海雜波特性認(rèn)知研究進(jìn)展與展望

丁 昊 董云龍 劉寧波 王國(guó)慶 關(guān) 鍵

(海軍航空工程學(xué)院電子信息工程系 煙臺(tái) 264001)

海雜波特性認(rèn)知研究進(jìn)展與展望

丁 昊*董云龍 劉寧波 王國(guó)慶 關(guān) 鍵*

(海軍航空工程學(xué)院電子信息工程系 煙臺(tái) 264001)

海雜波是影響海用雷達(dá)目標(biāo)探測(cè)性能的主要制約因素之一，其物理機(jī)理復(fù)雜，影響因素眾多，且非高斯、非平穩(wěn)特性顯著，因此海雜波特性認(rèn)知研究是一項(xiàng)極其復(fù)雜的系統(tǒng)工程。該文從數(shù)據(jù)層海雜波特性認(rèn)知出發(fā)，圍繞目標(biāo)檢測(cè)算法所關(guān)注的海雜波幅度分布特性、譜特性、相關(guān)性及非平穩(wěn)與非線性特性，回顧和總結(jié)了海雜波特性認(rèn)知研究進(jìn)展，梳理了主要研究結(jié)論。在此基礎(chǔ)上，從海雜波影響因素的深化分析、海雜波精細(xì)化建模與檢測(cè)器需求的博弈、海雜波與目標(biāo)差異特性認(rèn)知等4個(gè)方面展望了有待于進(jìn)一步探索的問(wèn)題。

海雜波；特性認(rèn)知；非高斯；非平穩(wěn)；精細(xì)化建模；目標(biāo)檢測(cè)

1 引言

無(wú)論在軍事方面還是民用方面，對(duì)海雷達(dá)快速可靠地發(fā)現(xiàn)海上目標(biāo)都具有越來(lái)越重要的意義。然而，雷達(dá)面臨的工作環(huán)境復(fù)雜多變，其接收的回波信號(hào)中除了感興趣的目標(biāo)回波外，還包含噪聲、干擾、海雜波等。在上述因素中，由于海雜波功率水平較高，且非高斯、非平穩(wěn)特性顯著，再加之其影響因素的復(fù)雜性和多變性[1]，導(dǎo)致海雜波成為影響探測(cè)性能的主要制約因素之一。為此，從目標(biāo)探測(cè)的需求出發(fā)，開展海雜波特性認(rèn)知研究，掌握海雜波變化趨勢(shì)并建立海雜波模型，是有效改進(jìn)和創(chuàng)新海雜波抑制算法和目標(biāo)檢測(cè)算法、削弱海雜波不利影響、實(shí)現(xiàn)探測(cè)性能提升的基本前提和基礎(chǔ)[2]。

目前，國(guó)內(nèi)外圍繞海雜波特性認(rèn)知問(wèn)題已開展了大量研究，總地來(lái)看，可歸結(jié)為兩個(gè)層面的研究工作[3–5]，一是物理機(jī)理層的研究，即首先假定海表面服從某種理論模型(如1階、2階海表面模型等)，在一定的參數(shù)范圍內(nèi)(如波段、極化、海況、擦地角等)，利用電磁散射理論與海表面模型，計(jì)算海面后向散射回波并研究海雜波特性；二是試驗(yàn)數(shù)據(jù)層的研究，即根據(jù)研究需求開展基于實(shí)際海面或造浪池的海雜波測(cè)量試驗(yàn)，利用海雜波試驗(yàn)數(shù)據(jù)分析海雜波特性及其隨雷達(dá)參數(shù)、海洋環(huán)境參數(shù)等多種因素的變化趨勢(shì)，并在考慮部分機(jī)理或不考慮機(jī)理的情況下建立海雜波模型。這兩部分研究為互補(bǔ)關(guān)系，在海雜波認(rèn)知中發(fā)揮的價(jià)值無(wú)法相互替代。依賴于電磁散射理論的海雜波特性認(rèn)知具有參數(shù)可控、可重復(fù)性強(qiáng)等優(yōu)勢(shì)，所得到的海雜波特性認(rèn)知結(jié)果可為基于測(cè)量數(shù)據(jù)的海雜波特性認(rèn)知奠定理論基礎(chǔ)，并通常具有很高的指導(dǎo)意義。然而，其主要局限性在于：由于海表面組成成分復(fù)雜，且影響因素眾多、自由度大，基于機(jī)理建模得到的認(rèn)知結(jié)果通常難以逼真反映實(shí)際情況。因此，利用不同雷達(dá)參數(shù)、海洋環(huán)境參數(shù)條件下的海雜波測(cè)量數(shù)據(jù)開展海雜波特性認(rèn)知研究是一種貼近實(shí)際且被廣泛采用的研究方法，其可驗(yàn)證海雜波散射機(jī)理研究成果，彌補(bǔ)機(jī)理研究的不足。

本文主要關(guān)注數(shù)據(jù)層的研究，在系統(tǒng)性梳理較有代表性的海雜波測(cè)量試驗(yàn)的基礎(chǔ)上，圍繞海雜波幅度分布特性、譜特性、相關(guān)性以及非平穩(wěn)與非線性特性4個(gè)層面的研究?jī)?nèi)容，回顧和總結(jié)了海雜波特性認(rèn)知研究進(jìn)展及主要研究結(jié)論，并展望了有待于進(jìn)一步研究和探索的問(wèn)題。

2 海雜波測(cè)量試驗(yàn)概述

在過(guò)去的數(shù)十年里，相關(guān)研究機(jī)構(gòu)已經(jīng)分別針對(duì)星載、機(jī)載、艦載和岸基等多種平臺(tái)開展了專項(xiàng)海雜波測(cè)量試驗(yàn)(包括外場(chǎng)試驗(yàn)和造浪池試驗(yàn))，獲取了大量海雜波測(cè)量數(shù)據(jù)，以有效支撐海雜波特性認(rèn)知研究。

2.1 外場(chǎng)海雜波測(cè)量試驗(yàn)

從公開文獻(xiàn)來(lái)看，較為典型的外場(chǎng)海雜波測(cè)量試驗(yàn)有美國(guó)海軍研究實(shí)驗(yàn)室(NRL)的機(jī)載四頻率(分別為UHF, L, C和X波段)雷達(dá)海雜波測(cè)量試驗(yàn)[6]、美國(guó)海軍與美國(guó)國(guó)防部高級(jí)研究計(jì)劃署(ARPA)的山頂計(jì)劃(MountainTop Program)[7]、美國(guó)空軍研究實(shí)驗(yàn)室(AFRL)與美國(guó)Northrop Grumman公司牽頭的多通道機(jī)載雷達(dá)測(cè)量(MCARM)計(jì)劃[8]、美國(guó)海軍空戰(zhàn)中心的多波段(UHF, L, S, C, X和Ku波段)雷達(dá)小擦地角(LOGAN)海雜波測(cè)量試驗(yàn)[9]、加拿大McMaster大學(xué)的X波段IPIX雷達(dá)海雜波測(cè)量試驗(yàn)[10]、南非科學(xué)和工業(yè)研究理事會(huì)(CSIR)的X波段Fynmeet雷達(dá)海雜波測(cè)量試驗(yàn)[11]、英格蘭南海岸多波段(S, X和Ku波段)雷達(dá)海雜波測(cè)量試驗(yàn)[12]、西班牙南海岸Ka波段線性調(diào)頻連續(xù)波(LFMCW)雷達(dá)海雜波測(cè)量試驗(yàn)[13]、澳大利亞國(guó)防科技署(DSTO)的海雜波測(cè)量試驗(yàn)[14–28]等。除此以外，美國(guó)Sandia國(guó)家實(shí)驗(yàn)室、華盛頓大學(xué)、英國(guó)Thales公司、倫敦大學(xué)、比薩大學(xué)、荷蘭國(guó)家應(yīng)用科學(xué)研究院(TNO)等國(guó)外研究機(jī)構(gòu)[29–38]，以及國(guó)內(nèi)的眾多科研院所(如中電14所、38所、22所、西電、成電、海軍航空工程學(xué)院等)在海雜波測(cè)量與特性認(rèn)知方面也具有一定的技術(shù)積累。

以DSTO的研究為例，該單位自1998年起全面涉足海雜波特性認(rèn)知方面的研究，以有效支撐其武器裝備的發(fā)展或升級(jí)項(xiàng)目[14–28]。在圖1(a)、圖1(b)中，分別給出了用于海雜波測(cè)量的S和L波段試驗(yàn)雷達(dá)系統(tǒng)實(shí)物圖。在表1中，對(duì)DSTO在海雜波特性認(rèn)知方面所公開發(fā)布的技術(shù)報(bào)告進(jìn)行了簡(jiǎn)要匯總。從其研究?jī)?nèi)容來(lái)看，該單位已經(jīng)利用自行研發(fā)的多波段、多極化、多平臺(tái)試驗(yàn)雷達(dá)開展海雜波測(cè)量試驗(yàn)，并圍繞海雜波特性分析、建模、參數(shù)估計(jì)、海雜波仿真等多個(gè)層次開展了持續(xù)性、系統(tǒng)性的海雜波特性認(rèn)知研究及其在目標(biāo)檢測(cè)中的應(yīng)用研究，所涉及的研究?jī)?nèi)容涵蓋均值散射系數(shù)、幅度分布特性、時(shí)間/空間相關(guān)性、多普勒譜特性等多個(gè)方面，其研究成果在同類研究中具有非常重要的參考價(jià)值和借鑒意義。

由于技術(shù)保密等原因，除IPIX雷達(dá)海雜波測(cè)量數(shù)據(jù)外，其余外場(chǎng)測(cè)量數(shù)據(jù)大多未公開發(fā)布。IPIX數(shù)據(jù)有兩大集合[10,39]，一是1993年在加拿大新斯科舍省南部城市Dartmouth的測(cè)量數(shù)據(jù)，試驗(yàn)時(shí)雷達(dá)從峭壁上俯視大西洋，緯度/經(jīng)度為44°36.72'N/ 63°25.41'W，架設(shè)高度距平均海平面約30 m；二是1998年在加拿大安大略湖畔Grimsby的測(cè)量數(shù)據(jù)，試驗(yàn)時(shí)雷達(dá)從岸上俯視安大略湖，緯度/經(jīng)度為43°12'41.0''N/79°35'54.6''W，平臺(tái)高度為20 m。由IPIX數(shù)據(jù)得到的海雜波特性分析結(jié)論將在后續(xù)各節(jié)給出。

2.2 造浪池海雜波測(cè)量試驗(yàn)

除外場(chǎng)試驗(yàn)外，利用造浪池開展海雜波測(cè)量試驗(yàn)是另一種重要的海雜波數(shù)據(jù)獲取手段。盡管計(jì)算機(jī)模擬出的水面環(huán)境難以真實(shí)還原實(shí)際的復(fù)雜海洋環(huán)境，但是由于可控因素較多、可重復(fù)性強(qiáng)，因此便于開展系統(tǒng)性的定量分析，在探索不同波浪類型的后向散射機(jī)理及其回波特性等方面的研究中具有一定的優(yōu)勢(shì)。

圖1 DSTO的試驗(yàn)雷達(dá)系統(tǒng)Fig. 1 Experimental radar systems of DSTO

表1 DSTO在海雜波方面的技術(shù)報(bào)告匯總Tab. 1 Summary of technical reports on sea clutter by DSTO

在造浪池海雜波測(cè)量方面，較有代表性的是美國(guó)加利福尼亞大學(xué)海洋工程實(shí)驗(yàn)室(OEL)開展的試驗(yàn)，又稱為UCSB試驗(yàn)[40]。該試驗(yàn)采用的造浪池長(zhǎng)53.34 m，寬4.27 m，深2.13 m，利用機(jī)械式波浪發(fā)生器或風(fēng)扇，可產(chǎn)生出多種不同類型的波浪，其波長(zhǎng)在1～4 m之間可控。該造浪池配置兩套不同的雷達(dá)系統(tǒng)，分別為MIDAS雷達(dá)和C波段調(diào)頻連續(xù)波(FMCW)雷達(dá)，以獲取不同參數(shù)影響下的海雜波測(cè)量數(shù)據(jù)，滿足多樣化的海雜波特性認(rèn)知需求。MIDAS雷達(dá)為脈沖多普勒(PD)體制，帶寬為500 MHz，工作頻率可在3～94 GHz之間設(shè)置，HH/VV雙極化，脈沖重頻(PRF)為2 kHz，擦地角變化范圍為3°～24°。FMCW雷達(dá)的擦地角固定為6°，帶寬可在125 MHz～4 GHz之間設(shè)置，PRF為1 kHz，在脈沖之間極化捷變，對(duì)于每個(gè)極化通道，無(wú)模糊的多普勒帶寬為±250 Hz。與雷達(dá)同步的水面實(shí)時(shí)影像由高速攝像設(shè)備獲取。該造浪池測(cè)量的海雜波數(shù)據(jù)在電磁散射計(jì)算結(jié)果的試驗(yàn)驗(yàn)證、海雜波多普勒譜分析及其機(jī)理研究等方面均發(fā)揮了重要價(jià)值。

除UCSB試驗(yàn)以外，東京大學(xué)工業(yè)科學(xué)學(xué)院(IIS)在2005年利用其海洋工程造浪池也開展了海雜波測(cè)量試驗(yàn)[40]。該造浪池長(zhǎng)50 m，寬10 m，采用的雷達(dá)類型為連續(xù)波散射計(jì)，散射計(jì)安裝在轉(zhuǎn)臺(tái)上，在方位和俯仰方向都可以轉(zhuǎn)動(dòng)。IIS雷達(dá)系統(tǒng)的主要參數(shù)如表2所示。在無(wú)風(fēng)或有風(fēng)條件下，一共產(chǎn)生了41種不同類型的波浪，包括規(guī)則波(Regular waves)、孤立波(Solitons)、聚焦波(Focussing waves)、Benjamin-Fier型碎浪等。該試驗(yàn)數(shù)據(jù)有效支撐了海雜波多普勒譜特性及其隨擦地角、方位角之間依賴性的研究。

