雷达目标分类

2024-06-26

雷达目标分类（精选7篇）

雷达目标分类篇1

摘要：本文通过研究模拟退火算法在雷达侦察多目标分类问题中的应用, 对侦测目标的点迹、航迹信息进行分析处理, 建立更为精确的点迹、航迹关联关系, 不仅可形成质量较高的敌目标航迹, 而且有效的提高了侦察系统的实时性。

关键词：雷达,侦察,多目标,模拟退火

1 研究意义

随着隐身技术的发展, 隐形飞机、巡航导弹等隐身目标会使得侦察雷达的观测误差变大, 造成目标点迹与航迹的关联性变差, 难以形成高质量的目标航迹。本文通过研究模拟退火算法在雷达侦察多目标分类问题中的应用, 建立更为精确的点迹、航迹关联关系, 不仅可形成质量较高的敌目标航迹, 而且有效的提高了侦察系统的实时性。

2 问题描述

2.1 主要借鉴算法

西安电子科技大学的卢君明在其硕士学位论文《神经网络在雷达组网反隐身中的应用研究》中, 将多目标数据关联表达为一类约束组合优化问题, 并应用Hopfield神经网络对其进行了求解。其求解思路如下:首先将雷达侦察多目标数据关联问题转化为带约束的TSP (Traveling Salesman Problem, 旅行商问题) , 随后应用Hopfield网络对转化后的约束组合优化问题进行求解。

2.2 改进算法的必要性分析

然而, 雷达侦察多目标数据关联问题与TSP并非完全等同, 二者存在以下不同点:

(1) 寻求最佳关联概率与TSP寻求最短路径并非完全等同。T S P寻求最短路径较为简单, 对于计算任意两个城市间距离只需知道两个城市的坐标方位即可;而对于多目标数据关联问题的寻求最佳关联概率, 必须区分点迹和航迹, 使之形成合适的关联配对。

(2) 考虑所有点迹、航迹关联关系与通过所有N个城市并非完全等同。对于T S P来说, 所需考虑的是各城市距离总和的最小值, 二者不能混为一谈, 具体实现时必须加以区分。

鉴于此, 必须针对原有算法做一定的适应性改进, 使雷达侦察多目标数据关联问题能够方便的采用现有的成熟技术来解决。

2.3 雷达侦察多目标分类问题的数学描述

雷达侦察多目标分类问题的数学描述如下:

(1) 问题定义:设m为已确定的航迹数目, n为新探测的点迹数目, D=[dij]为m×n阶距离矩阵, dij代表从航迹末端i到点迹j的距离 (i=1, 2, 3, …, m。j=1, 2, 3, …, m) , h (i, j) 代表航迹末端i与点迹j形成的组合配对。问题需要找出恰当的点迹、航迹配对集合使得其总路径长度最小, 实际情况中, 由于点迹丢失、新目标的出现等情况, 使得m与n可能会不相等。

(2) 解空间:解空间S包含两个部分, 形成的新的点迹、航迹配对集合H以及多余的孤立的点迹 (或航迹) 集合G。若存在孤立的点迹, 意味着可能有新目标的出现;若存在孤立的航迹末端, 则意味着可能丢失目标信息。

(3) 目标函数:目标函数为新的点迹、航迹配对集合的总路径长度或称为代价函数, 需求其最小值即为最小 (k为集合H所包含元素的个数) 。

3 基于模拟退火算法的求解过程

3.1 模拟退火算法简介

模拟退火 (Simulated Annealing, SA) 的概念最初是人们为了研究组合优化问题而提出的, 其算法思想基于固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法首先设定模型的初始温度和初始状态, 并通过温度的不断下降, 结合概率突跳特性在解空间的邻域进行随机搜索, 最终得到近似全局最优的结果。其实现过程如下:

(1) 给定模型每一个参数变化范围, 在这个范围内随机选择一个初始模型m0, 并计算相应的目标函数值E (m0) 。 (2) 对当前模型进行扰动产生一个新模型m, 计算相应的目标函数值E (m) , 得到ΔE=E (m) -E (m0) 。 (3) 若ΔE<0, 将新模型m的值赋予m0;若ΔE>0则新模型m按照一定的概率P=exp (-ΔE/T) 将其值赋予m0, 并设置初始温度T。 (4) 在温度T下, 重复一定次数的扰动和接受过程, 即重复步骤2、3。 (5) 缓慢降低温度T。 (6) 重复步骤2、5, 直至收敛条件满足为止。

3.2 基于模拟退火算法的计算处理过程

基于上述过程, 设计雷达侦察多目标分类模型的计算处理过程如图1所示。

4 性能分析

主要进行了实时性及准确性2项测试, 来衡量引进算法的优越性。结果表明, 从时效性方面, 用改进的模拟退火算法处理高维数据, 比穷举法所需处理时间大大减少, 计算机判读速度远远高于人工判读速度;从错识率方面, 人工判读的准确性主要取决于经验, 计算机判读的准确性主要取决于目标个数, 侦察目标数越少, 精度越高。

