位寅生 周建宇 許榮慶

(哈爾濱工業(yè)大學(xué)電子與信息工程學(xué)院 哈爾濱 150001)

1 引言

高頻地波超視距雷達(dá)具有探測(cè)距離遠(yuǎn)、范圍廣、全天候全時(shí)段工作等特點(diǎn)，其工作的高頻(High Frequency, HF)頻段天然具有反隱身的優(yōu)勢(shì)[1]，是保障我國(guó)領(lǐng)海不可侵犯、實(shí)現(xiàn)超視距探測(cè)的重要海洋預(yù)警雷達(dá)。在高頻地波雷達(dá)中，接收目標(biāo)信號(hào)主要受到電臺(tái)干擾、電離層雜波、海雜波等的影響。其中，電臺(tái)干擾來(lái)自于各種短波通訊電臺(tái)，地波雷達(dá)的工作頻段在短波通信最擁擠的頻段之中，空間中的短波電臺(tái)信號(hào)進(jìn)入到雷達(dá)接收機(jī)中被當(dāng)做目標(biāo)回波處理，污染了雷達(dá)的檢測(cè)背景；海雜波是雷達(dá)發(fā)射信號(hào)由海面的后向散射所形成的雜波，由于海浪的運(yùn)動(dòng)是多方向的，因此在多普勒譜中呈現(xiàn)出兩個(gè)位置對(duì)稱(chēng)的Bragg峰，其存在會(huì)淹沒(méi)實(shí)際目標(biāo)引起雷達(dá)漏警；高空中的氣體分子受太陽(yáng)輻射影響發(fā)生電離，游離的正離子和自由電子構(gòu)成了一種稱(chēng)為電離層的特殊等離子結(jié)構(gòu)，雷達(dá)發(fā)射出的信號(hào)通過(guò)電離層的調(diào)制和反射被接收機(jī)接收形成了電離層雜波[2,3]。這些干擾與雜波中，尤其以電離層雜波影響最為廣泛，其具有全天候存在特點(diǎn)，時(shí)刻制約著地波超視距雷達(dá)的探測(cè)能力[4]，同時(shí)，我國(guó)獨(dú)特復(fù)雜的電離層結(jié)構(gòu)分布和物理特性，也使得高頻地波超視距雷達(dá)中電離層雜波干擾影響尤為嚴(yán)重[5]，如何抑制電離層雜波干擾是目前國(guó)內(nèi)外研究的熱點(diǎn)內(nèi)容。

由于電離層是一種時(shí)變的、非平穩(wěn)的、色散和有耗的分層媒質(zhì)，它可以對(duì)高頻雷達(dá)發(fā)射的電磁波產(chǎn)生復(fù)雜的相位調(diào)制，造成接收到的回波信號(hào)在距離上和多普勒域上的展寬，并且可以通過(guò)多種傳播路徑反射到雷達(dá)接收機(jī)中，這使得電離層雜波成為最難解決的一種雷達(dá)雜波[6]。電離層雜波的復(fù)雜性進(jìn)一步體現(xiàn)其時(shí)變、非平穩(wěn)、非均勻以及部分非高斯的特性在多域中均存在，同一積累周期內(nèi)的電離層雜波，隨距離變化其雜波特性千差萬(wàn)別，在實(shí)際處理中很難利用一種方法對(duì)所有的電離層雜波進(jìn)行處理，部分殘余的電離層雜波依舊會(huì)影響目標(biāo)的檢測(cè)，這使得電離層雜波的抑制算法存在著普適性差的問(wèn)題。因此對(duì)于電離層雜波的抑制需要分類(lèi)分情況處理，對(duì)不同雜波類(lèi)型選取有針對(duì)性的抑制方法。

針對(duì)傳統(tǒng)雜波抑制方法對(duì)電離層雜波的處理能力單一、普適性差的問(wèn)題，本文開(kāi)展了雜波智能分類(lèi)抑制處理方法的研究，文章結(jié)構(gòu)如下：首先對(duì)電離層雜波的成因和特性進(jìn)行了分析，然后將目前高頻地波超視距雷達(dá)現(xiàn)有的雜波抑制算法進(jìn)行了總結(jié)，指出若想有效且全面的對(duì)電離層雜波進(jìn)行抑制，需對(duì)電離層雜波樣本進(jìn)行分類(lèi)識(shí)別并對(duì)不同類(lèi)雜波采用有針對(duì)性的處理，隨后給出了基于半監(jiān)督聚類(lèi)的電離層雜波抑制方法，最后本文提出了一種電離層雜波的智能分類(lèi)處理方法框架，以貪婪方法作為算法選取策略為例給出了電離層雜波類(lèi)型與算法的一種匹配方案，通過(guò)對(duì)實(shí)測(cè)數(shù)據(jù)的處理驗(yàn)證了該電離層雜波抑制方法的有效性。

2 電離層雜波的成因與特性

電離層是由大氣中的氣體受到太陽(yáng)輻射而離子化所產(chǎn)生的等離子體所構(gòu)成。這些等離子體雖然是由原子失去電子而形成的，但是其整體上卻呈中性，其主要特性受電子溫度、電子濃度、碰撞頻率、離子溫度、離子濃度、離子成分及其空間分布情況影響[7,8]。等離子體的不同特性使得電離層對(duì)入射到電離層的電磁波產(chǎn)生反射、折射與吸收等不同作用，低頻段的電磁波更容易被電離層反射，而高頻段的電磁波更容易穿透電離層，僅產(chǎn)生折射現(xiàn)象，隨著電離層電子密度的提升，電磁波越難穿透電離層，電離層的反射能力越強(qiáng)[9]。除了反射與折射作用，電離層還對(duì)電磁波有吸收作用。當(dāng)電磁波射入電離層后，受其影響電離層中的自由電子無(wú)規(guī)則運(yùn)動(dòng)加劇，并與其他粒子產(chǎn)生碰撞、結(jié)合等效應(yīng)，這些運(yùn)動(dòng)與效應(yīng)所消耗的能量全部由電磁波所提供，因此電磁波能量被電離層所吸收[10]。

隨著形成電離層的電子濃度的不同，其在60～1000 km之間可大致分成3個(gè)不同的等離子體。在垂直方向上，從低到高可以依次劃分為D層、E層、F層，F(xiàn)層又分為F1層和F2層，由于離子濃度的不同，高頻電磁波可以穿透D層電離層，會(huì)被E層、F層折射與反射。電離層的分層結(jié)構(gòu)會(huì)隨著時(shí)間而變化，在夜晚D層會(huì)消失，E層會(huì)變得非常稀薄，F(xiàn)1層和F2層會(huì)融合為一層，統(tǒng)稱(chēng)F層。除了這些常規(guī)劃分之外，還存在一些不均勻的電離層結(jié)構(gòu)，其存在具有一定的偶然性，例如偶發(fā)E層(Es層)與擴(kuò)展F層。這些不均勻結(jié)構(gòu)中Es層較為常見(jiàn)，它主要出現(xiàn)在E層附近，其自由電子濃度往往要高于其附近區(qū)域一倍以上，其厚度在0.2～5.0 km間不等。Es層的出現(xiàn)具有偶然性，其水平覆蓋范圍最大可達(dá)到2000 km，維持時(shí)間從數(shù)十分鐘到數(shù)小時(shí)不等，并且其存在隨機(jī)運(yùn)動(dòng)和定性漂移[11]，當(dāng)Es層離子濃度足夠高時(shí)，高頻電磁波會(huì)被其直接反射。擴(kuò)展F層是出現(xiàn)在F層附近的電離層不均勻體構(gòu)成的，常出現(xiàn)在赤道地區(qū)附近，在較強(qiáng)流體不穩(wěn)定性存在時(shí)也會(huì)在中緯度地區(qū)出現(xiàn)，其出現(xiàn)高度在250～1000 km范圍內(nèi)甚至更高處。高頻雷達(dá)信號(hào)經(jīng)過(guò)含有不規(guī)則體的電離層傳播介質(zhì)時(shí)，隨機(jī)介質(zhì)對(duì)在其內(nèi)部傳播的電波進(jìn)行了隨機(jī)調(diào)制，會(huì)造成回波信號(hào)空時(shí)采樣樣本之間相關(guān)性的下降，其中，對(duì)信號(hào)的空間擾動(dòng)使得波前相位發(fā)生隨機(jī)波動(dòng)，引起回波空間譜的展寬。另一方面，受不規(guī)則體結(jié)構(gòu)漂移運(yùn)動(dòng)和時(shí)變特性的影響，對(duì)信號(hào)的時(shí)間擾動(dòng)使得接收信號(hào)脈間相位關(guān)系發(fā)生隨機(jī)變化，導(dǎo)致回波多普勒譜展寬[12]。電離層大致分布情況如圖1所示。

在高頻雷達(dá)系統(tǒng)中，由于地球曲率的存在，雷達(dá)的發(fā)射信號(hào)會(huì)有部分能量向高仰角方向泄露，電離層雜波是雷達(dá)的發(fā)射信號(hào)在高仰角上的能量泄露經(jīng)由不同層電離層調(diào)制反射被雷達(dá)接收機(jī)接收所形成。對(duì)于固定高度的電離層反射面，不同仰角的回波會(huì)導(dǎo)致在距離上產(chǎn)生不同的分布；對(duì)于一個(gè)固定的仰角，當(dāng)電離層高度改變時(shí)，其雜波距離也會(huì)改變。電離層中，E層、Es層、F層均具有反射與散射雷達(dá)信號(hào)的能力，短波在電離層中的多次反射與散射也會(huì)造成多跳的電離層雜波，此外，通過(guò)電離層反射到海面的信號(hào)也會(huì)與目標(biāo)及海雜波一起沿海水傳播進(jìn)入接收機(jī)，成為更為嚴(yán)重的一種干擾雜波。圖2給出了電離層雜波可能存在的幾種主要路徑。

