雷达特征范文（精选9篇）
雷达特征 第1篇
关键词：大气环流,回波强度,垂直水含量
冰雹是一种很严重的气象灾害, 给人们带来的经济损失可高达几十亿, 对冰雹的跟踪监督能有效的给民众预警, 帮助民众减少冰雹带来的损害。近些年发展的气象卫星, 微波雷达在对冰雹的产生以及过程中的强度分析有了一定的进展, 雷达做为一种主动遥感, 是通过人们主动发射微波来对事物和现象的相关规律进行科学的研究的, 符合人们的期望。对雷达回波特征分析能有效了解一种事物或现象发生的前后以及过程, 帮助人们有效地预防和在灾害中采取相应的措施, 这对生活生产有很大意义。
1 冰雹过程中气流变化的分析
1.1 大气环流的演化趋势
在天气急剧变化的过程中由于地面的气压与高空气压的结合形成的漩涡, 冷暖气流在对流层的低层进行辐合, 当其运动到高层是发生的主要是辐散, 由这两种高强度的辐合和辐散运动强烈是就是产生冰雹的原因。当发生冰雹时, 冷中心点和暖中心点受到地形的影响, 结合高度场产生的低涡将随着当时的风向以及气压梯度发生变化尤其是在气压相差很大的地方更有利于冰雹的出现。高层风暴顶的辐散现象明显程度也是判断冰雹产生的指标之一。
1.2 冰雹产生过程中大气稳定性的变化情况
在对流层的大气对流中气压变化是一个重要的因子。对流层是由与大气中的冷暖气流的交替是气候多样性的原因, 大气层蕴含的不稳定能量是产生冰雹的原因之一。在高气压的高空里, 能量和地形相结合产生了强大的气压梯度力, 使得在很小的范围类大气中的水汽, 温度等的变化速率很快, 使得天气再短时间内可以发生很大的改变, 充沛的水汽使其迅速产生辐合, 冰雹最容易在这种情况下产生。
1.3 对流层能量的变化
位能一般是指具有高度差的两个地方之间能量的差异简称位能, 在强对流天气中位能的变化也是很大的。由于环境的破坏导致了气候灾害的频发, 强对流中蕴含着强的的能量, 可以为人们带来福利亦可产生毁灭性的灾害。由对流层中的强大力量结合空气中的水分就可以产生冰雹, 尤其是冷锋的锋面处受到的影响最大。
2 雷达回波的特征
2.1 有界弱波的特征分析
冰雹最基本的就是它的辐合和辐散, 在利用遥感对其的分析当中明显的观测到它具有强辐射的中心点, 在获取到的数据中可以看见, 除此之外它存在着明显的有界弱波区。有界弱波区表明了在形成冰雹的气象中存在着强烈上升的气流, 处在快速变化中的强对流云结合空气中的水汽满足冰雹形成的条件。在风场中有气旋的存在使得强回波得以存在和维持的原因, 回波的波动范围是反映冰雹活动强弱的表现, 旁瓣回波出现在反射因子最强烈的区域范围内, 这也表示了旁瓣回波的存在对冰雹有指示性意义。
2.2 冰雹反射率因子的分析
国外在回波反射率强度方面做过不少相关的研究, 大量的实验表明反射率和高度之间是有一定规律性的。相关研究表明在雷达回波中的变化过程中, 若高层的回波出现一种减弱状态, 与此同时底层的回波出现的是加强趋势, 而且高层回波的减弱幅度小于底层的增加幅度, 此时的状态说明了该气象状况中回波处于的是下沉发展方向, 同时也表明了下一阶段容易形成降冰雹或者是强降雨的天气。由此可以通过发射的雷达的高度来获取气象变化中的高层和低层区域, 并通过高层的回波演变趋势来判断下一阶段高层和低层的气流发展方向由此来推测接下来可能出现的天气类型。
2.3 垂直气态水的含量与冰雹强度的分析
回波强度的最大值以及其所在的高度是判断冰雹程度的重要指标, 在形成冰雹的因子中水汽是必不可为少的一项, 根据雷达主动发射微波的特点可以监测到空气中含水量的多少。水汽通量的散度表明了水汽的汇聚情况, 大量的数据显示的是水汽含量越高的地方其冰雹形成的概率越大, 由于对流层的气旋导致的高空压力以及气压梯度力等相关大气因素急剧变化, 导致在该区域的温度也发生了急速的变化, 正常情况下会发生冰雹天气或者是强降雨。随着高度的降低, 水汽含量会发生相应的变化, 从而冰雹的强弱也会改变。
3 结语
一次强对流天气的闪电雷达特征分析 第2篇
利用常规资料及闪电定位资料、多普勒雷达资料,分析了8月13日开封市雷电强对流天气过程,结果表明:这次强对流天气发生在高空低槽东移、开封受584 dgpm线控制的.有利天气背景下,闪电发生在切变线和中β辐合线附近,闪电与逆风区、强回波及回波顶高有很好的对应关系.
作 者：李姝霞 邢用书 王其英 Li Shuxia Xing Yongshu Wang Qiying 作者单位：李姝霞,王其英,Li Shuxia,Wang Qiying(开封市气象局,河南,开封,475004)
邢用书,Xing Yongshu(鹤壁市气象局,河南,鹤壁,458030)
一次冰雹过程的雷达回波特征分析 第3篇
关键词：钩状回波,有界弱回波,旁瓣回波
邵东灵官殿镇地区位于湖南省衡邵盆地中部,属于亚热带季风湿润气候区,每年45月极易发生强对流天气,而强对流天气中的冰雹给农业生产带来的危害最严重。近年来,湖南省邵阳市新一代多普勒天气雷达已经建成并正式投入运行,在灾害性天气监测和预警方面发挥了重要作用。
近年来,国内对超级单体风暴也进行了一些研究。吴春霞等[1]对一次超级单体风暴特征进行了研究,吴春英等[2]认为逆风区是冰雹出现的强信号,江敦双等[3]认为超级单体风暴是降雹发生的一个直接影响系统,袁鹏飞等[4]对一次大冰雹天气进行了分析,认为强度>55 d Bz的回波高度高于-20℃层高度,VIL值>60 kg/m2,回波顶高>12 km,有中气旋出现等,是降雹的可靠信号。
2012年4月30日16:30左右,湖南省邵阳市邵东县灵官殿镇、堡面前乡、石株桥乡突降大冰雹,冰雹直径10~20mm。稻田里处处可见被砸成碗口大的洞,油菜、玉米、葡萄、蔬菜等各类农作物受损严重,受灾面积达2 118 hm2。此次冰雹共造成直接经济损失1 376.1万元。该文应用NCEP1°1再分析资料及邵阳新一代多普勒天气雷达资料,对此次过程从大尺度环流形势、物理量特征、雷达回波演变特征等方面进行综合分析,得出一些结论,以提高对冰雹等强对流天气的监测、预报和预警能力。
1 天气背景分析
2012年4月30日8:00,500 h Pa甘肃东部至贵州东北部有一短波槽快速东移(图1),短波槽后为东北风,槽前西南风,邵东县灵官殿镇地区处于槽前西南气流中,西南风速达到20 m/s,700 h Pa邵阳地区上空西南急流达到18 m/s,西南急流为此次冰雹输送了丰沛水汽和不稳定能量,850 h Pa重庆贵州湖南西部有一西南涡生成,邵阳处在西南涡东部。
4月30日14:00,500 h Pa短波槽发展东移至重庆至贵州一带,灵官殿镇处于槽前西南气流中,风速加大到24 m/s,地面图上灵官殿镇地区为热低压控制,说明低层西南涡切变线配合地面热低压,加强了辐合上升运动,触发对流不稳定能量释放,产生了有利于冰雹发生的超级单体,超级单体在高空偏西风引导下东移。
