雷達地物雜波識別技術范文

本站小編為你精心準備了雷達地物雜波識別技術參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:本文在前人研究的基礎上,研究了基于模糊邏輯技術的譜雜波識別(spectrumclutterldentifica-tion,SCI)算法。SCI算法是一種在頻域自動識別雜波的算法,即在現有的地物雜波識別的基礎上,通過選擇更好的地物雜波識別算法和與之相適應的濾波器,探究更好的地物雜波識別技術,以提高地物雜波的檢測識別率,更大程度地減輕甚至消除地物雜波對天氣回波的影響,從而提高天氣雷達探測的數據質量。

關鍵詞:天氣雷達;地物雜波識別;CMD算法;SCI算法

0引言

在天氣雷達中,采用地物雜波識別與抑制技術一般有2種:一種是在時域借助于靜態雜波圖(在晴空條件下探測得到的雷達回波圖像),通過預先設定好的地物雜波位置進行濾波[1],此方法的優點是計算量小、實時性強,但它的缺點:一是由于濾波過程中的暫態響應降低了自身的地物雜波抑制性能[2],從而導致IIR橢圓濾波器無法將地物雜波全部濾除,仍會有一小部分殘留;二是在異常傳播條件下會出現地物雜波區域抑制不全的情形。另一種是使用雜波減輕決策(cluttermitigationdecision,CMD)算法識別出雜波,并對識別出的地物雜波的分辨體積使用濾波器以濾除地物雜波[3],CMD算法可以實時判別出雜波所在位置,可得到較好質量的雷達數據,但由于CMD算法選擇的特征量的原因,導致該算法會將具有窄譜寬、零速度的天氣回波視為雜波,降低了雜波的檢測率[4]。隨著天氣雷達的深入發展,提高氣象產品質量的需求越來越迫切,因此,探究更好的地物雜波識別與抑制算法以提高天氣雷達數據質量是必要的。

1SCI算法原理

SCI算法也是一種基于模糊邏輯理論自動識別地物雜波的算法[5]。該算法對天氣雷達采集到的IQ數據進行處理,結合模糊邏輯理論將算法選擇的特征量結合來,然后選擇一個閾值與模糊輸出值比較,界定出該距離庫是否包含地物雜波。譜雜波識別算法彌補了現在常用的雜波識別方法(靜態雜波圖和CMD算法)的不足,這是由譜雜波識別算法選取的特征量所決定的。該算法從頻域和時域分別選取了2個特征量:頻域選取的特征量為頻譜功率判別因子(spectralpowerdiscrimi-nant,SPD),頻譜相位波動因子(spectralphasefluctua-tions,SPF);時域選取的特征量為回波功率空間紋理(powertexture,PT),速度譜寬的空間紋理(spectrumwidthtexture,SWT)[6]。

1.1頻譜功率判別因子SPD

SPD是判斷在以零多普勒徑向速度為中心的2Δvw間隔里是否存在功率峰值以及地物雜波功率是否明顯的一個指標。

1.2頻譜相位波動因子

SPF從探測到的大量地面靜止目標物的數據可以看出:單一的固定的地面目標的頻譜相位是線性的或近似線性的,而天氣回波頻譜的相位是一個多普勒速度的隨機函數。因此,在區間±Δvw內的頻譜相位的線性特性也是一個區分地物雜波與天氣回波很好的判別依據。為了在區間±Δvw中獲得更多的譜線,以使計算的SPF沒有量化方差,特別是在駐留時間特別短的時候,可以對時間序列數據進行補零處理。

1.3回波功率空間紋理PT

PT是一個非常重要的判別依據,因為它利用了天氣回波的平均功率空間紋理比地物雜波平均功率的空間紋理更加均勻的特點。

1.4速度譜寬的空間紋理

SWTFang等[7]人指出:如果計算的某一程的回波功率與所有其它程的回波功率之和相比未大到20dB以上,對譜寬的估計就會出現明顯的誤差。對我們來說,這就意味著即使CSR小到-20dB,測得的天氣回波的譜寬也會發生顯著的偏差。地物雜波功率在空間上比天氣回波功率變化更大,這是在雜波功率占主導的情況下PT可以有效探測雜波的一個原因,然而,如果天氣回波和地物雜波的頻譜不重疊,即使CSR較低(例如,<0dB),雜波功率將引起對天氣回波譜寬估計較大的偏差。鑒于PT對雜波探測的局限性,同時天氣回波譜寬的紋理比雜波的譜寬紋理更加均勻,我們增加了譜寬紋理這一特征量。因為譜寬產品很容易受到人的影響被破壞(如對噪聲功率的虛假測量),因此,當CSR較低時,譜寬的空間紋理對譜寬估計是很有用的。譜寬的空間紋理的定義與式(3)所示的PT相同,只是將P改為σV即可。