表2 IIS雷達(dá)系統(tǒng)主要參數(shù)Tab. 2 Main parameters of the IIS radar system

3 海雜波幅度分布特性認(rèn)知

從統(tǒng)計(jì)學(xué)角度研究海雜波幅度分布特性無(wú)論在過(guò)去還是當(dāng)前都屬于海雜波特性認(rèn)知研究中的重點(diǎn)關(guān)注對(duì)象，其所涵蓋的研究?jī)?nèi)容主要涉及實(shí)測(cè)海雜波經(jīng)驗(yàn)分布特性及其隨雷達(dá)參數(shù)和環(huán)境參數(shù)的變化規(guī)律、幅度分布建模與參數(shù)估計(jì)、以及特定場(chǎng)景和雷達(dá)參數(shù)條件下的海雜波仿真問(wèn)題。通過(guò)海雜波幅度分布特性認(rèn)知所建立的幅度分布模型對(duì)目標(biāo)檢測(cè)算法的優(yōu)化設(shè)計(jì)、恒虛警(CFAR)檢測(cè)器中檢測(cè)閾值的選取等問(wèn)題具有重要的理論指導(dǎo)意義。目前，國(guó)內(nèi)外已經(jīng)圍繞該問(wèn)題展開了系統(tǒng)深入的研究，并在部分考慮或不考慮海表面散射機(jī)理的情況下，結(jié)合實(shí)測(cè)海雜波的時(shí)域起伏和經(jīng)驗(yàn)分布特性(如動(dòng)態(tài)范圍、偏斜程度、拖尾程度等)，建立了一系列統(tǒng)計(jì)模型，包括幅度分布模型(又稱為單點(diǎn)統(tǒng)計(jì)模型或1階統(tǒng)計(jì)模型)和多維聯(lián)合概率分布模型。其中，前者描述了單個(gè)距離單元內(nèi)海雜波包絡(luò)的統(tǒng)計(jì)起伏規(guī)律，而后者描述的是包絡(luò)檢波前一個(gè)相干處理間隔(CPI)內(nèi)海雜波復(fù)矢量的聯(lián)合分布特性，它在前者的基礎(chǔ)上考慮了海雜波在不同脈沖之間的時(shí)間相關(guān)性，在模型中通過(guò)協(xié)方差矩陣實(shí)現(xiàn)對(duì)該相關(guān)性的定量描述。

3.1 典型幅度分布模型及其適用性

在幅度分布建模方面，瑞利模型是最早應(yīng)用的海雜波模型之一，其理論基礎(chǔ)是統(tǒng)計(jì)學(xué)中的中心極限定理(CLT)。將瑞利模型應(yīng)用于海雜波建模時(shí)要滿足如下幾點(diǎn)基本假設(shè)：雷達(dá)分辨單元內(nèi)不同散射體之間統(tǒng)計(jì)獨(dú)立；散射體數(shù)目巨大，且不存在占據(jù)主導(dǎo)作用的散射體；分辨單元內(nèi)兩散射體與雷達(dá)距離之差比分辨單元尺寸小很多；分辨單元內(nèi)天線增益為常數(shù)。歷史海雜波數(shù)據(jù)的統(tǒng)計(jì)分析結(jié)果表明，瑞利模型主要適用于中等或較高擦地角條件下低分辨率雷達(dá)海雜波的幅度分布建模。為有效提升雷達(dá)檢測(cè)性能，現(xiàn)代雷達(dá)往往采用較高的距離分辨率，其主要優(yōu)勢(shì)在于減小了散射單元面積，提高了信雜比，為低可觀測(cè)目標(biāo)探測(cè)提供了可能。然而，高分辨率海雜波具有更加復(fù)雜的特性，其幅度分布往往嚴(yán)重偏離瑞利模型，表現(xiàn)為尖峰和拖尾的增強(qiáng)，以及標(biāo)準(zhǔn)差-均值比的明顯增加(對(duì)于瑞利模型，該比值為0.523)，且在小擦地角條件下更加顯著。散射機(jī)理層面的研究結(jié)果證實(shí)，這種非瑞利分布特性與海浪結(jié)構(gòu)所引起的散射體聚束現(xiàn)象有關(guān)[29]，這意味著，在小時(shí)間尺度上CLT仍然適用，非瑞利海雜波是局部瑞利分布海雜波受到調(diào)制的結(jié)果。為提高理論模型與測(cè)量數(shù)據(jù)經(jīng)驗(yàn)概率密度函數(shù)(PDF)之間的吻合度，一些雙參數(shù)或三參數(shù)非高斯模型，如對(duì)數(shù)正態(tài)、韋布爾、K、GK分布等，在海雜波幅度分布建模得到應(yīng)用。

對(duì)數(shù)正態(tài)分布模型較早出現(xiàn)在Trunk和George等人的研究中[41,42]，適用于動(dòng)態(tài)范圍較大、拖尾程度較重情況下的海雜波建模問(wèn)題。韋布爾分布模型的拖尾程度介于瑞利模型和對(duì)數(shù)正態(tài)模型之間，適用于較為均勻情況下的海雜波建模問(wèn)題。K分布模型在海雜波建模中的應(yīng)用得益于Trunk等人的重要研究結(jié)論[43]，即某些類型的非瑞利海雜波可以建模為局部均勻的瑞利模型，其功率水平被海表面的大尺度空間采樣所調(diào)制。由該結(jié)論發(fā)展而來(lái)的海雜波模型即為瑞利混合模型，又稱為復(fù)合高斯模型，它是一個(gè)分布族，在海雜波功率水平的分布函數(shù)給定后就可以得到模型的具體表達(dá)式，K分布即為其特例之一。1976年，Jakeman和Pusey從海表面散射現(xiàn)象學(xué)出發(fā)，在海雜波建模為2維隨機(jī)游走模型的假定下，基于隨機(jī)散射場(chǎng)相干疊加數(shù)學(xué)描述推導(dǎo)出了K分布模型，并首次將其應(yīng)用于海雜波建模[44]。1994年，Sangston等人通過(guò)嚴(yán)格的數(shù)學(xué)推導(dǎo)建立了復(fù)合高斯模型與2維隨機(jī)游走之間的理論關(guān)系[45]。

目前，公開文獻(xiàn)已利用大量海雜波測(cè)量數(shù)據(jù)，對(duì)上述典型模型的適用性和模型參數(shù)變化趨勢(shì)展開了深入研究[12,46–48]，研究結(jié)果表明，由于不同雷達(dá)參數(shù)及海洋環(huán)境參數(shù)條件下海雜波幅度分布特性存在較大差異，且不同模型在動(dòng)態(tài)范圍、拖尾程度上各異，因此目前不存在一個(gè)通用的模型形式來(lái)概括已有的幅度分布模型。除對(duì)數(shù)正態(tài)分布以外，上述非高斯模型均為復(fù)合高斯模型的具體形式。復(fù)合高斯模型建立在復(fù)合表面理論的基礎(chǔ)上，因同時(shí)兼?zhèn)錂C(jī)理可解釋性和數(shù)學(xué)易操作性，在海雜波建模及后續(xù)的雷達(dá)信號(hào)處理領(lǐng)域中得到了廣泛應(yīng)用[49,50]。從數(shù)學(xué)形式上看，復(fù)合高斯模型可表示為兩個(gè)相互獨(dú)立分量乘積的形式，兩個(gè)分量分別稱為散斑分量和紋理分量。散斑分量是零均值、有可能相關(guān)的復(fù)高斯過(guò)程，描述了海表面小尺度張力波的散射特性；紋理分量是實(shí)的非負(fù)隨機(jī)過(guò)程，描述了海表面大尺度重力波的散射特性。

3.2 K分布及其半經(jīng)驗(yàn)參數(shù)模型

在復(fù)合高斯模型中，如果紋理分量建模為平方根Gamma模型，則海雜波幅度滿足K分布模型。由于K分布在大部分條件下均能較好的擬合實(shí)測(cè)海雜波，因此相關(guān)研究人員試圖建立K分布參數(shù)的半經(jīng)驗(yàn)?zāi)Ｐ?，以提高?yīng)用的靈活性。需要注意的是，對(duì)于不同的試驗(yàn)數(shù)據(jù)，由數(shù)據(jù)擬合直接估計(jì)得到的分布參數(shù)與半經(jīng)驗(yàn)?zāi)Ｐ徒o出的預(yù)測(cè)值可能具有偏離，但是對(duì)于給定的參數(shù)集合，如擦地角、分辨率、極化等，半經(jīng)驗(yàn)?zāi)Ｐ徒o出的預(yù)測(cè)值可以作為典型的參數(shù)平均值使用。

K分布尺度參數(shù)與海雜波的局部功率水平有關(guān)，它可以通過(guò)雜波的均值散射系數(shù)(典型的模型有SIT, GIT, TSC, HYB和NRL等)、雷達(dá)參數(shù)(如波長(zhǎng)、天線波束寬度和脈寬等)和幾何位置參數(shù)等先驗(yàn)信息計(jì)算得到[14]。

K分布形狀參數(shù)與海雜波的尖峰和拖尾程度有關(guān)，拖尾越重，形狀參數(shù)就越小。形狀參數(shù)的半經(jīng)驗(yàn)?zāi)Ｐ妥畛跤蒞ard等人給出[29]，在統(tǒng)計(jì)分析300批次距離分辨率為4.2 m的機(jī)載海雜波試驗(yàn)數(shù)據(jù)的基礎(chǔ)上，建立了形狀參數(shù)隨擦地角、切向分辨率、涌浪方向和極化之間的經(jīng)驗(yàn)關(guān)系模型。后續(xù)研究對(duì)Ward模型進(jìn)行了修正，通過(guò)引入余弦函數(shù)形式的方向依賴因子來(lái)描述形狀參數(shù)隨涌浪方向的變化[51]，以提高模型的靈活性和適用范圍。在1990年，Ward和Wicks給出了形狀參數(shù)的另一種半經(jīng)驗(yàn)?zāi)Ｐ?，模型中涉?個(gè)未知參數(shù)，可采用最小二乘法擬合得到[51]。Ward-Wicks模型在適用性上優(yōu)于Ward模型及其修正型，但是對(duì)于任意涌浪方向條件下的海雜波數(shù)據(jù)，該模型無(wú)法準(zhǔn)確預(yù)測(cè)出形狀參數(shù)。以上兩種模型僅適用于脈寬為28 ns的海雜波數(shù)據(jù)，考慮到脈寬對(duì)海雜波幅度分布拖尾的影響，Ryan和Johnson在Ward模型的基礎(chǔ)上加入了脈寬修正因子，以使模型適用于脈寬大于28 ns情況下的海雜波數(shù)據(jù)[52]。上述半經(jīng)驗(yàn)?zāi)Ｐ蛢H適用于X波段且脈寬大于28 ns的場(chǎng)景，在其它情況下，尚不存在K分布形狀參數(shù)的半經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

通過(guò)大量實(shí)測(cè)海雜波數(shù)據(jù)的統(tǒng)計(jì)分析，并結(jié)合K分布形狀參數(shù)的半經(jīng)驗(yàn)?zāi)Ｐ?，可以得到如下幾點(diǎn)結(jié)論[14]：①同等條件下，HH極化海雜波的形狀參數(shù)小于VV極化；②擦地角越小，形狀參數(shù)也越?。虎郛?dāng)波束方向順著或逆著涌浪方向時(shí)，形狀參數(shù)較小，側(cè)視涌浪方向時(shí)形狀參數(shù)較大，在其它方向上形狀參數(shù)介于兩者之間；④隨徑向距離的增加，切向距離單元的尺寸增加，形狀參數(shù)出現(xiàn)變大的趨勢(shì)；⑤形狀參數(shù)隨海況、風(fēng)速、或視線方向與風(fēng)向夾角之間的統(tǒng)計(jì)趨勢(shì)較弱。

3.3 球不變隨機(jī)過(guò)程模型

在自適應(yīng)相干檢測(cè)領(lǐng)域，通常較為感興趣的是包絡(luò)檢波前海雜波復(fù)矢量的聯(lián)合分布特性。由于紋理分量具有較長(zhǎng)的相關(guān)時(shí)間，因此，當(dāng)觀測(cè)時(shí)間和雷達(dá)系統(tǒng)的CPI相近時(shí)，紋理分量可近似建模為隨機(jī)常數(shù)，此時(shí)，復(fù)合高斯模型簡(jiǎn)化為球不變隨機(jī)過(guò)程(SIRP)，海雜波整體的相關(guān)性與散斑分量一致。對(duì)SIRP采樣，就可以得到球不變隨機(jī)矢量(SIRV)。SIRV的聯(lián)合PDF由均值矢量、協(xié)方差矩陣和1階特征PDF共同確定，其在雜波建模以及自適應(yīng)檢測(cè)中的廣泛應(yīng)用主要得益于以下3個(gè)原因：一是該模型與海雜波測(cè)量數(shù)據(jù)的經(jīng)驗(yàn)分布特性較為一致；二是該模型在某些線性變換下能保持PDF的不變性，如典型的MTI處理；三是該模型屬于外生模型，在海雜波仿真時(shí)可以獨(dú)立控制邊緣PDF和協(xié)方差矩陣[53,54]。

在文獻(xiàn)[48,55,56]中，分別提供了兩種不同的檢驗(yàn)方法以測(cè)試海雜波測(cè)量數(shù)據(jù)與SIRV模型的兼容性。檢驗(yàn)結(jié)果表明，在顯著性水平為0.05的情況下，IPIX雷達(dá)海雜波數(shù)據(jù)不能拒絕SIRV模型的假設(shè)；同樣，對(duì)于美國(guó)山頂計(jì)劃海雜波數(shù)據(jù)，距離上臨近的采樣矢量可以采用獨(dú)立SIRV模型描述，即紋理分量在不同距離單元之間完全相關(guān)。在基于廣義似然比(GLRT), Rao檢驗(yàn)等檢測(cè)準(zhǔn)則的自適應(yīng)檢測(cè)器設(shè)計(jì)時(shí)，為得到封閉的檢驗(yàn)統(tǒng)計(jì)量表達(dá)式，通常假定SIRV模型中的紋理分量為確定性未知量，而非隨機(jī)常數(shù)[57]。