2 物理量分析
2.1 对流有效位能
对流有效位能(CAPE)是一个从自由对流高度到平衡高度测量自由对流层的累积浮力能得垂直积分指数,对流有效位能越大,越有利于强对流及冰雹天气的产生。
从图2可以看出,4月30日8:00,灵官殿镇地区CAPE指数为200 J/kg,14:00灵官殿镇地区CAPE指数上升为1 000J/kg,增幅为800 J/kg。而29日14:00 CAPE指数为600 J/kg,20:00为300 J/kg,说明越临近冰雹发生时,积累的不稳定能量越大,越有利于冰雹的发生。
2.2 垂直上升运动
从表1可以看出,4月30日8:00,500 h Pa灵官殿镇地区垂直速度为0.2 m/s,700 h Pa为0.1 m/s,为正垂直速度区,说明此时空气为下沉运动。14:00,灵官殿镇地区500、700、850 h Pa垂直速度值分别为-1.1、-0.8、-0.7 m/s,为负垂直速度区,与8:00相比,此时空气上升运动强烈,为强冰雹发生提供了有利的动力抬升条件。20:00,上升运动速度明显减弱。
(m/s)
2.3 不稳定性分析
从表2可以看出,4月30日2:00、8:00,邵东县灵官殿镇500 h Pa温度露点差分别为20、22℃,850 h Pa温度露点差分别为0.5、1.5℃,说明冰雹发生前邵东灵官殿镇处在上干下湿气层中,大气表现为较强的层结不稳定。
一般来说,K值愈高,潜能愈大,大气层结愈不稳定[5]。该文K指数计算公式为:K=(T850-T500)+Td850-(T-Td)700。30日2:00~14:00,K指数分别为38、37、41,邵东灵官殿镇附近一直处于高能区。说明冰雹发生当天,邵东灵官殿镇空气不稳定性非常强,对冰雹生成非常有利。
3 雷达回波特征分析
3.1 反射率因子特征分析
回波强度最大值及所在的高度是判断强降雹潜势的重要指标。由图3可以看出,16:19,1.5°仰角(图3 a1)最强反射率因子值有60 d Bz,9.9°仰角(图3 a6)回波强度最大值达到了73 d Bz,高度达到了9 km以上,出现了高悬的强反射率因子核,体现了明显的冰雹回波特征,最强反射率因子值正好位于邵东县灵官殿镇,此时邵东县灵官殿镇附近开始出现冰雹,2.4°~4.3°仰角(图3 a2~a4)能明显分辨出有钩状回波,4.3°~6.0°仰角(图3 a4~a5)上可以明显分辨出有界弱回波区。16:25,2.4°~6.0°仰角(图3 b2~b5)有界弱回波区比16:19更加清晰,钩状回波尾部范围扩大,从低层到高层,强反射率因子区域向入流一侧倾斜,降雹区域位于9.9°最强反射率因子地方。16:31,6.0°(图3 c5)和4.3°(图3 c4)仰角上钩状回波有所减弱,但能分辨出有界弱回波区,2.4°(图3c2)和1.5°(图3 c1)仰角则仍有钩状回波,说明钩状回波是从上向下逐渐消失的。
统计分析表明,81.8%的旁瓣回波出现在离雷达50~150km距离段,旁瓣回波以3~6 km高度出现频数最高,且大部分旁瓣回波产生在反射率因子强度超过63 d Bz时[6]。邵东灵官殿镇位于邵阳市雷达以东50 km处,16:19,9.9°仰角(图a6)上超级单体反射率因子最强地方有70 d Bz,位于灵官殿镇以西,箭头所指的地方有一明显的旁瓣回波存在,且距雷达50 km以内;16:25,9.9°仰角(图3 b6)上旁瓣回波与16:19,9.9°仰角(图3 a6)相比,旁瓣回波向东南方向发展到距雷达50 km处,且旁瓣回波最远处距最强反射率因子处更远,6.0°仰角(图3 b6)上也有旁瓣回波存在。16:31,9.9°仰角(图3 c6)最强反射率因子值范围扩大且向东移,旁瓣回波发展到距雷达50 km以外地区,6.0°仰角旁瓣回波与前一时次相比,旁瓣回波伸展的距离更远。说明雷达反射率因子图在高仰角图上出现旁瓣回波对冰雹潜势有指示意义。
3.2 径向速度图分析
所谓逆风区,就是在速度图上大片的负(正)径向速度区中出现一块正(负)速度区。这种逆风区风场结构可以看出,在风场的一侧是辐合气流,而另一侧辐散气流,形成了闭合的循环气流。
注:a1 16:19 1.5°a2 16:19 2.4°a3 16:19 3.4°a4 16:19 4.3°a5 16:19 6.0°a6 16:19 9.9°;b1 16:25 1.5°b2 16:25 2.4°b3 16:25 3.4°b4 16:25 4.3°b5 16:25 6.0°b6 16:25 9.9°;c1 16:31 1.5°c2 16:31 2.4°c3 16:31 3.4°c4 16:31 4.3°c5 16:31 6.0°c6 16:31 9.9°。
从图4可以看出,16:06,在箭头所指处,一片正的速度区中有一块负的速度区出现,即逆风区,此时逆风区位于邵东与邵阳县交界处的邵阳县境内。16:19时,逆风区向东北移至灵官殿镇以西,逆风区结构十分清晰,16:25时,逆风区继续向东发展前进,
3.3 回波顶高和垂直累积液态水含量(VIL)分析
16:13,灵官殿镇地区最大回波顶高有11~12 km,垂直累积液态水含量只有5 kg/m2,16:19灵官殿镇地区最大回波区顶高发展到了14~15 km高度,VIL值为10~20 kg/m2,16:2516:31灵官殿镇、堡面前乡、石株桥乡最大回波区顶高均达到了15~17 km,VIL增加到70 kg/m2,16:37超级单体逐渐东移,回波顶高逐渐减小到12 km以下高度。根据以上分析,灵官殿镇地区出现冰雹时最大垂直液态水含量为70,最大回波顶高为15~17 km。
注:a-16:06;b-16:13;c-16:19;d-16:25;e-16:31;f-16:37。
4 结论
(1)500 hPa高空短波槽东移、700 hPa西南急流、850h Pa西南涡,地面暖湿气流辐合上升为冰雹的发生发展提供了有利的动力和水汽条件。
(2)此次强冰雹是由发展旺盛的超级单体风暴所致,并且具有明显的够状回波、有界弱回波等特征。
(3)雷达反射率因子图上,在6.0°仰角以上出现的旁瓣回波可以作为判断冰雹发生的一个依据。
(4)径向速度图上出现逆风区可预警冰雹发生。
(5)回波顶高和垂直累计液态水含量可以作为可以代表降冰雹的潜势,VIL值(70 kg/m2)越大,回波顶高(15~17km)越高,降大冰雹的潜势越大。
参考文献
[1]吴春霞,赵俊荣,郭金强,等.“20090719”致灾冰雹的多普勒雷达回波特征分析[J].青海气象,2011(4):56-61.
[2]吴春英,张昱,马晓颖,等.抚顺“090621”冰雹多普勒雷达回波特征分析[J].安徽农业科学,2009,37(35):17584-17588.