圖 1 電離層結(jié)構(gòu)示意圖Fig. 1 Structure of the ionosphere

圖 2 典型地波雷達(dá)的幾種主要路徑Fig. 2 Several main paths of the HFSWR

受電離層自身特性影響，電離層雜波在距離上和多普勒分辨單元上是展寬的，且電離層雜波具有時(shí)變、非平穩(wěn)、非均勻以及部分非高斯的性質(zhì)[5,7,8]。其時(shí)變、非平穩(wěn)性表現(xiàn)在小時(shí)間尺度上，且電離層雜波會(huì)隨著地點(diǎn)、觀(guān)測(cè)方式、觀(guān)測(cè)角度、宇宙環(huán)境等不同因素而變化，導(dǎo)致難以分析其統(tǒng)計(jì)特征；非均勻性表現(xiàn)在電離層雜波在檢測(cè)背景中的分布具有同質(zhì)、異質(zhì)雜波共存的特點(diǎn)，不同的探測(cè)環(huán)境和探測(cè)條件都可能造成雜波的非均勻，其非均勻?qū)е略跇颖具x取時(shí)，很難獲得同質(zhì)的訓(xùn)練樣本，這給雜波的參數(shù)估計(jì)帶來(lái)了較大的困難，進(jìn)而削弱了雜波抑制算法的性能，甚至算法失效；由于電離層傳播介質(zhì)物理特性復(fù)雜等因素，雜波環(huán)境中同質(zhì)異質(zhì)分布雜波共存造成了部分雜波非高斯分布，這與傳統(tǒng)的檢測(cè)與抑制算法的基本假設(shè)所矛盾，造成模型的失配。這些性質(zhì)同時(shí)體現(xiàn)在不同域中，因此想要對(duì)電離層雜波進(jìn)行研究，需要從不同域、多個(gè)角度的不同特性對(duì)電離層雜波進(jìn)行描述。由于電離層具有非平穩(wěn)、非均勻的特性，對(duì)電離層雜波均勻性與平穩(wěn)性的分析將尤為重要，同時(shí)，雜波的功率強(qiáng)弱、方向性指向與圖像域的特性直觀(guān)影響了目標(biāo)的檢測(cè)能力，因此以下以功率特征、圖像小波尺度特征、方向性特征、空域同質(zhì)性特征和距離域平穩(wěn)性特征五個(gè)部分為例，對(duì)電離層雜波進(jìn)行分析。

電離層雜波在功率特征上呈現(xiàn)出不同強(qiáng)弱的分布，在文獻(xiàn)[13,14]中對(duì)電離層雜波功率特性在距離-多普勒(Range-Doppler, RD)域中的分布進(jìn)行了研究，其將電離層雜波的功率特性分成了聚集型與分散型兩種，聚集型雜波具有較強(qiáng)的功率，且在RD譜中呈現(xiàn)出規(guī)則的連通形狀，占據(jù)有限的距離單元；分散型雜波的功率較弱，且在RD譜中占據(jù)大量的距離單元與絕大多數(shù)的多普勒單元。圖3(a)給出了實(shí)測(cè)數(shù)據(jù)的RD譜，圖3(b)給出了聚集型電離層雜波所在區(qū)域。從中可以看出，聚集型電離層雜波具有較強(qiáng)的功率且在RD譜中是“連通”的。

電離層雜波在圖像域上呈現(xiàn)出不同小波尺度的特性，在文獻(xiàn)[15]中，其將電離層雜波的小波特性劃分為與目標(biāo)尺度相近和與目標(biāo)尺度不同兩種，并提出了以小波空間主角的大小作為參數(shù)區(qū)分兩種不同特性的手段。圖3(c)給出了對(duì)實(shí)測(cè)數(shù)據(jù)計(jì)算小波空間主角的結(jié)果，小波空間主角越小，電離層雜波的小波尺度越與目標(biāo)尺度相近。

電離層雜波在空域上呈現(xiàn)不同方向性的特性，在文獻(xiàn)[16]中，其利用稀疏分解的方法獲取電離層雜波的超分辨空間譜，根據(jù)空間譜中非零值的數(shù)量將電離層雜波方向性特性劃分為集中型與分散型兩種表征形式，方向性集中型雜波的空間譜呈現(xiàn)有限個(gè)峰值，方向性分散型雜波的空間譜呈現(xiàn)出均勻分布的形式。圖3(d)給出了實(shí)測(cè)數(shù)據(jù)中第54距離門(mén)的稀疏空間譜，該距離單元同時(shí)具有集中型與分散型兩種雜波特性的雜波。

圖 3 電離層雜波特性Fig. 3 Features of ionospheric clutter

電離層雜波在空域的統(tǒng)計(jì)特征上呈現(xiàn)不同的分布特性，文獻(xiàn)[17]對(duì)電離層雜波的空域同質(zhì)性進(jìn)行研究，文中提出了鄰域空間相關(guān)性(Neighborhood Spatial Correlation, NSC)系數(shù)，用以描述不同分辨單元間電離層雜波在空域分布上的相關(guān)性。鄰域空間相關(guān)性系數(shù)越大，電離層雜波的空域同質(zhì)性越強(qiáng)；反之，則表示電離層雜波的空域異質(zhì)性越強(qiáng)。圖3(e)給出了實(shí)測(cè)數(shù)據(jù)的NSC系數(shù)，結(jié)合專(zhuān)家知識(shí)與統(tǒng)計(jì)結(jié)果，可以通過(guò)閾值選取的方式獲取到空域同質(zhì)的電離層雜波與空域異質(zhì)的電離層雜波。

電離層雜波在距離域上呈現(xiàn)不同的相關(guān)特性，在文獻(xiàn)[18]中，其使用雜波子空間距離相關(guān)性分析的方法，對(duì)電離層雜波距離維的相關(guān)性進(jìn)行了研究。其提出距離相關(guān)性系數(shù)較大的雜波具有距離維相關(guān)性，反之則為距離維非相關(guān)雜波。圖3(f)給出了實(shí)測(cè)數(shù)據(jù)的距離相關(guān)性系數(shù)，與NSC系數(shù)相仿，同樣可以通過(guò)閾值選取的方式獲取具有距離維相關(guān)性的電離層雜波。

以上這5種電離層雜波特性，每種特性都直接影響著雜波抑制算法的性能與目標(biāo)的檢測(cè)能力。雜波的功率特性中，功率聚集型雜波具有較強(qiáng)的功率，往往會(huì)將目標(biāo)淹沒(méi)在其中，是影響目標(biāo)檢測(cè)的主要因素之一；雜波的小波特性中，目標(biāo)與雜波的小波特性越相近，雜波越易呈現(xiàn)出點(diǎn)狀圖像特征，目標(biāo)檢測(cè)算法中的虛警概率越高；雜波方向性特征中，雜波的方向性特性直接影響著對(duì)消算法中雜波協(xié)方差矩陣的估計(jì)，分散型雜波會(huì)造成對(duì)消算法自由度過(guò)度消耗，降低雜波抑制性能；雜波的空域同質(zhì)性特性中，空域異質(zhì)性越強(qiáng)，空域?qū)ο惴ㄖ袇f(xié)方差矩陣的估計(jì)越困難；雜波的距離域相關(guān)特性中，相關(guān)性越弱，越難獲得雜波的統(tǒng)計(jì)特性，空時(shí)聯(lián)合算法中雜波協(xié)方差矩陣越難估計(jì)。對(duì)電離層雜波特性的分析有助于雜波抑制算法的開(kāi)發(fā)與改進(jìn)。

3 電離層雜波抑制方法綜述

電離層雜波的復(fù)雜特性使得它在與其他種類(lèi)雜波抑制方法的研究對(duì)比中，既具有相似性也具有特殊性，無(wú)法直接套用其他雜波的抑制方法。以機(jī)載雷達(dá)中的雜波抑制方法研究為例，雖然這兩種雜波都具有非均勻性與非平穩(wěn)性[19]，但二者的產(chǎn)生機(jī)理不同，他們的雜波抑制方法也不盡相同。例如，機(jī)載非正側(cè)視陣?yán)走_(dá)中的非均勻雜波問(wèn)題[20–22]與電離層雜波的非均勻問(wèn)題就具有相似性，二者都是由于訓(xùn)練樣本的非均勻性導(dǎo)致無(wú)法準(zhǔn)確估計(jì)雜波協(xié)方差陣，因此其抑制方法具備一定的共通性，機(jī)載雷達(dá)雜波抑制算法中對(duì)訓(xùn)練樣本進(jìn)行篩選的思想可以直接應(yīng)用在電離層雜波的處理中[4,23]。而在非平穩(wěn)性問(wèn)題的處理上，二者卻又截然不同，機(jī)載雷達(dá)中雜波的非平穩(wěn)分布是由雷達(dá)天線(xiàn)的配置方式導(dǎo)致的，例如：非正側(cè)面陣、圓柱形陣、共形陣、雙多基地配置以及分布式雷達(dá)等都會(huì)引起雜波的距離相關(guān)性，導(dǎo)致非平穩(wěn)雜波的產(chǎn)生。在機(jī)載雷達(dá)中，非平穩(wěn)雜波的空時(shí)分布特性可以通過(guò)系統(tǒng)參數(shù)預(yù)先估計(jì)得到，可以通過(guò)補(bǔ)償?shù)姆绞揭种芠19]；而電離層雜波的非平穩(wěn)性是由于電離層電子密度的不規(guī)則變化所引起，其參數(shù)難以獲得，無(wú)法對(duì)其進(jìn)行估計(jì)，因此不可以通過(guò)補(bǔ)償?shù)姆椒ㄟM(jìn)行抑制?？紤]到兩種雜波的相似性，對(duì)雙方抑制方法研究的參考將可以起到相互啟發(fā)的作用，而電離層雜波的特殊性則使得其難以套用其他雜波的抑制方法，必須針對(duì)電離層雜波特性進(jìn)行算法開(kāi)發(fā)。