3.4 幅度分布拖尾建模

在高分辨率、小擦地角等條件下，海雜波幅度分布出現(xiàn)重拖尾的概率明顯增加，利用已有典型海雜波幅度分布模型難以有效解決拖尾建模問(wèn)題[58,59]。由DSTO的研究報(bào)告可知，這種現(xiàn)象在大擦地角條件下也會(huì)出現(xiàn)[19]。例如，在圖2中，給出了一組S波段、HH極化小擦地角海雜波的經(jīng)驗(yàn)概率分布函數(shù)(CDF)曲線及已有模型的建模結(jié)果，其中，縱坐標(biāo)表示1-CDF域，它等同于虛警概率的含義[46]。圖中所示的GK和GK-LNT模型分別為紋理分量建模為廣義Gamma分布和對(duì)數(shù)正態(tài)分布情況下復(fù)合高斯模型的特例[48]。

圖2 幅度分布建模結(jié)果Fig. 2 Amplitude distribution modeling results

可以看出，對(duì)數(shù)正態(tài)分布的收斂速度過(guò)慢，整體的擬合誤差較大，而韋布爾、K、GK和GKLNT分布在小幅值區(qū)域，即虛警概率小于10–2時(shí)，能夠取得較為滿意的建模效果，但是當(dāng)虛警概率低于10–2時(shí)，理論模型逐漸偏離測(cè)量數(shù)據(jù)的經(jīng)驗(yàn)CDF曲線，出現(xiàn)較大的建模誤差。在CFAR檢測(cè)器設(shè)計(jì)或性能分析時(shí)，對(duì)于給定的虛警概率，若利用復(fù)合高斯理論分布模型設(shè)置檢測(cè)門限，則門限將明顯過(guò)低，導(dǎo)致檢測(cè)結(jié)果中出現(xiàn)的虛警數(shù)大于預(yù)期。由此可見，作為穩(wěn)健的幅度分布模型，應(yīng)同時(shí)能夠?qū)ｋs波幅度分布的全局PDF以及PDF的拖尾區(qū)域?qū)崿F(xiàn)精確擬合，且拖尾部分的擬合精度往往具有更加重要的意義。顯然，對(duì)于該組數(shù)據(jù)，上述理論分布模型尚不具備這種穩(wěn)健性。

已有研究成果表明，海雜波幅度分布拖尾部分與理論建模曲線的偏離主要與海雜波中間斷出現(xiàn)的海尖峰現(xiàn)象有關(guān)[60]。海尖峰在時(shí)域通常表現(xiàn)出類似于沖激信號(hào)的特性，其持續(xù)時(shí)間可長(zhǎng)達(dá)秒量級(jí)，給檢測(cè)器設(shè)計(jì)帶來(lái)一定的挑戰(zhàn)[61–69]。海尖峰觀測(cè)試驗(yàn)的研究結(jié)果證實(shí)，約占據(jù)80%的海尖峰與海表面的碎浪或白浪有關(guān)[63]，其對(duì)應(yīng)海表面的非Bragg散射機(jī)理。在海尖峰背景下，傾斜調(diào)制的Bragg散射分量和海尖峰分量是構(gòu)成海雜波的兩個(gè)獨(dú)立分量[68]，從這點(diǎn)來(lái)看，已有復(fù)合高斯模型在散射機(jī)理層面并未考慮后者對(duì)幅度分布特性的貢獻(xiàn)，因此在描述拖尾現(xiàn)象上仍具有一定的不足。

為有效解決拖尾建模問(wèn)題，公開文獻(xiàn)提出了一系列幅度分布模型，總體來(lái)看這些模型可分為兩類，第1類試圖在重力波/張力波散射分量的基礎(chǔ)上以線性疊加的形式增加額外的散射分量，以考慮海尖峰對(duì)拖尾的貢獻(xiàn)，例如KA, KK, WW, ε-高斯模型等[70–77]；第2類則是在復(fù)合高斯的理論框架內(nèi)，通過(guò)采用數(shù)學(xué)上更潛力描述拖尾現(xiàn)象的PDF對(duì)模型中的兩個(gè)分量進(jìn)行建模，以實(shí)現(xiàn)建模精度的改善，例如廣義Gamma分布紋理、逆Gamma分布紋理、逆高斯分布紋理建模的復(fù)合高斯模型及廣義復(fù)合(GC)分布模型等[78–83]。第1類模型通常具有較多未知參數(shù)，而第2類模型通常不存在封閉形式的PDF表達(dá)式，在實(shí)際應(yīng)用時(shí)應(yīng)根據(jù)研究需求擇優(yōu)選擇拖尾模型。除上述模型以外，穩(wěn)定分布模型、K+瑞利分布模型、Pareto分布模型、Pareto+噪聲分布模型及非廣延分布模型等在拖尾建模中均得到應(yīng)用，有效改善了建模精度[84–90]。

3.5 模型參數(shù)估計(jì)和海雜波仿真

ML估計(jì)是較為通用且廣泛使用的參數(shù)估計(jì)方法，但大多數(shù)模型通常不存在封閉表達(dá)式，給實(shí)際應(yīng)用帶來(lái)較大不便。為此，矩估計(jì)方法得到大量應(yīng)用，利用模型的各階矩，可以將參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為簡(jiǎn)單的代數(shù)方程求解問(wèn)題[18,91]。

若幅度分布模型中的未知參數(shù)較多，則采用單一方法通常難以估計(jì)出模型中的所有未知參數(shù)，此時(shí)可以采用“兩步法”求解，即根據(jù)模型形式，在第1步先通過(guò)搜索或優(yōu)化方法估計(jì)出部分參數(shù)，以此為基礎(chǔ)，在第2步估計(jì)出剩余未知參數(shù)[30]。以典型的3參數(shù)GK分布模型為例，其包含形狀參數(shù)、尺度參數(shù)和功率參數(shù)，在第1步估計(jì)中，根據(jù)2～5階矩估計(jì)值，利用最優(yōu)搜索方法(如Nelder-Mead單純形法)首先估計(jì)形狀參數(shù)和功率參數(shù)，將其代入PDF表達(dá)式后，再利用1階矩方法通過(guò)簡(jiǎn)單的代數(shù)運(yùn)算估計(jì)出尺度參數(shù)。若模型中包含更多未知參數(shù)，如KA和KK模型，其參數(shù)均多達(dá)5個(gè)，此時(shí)需在分析模型各參數(shù)對(duì)總體分布特性影響的基礎(chǔ)上，結(jié)合實(shí)測(cè)海雜波的經(jīng)驗(yàn)分布特性，對(duì)部分參數(shù)進(jìn)行簡(jiǎn)化處理，以降低參數(shù)估計(jì)的復(fù)雜度。

在仿真方面，目前關(guān)注較多的是復(fù)合高斯海雜波仿真問(wèn)題，較為常用的仿真方法包括零記憶非線性變換法(ZMNL)和SIRP法[92]。在非高斯海雜波仿真中，除了關(guān)注幅度分布特性和時(shí)間相關(guān)性外，還需關(guān)注不同距離單元之間紋理分量的空間相關(guān)性、譜的時(shí)變非平穩(wěn)特性等，使之盡可能與實(shí)際海雜波特性匹配。因此海雜波仿真是一項(xiàng)極具挑戰(zhàn)性的工作，目前較有代表性的成果可參考Davidson, Watts, Dong等人的研究工作[25,33,93]。

從該部分研究現(xiàn)狀來(lái)看，海雜波幅度分布特性認(rèn)知已取得較大進(jìn)展，分布模型已在韋布爾、K等已有典型模型的基礎(chǔ)上得到很大程度的完善和發(fā)展。然而，在解決拖尾問(wèn)題上，仍然缺乏體系化的建模方法，同時(shí)，幅度分布模型如何真正應(yīng)用于CFAR檢測(cè)和自適應(yīng)檢測(cè)領(lǐng)域，以便于從理論上指導(dǎo)檢驗(yàn)統(tǒng)計(jì)量設(shè)計(jì)和門限形成，仍是有待于進(jìn)一步解決的重要理論問(wèn)題。

4 海雜波譜特性認(rèn)知

海雜波譜是多個(gè)概念的統(tǒng)稱，既可以指海雜波的幅度譜、相位譜，也可以指功率譜、高階譜等。一般而言，公開文獻(xiàn)中提到的海雜波譜通常是指功率譜[2]。由于海表面呈現(xiàn)出永無(wú)止境的運(yùn)動(dòng)狀態(tài)，再加上天線掃描調(diào)制以及雷達(dá)平臺(tái)運(yùn)動(dòng)等因素的影響，海雜波譜將產(chǎn)生多普勒頻移，因此，海雜波功率譜又稱為多普勒功率譜，或簡(jiǎn)稱為多普勒譜。

從數(shù)據(jù)層面出發(fā)，已有公開文獻(xiàn)圍繞海雜波譜特性認(rèn)知問(wèn)題主要開展了3個(gè)層面的研究工作。一是海雜波譜基礎(chǔ)特性及其機(jī)理闡述，該研究主要從譜形狀及參數(shù)等方面掌握海雜波譜的基礎(chǔ)特性，為海雜波譜建模和相參海雜波仿真提供支撐。二是持續(xù)較長(zhǎng)時(shí)間結(jié)構(gòu)的平均譜形狀建模問(wèn)題，所關(guān)注的時(shí)間尺度大于海表面的重力波周期，一般為秒量級(jí)以上，在該尺度上，海雜波譜隨時(shí)間的起伏變化特性在譜估計(jì)階段被平滑，因此研究結(jié)果僅能反映海雜波能量在不同頻點(diǎn)的總體分布情況，海雜波譜的時(shí)間非平穩(wěn)性信息缺失。為進(jìn)一步探索海雜波譜隨時(shí)間變化的精細(xì)化信息，還需在此基礎(chǔ)上開展第3個(gè)層面的研究，即短時(shí)局部譜研究，主要涉及譜形狀建模及各多普勒門內(nèi)譜的起伏性描述，其所關(guān)注的時(shí)間尺度小于重力波周期，大于碎浪和白浪的相關(guān)時(shí)間，約為十分之一秒量級(jí)。

4.1 海雜波譜基礎(chǔ)特性及其機(jī)理闡述

譜基礎(chǔ)特性研究包含十分豐富的內(nèi)涵，其中，Pidgeon, Lee, Ward, Watts以及Lamont-Smith等人的研究較有代表性。Pidgeon的主要貢獻(xiàn)在于利用C波段小擦地角海雜波發(fā)現(xiàn)了譜峰分離現(xiàn)象[94]，該現(xiàn)象表明小擦地角條件下Bragg散射并非唯一占據(jù)主導(dǎo)地位的散射分量。事實(shí)上，受遮擋和多徑效應(yīng)的影響，除Bragg散射外，白浪散射、鏡面散射均會(huì)對(duì)后向散射做出一定的貢獻(xiàn)，它們主要與海雜波數(shù)據(jù)中觀測(cè)到海尖峰相關(guān)聯(lián)，其散射機(jī)理可描述為非Bragg散射，對(duì)應(yīng)的散射體稱為快散射體，該類散射體在多普勒速度上大于Bragg散射體(慢散射體)，且在HH極化時(shí)占據(jù)主導(dǎo)，因此導(dǎo)致HH極化海雜波的譜峰出現(xiàn)在較高頻點(diǎn)上[40]。

從散射機(jī)理上看，在微波波段，Bragg散射分量源于粗糙海面的小尺度張力波，而非Bragg散射分量主要源于碎浪的波峰。隨著張力波接近或遠(yuǎn)離雷達(dá)視線方向，在頻域?qū)⒊霈F(xiàn)兩條Bragg譜線，分別位于正負(fù)頻率處[50]。對(duì)于L及L以下波段海雜波數(shù)據(jù)，譜觀測(cè)結(jié)果通常與該理論結(jié)果相符。然而，對(duì)于L以上波段海雜波譜，通常在頻域只出現(xiàn)一個(gè)偏離零頻的譜峰[46]，這主要是Bragg散射體與中等尺度波浪和長(zhǎng)波散射體耦合的結(jié)果。其中，中等尺度波浪的軌道速度具有一定的擴(kuò)展，導(dǎo)致海雜波譜在Bragg譜線附近展寬，在大多數(shù)海洋環(huán)境條件下，軌道速度導(dǎo)致的譜展寬效應(yīng)比Bragg譜線的分離更加顯著，而長(zhǎng)波則根據(jù)其自身的軌道速度對(duì)多普勒譜進(jìn)行平移。在其綜合影響下，海雜波譜出現(xiàn)了上述特征。實(shí)際上，Lee等人的研究指出[95]，除波浪速度擴(kuò)展引起的譜展寬外，還存在第2種譜展寬機(jī)理，即受生存周期控制或阻尼控制的譜展寬，它與散射體的有限生存周期有關(guān)。

在海雜波譜基礎(chǔ)特性研究方面，Lamont-Smith等人的研究具有持續(xù)性，涉及的研究?jī)?nèi)容較為系統(tǒng)深入[40,96–99]。研究過(guò)程中采用的海雜波數(shù)據(jù)包括英國(guó)南海岸Portland懸崖頂部的海雜波測(cè)量數(shù)據(jù)和基于造浪池(包括UCSB和IIS造浪池)的海雜波測(cè)量數(shù)據(jù)，且部分研究結(jié)果與電磁散射計(jì)算結(jié)果進(jìn)行了對(duì)比和驗(yàn)證。其主要研究結(jié)論為：①隨擦地角增加，多普勒速度減小，兩者近似為線性變化關(guān)系；②慢散射分量一直存在，在VV極化時(shí)占據(jù)主導(dǎo)，它具有較窄的譜；③快散射分量隨機(jī)出現(xiàn)的時(shí)間只占據(jù)約20%，在其出現(xiàn)的多普勒門內(nèi)具有較大的歸一化方差，其多普勒速度與雷達(dá)視線方向上碎浪的相速度有關(guān)；④多普勒譜峰的不對(duì)稱性是由快散射分量和慢散射分量很少準(zhǔn)確對(duì)齊引起的；⑤海雜波時(shí)域的拖尾程度與多普勒譜寬之間沒(méi)有必然聯(lián)系。

