RD谱结果.

图 15 船载平台航速和艏向变化图

Fig. 15 Chart of ship speed and heading change of the platform

下载: 全尺寸图片幻灯片

图 16 船载地波雷达RD谱

Fig. 16 RD spectrum of Shipborne HFSWR

下载: 全尺寸图片幻灯片

基于获取到的船载平台姿态数据对通道RD谱数据进行预处理，采用不同波束指向角度做波束形成，得到对应的ARD谱数据，将检测区域划分为一阶海杂波区域和背景噪声区域，采用自适应背景区选取的方法对检测区域做背景选取（图17），检测背景用黑色“+”加以标注，并对整个检测区域进行归一化处理，结果如图18所示.

图 17 自适应背景区选取结果

Fig. 17 Adaptive background selection results

下载: 全尺寸图片幻灯片

图 18 检测背景归一化处理结果

Fig. 18 Detection background normalization results

下载: 全尺寸图片幻灯片

在虚警概率 ${P_{{\text{fa}}}} = {10^{ - 3}}$ 的前提下，采用单元平均恒虚警率（cell average-constant false alarm rate, CA-CFAR）检测，最终检测结果如图19所示.

图 19 抛锚状态下的船载地波雷达目标检测结果

Fig. 19 Target detection results of Shipborne HFSWR in anchored state

下载: 全尺寸图片幻灯片

3.2 结果验证

图20为船载平台航速为0，阵元数为5，波束指向为相对阵列法线方向0°，目标航速5 kn，起始方位相对于阵列法线方向为0°时针对艏向不同变化的补偿处理结果.

图 20 艏向补偿处理仿真结果

Fig. 20 Simulation results of heading compensation processing

下载: 全尺寸图片幻灯片

从图20可以看出，经过艏向补偿处理的目标回波谱信噪比均会提升，但艏向变化越快，对信噪比的提升性能会有所下降.

下载: 全尺寸图片幻灯片

在一批船载地波雷达实测数据中，选取一个目标个例，该目标点相对于船载雷达站初始位置的方位为0°（以阵元法线方向为参考）. 在一个积累时间内，由于平台艏向的变化，目标方位由0°变化到−18°. 如图21所示波束指向为相对于阵列法向0°时的艏向补偿处理结果.

图 21 艏向补偿处理结果

Fig. 21 Compensation processing results of the heading

下载: 全尺寸图片幻灯片

从图21可以看出，经过艏向补偿处理，所选目标点的信噪比得以提高，这有利于目标的检测.

在虚警概率 ${P_{{\text{fa}}}} = {10^{ -3}}$ 的前提下，分别采用固定背景区选取的CA-CFAR检测和自适应背景区的CA-CFAR检测方法，对一批抛锚状态下的船载地波雷达数据做目标检测，结果如图22和23所示（黑色圆圈标注）.

图 22 固定背景区选取的CA-CFAR检测结果

Fig. 22 CA-CFAR detection results of fixed background area selection

下载: 全尺寸图片幻灯片

从检测结果可以看出：采用同一种CFAR检测方法时，相对于固定背景区选取的CFAR检测方法，自适应背景区选取的CFAF检测方法能够有效提高目标检测率. 同时可以发现，尽管虚警率恒定，采用自适应背景区选取的方法时虚警点仍有所增加，这是由于杂波点的回波幅度较高，在RD谱中与目标点表现类似，在检测阶段对其进行区分难度较大. 因此我们期望在这一阶段最大限度地将目标点检测出来，而在此期间出现的虚警点可以从后续方位估计和航迹跟踪阶段来进行剔除.

图 23 自适应背景区选取的CA-CFAR检测结果

Fig. 23 CA-CFAR detection results of adaptive background area selection

下载: 全尺寸图片幻灯片

为了更好地验证本文提出的船载地波雷达自适应目标检测方法的性能，基于获取到的同步AIS数据，从检测结果中选取了两个目标个例，如图23中所标注的目标1、目标2，其V-T分布图如24所示.

图 24 两目标V-T分布图

Fig. 24 V-T distribution of 2 targets

下载: 全尺寸图片幻灯片

根据目标的V-T分布图可以确认两个目标均为真实目标且可被雷达实际探测到，其AIS信息如图25和26所示.

图 25 目标1 AIS信息

Fig. 25 AIS information of target 1

下载: 全尺寸图片幻灯片

图 26 目标2 AIS信息

Fig. 26 AIS information of target 2

下载: 全尺寸图片幻灯片

船只目标1的船舶号MMSI为413958000，是一艘船长160 m、船宽24 m的货船；船只目标2的船舶号MMSI为374518000，是一艘船长199 m、船宽32 m的货船. 当采用固定背景区选取的方法时，两个目标均未检测到，而采用自适应背景区选取的方法后两个目标被成功检测到，这说明本文所提出的目标检测方法是有效的.

