一種新的高速多目標(biāo)參數(shù)檢測(cè)算法

劉家州，章宇兵，陸 洲

?

一種新的高速多目標(biāo)參數(shù)檢測(cè)算法

劉家州，章宇兵，陸 洲

(中國(guó)電子科技集團(tuán)公司電子科學(xué)研究院 北京石景山區(qū) 100041)

該文提出一種新的高速、多目標(biāo)窄帶雷達(dá)目標(biāo)檢測(cè)和參數(shù)估計(jì)算法。首先采用基于循環(huán)平穩(wěn)的聯(lián)合Keystone變換與模糊數(shù)搜索方法完成目標(biāo)運(yùn)動(dòng)參數(shù)粗估計(jì)，然后在粗估計(jì)基礎(chǔ)上采用聯(lián)合頻域距離徙動(dòng)補(bǔ)償處理與分?jǐn)?shù)階傅里葉變換方法完成目標(biāo)檢測(cè)及參數(shù)估計(jì)。該算法適用于多目標(biāo)及存在距離徙動(dòng)、多普勒擴(kuò)散和多普勒模糊的情況，其保持了循環(huán)平穩(wěn)計(jì)算復(fù)雜度低的優(yōu)點(diǎn)，且克服了已有循環(huán)平穩(wěn)算法在工程應(yīng)用中估計(jì)精度低和運(yùn)動(dòng)參數(shù)估計(jì)范圍受限的缺陷。計(jì)算機(jī)仿真和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了算法的有效性。

循環(huán)平穩(wěn); 多普勒模糊; 分?jǐn)?shù)階傅立葉變換; Keystone變換

目標(biāo)檢測(cè)及運(yùn)動(dòng)參數(shù)估計(jì)是雷達(dá)系統(tǒng)的一個(gè)基礎(chǔ)任務(wù)，其精確性對(duì)戰(zhàn)爭(zhēng)的勝利起到重要的作用。對(duì)雷達(dá)信號(hào)進(jìn)行長(zhǎng)時(shí)間積累，以增加實(shí)際可利用的信號(hào)能量，是提高檢測(cè)性能和參數(shù)估計(jì)精確性的有效手段，然而長(zhǎng)時(shí)間信號(hào)積累用于高速、多目標(biāo)的檢測(cè)和運(yùn)動(dòng)參數(shù)估計(jì)會(huì)受到距離徙動(dòng)、多普勒擴(kuò)散以及多普勒模糊的影響[1]。改進(jìn)Hough變換算法[2]利用非相參積累方式進(jìn)行目標(biāo)檢測(cè)，其檢測(cè)效果受高速目標(biāo)距離彎曲程度和信噪比的影響嚴(yán)重。基于長(zhǎng)時(shí)間的相參積累方式，文獻(xiàn)[3-4]提出了Radon- Fourier變換算法，然而距離彎曲及多普勒擴(kuò)散導(dǎo)致算法很難對(duì)高速目標(biāo)的信號(hào)能量進(jìn)行有效的積累。針對(duì)距離徙動(dòng)及多普勒擴(kuò)散，文獻(xiàn)[5]提出了Keystone變換結(jié)合解線頻調(diào)的算法，然而Keystone變換受制于多普勒模糊。文獻(xiàn)[6]利用速度模糊數(shù)搜索的算法可以解決多普勒模糊，但未涉及到多普勒擴(kuò)散問題。針對(duì)距離徙動(dòng)、多普勒擴(kuò)散及多普勒模糊，文獻(xiàn)[7-8]提出了基于循環(huán)平穩(wěn)理論的迭代算法，其計(jì)算復(fù)雜度低，相比傳統(tǒng)循環(huán)平穩(wěn)算法運(yùn)動(dòng)參數(shù)估計(jì)范圍有所提高，然而工程應(yīng)用中算法估計(jì)精度低和參數(shù)估計(jì)范圍受限的缺陷限制了其應(yīng)用。

