王長杰，郭帥，劉泉華

（1. 北京理工大學(xué) 信息與電子學(xué)院雷達技術(shù)研究所，北京 100081；2. 北京理工雷科電子信息技術(shù)有限公司，北京 100081）

機載雷達具有探測距離遠、覆蓋范圍大、規(guī)避地物遮擋和機動靈活的特點，被廣泛應(yīng)用于遠程預(yù)警、戰(zhàn)場偵察、火力控制、地形測繪和超低空突防目標(biāo)檢測等方面[1-3]. 機載雷達系統(tǒng)通過發(fā)射線性調(diào)頻信號，并接收目標(biāo)反射的回波信號，來實現(xiàn)對目標(biāo)距離方位信息的探測. 機載雷達主要工作在下視狀態(tài)，其雜波具有分布范圍廣、強度大等特點. 在對海探測模式下，當(dāng)機載雷達對海陸混合區(qū)域進行目標(biāo)探測時，其雜波背景服從多種分布，地雜波使得陸地區(qū)域輸出大量的檢測目標(biāo)，嚴(yán)重影響雷達對海探測的性能[4]. 空時自適應(yīng)處理(space time adaptive processing，STAP)是一種有效的機載雷達地雜波抑制手段[5-6]，該技術(shù)利用多通道雷達提供空域信息，通過空時域二維自適應(yīng)濾波實現(xiàn)雜波抑制. 但是對于傳統(tǒng)機載雷達，其天線的硬件條件限制了STAP 技術(shù)的應(yīng)用.另一種解決思路是尋找更加準(zhǔn)確的雜波背景估計策略. 2014 年DOYURAN[7]提出了一種距離非均勻的期望最大（expectation-maximization，EM）方法，該方法認為每個距離單元的雜波分量服從 Weibull 分布簇中的一種，利用期望最大算法估計分布的參數(shù)并設(shè)置相應(yīng)的門限，該方法適用于非瑞利和距離非均勻分布的雜波環(huán)境. TAO 等[8]提出了一種基于截斷統(tǒng)計的恒虛警檢測器，用于單視和多視合成孔徑雷達數(shù)據(jù)中的艦船檢測，該方法主要適用于目標(biāo)密集的情況，能夠減少多目標(biāo)情況下背景估計偏差.高巍等[9]提出了一種基于FPGA 平臺的動態(tài)可配置二維恒虛警檢測（constant false alarm rate，CFAR）處理器實現(xiàn)結(jié)構(gòu)，該處理器實現(xiàn)了單元平均(CA)、最大選擇(GO)、最小選擇(SO)及有序統(tǒng)計(OS)4 種二維矩形窗檢測器的流水運算. 通過參數(shù)的控制，該處理器支持參考窗尺寸、保護窗尺寸及檢測器類型等可配置.

此外，基于知識輔助技術(shù)的強雜波背景下目標(biāo)檢測算法也是近年來研究的熱點. CONTE 等[10]利用地理信息系統(tǒng)先驗信息，設(shè)計了一種自適應(yīng)數(shù)據(jù)選擇器，選擇最均勻的訓(xùn)練樣本，移除強離散點. 2015年位飛[11]利用 KL 散度分割背景，提取背景信息，設(shè)計自適應(yīng)檢測器，改善了機載雷達非均勻背景下的性能. 海陸分割技術(shù)輔助目標(biāo)檢測，有助于提取指定區(qū)域目標(biāo)信息，減少雜波干擾，也受到廣泛關(guān)注. 艾國紅[12]提出了一種基于優(yōu)化活動輪廓模型的海陸分割方法，利用圖像的邊沿特性和區(qū)域統(tǒng)計特性進行分割. 張苗輝[13]提出了一種基于SAR 圖像的海陸分割算法，根據(jù)SAR 圖像灰度值的差別，實現(xiàn)陸地目標(biāo)剔除. SONG 等[14]根據(jù)GIS 獲取地形覆蓋類型得到經(jīng)驗雜波模型，運用雷達回波動態(tài)地更新雜波分區(qū)初始狀態(tài)，利用雜波分區(qū)作為輔助知識，選擇同分布的參考單元，實現(xiàn)基于輔助知識的恒虛警檢測器.SONG 等[14]所提算法復(fù)雜且運算量較大，不利工程實踐中實時處理. 以上所提方法在海陸環(huán)境復(fù)雜的情況下，其測度難以反映海洋區(qū)域和陸地區(qū)域的差異性，難以實現(xiàn)良好的分割效果. 并且，機載雷達對海探測模式需要實時輸出目標(biāo)檢測結(jié)果，而基于圖像的海陸分割計算量大，不易實現(xiàn)，無法滿足實時檢測的需求.

本文提出了一種新的基于地圖信息的機載雷達對海探測目標(biāo)檢測算法，所提算法通過載機參數(shù)計算波束照射區(qū)域經(jīng)緯度，然后利用地圖數(shù)據(jù)進行海陸信息索引，輸出目標(biāo)的海陸位置，進而抑制陸地部分虛警，提高對海目標(biāo)檢測性能. 實驗表明，該算法能夠有效地抑制地雜波的影響，剔除陸地虛警，提高雷達對海探測性能. 并且該算法在利用地圖數(shù)據(jù)進行海陸信息索引時，采用了緩沖訪問的搜索方法，大大提高了算法的運行效率.

