楊 童，尚 尚，劉 明，何康寧

（江蘇科技大學(xué)電子信息學(xué)院 鎮(zhèn)江 212003）

引 言

高頻地波雷達(dá)（HF Surface Wave Radar）作為一種新興的海面目標(biāo)探測雷達(dá)，輻射高頻電磁波，利用短波（3MHz～30MHz）沿導(dǎo)電海洋平面繞射傳播衰減小且不受地球曲率影響等特點，實現(xiàn)對雷達(dá)站水平視線以下艦船、導(dǎo)彈和低空飛機(jī)等目標(biāo)的超視距探測[1]。因其具有探測距離遠(yuǎn)、全天候、實時準(zhǔn)確探測等優(yōu)點被人們廣泛應(yīng)用于目標(biāo)檢測的兩大方向：一是海面移動目標(biāo)探測與跟蹤；二是從雷達(dá)回波中提取現(xiàn)場海態(tài)信息。

在高頻地波雷達(dá)對海面移動目標(biāo)進(jìn)行探測時，許多干擾信號混雜在回波中，其中，諧振產(chǎn)生的強(qiáng)一階回波稱為“海雜波”[2]。海雜波會淹沒周圍的目標(biāo)信息，進(jìn)而影響目標(biāo)檢測的精度。當(dāng)高頻電磁波以趨于零的擦地角入射時，只有高頻無線電波長一半的正弦海浪與雷達(dá)發(fā)射的高頻電磁波諧振產(chǎn)生的一階回波占海雜波主要分量。因此，本文研究對象主要是一階海雜波。海雜波會受洋流切變等因素影響，出現(xiàn)頻譜展寬現(xiàn)象，這也成為有效目標(biāo)檢測的一大挑戰(zhàn)。

近年來，國內(nèi)外開展了很多海雜波抑制方面的研究，主要有非線性預(yù)測類、分形類、子空間分解類、對消類等方法。本文將在海雜波背景下目標(biāo)檢測問題進(jìn)行深入探討，并對前人提出的相關(guān)方法進(jìn)行綜述，最后，總結(jié)目前算法存在的缺陷，并對研究前景進(jìn)行展望。

1 海雜波背景下目標(biāo)檢測方法

1.1 非線性預(yù)測類

最初的研究中，海雜波被假設(shè)為平穩(wěn)的隨機(jī)過程，但實際海雜波會更加復(fù)雜。針對海雜波的內(nèi)在特性進(jìn)行線性建模，涌現(xiàn)出如對數(shù)正態(tài)分布、韋伯分布、復(fù)合K分布等統(tǒng)計分布的海雜波模型[3-6]。由于海洋環(huán)境復(fù)雜，線性建模難以契合地描述海雜波的特征，不具有普適性。隨著非線性概念引入海雜波建模中，為海雜波內(nèi)在特性研究另辟蹊徑。近年來，將海雜波的非線性預(yù)測應(yīng)用于目標(biāo)檢測的方法已風(fēng)起泉涌，取得了一定進(jìn)展。