雷达目标分类篇2

雷达对抗是电子战的重要组成部分，在现代战争中的地位举足轻重。雷达干扰作为雷达对抗的主要内容，对其干扰效果进行评估已经成为研究的热点。干扰效果的评估方法已经由早期的评估因子法[1]，发展到后来的模糊综合评估法[2,3]。近年来，随着机器学习理论的应用发展，出现了基于支持向量机等机器学习理论的智能评估法[4]，并取得了较好的效果。但是，由于存在“过拟合”等问题，要想获得具有较高分类准确率的支持向量机和神经网络等单一分类模型，无论在参数设计还是模型训练等方面都存在一定的难度。单一分类模型很难同时具备高精确性和高稳健性。

组合分类模型利用多个基分类器之间的多样性，对事物的不同特征属性从多个维度进行区分，能够降低分类误差，从而获得理想的分类性能[5]。组合分类模型已经在很多领域得到应用[6,7]，取得了较好的效果。为此，本文试图将组合分类模型引入到雷达干扰效果评估中，以期能够取得较好的应用效果。

1 影响因素分析与评估指标选择

雷达干扰效果与很多因素关系密切，受包括干扰机、被干扰雷达以及对抗环境等多个方面的因素影响。雷达干扰效果可以描述为，在某种设定的干扰条件下雷达系统性能被削弱的程度。雷达干扰效果主要受以下几种决定性因素[3]的影响:

(1)干扰机干扰频率、天线极化方式、天线方向瞄准被干扰雷达的程度;

(2)干扰机实施干扰时的干扰功率;

(3)干扰实施时机的选取;

(4)信号样式以及干扰机干扰样式;

(5)被干扰雷达的体制和抗干扰措施等;

(6)环境因素，包括电磁环境、气象环境以及地理环境等。

由于测量困难、难以量化、可能导致评估模型非常复杂等原因，并不能将上述所有因素都作为评估指标，需要有重点地选择确定相对完备的评估指标集。本着指标易于测量计算和指标体系相对完备的准则，本文选取的评估指标集包括干扰频率、干扰功率、环境因素、干扰时机和干扰样式等评估指标。

(1)干扰频率

频率因素是干扰机能否成功干扰的重要因素，通过干扰机的干扰频率瞄准被干扰雷达频率的程度来衡量。瞄准程度即干扰频率覆盖雷达频率的程度。干扰机的干扰频率覆盖雷达频率的范围越大，雷达接收的干扰能量越多，干扰机对雷达的干扰效果就越好，反之则干扰效果越差。频率瞄准程度计算公式为:

其中，fj1、fj2为干扰机的工作频率范围，fr1、fr2为雷达的工作频率范围，当fr2fj2时，干扰机频率完全偏离被干扰雷达频率，定义频率瞄准程度为0，显然，R介于0、1之间。

(2)干扰功率

功率因素是雷达对抗中的关键，大的干扰功率可以带来好的干扰效果。干扰功率对干扰效果的影响可以用功率压制效益系数Ep来评价，其定义为:

其中，Pj表示雷达能接收到的干扰信号功率(W),Ps表示目标回波功率(W),Kj表示雷达正常工作所需的干信比界限。

(3)环境因素

不同的电子对抗环境，对干扰效果的影响不同。脉冲信号流描述了电子对抗信号环境的基本特征，雷达面临的电子对抗环境可以用它能够接收到的信号流密度来衡量。可将环境因素Eh定义为:

其中，ρ表示信号流密度(万个脉冲/s)。

(4)干扰时机

为了达到理想的干扰效果，干扰时机的选择至关重要。压制时间效益函数Et表示在雷达威胁时间内，干扰机对雷达能有效干扰的时间段对干扰效果的影响程度，可以用来评价干扰时机。其计算方法为:

其中，ω(t)为权重值，且;E(t)是雷达在各时段的威胁程度函数。

(5)干扰样式

要想获得较好的干扰效果，必须选择与雷达体制相匹配的干扰样式。可以用干扰得益表示干扰样式对干扰效果的影响程度。如式(5)所示，为瞄准、距离拖引、点式箔条干扰三种干扰措施和频率捷变、抗拖距、PD三种抗干扰措施的干扰得益矩阵。

当采用其他的干扰和抗干扰措施时，根据需要对得益矩阵进行相应修改。

2 组合分类算法

2.1 集成学习

由于数据的多样性和实际应用的复杂性，单一分类器很难取得较好的效果。因此，在过去的十几年里，机器学习领域的专家学者们对多种分类器的组合即集成学习进行了广泛深入的研究。集成学习已经成为当前机器学习领域的主要研究方向之一。

集成学习是一种机器学习范式，其基本思想是通过迭代调用单一学习算法，获得不同的基分类器，按照一定的规则组合基分类器解决同一问题。通过组合多个分类器，有可能减少单个分类器在求解问题时的误差，获得对问题空间模型更加准确的表示，从而可以提高组合分类器的分类准确性。常见的组合多个基分类器的方法有Boosting算法和Bagging算法等。