在電離層雜波抑制的研究中，學(xué)者們根據(jù)雜波處理層面的不同，將抑制方法分為雷達(dá)系統(tǒng)層面抑制與信號(hào)處理層面抑制兩種。在雷達(dá)系統(tǒng)層面抑制的研究主要集中在雷達(dá)的收發(fā)天線(xiàn)與雷達(dá)發(fā)射波形的設(shè)計(jì)，包括低仰角發(fā)射天線(xiàn)、極化接收天線(xiàn)等，文獻(xiàn)[24–27]給出了使用二維陣列，依靠陣列自身在方位-俯仰維的分辨能力，利用二維自適應(yīng)算法抑制高仰角電離層雜波。文獻(xiàn)[28]給出了一種L陣列輔助通道構(gòu)造方法，以獲得不含水平方向回波的輔助通道數(shù)據(jù)，通過(guò)對(duì)消的方法抑制電離層雜波?？紤]到高頻地波超視距雷達(dá)工作的頻段內(nèi)密集分布著各種短波段干擾，很難找到連續(xù)的帶寬滿(mǎn)足分辨要求，最早由Green等人[29]提出發(fā)射頻譜截?cái)嗟姆沁B續(xù)譜信號(hào)來(lái)在頻域?qū)惯@一干擾，其后相繼發(fā)展成非連續(xù)譜信號(hào)主要包括非連續(xù)譜調(diào)頻信號(hào)、非連續(xù)脈沖頻率編碼信號(hào)、非連續(xù)相位編碼信號(hào)[30–34]以及綜合以上3種信號(hào)形式的復(fù)雜信號(hào)[35,36]；在抗干擾的基礎(chǔ)上，文獻(xiàn)[37,38]提出一種同時(shí)抗頻域干擾和抗折疊雜波的波形設(shè)計(jì)方法，這些波形都在一定程度上提高了系統(tǒng)的抗干擾能力。

在雷達(dá)信號(hào)處理層面抑制，當(dāng)前對(duì)于電離層雜波的抑制主要依賴(lài)于自適應(yīng)對(duì)消信號(hào)處理方法，包括自適應(yīng)陣列信號(hào)處理，現(xiàn)代譜估計(jì)技術(shù)，自適應(yīng)子空間監(jiān)測(cè)、濾波等。以下將從雜波抑制算法的兩個(gè)研究趨勢(shì)角度，分析目前現(xiàn)有的雜波抑制技術(shù)。

(1) 電離層雜波的復(fù)雜性促使算法研究從單一域處理向多域聯(lián)合處理方向發(fā)展。

在電離層雜波抑制的早期研究中，算法的開(kāi)發(fā)往往是在單一域上的處理，在空域上，Chan等人[2]率先使用相參旁瓣對(duì)消算法在空域上對(duì)電離層雜波抑制，其研究結(jié)果表明對(duì)于電離層雜波，同一個(gè)距離門(mén)內(nèi)的雜波信號(hào)會(huì)表現(xiàn)出相對(duì)較高的空間相關(guān)性，采用逐距離門(mén)處理的方法可以獲得最優(yōu)的空域雜波抑制性能。在此基礎(chǔ)上，李雷[28]設(shè)計(jì)了一種單凹口輔助通道對(duì)消算法，通過(guò)空間陷波器構(gòu)造理想的輔助通道數(shù)據(jù)，以獲取不含主瓣方向的雜波回波信號(hào)，采用對(duì)消處理在抑制雜波的同時(shí)保護(hù)了目標(biāo)回波。該方法可以有效的對(duì)旁瓣電離層雜波進(jìn)行抑制，但對(duì)主瓣雜波無(wú)能為力。在頻域上，Leong[39]利用電離層對(duì)不同頻率電磁波的反射特性，設(shè)計(jì)并提出了基于雙頻工作模式的雷達(dá)系統(tǒng)，使用兩種不同工作頻率的雷達(dá)信號(hào)對(duì)目標(biāo)和雜波進(jìn)行分離。但電離層雜波仍有可能同時(shí)覆蓋兩個(gè)工作頻率，雙頻的方法無(wú)法徹底解決電離層雜波問(wèn)題，反而提高了系統(tǒng)的復(fù)雜度。在極化域上，毛興鵬[40,41]在研究中提出了零相移濾波器的方法，主要針對(duì)電離層中Es層雜波進(jìn)行抑制，其利用極化濾波的方法對(duì)電離層雜波中橢圓極化的雜波進(jìn)行濾除，對(duì)于沿海面返回的與目標(biāo)極化特性相近的電離層雜波缺乏抑制能力。

然而電離層雜波是一種時(shí)變的復(fù)雜雜波，其在單一域內(nèi)的特征復(fù)雜多變，往往在這一距離門(mén)中目標(biāo)和雜波在某一域內(nèi)區(qū)分度較大，下一距離門(mén)中二者在同一域內(nèi)的差異性就變的極小了，單一域的處理始終無(wú)法很好的抑制電離層雜波，為彌補(bǔ)單一域處理的不足，多域聯(lián)合處理的方法逐漸被提出。

在高頻地波超視距雷達(dá)系統(tǒng)中，多域聯(lián)合處理主要體現(xiàn)在空時(shí)聯(lián)合與時(shí)頻聯(lián)合。Adve和Riddolls的團(tuán)隊(duì)[42,43]使用高頻雷達(dá)中電波的傳播理論建立了符合加拿大地區(qū)電離層情況的電離層雜波模型，并將機(jī)載雷達(dá)中的多種空時(shí)自適應(yīng)處理方法(Space Time Adaptive Processing, STAP)引入到高頻地波超視距雷達(dá)系統(tǒng)中。在時(shí)頻域聯(lián)合處理中，熊新農(nóng)等人[44]提出了一種基于時(shí)頻分析的電離層雜波抑制方法，利用電離層雜波與目標(biāo)在時(shí)頻域上變化速率的不同對(duì)目標(biāo)與雜波進(jìn)行分離。在進(jìn)一步的研究中，文獻(xiàn)[45]提出了一種基于時(shí)頻-脊波域?yàn)V波的方法，利用目標(biāo)與雜波在時(shí)頻域上的不同圖像特征，對(duì)目標(biāo)與雜波進(jìn)行濾波分離。這些多域聯(lián)合方法，增加了系統(tǒng)自由度，擴(kuò)大了目標(biāo)與雜波的區(qū)分度，其理論效果往往要優(yōu)于單一域的一維處理方法，多域聯(lián)合是當(dāng)前電離層雜波抑制研究的主要趨勢(shì)。

(2) 電離層雜波的非均勻、非平穩(wěn)性促使算法研究從認(rèn)知處理向智能化雜波抑制算法方向發(fā)展。

認(rèn)知雷達(dá)的概念最早是由Haykin[46]于2006年提出，其希望雷達(dá)能夠通過(guò)與環(huán)境的不斷交互探測(cè)，獲取戰(zhàn)場(chǎng)環(huán)境的相關(guān)數(shù)據(jù)，結(jié)合專(zhuān)家知識(shí)自適應(yīng)的調(diào)整發(fā)射與接收端的相關(guān)參數(shù)，以達(dá)到自動(dòng)探測(cè)目標(biāo)的目的。在高頻地波超視距雷達(dá)的研究中，認(rèn)知處理主要體現(xiàn)在對(duì)樣本的篩選與知識(shí)輔助中，以解決電離層雜波的非均勻、非平穩(wěn)問(wèn)題。

