2.4.1　高精度低空慢速小目标检测技术

2.4.1　高精度低空慢速小目标检测技术

低空监视雷达处理的飞行目标通常是低空或超低空的目标，这时接收的目标回波信号往往受地面、海面强杂波以及多径效应的影响，使雷达对远距离的低空目标检测难度大大提高，而多径效应是影响低空监视雷达检测性能的最主要的因素。由于直达信号与多径信号的强烈相干性，造成叠加的矢量增强或衰减，因此影响矢量和的关键因素是一个与频率和相对位置有关的函数［12］。由此产生的多径衰落现象给低空目标的检测和跟踪带来了不良影响，从统计意义上看，为了提高目标检测性能，往往需要牺牲目标跟踪精度［13］。而雷达在对低空目标进行跟踪的前提是能否准确检测出目标，因此，改善雷达的检测性变得尤为重要。

目前，低空监视雷达在进行目标检测时，为了减少多径效应影响、提高对低空目标的检测性能，通常采用天线遮蔽、频率分集和极化分集等检测方法。工程上应用较广泛的低空监视雷达目标检测方法主要是采用频率分集技术的多频M/N检测器，此时需要选取恰当的M 和N门限值，从而满足雷达对检测概率的要求，同时还可以降低雷达的带宽［14］。

为提升对低空目标的探测能力，低空监视雷达在系统设计方面进行了充分的考虑。通过采用三通道单脉冲体制，方位、俯仰两个平面单脉冲测角，获得优于波束宽度1/20的测量精度；采用全相参系统设计进行动目标处理，极大提升了雷达的杂波抑制能力，进而获得更好的低空性能。具体是在时间能量分配、波形选择、低空目标跟踪技术等多个方面进行优选和设计，以期从系统设计角度提升对低空目标的探测能力。

除了在系统设计外，在雷达系统信号处理上面，采用自适应动目标检测处理（AMTD）技术设计了多个动目标检测处理（MTD）滤波器组。在进行MTD处理的同时，进行强杂波区、中杂波区、弱杂波区、微弱杂波区和洁净区的自动识别，根据杂波强弱不同自适应选择最佳的MTD滤波器组输出，以保证在对地杂波高度抑制的情况下，尽量提高相参积累得益，减少信噪比损失，提升对弱小目标的检测能力。

此外，为了实现MTD的自适应检测，即实现AMTD处理，信号处理器同时对低波位的地物杂波进行实时迭代，并判定杂波强度（如强、中、弱或无），根据杂波的强度自动产生或选择滤波器加权因子，以期保证对地杂波高度抑制的前提下，尽量减少信噪比损失，提升对弱小目标的检测能力。判定杂波强度的门限由人工干预命令中的“自适应MTD控制”命令字来控制。

AMTD的原理如图2-46所示。

MTD比传统MTI的改进之一是它能检测切向飞行的零多普勒速度目标（严格地说是低径向速度的慢速目标）。由于这种零速或低速目标的频谱近似与地物杂波谱重叠，故必须采用特殊的处理方法，这种处理方法称为零速滤波或零频道处理。

在第一代MTD中，零多普勒处理由中心频率为零的低通（零速）滤波器加杂波图平滑滤波器所组成。在强地物杂波中为了获得切向飞行目标（特别是小目标）的检测，需要很大的动态处理范围（或者说是很长的A/D位数），因此它一般只能进行大目标的超杂波检测。由于低空监视的目标多为小型飞机类目标，因此上述方式并不适用。

由于任何目标不可能始终是严格切向飞行的，而至多是接近（但不等于）零径向速度的飞行，故可考虑用下面的方法对这种低径速目标进行检测：在作杂波图平滑前用一特殊的滤波器先对地物进行抑制。这一滤波器应在零多普勒频率处呈现深的止带凹口；而随着频率的增加呈现快速的上升斜率，以保证低速目标的检测能力。具有这一特点的滤波器称为卡尔曼（Kalman）滤波器。因此，零多普勒频率处理主要由两个部分组成：①完成强地物杂波环境下低速目标检测的卡尔曼滤波；②地物杂波剩余平滑处理，即杂波图恒定虚警概率下的检测（constant false alarm rate detector，CFAR）处理；其组成框图如图2-47所示。

以离散傅里叶变换（discrete Fourier transform，DFT）等效横向滤波器输出来分析卡尔曼滤波器的形成与实现方法。考虑到数字滤波器的梳状周期严拓特性，如图2-48a、b所示；如果将两者相减并取绝对值，可形成一新的等效“滤波器”幅频特性，如图2-48c所示，它在处呈现零响应，而在此频率两侧呈现窄、深的凹口；若再将它频移，便形成在零频率处有窄、深凹口的所谓卡尔曼滤波器，如图2-48d所示。

