基于谱峭度的海杂波中弱目标检测方法

摘要

本发明提供一种基于谱峭度的海杂波中弱目标检测方法，其步骤为：（1）各距离元的回波序列经短时傅里叶变换得到时间-多普勒谱；（2）对时间-多普勒谱上各频点计算其峭度值，得到谱峭度；（3）利用恒虚警检测方法获取自适应门限；（4）将谱峭度在各频点的值与自适应门限进行比较，判决目标是否存在。本发明利用在单一距离元内，海杂波的短时平稳性和目标回波信号的瞬时性，降低了强杂波区域对目标检测的影响，能够有效检测出动目标信号，可适用于低信杂比条件下的动目标检测。

说明书

技术领域

本发明属于雷达信号处理领域，涉及海杂波背景下的弱小目标检测技术。特别涉及一种基于谱峭度的海杂波中弱目标检测方法。本发明适用于各种相干机制的岸基微波雷达系统。

背景技术

海表面对雷达发射信号的后向散射常常严重地限制雷达对舰船、飞机、导弹、导航浮标和其它与海表面同在一个雷达分辨单元内的目标的检测能力。这些干扰信号一般被称为海杂波或海表面回波。海表面目标检测技术在军事和民用领域都非常重要。因此国内外许多研究人员一直致力于该项技术的研究。早期的雷达系统把获取的视频信息直接传送到显示器，将杂波和噪声按幅度形式显示出来，由操作员对显示器的人眼观测完成对目标的检测。现代雷达系统已经能够实现自动检测和跟踪目标，只需提供一个检测阈值，再根据判决准则做出目标是否存在的判决。但是在强杂波背景下（特别是海面回波），对弱目标不能进行可靠的自动检测和跟踪。虽然通过降低检测门限能够提高对小目标的检测概率，但这样必然增加虚警概率。

峭度（Kurtosis）是一种表征曲线陡峭程度的物理量，可以反映出与正态分布曲线相比，随机变量分布曲线的尖锐度或平坦度。当曲线变得尖锐时峭度值变大，曲线变得平坦，峭度值变小，因而具有对高斯噪声取低值，对冲击信号取高值的特性。峭度作为一种统计工具，在噪声干扰较小的状态监测中，可利用它对奇异信号的敏感性检测系统的异常响应。但是，它作为一个全局指标无法反映特定信号分量的变化情况，不适合强噪声环境下的状态监测问题。为克服峭度在工程应用中的不足，Dwyer（1984）首先提出了谱峭度（Spectral Kurtosis,SK）理论，并定义SK为短时Fourier变换的实部的归一化四阶矩。其基本思路是对信号不同频段进行带通滤波后计算其峭度，不仅可以指示出信号中的非高斯成分，而且可以给出它们的频域位置。Antoni J.（2006）对此进行了深入研究，阐述了谱峭度诊断机械故障的理论背景，介绍了该领域已有的成果，给出了谱峭度的正式定义，并成功地应用谱峭度法诊断了实际机械故障。

目前，谱峭度法成功应用于机械故障诊断等信号处理领域，鲜有其在目标检测方面的应用。本发明利用谱峭度法在非平稳信号处理中的优越性，将其应用到海杂波背景下的小目标检测中，可以有效提高雷达对海面弱目标的检测性能。

发明内容

本发明的目的在于：基于实际的岸基微波雷达系统，提供在海杂波干扰背景下，适用于弱小目标的基于谱峭度的海面小目标自适应检测方法。

为实现上述目的，本发明采用如下技术方案：

步骤1，将各距离元的回波序列经短时傅里叶变换得到时间-多普勒谱；

步骤2，对时间-多普勒谱上各频点计算其峭度值，得到谱峭度；

步骤3，以各频点的峭度值作为检测统计量，并利用恒虚警方法获取自适应门限；

步骤4，将谱峭度在各频点的值与自适应门限进行比较，判决目标是否存在，如果峭度值大于自适应门限，则判定目标存在，反之，则判定目标不存在。

所述步骤1中，短时傅里叶变换的相干累积时间为0.5s，滑窗过程无重叠区域。

所述步骤2中，计算谱峭度SK(f_i)的公式如下，

$>\mathrm{SK}\left(f_i\right)=\frac{\frac{1}{M}\underset{j=1}{\overset{M}{\Sigma }}{\left|S_j\left(f_i\right)\right|}^4}{{\left[\frac{1}{M}\underset{j=1}{\overset{M}{\Sigma }}{\left|S_j\left(f_i\right)\right|}^2\right]}^2}-2,i=\mathrm{1,2},···,N$>