由于神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的學(xué)習(xí)和非線性逼近能力，基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測方法應(yīng)運而生。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法，如RBF（Radial Basis Function）和SVM（Support Vector Machine），其訓(xùn)練時間長且預(yù)測精度不高，導(dǎo)致應(yīng)用不廣。韓長喜[7]等人基于混沌理論，用RBF對海雜波進(jìn)行建模，提出基于預(yù)測誤差對微弱目標(biāo)進(jìn)行檢測，對信噪比有一定的改善。司文濤[8]等人提出RBFRW（Radial Basis Function With Regression Weight）網(wǎng)絡(luò)預(yù)測誤差方法，在低信噪比情況下也能使用，優(yōu)于傳統(tǒng)RBF網(wǎng)絡(luò)。由于GRNN（General Regression Neural Network）網(wǎng)絡(luò)具有更強(qiáng)的運算速度和預(yù)測能力，盧寧[9]等學(xué)者將其引入到混沌背景下進(jìn)行目標(biāo)檢測。但只使用GRNN對回波中的海雜波分量預(yù)測對消，會有短時尖峰出現(xiàn)。文獻(xiàn)[10]加入時間窗方差濾波，在提高信噪比的同時解決尖峰問題。回聲狀態(tài)網(wǎng)絡(luò)憑借計算時間短、不易于陷入局部最優(yōu)等優(yōu)勢，被鄭紅利[11]等人用于目標(biāo)檢測，該算法流程如圖1所示。同時，用遺傳算法對網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，實驗結(jié)果表明，該算法優(yōu)于其他傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法。徐婷[12]等人對遺傳小波神經(jīng)網(wǎng)絡(luò)的混沌時間預(yù)測進(jìn)行了相關(guān)研究。隨著研究進(jìn)一步深入，深度學(xué)習(xí)為海雜波中目標(biāo)檢測拓寬了思路。樓奇哲[13]等人將卷積神經(jīng)網(wǎng)絡(luò)和定向懲罰方法相結(jié)合用于多目標(biāo)檢測，不僅加快了網(wǎng)絡(luò)學(xué)習(xí)效率還改善了目標(biāo)檢測效果?；诨煦缋碚摶蛏窠?jīng)網(wǎng)絡(luò)的非線性預(yù)測方法，模型參數(shù)的選擇問題一直是其未攻克的難題，參數(shù)選擇不當(dāng)，模型預(yù)測的效果將受到限制。另外，神經(jīng)網(wǎng)絡(luò)需要對參數(shù)進(jìn)行訓(xùn)練，計算量較高，未來需要在訓(xùn)練時間上做進(jìn)一步提升，增加時效性。

圖1 基于GA-ESN的混沌背景下微弱信號檢測流程Fig.1 Weak signal detection process under chaotic background based on GA-ESN

1.2 分形類

分形理論能夠直觀地反映海雜波的內(nèi)在特性，在雷達(dá)信號處理研究中廣泛運用。Lo[14]等人首次采用單一分形維數(shù)反映海雜波非線性特征，檢測目標(biāo)的局部區(qū)域相對純海雜波區(qū)域的分形維數(shù)出現(xiàn)變化，根據(jù)這一差異實現(xiàn)海雜波背景下的目標(biāo)檢測。海情不同分形特性也會隨之改變，單一分形維數(shù)在高海情條件下難以將海雜波背景下的目標(biāo)檢測出來。

由于單一分形適用的局限性，Kaplan[15]等人首次提出擴(kuò)展自相似過程，即創(chuàng)建一個參數(shù)化的結(jié)構(gòu)函數(shù)以得到多尺度Hurst參數(shù)。鑒于擴(kuò)展分形參數(shù)比單一分形維數(shù)值信息量多，許多相關(guān)學(xué)者提出基于擴(kuò)展分形的目標(biāo)檢測方法（DBEFT）來對海雜波中微弱目標(biāo)進(jìn)行檢測。李秀友[16]等人從時域角度研究海雜波的擴(kuò)展分形特性，把多尺度Hurst指數(shù)作為區(qū)分目標(biāo)和海雜波的特征矢量，并通過模式識別中Bayes方法較大地提升了目標(biāo)檢測效果。但其只是從時域上進(jìn)行分析，沒有涉及到相干積累，信噪比提升效果受到限制。文獻(xiàn)[17]在最優(yōu)頻域尺度下，利用海雜波單元和目標(biāo)單元頻譜的Hurst指數(shù)差異明顯的特點來實現(xiàn)目標(biāo)檢測，但傅里葉變換只對勻速運動目標(biāo)才產(chǎn)生較好的SCR（Signal-to-Clutter Ratio）提升效果。在此基礎(chǔ)上，劉寧波[18]等人將擴(kuò)展分形方法運用到海雜波FRFT譜分析中，對具有加速度的運動目標(biāo)進(jìn)行能量聚集，有效提升其信噪比，進(jìn)一步提高海雜波和目標(biāo)的區(qū)分精度。為克服傅里葉分析將觀測序列以外數(shù)據(jù)默認(rèn)為零所導(dǎo)致頻譜分辨率低的缺點，范一飛[19]等人提出基于AR譜擴(kuò)展分形的目標(biāo)檢測方法，適用于低信噪比條件下微弱目標(biāo)檢測，該算法流程由圖2給出。