在電離層雜波的抑制算法初期研究中，算法往往是采用逐距離門(mén)處理或滑動(dòng)窗口處理的方法，缺乏對(duì)距離門(mén)中樣本的篩選[2]。而電離層雜波在檢測(cè)背景中的分布具有同質(zhì)、異質(zhì)雜波共存的特點(diǎn)，不同的探測(cè)頻率、不同的季節(jié)、不同的時(shí)間、不同的地理位置、不同的宇宙環(huán)境(如太陽(yáng)黑斑、流行余跡等)都可能造成雜波的非均勻[47]。這種非均勻性使得逐距離門(mén)處理的方法很難獲取同質(zhì)的訓(xùn)練樣本，為雜波特性的估計(jì)帶來(lái)極大的困難，進(jìn)而削弱了雜波抑制算法的性能，甚至算法失效。為解決雜波樣本的非均勻問(wèn)題，基于樣本篩選的電離層雜波抑制算法逐漸被提出。文獻(xiàn)[4]在其研究中率先提出了樣本篩選的概念，針對(duì)大目標(biāo)與1階海雜波過(guò)度消耗對(duì)消系統(tǒng)自由度的問(wèn)題，設(shè)計(jì)了一種基于目標(biāo)海雜波剔除的預(yù)檢測(cè)對(duì)消(Detection Before Cancellation, DBC)方法，通過(guò)CFAR檢測(cè)與海雜波檢測(cè)剔除大目標(biāo)和Bragg峰樣本，以獲取純電離層雜波訓(xùn)練樣本，該方式也被應(yīng)用在機(jī)載雷達(dá)的非均勻雜波抑制研究中[23]。但對(duì)于電離層雜波只占據(jù)部分多普勒單元的情況，該方法同樣會(huì)將非電離層雜波樣本抽選進(jìn)樣本集，無(wú)法根據(jù)實(shí)際雜波環(huán)境調(diào)整樣本集的規(guī)模和抽樣方式，有效適應(yīng)電離層雜波分布的多樣性。在此方法之上，文獻(xiàn)[48]提出了一種基于邊緣檢測(cè)與雜波分段的訓(xùn)練樣本篩選方法，該方法采用圖像處理中的邊緣檢測(cè)技術(shù)對(duì)雜波樣本實(shí)施分段，根據(jù)雜波功率變化情況將雜波劃分為若干區(qū)域，并根據(jù)當(dāng)前數(shù)據(jù)點(diǎn)所屬區(qū)間合理選擇訓(xùn)練樣本集。然而該方法獲取的電離層雜波樣本中存在同質(zhì)、異質(zhì)雜波共存的問(wèn)題，導(dǎo)致雜波協(xié)方差估計(jì)困難，電離層雜波抑制性能受限。文獻(xiàn)[18]在前兩種方法的基礎(chǔ)上，設(shè)計(jì)了一種優(yōu)化樣本選擇的多維聯(lián)合雜波及干擾抑制方法，通過(guò)對(duì)回波數(shù)據(jù)的距離相關(guān)性分析，將電離層雜波樣本分為距離平穩(wěn)雜波樣本(距離域分布同質(zhì)樣本)與距離非平穩(wěn)雜波樣本(距離域分布異質(zhì)樣本)，對(duì)不同類(lèi)型樣本采用不同的加權(quán)協(xié)方差估計(jì)方法進(jìn)行處理。類(lèi)似的，文獻(xiàn)[17]對(duì)電離層雜波在空域分布的同質(zhì)性分析，提出了一種基于雜波分類(lèi)的電離層雜波抑制方法，其設(shè)計(jì)了鄰域空間相關(guān)性系數(shù)用以定量的描述電離層雜波在不同分辨單元間的空域同質(zhì)性，通過(guò)門(mén)限篩選出空域同分布的電離層雜波，采用變加權(quán)方式估計(jì)雜波協(xié)方差矩陣，使得同質(zhì)的電離層雜波樣本在雜波協(xié)方差估計(jì)中起到更大的作用，異質(zhì)的樣本起到的作用減弱。

除訓(xùn)練樣本的篩選外，另一種認(rèn)知處理——基于知識(shí)輔助的方法概念被提出用以針對(duì)時(shí)變非平穩(wěn)的雜波。該方法利用多種異類(lèi)傳感器和先驗(yàn)知識(shí)，比如對(duì)機(jī)載前正視雷達(dá)，使用事先測(cè)繪的數(shù)字地圖、實(shí)時(shí)的載機(jī)信息等作為輔助知識(shí)，對(duì)地波超視距雷達(dá)使用長(zhǎng)期觀(guān)測(cè)的電離層雜波統(tǒng)計(jì)數(shù)據(jù)輔助雜波估計(jì)。然而基于知識(shí)輔助的方法對(duì)專(zhuān)家知識(shí)的依賴(lài)性較強(qiáng)，一些不在專(zhuān)家知識(shí)庫(kù)中的突發(fā)性雜波數(shù)據(jù)無(wú)法形成有效的應(yīng)對(duì)處理。針對(duì)這種感知處理方法的局限性，智能處理的概念被提了出來(lái)[49]，它在感知的基礎(chǔ)上，具備了性能評(píng)估、匹配決策和錯(cuò)誤修正的學(xué)習(xí)能力，可以利用感知到的雜波信息結(jié)合專(zhuān)家知識(shí)進(jìn)行分析、評(píng)估、判斷、決策、修正，自適應(yīng)的匹配最優(yōu)雜波抑制算法并調(diào)整算法參數(shù)，進(jìn)而得到最優(yōu)的雜波抑制性能。隨著人工智能的發(fā)展，智能雜波抑制方法正成為最新的研究熱點(diǎn)。

綜上，通過(guò)以上對(duì)目前現(xiàn)有電離層雜波抑制算法的分析，若想有效且全面的對(duì)電離層雜波進(jìn)行抑制，需對(duì)電離層雜波樣本進(jìn)行分類(lèi)識(shí)別并對(duì)不同類(lèi)雜波智能的匹配有針對(duì)性的處理。例如在雜波抑制處理方法中，對(duì)于在某一域中特征明顯的雜波，可以使用單一域處理的方法，如在方位、多普勒、小波域或極化域中特征明顯的雜波可以使用自適應(yīng)空域?yàn)V波[4,50]、小波斜投影濾波[15]或者極化處理[41]的方法；對(duì)于多域聯(lián)合特征明顯的可以采用多域聯(lián)合處理，如空時(shí)STAP處理[51]、時(shí)頻處理[44,52]、時(shí)頻-脊波域?yàn)V波處理[45]等。

4 電離層雜波的分類(lèi)方法

上一節(jié)本文剖析了現(xiàn)有電離層雜波抑制算法，在面對(duì)復(fù)雜多變的電離層雜波時(shí)，單一的算法處理顯然無(wú)法完成對(duì)全部距離單元電離層雜波的整體抑制，部分距離-多普勒區(qū)域殘留的雜波依然會(huì)影響目標(biāo)的檢測(cè)。由此提出了對(duì)電離層雜波進(jìn)行分類(lèi)，根據(jù)不同類(lèi)型雜波所表現(xiàn)出來(lái)的特性，有針對(duì)性的選擇相應(yīng)處理方法，這可以有效的解決復(fù)雜電離層雜波抑制問(wèn)題。如何對(duì)電離層雜波進(jìn)行分類(lèi)，使得每種雜波類(lèi)型可區(qū)分性強(qiáng)且可匹配到適合處理的雜波抑制算法，是電離層雜波分類(lèi)的難點(diǎn)。

在雜波分類(lèi)的研究中，Haykin[53–55]首次提出了雜波分類(lèi)技術(shù)，構(gòu)建了特征提取-雜波分類(lèi)-分類(lèi)器性能評(píng)價(jià)的一整套較為成熟的分類(lèi)體系，為后續(xù)認(rèn)知雷達(dá)奠定了堅(jiān)實(shí)的基礎(chǔ)。后續(xù)的雜波分類(lèi)研究主要圍繞著雜波特征提取與不同分類(lèi)器的應(yīng)用這兩個(gè)問(wèn)題展開(kāi)，如利用雜波模型的幅相、相關(guān)度、熵、高階累計(jì)量等統(tǒng)計(jì)特征進(jìn)行雜波分類(lèi)，利用支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、有監(jiān)督聚類(lèi)等分類(lèi)器進(jìn)行雜波分類(lèi)[56–59]。在高頻地波超視距雷達(dá)的雜波分類(lèi)研究中，李楊[60]以Haykin的研究為基礎(chǔ)利用卷積神經(jīng)網(wǎng)對(duì)高頻雷達(dá)回波數(shù)據(jù)中的海雜波、電離層雜波、目標(biāo)進(jìn)行了分類(lèi)性能研究。通過(guò)建立多維特征庫(kù)，利用部分有監(jiān)督的樣本進(jìn)行訓(xùn)練，完成了海雜波與電離層雜波的分類(lèi)識(shí)別。但在其研究中，僅將電離層雜波通過(guò)功率大小分為強(qiáng)電離層雜波與弱電離層雜波兩種，其分類(lèi)結(jié)果無(wú)法對(duì)雜波抑制算法起到輔助作用。同樣的，在加拿大Chan[61]的研究中將電離層雜波以其所在層和雜波形狀進(jìn)行分類(lèi)，不同層之間的雜波存在相似性，同一層的雜波也存在差異性，其分類(lèi)結(jié)果依然很難與雜波抑制算法匹配。由于對(duì)電離層雜波的分類(lèi)存在監(jiān)督樣本的難以獲取、樣本數(shù)量不足、分類(lèi)準(zhǔn)則難以選取的問(wèn)題[12]，導(dǎo)致有監(jiān)督分類(lèi)算法產(chǎn)生過(guò)擬合，造成分類(lèi)準(zhǔn)確率降低，模型缺乏泛化能力。因此，利用有限的監(jiān)督樣本對(duì)電離層雜波進(jìn)行半監(jiān)督的聚類(lèi)，可以有效減少對(duì)監(jiān)督樣本數(shù)量的依賴(lài)，將是解決電離層雜波分類(lèi)問(wèn)題的一種合理方法。