其中，N表示频点数，M表示时间单元数，S_j(·)表示第j个时间单元上的多普勒谱，f_i表示多普勒频点。

所述步骤3中，自适应门限确定方法为单元平均恒虚警检测方法，具体过程为：

对于频点i，分别在其左右定义保护单元、参考单元，求取参考单元的均值μ_i，对于给定的虚警概率p_fa，门限加权值α与之有如下的关系：

$>{\stackrel{-}{P}}_{\mathrm{fa}}={(1+\frac{\alpha }{L})}^{-L}$>

其中，L表示参考单元数，则自适应门限T_i表示为T_i＝α×μ_i。

与现有技术相比，本发明具有如下优点和有益效果：

1.本发明可有效抑制海杂波的影响，降低目标检测过程中雷达对信杂比的需求，因而具有在强海杂波背景中检测微弱目标的能力。

2.本发明的检测统计量计算简便，易于实现实时处理。

3.本发明可准确定位目标信号在多普勒谱中的频点位置，从而后续处理中可以有效估计目标的径向速度，为目标跟踪提供有用信息。

附图说明

图1是本发明的流程图。

图2是实验数据的能量分布图。

图3是本发明应用于实验数据所得的检测点迹图，其中圆点表示真实点迹，小叉表示虚假点迹。

图4是相同虚警概率条件下，频域的CA-CFAR检测器和本发明的检测性能比较图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

雷达接收到的海面脉冲回波信号可以建模为以下形式：

s(t)＝c(t)+x(t)+n(t)

其中，c(t)表示海杂波，在短时间内可以看作平稳非高斯信号；x(t)表示目标信号，在探测单元内停留时间短，可以看作瞬态非平稳信号；n(t)表示加性噪声，由接收机内部噪声等造成，符合高斯分布。

雷达在驻留工作模式下探测海面一段时间，接收并存储I/Q两路回波数据作为雷达实验数据。回波脉冲经第一次快速傅里叶变换得到A型谱，从中分解出各个距离元的回波数据，以待下面的进一步处理。

步骤1，设定合适的相干累积时间，将单距离元回波信号等分为M份，作短时傅里叶变换，得到一组多普勒谱：

S_i(f)＝C_i(f)+X_i(f)+N_i(f)，i＝1,2,…M

步骤2，按照以下公式计算谱峭度：

$>\mathrm{SK}\left(f_i\right)=\frac{\frac{1}{M}\underset{j=1}{\overset{M}{\Sigma }}{\left|S_j\left(f_i\right)\right|}^4}{{\left[\frac{1}{M}\underset{j=1}{\overset{M}{\Sigma }}{\left|S_j\left(f_i\right)\right|}^2\right]}^2}-2,i=\mathrm{1,2},···,N$>

其中，N表示频点数，M表示时间单元数，S_j(·)表示第j个时间单元上的多普勒谱，f_i表示多普勒频点；

步骤3，对于谱峭度序列SK(f_i)，以各频点的峭度值作为检测统计量，并利用恒虚警方法获取自适应门限；

检测统计量的值γ_i为

γ_i＝|SK(f_i)|

自适应门限确定方法为单元平均恒虚警（CA-CFAR）检测方法；对于频点i，分别在其左右定义保护单元、参考单元，求取参考单元的均值μ_i，对于给定的虚警概率p_fa，门限加权值α与之有如下的关系：

$>{\stackrel{-}{P}}_{\mathrm{fa}}={(1+\frac{\alpha }{L})}^{-L}$>

其中，L表示参考单元数。

设定需要的虚警概率，根据虚警概率与门限加权值之间的关系计算得到加权值，从而得到自适应门限：

T_i＝α×μ_i

步骤4，基于已经获得的检测统计量和自适应门限，对于实测的雷达回波数据，其判决如下：

然后，跳转到下一个距离元，重复上述步骤1-4，直到处理完所有待检测距离元，汇总所得检测结果并估计相关的目标运动参数。

本发明的效果可以通过下面的实验进一步验证。实验所用的雷达回波数据是自主研制的S波段海洋遥测仪在2012年底获得的，雷达主要参数如下：发射频率为2.85GHz，距离分辨率为7.5m，脉冲重复频率为256Hz，扫描脉冲数为25600，距离单元数为40，其中，目标信号在探测时间内共经过35个距离元。本发明设定的虚警概率为p_fa＝10^-3。

图2是实验回波数据的能量在时间-距离维上的分布图。可以看到明显的海面回波条纹，强烈的海杂波使得目标回波信号模糊难辨，严重限制了海面目标的检测性能。图3是应用本发明检测得到的目标回波点迹及其径向速度估计，其中圆点表示真实点迹，小叉表示虚假点迹。由此表明，本发明可以有效检测到目标回波，并且速度估计稳定可靠。图4是利用相同海况下的真实的纯海杂波数据和仿真目标信号获得的检测性能比较图，图像给出了在不同信杂比条件下，频域的CA-CFAR方法和本发明的检测性能比较。由此可见，本发明的检测性能优于频域CA-CFAR检测器的检测性能。这主要是因为，本发明有效利用了海杂波数据的短时平稳性，使得在多普勒谱中的强海杂波区域获得的峭度值明显小于瞬时目标回波信号所在频域的峭度值，从而有效区分出目标信号。