[3]江敦双,高荣珍,彭义峰,等.青岛城区一次冰雹过程分析[J].气象与环境科学,2009,32(B09):42-45.
[4]袁鹏飞,姬鸿利,刘文玲.一次罕见大冰雹天气的新一代天气雷达回波分析[J].气象与环境科学,2012,35(1):62-66.
[5]章国材,矫梅燕,李延香,等.现代天气预报技术和方法[M].北京:气象出版社,2007:117-118.
雷达特征 第4篇
利用热带测雨计划卫星上的测雨雷达得到的降水资料,对年东亚降水,特别是中国大陆东部、东海和南海的降水,进行了分析研究,并对比了热带降水研究结果.年统计结果表明,东亚地区层状云降水出现概率极高(比面积达83.7%),对流云降水的比面积仅占13.6%,然而两者对总降水量的贡献相当.结果还表明,暖对流云降水出现的比例和对总降水量的贡献很小.在季节尺度,对流云和层状云降水的比与两者的.面积比成比例关系.除夏季外,测雨雷达降水量与GPCP降水量可比性好.研究结果还指出:在中纬度陆地和海洋上对流云和层状云的比降水量和比面积呈相反方向作季节性南北移动,这一活动与东亚季风变化一致:该地区降水的季节性变化还表现为降水垂直廓线的变化.除冬季外,南海地区降水垂直结构呈热带特征.CRAD分析表明,对流云降水的地面雨强变化大,尤其在陆地上,而层状云多表现为地面弱降水.
作 者：傅云飞 林一骅 刘国胜 王强 FU Yunfei Lin Yihua Guosheng LIU WANG Qiang 作者单位：傅云飞,FU Yunfei(Department of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026;LASG, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029)林一骅,Lin Yihua(LASG, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029)
刘国胜,Guosheng LIU(Department of Meteorology, Florida State University, USA)
雷达特征 第5篇
文中基于目标散射点分布的非衰减指数和模型,利用Relax算法和遗传算法相结合提取目标散射中心的幅度参数和位置参数。仿真结果表明,文中方法有较高的精度和抗噪能力。
1 非衰减指数和模型
以频率步进雷达为例,假设有N个在频域上等间隔采样的雷达回波测量数据,非衰减指数和模型可表示为
n=0,1,…,N-1 (1)
其中,步进频率fn=f0+nΔf;f0是频率步进的起始频率;Δf是步长;n是频率步进数;M是散射中心个数;C是电磁波传播速度。rm表示散射中心的距离位置;Am表示散射中心的幅度;一般情况下Am为复数,但通常认为Am的相位没有强度给的信息多[3],在后续的识别过程中,通常只使用位置参数和强度参数,所以这里令Am为实数,这在雷达工作频率较高时,对rm估计的影响可以忽略不计。(Am,rm)表示了第m个散射中心的特性。noise(n)表示噪声,文中仿真采用高斯白噪声。
2 参数估计的基本原理
利用遗传算法进行参数估计时,将每个散射点的提取转化为一个非线性问题求取其最优解[4]。基本思想是使式(2)达到最小值
其中,y(n)为观察数据,(Am,rm)为待估参数。由式(2)可知,要估计的参数总共有2 M个。当散射点个数较多时,若直接采用遗传算法对所有参数进行同时估计,会导致运算量激增[4],可能无法求出最优解。这里可采用Relax算法来解决同时估计多个参数的问题,先估计最强散射点,然后消去强散射中心再估计次强散射点,依次类推,可逐步估计出所有散射中心的参数。另外Relax算法提取参数具有精度高、鲁棒性强的优点,而且具有一定的去噪功能,在信噪比较低的情况下也能很好地估计模型参数[5]。
采用Relax算法时,第m个散射中心的代价函数为
ym(n)为除去m-1个强散射点后的回波数据,即
其中y1(n)=y(n)。
算法估计步骤:
步骤1 利用遗传算法求F1的最小值,得到第一个散射点(A1,r1)。
步骤2 (1)利用遗传算法求F2的最小值,得到第2个散射点(A2,r2)。
(2)由(A2,r2)及y1(n),利用遗传算法计算F1的最小值,更新第一个散射点(A1,r1)。
(3)由(A1,r1)及y2(n),利用遗传算法计算F2的最小值,更新第二个散射点(A2,r2)。
(4)重复步骤(2)和(3),直到满足收敛条件。
步骤3 (1)由(A1,r1),(A2,r2)及y3(n),利用遗传算法计算F3的最小值,得到第3个散射点。
(2)由(A2,r2),(A3,r3)及y1(n),利用遗传算法计算F1的最小值,更新第1个散射点。
(3)由(A1,r1),(A3,r3)及y2(n),利用遗传算法计算F2的最小值,更新第2个散射点。
(4)由(A1,r1),(A2,r2)及y3(n),利用遗传算法计算F3的最小值,更新第3个散射点。
(5)重复步骤(2)到(4),直到满足收敛条件。
按照上述方法,依次计算m=4,5,…,M的散射点(Am,rm)。
3 仿真实验
采用Matlab7.1作为仿真实验平台,对文中提出的方法进行仿真实验。
雷达工作频率8.5~9.5 GHz,频率步长为5 MHz,频率采样点数200,仿真噪声为高斯白噪声,仿真目标由5个散射中心组成,参数设定如表1所示。遗传算法中初始种群为50,进化代数为100,交叉概率为0.9,变异概率0.1。遗传算法中幅度强度编码长度10位,搜索范围为0~4,位置编码长度15位,搜索范围为0~6。文中分别在信噪比为20 dB、10 dB、5 dB下验证算法的性能。表2为文中算法经30次MontoCarlo仿真平均值。
从仿真结果来看,即使在较低的信噪比下,文中的算法精度也是比较高的,这进一步说明了文中算法的有效性。
4 结束语
在雷达目标识别中,目标的一位距离像散射中心幅度强度和位置信息经常作为特征参数使用。文中将Relax算法与遗传算法相结合,将散射中心的提取问题转化为非线性优化问题,利用两种算法的优点对目标散射中心参数进行估计,仿真结果表明,文中算法精度比较高,而且对噪声也有一定的抑制能力。
参考文献
[1]黄培康,殷红成,许小剑.雷达目标特性[M].北京:电子工业出版社,2006.
[2]保铮,刑孟道,王彤.雷达成像技术[M].北京:电子工业出版社,2005.
[3]Choi I S,Kim H T.Two-dimensional Evolutionary Pro-gramming-based CLEAN[J].IEEE Trans.onAES,2003,39(1):373-382.
[4]雷英杰.Matlab遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2006.