4.1 典型電離層雜波特征分析

電離層雜波類(lèi)別劃分的過(guò)程是一個(gè)典型的半監(jiān)督聚類(lèi)過(guò)程，即將數(shù)據(jù)集中的樣本按監(jiān)督信息劃分為若干個(gè)互不相交的子集，每個(gè)子集對(duì)應(yīng)一些潛在的雜波特性，子集所對(duì)應(yīng)的概念語(yǔ)義需由使用者來(lái)把握和命名[62]。在電離層雜波分類(lèi)問(wèn)題中，典型的雜波樣本作為重要的監(jiān)督信息，其特征須能為雜波抑制算法提供一定輔助。在對(duì)電離層雜波實(shí)測(cè)數(shù)據(jù)的分析處理中，可以發(fā)現(xiàn)電離層雜波在不同域呈現(xiàn)出不同的特性，我們稱(chēng)每種不同的特性組合為一種電離層雜波模式，同一模式的雜波具有相同特征，可以采用相同的雜波抑制算法進(jìn)行處理。然而，隨著雜波特性的增加，雜波模式的數(shù)量將成指數(shù)倍的增長(zhǎng)，為每一種模式的雜波均設(shè)計(jì)一種抑制算法顯然是不可行的。因此，對(duì)電離層雜波進(jìn)行分類(lèi)，將一些模式相近、可以采用同種抑制算法的雜波進(jìn)行統(tǒng)一處理是必要且有意義的。

根據(jù)文獻(xiàn)[4,15–18]的分析，按樣本密度最大化原則，結(jié)合實(shí)測(cè)數(shù)據(jù)，本文提出了5種典型的電離層雜波類(lèi)型，其雜波特性如表1所示。其中，能量聚集型強(qiáng)方向性雜波往往是由電離層不規(guī)則體對(duì)雷達(dá)發(fā)射信號(hào)的反射所形成，其功率較強(qiáng)，在RD譜中較為聚集，占據(jù)有限個(gè)多普勒單元與距離單元，往往具有較為集中的方向性，其空域分布較為同質(zhì)，距離上相關(guān)；點(diǎn)狀電離層雜波一般是由擴(kuò)展E層或F層反射所形成，其功率相對(duì)較強(qiáng)，但在RD譜中分布較為集中呈現(xiàn)出點(diǎn)狀，覆蓋多個(gè)距離單元與絕大多數(shù)的多普勒單元，沒(méi)有統(tǒng)一的方向性，且空域分布不統(tǒng)一，距離上相關(guān)性較差，是一種主要的電離層雜波干擾；空域同分布雜波一般是由電子濃度變化較快的E層或F層反射所形成，其功率較弱，分散在RD譜中，占據(jù)多個(gè)距離單元與多普勒單元，且多普勒頻率較大，方向性分散但在多普勒域具有相同的空域分布，在距離域上非相關(guān)；距離域相關(guān)雜波一般是由電子濃度變化較慢的E層或F層反射所形成，其功率較弱，分散在RD譜中，占據(jù)多個(gè)距離單元與多普勒單元，且分布在零多普頻率附近，方向性分散且缺乏統(tǒng)一的空域分布，在距離域上相關(guān)；類(lèi)目標(biāo)雜波一般沒(méi)有統(tǒng)一來(lái)源，其在RD譜呈點(diǎn)狀分布，與點(diǎn)狀雜波不同的是這種雜波在RD譜上功率分布較為分散，且具有集中的方向性，其存在會(huì)導(dǎo)致空域?qū)ο惴ǖ淖杂啥葥p耗，影響對(duì)消算法性能，同時(shí)也會(huì)造成虛警概率提升。圖4給出了這5種典型雜波的示意圖。這5種雜波模式的樣本密度大，具有不同的處理算法，本文將以其為例對(duì)電離層雜波進(jìn)行進(jìn)一步分類(lèi)。

表 1 典型電離層雜波特性Tab. 1 Characteristics of typical ionospheric clutter

圖 4 典型電離層雜波示意圖Fig. 4 Typical ionospheric clutter

4.2 基于半監(jiān)督聚類(lèi)的電離層雜波分類(lèi)方法

假設(shè)在電離層雜波的特征提取階段獲取到的雜波特征數(shù)為 K ，每個(gè)特征具有 dk個(gè) 表征∏形式，則可以通過(guò)排列組合得出共可將雜波分雜波模式。當(dāng)提取出的雜波特征數(shù) K較少時(shí)，我們可以根據(jù)規(guī)則直接利用每種雜波模式所對(duì)應(yīng)的雜波特征進(jìn)行抑制算法的匹配，如圖5所示；隨著提取出的雜波特征數(shù) K增大，即便每個(gè)特征所具有的表征形式數(shù)量 dk較小，雜波模式依舊會(huì)以幾何倍數(shù)增加，此時(shí)繼續(xù)采用雜波特征與抑制算法的一一對(duì)應(yīng)方式顯然不合理也做不到。因此，需要找到一種合理的雜波類(lèi)別劃分方式，滿(mǎn)足：每個(gè)雜波類(lèi)型有一定的實(shí)際物理意義且至少對(duì)應(yīng)一種雜波抑制算法；每個(gè)雜波類(lèi)型中雜波模式相近(即雜波特征差異最小)。

圖 5 傳統(tǒng)的電離層雜波分類(lèi)抑制處理框架流程圖Fig. 5 Traditional ionospheric clutter classification and suppression processing framework

在雜波類(lèi)別劃分的過(guò)程中，由于以上約束條件的存在，需要引入了額外的監(jiān)督信息，故雜波類(lèi)別劃分是一個(gè)半監(jiān)督聚類(lèi)問(wèn)題?？捎糜趯?duì)電離層雜波聚類(lèi)的半監(jiān)督算法有很多種，如K均值算法、基于密度敏感的半監(jiān)督聚類(lèi)算法、基于空間條件分布的半監(jiān)督聚類(lèi)方法、Bayes 判別法、Fisher 判別函數(shù)法、距離函數(shù)法和K-近鄰法等。本文以約束種子K均值算法(Constrained Seed K-Means, CSKM)為例，給出一種基于半監(jiān)督聚類(lèi)的電離層雜波分類(lèi)方法處理過(guò)程。CSKM算法是在K均值算法(K-means)的基礎(chǔ)上改進(jìn)而來(lái)，使用監(jiān)督數(shù)據(jù)做為初始聚類(lèi)種子，其可以在標(biāo)記樣本不足的情況下，實(shí)現(xiàn)半監(jiān)督分類(lèi)，并且具有迭代尋優(yōu)的特性，可以最大化的實(shí)現(xiàn)分類(lèi)的精確。

給定電離層雜波樣本集 D ={x1x2·· xm}，聚類(lèi)后所得到的簇劃分為 C ={C1C2·· Ck}，典型雜波類(lèi)型的樣本簇為 C*={C1*C2*·· Ck*}，電離層雜波類(lèi)別劃分問(wèn)題要求每個(gè)雜波類(lèi)型中雜波特征差異最小，即最小化均方誤差

其中

是簇 Ci的均值向量。從式(1)和式(2)，均方誤差E描述了簇內(nèi)樣本圍繞簇中心點(diǎn)的緊密程度，均方誤差越小，簇內(nèi)樣本分布越集中。對(duì)于式(1)給出的最優(yōu)化問(wèn)題，找到其最優(yōu)解需要考察樣本集 D的所有可能簇劃分，這是一個(gè)NPC問(wèn)題，可以采用貪心策略，通過(guò)迭代優(yōu)化的形式來(lái)近似求解。

考慮到電離層雜波特征屬性為離散屬性，且樣本屬性的定義域?yàn)橐环N抽象概念，屬于無(wú)序?qū)傩裕谟?jì)算樣本之間距離 dij時(shí)，無(wú)法直接使用屬性值進(jìn)行閔可夫斯基距離計(jì)算，因此這里引入值差分度量(Value Difference Metric, VDM)[63]用以計(jì)算不同樣本間的距離。

令 mu,a表 示在屬性 u上 取值為 a的 樣本數(shù)，mu,a,i表示在第 i個(gè)樣本簇中在屬性 u上取值為 a的樣本數(shù)， k 為樣本簇?cái)?shù)，則屬性 u 上的兩個(gè)離散值 a與 b之間的VDM距離為

因此，兩個(gè)電離層雜波樣本 xi與 xj之間的距離dij可以表示為

4.3 雜波分類(lèi)的性能與實(shí)驗(yàn)驗(yàn)證

聚類(lèi)性能度量也可稱(chēng)為有效性指標(biāo)，一般用其對(duì)聚類(lèi)結(jié)果進(jìn)行性能度量來(lái)評(píng)估其優(yōu)劣。聚類(lèi)性能的度量方式可以分為兩種，其一為將聚類(lèi)結(jié)果與某個(gè)參考模型進(jìn)行比較，此種度量方式為外部指標(biāo)；其二為直接考察聚類(lèi)結(jié)果本身的屬性而不依靠任何外部模型，此種度量方式為內(nèi)部指標(biāo)?？紤]到在電離層雜波的聚類(lèi)過(guò)程中，我們無(wú)法得到可靠的真實(shí)分組情況，即無(wú)法得到確切的監(jiān)督信息，因此這里考慮采用計(jì)算內(nèi)部指標(biāo)的形式對(duì)電離層雜波分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)。