2.2 AdaBoost算法

Ada Boost算法[8]是最常用的Boosting算法。Ada Boost算法的核心思想是在同一个训练样本集下，训练不同的弱分类器，然后把这些弱分类器按照一定的规则组合起来，最终得到一个强分类器。Ada Boost算法是通过改变训练样本集中的样本分布来实现的，通过调整训练样本集中每个样本的权值来获得每次迭代时不同的样本分布。训练样本集中样本的初始权值相同，在此样本分布下训练得到一个基分类器。对于训练样本集中的某个样本，如果其被错误分类，则增加该样本的权值，如果其被正确分类，则降低该样本的权值。因此，训练样本集中被错分的样本的权值就会变大，当再次对得到的新的训练样本分布进行训练时，就会对上一次训练过程中错分类的样本重点关注，得到一个新的基分类器。在经过T次循环后，可以得到T个基分类器，把这T个基分类器按照一定的权重进行叠加，就可以得到最终的组合分类器。

3 基于AdaBoost组合分类模型的评估方法

3.1 实验样本获取

实战中的雷达干扰效果数据很难获取，为了满足实验需求，本文采用仿真的方法生成实验样本数据。

通过对本文第2节中选取的影响雷达干扰效果的因素及其计算公式分析，不难发现各因素的取值范围均在0、1之间。为此，除干扰样式数据从干扰得益矩阵中随机选择生成外，干扰频率、干扰功率、环境因素和干扰时机均采用仿真生成0、1之间随机数的方式得到。

实验样本不仅要有干扰因素数据，还需要样本的类别信息。为此，采用文献[3]中的模糊综合评估方法及其权重向量对生成的各干扰因素数据进行综合评价，并根据表1设计的雷达干扰效果评价集对干扰效果进行分类。

本文将干扰效果分为“差”、“中”、“好”三个等级。对于三个干扰效果等级，分别仿真生成200组样本，共生成600组实验样本集。部分实验样本数据如表2所示。

3.2 样本数据分组

为了训练和检验雷达干扰效果评估模型，需要对生成的实验样本数据进行分组。如果训练或测试样本集中某一类干扰效果样本的比例过大，将会造成在训练或测试时对该类干扰效果的倾向性，为此，必须保证各类干扰效果在训练和测试样本集中的样本所占比例一致。

从干扰效果“差”样本中有放回地随机抽取三组容量为100的样本数据，作为效果“差”样本集1-3。按照同样的方法，分别从干扰效果“中”和干扰效果“好”两类样本中抽取生成效果“中”样本集1-3和效果“好”样本集1-3。效果“差”样本集1、效果“中”样本集1和效果“好”样本集1组成训练样本集，其他几组样本集采用交叉组合的方式，组成检验样本集集合。从检验样本集集合中选择四组样本数据，分别标记为检验样本集1-4，用于对分类模型性能进行检验。同训练样本集一样，每个检验样本集的样本容量均为300，并且各类干扰效果的样本数量均是100。具体分组方法如图1所示。

3.3 AdaBoost组合分类模型参数设置

本文采用Ada Boost.M1算法训练组合分类模型，RBF神经网络作为基分类模型，利用数据挖掘工具Weka[9]对组合分类模型进行训练，并用检验样本集1对模型结果进行检验，从而确定基分类模型数量。如图2所示，为实验得到的不同基分类模型数量与组合分类模型分类准确性的关系图。当基分类模型数量过少时，体现不出组合分类的优势，分类准确性较低，但也并不是基分类模型数量越多越好，主要是由于较多的基分类模型会带来计算量的增大，计算时间延长，分类效率降低。最终，将基分类模型数量确定为15个，此时组合分类模型可以达到96%的分类准确性。

3.4 AdaBoost组合分类模型应用

在基分类模型数量确定后，按照15个基分类模型对AdaBoost组合分类模型进行训练，并采用检验样本集1-4对组合分类模型进行测试，得到如表3所示的测试结果。

由表3可知，本文设计的基于RBF神经网络和Ada Boost M1算法的组合分类模型，对于检验样本集1-4的分类准确性都比较理想，达到了90%以上。由此可见，Ada Boost组合分类算法可以应用于雷达干扰效果评估，并能取得较好的效果。

4 结语

本文将机器学习领域的分类思想用于雷达干扰效果评估中，提出了一种基于Ada Boost组合分类模型的雷达干扰效果评估方法。首先对影响雷达干扰效果的因素进行了分析，并按照一定原则选取雷达干扰效果评估指标集，给出了各指标测量计算方法。其次，将雷达干扰效果评估问题转化为多分类问题，以RBF神经网络作为基分类模型，采用Ada Boost M1算法对组合分类模型进行训练。最终，采用仿真实验的方法对模型进行了验证。实验结果证明，组合分类技术应用于雷达干扰效果评估，能够取得较好的分类效果。本文的研究为雷达干扰效果评估提供了一种新的思路。

参考文献

[1]Shen Guiming,Zhu Weihua.Quantitative testing research of surveillance radar anti-jamming performance[C]//CIE International Conference of Radar Proceedings,2001:255 259.

[2]魏保华,吕晓雯,王雪松,等.雷达干扰效果模糊综合评估方法研究[J].系统工程与电子技术,2000,22(8):68 71.