4 结　论

本文针对抛锚状态下的船载地波雷达目标检测难题，提出了一种适用于抛锚状态的船载雷达目标自适应检测方法，给出了整体处理流程，并结合实测数据对算法的有效性进行了验证. 利用这种自适应目标检测方法可以有效消除船载平台抛锚运动对目标检测的不利影响，对目标检测性能有较大提升. 本文研究发现：抛锚状态下，作为目标检测背景的背景噪声服从Weibull分布，而一阶海杂波服从Gauss分布，在背景噪声区域的目标检测过程中利用检测背景归一化处理方法能够提高CFAR检测效果. 除此之外，利用基于自适应背景区选取的CFAR检测方法，可解决目标回波展宽不规则导致背景噪声估计不准确的难题，进一步提高了抛锚状态下的船载地波雷达目标检测性能. 本文在数据预处理阶段仅考虑了平台艏向变化带来的一系列问题，实际上船载平台的运动往往更加复杂，而数据预处理的结果将对目标检测效果产生更大的影响，因此未来应将船载平台的运动补偿处理作为研究重点.

图 1 船载平台抛锚状态下的典型运动情况

Fig. 1 Typical motion of the platform in the anchored state

下载: 全尺寸图片幻灯片

图 2 船载地波雷达回波谱产生机理图

Fig. 2 Generation mechanism diagram of shipborne HFSWR echo spectrum

下载: 全尺寸图片幻灯片

图 3 目标速度变化时的回波谱

Fig. 3 Echo spectrum when target velocity changes

下载: 全尺寸图片幻灯片

图 4 仿真的天线方向特性

Fig. 4 Simulated antenna directional characteristics

下载: 全尺寸图片幻灯片

图 5 船载平台艏向变化时的目标波束形成回波谱

Fig. 5 Target beamforming echo spectrum when the heading of ship borne platform changes

下载: 全尺寸图片幻灯片

图 6 抛锚状态下的数据获取结果

Fig. 6 Data acquisition results in anchored state

下载: 全尺寸图片幻灯片

图 7 检测背景统计分布图

Fig. 7 Statistical distribution of detection background

下载: 全尺寸图片幻灯片

图 8 背景噪声分布特性

Fig. 8 Distribution characteristics of background noise

下载: 全尺寸图片幻灯片

图 9 一阶海杂波分布特性

Fig. 9 Distribution characteristics of the first order sea clutter

下载: 全尺寸图片幻灯片

图 10 相关系数图

Fig. 10 Correlation coefficient chart

下载: 全尺寸图片幻灯片

图 11 艏向变化对统计估计参数的影响

Fig. 11 Influence of heading variation on statistical estimation parameters

下载: 全尺寸图片幻灯片

图 12 抛锚状态下的船载地波雷达目标检测流程图

Fig. 12 Target detection flow chart of Shipborne HFSWR in anchored state

下载: 全尺寸图片幻灯片

图 13 抛锚状态下的数据预处理方法

Fig. 13 Data preprocessing method in the state of anchor

下载: 全尺寸图片幻灯片

图 14 背景区选取示意图

注：黑色“*”表示背景单元；黄色“口”表示保护单元；红色“O”表示待检单元

Fig. 14 Schematic diagram of background area selection

下载: 全尺寸图片幻灯片

图 15 船载平台航速和艏向变化图

Fig. 15 Chart of ship speed and heading change of the platform

下载: 全尺寸图片幻灯片

图 16 船载地波雷达RD谱

Fig. 16 RD spectrum of Shipborne HFSWR

下载: 全尺寸图片幻灯片

图 17 自适应背景区选取结果

Fig. 17 Adaptive background selection results

下载: 全尺寸图片幻灯片

图 18 检测背景归一化处理结果

Fig. 18 Detection background normalization results

下载: 全尺寸图片幻灯片

图 19 抛锚状态下的船载地波雷达目标检测结果

Fig. 19 Target detection results of Shipborne HFSWR in anchored state

下载: 全尺寸图片幻灯片

图 20 艏向补偿处理仿真结果

Fig. 20 Simulation results of heading compensation processing

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

图 21 艏向补偿处理结果

Fig. 21 Compensation processing results of the heading

下载: 全尺寸图片幻灯片

图 22 固定背景区选取的CA-CFAR检测结果

Fig. 22 CA-CFAR detection results of fixed background area selection

下载: 全尺寸图片幻灯片

图 23 自适应背景区选取的CA-CFAR检测结果

Fig. 23 CA-CFAR detection results of adaptive background area selection

下载: 全尺寸图片幻灯片

图 24 两目标V-T分布图

Fig. 24 V-T distribution of 2 targets

下载: 全尺寸图片幻灯片

图 25 目标1 AIS信息

Fig. 25 AIS information of target 1

下载: 全尺寸图片幻灯片

图 26 目标2 AIS信息

Fig. 26 AIS information of target 2

下载: 全尺寸图片幻灯片

参考文献(17)