針對(duì)以上問題，該文提出了一種新的高速多目標(biāo)窄帶雷達(dá)目標(biāo)檢測(cè)及參數(shù)估計(jì)算法。在多目標(biāo)及存在距離徙動(dòng)、多普勒擴(kuò)散和多普勒模糊的情況下，該算法首先采用基于循環(huán)平穩(wěn)的聯(lián)合Keystone變換與模糊數(shù)搜索方法完成運(yùn)動(dòng)參數(shù)的粗估計(jì)，然后在粗估計(jì)基礎(chǔ)上利用聯(lián)合頻域距離徙動(dòng)補(bǔ)償處理與分?jǐn)?shù)階傅里葉變換(fraction Fourier transform, FRFT)方法完成高速多目標(biāo)的參數(shù)化檢測(cè)。本文算法保持了循環(huán)平穩(wěn)復(fù)雜度的優(yōu)點(diǎn)，且克服了已有循環(huán)平穩(wěn)算法工程應(yīng)用中參數(shù)估計(jì)精度低和運(yùn)動(dòng)參數(shù)估計(jì)范圍有限的缺陷。計(jì)算機(jī)仿真和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了算法的有效性。

1 信號(hào)模型

高速多目標(biāo)的雷達(dá)回波信號(hào)基帶形式為：

(2)

式(2)對(duì)應(yīng)的頻域表示形式為：

(4)

式中，第一個(gè)指數(shù)項(xiàng)表示目標(biāo)初始時(shí)刻位置；第二個(gè)指數(shù)項(xiàng)表示目標(biāo)由于速度和加速度產(chǎn)生的距離徙動(dòng)；第四個(gè)指數(shù)項(xiàng)表示目標(biāo)的多普勒頻移，第五個(gè)指數(shù)項(xiàng)表示目標(biāo)的多普勒擴(kuò)散。

2 高速多目標(biāo)檢測(cè)及運(yùn)動(dòng)參數(shù)估計(jì)

2.1 基于循環(huán)平穩(wěn)的聯(lián)合Keystone變換與模糊數(shù)搜索方法

循環(huán)平穩(wěn)理論在信號(hào)處理領(lǐng)域的一個(gè)重要應(yīng)用方向是目標(biāo)檢測(cè)以及信號(hào)參數(shù)和波形的估計(jì)，其信號(hào)與干擾分離效果好，計(jì)算復(fù)雜度低，然而容易受到多普勒模糊的影響[7-8]。對(duì)式(4)信號(hào)進(jìn)行慢時(shí)間維的自相關(guān)處理：

(5)

式中，

(6)

(7)

(8)

Keystone變換不需要目標(biāo)的先驗(yàn)信息，即可完成距離徙動(dòng)補(bǔ)償，在雷達(dá)信號(hào)處理中得到了廣泛的應(yīng)用，然而Keystone變換本身受限于多普勒模糊，如果目標(biāo)發(fā)生模糊，則需要進(jìn)行解模糊處理[6]。

(9)

根據(jù)式(9)信號(hào)形式，定義解模糊操作函數(shù)：

對(duì)式(9)信號(hào)進(jìn)行解模糊處理，并轉(zhuǎn)換到時(shí)域：

(11)

根據(jù)設(shè)定的模糊數(shù)范圍，通過代價(jià)函數(shù)式(12)可以計(jì)算出目標(biāo)的運(yùn)動(dòng)參數(shù)：

，(13)

2.2 聯(lián)合頻域距離徙動(dòng)補(bǔ)償處理與FRFT方法

根據(jù)式(14)信號(hào)形式定義頻域距離徙動(dòng)補(bǔ)償處理公式：

(15)

利用FRFT能夠?qū)€性調(diào)頻信號(hào)進(jìn)行能量聚集以及FRFT是線性的優(yōu)勢(shì)P[9-10]，對(duì)距離徙動(dòng)補(bǔ)償后的每個(gè)距離單元進(jìn)行階次變換的分?jǐn)?shù)階傅里葉變換并取模。本方法采用的FRFT的變換核[8]：

(17)

