經(jīng)典雷達資料-第8章自動檢測、自動跟蹤和多傳感器融合-3

1、目標(biāo)抑制 目標(biāo)抑制即檢測目標(biāo)能力下降，它是由于參考單元中存在其他目標(biāo)或雜波剩余所引起 的。解決這個問題有兩種基本方法：（1）在計算門限時去掉大的回波2628 , （ 2）通過限幅 或用對數(shù)視頻來減小大回波的影響。所用的技術(shù)應(yīng)是針對特定的雷達系統(tǒng)和所處的環(huán)境而言 的。 Rickard和Dillard 27提出了一類Dk檢波器，K是從參考單元中消去的最大樣本個數(shù)。 單一平方律檢測脈沖對 Swerling n型目標(biāo)的D （無消去）與 D1, D2進行的比較如圖 8.18 所示，圖中N是參考單元的數(shù)目，是在測試單元中干擾目標(biāo)和目標(biāo)的功率比，（m, n）中的 m, n分別表示的是 m型Swerling

2、目標(biāo)和n型Swerling 干擾目標(biāo)。圖8.18表明，有一個 干擾目標(biāo)時，Pd不隨S/N增加而達到1。如何從參考單元中消去超出一定門限的目標(biāo)的方法 將在“非參量型檢測器”小節(jié)中進行詳細討論26。 K 6 4 2 oo.o.o .Is V-JO % LLrr ij I.- ir. J.O.2.4 2 rf X2 2 4 ( (.( Jt 2, 10 M bg 1.65M lin 0.65（ 8.21 ） 27) 圖8.18 Swerling H型目標(biāo)的信噪比與檢測概率的關(guān)系曲線（引自參考資料 Finn 28研究了參考單元跨越兩個連續(xù)不同的“噪聲場景”的問題（例如，熱噪聲、海雜 波和地雜波等）?；?/p>

3、于樣本，他估計了兩類噪聲場景的統(tǒng)計參數(shù)及它們之間的分離點。然后， 只有那些與測試單元處在同一噪聲場景的參考單元，才被用于計算自適應(yīng)門限值。 抑制干擾的另一種等效方法是用對數(shù)視頻。通過取對數(shù)，使參考單元中的大樣本對門限 產(chǎn)生的影響變小。用對數(shù)視頻信號，10個脈沖積累只產(chǎn)生 0.5 dB的損耗，100個脈沖積累 產(chǎn)生1.0 dB的損耗29。對數(shù)恒虛警 CFAR的實現(xiàn)框圖如圖8.19所示30。在許多系統(tǒng)中，沒 有用到圖8.19中的反對數(shù)這部分。為了保持和線性視頻同樣的CFAR損耗，對數(shù)CFAR的參 考單元數(shù)M log應(yīng)為 實用標(biāo)準(zhǔn)文案 式中，Mlin是線性視頻的參考單元數(shù)。對數(shù)視頻對目標(biāo)抑制的影響將

4、在本章的后面進行討論 （見表8.2 ）。 圖8.19 單元平均對數(shù)CFAR接收機的框圖（引自參考資料30） 非參量型檢測器 通常用參考單元對測試樣本進行排序，可以得到非參量型檢測器的cfar3132。所謂排 序即將樣本從小到大排列，把最小的用序列值0代替，次小的用序列值 1代替，最大的 用序列值n-1代替。假設(shè)所有樣本都服從獨立同分布，且分布類型是未知的，測試樣本取這 幾個值的概率相等。例如，如圖8.20所示的序列檢測器，測試單元與其相鄰的15個單元進 行比較。在這組的 16個單元中，因為測試樣本與最小的樣本（或其他的樣本）有同樣的概 率，即測試樣本取任何序列值0,1,2,15中之一的概率為

5、1/16。一個簡單的序列檢測器是 通過將序列值與門限 K進行比較，若序列值較大就產(chǎn)生1，否則產(chǎn)生0。然后，將這些 0和 1進行滑窗求和。這種檢測器產(chǎn)生約2dB的CFAR損耗，但只要時間樣本是獨立的，這種檢 測器對任何未知的噪聲密度都能夠獲得固定的Pfa。這種檢測器被引入 ARTS 3A型后續(xù)處 理器中，以與聯(lián)邦航空管理局的機場監(jiān)視雷達（ASR）相連接。這種檢測器的主要缺點是， 它很容易受到目標(biāo)抑制的影響（如，若一個大目標(biāo)在參考單元內(nèi)，那么測試單元就不能接收 到最高的序列值）。 若各個時間樣本是相關(guān)的，序列檢測器就不能得到 CFAR。圖8.21示出一種修正（改進） 型序列檢測器，它在時間樣本相關(guān)