戴維森堡丁指數(shù)(Davies-Bouldin Index, DBI)，又稱(chēng)為分類(lèi)適確性指標(biāo)，是由Davies和Bouldin[64]提出的一種評(píng)估聚類(lèi)算法優(yōu)劣的指標(biāo)?？紤]聚類(lèi)結(jié)果的簇劃分 C ={C1C2·· Ck}, DBI指數(shù)為

dist(·)為兩個(gè)樣本之間的距離，可帶入式(4)求解。avg(C)表 示簇內(nèi)樣本的平均距離， dcen(Ci,Cj)表示簇 Ci與 簇 Cj聚類(lèi)中心之間的距離。從式(5)中可以看出，DBI指數(shù)描述了聚類(lèi)后類(lèi)內(nèi)樣本距離之和與類(lèi)間距離之比，DBI指數(shù)越小，聚類(lèi)性能越好。

鄧恩指數(shù)(Dunn Index, DI)是由Dunn[65]提出的另一種內(nèi)部指標(biāo)，用以衡量聚類(lèi)結(jié)果的性能。DI指數(shù)為

dist(·)為兩個(gè)樣本之間的距離，可帶入式(4)求解。dmin(Ci,Cj)表 示簇 Ci與 簇 Cj最近樣本間的距離，diam(C)表 示簇 C 內(nèi)樣本間的最遠(yuǎn)距離。從式(8)中可以看出，DI指數(shù)描述了任意兩個(gè)簇元素間最短距離與任意簇內(nèi)樣本最大距離的比值，DI指數(shù)越大，簇間距離越大，簇內(nèi)距離越小，聚類(lèi)性能越好。

仿真實(shí)驗(yàn)設(shè)置的樣本數(shù)為10000個(gè)，每個(gè)樣本的屬性均為隨機(jī)生成，考慮實(shí)際情況中典型雜波的樣本數(shù)量要高于其他模式的雜波樣本，因此這里對(duì)典型雜波樣本進(jìn)行了10%的數(shù)量增強(qiáng)。選取的樣本特性個(gè)數(shù)為5，聚類(lèi)簇?cái)?shù) k為6個(gè)簇，算法迭代次數(shù)為1000次，收斂條件為全部簇中心在迭代前后不變。在CSKM算法中，引入的監(jiān)督樣本為文中所提出的5種典型電離層雜波樣本，同時(shí)設(shè)置了一種不具有這5種特性的雜波作為監(jiān)督樣本，其代表了本文所提5種特性無(wú)法描述的電離層雜波類(lèi)型。這里對(duì)比了傳統(tǒng)K-means算法與CSKM算法的聚類(lèi)性能。表2與表3給出了兩種聚類(lèi)算法收斂后各聚類(lèi)簇樣本的特性統(tǒng)計(jì)，其數(shù)值表示該分類(lèi)簇中具有對(duì)應(yīng)特性的樣本數(shù)占該簇總樣本數(shù)的比例，1代表分類(lèi)簇所有樣本均具有該特性，0代表分類(lèi)簇所有樣本均不具有該特性。

從表2中可以看到，K-means算法由于缺乏專(zhuān)家知識(shí)的指導(dǎo)，聚類(lèi)后的樣本簇多數(shù)不具有統(tǒng)一的特性，例如在類(lèi)型B中，有44.2%的樣本具有特性A, 41.1%的樣本具有特征D，類(lèi)型B中顯然是由多種模式的雜波所構(gòu)成的，其聚類(lèi)結(jié)果只是數(shù)據(jù)上的最優(yōu)解，無(wú)法給出每個(gè)聚類(lèi)簇所對(duì)應(yīng)的電離層雜波的實(shí)際物理意義，同樣也難以給出針對(duì)每種類(lèi)型雜波的抑制算法。而在表3中，由于引入了監(jiān)督信息，約束雜波樣本以典型雜波類(lèi)型為聚類(lèi)中心進(jìn)行聚類(lèi)，因此其每個(gè)聚類(lèi)簇均擁有較為統(tǒng)一的特性，且每個(gè)聚類(lèi)簇均可與一種典型的電離層雜波類(lèi)型相對(duì)應(yīng)。表4給出了兩種算法的分類(lèi)性能指標(biāo)對(duì)比，CSKM算法的DBI指數(shù)更小且DI指數(shù)更大，這說(shuō)明CSKM算法的類(lèi)內(nèi)間距更小，類(lèi)間間距更大，聚類(lèi)性能更好。

為進(jìn)一步驗(yàn)證電離層雜波的分類(lèi)性能，這里同樣對(duì)實(shí)測(cè)數(shù)據(jù)進(jìn)行分類(lèi)并計(jì)算了其聚類(lèi)有效性。實(shí)測(cè)數(shù)據(jù)采用高頻地波超視距雷達(dá)的回波數(shù)據(jù)，天線(xiàn)陣列的分布為均勻線(xiàn)陣，圖6給出了實(shí)測(cè)數(shù)據(jù)的距離-多普勒譜，波束指向 θ =-9°?？梢钥吹讲糠蛛婋x層雜波占據(jù)了幾乎全部的多普勒單元，在其覆蓋范圍內(nèi)很難檢測(cè)出目標(biāo)。對(duì)該批數(shù)據(jù)進(jìn)行特征提取，分析實(shí)測(cè)數(shù)據(jù)電離層雜波所具有的特性。實(shí)驗(yàn)中，電離層雜波樣本個(gè)數(shù)為24554個(gè)，選取的雜波特性個(gè)數(shù)為5個(gè)，聚類(lèi)簇?cái)?shù) k為6個(gè)簇，算法迭代次數(shù)為1000次，收斂條件為全部簇中心在迭代前后不變。與仿真實(shí)驗(yàn)相同，CSKM算法引入的監(jiān)督樣本為章節(jié)3.1中所提5種典型電離層雜波，同時(shí)設(shè)置了一種不具有這5種特性的雜波作為監(jiān)督樣本，其代表了本文所提5種特性無(wú)法描述的電離層雜波類(lèi)型。

這里對(duì)比了傳統(tǒng)K-means算法與CSKM算法的聚類(lèi)性能。表5與表6給出了兩種聚類(lèi)算法收斂后各聚類(lèi)簇樣本的特性統(tǒng)計(jì)，其數(shù)值表示該分類(lèi)簇中具有對(duì)應(yīng)特性的樣本數(shù)占該簇總樣本數(shù)的比例。與仿真相似，K-means算法的聚類(lèi)結(jié)果缺乏統(tǒng)一的雜波特性，很難針對(duì)每種類(lèi)型的雜波進(jìn)行抑制。對(duì)比CSKM算法的聚類(lèi)結(jié)果，可以發(fā)現(xiàn)由于引入了監(jiān)督信息，除類(lèi)型C與類(lèi)型F外的聚類(lèi)結(jié)果均具有較為統(tǒng)一的雜波特性，且可以與電離層雜波的實(shí)際物理意義相對(duì)應(yīng)，能夠找到具有針對(duì)性處理的抑制算法。表7給出了兩種算法的分類(lèi)性能指標(biāo)對(duì)比，兩種算法的DI指數(shù)相同，但CSKM算法的DBI指數(shù)更小，這說(shuō)明CSKM算法的類(lèi)內(nèi)間距更小，類(lèi)間間距更大，聚類(lèi)性能更好。

表 2 K-means算法聚類(lèi)后樣本的特性統(tǒng)計(jì)Tab. 2 Characteristic statistics after K-means algorithm clustering

表 3 CSKM算法聚類(lèi)后樣本的特性統(tǒng)計(jì)Tab. 3 Characteristic statistics after CSKM algorithm clustering

圖 6 實(shí)測(cè)數(shù)據(jù)RD譜Fig. 6 RDP for measured data

對(duì)于雜波類(lèi)型C，該種電離層雜波在空域上是同質(zhì)的，55%的樣本在小波尺度上與目標(biāo)相近，78%的樣本在距離域上相關(guān)，簇內(nèi)部特性不統(tǒng)一。對(duì)雜波類(lèi)型C中的樣本分布進(jìn)行分析，可以得到監(jiān)督樣本(空域同分布雜波樣本)僅占該簇樣本總數(shù)的27.7%，占全部樣本總數(shù)的1.4%。對(duì)比聚類(lèi)結(jié)果較為統(tǒng)一的其他類(lèi)型雜波，如雜波類(lèi)型D，其監(jiān)督樣本占該簇樣本總數(shù)的74.8%，占全部樣本總數(shù)的18.3%?？梢园l(fā)現(xiàn)雜波類(lèi)型C簇內(nèi)樣本特性不統(tǒng)一的主要原因是其監(jiān)督樣本數(shù)量在該批次數(shù)據(jù)內(nèi)較少，即該批次數(shù)據(jù)中空域同分布雜波分布較少。對(duì)于雜波類(lèi)型F，其代表了本文所提出的5種雜波特性無(wú)法描述的雜波類(lèi)型，其樣本占總體樣本數(shù)的18.98%。這類(lèi)雜波在距離多普勒譜上表現(xiàn)為分散的雜波，在圖像上其小波尺度與目標(biāo)尺度相差較大，且雜波方向性較為分散無(wú)明顯回波指向，其與周?chē)渌麡颖驹诳沼蛏戏植疾煌?，在距離域上非相關(guān)，是一種完全的時(shí)變、非平穩(wěn)、非均勻且非高斯的雜波。若想對(duì)其進(jìn)行分類(lèi)，現(xiàn)有的雜波特性不足，需引入新的雜波特性，針對(duì)這些雜波樣本的研究將在未來(lái)的研究工作中展開(kāi)。