[3]王国玉,汪连栋,王国良,等.雷达电子战系统数学仿真与评估[M].北京:国防工业出版社,2004.

[4]Jiang Shouda,Lin Lianlei.Use support vector machine to evaluate the operational effectiveness of radar jammer[C]//Second International Conference onInnovative Computing,Information and Control(ICICIC2007).Kumamoto,Japan,September 5 7,2007.

[5]李亚军,刘晓霞,陈平.改进的AdaBoost算法与SVM的组合分类器[J].计算机工程与应用,2008,44(32):140 142.

[6]李斌.基于多组合分类器的高光谱图像识别技术研究[D].北京:中国地质大学,2008.

[7]袁泉.Adaboost组合分类模型在信用评估领域研究[D].哈尔滨:哈尔滨工业大学,2011.

[8]Freund,Schapire.Experiments with a new boosting algorithm[C]//Proceedings of the thirteenth international Conference.Bari,Italy:Morgan Kaufmann,1996:148 156.

超近程雷达高速目标运动补偿方法篇3

文献[2]采用对称三角线性调频连续波(LFMCW)信号形式进行近距离探测,通过利用上下扫频段多普勒频移的对称性实现运动目标距离速度去耦合。文献[3]提出了一种基于二次混频估计LFMCW信号参数的方法,该方法消除了多普勒效应对运动目标检测的影响。文献[4]提出了利用单载波频率连续波(CW)与LFMCW信号相结合的方法对近距离目标进行检测。但文献[2,3,4]均没有考虑高速目标在驻留时间内跨越距离单元现象对运动目标检测带来的影响。文献[5]针对高速目标检测问题提出了一种二次混频与MTD处理相结合的方法,该方法根据上下调频差拍信号对称的特点,采用二次混频处理解决多周期信号中心频率偏移问题,同时实现了距离多普勒解耦合。但其采用的对称三角LFMCW信号形式在超近程高速目标探测中有自身缺陷。文献[6]根据超近程高速目标的特殊应用环境,说明了对称三角LFMCW信号形式的缺陷,提出了CW与LFMCW信号组合形式,并分析了其在超近程高速目标探测中的优点,但其未考虑在驻留时间内目标跨越距离单元的问题。

文中采用一种CW与LFMCW信号的组合形式,通过CW差拍信号获得目标无模糊的多普勒频率估计,再构造运动补偿信号对LFMCW差拍信号进行运动补偿,进而可以得到目标的距离信息。这种针对高速目标的运动补偿方法既可以解决距离速度耦合的问题,也可以解决高速目标跨越距离单元的问题。

1 信号多周期模型分析

由于探测高速目标需要在更远处发现目标,而远处回波信号强度较弱,单周期信号处理已经不能达到可靠检测所需的输出信噪比。通过增加信号驻留时间进行多周期积累以提高信号能量,因此高速目标回波需要分析信号的多周期模型。

CW与LFMCW信号组合形式如图1所示,信号周期为Tr,每个周期内CW与LFMCW信号的时长分别为T,则Tr=2T。设CW与LFMCW信号在第m个周期内的发射信号分别为

${\begin{cases} s_{c} (t) = A e x p (j 2 π f_{0} t) \\ s_{d} (t) = A e x p [j 2 π (f_{0} t - \frac{1}{2} u t^{2})] \end{cases} (1)$

其中,A为发射信号幅度;f0为工作频率;u=B/T为LFMCW调频斜率;B为调频带宽。

忽略目标反射引起的相移,可以得到CW与LFMCW回波信号分别为

${\begin{cases} s_{r c} (m, t) = L A e x p [j 2 π f_{0} (t - τ (m, t))] \\ s_{r d} (m, t) = L A e x p {j 2 π [f_{0} (t - τ (m, t)) - \\ \frac{1}{2} u (t - τ (m, t))^{2}]} \end{cases} (2)$

其中,L为目标反射系数;m为在第m个周期内;τ(m,t)=2R(t)/c=τ0-k(t+mTr)为目标回波延时,τ0=2R0/c,k=fd/f0;fd为目标多普勒频率;R0为目标初始距离;v为目标速度。

回波信号与发射信号混频,经过低通滤波后得到的差拍信号分别为

${\begin{cases} s_{b c} (m, t) = L A^{2} \exp {j 2 π [f_{d} (t + m Τ_{r}) - f_{0} τ_{0}]} \\ s_{b d} (m, t) = L A^{2} \exp {j 2 π [(f_{d} + u τ_{0}) t - u k t^{2} - u k m Τ_{r} t + \\ f_{d} m Τ_{r} - f_{0} τ_{0} - 0.5 u τ_{0}^{2}]} \end{cases} (3)$

由式(3)可以看出CW差拍信号为一单频信号,其频率为fd。对CW差拍信号进行功率谱估计可以直接得到目标无模糊的多普勒信息。LFMCW差拍信号的中心频率为目标初始距离与速度的耦合项。且有随周期变化的项(-ukmTrt),该项就是运动目标在积累周期内所产生的频移。