[1]	李晓东. HFSWR远程多海况下海洋表面动力学要素提取及预测方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2020. LI X D. Extraction and prediction of ocean surface dynamics elements using a HFSWR under multiple sea states in remote sea areas[D]. Harbin: Harbin Institute of Technology, 2020. (in Chinese)
[2]	伊伏斯·里迪. 卓荣邦, 等译. 现代雷达原理[M]. 北京: 电子工业出版社, 1991: 384.
[3]	龚林, 浣沙, 张磊, 等. 基于二次统计CFAR处理的目标径向尺寸估计[J]. 电波科学学报,2021,36(4):597-603. GONG L, HUAN S, ZHANG L, et al. Target length estimation based on quadratic statistical CFAR processing[J]. Chinese journal of radio science,2021,36(4):597-603. (in Chinese)
[4]	李庆忠, 翟羽佳, 牛炯. 基于ES-ELM和FRFT的高频地波雷达多目标自适应检测[J]. 电波科学学报,2020,35(2):270-279. doi: 10.13443/j.cjors.2018121001 LI Q Z, ZHAI Y J, NIU J. Adaptive detection of multi-targets of HFSWR based on ES-ELM and FRFT[J]. Chinese journal of radio science,2020,35(2):270-279. (in Chinese) doi: 10.13443/j.cjors.2018121001
[5]	付尚生, 纪永刚, 黎明, 等. 地波雷达目标检测跟踪联合处理粒子滤波方法[J]. 海洋科学进展,2021,39(1):128-135. doi: 10.3969/j.issn.1671-6647.2021.01.013 FU S S, JI Y G, LI M, et al. Joint processing method based on adaptive particle filter for target detection and tracking by high frequency surface wave radar[J]. Advances in marine science,2021,39(1):128-135. (in Chinese) doi: 10.3969/j.issn.1671-6647.2021.01.013
[6]	王静. 复杂杂波背景下的雷达目标检测技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2017. WANG J. Research on radar target detection under complex clutter background[D]. Harbin: Harbin Institute of Technology, 2017. (in Chinese)
[7]	李杨. 高频地波雷达背景感知与目标检测技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2009. LI Y. Study on background cognition and target detection techniques for high frequency surface wave radar[D]. Harbin: Harbin Institute of Technology, 2009. (in Chinese)
[8]	谢俊好. 舰载高频地波雷达目标检测与估值研究[D]. 哈尔滨: 哈尔滨工业大学, 2000. XIE J H. Study of target detection and estimation for shipborne high frequency surface wave radar[D]. Harbin: Harbin Institute of Technology, 2000. (in Chinese)
[9]	王龙岗, 岳显昌, 吴雄斌, 等. 基于奇异值分解的空域海杂波抑制算法[J]. 电波科学学报,2021,36(4):645-652. doi: 10.12265/j.cjors.2020222 WANG L G, YUE X C, WU X B, et al. Sea clutter suppression algorithm in spatial domain based on singular value decomposition[J]. Chinese journal of radio science,2021,36(4):645-652. (in Chinese) doi: 10.12265/j.cjors.2020222
[10]	SUN M, XIE J, HAO Z, et al. Target detection and estimation for shipborne HFSWR based on oblique projection[C]// The 11th International Conference on Signal Processing, 2012.
[11]	YI C, JI Z, KIRUBARAJAN T, et al. An improved oblique projection method for sea clutter suppression in shipborne HFSWR[J]. IEEE geoscience and remote sensing letters,2016,13(8):1083-1093.
[12]	朱永鹏. 天发舰收高频雷达海杂波建模与抑制方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2018. ZHU Y P. Modeling and suppression of sea clutter for shipborne HF hybrid sky-surface wave radar[D]. Harbin: Harbin Institute of Technology, 2018. (in Chinese)
[13]	GILL E W, MA Y, HUANG W. Motion compensation for high-frequency surface wave radar on a floating platform[J]. IET radar sonar & navigation,2018,12(1):37-45.
[14]	MA Y, HUANG W, GILL E W. Motion compensation for platform-mounted high frequency surface wave radar[C]// Radar Symposium. Prague: IEEE, 2017: 1-7.
[15]	格日乐图. 船载地波超视距雷达目标探测中的运动补偿方法研究[D]. 呼和浩特: 内蒙古大学, 2019. GERITULE. Research on motion compensation approach for ship target detection using shipborne surface wave over-the-horizon radar[D]. Huhhot: Inner Mongolia University, 2019. (in Chinese)
[16]	刘帅. 浮动平台高频超视距雷达回波信号预处理[D]. 武汉: 武汉大学, 2018. LIU S. Signal preprocessing of high frequency over-the-horizon radar on floating-platform[D]. Wuhan: Wuhan University, 2018. (in Chinese)
[17]	理查兹著. 雷达信号处理基础[M]. 邢孟道, 等译. 电子工业出版社, 2008: 69-71.