圖7給出了實(shí)測(cè)數(shù)據(jù)的電離層雜波分類(lèi)結(jié)果的距離多普勒分布，不同顏色區(qū)域代表不同的電離層雜波類(lèi)型，由于電離層往往處于100 km以上，所以分類(lèi)算法不會(huì)對(duì)近區(qū)進(jìn)行處理。對(duì)比圖5與圖6，可以看到多數(shù)的電離層雜波都能分類(lèi)到典型的電離層雜波類(lèi)型中，且每種類(lèi)型的雜波都是分區(qū)域出現(xiàn)的，具有一定的連通性，這說(shuō)明相鄰分辨單元的雜波具有相似性，與實(shí)際情況相符。

表 5 K-means算法聚類(lèi)后樣本的特性統(tǒng)計(jì)Tab. 5 Characteristic statistics after K-means algorithm clustering

表 6 CSKM算法聚類(lèi)后樣本的特性統(tǒng)計(jì)Tab. 6 Characteristic statistics after CSKM algorithm clustering

5 電離層雜波的智能處理方法

5.1 問(wèn)題的提出

在電離層雜波的特性分析中，電離層雜波具有時(shí)變、非平穩(wěn)、非均勻的特性且這些特性會(huì)同時(shí)出現(xiàn)在多個(gè)域內(nèi)，這極大的提升了電離層雜波的復(fù)雜性，同一積累周期內(nèi)的電離層雜波可以分為多種類(lèi)別，如圖4(f)所示。單一種類(lèi)的電離層雜波抑制方法往往只能處理有限種類(lèi)型的電離層雜波，殘余的電離層雜波依舊會(huì)影響目標(biāo)的檢測(cè)，這里給出了兩種方法的處理對(duì)比，如圖8(a)、圖8(b)所示為雷達(dá)回波經(jīng)過(guò)廣義旁瓣對(duì)消(Generalized Sidelobe Cancellation, GSC)算法處理前后的對(duì)比圖，圓圈處標(biāo)記的電離層雜波得到了較好的抑制，可以使用恒虛警檢測(cè)(Constant False Alarm Rate, CFAR)等目標(biāo)檢測(cè)算法將目標(biāo)檢測(cè)出來(lái)，而其余區(qū)域的電離層雜波依舊有較強(qiáng)的殘余，在第60個(gè)距離單元處的電離層雜波殘余幾乎覆蓋了整個(gè)多普勒單元，嚴(yán)重的影響了目標(biāo)檢測(cè)。圖8(c)和圖8(d)所示為雷達(dá)回波經(jīng)過(guò)局域聯(lián)合處理(Joint Domain Localized,JDL)算法處理前后的對(duì)比圖，圓圈處標(biāo)記的電離層雜波同樣得到了很好的抑制，而其他區(qū)域的電離層雜波雖然在一定程度上削弱了，但較強(qiáng)的殘留雜波依舊影響著目標(biāo)的檢測(cè)。因此對(duì)于電離層雜波的抑制需要分類(lèi)分情況處理，選取的抑制方法也需要對(duì)不同雜波類(lèi)型有針對(duì)性。

表 7 聚類(lèi)結(jié)果有效性指標(biāo)Tab. 7 Validity index of clustering results

圖 7 實(shí)測(cè)數(shù)據(jù)電離層雜波分類(lèi)結(jié)果Fig. 7 Clutter classification results for measured data

圖 8 單一算法對(duì)電離層雜波的抑制Fig. 8 Ionospheric clutter suppression using single algorithm

在常規(guī)的雜波分類(lèi)抑制處理中，往往是人工的利用專(zhuān)家知識(shí)對(duì)雜波進(jìn)行分類(lèi)，并根據(jù)雜波類(lèi)型設(shè)計(jì)或選取相應(yīng)的雜波抑制算法，雜波的抑制能力過(guò)度依靠操作人員的經(jīng)驗(yàn)。隨著人工智能技術(shù)的發(fā)展，如何自動(dòng)的完成對(duì)雜波的分類(lèi)抑制處理，成為了現(xiàn)今的研究熱點(diǎn)之一[66]。在高頻地波超視距雷達(dá)系統(tǒng)中，電離層雜波的智能分類(lèi)抑制處理可以分為兩個(gè)部分，其一為電離層雜波的有針對(duì)性分類(lèi)識(shí)別，需要分類(lèi)后的電離層雜波在某一域或某幾個(gè)域中具有較為統(tǒng)一特性，可以使用同種雜波抑制方法進(jìn)行抑制處理，這里可以使用第4節(jié)提出的半監(jiān)督聚類(lèi)的方法對(duì)電離層雜波進(jìn)行分類(lèi)，利用監(jiān)督信息完成對(duì)雜波特性的約束；其二為電離層雜波抑制方法的選取問(wèn)題，對(duì)已知的電離層雜波類(lèi)型采用匹配的方法選取對(duì)應(yīng)的雜波抑制方法，對(duì)未知的電離層雜波類(lèi)型采用自適應(yīng)的方法選取信雜比改善最大的雜波抑制方法，最終完成對(duì)電離層雜波的整體最優(yōu)抑制。

5.2 電離層雜波智能處理方法框架

在電離層雜波智能抑制的研究中，這里給出了一種電離層雜波智能抑制處理流程框架，如圖9所示。該方法首先對(duì)雷達(dá)回波數(shù)據(jù)進(jìn)行特征提取構(gòu)造雜波特征庫(kù)，并結(jié)合專(zhuān)家知識(shí)與雷達(dá)回波特征向量可以獲取到少量典型雜波樣本，將這些樣本作為監(jiān)督信息輸入給分類(lèi)器對(duì)電離層雜波進(jìn)行分類(lèi)，然后利用算法選取器對(duì)每種類(lèi)型的電離層雜波智能的選取出合適的雜波抑制算法，最終得到最優(yōu)的雜波抑制輸出。

在對(duì)高頻地波雷達(dá)的實(shí)測(cè)數(shù)據(jù)處理過(guò)程中，我們發(fā)現(xiàn)由于引入了監(jiān)督知識(shí)，多數(shù)的電離層雜波樣本可以被分類(lèi)到前文提出的典型雜波類(lèi)型中。但由于實(shí)測(cè)數(shù)據(jù)中電離層雜波的時(shí)變性與復(fù)雜性，我們無(wú)法保證所有的典型雜波樣本都會(huì)出現(xiàn)在同一批次雷達(dá)回波里，在實(shí)際處理中，可能存在部分雜波分類(lèi)簇?zé)o法與典型雜波類(lèi)型相對(duì)應(yīng)的問(wèn)題。為解決雜波類(lèi)型與抑制方法的匹配問(wèn)題，對(duì)于典型的電離層雜波類(lèi)型，文獻(xiàn)[4,15–18]給出了具有針對(duì)性處理的電離層雜波抑制算法，當(dāng)雜波分類(lèi)簇的信息熵較小時(shí)(即簇內(nèi)樣本特性較為統(tǒng)一)，可以直接將雜波類(lèi)型與算法進(jìn)行匹配處理；對(duì)于無(wú)法與典型雜波相對(duì)應(yīng)的雜波類(lèi)型或雜波分類(lèi)簇中信息熵較大(即簇內(nèi)樣本特性不統(tǒng)一)的雜波類(lèi)型，則需要設(shè)計(jì)算法選取器，智能選取出合適的電離層雜波抑制算法進(jìn)行處理。

算法選取器的設(shè)計(jì)可以有多種方法，如基于規(guī)則的算法選取器，基于先驗(yàn)知識(shí)的算法選取器，基于強(qiáng)化學(xué)習(xí)的算法選取器[66]等。本文以基于貪心策略的智能電離層雜波抑制方法為例，給出一種電離層雜波算法智能選取器的方案。這里可以將電離層雜波類(lèi)型與算法匹配問(wèn)題描述為以下最優(yōu)化過(guò)程：給定電離層雜波的聚類(lèi)簇劃分C ={C1C2·· Ck}，目前已有的 M個(gè)電離層雜波抑制算法集合為A={a1a2·· aM} , Q = {q1q2·· qk}為簇劃分C中每個(gè)聚類(lèi)簇所對(duì)應(yīng)使用的電離層雜波抑制算法。電離層雜波類(lèi)型與雜波抑制算法的匹配問(wèn)題可以表述為以下最優(yōu)化問(wèn)題：尋找一種算法劃分 Q，使得雷達(dá)回波數(shù)據(jù) X經(jīng)過(guò)雜波抑制算法處理后，信雜比改善最大，即

其中， IF (x)為信雜比改善因子，其定義為算法處理前后的信雜比差值

對(duì)于以上最優(yōu)化問(wèn)題，找到其最優(yōu)解需要考察集合Q的所有算法組合方式，這是一個(gè)NPC問(wèn)題，可以采用貪心策略利用局部最優(yōu)解求解整體最優(yōu)，即通過(guò)算法競(jìng)爭(zhēng)的方式選取局部最優(yōu)處理方法來(lái)獲取整體的電離層雜波最優(yōu)抑制。其算法流程如下：

