雷达地物杂波识别技术范文

摘要:本文在前人研究的基础上,研究了基于模糊逻辑技术的谱杂波识别(spectrumclutterldentifica-tion,SCI)算法。SCI算法是一种在频域自动识别杂波的算法,即在现有的地物杂波识别的基础上,通过选择更好的地物杂波识别算法和与之相适应的滤波器,探究更好的地物杂波识别技术,以提高地物杂波的检测识别率,更大程度地减轻甚至消除地物杂波对天气回波的影响,从而提高天气雷达探测的数据质量。

关键词:天气雷达;地物杂波识别;CMD算法;SCI算法

0引言

在天气雷达中,采用地物杂波识别与抑制技术一般有2种:一种是在时域借助于静态杂波图(在晴空条件下探测得到的雷达回波图像),通过预先设定好的地物杂波位置进行滤波[1],此方法的优点是计算量小、实时性强,但它的缺点:一是由于滤波过程中的暂态响应降低了自身的地物杂波抑制性能[2],从而导致IIR椭圆滤波器无法将地物杂波全部滤除,仍会有一小部分残留;二是在异常传播条件下会出现地物杂波区域抑制不全的情形。另一种是使用杂波减轻决策(cluttermitigationdecision,CMD)算法识别出杂波,并对识别出的地物杂波的分辨体积使用滤波器以滤除地物杂波[3],CMD算法可以实时判别出杂波所在位置,可得到较好质量的雷达数据,但由于CMD算法选择的特征量的原因,导致该算法会将具有窄谱宽、零速度的天气回波视为杂波,降低了杂波的检测率[4]。随着天气雷达的深入发展,提高气象产品质量的需求越来越迫切,因此,探究更好的地物杂波识别与抑制算法以提高天气雷达数据质量是必要的。

1SCI算法原理

SCI算法也是一种基于模糊逻辑理论自动识别地物杂波的算法[5]。该算法对天气雷达采集到的IQ数据进行处理,结合模糊逻辑理论将算法选择的特征量结合来,然后选择一个阈值与模糊输出值比较,界定出该距离库是否包含地物杂波。谱杂波识别算法弥补了现在常用的杂波识别方法(静态杂波图和CMD算法)的不足,这是由谱杂波识别算法选取的特征量所决定的。该算法从频域和时域分别选取了2个特征量:频域选取的特征量为频谱功率判别因子(spectralpowerdiscrimi-nant,SPD),频谱相位波动因子(spectralphasefluctua-tions,SPF);时域选取的特征量为回波功率空间纹理(powertexture,PT),速度谱宽的空间纹理(spectrumwidthtexture,SWT)[6]。

1.1频谱功率判别因子SPD

SPD是判断在以零多普勒径向速度为中心的2Δvw间隔里是否存在功率峰值以及地物杂波功率是否明显的一个指标。

1.2频谱相位波动因子

SPF从探测到的大量地面静止目标物的数据可以看出:单一的固定的地面目标的频谱相位是线性的或近似线性的,而天气回波频谱的相位是一个多普勒速度的随机函数。因此,在区间±Δvw内的频谱相位的线性特性也是一个区分地物杂波与天气回波很好的判别依据。为了在区间±Δvw中获得更多的谱线,以使计算的SPF没有量化方差,特别是在驻留时间特别短的时候,可以对时间序列数据进行补零处理。

1.3回波功率空间纹理PT

PT是一个非常重要的判别依据,因为它利用了天气回波的平均功率空间纹理比地物杂波平均功率的空间纹理更加均匀的特点。

1.4速度谱宽的空间纹理

SWTFang等[7]人指出:如果计算的某一程的回波功率与所有其它程的回波功率之和相比未大到20dB以上,对谱宽的估计就会出现明显的误差。对我们来说,这就意味着即使CSR小到-20dB,测得的天气回波的谱宽也会发生显著的偏差。地物杂波功率在空间上比天气回波功率变化更大,这是在杂波功率占主导的情况下PT可以有效探测杂波的一个原因,然而,如果天气回波和地物杂波的频谱不重叠,即使CSR较低(例如,<0dB),杂波功率将引起对天气回波谱宽估计较大的偏差。鉴于PT对杂波探测的局限性,同时天气回波谱宽的纹理比杂波的谱宽纹理更加均匀,我们增加了谱宽纹理这一特征量。因为谱宽产品很容易受到人的影响被破坏(如对噪声功率的虚假测量),因此,当CSR较低时,谱宽的空间纹理对谱宽估计是很有用的。谱宽的空间纹理的定义与式(3)所示的PT相同,只是将P改为σV即可。