雷达特征 第6篇
现有的雷达辐射源识别算法可以分为基于雷达脉冲序列特征的识别算法[2—5]和基于雷达信号脉内特征的识别算法[6,7]。前一类算法采用的特征参数主要是常规的脉冲参数,如载频、脉宽、脉冲重复间隔等,当脉冲交叠和脉冲丢失存在时,往往难以实现准确的识别; 后一类算法一般采用雷达信号的脉内调制特征实现对雷达信号的分类,但随着雷达信号调制形式和干扰信号的增多,脉内调制特征的提取更加困难,使得原有的算法识别性能降低。
针对雷达辐射源所面临的问题和当前识别算法的不足,本文提出了一种基于信号特征综合处理的雷达辐射源识别算法。算法的主要思想是综合利用雷达信号的脉冲序列信息、极化信息和脉内调制信息,运用调制类型粗分类与综合信息精确识别的两级识别模型,实现对复杂体制雷达辐射源的识别。
1 雷达信号参数预处理
本文所研究的对象是经过全脉冲分选后得到的单一雷达或者是雷达的一种工作模式的脉冲序列,并且所涉及到的雷达信号的特征参数都是雷达信号的固有特征,与通常特征提取得到的特征参数不同,所以无需对其进行特征选择。但由于雷达信号各个参数的类型不同,需要建立统一的参数格式,才能有效地综合利用各种信息。
1. 1 脉冲序列信息
在脉冲序列信息中脉冲重复间隔( PRI) 和载频( F) 这两个参数将决定雷达的性能和功能,并且与其他参数相比,其变化规律也更为复杂多样,常用于雷达辐射源的识别。对于这两个参数来说,它们具有类似的性质,因此采用相同的预处理格式,如图1所示。
图1中参数类别标示“P”表示后续序列为PRI信息,“F”表示载频信息; 调制方式标示表示PRI或载频的调制方式,对于PRI来说,“1 ~ 6”分别表示PRI固定、PRI抖动、PRI参差、PRI组变、PRI滑变和PRI正弦调制,对于载频,“1 ~ 3 ”分别表示频率固定、频率分集和频率捷变。对于数值个数和数值位,数值位的长度由数值个数决定。
1. 2 脉内调制信息
雷达信号脉内调制通常指信号的频率调制、相位调制和包络调制。根据脉内调制方式可以将雷达信号分为常规信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、频率编码信号等,图2给出其预处理格式。
对于常规信号,其调制方式标示位为“1”,起始频率位为其频率值,其余位置均置零; 对于线性调频信号,其调制方式标示位为“2”,编码长度与编码格式位置零; 对于非线性调频信号,其调制方式标示位为“3”,调频斜率、编码长度与编码格式位置零; 对于二相编码信号和四相编码信号,其调制方式标示位分别为“4”和“5”,起始频率位、终止频率位和调频斜率位均置零; 对于频率编码信号,其调制方式标示位为“6”,此时编码长度位的数值表示频点的个数,编码格式表示脉冲内频率或相位的变化规律。编码格式所占位数由编码长度决定。
1. 3 极化信息[8,9]
极化方式是雷达信号的一个重要参数,它不受雷达信号其他特征参数的变化而变化。而不同用途的雷达所采用的极化方式有所不同,因此可以利用雷达的极化信息对雷达进行分类识别,其处理格式如图3所示。
常见的极化方式与其调制方式标示的对应关系如下: 水平极化“1”、垂直极化“2”、斜线极化“3”、左旋圆极化“4”、右旋圆极化“5”、左旋椭圆极化“6”、右旋椭圆极化“7”、极化分集“8”,极化捷变“9”。
2 混合核函数支持向量机简介[10—13]
根据引言中的分析,现代电子战中的雷达辐射源识别问题将成为小数据样本、高特征参数维数的分类问题。支持向量机正是解决这类问题强有力的工具,支持向量机的运用,关键在于核函数的选择和其参数的选择。
本文为了综合利用局部核函数和全局核函数的学习能力和泛化能力,采用一种由多项式核函数和RBF核函数线性组合得到的自适应核函数,其表达式如下:
式( 1) 中,λ ∈[0,1]为比例系数,用于控制混合核函数中多项式核函数和RBF核函数作用的大小,使混合核函数具有最优的性能; Kpoly表示多项式核函数; KRBF表示RBF核函数。
对于混合核函数来说,其需要寻优的参数包括惩罚系数C、比例系数 λ、多项式核函数的阶数q以及RBF核函数中的 σ。与其他常用算法相比,粒子群算法寻优过程简单,参数设置少,更适合混合核函数支持向量机参数寻优。粒子群算法的原理在此不再赘述。
3 基于信号特征综合处理的雷达辐射源识别算法
将雷达信号的各类信息按照上述格式处理后,进行组合就可以得到雷达信号的统一调用格式。
为了提高雷达辐射源识别的效率及准确率,本文首先采用雷达信号参数调制方式对雷达辐射源进行粗分类,然后再利用混合核函数支持向量机对其进行精确识别。
3. 1 综合调制信息粗分类
不同的雷达辐射源或同一辐射源的不同工作模式其雷达信号参数有不同的调制方式,并且在电子侦察过程中,雷达信号参数的调制方式的识别受到噪声的影响较小,因此可以实现雷达辐射源的快速分类。
在图4所示的格式中对参数类别标示和调制类别标示进行提取,就可以得到雷达信号的综合调制信息,如图5所示。
在调制类型匹配时,按照图5所示格式从左至右依次进行,一旦出现匹配错误,即认为待识别雷达与该模板雷达不匹配,无需进行后续识别。如果待识别雷达综合调制信息中丢失某种调制信息,则在匹配时,将模板雷达的综合调制信息中对应的部分省去,再进行匹配识别。
3. 2 混合核函数支持向量机精确识别
3. 2. 1 雷达综合信息参数格式修正
通过对待识别雷达辐射源的粗分类,将得到一组与待识别雷达具有相同调制信息的模板雷达,虽然这组雷达具有相同的调制信息,但其参数的个数以及具体的变化规律可能不同,从而导致经过综合调制信息提取后的雷达辐射源综合信息参数格式的长度不同,因此需要对其进行修正,便于后续识别,具体步骤如下。
步骤一: 去“0”。对于同种调制形式,根据上述预处理方法,在其预处理格式中相同的位置都存在“0”项,为了减小后续识别中特征参数的维数,对其进行去除,值得注意的是,当脉内调制方式为相位编码时,即脉内信息段的编码长度位为“n”时,需要对编码长度位后的n位进行保留;
步骤二: 补齐。找到经过粗分类所得到的一组模板雷达和待识别雷达的综合信息格式中对应的各个信息段内的数值个数的最大值,并将这些雷达的各段信息按最大值补齐。例如,例如某个雷达某段信息内的数值个数为2,其值为[1,2],该组中对应信息段的数值个数最大值为5,则补齐后的该雷达的该段信息内的数值变为[1,2,1,2,1],其余位置保持不变。
3. 2. 2 混合核函数支持向量机的训练及识别
将修正后的模板雷达和待识别雷达的综合信息中除了参数类型标示以外的每一位都作为模板雷达和待识别雷达的一个特征参数,以模板雷达为训练样本,识别的准确率为参数寻优时的适应度,对混合核函数支持向量机模型进行训练,直至满足识别准确率的要求。然后再用训练好的模型对待识别雷达进行识别。
3. 3 算法总体流程及雷达数据库格式
算法流程及雷达数据库格式如图6所示。
4 仿真实验