运动目标在积累M个周期内不发生跨越距离单元现象的限制条件为vMTr<δR,其中,δR为距离分辨率。那么当运动目标的速度>vmax=c/2BMTr时,需要对积累的回波信号进行运动补偿。

2 运动补偿方法

当运动目标速度>vmax时,LFMCW差拍信号在积累时间内会发生跨越距离单元现象,这将导致差拍信号的能量不能在同一个距离单元内积累,使得在积累周期内的处理无法满足可靠检测的输出信噪比要求。这时就需要对LFMCW差拍信号进行运动补偿。注意到式(3),通过CW差拍信号估计出目标的多普勒频率 $\hat{f}_{d}$ ,进而构造出随周期变化的补偿信号

$r (m, t) = \exp [- j 2 π (\hat{f}_{d} t - u \hat{k} t^{2} - u \hat{k} m Τ_{r} t)] (4)$

将式(4)与式(3)中LFMCW差拍信号相乘得

g(m,t)=LA2exp[j2π(uτ0t+fdmTr-f0τ0-0.5uτ $_{0}^{2}$ )] (5)

对比式(3)可以看出,式(5)消除了目标距离速度耦合项和多周期积累的频率偏移项。其信号的频率只与目标初始距离有关,是一单频信号。实现了距离速度解耦合和运动补偿。这样对式(5)做FFT运算就可以实现信号的多周期积累,得到目标的初始距离。再通过计算可以解得目标当前距离。

在计算目标的多普勒频率时可采用文献[7]中介绍的CZT方法来提高精度。针对本文提出的CW与LFMCW信号组合形式,可以总结出高速目标补偿处理的步骤:(1)对CW差拍信号做FFT/CZT得到目标的多普勒估计。(2)构造出随周期变化的补偿信号。(3)将补偿信号与LFMCW差拍信号相乘得到新的单频信号。(4)将此单频信号做FFT即可得到目标的初始距离估计。(5)通过目标初始距离和速度解出目标当前距离。

3 仿真结果

为验证上述方法的可行性,以某毫米波超近程探测雷达为例进行仿真。雷达系统参数为:载频f0=35 GHz,CW与LFMCW信号时长均为T=0.5 ms,组合周期Tr=2T,调频带宽B=500 MHz,系统采样频率fs=4 MHz。假定输入噪声为高斯白噪声,信噪比SNR=-25 dB。

首先假设一个距离R=200 m的低速目标,以验证在低输入信噪比条件下通过积累能够可靠检测出目标。针对低速目标只分析LFMCW差拍信号的功率谱。图2(a)为单周期信号功率谱,可知,由于远处回波强度较弱,单周期信号的差拍信号信噪比过低,不能检测出目标;图2(b)为积累8周期的差拍信号功率谱。可以看到积累8周期的差拍信号功率谱有明显谱峰,可检测出目标。

按照上述参数,再对一个初始距离为R=200 m,速度为v=900 m/s向雷达飞行的目标进行探测。对CW和LFMCW信号均做8周期积累。目标跨越距离单元情况如图3所示,图中距离谱峰值位置代表目标当前周期内所处的距离单元,可见目标在8周期积累内跨越了多个距离单元。跨越距离单元将使得LFMCW差拍信号能量无法积累,导致目标不能被可靠检测,故需要对目标进行运动补偿。

图4(a)为CW差拍信号积累8周期后的功率谱。可以看到,CW差拍信号做8周期积累后有明显的谱峰,可以精确估计出目标的多普勒频率。图4(b)为LFMCW差拍信号积累8周期后不做运动补偿的功率谱,可见未经补偿的LFMCW差拍信号功率谱没有明显谱峰,不能检测出目标。应用式(4)由CW差拍信号估计的多普勒频率构造出相应的补偿信号来补偿LFMCW差拍信号。经过运动补偿后的差拍信号功率谱如图4(c)所示。可以看出,补偿后的LFMCW差拍信号有明显谱峰,可以检测出目标,进而可以得到目标的初始距离。

4 结束语

在超近程雷达高速目标探测中,存在距离速度耦合问题和驻留时间内目标跨越距离单元的问题。文中采用一种CW+LFMCW信号组合形式作为探测信号,由CW差拍信号获得目标无模糊的多普勒信息,再构造补偿信号与LFMCW差拍信号相乘,得到经运动补偿的差拍信号,进而可以估计出目标的距离信息。仿真结果表明了这种方法有效地解决了距离速度耦合的问题和高速目标跨越距离单元的问题。

摘要：针对超近程雷达的高速目标探测问题,提出了一种距离速度解耦合与运动补偿的新方法。通过采用单载频与线性调频连续波(CW+LFMCW)信号组合形式,由CW差拍信号测量目标的无模糊速度,再根据速度估计值对LFMCW差拍信号进行运动补偿得到目标的距离信息,实现了高速目标距离速度解耦合与运动补偿。仿真结果验证了该方法的有效性。

关键词：超近程雷达,高速目标,运动补偿,距离速度解耦合

参考文献

[1]MERRILL I S.雷达手册[M].2版.王军,译.北京:电子工业出版社,2003.