3 計(jì)算機(jī)仿真與實(shí)測(cè)數(shù)據(jù)處理結(jié)果

為驗(yàn)證所提出方法的有效性，假設(shè)雷達(dá)仿真參數(shù)：Ka波段載頻30 GHz雷達(dá)，帶寬為10，脈寬為500，采樣頻率為10，重復(fù)頻率為200，積累脈沖數(shù)為200。

目標(biāo)仿真參數(shù)的設(shè)定如表1所示。

表1 目標(biāo)仿真參數(shù)

在雷達(dá)回波信號(hào)信噪比-12 dB條件下，噪聲為加性高斯白噪聲，距離維脈沖壓縮的結(jié)果如圖1所示?？梢钥闯瞿繕?biāo)存在距離徙動(dòng)，并且由于目標(biāo)的加速度較高，目標(biāo)距離維脈沖壓縮之后產(chǎn)生距離彎曲。對(duì)圖1脈沖壓縮后信號(hào)的方位單元作傅里葉變換進(jìn)行能量積累，結(jié)果如圖2所示。由圖2結(jié)果可以得出：由于距離徙動(dòng)及多普勒擴(kuò)散的存在，常規(guī)檢測(cè)方法(目標(biāo)回波做脈壓后數(shù)據(jù)做縱向FFT進(jìn)行信號(hào)能量積累)不適用于高速目標(biāo)的檢測(cè)及運(yùn)動(dòng)參數(shù)估計(jì)。

圖1 距離維脈沖壓縮結(jié)果

圖2 慢時(shí)間維FFT結(jié)果

利用文獻(xiàn)[2-8]以及本文算法分別對(duì)圖1距離維脈沖壓縮后對(duì)應(yīng)的目標(biāo)進(jìn)行檢測(cè)。文獻(xiàn)[2]的改進(jìn)Hough變換算法的檢測(cè)結(jié)果如圖3a所示，文獻(xiàn)[3-4]的Radon-Fourier變換算法的檢測(cè)結(jié)果如圖3b所示，文獻(xiàn)[5]的Keystone變換結(jié)合解線頻調(diào)算法的檢測(cè)結(jié)果如圖3c所示，文獻(xiàn)[6]的模糊數(shù)搜索算法的檢測(cè)結(jié)果如圖3d所示，文獻(xiàn)[7-8]的基于循環(huán)平穩(wěn)理論的迭代算法的檢測(cè)結(jié)果如圖3e所示，本文算法的檢測(cè)結(jié)果如圖3f所示，其中，圖3c～圖3f的檢測(cè)結(jié)果由3次并行處理結(jié)果直接相加而成。

a. 文獻(xiàn)[2]算法

b. 文獻(xiàn)[3-4]算法

c. 文獻(xiàn)[5]算法

d. 文獻(xiàn)[6]算法

e. 文獻(xiàn)[7-8]算法

f. 本文算法

圖3 各文獻(xiàn)算法檢測(cè)結(jié)果

文獻(xiàn)[2]改進(jìn)Hough變換算法為基于非相參積累方式的線積分算法，由檢測(cè)結(jié)果圖3a可以看出在低信噪比和目標(biāo)包絡(luò)呈現(xiàn)彎曲的情況下，檢測(cè)結(jié)果中出現(xiàn)虛假峰值。文獻(xiàn)[3-4]中Radon-Fourier變換算法為基于相參積累方式的線積分算法，然而由于包絡(luò)彎曲及多普勒擴(kuò)散的原因，如圖3b所示，其信號(hào)能量不能夠得到有效的積累。實(shí)際戰(zhàn)場(chǎng)環(huán)境中，多普勒模糊數(shù)是未知的，由檢測(cè)結(jié)果圖3c可以看出文獻(xiàn)[5]中Keystone變換結(jié)合解線頻調(diào)算法的信號(hào)積累效果不理想。文獻(xiàn)[6]的算法未考慮多普勒擴(kuò)散的影響，導(dǎo)致能量發(fā)生擴(kuò)散。文獻(xiàn)[7-8]中基于循環(huán)平穩(wěn)理論的迭代算法參數(shù)估計(jì)精度低，而且在實(shí)際中對(duì)加速度的取值范圍沒有任何先驗(yàn)信息，為保證不出現(xiàn)相位模糊，第一步迭代中延時(shí)值選擇最小的非零延時(shí)值，即，但是由于信噪比低，首次迭代的結(jié)果易出現(xiàn)模糊的結(jié)果，導(dǎo)致后續(xù)迭代不能收斂，參數(shù)估計(jì)錯(cuò)誤，由檢測(cè)結(jié)果圖3e可以看出信號(hào)積累能量發(fā)生擴(kuò)散。比較圖3f與圖3a~圖3e可以看出，本文算法得到了比較理想的檢測(cè)效果，原因在于低信噪比下目標(biāo)距離徙動(dòng)得到了校正，多普勒擴(kuò)散得到了補(bǔ)償。