圖2 基于AR譜多尺度Hurst指數(shù)的目標(biāo)檢測Fig.2 Target detection based on multi-scale Hurst index of AR spectrum

將多重分形理論引入到海雜波背景下的目標(biāo)檢測中，為深刻揭示非線性信號內(nèi)在結(jié)構(gòu)提供又一思路，進(jìn)一步提升了目標(biāo)檢測概率。文獻(xiàn)[20]改良了海雜波無標(biāo)度范圍客觀自動確定方法，減少了依靠人的經(jīng)驗觀察等不確定因素，同時能夠自動估算多重分形維數(shù)。但時域多重分形運用到目標(biāo)檢測時，在低SCR情況下目標(biāo)檢測較差。為此，劉寧波[21,22]等人在頻域和FRFT域中研究海雜波多重分形特征并提出目標(biāo)檢測方法。多重分形關(guān)聯(lián)在單點多重分形基礎(chǔ)上研究了奇異性強(qiáng)度的空間關(guān)聯(lián)特征。關(guān)鍵[23]等學(xué)者利用多重分形關(guān)聯(lián)譜和SVM聯(lián)合來進(jìn)行目標(biāo)檢測，計算量較大導(dǎo)致實時性不強(qiáng)，且未考慮到海情的多變因素。行鴻彥[24,25]提出通過分形差量來實現(xiàn)目標(biāo)檢測，將多重分形尺度進(jìn)一步擴(kuò)大，解決了復(fù)雜海情下的目標(biāo)檢測難題。

1.3 子空間分解類

子空間分解類方法是將雷達(dá)回波信號投影到海雜波子空間的空集抑制海雜波[26]，可分為特征值分解（EVD）和奇異值分解（SVD）方法。

雷達(dá)信號進(jìn)行時域采樣構(gòu)造Hankel矩陣H，對其奇異值分解得

圖3 基于奇異值分解的微小目標(biāo)檢測流程Fig.3 Small target detection process based on singular value decomposition

基于EVD的海雜波抑制方法，是將估計的協(xié)方差矩陣進(jìn)行EVD，通過特征值的函數(shù)來劃分?jǐn)?shù)據(jù)投影到各個特征子空間的大小，進(jìn)而使海雜波得到抑制。當(dāng)目標(biāo)頻率接近雜波多普勒頻率時，為抑制雜波必須在雜波頻率上設(shè)置零點。為此，傅里葉譜會產(chǎn)生目標(biāo)譜峰分裂或偏移的問題，虛警概率和速度測量誤差也會受到影響。文獻(xiàn)[30]引入一種基于數(shù)據(jù)阻塞預(yù)處理的空域主瓣干擾抑制技術(shù)，優(yōu)化改進(jìn)得到MEVD海雜波抑制方法，較好地解決了目標(biāo)譜峰分裂或偏移問題。蔚娜[31]等人根據(jù)相鄰群距離單元上回波時域信號矢量的相關(guān)系數(shù)大小來選擇群距離單元構(gòu)造協(xié)方差矩陣，并結(jié)合EVD和滑動模板濾波方法抑制海雜波。該方法針對雜波譜展寬嚴(yán)重問題有一定效果，且方法簡單易于在工程中應(yīng)用。

子空間分解類方法在海雜波展寬與目標(biāo)多普勒譜區(qū)發(fā)生混疊時，目標(biāo)檢測效果不佳。當(dāng)前空間分解要求目標(biāo)與海雜波空間要滿足正交的關(guān)系，不然效果會相應(yīng)地發(fā)生下降。另外，子空間抑制效果也會由相關(guān)參數(shù)選擇直接影響。

