劉志棟， 李曉花， 汪潤生， 黃曉兵， 張景東， 張榮斌

(1.中國人民解放軍63615部隊，新疆 庫爾勒 841001； 2.中國人民解放軍63610部隊，新疆 庫爾勒 841001)

遠(yuǎn)程打擊武器為了完成突防，在不同的階段(助推段、末助推段、中段、再入段)會分離和釋放出不同的物體[1]。尤其是彈道中段，遠(yuǎn)程打擊武器目標(biāo)的一個重要特征就是目標(biāo)數(shù)量不再單一，而是形成包括戰(zhàn)斗部、碎片和各種誘餌的目標(biāo)群，它們以大致相同的速度沿遠(yuǎn)程打擊武器的預(yù)定彈道慣性飛行，構(gòu)成復(fù)雜的群目標(biāo)環(huán)境[2]。群目標(biāo)回波密集，相對速度小，回波信號幅度起伏大，檢測困難。

因此需要對群目標(biāo)分辨技術(shù)進(jìn)行進(jìn)一步分析研究，以提升雷達(dá)對彈道群目標(biāo)的及早分辨能力，為導(dǎo)彈預(yù)警系統(tǒng)提供更加及時準(zhǔn)確的引導(dǎo)信息，達(dá)到快速發(fā)現(xiàn)攔截摧毀目標(biāo)的目的。

對目標(biāo)進(jìn)行單、群目標(biāo)識別，是實現(xiàn)多目標(biāo)快速檢測的前提。大多數(shù)雷達(dá)采用距離分辨或角度分辨的方法進(jìn)行多目標(biāo)判斷。近年來，基于背景熵的背景平穩(wěn)度評估方法逐漸發(fā)展成熟并成功應(yīng)用于工程實踐。

CFAR(Constant False Alarm Rate，恒虛警率)算法能夠有效控制虛警率，在雷達(dá)目標(biāo)檢測中作用巨大。采用OS(Order Statistic，有序統(tǒng)計)類CFAR檢測法，雷達(dá)對相距較近的多目標(biāo)具有良好的分辨能力，可有效減小多目標(biāo)環(huán)境下的遮蔽效應(yīng)。經(jīng)過多年的發(fā)展，出現(xiàn)了很多具有代表性的OS-CFAR算法，它們都在提高雷達(dá)分辨力方面起到了良好的作用[3]。

對于遮蔽小目標(biāo)的檢測，多采用先強(qiáng)后弱的步驟，首先對強(qiáng)目標(biāo)進(jìn)行消除處理，然后再對小目標(biāo)進(jìn)行檢測，在強(qiáng)目標(biāo)參數(shù)估計和消除方法上存在一定差異。

1 跟蹤信號帶寬對多目標(biāo)分辨的影響

假設(shè)雷達(dá)跟蹤信號帶寬為5 MHz，距離單元間距為30 m，此時雷達(dá)對群目標(biāo)的最小分辨距離為30 m。為了進(jìn)一步提升雷達(dá)對群目標(biāo)的分辨能力，在跟蹤目標(biāo)時采用40 MHz信號帶寬，雷達(dá)距離單元間距則減小為3.75 m。假定彈道群目標(biāo)的相對速度為10 m/s,增加跟蹤信號帶寬后的雷達(dá)可以提前2.625 s實現(xiàn)對群目標(biāo)的分辨。

因此，增加雷達(dá)跟蹤信號帶寬可以提高雷達(dá)的距離分辨能力，縮短雷達(dá)對關(guān)鍵目標(biāo)的捕獲時長。

2 基于背景熵的群目標(biāo)判斷

對群目標(biāo)檢測若采用噪聲恒虛警，則會將碎片等構(gòu)成的擴(kuò)展目標(biāo)檢出，導(dǎo)致虛警率上升；若采用雜波恒虛警，由于遠(yuǎn)程打擊武器目標(biāo)群內(nèi)目標(biāo)間相距較近，背景估值偏離噪聲電平，導(dǎo)致弱小目標(biāo)丟失，檢測概率下降[4]。為保證達(dá)到檢測指標(biāo)要求，利用背景熵信息進(jìn)行群目標(biāo)判決選擇檢測，在多目標(biāo)環(huán)境下通過背景濾波技術(shù)實現(xiàn)鄰近目標(biāo)檢測。

基于背景熵的背景平穩(wěn)度評估方法處理流程包括提取參考單元幅度分布、計算幅度分布的香農(nóng)信息熵。熵值小于指定門限時為群目標(biāo)環(huán)境，否則為單目標(biāo)環(huán)境。設(shè)CFAR采用左右各16點作為參考單元，在統(tǒng)計背景熵時采用20維的直方圖。取16點幅值最大值vmax，計算幅值對應(yīng)在直方圖中的位置為

nBin=[20v/vmax]

(1)

式中：v為參考單元的幅度值。從而建立起背景幅度分布直方圖計算背景熵：

(2)