为了有效地验证本文算法的识别性能,需要从两个方面进行仿真实验,一是单一核函数SVM与混合核函数SVM的识别效果的对比实验; 二是传统的基于雷达脉冲序列特征的识别算法和基于雷达信号特征的识别算法与本文算法识别效果的对比实验。
4. 1 对比实验一
假设雷达数据库中现有一组脉内调制方式为二相编码、PRI的调制方式为参差、载频调制方式为频率分集、极化方式为垂直极化的模板雷达,完成综合信息参数格式修正后,得到如表1所示的一组雷达参数。
按照本文的识别方法,将表1中的雷达综合参数信息作为15维的特征参数向量,对SVM进行训练和识别效果验证。采用文献[15]中的误差偏离水平( error deviation level,EDL) 指标来表示噪声对数据的污染程度。在同一EDL下,对表一中的五部雷达数据进行污染,每部雷达产生30组噪声样本,其中20组用于训练SVM模型,剩余10组用于验证识别效果,随着EDL的增大,得到多项式核函数SVM、RBF核函数SVM和混合核函数SVM的识别结果如图7所示。
从图7中可以看出,随着EDL的增加,三种SVM模型的识别效果都有不同程度的降低,但总体来说,混合核函数SVM模型的识别效果要优于其他两种模型,与理论分析的结果一致。
4. 2 对比实验二
利用实验一中的数据,分别用本文中的混合核函数SVM模型和文献[15]中的算法对不同EDL的噪声样本进行识别,识别结果如图8所示。
从实验结果可以看到,混合核函数SVM算法具有跟好的识别效果,其原因在于本文算法中将经过处理后的雷达综合参数信息作为雷达信号的一个具有特定顺序的特征参数向量,即保留了雷达辐射源的统计特性,并通过参数格式修正时进一步的放大了雷达信号参数的时序变化规律,使其具更好的识别效果。
5 结论
雷达特征 第7篇
1 天气背景分析
2016年4月26日08:00 500 h Pa中高纬地区为一脊一槽型, 脊位于乌拉尔山脉附近, 贝湖及其以东一带为宽广槽区, 槽底达40°N附近;环流较为平直, 多小波动;河套到华西一带有一低槽;南支槽位于105°E附近;西太平洋副热带高压稳定维持在20°N以南地区;在南支槽与副热带高压之间有一支≥20 m/s的西南风急流, 急流中心在赣州, 达24 m/s;闽北处于槽前西南暖湿气流中。850 h Pa在安徽境内有一148的低涡中心, 冷式切变位于武汉、长沙、桂林、河池等地一带附近, 切变南侧的南宁、梧州、赣州、邵武等地一带有一支≥12 m/s的西南风低空急流, 急流中心在梧州, 达18 m/s, 闽北处在切变南侧的西南气流中, 有风速辐合 (梧州18 m/s、赣州16 m/s、邵武12m/s) 。地面有较强冷空气南下, 闽北地区处于倒槽暖区内 (图1) 。此次降雹属于南支槽型中的低空切变降雹[1]。
从4月26日08:00邵武探空资料看, 0℃层高度在570 h Pa (4 470 m) 以下, -20℃层高度在380 h Pa (7 809 m) 以下, 有利于冰雹云生成;K指数为37, Δθse (850~500 h Pa) 为13.7, 沙氏指数 (Si) 为-0.6, 说明闽北上空是层结不稳定的;从T-log P图上看 (图略) , 层结曲线与露点曲线之间呈向上开口喇叭状, 这种上干下湿的配置有利于产生冰雹等强对流天气。
2 雹云的移动路径与天气实况概述
分析逐体扫的组合反射率因子 (CR37) 产品资料和收集到的地面灾情与实况可知, 造成浦城南部及松溪北部一带降雹的雹云回波是由12:04位于建阳莒口附近的对流单体发展起来的, 经建阳东北部、浦城南部、松溪北部于14:39移入浙江庆元 (图2) ;CINRAD雷达风暴追踪算法于12:16对该雹云单体进行编号 (H4) , 16:15停止编号, 编号时间长达4 h之久;雹云单体在南平市活动时间约2.5 h (其中影响浦城、松溪时间约1 h) , 造成浦城县水北街镇和松溪县祖墩、花桥、渭田、旧县4个乡镇出现冰雹等强对流天气。
雹云发展阶段主要受引导气流影响, 向东北方向移动;雹云发展成熟后移动路径出现了“右旋”。
3 雹云回波特征分析
3.1 强度特征
由图2可知, 雹云影响浦城、松溪期间 (13:27—14:27) 回波强度强 (多在65 d Bz以上) 且强回波区面积大 (图2o~y) , 雹云最强盛时段60 d Bz以上强回波区呈“椭圆”状。
3.2 VIL的“跃增”与“骤降”现象
分析逐体扫的垂直积分液态含水量 (VIL) 产品资料可知, 雹云在造成浦城县水北街镇降雹前出现了2次明显的VIL“跃增”现象, 第1次由13:03的35 kg/m2增到13:15的50 kg/m2, 即12 min (2个体扫) 跃增15 kg/m2 (图3a~b) ;第2次由13:27的40 kg/m2增到13:51的60 kg/m2, 即24分钟 (4个体扫) 跃增20 kg/m2 (图3c~d) , 这表明了由VIL值的跃增, 可以反映冰雹粒子在生长区碰并长大的事实, 其水汽来自低层向上的输送, 反映了雹云已处于酝酿之中。因此, VIL值的变化可以很好地预测降雹的可能性大小。
注:左图中, 实线为500 h Pa高度、槽线, 双实线为850 h Pa风场、切变线, 箭矢为急流轴。
雹云影响浦城县水北街镇期间出现了VIL的“骤降”现象, 由13:51的60 kg/m2骤降到14:03的40 kg/m2, 即12 min (2个体扫) 骤降20 kg/m2 (图3d~e) 。VIL值的“骤降”一般预示着有灾害性大风天气的发生。
雹云影响松溪县北部期间VIL都维持在较高水平, VIL值多在50 kg/m2以上 (图略) ;在影响松溪县渭田镇前也出现了明显的VIL“跃增”现象, VIL值由14:03的40 kg/m2增到14:15的60 kg/m2, 即12 min (2个体扫) 跃增20 kg/m2 (图3e~f) 。这与松溪北部多个乡镇出现降雹, 松溪县渭田镇降大冰雹是吻合的。
注:上一排从左向右分别为0.5°、1.5°、2.4°仰角;下一排从左向右分别为3.4°、4.3°、6.0°仰角。
注:左图为1.5°仰角, 气旋;右图为6.0°仰角, 辐散性气旋。
3.3 垂直结构特征
对比分析雹云强盛阶段不同仰角的基本反射率因子 (R19) 产品发现, 高反射率因子区从低仰角到高仰角向入流一侧 (东侧) 倾斜, 表明了其低层的弱回波区 (WER) 和中高层的悬垂结构 (图4) 。
3.4 中气旋
分析逐体扫的中气旋 (M60) 产品资料可知, 雹云影响闽北期间有8个体扫出现“中气旋” (图略) , 其中13:57—14:09连续3个体扫出现“中气旋”, 对应速度图上6.0°仰角以下为气旋或辐散性气旋 (图5) , 期间雹云回波正在影响浦城县水北街镇及松溪县祖墩、花桥、渭田等地一带, 出现了冰雹等强对流天气。
4 结语