6、時仍可以保持低的Pfa ,被稱為修正廣義符號檢驗 （MGST ） 處理器26。這種檢測器可分為三個部分：排序部分、積累部分（圖中為一個雙極點濾波器） 及門限部分（判決處理）。如果輸出積累值超過了兩個門限，就表明存在目標(biāo)。第一個門限是 固定的（在圖8.21中等于+T1/K）,并且在各參考單元是獨立同分布的情況下，產(chǎn)生Pfa= 10 6。第二個門限是自適應(yīng)的，并且在各參考單元是相關(guān)的情況下仍保持低的Pfa。這種檢測 器用平均偏差來估計相關(guān)樣本的標(biāo)準(zhǔn)偏差，參考單元中外來的目標(biāo)用預(yù)置門限T2從估值中除 去。 序列檢測器和MGST檢測器本質(zhì)上是雙樣本檢測器。如果測試單元的排序值遠大于參考 單元的排序值，

7、檢測器就可以判定目標(biāo)存在。在不滿足同分布的地方（例如，陸地、海洋） 就會出現(xiàn)目標(biāo)抑制的現(xiàn)象。然而，存在一些僅僅與測試單元有關(guān)的方法，如Spearman Rho 法和Kendail T au法33。這些方法基于這樣的一個事實：當(dāng)天線波束掃過點目標(biāo)時，回波信 號先增加，然后降低。這樣，對于測試單元中的序列值來說，也應(yīng)遵從先增加后降低的模式。 雖然這些檢測器不需要參考單元，因而具有不需要同分布假設(shè)的有用特性，但是由于對中等 數(shù)量樣本會引起大的 CFAR損耗，所以一般不用這樣的方法。例如，當(dāng)目標(biāo)有16個回波脈 沖時，CFAR的損耗大約為10 dB，目標(biāo)有32個脈沖回波時，CFAR的損耗大約為6 dB

8、33。 圖8.20 序列檢測器 比較器C的輸岀為0或1。（引自參考資料7） 精彩文檔 HR I駅！OH腳 SR ?i 時存在困難; （3）會損失幅度信息, 而幅度信息對目標(biāo)和雜波來說是非常重要的判別指標(biāo) 34 O 圖8.21 修正廣義符號檢驗處理器（引自參考資料26 ） 非參量型檢測器的主要缺點：（1）它們有相對較大的 CFAR損耗；（2 ）在處理相關(guān)樣本 例如，在雜波區(qū)內(nèi)一個大的回波（ 為1000m 2）可能僅是雜波滲漏。參見8.3節(jié)的“檢測 準(zhǔn)入邏輯”。 雜波圖 雜波圖用于自適應(yīng)門限，所設(shè)置門限值從雷達測試單元前幾次掃描的回波得到，而不是 從雷達當(dāng)前掃描的周圍參考單元的回波得到。這種技術(shù)對

9、于相對靜止的環(huán)境（例如，反地雜 波的陸基雷達）特別有用，因為雷達具有雜波中可見度一一雷達能從強雜波中探測目標(biāo)。林 肯（Lincoln ）實驗室35在它的MTD中有效地使用了零多普勒濾波器雜波圖。第i個單元的 判決門限T為 T ASi 1（ 8.22 ） 其中 Si KSi 1 Xi（8.23 ） 式中，Si是平均背景電平；Xi是在第i個單元中的回波；K是確定雜波圖時間常數(shù)的反饋系 數(shù)；A是決定虛警率的常數(shù)。在ASR中應(yīng)用MTD的K值為7/8，因為這個值可以有效地對 最后的8個掃描進行平均。雜波圖主要用在具有固定頻率的陸基雷達上。然而，對于具有頻 率捷變的雷達和運動平臺，雜波圖在那些環(huán)境中幾乎是