將背景熵與指定限進(jìn)行比較。如圖1和圖2所示，當(dāng)參考單元不包含目標(biāo)時熵值較大，當(dāng)參考單元含有目標(biāo)時熵值較小。因此，可以通過計算參考單元的背景熵判斷目標(biāo)是否處在群目標(biāo)環(huán)境。

圖1 背景無目標(biāo)與含目標(biāo)時的背景熵

圖2 背景無目標(biāo)與含目標(biāo)的背景熵分布

基于背景熵濾波的單目標(biāo)和群目標(biāo)檢測流程框圖如圖3所示。

圖3 群目標(biāo)檢測流程圖

檢測步驟如下：

① 利用基于背景熵的背景平穩(wěn)度評估方法，判斷是否處于群目標(biāo)環(huán)境。

② 當(dāng)不存在多目標(biāo)環(huán)境，可采用恒虛警檢測技術(shù)實現(xiàn)對目標(biāo)的檢測。

③ 存在多目標(biāo)環(huán)境時，利用背景濾波獲得穩(wěn)定背景后進(jìn)行閾值計算，并對目標(biāo)進(jìn)行檢測，檢測出目標(biāo)后利用二次迭代法進(jìn)行二次檢測，然后進(jìn)行下一距離單元的檢測。

④ 利用雷達(dá)的實測數(shù)據(jù)進(jìn)行群目標(biāo)檢測分析，通過特定的門限設(shè)計，得到的單目標(biāo)與群目標(biāo)識別的準(zhǔn)確率達(dá)到99%。

3 基于OS-CFAR的群目標(biāo)檢測

對群目標(biāo)檢測若采用噪聲恒虛警，則會將碎片等構(gòu)成的擴(kuò)展目標(biāo)檢出，導(dǎo)致虛警率上升；若采用雜波恒虛警，由于遠(yuǎn)程打擊武器目標(biāo)群內(nèi)目標(biāo)間相距較近，背景估值偏離噪聲電平，導(dǎo)致弱小目標(biāo)丟失，檢測概率下降。為保證達(dá)到檢測指標(biāo)要求，采用OS-CFAR進(jìn)行群目標(biāo)檢測。

圖4 群目標(biāo)的正確判定

OS-CFAR檢測器的結(jié)構(gòu)如圖5所示，其中D為檢測單元樣本，xi(i=1,2,…，R)為參考單元樣本，R為參考單元數(shù)。

圖5 OS-CFAR檢測器方框圖

OS-CFAR檢測器首先對參考單元樣本按大小做排序處理[5]，有

x(1)≤x(2)≤…≤x(R)

(3)

然后取第k個排序樣本x(k)作為檢測器對雜波功率水平的估計Z，即

Z=x(k)

(4)

則Z是一個隨機(jī)變量，在均勻雜波背景中其概率密度函數(shù)為

(5)

假設(shè)接收機(jī)噪聲和背景雜波服從高斯分布[6]，經(jīng)過平方律檢波器后，參考單元采樣xi服從指數(shù)分布，其概率密度函數(shù)和分布函數(shù)為[7]

(6)

(7)

式中:

(8)

其中：μ為噪聲功率水平；λ為信號與噪聲平均功率的比值；H0為不存在目標(biāo)的假設(shè)；H1為存在目標(biāo)的假設(shè)。

從上面式(5)～式(8)可得

(9)

則OS-CFAR檢測器在均勻雜波背景中的檢測概率和虛警概率分別為

(10)

(11)

當(dāng)跟蹤波束內(nèi)出現(xiàn)密集群目標(biāo)時,采用常規(guī)恒虛警檢測大信噪比目標(biāo)往往遮蔽小信噪比目標(biāo),使小信噪比目標(biāo)出現(xiàn)漏檢，而采用本文的檢測方法能夠提升小目標(biāo)的檢測概率。圖6為當(dāng)大目標(biāo)信噪比為37.3 dB時，小目標(biāo)信噪比從12～21 dB時的檢測概率。可以看出，小目標(biāo)信噪比為17.3 dB時，常規(guī)CFAR處理只有0.16的檢測概率，而采用OS-CFAR處理，檢測概率可達(dá)0.95。

圖6 群目標(biāo)檢測概率

圖7為運(yùn)載器一級分離時的雷達(dá)測量數(shù)據(jù),圖8為運(yùn)載器二級分離時的雷達(dá)測量數(shù)據(jù),兩圖中點狀點跡是常規(guī)恒虛警檢測結(jié)果，圈狀點跡是OS-CFAR檢測結(jié)果。從圖中可以明顯看出常規(guī)檢測方法漏檢嚴(yán)重，而OS-CFAR檢測穩(wěn)定連續(xù)。

圖7 一級分離時OS-CFAR的群目標(biāo)檢測效果

4 基于Clean算法的遮蔽目標(biāo)檢測技術(shù)