[2]杨建宇,凌太兵,贺峻.LFMCW雷达运动目标检测与距离速度去耦合[J].电子与信息学报,2004,26(2):169-173.

[3]刘贵喜,凌文杰.LFMCW雷达密集运动目标检测[J].红外与毫米波学报,2005,24(1):76-80.

[4]丁顺宝,刘明.一种LFMCW雷达多目标距离-速度配对新方法[J].现代雷达,2011,33(5):9-11.

[5]肖慧,胡卫东,郁文贤.LFMCW雷达高速运动目标检测与估计[J].信号处理,2007,23(6):829-832.

[6]马可,李慧敏,李斌.近程高速目标探测的连续波雷达信号分析[C].青岛:第十二届全国雷达学术年会论文集,2012:1004-1007.

基于无源雷达的目标仿真系统设计篇4

介绍了目标仿真系统的实现原理，进行了系统结构设计，并分析了其布局方式。使雷达各站在集结状态下，实现假想目标的定位。

1 系统原理

无源雷达工作时处于分散布开状态，副站只负责信号的接收与转发，具体的计算工作由主站完成。根据信号到达主、副站的时间和主、副站间距计算出信号时差。其原理图如图1所示。

当各站处于集结状态时，各站间距可以忽略不计。如果预先设定各站的位置和假想目标的位置，以主站为坐标原点，假定目标的坐标位置(x, y)，则可由下面公式计算出模拟该目标所需要的时差数据：

(△t1, t2) :

根据计算出的△t，用电路产生出相应的调制信号，并通过调制器调制成多路射频信号。将各路射频信号注入到对应的各站，即可模拟假想定位场景下，由雷达各站获取信号的时差值。从而无需远距离布站，即可实现假想目标的定位。

2 系统结构

根据系统原理，系统由主控计算机、时差控制板、射频时差电路及天馈部分组成。其结构图如图2所示。

主控计算机安装系统管理软件，与操作员的交互，实现站点和航迹的绘制，仿真数据的计算，仿真进程的控制等功能。

2.1 时差控制板

时差控制板负责与计算机的通信，实现仿真数据的接收，仿真进程控制以及时差信号、控制信号的产生。其结构图如图3所示。

单片机接收仿真数据存储在SRAM中。仿真开始后，接收主控计算机的仿真进程控制命令，实现FPGA仿真数据的加载和仿真进程的控制。

2.2 射频时差电路

射频时差电路要产生射频的时差调制信号。其结构图如图4所示。

电路可选用宽频带的YIG振荡器作为频率源，考虑到YIG的频率转换时间，电路采用双频率源的时分复用方式，保证目标航迹的连续性。

电路由时差控制板产生的控制信号控制。数控衰减器用于实现信号幅度的控制，用于真实的模拟站点和目标在假想位置时，各站所能接收到的信号幅度。在实际应用中，根据雷达的技术指标选择微波器件，使实际输出的信号幅度在数控衰减器的动态范围之内。

3 程序设计

3.1 时差调制信号设计

FPGA中实现信号的延时有计数器法和存储器法。计数器法中，当延时时间大于信号重复周期时，可采用级联的方式得到延时信号。当延时的动态范围很大时，控制和实现难度变得很大。存储器法虽然改善动态范围，但是也不够灵活。

因为要产生信号的重复周期、脉冲宽度已知，所以文中采用延时触发脉冲的方式实现多路时差信号的产生。其程序框图如图5所示：

图中为三路时差信号结构图，Pulse产生模块采用相同的结构，载入相同的重复周期和脉冲宽度数据。除去第一路信号，其他两路的触发信号经过延时模块后接入Pulse产生模块。通过对触发信号的延时控制，实现多路时差信号的产生。

Ctrl_DU为数据保持时间模块，因为多批目标信号分时产生，所以每批信号到达保持时间后产生To_time信号，终止时差信号的产生。

3.2 仿真结果

在QUARTUS‖中进行了设计与仿真，仿真结果如图6所示：

图中产生了三路具有预置延时的时差信号。并产生了对应不同重复周期和脉冲宽度的两批信号。信号的延时没有改变，重复周期成倍数关系。由仿真结果知，满足了设计的要求，此方法可以用于大动态范围的多路时差信号的产生。

4 系统的布局

考虑到雷达的技术特点和目标仿真系统的实际应用，对于有三个站的无源雷达和系统的布局方案如图7所示。

以目标仿真系统为中心，雷达三个站成120°分布。对于四站的无源雷达，可以采用同样的结构，以目标仿真系统为中心，雷达各站成90°分布。

目标仿真系统各路的信号经宽频带、强方向性的喇叭天线辐射到相应的站，最大程度的降低站间信号的串扰。各站与系统设备距离相等，可以抵消路径差异引起的信号时差。因为雷达各站之间的距离较近，站间通信的信号强度相对较大，出于对装备的保护，站间通信要加入适当的衰减，降低信号的幅度。

5 结语

无源雷达的技术特点决定了其工作方式，同时也制约了其实际的应用。本文论述了无源雷达目标仿真系统的可行性，并提出了一套实现方案。从而使雷达各站无需分散布开，即可实现假想目标的定位。这使得保持无源雷达良好的工作状态成为可能，也为在实战中发挥雷达的作战效能奠定了良好的基础，无疑具有很大的经济效益和军事效益。

参考文献

[1]陈北辰.无源测向定位方法综述.无线电通信技术, 1991.