10、無效的。 目標(biāo)分辨力 在自動檢測系統(tǒng)中，單個大目標(biāo)有可能被檢測許多次，例如，在鄰近距離單元、方位波 束和仰角波束都有可能對這個目標(biāo)進行檢測。所以，自動檢測系統(tǒng)有這樣的算法：將各個單 個的檢測融合為一個質(zhì)心檢測。大多數(shù)設(shè)計算法幾乎不會把一個單個的目標(biāo)錯分為兩個目標(biāo)。 這種處理導(dǎo)致了較差的距離分辨力。常用的融合算法36是鄰近檢測處理融合算法，這種鄰近 檢測融合算法判決一次新的檢測是否與以前確定了的一組鄰近檢測信號相關(guān)。如果一次新的 檢測與以前的鄰近檢測信號中任一檢測相關(guān)，就可以把這個新的檢測加到已檢測序列中去。 如果兩個檢測的三個參數(shù)（距離、方位、仰角）中有兩個一樣，而另外一個參數(shù)只相差一個 分辨

11、單元（如距離單元R、方位波束寬度或仰角波束寬度），那么這兩個檢測就是相鄰 的。 對下述三種一般檢測程序的分辨力進行仿真比較36，它們是具有T ? A?的線性檢測 器，具有T B?的線性檢測器和具有 T C ?的對數(shù)檢測器。常數(shù) A, B, C是為了使所有的 檢測器都有相同的 Pfa。和 的估計值？和？可由以下方法獲得：（1）選所有參考單元；（2） 選超前參考單元中的一半或滯后參考單元中的一半，選其平均值較低的那一半。該仿真中包 含間距為1.5,2.0,2.5或3.0個距離單元的兩個目標(biāo)，第三個目標(biāo)與第一個目標(biāo)有7.0個距離 單元的間距。仿真結(jié)果表明，在間距2.5或3.0個距離單元時對空間兩個目

12、標(biāo)可分辨得很好， 這時具有T ? A ?特性的線性檢測器的同時將兩個目標(biāo)檢測出來的檢測概率（Pd2）小于 0.05 ;具有T B?特性的線性檢測器的檢測概率為0.15 Pd20.9。第二個仿真僅包含了兩個目標(biāo)，是為了試驗在對數(shù)視頻下對目標(biāo)抑制的影 響，結(jié)果見表 8.2。從表中可知，當(dāng)僅用具有較小平均值的半數(shù)參考單元計算門限時，對小 信噪比目標(biāo)（1013 dB ）,性能有明顯提高。圖8.22示出用具有較小平均值的半數(shù)參考單 元的對數(shù)檢測器的分辨力。只有當(dāng)兩個等幅目標(biāo)相距2.5個脈寬以上時，它們的分辨概率才 能達到0.9以上。 假設(shè)對于脈沖寬度而言，目標(biāo)是小的，并且脈沖波形已知，那么，就可以通過已

13、知的脈 沖波形與接收數(shù)據(jù)的擬合，并將剩余方差與門限進行比較的方法來提高分辨力厲。若只有一 個目標(biāo)時，那么剩余方差應(yīng)當(dāng)只有噪聲且很小。若有兩個或多個目標(biāo)時，剩余方差將包含剩 下目標(biāo)的信號并且很大。在S/N=20 dB的情況下，兩個目標(biāo)分辨的結(jié)果如圖8.23所示。目 標(biāo)的間距在1/43/4脈沖寬度變化時，目標(biāo)分辨概率可達到 0.9，但這要依賴于兩個目標(biāo)的 相對相位差。另外，也可通過多脈沖處理來進一步改善處理的結(jié)果。 表8.2 兩個相距1.5,2.0,2.5或3.0個距離單元的目標(biāo)的對數(shù)視頻信號的檢測概率* 門限技術(shù) 目標(biāo)間距 2號目標(biāo)的S/N值 10 13 20 30 40 所有的參考單元 1.5 0.0 0.04 0.0 0.00 0.00 2.0 0.0 0.22 0.54 0.14 0.10 2.5 0.04 0.24 0.94 0.62 0.32 3.0 0.0 0.24 0.88 0.92 0.76 具有最小平均值的參考單元 1.5 0.0 0.0 0.00 0.0 0