高速高機(jī)動的戰(zhàn)斗部和運(yùn)載器分離過程中，由于運(yùn)載器比戰(zhàn)斗部幅度強(qiáng)10～30 dB，會出現(xiàn)大小目標(biāo)遮蔽的場景，導(dǎo)致從距離和多普勒維都難以及時地判斷其分離狀態(tài)[8]，常規(guī)的處理無法檢測到被運(yùn)載器遮蔽的戰(zhàn)斗部目標(biāo)，如圖9所示。

圖9 大小目標(biāo)遮蔽問題樣機(jī)處理結(jié)果

針對該難題，可采用基于多通道聯(lián)合處理和時頻二維分辨的方法進(jìn)行分離時刻監(jiān)測。在戰(zhàn)斗部與運(yùn)載器發(fā)射后的初始階段，雷達(dá)在常規(guī)工作模式下進(jìn)行目標(biāo)搜索截獲，在搜索截獲過程中采用多通道聯(lián)合處理進(jìn)行大小目標(biāo)遮蔽條件下的群目標(biāo)檢測，在穩(wěn)定跟蹤后采用PD模式對目標(biāo)進(jìn)行時頻二維分辨和跟蹤。

對于常規(guī)跟蹤模式，基于戰(zhàn)斗部和運(yùn)載器在空間角度上存在一定的差異性的特點，利用和波束和差波束進(jìn)行聯(lián)合處理，在檢測到大目標(biāo)之后對大目標(biāo)進(jìn)行自適應(yīng)對消，實現(xiàn)對大目標(biāo)的Clean處理，在大目標(biāo)用Clean處理后進(jìn)行小目標(biāo)檢測，從而可以較好地緩解大小目標(biāo)遮蔽問題[9]。其具體實現(xiàn)過程如圖10所示。

圖10 常規(guī)模式下二次檢測處理流程

目標(biāo)檢測步驟如下：

① 根據(jù)和波束的脈壓信息，對其進(jìn)行一次檢測，對檢測到的目標(biāo)進(jìn)行判定，如果出現(xiàn)強(qiáng)目標(biāo)則執(zhí)行步驟②。

② 提取和波束強(qiáng)目標(biāo)對應(yīng)的距離刻度，找到對應(yīng)的方位差波束和俯仰差波束，并提取差波束中對應(yīng)的較大值。

③ 采用自適應(yīng)對消Clean算法，用和波束上強(qiáng)目標(biāo)對應(yīng)的數(shù)據(jù)減去步驟②中提取的差波束值，得到一組新的數(shù)據(jù)。

④ 對新數(shù)據(jù)做二次檢測，提取相應(yīng)的目標(biāo)。

在穩(wěn)定跟蹤后采用PD模式對目標(biāo)進(jìn)行時頻二維分辨和跟蹤，采用插值的方式實現(xiàn)多普勒維的分辨。

如圖11所示，當(dāng)目標(biāo)距離較近時可以實現(xiàn)大目標(biāo)的Clean處理和弱小目標(biāo)的檢測，將目標(biāo)分辨從40～50 m降低到10～14 m，較好地解決了大小目標(biāo)遮蔽下的目標(biāo)檢測問題。

圖11 Clean處理前后對比

圖12為凝聚后點跡的比較，在大小目標(biāo)相距10～14 m時常規(guī)處理已經(jīng)無法分辨兩個目標(biāo)，而新算法能夠穩(wěn)定地實現(xiàn)兩目標(biāo)的分辨。

圖12 點跡對比

時頻二維聯(lián)合分辨試驗結(jié)果如圖13所示，采用64脈沖的PD模式，帶寬10 MHz，運(yùn)載器和戰(zhàn)斗部在距離3 m、速度3 m/s時可實現(xiàn)分離狀態(tài)檢測。

圖13 PD模式下的時頻分析

5 結(jié)束語

本文通過提高雷達(dá)跟蹤信號帶寬，可以有效減小雷達(dá)分辨距離，提高雷達(dá)對目標(biāo)的盡早發(fā)現(xiàn)能力。利用基于背景熵的背景平穩(wěn)度評估方法能夠有效提高其對單(群)目標(biāo)的檢出概率，為雷達(dá)目標(biāo)進(jìn)一步檢測提供策略依據(jù)。當(dāng)跟蹤波位內(nèi)出現(xiàn)密集群目標(biāo)時,采用常規(guī)恒虛警檢測大信噪比目標(biāo)往往會遮蔽小信噪比目標(biāo),使小信噪比目標(biāo)出現(xiàn)漏檢，而采用本文的OS-CFAR算法能夠有效提升小目標(biāo)的檢測概率。所述自適應(yīng)對消Clean算法可對目標(biāo)進(jìn)行時頻二維分辨和跟蹤，可以較好地解決大小目標(biāo)遮蔽下的目標(biāo)檢測問題，在常規(guī)處理已經(jīng)無法分辨時實現(xiàn)近距離大小目標(biāo)的分辨。