(1) 此次降雹属于南支槽型中的低空切变降雹。500 h Pa中高纬地区的一槽一脊型和西太平洋副热带高压的稳定维持为此次降雹过程提供了有利的环流背景。南支槽、低层低涡切变、高低空西南风急流及地面倒槽是其主要影响系统。
(2) 闽北上空的不稳定层结及合适的0℃、-20℃层高度, 有利于冰雹云生成。层结曲线与露点曲线之间呈向上开口喇叭状的“上干下湿”配置, 有利于产生冰雹等强对流天气。
(3) 造成浦城、松溪降雹的雹云回波是由位于建阳莒口附近的对流单体发展起来的, 经建阳东北部、浦城南部、松溪北部移入浙江庆元;其移动路径具有明显的“右旋”特征。
(4) 造成浦城、松溪降雹的雹云回波具有回波强度强、强回波区面积大、维持时间长, 并出现中高层强回波悬垂、低层弱回波区、VIL“跃增”及“中气旋”等特征。
摘要：利用常规资料和建阳新一代天气雷达资料, 对2016年4月26日闽北冰雹过程进行初步分析。结果表明, 此次降雹属于南支槽型中的低空切变降雹, 南支槽、低层低涡切变、高低空西南风急流及地面倒槽是其主要影响系统;雹云回波是本地生成的, 具有回波强度强、强回波区面积大、维持时间长, 并出现移动路径“右旋”、中高层强回波悬垂、低层弱回波区、VIL“跃增”及“中气旋”等特征。
关键词：冰雹,VIL“跃增”,中气旋
参考文献
雷达特征 第8篇
目标识别是军事雷达应用的一个重要部分。对空中、陆地以及海域中敌意目标识别的局限已经一度被NATO(北约)认为是整个防御体系中最薄弱的环节[1]。在最大警戒范围和武器系统的射程以内快速而准确地进行目标识别仍然是目前很具挑战性的问题。近年来,将微多普勒技术与雷达目标识别结合,发展了基于微多普勒分析的目标识别技术。本文将介绍微动在目标识别领域取得的主要技术进展和成果,分析其应用前景和发展趋势。
1 目标微动和微多普勒效应
美国海军研究实验室的Victor C. Chen将目标或目标的组成部分除质心平动以外的振动、转动和加速运动等微小运动称为微动。微动是普遍存在的,如人体的体动、桥梁的机械振动、引擎引起的车辆表面的振动、中段弹头的进动等。
当雷达波与运动表面相互作用激励出电磁场时,一部分散射信号被雷达接收机接收到,运动对电磁波的作用转化为信号调制。当目标以恒定速度运动时,回波信号的载频会发生偏移,这个效应称为多普勒效应。当目标或目标上的某些部分存在相对于目标主运动方向的机械振动或旋转,则回波信号的频率将被调制,体现在频谱图上则是频移旁瓣的出现。这种现象就称为微多普勒效应。微多普勒是从频率上描述了目标微动的雷达特征,反映的是多普勒频移的瞬时特性,表征了目标微动的瞬时径向速度。
2 应用现状
2.1 空间目标探测与识别
国家的空间力量和空间战略最重要的环节就是空间目标探测和识别技术。微多普勒特征提取的分辨力可以达到0.3 Hz,因此对于3 cm工作波长的雷达,其径向速度分辨力能够达到5 mm/s量级,这对稀薄大气层内各类飞行器的检测分辨、跟踪与识别是极为有用的特征。
美国海军导弹防御委员会于2001年对海基雷达用于弹道导弹防御做了论证[2]。文中指出,对于导弹防御雷达系统来说,微动特征指威胁目标自旋频率和其他非常规运动所蕴含的独一无二的特征,这些特征使雷达能够将弹头从诱饵和碎片中识别出来。美国正在研制的THAAD GBR X-波段雷达能够精确测量威胁目标的微动特征。弹道导弹目标的雷达微动特征提取为TBMD目标识别提供了一种很具潜力的手段。
2.2 X波段连续波雷达微多普勒步态分析
人类的行走步态是一个包含了身体各部分不同运动组成的复杂运动。雷达具有在任何天气条件下远距离侦测和识别人体的优势。目前对雷达步态识别越来越受到国内外学者的关注,研究也日趋深入。
文献[3]讨论了行人模型的X波段雷达后向散射,并基于这个模型计算得到了行人身体各部分的速度分布。图1(a)是雷达后向散射的距离像,图1(b)是用短时傅立叶变换进行时频分析以后的面向雷达行走的行人的微多普勒信号。图2是通过计算得到的面向雷达行走的行人的身体各部分相对于雷达的径向速度,可以看出图2所仿真的微多普勒时频像和计算得到的行人径向速度模版是一致的。
文献[4]中研究了雷达用于步态分析的仿真和应用。实验中仿真了完全相干连续波X波段雷达向行走、跑动和爬行的人发射脉冲得到的回波信号,回波信号中包含了行人走动时身体各部分运动的丰富的步态识别信息。图3是仿真行人1分钟时间段的微多普勒信号,图中标示出了不同动作的具体时间间隔,如加速走、跑步以及减速站定等。此类数据可以被用来进行长时间段人类活动的识别研究。
2.3 汽车引擎微多普勒研究现状
抖动是汽车引擎内部燃料不完全燃烧导致的非正常工作状态。频繁而剧烈的抖动有可能对引擎造成损伤。由引擎抖动引起的汽车共振可以被用来进行抖动检测和引擎诊断。国外有很多关于引擎抖动检测的研究发表。
文献[5,6]建立了一个由引擎抖动产生的随机性振动信号模型,该模型由N个幅度和相位随机的共振信号叠加而成。共振频率和包络函数由曲柄角决定。基于这个模型,引擎一个燃烧周期的信号模型如图4(a)所示,时频分布如图4(b)所示。利用雷达照射汽车表面所得到的回波可以检测到这种振动信号。
2.4 直升机叶片的微多普勒信号
对于直升机,主旋翼、尾旋翼和转动轴都有特殊的回波信号。直升机微多普勒由两部分组成:JEM离散谱线和由旋翼及其转轴调制产生的连续多普勒谱。JEM谱线由引擎的转动部件后向散射调制产生,且与直升机构造有关。转动部件包括:压缩机、涡轮和风扇叶片。直升机叶片的RCS取决于雷达和叶片转动中心的距离、角坐标以及转动的视线角。
文献[7]最先使用了多普勒外推法(Doppler Extrapolation Scheme)计算了四叶片直升机模型的时频谱,从理论上预测了直升机的微多普勒现象。美国陆军研究实验室使用92 GHz连续毫米波雷达对Mi-24“雌鹿”D型直升机的微多普勒进行了测量,分析了直升机目标的多普勒频谱构成,包括喷气发动机的JEM调制效应,主旋翼和尾旋翼的多普勒谱。研究者测量了不同视角的微多普勒,表明直升机多普勒谱特征对方位角敏感。Victor C. Chen在文献[8]中分析了转动叶片的雷达微多普勒回波信号并得到了类似的结论,图5是通过仿真数据得到的微多普勒频移和叶片转动角的关系。文献[9]得到了BO-105双引擎直升机的X波段雷达回波信号的微多普勒。
图6是文献[10]中用X波段提取的悬停直升机微多普勒信号。直升机在地面上空大约60 m处盘旋,距离雷达2.5 km,主旋翼为5叶,转速为203 rpm,尾旋翼为6叶,转速为1 030 rpm。图6(a)是原始雷达回波信号的傅立叶变换,图6(b)是使用平滑伪WVD(Wigner-Ville distribution)的回波信号时频分析。图6(c)和(d)是通过小波分析提取到的直升机主旋翼和尾旋翼的微动特征。
3 雷达微动目标识别现状
分析微动目标的时频分布特性是研究目标特性的有效方法之一。对于微动目标时频分布,首先进行特征提取,为每一种不同的微动形式建立一个模版,然后把待识别的目标未知信号归类到其中的一个模版中。这个过程即为微动目标识别,它主要包括特征选择、分类器训练以及数据分类几个过程。