1.4 對消類

對消類根據(jù)處理域不同，分為時域?qū)ο妥V圖對消。時域?qū)ο麑⒑ｋs波近似用復(fù)正弦信號表征，通過對正弦信號參數(shù)的估計，選擇性地循環(huán)迭代抵消掉海雜波。該類方法一直致力于提高正弦信號的參數(shù)估計精度來改善對消效果。傳統(tǒng)的對消法只利用傅里葉譜的幅度參數(shù)來估計正弦信號，效果不好。郭欣[32]等人提出FFT相位分析對消法，考慮了海雜波分量的幅度和相位參數(shù)，提高目標(biāo)檢測效果。但是該方法需要全局搜尋對消最強(qiáng)信號，易將與海雜波幅度相近的目標(biāo)誤消。另外，在短相干積累時間內(nèi)，F(xiàn)FT不能使多普勒分辨率達(dá)到較高的標(biāo)準(zhǔn)。為此，文獻(xiàn)[33]提出邊界約束循環(huán)對消方法，將海雜波理論與實測雷達(dá)回波特性相結(jié)合作為邊界條件，較好地解決目標(biāo)誤消的問題。同時，提高SCR對海雜波抑制的效果更加明顯。楊煉[34]等人提出基于擴(kuò)展Prony對消法，取代傳統(tǒng)FFT取用擴(kuò)展Prony進(jìn)行多普勒分析，較好地對消掉海雜波分量，提高了目標(biāo)檢測精度。當(dāng)目標(biāo)與海雜波多普勒頻移相近時，對消后目標(biāo)分量也會部分減弱，進(jìn)而海雜波背景下的目標(biāo)難以被檢測出來。尹德強(qiáng)[35]等人鑒于海雜波的FRFT模函數(shù)在FRFT域中都有分布，利用回波的FRFT模值減去移位后的值，并通過構(gòu)造檢測統(tǒng)計量來確定是否有目標(biāo)。該方法可以在不削減信號的情況下使海雜波的幅度顯著降低，在低SCR條件下同樣有效。

譜圖對消是在圖像域?qū)Σ煌瑔卧暮ｋs波進(jìn)行對消。不同于時域?qū)ο枰滔喔煞e累時間內(nèi)優(yōu)化正弦信號的參數(shù)估計精度提高對消成效，譜圖對消就海雜波的幅度分布有一定限制，需隨著頻譜多普勒和距離近似或緩慢變化。陳多芳[36]等人提出將空時二維譜變換成圖像，再在圖像域?qū)οｋs波，該流程如圖4所示。

圖4 圖像域海雜波抑制流程Fig.4 Sea clutter suppression process in the image domain

時域?qū)οㄔ谟谜倚盘柦票硎竞ｋs波分量時，需要對正弦信號的幅度、頻率和相位參數(shù)進(jìn)行精準(zhǔn)估計，否則海雜波抑制不充分會使雜波剩余并發(fā)生擴(kuò)散，降低目標(biāo)檢測性能。此外，判斷循環(huán)迭代次數(shù)的門限由以往經(jīng)驗得出，門限參數(shù)選擇不當(dāng)會造成目標(biāo)誤消，導(dǎo)致海雜波背景下目標(biāo)檢測性能變差。

2 結(jié)束語

①當(dāng)前海雜波背景下目標(biāo)檢測方法，僅在目標(biāo)位于海雜波譜區(qū)外時，才具有較好的海雜波抑制效果。當(dāng)目標(biāo)與海雜波回波參數(shù)相同時，單一域的信號差異不足以檢測出目標(biāo)，目前，還沒有提出行之有效的海雜波譜內(nèi)目標(biāo)算法。因此，未來將結(jié)合多個域處理、引入現(xiàn)場海態(tài)信息等來提高目標(biāo)檢測效果。

②子空間抑制效果會受到矩陣維數(shù)等參數(shù)選擇直接影響，相關(guān)參數(shù)優(yōu)化還需深入探討。循環(huán)迭代次數(shù)的門限由以往經(jīng)驗得出，門限參數(shù)選擇不當(dāng)會導(dǎo)致目標(biāo)也會被剔除。非線性預(yù)測方法中，模型參數(shù)的自適應(yīng)選擇問題還需解決。因此，有必要對海雜波理論進(jìn)行深入研究，優(yōu)化參數(shù)以減少海雜波對目標(biāo)的干擾作用。