1 基于地圖信息的目標(biāo)檢測算法原理

1.1 問題概述

當(dāng)機載雷達以海面的船只、艦艇等為探測目標(biāo)時，近海陸地雜波會嚴(yán)重干擾雷達對海面目標(biāo)的檢測跟蹤. 如圖1 所示，陸地部分的雜波水平明顯高于海面部分，傳統(tǒng)的恒虛警檢測算法會導(dǎo)致大量陸地檢測點輸出.

圖1 回波分布示意圖Fig. 1 Echo distribution diagram

針對復(fù)雜環(huán)境下的檢測問題，國內(nèi)外學(xué)者做了大量研究，通過獲取雜波特性的先驗知識識別雜波類型，實現(xiàn)多策略檢測被廣泛研究. 盡管現(xiàn)在有大量的檢測算法可以改善多目標(biāo)以及復(fù)雜雜波環(huán)境下的檢測性能，但是隨著環(huán)境日益復(fù)雜多變，對算法的適應(yīng)性和魯棒性要求也越來越高. 本文提出的基于地圖信息的機載雷達對海探測目標(biāo)檢測算法，直接利用地理信息來避免不關(guān)注區(qū)域的雜波干擾，實現(xiàn)不關(guān)注區(qū)域的雜波抑制處理，提高了雷達的檢測性能及其對復(fù)雜環(huán)境的適應(yīng)性.

1.2 基于海陸輪廓的目標(biāo)檢測

為減少對海搜索過程中陸地雜波產(chǎn)生的大量虛警對雷達搜索性能的影響，本文采用了一種基于海陸輪廓的目標(biāo)檢測算法. 該算法的主要思想為：基于海陸地圖信息生成二值化的海陸輪廓圖，在進行目標(biāo)檢測之前首先根據(jù)目標(biāo)點的位置信息判斷其是否在陸地區(qū)域，如果是，則不輸出，反之，利用CA-CFAR對目標(biāo)進行檢測. 本算法的流程原理如圖2 所示.

圖2 基于海陸輪廓的目標(biāo)檢測原理Fig. 2 Principle of target detection based on the sea-land outline

CA-CFAR 是一種常用的恒虛警檢測器，它將檢測點參考單元的平均功率作為其檢測門限的估計值，當(dāng)檢測點所在區(qū)域為海洋并且其功率大于檢測門限時，輸出該目標(biāo)信息.

在目標(biāo)檢測過程中，需要判斷每一個檢測目標(biāo)的海陸位置，輸出海陸標(biāo)志（01 序列，0 代表陸地，1代表海洋），其具體步驟如下：

(1) 根據(jù)載機參數(shù)計算波束照射區(qū)域的經(jīng)緯度；

(2) 根據(jù)經(jīng)緯度信息生成海陸輪廓；

(3) 結(jié)合海陸輪廓圖，進行CFAR 檢測.

其中涉及到的關(guān)鍵技術(shù)有經(jīng)緯度計算和海陸輪廓生成，下文將對其原理進行詳細介紹.

1.3 經(jīng)緯度計算

慣導(dǎo)系統(tǒng)提供的天線指向參數(shù)為機體坐標(biāo)系下參數(shù)信息，而目標(biāo)區(qū)域經(jīng)緯度的計算需在大地坐標(biāo)系下進行[15-16]. 機體坐標(biāo)系以載機機身方向為正，大地坐標(biāo)系以大地北向為正，載機機身方向與北向夾角為航向角[17]. 設(shè)機體坐標(biāo)系下方位角為As、俯仰角為Es， 大地坐標(biāo)系下方位角為Ad、俯仰角為Ed，其轉(zhuǎn)換關(guān)系如下[18-19]：

其中，

ψ為 飛 機 航 向 角， θ為 機 體 俯 仰 角， ?為 飛 機 橫滾角.

圖3 表示大地坐標(biāo)系下，某目標(biāo)點與飛機的位置關(guān)系. 該點與飛機在Y軸距離差為 △y=Hcos(α)/tan(β)，在x軸距離差為 △x=Hsin(α)/tan(β). 已知飛機經(jīng)緯度及距離差，可求得目標(biāo)點的經(jīng)緯度.

圖3 大地坐標(biāo)系下飛機與目標(biāo)的位置關(guān)系Fig. 3 Relative location between airplane and target in geodetic coordinate system

圖4 為波束照射區(qū)域示意圖. 如圖所示，橢圓AB為當(dāng)前雷達波束照射區(qū)域，通過上述計算過程可得AB兩點的經(jīng)緯度. 本文所提算法認為，在每一個距離單元上，主軸AB所在的海陸位置與當(dāng)前波束范圍內(nèi)同距離單元的目標(biāo)所在的海陸位置一致.