2SCI算法設計

SCI算法核心是從時域和頻域來提取特征量,結合這4個特征量利用模糊邏輯技術來判別是否為地物雜波。為了能夠獲得回波的頻域信息,須采用時頻轉換技術[8]。傅里葉變換可以方便地將信號從時域轉換到頻域,其頻率分辨率取決于傅里葉變換長度,對于包含30個PRT的徑向,其傅里葉長度取32,重復頻率500Hz的情況下,其頻率分辨率為7.8125Hz,對應多普勒速度為0.125m/s,這一誤差對于地物雜波識別影響較小。為了提高程序執行效率,快速傅里葉變換調用Intel公司IPP運算庫中的FFT函數,其采用優化的IntelCPU高效算法結構,通過簡單設置其變換長度等參數就可得到準確的計算結果,從而可以保證處理的及時性。SCI算法流程圖見1。SCI算法執行的步驟如下:1)讀取IQ數據,計算回波功率和脈沖對功率和,然后判斷是否為信號,若是信號,執行以下步驟,否則程序結束;2)計算信噪比SNR。如果SNR≥0dB,為第3步操作保留該數據。否則,認為該數據未受到地物雜波的污染;3)在時域計算PT和SWT;4)給IQ時間序列數據添加布萊克曼窗并對加窗后的IQ時間序列作FFT變換,然后計算SPD、SPF;5)使用相應的隸屬函數將以上特征量的值轉換為0~1之間的值;6)使用模糊邏輯將SPD,SPF,PT和SWT歸一化后的值結合起來,給歸一化后的SPD,SPF和MAX(PT、SWT)分配的權重分別為0.5、0.5和1,對以上歸一化的特征量進行加權平均,得到模糊邏輯的輸出值。如果模糊邏輯的輸出值大于閾值,就認為該距離庫被地物雜波污染,否則認為該距離庫未被污染;7)如果該距離庫被雜波污染,則使用IIR橢圓濾波器對該距離庫I數據和Q數據進行濾波處理,然后計算該距離庫的反射率值,否則直接計算該距離庫的反射率值。

3SCI算法實例分析

根據SCI算法的數學定義可知,其選擇的4個輸入量的值應與地物雜波的所在位置相對應。通過實例分析這一算法的識別效果,實例選擇的判別閾值均為0.45。

3.1晴空實例

本例所用的實驗數據是從位于廣漢機場雷達在2013年1月12日采集到的,PRF為1181Hz,PRT的個數為82,最大探測距離為127km,做128點FFT。該實驗數據是在晴空模式下探測到的,主要數據為地物雜波,圖2為晴空模式下的反射率因子圖,圖3為識別出的地物雜波圖,圖4~7為選取的特征量的圖形。圖4淺色部分表示為雜波,黑色部分表示無雜波。SCI算法識別出地物雜波位置與實際位置比較一致,其密度大小也基本一致。

4結論

模糊邏輯技術的頻域雜波識別算法(SCI)具有更好的地物雜波識別技術,提高地物雜波的檢測識別率,更大程度地減輕甚至消除地物雜波對天氣回波的影響,從而提高天氣雷達探測的數據質量。對于有天氣目標與地物雜波混雜的情況,SCI算法識別效果更佳,盡管存在計算速率較慢的不足,但隨著計算機技術的快速發展和算法的不斷優化,該算法具有投入業務應用的良好前景。識別算法結合濾波器對地物雜波進行抑制,可以提高雜波抑制效率,但其抑制結果對天氣目標有一定損失,具體原因有待進一步研究。

作者：趙亮；張友輝 單位：中國民航飛行學院廣漢分院