由卡尔曼滤波器的形成过程，不难推导出离散傅里叶变换多普勒滤波情况下的卡尔曼滤波器幅频特性表达式：

在由加权DFT或有限冲激响应（finite impulse response，FIR）构成MTD多普勒滤波器时，卡尔曼滤波器同样可由上述过程形成。具体实现时，的频移运算可预先计入加权因子之中，这就是如图2-49所示FIR滤波器特性中0＃滤波器在零多普勒频率处未呈现最大响应的原因。因此，卡尔曼滤波器的实现可以将考虑了频移的0＃滤波器输出与（N-1）＃滤波器输出分别求模后相减，再取绝对值，如图2-49所示。

低空雷达信号处理系统中实际适用的卡尔曼滤波器如图2-50所示。

杂波图是一种时域上的自适应处理方法。杂波图最朴素的思想就是实时记录下雷达阵地周围环境的杂波分布及其强度变化，使动目标显示系统始终处于线性工作状态，进而获得良好的动目标显示性能。

例如，系统中需要对低波位数据建立实时杂波图，俯仰信息只用2比特二进制数来表示，即只需对波位0、波位1和波位2的数据建立杂波幅度图。

杂波幅度图技术就是利用杂波图技术将雷达周围的三维平面分成许多方位距离俯仰单元，并将上述方位距离俯仰单元的接收信号存入一个存储器中，每个存储单元对应一个方位距离俯仰单元，并且随着天线的扫描，每个方位俯仰单元存储的信号进行递归更新。更新的原理如上文“杂波图”中所述，因此天线多圈扫描以后，杂波幅度图中存储的是相应方位俯仰距离单元的杂波均值。检测门限H 根据H=CYn（C 为一个门限乘子，C 的大小决定着检测概率和虚警概率）计算，如果被检测信号Xn大于门限H，就判为有目标；否则判为无目标。

杂波幅度图的输出分为两路：一路经门限比较后形成杂波轮廓图，并送至显示终端进行杂波图显示，其中“杂波图1”是波位0和波位1的杂波轮廓数据，“杂波图2”是波位2的杂波轮廓数据；另一路送入自适应AMTD处理模块，用来量化当前的杂波程度，并参与自适应AMTD处理。

系统中用到的主要杂波图技术有杂波幅度图、超杂波图和立体杂波图。

超杂波检测作为一种广泛使用的抗杂波检测技术，是MTI或MTD视频通道的补充和备份。超杂波检测的成功与否，关键在于如何建立固定或慢速运动物体视频杂波的分布图。

由于杂波图数据采用递归运算积累，对视频回波的响应存在一定的滞后效应，因此采用杂波图进行超杂波检测时，不影响高速运动物体的信号检测，而对低速运动物体的目标检测存在抑制作用。假设杂波图距离单元为Δρ，方位单元为Δθ，仰角单元为Δφ。若飞机目标在距离ρ 处，以速度V 作径向飞行，飞过一个杂波图距离单元所需的时间约为t1，则t1=Δρ/V。

若雷达天线周期为T2，则在t1时间天线转了N 圈，N=t1/T2=Δρ/（VT2）。

设杂波图数据经递归运算积累，需天线转N0圈后建立起近似稳态值，则V0=Δρ/（N0T2）。

上式表示当物体运动速度小于等于V0时，目标回波在杂波图中已建立了稳态值，这时目标淹没在杂波图中，用超杂波检测已不能有效检测出目标。

类似地，若飞机作切向飞行时，可得V0=ρ·Δθ/（N0T2）。这表示当物体运动速度小于等于V0时，目标回波在杂波图中已建立了稳态值，这时目标淹没在杂波图中，超杂波检测失效。

利用上述特点，若合理选取参数，可使移动速度较慢的气象云雨杂波被有效抑制，而速度相对较快的飞机等目标基本不受影响且能被有效检测。综上所述，在超杂波检测中，应根据雷达的具体情况，合理选择杂波图数据递归算法中的系数K，从而使云、雨等低速运动物体的回波被有效抑制，对中、高速运动物体的目标回波能够有效检测。基于此，可认为超杂波图从本质上看也是杂波图的一种，两者的差别只是输入信号不一样。

立体杂波图的基本原理是将雷达探测区域按距离、方位和俯仰三维量化（方位量化单位为A，距离量化单位为R，俯仰量化是按波位区分），从而将其分割成许多空间单元，每一单元称为一杂波检测单元，一般达数十万个，如图2-51所示。杂波单元大小的选取根据杂波图的用途而有所不同。本质上单元划分越小，则杂波图就越精细、分辨率越高，相应存储量就越大，运算时间就越紧张。