利用本文提出的算法，在信噪比為-15 dB的情況下進(jìn)行100次Monte Carlo實(shí)驗(yàn)估計(jì)目標(biāo)的運(yùn)動(dòng)參數(shù)。目標(biāo)估計(jì)得到的平均初始速度和平均加速度分別為：562.85，81；目標(biāo)估計(jì)得到的平均初始速度和平均加速度分別為：990.85，61；目標(biāo)估計(jì)得到的平均初始速度和平均加速度分別為：759.85，101。由估計(jì)得到的目標(biāo)運(yùn)動(dòng)參數(shù)的精確性可以看出，本文算法在低信噪比下估計(jì)出滿足相參積累的高速多目標(biāo)的運(yùn)動(dòng)參數(shù)。

a. 常規(guī)檢測(cè)

b. 本文算法檢測(cè)

圖4 實(shí)測(cè)數(shù)據(jù)檢測(cè)結(jié)果

將本文提出的算法利用某型雷達(dá)的實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，雷達(dá)積累脈沖數(shù)為5 120。對(duì)目標(biāo)進(jìn)行常規(guī)檢測(cè)，其檢測(cè)結(jié)果如圖4a所示?？傻玫浇Y(jié)論：通過常規(guī)檢測(cè)方法，由于距離徙動(dòng)及多普勒擴(kuò)散的存在，目標(biāo)能量發(fā)生明顯擴(kuò)散。通過本文檢測(cè)算法，其檢測(cè)結(jié)果如圖4b所示。由于本文所提出的算法中，目標(biāo)的距離徙動(dòng)及多普勒擴(kuò)散得到一定的補(bǔ)償，可以在低信噪比條件下估計(jì)出滿足相參積累條件的目標(biāo)的運(yùn)動(dòng)參數(shù)，從而保證目標(biāo)能量得到有效的積累。

4 結(jié)束語

本文提出了基于循環(huán)平穩(wěn)的聯(lián)合Keystone變換與模糊數(shù)搜索聯(lián)合方法，估計(jì)出滿足相參積累的高速多目標(biāo)的運(yùn)動(dòng)參數(shù)，解決了循環(huán)平穩(wěn)的多普勒模糊問題，利用聯(lián)合頻域距離徙動(dòng)補(bǔ)償處理與分?jǐn)?shù)階傅里葉變換方法完成參數(shù)化檢測(cè)，克服了已有算法估計(jì)精度低和低信噪比下不能收斂的缺陷。計(jì)算機(jī)仿真和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了算法的有效性。

[1] 許述文. 窄帶、寬帶雷達(dá)機(jī)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D]. 西安: 西安電子科技大學(xué), 2011: 1-3.

XU Shu-wen. Detection methods of manoeuvring targets in narrowband and wideband Radars[D]. Xi’an: Xidian University, 2011: 1-3.

[2] 曾建奎, 何子述, 劉紅明. 一種基于改進(jìn)Hough變換的雷達(dá)檢測(cè)方法[J]. 電波科學(xué)學(xué)報(bào), 2008, 23(5): 838-840.