(1) 獲取待處理距離單元的雷達(dá)回波數(shù)據(jù) X與電離層雜波的聚類(lèi)簇劃分 C。

(2) 利用信息熵公式

其中 pi為樣本集合C中第i類(lèi)樣本所占的比例，計(jì)算聚類(lèi)簇劃分 C中每個(gè)聚類(lèi)簇 Ci,i=1,2,··,k的信息熵 H (Ci)， 將信息熵 H (Ci)＜ μ 且 滿(mǎn)足 Cj*? Ci的聚類(lèi)簇 Ci劃歸為典型的電離層雜波類(lèi)型，其中C*={C1*C2*·· Ck*}為典型雜波類(lèi)型的樣本簇。對(duì)這類(lèi)雜波直接匹配對(duì)應(yīng)的雜波抑制算法。

圖 9 電離層雜波智能抑制處理流程框架Fig. 9 Ionospheric clutter intelligent suppression framework

(3) 對(duì)于信息熵 H (Ci)＞ μ的 聚類(lèi)簇 Ci，對(duì)其進(jìn)行算法競(jìng)爭(zhēng)處理，計(jì)算算法集 A處理后的信雜比改善因子 IF (x)， 選取改善因子最大的算法 aj作為該類(lèi)雜波在當(dāng)前距離門(mén)的雜波抑制算法。

(4) 對(duì)不同算法處理后的數(shù)據(jù)進(jìn)行融合。

(5) 重復(fù)以上過(guò)程。

5.3 實(shí)驗(yàn)驗(yàn)證

實(shí)測(cè)數(shù)據(jù)采用高頻地波超視距雷達(dá)的回波數(shù)據(jù)，雷達(dá)工作頻率為6.9 MHz，天線(xiàn)陣列的分布為均勻線(xiàn)陣，數(shù)據(jù)采集時(shí)間為中午，圖7給出了實(shí)測(cè)數(shù)據(jù)的距離-多普勒(RD)譜與雜波分類(lèi)結(jié)果，波束指向 θ =-9°。為方便觀(guān)測(cè)算法處理前后目標(biāo)位置附近的電離層雜波抑制性能，這里給出目標(biāo)處的局部RD譜放大圖和對(duì)應(yīng)位置的電離層雜波分類(lèi)結(jié)果圖，如圖10所示。

從圖10(a)中可以看出，電離層雜波功率較強(qiáng)，幾乎占據(jù)了全部的多普勒分辨單元，目標(biāo)被電離層雜波所淹沒(méi)，無(wú)法被檢測(cè)算法所檢測(cè)，嚴(yán)重影響了雷達(dá)探測(cè)性能。對(duì)比圖10(b)可以發(fā)現(xiàn)，該區(qū)域存在兩種類(lèi)型的電離層雜波，目標(biāo)處附近以能量聚集型強(qiáng)方向性雜波為主，這種雜波具有較強(qiáng)的功率，一般是由雷達(dá)信號(hào)經(jīng)由Es層電離層中的不規(guī)則體反射而形成，其具有明顯的方向性指向，且在空間上具有相似的分布，適合采用空域雜波抑制的算法進(jìn)行處理。此區(qū)域中另一種電離層雜波為能量分散型點(diǎn)狀電離層雜波，這種雜波在小波尺度上呈現(xiàn)出與目標(biāo)相似的特性，適合采用小波斜投影濾波算法進(jìn)行處理。對(duì)于該區(qū)域而言，單一的雜波抑制方法很難做到對(duì)兩種雜波類(lèi)型的同時(shí)最優(yōu)抑制，圖11給出了不同電離層雜波抑制算法處理后的RD譜。

圖 10 實(shí)測(cè)數(shù)據(jù)結(jié)果Fig. 10 Results for measured data

對(duì)比圖11中的5種不同處理算法，基于稀疏重構(gòu)的自適應(yīng)波束形成算法(Sparse Space Spectrum Rebuild Beamforming, SSSRB)、小波斜投影濾波算法(Wavelet Oblique Projection Filtering,WOPF)與單凹口輔助通道對(duì)消算法(Notch Generalized Sidelobe Cancellation, Notch-GSC)均可對(duì)能量聚集型強(qiáng)方向性雜波區(qū)域進(jìn)行抑制，但WOPF算法會(huì)造成目標(biāo)在多普勒展寬且目標(biāo)本身會(huì)被部分對(duì)消，其處理性能較另外兩種方法較差；而Notch-GSC算法主要針對(duì)旁瓣電離層雜波，對(duì)于雜波方向與目標(biāo)方向接近的主瓣雜波處理性能較差，因此其處理后的電離層雜波殘余較大；SSSRB算法除了可以抑制旁瓣雜波對(duì)主瓣雜波同樣擁有一定的抑制能力，因此其處理后的電離層雜波殘余更少，在這幾種方法中，SSSRB算法對(duì)能量聚集型強(qiáng)方向性雜波的抑制效果最好，其處理后的電離層雜波殘余最少，目標(biāo)處的信雜比(Signal to Clutter Ratio, SCR)與原始數(shù)據(jù)相比改善最大，為18.03 dB，目標(biāo)可以被檢測(cè)出來(lái)。對(duì)于能量分散型點(diǎn)狀電離層雜波區(qū)域，SSSRB算法、WOPF算法、基于距離相關(guān)性分析的變加載JDL算法(Joint Domain Localized processing based on Range Analyzed, RA-JDL)與Notch-GSC算法均具有一定的抑制能力，其中SSSRB算法與Notch-GSC算法均為空域算法，無(wú)法處理與波束指向一致的電離層雜波，因此存在部分電離層雜波殘余導(dǎo)致虛警概率提升；RA-JDL算法對(duì)雜波樣本的距離相關(guān)性依賴(lài)較強(qiáng)，由于能量分散型點(diǎn)狀電離層雜波的距離相關(guān)性較弱，算法無(wú)法準(zhǔn)確估計(jì)該區(qū)域雜波的協(xié)方差矩陣，因此算法處理后電離層雜波殘留較大；WOPF算法主要針對(duì)與目標(biāo)在小波尺度上相似的點(diǎn)狀雜波，其處理后的電離層雜波殘余最少且虛警較小，是幾種方法中雜波抑制性能最好的方法。本文提出的方法針對(duì)不同類(lèi)型的電離層雜波，智能的選取最優(yōu)的雜波抑制算法進(jìn)行抑制，在該批數(shù)據(jù)區(qū)域中，采用SSSRB算法與WOPF算法對(duì)不同類(lèi)型雜波進(jìn)行抑制，使抑制后的平均電離層雜波功率低于任意單一處理算法，且目標(biāo)處的信雜比改善最大。

圖 11 不同電離層雜波抑制算法對(duì)比Fig. 11 Comparison of different ionospheric clutter suppression algorithms

為對(duì)比不同算法對(duì)不同類(lèi)型電離層雜波的抑制性能，在實(shí)測(cè)數(shù)據(jù)的五種不同雜波類(lèi)型區(qū)域注入相同信雜比的仿真目標(biāo)，分別使用不同的電離層雜波抑制算法對(duì)這5種雜波進(jìn)行處理，表8給出了處理后不同電離層雜波類(lèi)型處目標(biāo)的信雜比。從表8中可以看出，注入的仿真目標(biāo)信雜比為5 dB，對(duì)于每種不同類(lèi)型的電離層雜波，本文提出的方法均可以得到接近最優(yōu)的輸出信雜比且不會(huì)出現(xiàn)漏警的情況，對(duì)不同類(lèi)型電離層雜波處理的平均輸出信雜比為17.33 dB，高于任何一種單一算法，比平均處理最好的SSSRB算法高3.77 dB。

6 結(jié)論

本文對(duì)高頻地波超視距雷達(dá)的主要雜波干擾源——電離層雜波的成因與特性進(jìn)行了詳盡而細(xì)致的分析，同時(shí)對(duì)目前電離層雜波的抑制算法進(jìn)行剖析，從電離層雜波時(shí)變、非平穩(wěn)、非均勻3個(gè)特性的角度分析了目前電離層雜波抑制算法的研究趨勢(shì)與局限性，得出若想有效且全面的對(duì)電離層雜波進(jìn)行抑制，需對(duì)電離層雜波樣本進(jìn)行分類(lèi)識(shí)別并對(duì)不同類(lèi)雜波采用有針對(duì)性處理的結(jié)論。以此結(jié)論為基礎(chǔ)，本文對(duì)雜波分類(lèi)方法進(jìn)行了研究，給出了基于半監(jiān)督聚類(lèi)的電離層雜波分類(lèi)方法，并以CSKM算法為例，給出了一種電離層雜波分類(lèi)的方案，并利用實(shí)測(cè)數(shù)據(jù)對(duì)該方法的有效性進(jìn)行了驗(yàn)證。隨后本文提出了一種電離層雜波的智能處理方法框架，以貪婪策略為例展示了電離層雜波類(lèi)型與算法的一種匹配方案，通過(guò)對(duì)實(shí)測(cè)數(shù)據(jù)的處理驗(yàn)證，本文提出的方法均可以得到接近最優(yōu)的輸出信雜比且不會(huì)出現(xiàn)漏警的情況，對(duì)不同類(lèi)型電離層雜波處理的平均輸出信雜比為17.33 dB，高于任何一種單一算法3.77 dB以上。

表 8 目標(biāo)在不同類(lèi)型雜波處各算法處理后的信雜比Tab. 8 Target SCR after different algorithms processed