[2]孙仲康等.单多基地有源无源定位系统[M].北京:国防工业出版社, 1996.

雷达目标分类篇5

关键词：反射假目标,Anti-Reflection Processing,TVBC Laws Modification,Antenna Inclination Adjustment,Tracking zone

二次雷达产生假目标的原因主要有三个:异步窜扰, 反射, 环绕。

异步窜扰主要是指在多雷达环境下, 一个雷达发射出询问信号, 应答机产生的应答信号在被询问雷达接收的同时, 也被另外一个雷达接收, 这个应答信号对后面这个雷达而言是异步窜扰反射是指由于固定建筑物或者自然物体而导致的询问信号和应答信号反射现象, 通常假目标的位置比真实目标要远环绕是指由于旁瓣功率过大导致应答机应答的现象, 特点主要表现在假目标的距离和真实目标的距离相近。

1 反射假目标的处理方法

在THALES雷达出现假目标的情况下, 有三种理论上的解决方法, 它们分别是:Anti-Reflection Processing, TVBC Laws Modification, Antenna Inclination Adjustment。

1.1 Anti-Refection Processing抗反射处理

抗反射处理的参数可以在系统的CBP软件中进行设置, 就功能上来说, 这个设置是专门用来处理雷达信号处理过程中假目标的情况的。

在CBP参数中, 反射参数分为动态反射参数Dynamic Reflector Processing和固定反射参数Permanent Reflector Processing。

1.1.1 Dynamic Reflector Processing动态反射参数

这个参数的数值由系统根据动态反射规则的设定自动赋予, 主要有三个数值:反射距离, 起始角度, 结束角度, 这三个参数规定了反射区域的范围。

1.1.2 Permanent Reflector Processing固定反射物处理

该参数的数值需要人工设定, 用于设定那些固定的一直出现假目标的区域, 主要包括下面几个参数:

Power Attenuation信号衰减:正常目标和假目标之间的和通道衰减的差值

Altitude Begin起始高度:反射区域的最小高度

Altitude End结束高度:反射区域的最大高度

Begin Range起始距离:反射区域的起始距离

End Range结束距离:反射区域的最大距离

Begin Azimuth起始角度:反射区域的起始角度

End Azimuth结束角度:反射区域的结束角度

以上参数可以详细的定义一个固定反射区域的大小方位固定反射物的工作原理如下:对于反射区域中的目标, 系统会以这个目标为中心, 生成一个以这个目标为中心, 范围为4倍起始距离的圆环, 生成圆环的目的是便于系统在该圆环的范围内搜索是否有对应的真实目标, 若存在这样的真实目标则会将反射目标抑制掉, 同样的, 这种假目标的抑制需要两个天线旋转周期。

1.2 TVBC Laws Modification修改TVBC曲线

修改TVBC曲线具体适用于下列情况:

1.2.1 区域内的真实目标和假目标的衰减数值 (Log Sigma) 差距较大。

1.2.2 区域内假目标的衰减的数值接近雷达在该距离上所能接收的最低衰减大小。

1.2.3 该区域内存在至少两重的雷达覆盖

在满足上述条件的前提下, 提高区域内的TVBC曲线可以将区域内的假目标滤除掉。同时这个方法的风险在于可能会造成雷达站本地真实目标的掉点现象, 但是该区域由于存在多重覆盖, 单个雷达个别掉点现象不会造成区管航迹的丢失, 相反单个雷达的假目标的出现却会在区管系统中生成一个航迹。该项修改之所以可以成立的原因正是基于这样的原理。

TVBC曲线的参数:TVBC曲线共有如下几个参数可以设置:

(1) constant power value恒定门限:雷达最小作用距离起始, 常数的门限值

(2) constant duration恒定门限的适用距离:从雷达最小作用距离开始, 到该参数确定的距离使用上面参数确定的常数门限值。

(3) number of adjusted segments需要修改的分段数目

(4) segments description各个分段参数的描述:每个分段有下面的几个参数:

a.segment start分段起始距离

b.segment duration分段的长度

c.constant power分段的起始时的门限值, 后面门限值的变化按照系统默认变化率

d.constant law duration分段的长度, 但是在该分段内的门限值都为constant power参数确定的数值, 即为常数

Antenna Inclination Adjustment天线仰角调整

对于因为近地面反射物造成的假目标, 可以通过适当调整天线仰角的方法消除反射。但该方法适用的情况有限, 并可能影响雷达顶空忙去和作用范围。

2 THALES雷达站假目标的处理

2.1 假目标形成原因的推断

通过对不同时间段录像文件中假目标和真实目标的对照分析, 可以发现真假目标均为同时出现, 有一定的方位角度差, 距离差较小, 呈平行同向飞行状态, 真假目标均具有完备且相同的A码和C码, 区别在于两个目标的衰减不同。且大多数假目标均具有上述的特征, 初步判断产生假目标的原因可能是因为近距离的建筑物造成的反射, 并根据统计出的假目标出现的区域 (见表1) , 我们判断造成反射的原因极有可能是因为在雷达站西偏北方向新建的机库。