即使应用了上述先进技术，在外部环境复杂时，雷达显示画面上仍然会有剩余杂波。当剩余杂波较多时，目标进入杂波区后，航迹跟踪容易受杂波干扰。为了提高目标进入杂波区后的跟踪稳定性和跟踪精度，可以在雷达数据处理中采取如下一系列措施：

（1）在数据处理中建立三维剩余杂波图，按慢速目标和1.5倍波束宽度进行相关，自动实时更新剩余杂波图；对固定杂波进行滤除，不参加自动航迹的起始和跟踪。

（2）强杂波剩余凝聚处理为超宽目标。

（3）航迹点迹关联区域中，稳定航迹在连续两次扫描未关联到其他点迹后才允许与剩余杂波点迹相关。

（4）航迹跟踪采用多模算法，目标机动或进入杂波区时在内部进行多模跟踪，形成分支航迹，输出航迹按不机动处理，内部分支航迹则按不同运动状态进行跟踪，经过几次扫描后，可以根据航迹与点迹的关联情况确定合适的航迹变化模型，从而选择最佳航迹。这样的跟踪算法对杂波中目标的稳定跟踪具有明显的效果。雷达显控台除了平面显示器（plan position indicator，PPI）画面外，还设计了距离-方位、距离-俯仰两个辅助画面，能将高度层不同的杂波与目标在画面上区分出来，有利于操作手观察及进行航迹的人工起始。

对剩余杂波采取以上技术措施后，能在超低空和强杂波干扰下及时发现、检测及跟踪目标。

雷达信号的检测总是在干扰背景下进行的，这些干扰包括接收机的内部热噪声，以及地物、气象（云、雨、气流）、海浪等杂波干扰。此外，雷达的工作环境中还存在着众多港口、孤塔等分离式的强反射体，面临着各种武器平台的作战策略以及它们释放的有缘、无缘干扰等，因此雷达还面临着由这些杂波剩余引起的多目标背景。

综上，一般将雷达复杂环境下的回波归纳为三种典型情况：高斯杂波环境、多目标环境和非高斯杂波环境。

根据上面列举的三种杂波背景并结合低空监视雷达的系统要求，信号处理采用的恒虚警技术包括单元平均恒虚警（CA-CFAR）和有序统计恒虚警（OS-CFAR）。两种类型的恒虚警处理可以根据人工干预命令进行选择。

根据对杂波特性的统计特征分析，均匀高斯杂波经过窄带滤波后其包络服从瑞利分布（线性检波）或指数分布（平方率检波），对于这种瑞利分布特性的回波环境一般选择单元平均恒虚警（CA-CFAR）或加权单元平均恒虚警。在实际工作时，雷达面临的杂波往往具有严重的非均匀性，雷达波束照射的区域可能包括部分开阔地和部分植被覆盖地，也可能是部分陆地和部分水域。当待检单元位于或靠近具有不同反射率的区域边界处时，CFAR处理的前后参考窗内的数据统计特性会有区别。这种杂波边缘效应会导致在边缘处的检测发生虚警，也可能会遮蔽掉低反射率区域内靠近边缘的目标。因此，在实际工作中选用改进的单元平均恒虚警检测方法——单元平均选大恒虚警（GO-CFAR）和单元平均选小恒虚警（SO-CFAR）。其原理框图如图2-52所示。

GOCA-CFAR在杂波边缘处虽然能成功避免了虚警，但是强目标会淹没弱目标。此外，尽管有时候目标能被成功检测到，但弱目标会使强目标的检测也处于邻近检测不到的边缘。GOCA-CFAR也会因为抬高了杂波的遮蔽效应而在杂波边缘处丢失了目标。因此，解决目标遮蔽效应的一种方法是采用有序统计恒虚警（OS-CFAR），低空监视雷达中采用了两种恒虚警兼容模式，针对低空强杂波的影响重点采用了有序统计恒虚警，可以对抗孤立地物的强点杂波，提高对低空目标的探测威力和跟踪稳定度。有序统计恒虚警原理框图如图2-53所示。

SO-CFAR这类算法的主要目的是抑制遮蔽效应所引起的性能恶化，其保留了CACFAR算法使用的一维或二维划窗结构，如果需要也可使用保护单元，但是彻底摒弃了后者通过对参考单元的数据进行平均来直接估计干扰功率电平的方法。一般情况下，当不存在干扰目标效应时，OS-CFAR比CA-CFAR多出一个附加的损失，但一般在0.3～0.5 dB区间内。而如果存在干扰目标，OS-CFAR的恒虚警损失的增加很缓慢，直到干扰目标数目超过了舍弃的高序单元数。作为对比，CA-CFAR的恒虚警损失由于处理中对干扰功率估计过高而迅速增大。因此，存在干扰目标影响时，OS-CFAR 的损失低于CA-CFAR的损失。