最后，需要說(shuō)明的是，在中等以上擦地角(10°以上)條件下，海表面散射機(jī)理異于小擦地角條件，具體表現(xiàn)為：Brewster角抑制效應(yīng)不再顯著，削弱了多徑的影響，占據(jù)主導(dǎo)作用的散射分量為粗糙海面的Bragg散射，以及少量的白浪散射。機(jī)理層面的差異導(dǎo)致小擦地角海雜波譜特性分析結(jié)論或模型未必適用于大擦地角條件。

4.2 平均譜形狀建模研究

平均譜形狀建模所關(guān)心的時(shí)間尺度一般為秒量級(jí)以上，以保證觀測(cè)數(shù)據(jù)至少能夠涵蓋一個(gè)完整的重力波周期[32]。高斯模型是較早應(yīng)用且受到廣泛關(guān)注的模型之一，該模型除用于平均譜形狀建模外，在短時(shí)局部譜分析中也得到大量應(yīng)用。除高斯模型外，指數(shù)模型、冪率模型也是常用的平均譜形狀模型。為使模型能夠適用于多樣化的海雜波測(cè)量數(shù)據(jù)，在考慮Bragg和非Bragg散射機(jī)理的前提下，海雜波平均譜形狀模型已經(jīng)從最初的高斯模型、冪率模型等簡(jiǎn)單模型發(fā)展到Lee模型[95,100]、Walker模型[101,102]、Lamont-Smith模型[97]及Rosenberg模型[103]等多分量混合模型，其中，后兩種模型均可視為Walker模型的修正形式。

Lee模型分別考慮了Bragg和非Bragg散射分量對(duì)譜的貢獻(xiàn)，在建模時(shí)將平均海雜波譜分解為3種不同類型的基函數(shù)，分別為高斯、Lorentzian和Voigtian，其中，Voigtian譜是高斯和Lorentzian譜卷積的結(jié)果[95,100]。Walker在Lee模型的基礎(chǔ)上對(duì)平均譜形狀模型進(jìn)行了修正和簡(jiǎn)化，提出了數(shù)學(xué)上更易操作的三分量混合高斯模型[101,102]，3種分量分別描述了Bragg散射、白浪散射和海尖峰散射的譜特性，并以線性疊加的形式構(gòu)成海雜波譜形狀模型。當(dāng)雷達(dá)平臺(tái)運(yùn)動(dòng)時(shí)，文獻(xiàn)[104]對(duì)Walker模型進(jìn)行了修正，以考慮平臺(tái)運(yùn)動(dòng)對(duì)多普勒譜的影響。Lamont-Smith模型可視為Walker模型的簡(jiǎn)化形式，該模型最多包含兩個(gè)高斯分量，用來(lái)描述快散射分量和慢散射分量的貢獻(xiàn)[97]。Rosenberg模型為Walker模型在大擦地角條件下的改進(jìn)型[103]。在該條件下，海雜波中的白浪和海尖峰分量明顯弱于Bragg分量，因此Walker模型并不適用。在Rosenberg模型中，白浪和離散的海尖峰分量建模為高斯模型，且在HH/VV極化條件下均存在，在此基礎(chǔ)上疊加另一高斯模型以描述慢速Bragg散射分量的貢獻(xiàn)。

4.3 短時(shí)局部譜研究

短時(shí)局部譜可以精細(xì)刻畫海雜波譜的時(shí)間非平穩(wěn)性和空間非均勻性，正確認(rèn)識(shí)該特性是有效評(píng)估協(xié)方差矩陣估計(jì)性能、自適應(yīng)檢測(cè)器的CFAR特性以及目標(biāo)檢測(cè)性能的前提[39,105]。

短時(shí)局部譜形狀通常建模為單分量高斯模型，在其關(guān)注的時(shí)間尺度內(nèi)，海雜波局部功率水平可近似描述為隨機(jī)常數(shù)，且不同時(shí)間段之間海雜波局部功率水平起伏變化，因此，利用該隨機(jī)常數(shù)對(duì)高斯模型進(jìn)行功率調(diào)制，就可以得到短時(shí)局部譜模型。然而，若僅考慮功率調(diào)制，則海雜波在所有多普勒門內(nèi)的統(tǒng)計(jì)特性完全相同，這顯然與海雜波測(cè)量數(shù)據(jù)的NSIM分析結(jié)果不一致[29]。實(shí)際上，除功率調(diào)制外，受海表面狀態(tài)、風(fēng)速/風(fēng)向等復(fù)雜海洋環(huán)境參數(shù)的影響，短時(shí)局部譜的譜寬和中心頻率均受到調(diào)制，表現(xiàn)出一定的隨機(jī)起伏，且部分參數(shù)之間具有一定的依賴關(guān)系，在建模過(guò)程中需綜合考慮這種依賴關(guān)系。

針對(duì)該問(wèn)題，Miller, Ward及Watts等人給出了短時(shí)譜建模的新方案[32,106–109]。Miller采用變化系數(shù)來(lái)分析海雜波，在此基礎(chǔ)上建立了短時(shí)局部譜形狀模型[106]。Ward將海雜波短時(shí)局部譜建模為隨機(jī)功率常數(shù)調(diào)制的兩分量混合高斯模型，以描述Bragg散射、Burst散射和白浪散射分量[32]。Watts進(jìn)一步深入研究了短時(shí)譜特征參數(shù)的耦合關(guān)系，建立了更加貼合測(cè)量數(shù)據(jù)的模型[33,107]，即，在幅度分布建模為K分布模型的基礎(chǔ)上，將譜的局部功率水平建模為Gamma分布模型，譜形狀采用高斯基函數(shù)建模，其譜寬本身也是高斯分布的隨機(jī)變量，而中心頻率則是一個(gè)與局部功率水平線性相關(guān)的Gamma分布隨機(jī)變量。該模型的有效性已經(jīng)得到X波段Fynmeet雷達(dá)小擦地角海雜波測(cè)量數(shù)據(jù)的驗(yàn)證，且在相參海雜波仿真、自適應(yīng)檢測(cè)算法性能評(píng)估等領(lǐng)域得到應(yīng)用[33,105]。在文獻(xiàn)[108,109]中，Watts等人對(duì)該模型做了修正和完善，以使其適用于中等擦地角條件下的海雜波測(cè)量數(shù)據(jù)。

除譜形狀建模外，各多普勒門內(nèi)譜的起伏性描述也是短時(shí)局部譜的重要研究?jī)?nèi)容，其研究結(jié)果直接關(guān)系到頻域目標(biāo)檢測(cè)算法中的CFAR門限設(shè)置。Baker較早認(rèn)識(shí)到了海雜波譜的非高斯特性，即，時(shí)域非高斯海雜波變換到頻域后，在不同多普勒門內(nèi)具有非高斯統(tǒng)計(jì)特性[110]。其研究結(jié)果表明，時(shí)域K分布模型同樣適用于描述單個(gè)距離-多普勒門內(nèi)海雜波譜的統(tǒng)計(jì)建模問(wèn)題，且該模型在描述其相關(guān)性方面具有一定的靈活性。此外，不同多普勒門內(nèi)K分布尺度參數(shù)c和形狀參數(shù)v均發(fā)生變化，這與Ward等人采用NSIM得到的分析結(jié)果一致[29]。形狀參數(shù)的較小值主要出現(xiàn)在譜峰邊緣區(qū)域，該區(qū)域內(nèi)多普勒功率水平較低，但是起伏較為劇烈，在分布特性上具有顯著的拖尾。該現(xiàn)象主要與譜寬的隨機(jī)起伏以及多普勒中心頻率的變化有關(guān)[29,108]。在文獻(xiàn)[111]中，利用X波段機(jī)載海雜波測(cè)量數(shù)據(jù)開展類似的分析，結(jié)果表明不同距離單元之間形狀參數(shù)隨頻率之間同樣表現(xiàn)出相同的變化規(guī)律。在頻域CFAR門限設(shè)置時(shí)，如何充分考慮不同多普勒門內(nèi)海雜波譜的尖峰和拖尾程度，以有效控制虛警數(shù)，是有待于進(jìn)一步解決的重要問(wèn)題。

4.4 其它層次的譜研究

隨現(xiàn)代信號(hào)處理理論和方法的不斷發(fā)展和完善，海雜波譜特性認(rèn)知涉及的內(nèi)容也得到了擴(kuò)展，除上述研究?jī)?nèi)容外，還可從更多層次上認(rèn)知海雜波譜特性，包括時(shí)變AR譜[50]、雙譜[112]、WVD時(shí)變譜[113]、Hilbert譜[114,115]、分?jǐn)?shù)階功率譜(FPS)[116]等。以FPS為例，它反映了隨機(jī)信號(hào)功率譜在分?jǐn)?shù)階Fourier變換(FRFT)域的變化和分布情況，非常適合分析時(shí)變隨機(jī)信號(hào)。采用FPS能夠從本質(zhì)上反映海面散射回波信號(hào)的功率譜在FRFT域的變化和能量分布，進(jìn)而分析海雜波中快散射體對(duì)應(yīng)的非Bragg散射分量譜特性。上述譜特性分析結(jié)果可輔助用于特征域目標(biāo)檢測(cè)方法設(shè)計(jì)。其總體思路為：提取和篩選出一系列能夠區(qū)分海雜波單元與目標(biāo)單元的差異特征，通過(guò)特征抽取和特征篩選將海雜波映射到低維特征空間，并在特征空間中選取一個(gè)能包含大多數(shù)海雜波特征向量的區(qū)域，以便有效分離目標(biāo)和海雜波的回波特征，實(shí)現(xiàn)目標(biāo)檢測(cè)的目的[114,115]。

5 海雜波相關(guān)性認(rèn)知

在高距離分辨率條件下，海雜波的時(shí)間-距離2維平面圖上會(huì)表現(xiàn)出明顯的紋理結(jié)構(gòu)，不同脈沖或不同距離單元之間不再是統(tǒng)計(jì)獨(dú)立的關(guān)系，此時(shí)，基于單點(diǎn)統(tǒng)計(jì)特性的海雜波模型往往具有一定的局限性，且模型層面的偏差通常會(huì)對(duì)雷達(dá)目標(biāo)檢測(cè)性能造成不利影響[20,117]。為提高模型的擬合精度，必須充分考慮海雜波相關(guān)性，其反映了不同脈沖或不同空間位置海雜波之間的線性依賴程度，其中，同一距離單元、不同脈沖之間的相關(guān)性稱為時(shí)間相關(guān)性，不同距離單元之間的相關(guān)性稱為空間相關(guān)性，包括距離向空間相關(guān)性和方位向空間相關(guān)性。海雜波相關(guān)性一般采用相關(guān)函數(shù)或其歸一化形式(即相關(guān)系數(shù))進(jìn)行定量描述，當(dāng)相關(guān)系數(shù)從1衰減為1/e時(shí)，對(duì)應(yīng)的時(shí)間間隔(或距離間隔)稱為相關(guān)時(shí)間(或相關(guān)長(zhǎng)度)[20]。

5.1 時(shí)間相關(guān)性

從復(fù)合表面理論散射機(jī)理可知，在不同時(shí)間尺度上，海雜波時(shí)間相關(guān)性差異顯著[118]。在小時(shí)間尺度上，即觀測(cè)時(shí)間約在雷達(dá)系統(tǒng)的CPI量級(jí)時(shí)，時(shí)間相關(guān)性主要與復(fù)合高斯模型中的散斑分量有關(guān)，其相關(guān)時(shí)間為毫秒量級(jí)。在大時(shí)間尺度上，即觀測(cè)時(shí)間約在海浪的主波周期量級(jí)時(shí)，時(shí)間相關(guān)性主要與紋理分量有關(guān)，其相關(guān)時(shí)間為秒量級(jí)。

由維納-辛欣定理可知，短時(shí)時(shí)間相關(guān)性與海雜波多普勒譜、協(xié)方差矩陣之間為一一對(duì)應(yīng)的關(guān)系，因此時(shí)間相關(guān)性分析結(jié)果可從時(shí)域角度揭示海雜波譜的基本特性。由于海雜波多普勒頻移通常不為零，因此時(shí)間相關(guān)系數(shù)的虛部不可忽略。若譜形狀中出現(xiàn)兩個(gè)分離的譜峰(L及L以下波段海雜波譜通常為該情況)，則時(shí)間相關(guān)性分析結(jié)果僅能揭示功率水平較大的譜峰特性[46]。短時(shí)時(shí)間相關(guān)性分析結(jié)果表明，其主要與雷達(dá)波段、極化、雷達(dá)體制、擦地角、風(fēng)向等因素有關(guān)，其主要研究結(jié)果為[22,46,47,118]：①VV極化的相關(guān)時(shí)間通常大于HH極化；②隨雷達(dá)工作頻率的減小，相關(guān)時(shí)間增加，對(duì)于X和S波段雷達(dá)，其典型值分別為10 ms和30 ms量級(jí)[46]；③頻率捷變對(duì)海雜波譜具有白化作用，使海雜波變得完全不相關(guān)；④隨擦地角增加，相關(guān)時(shí)間變長(zhǎng)；⑤在相同擦地角條件下，逆風(fēng)向海雜波較其它方向具有更長(zhǎng)的相關(guān)時(shí)間。在文獻(xiàn)[103]中，通過(guò)大量海雜波數(shù)據(jù)的統(tǒng)計(jì)分析，還建立了HH/VV極化條件下相關(guān)時(shí)間隨風(fēng)速和波高之間的半經(jīng)驗(yàn)關(guān)系模型。