目前微动目标特征提取所选取的特征一般是时频曲线的倾斜角、对称度以及是否具有中心线等,合适而有效的特征选取在各种分类器下分类效果都会较好。用来进行微动目标识别的分类器目前有:LDC(贝叶斯线性分类器)、QDC(平方分类器)、SVC(支持向量机分类器)、K-NN(K最近邻法分类器)、NNC(神经网络分类器)。文献[11]通过仿真测试了以上5种分类器的识别效果。实验中设置了振动、转动、椎动和滚动4种微动形式,一种微动形式对应于一种模版类。对于每一种微动通过改变仿真参数得到70个目标样本,其中30个用来训练分类器,其他40个用于测试。实验提取了倾斜角、对称度和中心线3个特征作为识别目标的特征矢量。表1列出了各种分类器的分类错误率,可以看出,除了NNC分类,其他4种方法均可很好地以零错误概率正确分类。文献[11]的分类测试证明了基于时频信号选取特征的目标分类是可行的,并且具有很高的识别率。
语音识别技术在微多普勒目标分类领域也有很大的发展空间,文献[12]应用DTW(动态时间归正)算法对微动目标分类的正确概率达到96%。其中,分类器的分类效果和数据的时间长度有关,时间越长识别效果越明显。结果显示,这种方法优于传统的人工语音识别以及K-NN分类器。
4 雷达目标微动特性研究前景与方向
雷达目标微动特征提取与识别是目前一个新兴的研究领域,它是运动学与雷达信号处理的交叉结合,技术涉及运动建模、时频分析、变采样滤波、雷达成像理论和技术等。目前,在军事领域,目标微动特性在弹道导弹防御体系中已经发挥了很大的作用。运动特征是导弹目标识别所依据的主要特征之一,弹道导弹的振动、自旋、进动和章动都属于微动范畴,可望为导弹目标识别难题提供新的解决手段。对于空中和地面目标如飞机或地面车辆,基于目标微动的目标识别也具有明显的优势,对于不同的引擎和转动部件,微多普勒频移是独一无二的,经处理后与目标特征库进行对比,由自动目标识别算法就可以确定目标的身份。基于振动微多普勒频移的目标识别算法具有不受方位角限制、超视距、适用于非合作目标的识别等优点。地面目标的运动,如行人手臂和腿部的摆动、车辆表面的振动、车轮和履带的转动以及天线罩的转动都属于微动源。这些微动特性为监测和识别地面目标提供了一种有效的途径,而且对于已经识别出的地面目标来说,还可以利用精细的微多普勒幅度和频率差异进行精确身份辨别。在现代高度自动化的战争中,微多普勒目标识别还具有非常大的发展前景和空间。
随着这种不依赖于传统成像识别的识别方式越来越引起人们的关注,相关的研究必将越来越多。需要研究和解决的难点主要有以下几个方面。
1) 微动目标雷达特征分析
微动引起的雷达信号调制包括时域、频域、极化域、RCS调制,目前国外研究人员主要集中于研究微动目标回波信号的瞬时频率特征,对于其他的几个特征很少有研究。
2) 多微动目标分辨
在实际应用中,目标可能包含多个微动分量,或有多个目标并且每个目标有各自的微动特性,因此,相关的研究需要深入下去。
3) 微动目标的参数估计
微多普勒是估计目标参数的前提,目前国外的研究重点放在时频分析中,对于点目标、线目标、体目标的参数估计研究较少。目前的时频分析如短时傅立叶变换、WVD变换的能力和精度对于估计参数还不够准确,尚有待改进。
4) 目标成像时的微多普勒补偿
ISAR成像中通常目标被认为是刚体,但往往很多目标是带有微动的非刚体。微动的目标会给ISAR成像带来模糊和伪像的影响[13],导致聚焦模糊。因此,基于微多普勒参数估计的成像补偿研究是目前研究的热门方向。
5) 建立完善的目标识别系统
微动是目标的特有信息,在目标识别方面有着特殊优势。要对特定的军事目标进行识别,就需要建立完善的军事目标的微动特征和参数库,例如对于每种型号军事目标的质量分布特征、惯量比、发动机引擎调制特征等。今后的研究侧重点将是建立较为完善的微动目标雷达特征体系、形成统一的微多普勒信号分析与目标识别方法,逐步将识别对象从简单的点、线目标向复杂微动目标推进。这样才能使微多普勒目标识别技术逐步成熟起来。
5 结束语
雷达特征 第9篇
雷达数据处理中,目标点迹的输出质量直接影响后绪航迹处理的效果,是保证航迹处理成功建航的关键。传统的雷达点迹处理方法,一般只从信号处理送来的信息中检测目标,进行点迹凝聚,最后只提供给航迹处理目标方位,距离或者还包含仰角信息。这样,由于可用信息量有限,会影响航迹处理的效果,有时候甚至无法完成建航或者断航等。
本文通过从信号处理给出的目标视频幅度、距离、方位信息中,采用特定的滑窗检测和终了判定准则进行目标点迹的检测,从而得到目标点迹的回波数特征信息;然后从目标回波包络幅度信息中提取目标距离单元上的峰值,智能完成距离凝聚,解决了目标距离分裂现象,并且得到目标点迹的幅度包络特征信息。最后,采用质心法对方位凝聚,完成点迹的凝聚,输出带有目标智能特征信息的点迹给后绪的航迹处理,有利于航迹处理的成功实现。
本文首先介绍了采用的点迹检测和凝聚方法,然后介绍了目标特征信息的提取方法[1,2,3,4],接着给出了硬件实现框架,进行了实测数据的分析处理,最后得出结论。
1 点迹检测和凝聚
雷达接收回波信号中,不但有目标信号,也存在噪声和杂波等各种干扰信号,所以雷达目标信号检测是在有噪声和干扰的条件下进行的。
雷达点迹的检测过程可用滑窗检测和终了判定准则来描述。滑窗检测准则按照进入滑窗中的目标回波个数满足某个条件来作出目标是否有或无的判定。按照人们经验,常见的有3/5,4/7,5/9等滑窗判决准则。以5/9滑窗判决准则为例,即只要满足进入窗长为9个回波大小的目标回波数大于或等于5个以上,就作为发现目标的判决。并且此时发现目标时,记录下目标的回波个数,以备后绪的点迹的凝聚使用。终了判决准则是设定一定的回波个数门限值N,当经过N个回波脉冲时间之后,一直没有新的回波脉冲到来,此时作出目标回波终了(即结束)的判决。从进入滑窗后,假定有一个回波计数器,只要有目标回波脉冲到来,回波计数器的值就加一,一直到终了判决条件发生,回波计数器的值清零,此时就得到了所需的目标回波信息个数。
5/9滑窗判决准则示意图如图1所示。
其中,“1”表示有回波脉冲,“0”表示无回波脉冲。
终了判决准则示意图如图2所示。
从雷达数据处理要求的角度来说,人们希望一个点只有一组点迹数据,但实际上雷达录取的单个目标点迹数据为多组,在距离上和方位上都不是单值,产生了目标分裂,因而影响了对目标实际位置的估计。则要求用点迹凝聚处理来获取精确的目标物理参数的点迹信息。
雷达点迹凝聚处理技术[5,6]包括以下几个内容:
①对剩余虚假点迹过滤。
②对判断为真实的目标点迹的凝聚。
③点迹质量属性判别根据背景和滤波器信息提取。
④点迹参数的精确估值。