ZENG Jian-kui, HE Zi-shu, LIU Hong-ming. Improved detection algorithm for radar based on hough transform[J]. Chines Journal of Radio Science, 2008, 23(5): 838-840.

[3] JIA Xu, JI Yu, YING Ning-peng, et al. Radon-Fourier transform for radar target detection, (i): Generalized doppler filter bank[J]. IEEE Transaction on Aerospace and Electronic Systems, 2011, 47(4): 2473-2489.

[4] JIA Xu, JI Yu, YING Ning-peng, et al. Radon-Fourier transform for radar target detection, (ii): Blind speed sidelobe suppression[J]. IEEE Transaction on Aerospace and Electronic Systems, 2011, 47(2): 1186-1202.

[5] 吳兆平, 何學(xué)輝, 蘇濤. 帶有距離走動(dòng)和多普勒擴(kuò)散的高速運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2010, 31(4): 476-480.

WU Zhao-ping, HE Xue-hui, SU Tao. Detecting multiple high speed targets using range migration and doppler speed[J]. Journal of Harbin Engineering University, 2010, 31(4): 476-480.

[6] 曹宇飛, 屈曉光, 黃培康. 基于keytone變換的寬帶雷達(dá)精準(zhǔn)測(cè)速[J]. 系統(tǒng)工程與電子技術(shù), 2009, 31(1): 1-4.

CAO Yu-fei, QU Xiao-guang, HUANG Pei-kang. Accurate velocity measurement method for wideband radar based on keytone transform[J]. Systems Engineering and Electronics, 2009, 31(1): 1-4.

[7] JIN Yan, JI Hong-bing. A cyclostationarity based iterative algorithm for multi-component chirp signal parameter estimation[C]//Proceedings of 2007 International Symposium on Intelligent Signal Processing and Communication Systems. [S.l.]: IEEE Press, 2007.

[8] JIN Ya, JI Hong-bing. Improved parameter estimation for chirp signals based on cyclostationarity[J]. Chinese Journal of Electronics, 2008, 17(2): 309-313.

[9] 陶然, 鄧兵, 王越. 分?jǐn)?shù)階Fourier變換在信號(hào)處理領(lǐng)域的研究進(jìn)展[J]. 中國(guó)科學(xué)E輯信息科學(xué), 2006, 36(2): 113-136.

TAO Ran, DENG Bing, WANG Yue. The research of the fractional Fourier transform in signal processing field[J]. Science in China Ser E Information Sciences, 2006, 36(2): 113-136.

[10] ZHANG S, SUN S, ZHANG W, et al. High-Resolution bistatic ISAR image formation for high-speed and complex-motion targets[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015, 8(7): 3520-3531.

編 輯 稅 紅

A Novel Parametric Detection Method for High-Speed Multi-Target

LIU Jia-zhou, ZHANG Yu-bing, and LU Zhou

(China Academy of Electronic and Information Technology Shijingshan Beijing 100041)

A novel algorithm for high-speed multi-target detection and parameters estimation with narrowband radar is proposed in this paper. Firstly, base on cyclostationarity, moving parameters are roughly estimated with the joint Keystone transform and ambiguity searching. And then, according to the coarse estimation, the joint compensating range migration in frequency domain and fractional Fourier transform are utilized to conduct the targets detection and parameters estimation. In the case of multi-target, range migration, Doppler spread and Doppler ambiguity, this algorithm is suitable, and retains the merit of low computational complexity of cyclostationarity. Compared with existing cyclostationarity based algorithms, the weaknesses of low estimation precision and limited range of moving parameters are conquered in engineering applications. The validity of the proposed algorithm is demonstrated by computer simulation and raw radar data results.

cyclostationarity; Doppler ambiguity; fractional Fourier transform; Keystone transform

TN95

A

10.3969/j.issn.1001-0548.2017.04.003

2016-11-15；

2017-01-20

國(guó)家863項(xiàng)目(2015AA015701)

劉家州(1988-)，男，博士，主要從事陣列信號(hào)處理、動(dòng)目標(biāo)檢測(cè)方面的研究.