長(zhǎng)時(shí)時(shí)間相關(guān)性本質(zhì)上反映的是紋理分量的相關(guān)性，在分析時(shí)首先需要對(duì)海雜波進(jìn)行平滑，以消除散斑分量的影響。時(shí)間相關(guān)系數(shù)首先表現(xiàn)出一個(gè)緩慢的下降期，然后是一個(gè)持續(xù)較長(zhǎng)時(shí)間的周期性緩慢衰減，其周期性主要與海表面的涌浪結(jié)構(gòu)有關(guān)。文獻(xiàn)[118]利用C, X和Ku波段高分辨率海雜波數(shù)據(jù)分析了長(zhǎng)時(shí)時(shí)間相關(guān)性，結(jié)果表明其與波段、距離分辨率無(wú)關(guān)，與極化有一定的關(guān)系，其中，VV極化時(shí)周期性調(diào)制特征更加顯著。文獻(xiàn)[17]利用X波段Ingara雷達(dá)在澳大利亞南海岸測(cè)量的海雜波數(shù)據(jù)，分析了VV極化條件下逆風(fēng)/逆浪、側(cè)風(fēng)/側(cè)浪以及視線方向介于兩者之間這3種情況下的長(zhǎng)時(shí)時(shí)間相關(guān)性，結(jié)果表明：在逆風(fēng)/逆浪情況下，相關(guān)系數(shù)起伏周期最長(zhǎng)，約為11 s量級(jí)，與觀測(cè)到的涌浪周期完全一致；在側(cè)風(fēng)/側(cè)浪情況下，相關(guān)系數(shù)起伏周期最短，約為3 s量級(jí)，這主要是因?yàn)榍邢蚍直媛瘦^低，隨涌浪在波束之間的運(yùn)動(dòng)，在時(shí)間上僅能分辨結(jié)構(gòu)大于切向分辨率的涌浪成分；在其它方向上，相關(guān)系數(shù)起伏周期介于兩者之間，約為7 s量級(jí)。在文獻(xiàn)[33]和文獻(xiàn)[49]中，分別分析了Fynmeet雷達(dá)和VV極化條件下IPIX雷達(dá)海雜波的長(zhǎng)時(shí)時(shí)間相關(guān)性，結(jié)果表明其相關(guān)系數(shù)的起伏周期分別為10 s和6.5 s。

在建模方面，短時(shí)時(shí)間相關(guān)性模型可直接通過(guò)多普勒譜模型的逆傅里葉變換得到，因此在海雜波仿真或自適應(yīng)檢測(cè)器性能分析中，通常采用高斯模型建模。此外，指數(shù)衰減模型、冪率模型等也得到了應(yīng)用[119]。而在長(zhǎng)時(shí)時(shí)間相關(guān)性方面，目前更多關(guān)注的仍然是特性描述及其在海雜波仿真中的應(yīng)用[33]，尚不存在有效的模型形式來(lái)描述其周期性衰減特性，因此仍需開展進(jìn)一步研究。

5.2 空間相關(guān)性

海雜波空間相關(guān)性同樣與尺度密切相關(guān)，在較小的空間尺度上反映的是散斑分量的空間相關(guān)性，其固有的粗糙特性導(dǎo)致不同距離分辨單元上的散斑分量通常是不相關(guān)的，而在較大的空間尺度上反映的則是紋理分量的空間相關(guān)性，其主要與海表面的涌浪結(jié)構(gòu)有關(guān)，且兩者的相關(guān)距離在同一量級(jí)[17]。從嚴(yán)格意義上講，海雜波空間相關(guān)性還同時(shí)受時(shí)間因素的影響，其中，對(duì)于距離向空間相關(guān)性，由于測(cè)量數(shù)據(jù)的時(shí)間間隔很短，所以可以忽略其時(shí)間相關(guān)性，而方位向空間相關(guān)性則不可忽略，其反映的是時(shí)間與空間耦合影響下的總體相關(guān)性。

空間相關(guān)性對(duì)雷達(dá)目標(biāo)檢測(cè)性能的影響很大，比如，若不能準(zhǔn)確估計(jì)海雜波相關(guān)距離單元個(gè)數(shù)，將導(dǎo)致CFAR檢測(cè)器中參考單元數(shù)選取的盲目性，從而無(wú)法獲取最優(yōu)CFAR增益，引起目標(biāo)檢測(cè)性能損失[120]。

在空間相關(guān)性理論研究方面，Marier[92], Raghavan[121]以及Lombardo[122]等人的研究較有代表性。在幅度分布滿足復(fù)合高斯的假定下，利用概率論的基本原理和方法，推導(dǎo)得到海雜波幅度的空間相關(guān)系數(shù)與紋理分量、散斑分量空間相關(guān)系數(shù)之間的非線性關(guān)系模型。在紋理分量和散斑分量空間相關(guān)系數(shù)分別已知的情況下，可依據(jù)該模型計(jì)算海雜波幅度的空間相關(guān)系數(shù)。然而，該理論關(guān)系模型結(jié)構(gòu)復(fù)雜，且缺乏實(shí)測(cè)數(shù)據(jù)驗(yàn)證，因此僅在海雜波仿真中得到部分應(yīng)用。

在基于測(cè)量數(shù)據(jù)的研究方面，Watts等人在1987年采用頻率捷變雷達(dá)的海雜波測(cè)量數(shù)據(jù)對(duì)空間相關(guān)性開展了研究[123]，并提出了半經(jīng)驗(yàn)關(guān)系模型和指數(shù)衰減模型。該雷達(dá)距離分辨率為4.2 m，而距離采樣間隔為2.6 m(屬于過(guò)采樣情況)，每個(gè)序列包含大約250個(gè)距離采樣點(diǎn)。在計(jì)算相關(guān)系數(shù)時(shí)，為消除散斑分量的影響，每個(gè)距離單元的數(shù)據(jù)采用100個(gè)連續(xù)的脈沖進(jìn)行平滑，得到平均幅度序列，取平方后得到平均強(qiáng)度序列，并計(jì)算其相關(guān)系數(shù)。最后，采用100個(gè)連續(xù)的序列對(duì)相關(guān)系數(shù)取平均，得到最終的空間相關(guān)系數(shù)。Watts模型因結(jié)構(gòu)簡(jiǎn)單，在后續(xù)海雜波仿真、目標(biāo)檢測(cè)性能評(píng)估與預(yù)測(cè)等方面得到大量應(yīng)用[120]。然而，該模型僅適用于小擦地角條件，且與半經(jīng)驗(yàn)?zāi)Ｐ完P(guān)聯(lián)的影響參數(shù)較少，導(dǎo)致其適用性受限。

此外，Armstrong, Siegel, Tough等人也分別對(duì)海雜波的空間相關(guān)性及其在目標(biāo)檢測(cè)、雜波仿真等領(lǐng)域的應(yīng)用開展了研究[118,124–126]。以Siegel等人的研究為例，其研究結(jié)果表明[118]，從C到Ku波段，在逆風(fēng)/逆浪條件下，海雜波空間相關(guān)性與波段和極化均無(wú)關(guān)，而在順風(fēng)/順浪條件下，空間相關(guān)性與極化有關(guān)，其中，VV極化時(shí)相關(guān)長(zhǎng)度更長(zhǎng)；海尖峰的空間相關(guān)性與風(fēng)向/浪向、波段和極化均無(wú)關(guān)。

空間相關(guān)性方面較為系統(tǒng)性的研究可參考DSTO的技術(shù)報(bào)告，其利用L, S和X波段海雜波數(shù)據(jù)，對(duì)相參和非相參條件下的距離向/方位向空間相關(guān)性開展了研究[17,20–22]，主要研究結(jié)果為：①相參條件下海雜波距離向相關(guān)長(zhǎng)度小于雷達(dá)距離分辨率，且I/Q分量在空間上不相關(guān)；②非相參條件下，海雜波幅度的距離向/方位向相關(guān)長(zhǎng)度分別在一個(gè)徑向/方位向分辨單元之內(nèi)；③海雜波強(qiáng)度的空間相關(guān)函數(shù)由兩部分組成，第1部分為快變化散斑分量的貢獻(xiàn)，在不同距離單元之間不相關(guān)，第2部分為慢變化紋理分量的貢獻(xiàn)，具有較強(qiáng)的相關(guān)性，海雜波強(qiáng)度總的空間相關(guān)性主要與紋理分量有關(guān)；④在距離向，紋理分量的空間相關(guān)性在HH/ VV極化條件下具有幾乎相同的周期性起伏特性，在方位向同樣如此，但是起伏周期更長(zhǎng)，該起伏周期包含了海表面涌浪結(jié)構(gòu)信息；⑤逆風(fēng)向條件下海雜波紋理分量的距離向相關(guān)長(zhǎng)度大于側(cè)風(fēng)向；⑥在頻率捷變條件下，距離向空間相關(guān)性幾乎不受影響，而方位向空間相關(guān)性的變化較為顯著。

在空間相關(guān)建模方面，指數(shù)衰減模型和冪率模型是應(yīng)用較為廣泛的模型形式[14,120]，這兩類模型均描述了復(fù)合高斯模型中紋理分量的距離向空間相關(guān)性。在海雜波幅度分布滿足K分布模型的假定下，通過(guò)理論推導(dǎo)還可以得到與之對(duì)應(yīng)的海雜波強(qiáng)度距離向空間相關(guān)模型[25]。該模型可以有效描述空間相關(guān)系數(shù)在初始階段表現(xiàn)出的快速下降趨勢(shì)，但是實(shí)測(cè)數(shù)據(jù)的分析結(jié)果表明，在快速下降后還會(huì)出現(xiàn)一個(gè)緩慢的周期性衰減過(guò)程，該周期性隱含了徑向上觀測(cè)到的涌浪結(jié)構(gòu)信息[22]。顯然，已有模型難以完整描述上述特征。針對(duì)該問(wèn)題，在空間相關(guān)性分析的基礎(chǔ)上[127]，文獻(xiàn)[128]建立了一種三參數(shù)空間相關(guān)新模型，以兩分量線性加權(quán)的形式實(shí)現(xiàn)了空間相關(guān)建模精度的改善。

6 海雜波非平穩(wěn)性與非線性認(rèn)知

海雜波特性認(rèn)知的已有研究大多建立在平穩(wěn)假設(shè)條件下，在該假設(shè)下，海雜波相關(guān)性分析、多普勒譜估計(jì)以及協(xié)方差矩陣估計(jì)等都可以采用較為簡(jiǎn)單的方法。然而，隨著雷達(dá)分辨率的提高和海況等級(jí)的增加，平穩(wěn)性假設(shè)條件很難滿足，海雜波所表現(xiàn)出的復(fù)雜特性已經(jīng)從非高斯擴(kuò)展到非平穩(wěn)和非線性[49,50]，文獻(xiàn)[129]將其統(tǒng)稱為海雜波的“三非”特性，如圖3所示。此時(shí)，僅采用常規(guī)統(tǒng)計(jì)學(xué)方法研究海雜波特性時(shí)會(huì)存在一定的局限性，需要對(duì)海雜波特性認(rèn)知的理論和方法進(jìn)行擴(kuò)展和完善，以便于從更加深入的層次上認(rèn)識(shí)和理解海雜波的復(fù)雜性及其電磁散射機(jī)理。

圖3 海雜波的“三非”特性Fig. 3 “Tri-non” properties of sea clutter

海雜波的非平穩(wěn)性主要由海表面狀態(tài)的時(shí)變特性引起。非平穩(wěn)性分析大多采用信號(hào)分解方法[130–132]，如經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)，通過(guò)分解可以將復(fù)雜的海雜波表示為簡(jiǎn)單的、有限個(gè)分量疊加的形式，這些分量即為固有模態(tài)函數(shù)(IMF)。此外，采用變換域方法研究海雜波非平穩(wěn)性是另一種常用的思路，其研究對(duì)象主要包括動(dòng)態(tài)譜、WVD和Loève譜等[113]。已經(jīng)建立或應(yīng)用的非平穩(wěn)性模型主要包括循環(huán)平穩(wěn)模型、時(shí)變自回歸(TVAR)模型、突變AR模型等[50,133–135]。此外，相關(guān)文獻(xiàn)還研究了非平穩(wěn)海雜波背景下協(xié)方差矩陣的估計(jì)方法及其對(duì)自適應(yīng)檢測(cè)算法的性能影響等問(wèn)題[39,135,136]。

對(duì)于非線性特性，從機(jī)理上看，其主要與海表面的動(dòng)態(tài)結(jié)構(gòu)密切相關(guān)。采用非線性理論研究海雜波特性在一定程度上豐富和發(fā)展了已有的統(tǒng)計(jì)學(xué)研究方法，兩種理論方法相互補(bǔ)充，并不矛盾。已有的非線性理論主要包括混沌理論、分形理論、孤立子理論及時(shí)間序列的統(tǒng)計(jì)非線性理論等。在國(guó)內(nèi)外已有研究中，混沌理論和分形理論在海雜波特性研究中應(yīng)用較多[137–142]。

在非線性特性研究中，海雜波是否具有混沌特性還存在較大爭(zhēng)議，經(jīng)X波段實(shí)測(cè)數(shù)據(jù)證實(shí)，短時(shí)間內(nèi)海雜波序列不可采用單分量混沌模型來(lái)建模，但不排除海雜波有可能是多個(gè)混沌模型復(fù)合而成[138,139]，而分形理論的研究較多，且具有一定的機(jī)理可解釋性[141,142]。對(duì)于分形特性，相關(guān)研究結(jié)果表明，海表面物理結(jié)構(gòu)在一定的尺度范圍內(nèi)具有分形特性，對(duì)人造物體等光滑和規(guī)則對(duì)象的描述是失配的，因此分形特性參數(shù)可以直觀反映出海雜波單元與目標(biāo)單元的差異，在目標(biāo)檢測(cè)領(lǐng)域具有一定的應(yīng)用潛力。