圖4 波束照射區(qū)域Fig. 4 Coverage of wave beam

1.4 海陸輪廓生成

本算法所用地圖數(shù)據(jù)的覆蓋范圍為北緯55°～0°，東經(jīng)70°～140°，分辨率為900 m，由132 個地圖塊拼接而成. 基于雷達回波的海陸輪廓生成過程步驟如下.

(1) 以一定的步進對波束照射區(qū)域采樣，得到每個采樣點的經(jīng)緯度；

(2) 從地圖數(shù)據(jù)中對采樣點的海陸信息進行搜索，得到采樣點的海陸判別.

具體流程如圖5 所示. 地圖數(shù)據(jù)以壓縮的形式存儲，因此第一步需要對地圖圖像數(shù)據(jù)進行解壓縮.

圖5 海陸識別實現(xiàn)流程Fig. 5 Procedure of sea-land identification processing

在海陸信息搜索過程中，首先搜索待識別區(qū)域所屬的地圖塊，為提高效率，采用緩沖訪問的搜索方法，從第二個PRT 的數(shù)據(jù)開始，只在上一次存儲的地圖塊附近范圍內(nèi)搜索，僅當(dāng)輸入的經(jīng)緯度不在此區(qū)域內(nèi)時，再擴大搜索范圍. 由于機載雷達波束連續(xù)發(fā)射，前后波束照射區(qū)域重疊范圍大，采用這種搜索方式可以大大降低運算時間.

本文算法的總體流程如圖6 所示.

圖6 算法流程圖Fig. 6 Algorithm flow chart

2 實驗仿真

實驗數(shù)據(jù)：本實驗所用數(shù)據(jù)為某雷達的實際接收數(shù)據(jù). 脈沖重復(fù)頻率PRF = 420 Hz，采樣率fs=10 MHz，帶寬B=5M Hz，脈寬tp=70 μs.

(1) 檢測結(jié)果分析.

回波數(shù)據(jù)與海陸輪廓圖對比如圖7 所示，對比顯示，在海陸邊界位置的部分測試點，由于地理環(huán)境的變化等原因，算法生成的海陸輪廓與實際不一致，但均在誤差允許范圍內(nèi)，可以看出通過海陸判別得到的輪廓與回波顯示的輪廓基本吻合. 除此之外，所有目標(biāo)點的海陸判別結(jié)果均與實際相符.

圖7 回波數(shù)據(jù)與海陸輪廓圖Fig. 7 Echo data and sea-land outline

基于實測數(shù)據(jù)的實驗結(jié)果如圖8 所示.

由圖8(a)可知，回波數(shù)據(jù)顯示出了較明顯的海陸分界，陸地部分反射的回波強度明顯高于海面部分. 傳統(tǒng)CFAR 檢測方法僅根據(jù)回波背景強度設(shè)置檢測門限，在雜波較強的陸地區(qū)域，會出現(xiàn)大量的虛警（圖中黑框為相應(yīng)位置的檢測輸出），在對輸出目標(biāo)個數(shù)有最大值限制的情況下，嚴(yán)重影響海面目標(biāo)的輸出，降低雷達對海探測性能.

圖8(b)為雷達波束照射區(qū)域的海陸輪廓. 圖8(c)為結(jié)合海陸識別后的目標(biāo)檢測結(jié)果. 通過對比可知，本文所提出的目標(biāo)檢測算法可以保留海面目標(biāo)并且剔除陸地區(qū)域的全部虛警. 在傳統(tǒng)雷達硬件條件受限的情況下，有效地解決了地雜波對目標(biāo)檢測的影響，提高了雷達對海探測的性能.

圖8 實驗結(jié)果Fig. 8 Experimental result

(2) 運算量分析.

本實驗仿真條件：電腦處理器Inter(R)Core(TM)i3-4160，4 GRAM，32 位Windows7 系統(tǒng)，MatlabR2014a.傳統(tǒng)檢測方法與本文算法的運行時間對比如表1 所示.

表1 運行時間對比Tab. 1 Comparison of operation time

對于一個脈沖數(shù)據(jù)，本文算法的平均運行時間相比傳統(tǒng)檢測方法增加了7.9 ms，增加百分比為0.39%. 由此可知，本文所提算法在提高檢測性能的同時，并未帶來運算量的劇增，大大提高了工程實現(xiàn)的可能.

3 結(jié) 論

本文將地圖信息與傳統(tǒng)檢測方法結(jié)合，提出了一種新的基于地圖信息的機載雷達對海探測目標(biāo)檢測算法. 該算法通過經(jīng)緯度計算及海陸識別得到回波區(qū)域的海陸輪廓，結(jié)合海陸輪廓對目標(biāo)進行篩選和剔除，保留海面目標(biāo)，抑制陸地區(qū)域檢測輸出. 實驗結(jié)果表明，該方法效果顯著，具有快速識別、準(zhǔn)確剔除的優(yōu)點，可以抑制地雜波的影響，大大提高機載雷達對海探測性能，提高雷達在不同地理環(huán)境下的適應(yīng)性.