施引文献(2)

期刊类型引用(2)

1.	纪永刚，任继红，李发瑞，李桃利，王佳伟. 船载HFSWR船只目标多维样本库构建方案设计. 实验技术与管理. 2025(01): 19-27 . 百度学术
2.	李发瑞，纪永刚，任继红，程啸宇，王心玲. 基于SET-CNN的紧凑型地波雷达弱目标检测方法. 海洋科学进展. 2023(04): 753-764 . 百度学术

其他类型引用(0)

资源附件(0)

图(27)

计量

文章访问数: 544
HTML全文浏览量: 127
PDF下载量: 56
被引次数: 2

引　言
1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析
1.1 目标回波特性
1.1.1 目标径向速度变化时的回波谱仿真分析
1.1.2 船载平台艏向变化时的回波谱仿真分析
1.2 检测背景统计特性
2 抛锚状态下船载地波雷达目标检测方法
2.1 前端数据预处理
2.2 检测区域划分
2.3 检测背景自适应选取
2.4 检测背景归一化处理
3 实测数据处理结果及验证
3.1 试验数据及处理结果
3.2 结果验证
4 结　论

引　言
1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析
1.1 目标回波特性
1.1.1 目标径向速度变化时的回波谱仿真分析
1.1.2 船载平台艏向变化时的回波谱仿真分析
1.2 检测背景统计特性
2 抛锚状态下船载地波雷达目标检测方法
2.1 前端数据预处理
2.2 检测区域划分
2.3 检测背景自适应选取
2.4 检测背景归一化处理
3 实测数据处理结果及验证
3.1 试验数据及处理结果
3.2 结果验证
4 结　论

参考文献(17)

施引文献(2)

资源附件(0)

最新公告

抛锚状态下的船载地波雷达目标自适应检测方法

通信作者:
纪永刚 E-mail: jiyonggang@upc.edu.cn

计量

Adaptive target detection method of shipborne HFSWR in anchored state

引　言

1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析

1.1 目标回波特性

1.1.1 目标径向速度变化时的回波谱仿真分析

1.1.2 船载平台艏向变化时的回波谱仿真分析

1.2 检测背景统计特性

2 抛锚状态下船载地波雷达目标检测方法

2.1 前端数据预处理

2.2 检测区域划分

2.3 检测背景自适应选取

2.4 检测背景归一化处理

3 实测数据处理结果及验证

3.1 试验数据及处理结果

3.2 结果验证

4 结　论

期刊类型引用(2)

其他类型引用(0)

计量

目录

引　言

1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析

1.1 目标回波特性

1.1.1 目标径向速度变化时的回波谱仿真分析

1.1.2 船载平台艏向变化时的回波谱仿真分析

1.2 检测背景统计特性

2 抛锚状态下船载地波雷达目标检测方法

2.1 前端数据预处理

2.2 检测区域划分

2.3 检测背景自适应选取

2.4 检测背景归一化处理

3 实测数据处理结果及验证

3.1 试验数据及处理结果

3.2 结果验证

4 结　论

最新公告

抛锚状态下的船载地波雷达目标自适应检测方法

通信作者: 纪永刚 E-mail: jiyonggang@upc.edu.cn

计量

出版历程

Adaptive target detection method of shipborne HFSWR in anchored state

引 言

1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析

1.1 目标回波特性

1.1.1 目标径向速度变化时的回波谱仿真分析

1.1.2 船载平台艏向变化时的回波谱仿真分析

1.2 检测背景统计特性

2 抛锚状态下船载地波雷达目标检测方法

2.1 前端数据预处理

2.2 检测区域划分

2.3 检测背景自适应选取

2.4 检测背景归一化处理

3 实测数据处理结果及验证

3.1 试验数据及处理结果

3.2 结果验证

4 结 论

期刊类型引用(2)

其他类型引用(0)

计量

出版历程

目录

引 言

1 抛锚状态下船载地波雷达目标回波特性与检测背景统计特性分析

1.1 目标回波特性

1.1.1 目标径向速度变化时的回波谱仿真分析

1.1.2 船载平台艏向变化时的回波谱仿真分析

1.2 检测背景统计特性

2 抛锚状态下船载地波雷达目标检测方法

2.1 前端数据预处理

2.2 检测区域划分

2.3 检测背景自适应选取

2.4 检测背景归一化处理

3 实测数据处理结果及验证

3.1 试验数据及处理结果

3.2 结果验证

4 结 论

通信作者:
纪永刚 E-mail: jiyonggang@upc.edu.cn

引　言

4 结　论

引　言

4 结　论