波動(dòng)分析(FA)方法是一種常用的分形特性分析方法，它刻畫了時(shí)間序列的2階統(tǒng)計(jì)特性。然而，當(dāng)序列具有非平穩(wěn)性時(shí)，F(xiàn)A往往無(wú)法反映出真實(shí)的標(biāo)度特性[142]。針對(duì)該問(wèn)題，Peng等人在研究DNA序列時(shí)提出了消除趨勢(shì)波動(dòng)分析(DFA)方法，通過(guò)局部趨勢(shì)項(xiàng)的擬合和消除，為非平穩(wěn)、長(zhǎng)程冪率相關(guān)時(shí)間序列的標(biāo)度特性分析提供了有效的工具[143]。目前，DFA已經(jīng)在DNA序列、氣象數(shù)據(jù)以及金融時(shí)間序列分析等領(lǐng)域得到普遍應(yīng)用[144,145]。顯然，在海雜波滿足非平穩(wěn)性的前提下，更加適合采用DFA分析其分形標(biāo)度特性。例如，文獻(xiàn)[142]從目標(biāo)檢測(cè)的需求出發(fā)，采用DFA研究了海雜波在3種數(shù)據(jù)域的分形標(biāo)度特性，即幅度、幅度的部分和以及幅度的1階差分，研究表明前兩種數(shù)據(jù)域的分形特性在海雜波單元與目標(biāo)單元具有較大差異。文獻(xiàn)[146,147]認(rèn)識(shí)到DFA結(jié)果中出現(xiàn)的交叉標(biāo)度現(xiàn)象及其對(duì)目標(biāo)檢測(cè)的不利影響，通過(guò)最優(yōu)尺度區(qū)間選取，并利用該區(qū)間內(nèi)的標(biāo)度指數(shù)和截距組成檢驗(yàn)統(tǒng)計(jì)量，設(shè)計(jì)出一種基于聯(lián)合分形特性的目標(biāo)檢測(cè)算法，并對(duì)檢測(cè)性能進(jìn)行了分析。文獻(xiàn)[148]和文獻(xiàn)[149]進(jìn)一步采用DFA分析了波段、極化及海洋環(huán)境參數(shù)影響下海雜波的分形特性，并以分段標(biāo)度指數(shù)差異為特征量設(shè)計(jì)了一種目標(biāo)檢測(cè)方法。

目前，海雜波分形特性認(rèn)知研究已經(jīng)從較為簡(jiǎn)單的單一分形特性向多角度(如多重分形特性、擴(kuò)展分形特性等)和多域(如頻域、FRFT域等)擴(kuò)展，并對(duì)其主要影響因素進(jìn)行了分析。在此基礎(chǔ)上，通過(guò)提取和篩選能夠有效區(qū)分海雜波單元與目標(biāo)單元的分形特性參數(shù)，設(shè)計(jì)了一系列基于分形特性的目標(biāo)檢測(cè)方法，有效提升了海雜波中的微弱目標(biāo)檢測(cè)

性能[150–155]。

7 研究展望

海雜波特性認(rèn)知既是一個(gè)共性技術(shù)問(wèn)題，又是一個(gè)基礎(chǔ)問(wèn)題，在過(guò)去數(shù)十年的研究過(guò)程中，積累了很多經(jīng)驗(yàn)和方法，也得到了大量有價(jià)值的研究結(jié)論，在目標(biāo)檢測(cè)方法研究中發(fā)揮了重要價(jià)值。然而，仍然存在許多有待于進(jìn)一步研究和探索的基礎(chǔ)問(wèn)題和應(yīng)用問(wèn)題，正如《雷達(dá)手冊(cè)》中海雜波章節(jié)最后總結(jié)的一樣，“目前看來(lái)進(jìn)展并不顯著”[4]。具體來(lái)講，可歸納為以下幾點(diǎn)。

(1) 海雜波影響因素的深化分析

海雜波影響因素眾多，如雷達(dá)參數(shù)(包括波段、波形、極化、分辨率、帶寬、波束寬度、PRF等)、海洋環(huán)境參數(shù)(包括溫度、鹽度、介電常數(shù)、折射率、浪高、周期、涌浪方向/波長(zhǎng)、風(fēng)速/風(fēng)向等)、地理幾何參數(shù)(包括平臺(tái)高度、擦地角、方位角等)、海域(包括深海、淺海、近海岸等)、平臺(tái)類型(包括岸基、艦載、機(jī)載、彈載等)等。海雜波特性隨這些因素之間有著復(fù)雜的聯(lián)系，而且不同因素對(duì)海雜波特性的影響往往不是獨(dú)立的，而是相互耦合的。在給出海雜波特性分析結(jié)論或模型時(shí)，需要同時(shí)明確其對(duì)應(yīng)的參數(shù)集合，否則結(jié)論或模型將不再適用。例如，方位向空間相關(guān)性以PRF換算為時(shí)間表示后，Ward, Dong, Chan和Stehwien的分析結(jié)果分別為5～10 ms[2], 4 ms[20], 10 ms[46]和8 ms[47]，這種差異性主要源于海雜波測(cè)量參數(shù)的不同。再如，在中等以上擦地角條件下，占據(jù)主導(dǎo)作用的散射機(jī)理為粗糙海面的Bragg散射以及少量的白浪散射，而在小擦地角條件下，占據(jù)主導(dǎo)作用的散射機(jī)理為Bragg散射、白浪散射和鏡面散射等，機(jī)理層面的差異導(dǎo)致小擦地角條件下的海雜波譜模型不再適用于大擦地角條件[103]。由此可見，海雜波特性認(rèn)知研究是一項(xiàng)極其復(fù)雜的系統(tǒng)工程，有必要進(jìn)一步開展系統(tǒng)、持續(xù)、深入的研究，揭示不同因素影響下的海雜波特性變化趨勢(shì)，并探索海雜波參數(shù)隨主要影響因素之間的半經(jīng)驗(yàn)關(guān)系模型。

(2) 海雜波精細(xì)化建模與檢測(cè)器需求的博弈

海雜波特性認(rèn)知目前從總體上看更趨向于關(guān)注精細(xì)化建模問(wèn)題，如精細(xì)化幅度分布或短時(shí)譜建模等。這些模型在擬合實(shí)測(cè)數(shù)據(jù)方面具有很高的精度，但是模型形式通常較為復(fù)雜，往往不能給出有效和實(shí)用的目標(biāo)檢測(cè)器，或者盡管可以給出與之匹配的檢測(cè)器，但是有限的檢測(cè)性能提升需要以運(yùn)算復(fù)雜度的大幅增加為代價(jià)。事實(shí)上，實(shí)際雷達(dá)目標(biāo)檢測(cè)中經(jīng)常遇到的近區(qū)雜波與遠(yuǎn)區(qū)雜波、陸地雜波與海雜波等雜波區(qū)域識(shí)別問(wèn)題卻很少有深入研究。對(duì)于運(yùn)動(dòng)平臺(tái)的雷達(dá)，如導(dǎo)航雷達(dá)、機(jī)載雷達(dá)等，陸海交界處的陸地雜波對(duì)雷達(dá)系統(tǒng)的整體檢測(cè)性能，尤其是對(duì)海岸線附近的目標(biāo)檢測(cè)造成了嚴(yán)重的影響；同時(shí)，近程海雜波區(qū)域大小在不同海況下會(huì)發(fā)生較大的變化，從而也較大程度地影響海雜波抑制方法的參數(shù)設(shè)置，而這類問(wèn)題在海雜波特性認(rèn)知中較少涉及。因此，精細(xì)化建模一方面需要解決理論問(wèn)題，另一方面也要兼顧檢測(cè)器的實(shí)際需求。同樣，在檢測(cè)器設(shè)計(jì)時(shí)，一方面要有效利用精細(xì)化建模的成果，提升算法對(duì)復(fù)雜海洋環(huán)境的適應(yīng)性，另一方面又要做出合理簡(jiǎn)化，以使其滿足工程應(yīng)用的需求。兩者之間如何折中考慮，是需要進(jìn)一步探索的問(wèn)題。

(3) 海雜波與目標(biāo)差異特性認(rèn)知

雷達(dá)目標(biāo)檢測(cè)問(wèn)題從本質(zhì)上看是要有效區(qū)分“目標(biāo)+海雜波”與純海雜波，因此，研究海雜波與目標(biāo)差異特性認(rèn)知更能體現(xiàn)雷達(dá)目標(biāo)檢測(cè)問(wèn)題的實(shí)質(zhì)。在考慮擾動(dòng)反饋機(jī)理的情況下，目標(biāo)的存在對(duì)海面具有擾動(dòng)作用，海面對(duì)目標(biāo)也具有反饋?zhàn)饔?。為此，在同時(shí)考慮目標(biāo)對(duì)海面的擾動(dòng)作用和海面對(duì)目標(biāo)的反饋?zhàn)饔们疤嵯?，可進(jìn)一步研究目標(biāo)擾動(dòng)作用下距離-方位聯(lián)合維度海雜波特性、海面反饋?zhàn)饔孟掳肟臻g目標(biāo)特性，分別形成海雜波模型和目標(biāo)模型，在此基礎(chǔ)上，尋求可穩(wěn)定反映目標(biāo)與海雜波差異的特征，并給出相應(yīng)的參數(shù)估計(jì)方法。該差異特性認(rèn)知是一個(gè)新的研究課題，可為海雜波中目標(biāo)檢測(cè)技術(shù)研究提供技術(shù)支持，目前該內(nèi)容已得到國(guó)家自然科學(xué)基金項(xiàng)目“擾動(dòng)反饋?zhàn)饔孟吕走_(dá)目標(biāo)與海雜波差異特性認(rèn)知研究”(編號(hào)為61401495)的資助。

(4) 海雜波特性認(rèn)知在海面狀態(tài)測(cè)量中的應(yīng)用

對(duì)雷達(dá)探測(cè)而言，海雜波是不利因素，海雜波特性認(rèn)知的主要目的在于抑制海雜波、改善信雜比、提升檢測(cè)性能。然而，在海洋遙感領(lǐng)域，海雜波信號(hào)中包含了豐富的海浪信息，通過(guò)對(duì)實(shí)測(cè)海雜波視頻圖像序列進(jìn)行分析與處理，可以實(shí)現(xiàn)海面狀態(tài)測(cè)量的功能，即海態(tài)反演。反演得到的海浪參數(shù)主要包括有效波高、譜峰頻率、頻譜寬度、平均周期等。已有海態(tài)反演算法對(duì)雷達(dá)系統(tǒng)和環(huán)境參數(shù)均有較高要求，例如，雷達(dá)為固定平臺(tái)，HH極化，脈寬小于80 ns，且風(fēng)速應(yīng)大于3 m/s等。能否結(jié)合海雜波特性認(rèn)知所得到的精細(xì)化信息改善海態(tài)反演算法的適用性，是一個(gè)值得關(guān)注的問(wèn)題。

[1]Ward K and Watts S. Use of sea clutter models in radar design and development[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 146–157.

[2]Ward K, Tough R, and Watts S. Sea Clutter: Scattering, the K-distribution and Radar Performance, 2nd ed[M]. London: The Institution of Engineering and Technology, 2013.

[3]Long M W. Radar Reflectivity of Land and Sea, 3nd ed[M]. London: Artech House radar library, 2001.

[4]Skolnik M I. Radar Handbook, 3nd ed[M]. New York: The McGraw-Hill Companies Inc., 2008.

[5]Gini F, Farina A, and Greco M. Selected list of references on radar signal processing[J]. IEEE Transactions on Aerospace and Electronic Systems, 2001, 37(1): 329–359.

[6]Daley J C, Ransone J T, Burkett J A, et al.. Sea clutter measurements on four frequencies[R]. Naval Research Laboratory Report 6806, November 1968.

[7]Titi G W and Marshall D F. The ARPA/Navy Mountaintop program: adaptive signal processing for airborne early warning radar[C]. In Proceedings of 1996 IEEE International Conference on Acoustics, Speech, and Signal Processing, 1996: 1165–1168.

[8]Little M O and Berry W P. Real-time multichannel airborne radar measurements[C]. IEEE National Radar Conference, 1997: 138–142.

[9]Charles L R, Eckert E, Siegel A, et al.. X-band lowgrazing-angle ocean backscatter obtained during LOGAN 1993[J]. IEEE Journal of Oceanic Engineering, 1997, 22(1): 18–26.

[10]Drosopoulos A. Description of the OHGR database[R]. Defence Research Establishment Ottawa, Technical Note 94–14, 1994.

[11]Wind H J De, Cilliers J C, and Herselman P L. Sea clutter and small boat radar reflectivity databases[J]. IEEE Signal Processing Magazine, 2010, 32(2): 145–148.

[12]Hair T, Lee T, and Baker C J. Statistical properties of multifrequency high-range-resolution sea reflections[J]. IEE Proceedings-F, 1991, 138(2): 75–79.

[13]Carretero-Moya J, Gismero-Menoyo J, Blanco-del-Campo A, et al.. Statistical analysis of a high-resolution sea-clutter database[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(4): 2024–2037.

[14]Antipov I. Simulation of sea clutter returns[R]. Technical Report, DSTO-TR-0679, 1998.

[15]Antipov I. Analysis of sea clutter data[R]. Technical Report, DSTO-TR-0647, 1998.

[16]Choong P L. Modelling airborne L-band radar sea and coastal land clutter[R]. Technical Report, DSTO-TR-0945, 2000.

[17]Antipov I. Statistical analysis of northern Australian coastline sea clutter data[R]. Technical Report, DSTO-TR-1236, 2002.

[18]Dong Y. Clutter spatial distribution and new approaches of parameter estimation for Weibull and K-distributions[R]. Technical Report, DSTO-RR-0274, 2004.

[19]Dong Y. Distribution of X-band high resolution and high grazing angle sea clutter[R]. Technical Report, DSTO-RR-0316, 2006.

[20]Dong Y. High grazing angle and high resolution sea clutter correlation and polarization analyses[R]. Technical Report, DSTO-TR-1972, 2007.

[21]Dong Y and Merrett D. Statistical measures of S-band sea clutter and targets[R]. Technical Report, DSTO-TR-2221, 2008.

[22]Dong Y and Merrett D. Analysis of L-band multi-channel sea clutter[R]. Technical Report, DSTO-TR-2455, 2010.

[23]Bocquet S. Calculation of radar probability of detection in K-distributed sea clutter and noise[R]. Technical Report, DSTO-TN-1000, 2011.

[24]Weinberg G. Investigation of the Pareto distribution as a model for high grazing angle clutter[R]. Technical Report, DSTO-TR-2525, 2011.

[25]Dong Y, Rosenberg L, and Weinberg G. Generating correlated gamma sequences for sea-clutter simulation[R]. Technical Report, DSTO-TR-2688, 2012.