对于两坐标雷达而言,为求得距离、方位估计值,目标点迹凝聚的处理过程是:先进行距离上的凝聚,得到水平波瓣内不同方位上的目标距离值,因回波大小及量化误差等因素的影响,这时的距离值可能不在同一单元;再进行方位上的凝聚,计算时不要求距离位于同一单元,可获得唯一方位值。
①目标点迹数据在距离上的凝聚处理
对于同一目标产生的在距离上连续跨几个(这是假设为M)量化单元的点迹,按各个距离单元上的回波进行幅度累加,得到幅度累加和信息S(i),然后求出这M个距离单元的幅度累加和中的最大值,并记下此时对应的距离单元,则该距离单元即为距离凝聚后的距离值;这样处理,解决了同一目标由于跨多个距离的距离分裂现象(距离分裂主要由信号处理的脉冲压缩或者其它误差因素引起)。公式(1)为:
其中,n
②目标点迹数据在方位上的凝聚处理
距离凝聚完成后,对于得到的该距离凝聚单元上同一目标产生的在方位上相邻的回波可按式(2)求取质心,将质心[3]数值作为相应目标点迹的方位估计值,公式(2)为:
其中,n为目标回波个数,Ai和Vi分别为第i个目标回波的方位和回波幅度值,此时已求得目标点迹的方位唯一值。
2 智能特征提取
对于两坐标雷达,一般而言只获得了距离、方位值,而对于智能特征提取,在通过滑窗检测器进行信号检测时,同时还可以提取出目标回波个数、回波幅度两个目标特征。
滑窗检测器(又称双门限检测器)包含两道门限,第一门限为一个下限幅器,仅当雷达视频信号幅度超过预置门限时,才有过门限信号输出,过门限与未过门限分别记为1和0,这样目标回波脉冲串被量化为0,1序列;第二门限为在N次扫描中至少有M次过第二门限,则判定目标存在。滑窗检测器是在同一距离单元上从检测器输出超过第二门限的回波起始到回到第二门限之下的回波终止, 输出这段期间内的回波个数以及每个回波的幅度。
运用滑窗检测[7]和终了判定准则后,作出目标起始和终了的判决后,从而得到该距离单元上的回波个数;然后进行距离上凝聚,从而得到目标包络峰值上的回波个数信息和峰值幅度信息;最后进行峰值距离单元上的按质心法进行方位凝聚,得到方位中心信息。所以,得到了点迹数据的四个有用的目标信息数据:距离、方位、幅度、回波个数。
3 硬件实现
本文的雷达点迹的目标智能特征提取的硬件实现框图如图3所示。
该硬件系统由数据采集板、接口板和数据处理板[8,9,10](SPU)组成。
首先AD板采集雷达的模拟视频后,把12bit的雷达数字视频传给接口板;接口板接收雷达正北、主脉冲和方位增量信号以及AD板的数字视频信号,形成雷达回波数据流(该数据流中包含时标、主脉冲计数、视频幅度、方位码、距离单元等信息),然后通过LVDS接口传输给数据处理板(SPU)的FPGA。SPU板卡上的FPGA(Altera公司StatixII-90)芯片把信号处理给出的时标、视频幅度、距离、方位信息进行视频过门限判决,提取回波有用信息,产生128bit的雷达有效回波数据,以及产生正北中断,然后送给DSP0处理,进行目标点迹检测和凝聚。本文采用TI-DSP(C6455),该DSP功能很强大,主频达到1GHz,外设接口丰富(包含和FPGA通信的EMIF接口和网络接口)。其中,点迹检测和凝聚,目标特征提取工作主要由DSP0完成,这构成该硬件实现系统的核心算法部分。
其中,LVDS接收模块接收接口控制板送来的串行的差分数据流,形成128bit的雷达回波数据流。该数据传输接口采用LVDS传输,只采用了4对差分线,减少了两电路板间的连线数,数据传输快速可靠,由于板间信号连线少且有利于后期的硬件故障调试。目标时标、幅度、方位、距离检测模块从128bit的数据流中检测出目标时标、幅度、方位、距离等信息。
目标视频过门限判断模块采用过门限判决提取有效的雷达回波数据流信息,卡掉了低于门限值的噪声等。然后,回波数据流经过乒乓缓冲模块把数据送给DSP的EMIF接口模块,进而由DSP0读取数据来完成点迹检测和凝聚处理。同时,正北中断产生模块从128bit数据流中检测出正北标志,即正北中断,该中断信号送给DSP0,DSP0以此来产生扇区中断,按扇区发送点迹数据给DSP1进行航迹处理。
其中,DSP0读取FPGA乒缓冲区的数据时,处理乓缓冲区的数据;读取FPGA乓缓冲区的数据时,处理乒缓冲区的数据。处理过程包括点迹检测(起始和终了判决)、点迹凝聚(距离上和方位上),和点迹特征信息(回波个数、幅度等)输出,最后DSP0通过网络输出带有目标智能特征信息的点迹到DSP1,DSP1完成后绪的航迹处理。
4 实测数据分析
把上面的硬件系统连接到某型雷达上,实际雷达输入到该硬件系统的信号为:方位增量码脉冲(产生方位码信息)、天线正北脉冲、主脉冲、雷达模拟视频。该硬件系统处理后的输出为带有目标智能特征信息的点迹数据(包括距离、方位、幅度、回波个数),经由TI-DSP(C6455)的网络口输出的航迹处理器。本文录取一部分实测的数据来进行分析。
其中,图4是某次对空测试录到的点迹数据图,波门内的目标是民航飞机,图5是民航飞机回波个数随时间的变化的分布图,方差为7.8591。图6是某次测试地物目标录到的点迹数据图,图7是 波门内的地物目标回波个数随时间变化的分布图,方差为1.2562。从图8可以看出,即使目标有起伏和角闪烁特性,其回波个数的变化还是稳态的。而对岛屿等地物目标,它的回波个数是比较稳定的,这对航迹处理时剔除地物杂波点,降低航迹虚警率很有改善。
比较图8-9可得,飞机的回拨幅度[5]变化比较明显,方差为281.9900,而地物的回避幅度响度而言比较平稳,方差为9.8698,通过分析回波幅度对航迹处理时剔除地物杂波点,可以有效地降低航迹虚警率。
5 结束语
本文主要介绍了雷达点迹的目标智能特征提取方法,主要包括点迹检测、凝聚和点迹特征信息的提取的原理。并且给出了硬件实现框架,录取了实测数据进行分析。实测数据分析表明,通过点迹特征信息来智能识别目标的可行性,该方法有很高的工程实用价值。
参考文献
[1]西北电讯工程学院<雷达系统>编写组.雷达系统[M].国防工业出版社,1980:17-52.
[2]黄继昌.目标特征提取技术[J].目标特征提取技术,2005(10):25-32
[3]杨文琳,方志宏,等.雷达点迹凝聚处理技术及其数据分析[J].信号处理,2001,17(2):130-138
[4]简涛,徐向东,等.基于质量中心算法的两种点迹凝聚算法[J].空军雷达学院学报,2009,23(1):20-25
[5]王伟,张汉华,等.低分辨雷达的目标特征提取方法[J].国防科技大学学报,2002,24(2):31-35
[6]刘爱霞,赵国庆.雷达信号包络特征的检测与分析[J].电子对抗技术,2002,17(3):12-16
[7]贺士廉.克服小滑窗检测中目标分裂的方法[J].现代雷达,1995(4):17-21.
[8]杨文琳,方志宏.多DSP芯片在雷达点迹凝聚处理中的应用[J].电子技术应用,1997(12):58-59.
[9]岳三创.雷达点迹预处理技术[D].西安电子科技大学硕士学位论文,2006:20-23.