2SCI算法设计

SCI算法核心是从时域和频域来提取特征量,结合这4个特征量利用模糊逻辑技术来判别是否为地物杂波。为了能够获得回波的频域信息,须采用时频转换技术[8]。傅里叶变换可以方便地将信号从时域转换到频域,其频率分辨率取决于傅里叶变换长度,对于包含30个PRT的径向,其傅里叶长度取32,重复频率500Hz的情况下,其频率分辨率为7.8125Hz,对应多普勒速度为0.125m/s,这一误差对于地物杂波识别影响较小。为了提高程序执行效率,快速傅里叶变换调用Intel公司IPP运算库中的FFT函数,其采用优化的IntelCPU高效算法结构,通过简单设置其变换长度等参数就可得到准确的计算结果,从而可以保证处理的及时性。SCI算法流程图见1。SCI算法执行的步骤如下:1)读取IQ数据,计算回波功率和脉冲对功率和,然后判断是否为信号,若是信号,执行以下步骤,否则程序结束;2)计算信噪比SNR。如果SNR≥0dB,为第3步操作保留该数据。否则,认为该数据未受到地物杂波的污染;3)在时域计算PT和SWT;4)给IQ时间序列数据添加布莱克曼窗并对加窗后的IQ时间序列作FFT变换,然后计算SPD、SPF;5)使用相应的隶属函数将以上特征量的值转换为0~1之间的值;6)使用模糊逻辑将SPD,SPF,PT和SWT归一化后的值结合起来,给归一化后的SPD,SPF和MAX(PT、SWT)分配的权重分别为0.5、0.5和1,对以上归一化的特征量进行加权平均,得到模糊逻辑的输出值。如果模糊逻辑的输出值大于阈值,就认为该距离库被地物杂波污染,否则认为该距离库未被污染;7)如果该距离库被杂波污染,则使用IIR椭圆滤波器对该距离库I数据和Q数据进行滤波处理,然后计算该距离库的反射率值,否则直接计算该距离库的反射率值。

3SCI算法实例分析

根据SCI算法的数学定义可知,其选择的4个输入量的值应与地物杂波的所在位置相对应。通过实例分析这一算法的识别效果,实例选择的判别阈值均为0.45。

3.1晴空实例

本例所用的实验数据是从位于广汉机场雷达在2013年1月12日采集到的,PRF为1181Hz,PRT的个数为82,最大探测距离为127km,做128点FFT。该实验数据是在晴空模式下探测到的,主要数据为地物杂波,图2为晴空模式下的反射率因子图,图3为识别出的地物杂波图,图4~7为选取的特征量的图形。图4浅色部分表示为杂波,黑色部分表示无杂波。SCI算法识别出地物杂波位置与实际位置比较一致,其密度大小也基本一致。

4结论

模糊逻辑技术的频域杂波识别算法(SCI)具有更好的地物杂波识别技术,提高地物杂波的检测识别率,更大程度地减轻甚至消除地物杂波对天气回波的影响,从而提高天气雷达探测的数据质量。对于有天气目标与地物杂波混杂的情况,SCI算法识别效果更佳,尽管存在计算速率较慢的不足,但随着计算机技术的快速发展和算法的不断优化,该算法具有投入业务应用的良好前景。识别算法结合滤波器对地物杂波进行抑制,可以提高杂波抑制效率,但其抑制结果对天气目标有一定损失,具体原因有待进一步研究。

作者：赵亮；张友辉 单位：中国民航飞行学院广汉分院