[26]Rosenberg L and Watts S. High grazing angle sea-clutter literature review[R]. Technical Report, DSTO-GD-0736, 2013.

[27]Whitrow J L. A model of low grazing angle sea clutter for coherent radar performance analysis[R]. Technical Report, DSTO-TR-2864, 2013.

[28]Rosenberg L. Sea-spike detection in high grazing angle X-band sea-clutter[R]. Technical Report, DSTO-TR-2820, 2013.

[29]Ward K D, Barker C J, and Watts S. Maritime surveillance radar Part 1: Radar scattering from the ocean surface[J]. IEE Proceedings-F, 1990, 137(2): 51–63.

[30]Greco M, Gini F, and Rangaswamy M. Statistical analysis of measured polarimetric clutter data at different range resolutions[J]. IEE Proceedings-Radar, Sonar and Navigation, 2006, 153(6): 473–481.

[31]Gregers-Hansen V and Mital R. An improved empirical model for radar sea clutter reflectivity[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(4): 3512–3524.

[32]Raynal M A and Doerry A W. Doppler characteristics of sea clutter[R]. Technical Report, SAND2010-3828, 2010.

[33]Watts S. Modeling and simulation of coherent sea clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(4): 3303–3317.

[34]Al-Ashwal W A, Woodbridge K, and Griffiths H D. Analysis of bistatic sea clutter—Part I: Average reflectivity[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(2): 1283–1292.

[35]Al-Ashwal W A, Woodbridge K, and Griffiths H D. Analysis of bistatic sea clutter—Part II: Amplitude statistics[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(2): 1293–1303.

[36]Gini F and Greco M. Texture modelling, estimation and validation using measured sea clutter data[J]. IEE Proceedings-Radar, Sonar and Navigation, 2002, 149(3): 115–124.

[37]Plant W J. Microwave sea return at moderate to high incidence angles[J]. Waves in Random Media, 2003, 13(4): 339–354.

[38]Gotwols B L, Thompson D R, and Chapman R D. Ocean backscatter distribution functions at mid incidence[C]. Proceedings Engineering in Harmony with Ocean, 1993: II/10.

[39]Greco M, Stinco P, and Gini F. Impact of sea clutter nonstationarity on disturbance covariance matrix estimation and CFAR detector performance[J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(3): 1502–1513.

[40]Lamont-Smith T, Waseda T, and Rheem C K. Measurements of the Doppler spectra of breaking waves[J]. IET Radar, Sonar & Navigation, 2007, 1(2): 149–157.

[41]Trunk G V and George S F. Detection of targets in non-Gaussian sea clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 1970, 6(5): 620–628.

[42]Trunk G V. Radar properties of non-Rayleigh sea clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 1972, 8(2): 196–204.

[43]Trunk G V. Non-Rayleigh sea clutter: Properties and detection of targets[R]. NRL Report, 1976, No. 7986.

[44]Jakeman E and Pusey P N. A model for non-Rayleigh sea echo[J]. IEEE Transactions on Antennas and Propagation, 1976, 24(6): 806–814.

[45]Sangston K J and Gerlach K R. Coherent detection of radar targets in a non-Gaussian background[J]. IEEE Transactions on Aerospace and Electronic Systems, 1994, 30(2): 330–340.

[46]Chan H C. Radar sea-clutter at low grazing angles[J]. IEE Proceedings-F, 1990, 137(2): 102–112.

[47]Stehwien W. Statistics and correlation properties of high resolution X-band sea clutter[C]. Proceedings of the 1994 IEEE National Radar Conference, 1994: 36–51.

[48]Conte E, Maio A De, and Galdi C. Statistical analysis of real clutter at different range resolutions[J]. IEEE Transactions on Aerospace and Electronic Systems, 2004, 40(3): 903–918.

[49]Haykin S, Bakker R, and Currie B W. Uncovering nonlinear dynamics: The case study of sea clutter[J]. Proceedings of the IEEE, 2002, 90(5): 860–881.

[50]Greco M, Bordoni F, and Gini F. X-band sea-clutter nonstationarity: Influence of long waves[J]. IEEE Journal of Ocean Engineering, 2004, 29(2): 269–283.

[51]Watts S and Wicks D C. Empirical models for prediction in K-distribution radar sea clutter[C]. IEEE International Radar Conference, 1990: 189–194.

[52]Ryan J and Johnson M. Radar performance prediction for target detection at sea[C]. IEE Conference Radar-92, 1992: 13–17.

[53]Conte E, Lops M, and Ricci G. Asymptotically optimum radar detection in compound-Gaussian clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 1995, 31(2): 617–625.

[54]Conte E, Lops M, and Ricci G. Adaptive matched filter detection in spherically invariant noise[J]. IEEE Signal Processing Letters, 1996, 3(8): 248–250.

[55]Conte E and Maio A D. Mitigation techniques for non-Gaussian sea clutter[J]. IEEE Journal of Ocean Engineering, 2004, 29(2): 284–302.

[56]Pulsone N B and Raghavan R S. Analysis of an adaptive CFAR detector in non-Gaussian interference[J]. IEEETransactions on Aerospace and Electronic Systems, 1999, 35(3): 903–916.

[57]Rangaswamy M. Statistical analysis of the nonhomogeneity detector for non-Gaussian interference backgrounds[J]. IEEE Transactions on Signal Processing, 2005, 53(6): 2101–2111.

[58]Farina A, Gini F, Greco M V, et al.. High resolution sea clutter data: Statistical analysis of recorded live data[J]. IEE Proceedings-Radar, Sonar and Navigation, 1997, 144(3): 121–130.

[59]Shnidman D A. Generalized radar clutter model[J]. IEEE Transactions on Aerospace and Electronic Systems, 1999, 35(3): 857–865.

[60]Rosenberg L and Bocquet S. Application of the Pareto plus noise distribution to medium grazing angle sea-clutter[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(1): 255–261.

[61]Liu Y, Frasier S J, and Mcintosh R E. Measurement and classification of low-grazing-angle radar sea spikes[J]. IEEE Transactions on Antennas and Propagation, 1998, 46(1): 27–40.

[62]Gutnik V G, Kulemin G P, and Sharapov L. Spike statistics features of the radar sea clutter in the millimeter wave band at extremely small grazing angles[J]. Physics and Engineering of Millimeter and Sub-Millimeter Waves, 2001, 43(3): 426–428.

[63]Melief H W, Greidanus H, and Genderen P. Analysis of sea spikes in radar sea clutter data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(4): 985–993.

[64]Lyzenga D R, Maffett A L, and Shuchman R A. The contribution of wedge scattering to the radar cross section of the ocean surface[J]. IEEE Transactions on Geoscience and Remote Sensing, 1983, 21(4): 502–505.

[65]Keller M R, Gotwols B L, and Chapman R D. Multiple sea spike definitions: Reducing the clutter[C]. Geoscience and Remote Sensing Symposium, 2002: 940–942.

[66]Posner F and Gerlach K. Sea spike demographics at high range resolutions and very low grazing angles[C]. Radar Conference, Proceedings of the 2003 IEEE, 2003: 38–45.

[67]Posner F L. Spiky sea clutter at high range resolutions and very low grazing angles[J]. IEEE Transactions on Aerospace and Electronic Systems, 2002, 38(1): 58–73.

[68]Greco M, Stinco P, and Gini F. Identification and analysis of sea radar clutter spikes[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 239–250.

[69]Rosenberg L. Sea-spike detection in high grazing angle X-band sea-clutter[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(8): 4556–4562.

[70]Middleton D. New physical-statistical methods and models for clutter and reverberation: The KA-distribution and related probability structures[J]. IEEE Journal of Ocean Engineering, 1999, 24(3): 261–283.

[71]Ward K D and Tough R J. Radar detection performance in sea clutter with discrete spikes[C]. International Conference Radar 2002, 2002: 253–257.

[72]Watts S, Ward K D, and Tough R J A. The physics and modelling of discrete spikes in radar sea clutter[C]. Proceedings of International Radar Conference, 2005: 72–77.

[73]Rosenberg L, Crisp D J, and Stacy N J. Analysis of the KK-distribution with medium grazing angle sea-clutter[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 209–222.

[74]Blunt S D, Gerlach K, and Heyer J. HRR detector for slow-moving targets in sea clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(3): 965–974.

[75]許心瑜, 張玉石, 黎鑫, 等. L波段小擦地角海雜波KK分布建模[J]. 系統(tǒng)工程與電子技術(shù), 2014, 36(7): 1304–1308. Xu X Y, Zhang Y S, Li X, et al.. KK distribution modeling with L band low grazing sea clutter[J]. Systems Engineering and Electronics, 2014, 36(7): 1304–1308.

[76]高彥釗, 占榮輝, 萬(wàn)建偉. KK分布雜波下的距離擴(kuò)展目標(biāo)檢測(cè)算法[J]. 國(guó)防科技大學(xué)學(xué)報(bào), 2015, 37(1): 118–124. Gao Y Z, Zhan R H, and Wan J W. Range-spread target detection in KK-distributed clutter[J]. Journal of National University of Defense Technology, 2015, 37(1): 118–124.

[77]Ding H, Huang Y, Liu N B, et al.. Modeling of sea spike events with generalized extreme value distribution[C]. Proceedings European Radar Conference (EuRAD), 2015: 113–116.

[78]Balleri A, Nehorai A, and Wang J. Maximum likelihood estimation for compound-Gaussian clutter with inverse gamma texture[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(2): 775–780.

[79]Gotwols B L and Thompson D R. Ocean microwave backscatter distributions[J]. Journal of Geophysical Research, 1994, 99(C5): 9741–9750.

[80]Ollila E, Tyler D E, Koivunen V, et al.. Compound-Gaussian clutter modeling with an inverse Gaussian texture distribution[J]. IEEE Signal Processing Letters, 2012, 19(12): 876–879.

[81]Anastassopoulos V, Lampropoulos G A, and Drosopoulos A. High resolution radar clutter statistics[J]. IEEE Transactions on Aerospace and Electronic Systems, 1999, 35(1): 43–60.

[82]Fayard P and Field T R. Inference of a generalised texture for a compound-Gaussian clutter[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 187–194.

[83]Gini F, Greco M, Diani M, et al.. Performance analysis of two adaptive radar detectors against non-Gaussian real seaclutter data[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(4): 1429–1439.

[84]Farshchian M and Posner F L. The Pareto distribution for low grazing angle and high resolution X-band sea clutter[C]. IEEE Radar Conference, 2010: 789–793.

[85]Rosenberg L and Bocquet S. The Pareto distribution for high grazing angle sea-clutter[C]. IEEE International Geoscience and Remote Sensing Symposium, 2013: 4209–4212.

[86]Weinberg G V. Assessing Pareto fit to high-resolution high-grazing-angle sea clutter[J]. Electronics Letters, 2011, 47(8): 516–517.

[87]Rosenberg L, Watts S, and Bocquet S. Application of the K+Rayleigh distribution to high grazing angle seaclutter[C]. International Radar Conference, 2014: 1–6.

[88]Fiche A, Angelliaume S, Rosenberg L, et al.. Analysis of XBand SAR sea-clutter distributions at different grazing angles[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(8): 4650–4660.

[89]Hu J, Tung W, and Gao J. A new way to model nonstationary sea clutter[J]. IEEE Signal Processing Letters, 2009, 16(2): 129–132.

[90]Tsihrintzis G A and Nikias C L. Evaluation of fractional, lower-order statistics-based detection algorithms on real radar sea-clutter data[J]. IEE Proceedings-Radar, Sonar and Navigation, 1997, 144(1): 29–37.

[91]石志廣, 周劍雄, 付強(qiáng). K分布海雜波參數(shù)估計(jì)方法研究[J].信號(hào)處理, 2007, 23(3): 420–424. Shi Z G, Zhou J X, and Fu Q. Parameter estimation study of K-distributed sea clutter[J]. Signal Processing, 2007, 23(3): 420–424.

[92]Marier L J. Correlated K-distributed clutter generation for radar detection and track[J]. IEEE Transactions on Aerospace and Electronic Systems, 1995, 31(2): 568–580.

[93]Davidson G. Simulation of coherent sea clutter[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 168–177.

[94]Pidgeon V W. Doppler dependence of radar sea return[J]. Journal of Geophysical Research, 1968, 73: 1333–1341.

[95]Lee P, Barter J D, Beach K L, et al.. Power spectral lineshapes of microwave radiation backscattered from sea surfaces at small grazing angle[J]. IEE Proceedings-Radar, Sonar and Navigation, 1995, 142(5): 252–258.

[96]Lamont-Smith T. An empirical model of EM scattering from steepening wave profiles derived from numerical computations[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6): 1447–1454.

[97]Lamont-Smith T. Investigation of the variability of Doppler spectra with radar frequency and grazing angle[J]. IEE Proceedings-Radar, Sonar and Navigation, 2004, 151(5): 291–298.

[98]Lamont-Smith T. Azimuth dependence of Doppler spectra of sea clutter at low grazing angle[J]. IET Radar, Sonar & Navigation, 2008, 2(2): 97–103.

[99]Lamont-Smith T, Mitomi M, Kawamura T, et al.. Electromagnetic scattering from wind blown waves and ripples modulated by longer waves under laboratory conditions[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 265–279.

[100]Lee P, Barter J D, and Lake B M. Lineshape analysis of breaking wave Doppler spectra[J]. IEE Proceedings-Radar, Sonar and Navigation, 1998, 145(2): 135–139.

[101]Walker D. Experimentally motivated model for low grazing angle radar Doppler spectra of the sea surface[J]. IEE Proceedings-Radar, Sonar and Navigation, 2000, 147(3): 114–120.

[102]Walker D. Doppler modelling of radar sea clutter[J]. IEE Proceedings-Radar, Sonar and Navigation, 2001, 148(2): 73–80.

[103]Rosenberg L. Characterization of high grazing angle X-band sea-clutter Doppler spectra[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(1): 406–417.

[104]Rosenberg L and Stacy N J. Analysis of medium grazing angle X-band sea-clutter Doppler spectra[C]. Proceedings of the IEEE Radarcon Conference, 2008: 1–6.

[105]Watts S. The effects of covariance matrix mismatch on adaptive CFAR performance[C]. IEEE Radar 2013 International Conference, 2013: 495–499.

[106]Miller R J. Variability in spectra of low-grazing angle sea clutter returns[R]. NATO/RTO Publications, Proceedings of SET Symposium on Low Grazing Angle Clutter: Its Characterisation, Measurement and Application, 2000.

[107]Ritchie M A, Stove A G, Watts S, et al.. Application of a new sea clutter Doppler model[C]. IEEE Radar 2013 International Conference, 2013: 560–565.

[108]Watts S, Rosenberg L, Bocquet S, et al.. Doppler spectra of medium grazing angle sea clutter Part 1: Characterisation[J]. IET Radar, Sonar & Navigation, 2016, 10(1): 24–31.

[109]Watts S, Rosenberg L, Bocquet S, et al.. Doppler spectra of medium grazing angle sea clutter Part 2: Model assessment and simulation[J]. IET Radar, Sonar & Navigation, 2016, 10(1): 32–42.

[110]Baker C J. K-distributed coherent sea clutter[J]. IEE Proceedings-F, 1991, 138(2): 89–92.

[111]Ritchie M A, Woodbridge K, and Stove A G. Analysis of sea clutter distribution variation with Doppler using the compound K-distribution[C]. IEEE Radar 2010 International Conference, 2010: 495–499.

[112]Ding H, Sun Y L, Liu N B, et al.. Bispectrum property analysis of high resolution real sea clutter[C]. IETInternational Radar Conference, 2015: 1–4.

[113]Haykin S and Thomson D J. Signal detection in a nonstationary environment reformulated as an adaptive pattern classification problem[J]. Proceedings of the IEEE, 1998, 86(11): 2325–2344.

[114]Guan J, Zhang J, and Liu N B. Time-frequency entropy of Hilbert-Huang transformation for detecting weak target in the sea clutter[C]. 2009 IEEE Radar Conference, 2009: 1–5.

[115]張建, 黃勇, 關(guān)鍵, 等. 基于局部Hilbert邊際譜隸屬度的微弱目標(biāo)檢測(cè)算法[J]. 信號(hào)處理, 2011, 27(9): 1335–1340. Zhang J, Huang Y, Guan J, et al.. Weak target detection based on the membership degree of partial Hilbert marginal spectrum[J]. Signal Processing, 2011, 27(9): 1335–1340.

[116]Chen X L, Guan J, Bao Z H, et al.. Detection and extraction of target with micro-motion in spiky sea clutter via short-time fractional Fourier transform[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(2): 1002–1018.

[117]Rosenberg L. The effect of temporal correlation with K and KK-distributed sea-clutter[C]. IEEE Radarcon Conference, 2012: 0303–0308.

[118]Siegel A, Ochadlick A, Davis Jr J, et al.. Spatial and temporal correlation of LOGAN-1 high-resolution radar sea clutter data[C]. IEEE International Conference on Geoscience and Remote Sensing Symposium, 1994: 818–821.

[119]Farina A, Gini F, Greco M V, et al.. Improvement factor for real sea-clutter Doppler frequency spectra[J]. IEE Proceedings-Radar, Sonar and Navigation, 1996, 143(5): 341–344.

[120]Watts S. Cell-averaging CFAR gain in spatially correlated K-distributed clutter[J]. IEE Proceedings-Radar, Sonar and Navigation, 1996, 143(5): 321–327.

[121]Raghavan R S. A model for spatially correlated radar clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 1991, 27(2): 268–275.

[122]Lombardo P and Oliver C J. Estimating the correlation properties of K-distributed SAR clutter[J]. IEE Proceedings-Radar, Sonar and Navigation, 1995, 142(4): 167–178.

[123]Watts S and Ward K D. Spatial correlation in K-distributed sea clutter[J]. IEE Proceedings F Communications, Radar and Signal Processing, 1987, 134(6): 526–532.

[124]Armstrong B C and Griffiths H D. Modeling spatially correlated K-distributed clutter[J]. Electronics Letters, 1991, 27(15): 1355–1356.

[125]Armstrong B C and Griffiths H D. CFAR detection of fluctuating targets in spatially correlated K-distributed clutter[J]. IEE Proceedings F-Radar and Signal Processing, 1991, 138(2): 139–152.

[126]Tough R J A, Ward K D, and Shepherd P W. The modelling and exploitation of spatial correlation in spiky sea clutter[C]. EMRS DTC 2nd Annual Conference, 2005: A1.

[127]關(guān)鍵, 丁昊, 黃勇, 等. 實(shí)測(cè)海雜波數(shù)據(jù)空間相關(guān)性研究[J].電波科學(xué)學(xué)報(bào), 2012, 27(5): 943–954. Guan J, Ding H, Huang Y, et al.. Spatial correlation property with measured sea clutter data[J]. Chinese Journal of Radio Science, 2012, 27(5): 943–954.

[128]Ding H, Guan J, Liu N B, et al.. New spatial correlation models for sea clutter[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(9): 1833–1837.

[129]何友, 黃勇, 關(guān)鍵, 等. 海雜波中的雷達(dá)目標(biāo)檢測(cè)技術(shù)綜述[J].現(xiàn)代雷達(dá), 2014, 36(12): 1–9. He Y, Huang Y, Guan J, et al.. An overview on radar target detection in sea clutter[J]. Modern Radar, 2014, 36(12): 1–9.

[130]Stankovic L, Thayaparan T, and Dakovic M. Signal decomposition by using the S-method with application to the analysis of HF radar signals in sea-clutter[J]. IEEE Transactions on Signal Processing, 2006, 54(11): 4332–4342.

[131]Dong Y H and Crisp D J. The Euler decomposition and its application to sea clutter analysis[C]. IEEE International Conference on Radar, 2008: 133–138.

[132]Huang N E, Shen Z, Long S R, et al.. The empirical mode decomposition and the Hilbert spectrum for nonlinear and Non-stationary time series analysis[J]. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Science, 1998, 454(1971). doi: 10.1098/rspa.1998.0193.

[133]Gini F and Greco M. Texture modelling, estimation and validation using measured sea clutter data[J]. IEE Proceedings-Radar, Sonar and Navigation, 2002, 149(3): 115–124.

[134]Gini F, Giannakis G B, Greco M, et al.. Time-averaged subspace methods for radar clutter texture retrieval[J]. IEEE Transactions on Signal Processing, 2001, 49(9): 1886–1898.

[135]Dinesh R and Jeffrey K. Adaptive radar detection in doubly nonstationary autoregressive Doppler spread clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2009, 45(2): 484–497.

[136]Carretero-Moya J, Gismero-Menoyo J, Asensio-Lopez A, et al.. Small-target detection in high-resolution heterogeneous sea-clutter: an empirical analysis[J]. IEEE Transactions on Aerospace and Electronic Systems, 2011, 47(3): 1880–1898.

[137]Leung H and Lo T. Chaotic radar signal processing over the sea[J]. IEEE Journal of Ocean Engineering, 1993,18(3): 287–295.

[138]Unsworth C P, Cowper M R, Mclaughlin S, et al.. Reexamining the nature of radar sea clutter[J]. IEE Proceedings-Radar, Sonar and Navigation, 2002, 149(3): 105–114.

[139]Mcdonald M and Damini A. Limitations of nonlinear chaotic dynamics in predicting sea clutter returns[J]. IEE Proceedings-Radar, Sonar and Navigation, 2004, 151(2): 105–113.

[140]Blu T and Unser M. Self-similarity: Part II—Optimal estimation of fractal processes[J]. IEEE Transactions on Signal Processing, 2007, 55(4): 1364–1378.

[141]Hu J, Tung W W, and Gao J B. Detection of low observable targets within sea clutter by structure function based multifractal analysis[J]. IEEE Transactions on Antenna and Propagation, 2006, 54(1): 136–143.

[142]Hu J, Gao J B, Posner F L, et al.. Target detection within sea clutter: A comparative study by fractal scaling analyses[J]. Fractals, 2006, 14(3): 187–204.

[143]Peng C K, Buldyrev S V, Goldberger A L, et al.. Statistical properties of DNA sequences[J]. Physica A, 1995, 221(1/3): 180–192.

[144]Kantelhardt J W, Koscielny-Bunde E, Rego H H A, et al.. Detecting long range correlations with detrended fluctuation analysis[J]. Physica A, 2001, 295(3/4): 441–454.

[145]Bashan A, Bartsch R, Kantelhardt J W, et al.. Comparison of detrending methods for fluctuation analysis[J]. Physica A, 2008, 387(21): 5080–5090.

[146]Xu X K. Low observable targets detection by joint fractal properties of sea clutter: An experimental study of IPIX OHGR datasets[J]. IEEE Transactions on Antennas and Propagation, 2010, 58(4): 1425–1429.

[147]許小可. 基于非線性分析的海雜波處理與目標(biāo)檢測(cè)[D]. [博士論文], 大連海事大學(xué), 2008. Xu X K. Sea clutter processing and target detecting based on nonlinear analysis[D]. [Ph.D. dissertation], Dalian Maritime University, 2008.

[148]丁昊, 關(guān)鍵, 黃勇, 等. 非平穩(wěn)海雜波的消除趨勢(shì)波動(dòng)分析[J].電波科學(xué)學(xué)報(bào), 2013, 28(1): 116–123. Ding H, Guan J, Huang Y, et al.. Detrended fluctuation analysis of non-stationary sea clutter[J]. Chinese Journal of Radio Science, 2013, 28(1): 116–123.

[149]Ding H, Wang G Q, and Guan J. Analysis of sea clutter fractal property and target detection based on fit error[C]. Asia-Pacific Conference on Antennas and Propagation Conference, 2012.

[150]Guan J, Liu N B, Zhang J, et al.. Multifractal correlation characteristic for radar detecting low-observable target in sea clutter[J]. Signal Processing, 2010, 90(2): 523–535.

[151]Liu N B, Ding H, Xue Y H, et al.. Approximate fractality of sea clutter fractional Fourier transform spectrum[C]. Proceedings European Radar Conference (EuRAD), 2015: 117–120.

[152]Guan J, Liu N B, Huang Y, et al.. Fractal characteristic in frequency domain for target detection within sea clutter[J]. IET Radar, Sonar & Navigation, 2012, 6(5): 293–306.

[153]劉寧波, 關(guān)鍵, 黃勇, 等. 基于海雜波頻譜多尺度Hurst指數(shù)的目標(biāo)檢測(cè)方法[J]. 電子學(xué)報(bào), 2013, 41(3): 424–431. Liu N B, Guan J, Huang Y, et al.. Target detection within sea clutter based on multi-scale Hurst exponent in frequency domain[J]. Acta Electronica Sinica, 2013, 41(3): 424–431.

[154]劉寧波, 關(guān)鍵, 王國(guó)慶, 等. 基于海雜波FRFT譜多尺度Hurst指數(shù)的目標(biāo)檢測(cè)方法[J]. 電子學(xué)報(bào), 2013, 41(9): 1847–1853. Liu N B, Guan J, Wang G Q, et al.. Target detection within sea clutter based on multi-scale Hurst exponent in FRFT domain[J]. Acta Electronica Sinica, 2013, 41(9): 1847–1853.

[155]劉寧波, 黃勇, 關(guān)鍵, 等. 實(shí)測(cè)海雜波頻域分形特性分析[J].電子與信息學(xué)報(bào), 2012, 34(4): 929–935. Liu N B, Huang Y, Guan J, et al.. Fractal analysis of real sea clutter in frequency domain[J]. Journal of Electronics & Information Technology, 2012, 34(4): 929–935.

Overview and Prospects of Research on Sea Clutter Property Cognition

Ding Hao Dong Yunlong Liu Ningbo Wang Guoqing Guan Jian
(Department of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China)

Sea clutter is one of the main limiting factors influencing the target detection performance of nautical radars. The physical mechanism of sea clutter is complex with an abundance of influencing factors, and the non-Gaussian as well as non-stationarity behavior is significant. Thus, research into sea clutter property cognition is complicated and has to be systematic. Based on research that concentrates on experimental data, this paper reviews and summarizes the research developments in sea clutter property cognition. It concentrates on the properties that are of most interest for target detection algorithms: amplitude distribution, spectra, correlation, and non-stationarity and nonlinearity. The main research results are also concluded. Based on this, four aspects of problems that need further exploration are highlighted and include the following: further analysis of sea clutter influencing factors; the game problem between sea clutter precision modeling and the requirements of detection algorithms; and the property cognition between radar target and sea clutter.

Sea clutter; Property cognition; Non-Gaussian; Non-stationarity; Precision modeling; Target detection

TN959

A

2095-283X(2016)05-0499-18

10.12000/JR16069

丁昊, 董云龍, 劉寧波, 等. 海雜波特性認(rèn)知研究進(jìn)展與展望[J]. 雷達(dá)學(xué)報(bào), 2016, 5(5): 499–516.

10.12000/JR16069.

Reference format: Ding Hao, Dong Yunlong, Liu Ningbo, et al.. Overview and prospects of research on sea clutter property cognition[J]. Journal of Radars, 2016, 5(5): 499–516. DOI: 10.12000/JR16069.

丁 昊(1988–)，男，博士研究生，主要研究方向?yàn)楹ｋs波特性認(rèn)知、雷達(dá)目標(biāo)檢測(cè)等。

E-mail: hao3431@tom.com

關(guān) 鍵(1968–)，男，教授，博士生導(dǎo)師，獲全國(guó)優(yōu)秀博士學(xué)位論文獎(jiǎng)，新世紀(jì)百千萬(wàn)人才工程國(guó)家級(jí)人選。主要研究方向?yàn)槔走_(dá)目標(biāo)檢測(cè)與跟蹤、偵察圖像處理和信息融合。

E-mail: guanjian96@tsinghua.org.cn

2016-04-21；改回日期：2016-10-09；

2016-10-24

*通信作者：丁昊 hao3431@tom.com；關(guān)鍵 guanjian96@ tsinghua.org.cn

國(guó)家自然科學(xué)基金(61179017, 61201445, 61401495)

Foundation Items: The National Natural Science Foundation of China (61179017, 61201445, 61401495)