机库占地6750m2, 高43.9米, 距离雷达0.27海里, 相对方位为315.609°, 且机库的表面为金属表面。相对的雷达的高度为37米。机库的高度高于雷达, 且为极易反射的金属表面, 与雷达的相对位置也与真假目标出现的相对位置相符合。

2.2 假目标的处理

根据分析出的假目标分布范围, 依据上文提到的反射假目标的几种处理方法常识处理假目标:

首先尝试使用anti-reflection Processing

根据假目标出现位置总结出的规律, 以及在动态假目标中出现的相关的反射区域的值做出了如下的参数设置:

将参数更改以后重启通道后观察IRIS上面的雷达信号, 发现仍然出现有假目标没有办法抑制掉的情况, 而且IRIS上读出的真假目标的信号强度差值在9dBm以上, 即我们所设置的power attenuation的数值并不大。该方法似乎不起作用。

另外对于Tracking zone起始区域的调整, 因为该方向有虹桥机场, 肯定会有新航迹生成, 不能在该区域内设置成保留旧航迹, 不生成新航迹。所以最后可用的方法只有TVBC laws modification。并且该区域的各种条件都满足修改TVBC曲线的条件。

我们挑选一个空闲不使用的TVBC laws 14在45海里到120海里范围内将数值在原来的基础上提高6dBm, 并将该TVBC曲线在TVBC map中应用于310°和330°之间。

修改成功后观察IRIS上假目标的情况, 发现假目标数量大大减少, 基本上达到了修改目的, 并且真实目标并没有什么丢点现象, 保持该修改, 和区管共同留意观察该区域的情况并检验修改效果。

3 THALES雷达假目标处理总结

通过对假目标产生原因的查找, 对假目标出现规律的分析, 经过对四种处理方法的挑选, 基本上完成了改善假目标出现概率的目标。

其中我们认为最好的Anti-Reflection Processing却在使用后没有起到应有的作用, 原因是因为设置范围过大还是因为其他原因, 还需要向外方询问后方可知道。天线仰角的调整往往应该使用在雷达安装调试或者天线性能出现比较大下降的情况下。如果区域情况特殊则可以使用禁止生成新航机的功能。在本文中我们最终综合各方面的因素, 选择了TVBC laws modification的方法, 达到了我们的目的, 但是该方法使用有限制, 并且还可能对真实目标产生影响。具有一定的局限性。

参考文献

L波段浅层目标的相关成像雷达篇6

目前对浅层目标成像的研究方兴未艾, 其成像系统在资源探测、地质勘查、材料科学、生物医学有广泛应用, 所以研究和设计便携式浅层目标成像系统具有重要意义。

目前浅层目标成像所使用的方法主要有:GPR、Tomography[1—4]、Holography[5,6]以及最近才提出来的ElectricalResistanceTomography等方法。其中使用相干成像的主要方法为Holography, 成像过程类似于合成孔径雷达, 由于可以得到回波的幅度和相位, 所以可以得到分辨率高的像。但是在对取得数据的处理过程中, 如果要取得聚焦像, 需要的计算量较大。

相较于Holography系统, 本文的系统采取了相干成像算法, 但对算法进行了简化, 从而具有便携性好, 具备实时成像能力的特点, 并且在水平二维方向上也可以取得较高的分辨率。本系统采取的信号源是单频连续波, 与脉冲源相比较[7], 具有结构简单, 水平分辨率高的优点。使用脉冲源的系统中, 由于采取了时变放大器, 使得穿透深度大大增加。而本系统尽管难于测量到物体的深度, 但是具有高的水平分辨率, 价格低廉而且对于一些需要精度并不是很高的场合, 本系统也可以满足要求。

1系统结构及成像算法

在本系统, 使用了五个频率:1 550, 1 650, 1 750, 1 850, 和1 950MHz的连续波分时成像。水平分辨率为2cm, 约为波长十分之一, 穿透深度约为40cm, 穿透深度和水平分辨率与待测物体与周围介质介电常数差和介质的衰减系数有关。成像模式有平行极化和交叉极化两种。成像结构如图1。

成像方式采取手动逐行扫描方式, 由滚轮感知移动的距离, 并实时传回系统, 每移动2 cm将得到的数据处理后显示。在扫描过程中, 接收到的信号有两部分, 一部分为空气和介质表面的反射, 一部分为被测物体的反射, 分析如下, 假设参考源为A0cos (ωt+φo) , 则发射波为A1cos (ωt+kr+φ1) , 而在交界处的反射波为A (ω, h) cos (ωt+kh+φ1) , 物体的反射波为A (ω, r) cos (ωt+kr+φ1) , 而接收到的波为平行极化和交叉极化双向, 取两个方向分量的矢量和, 可得在扫描路径上有无物体的两种情况下的回波:

$A_{r e c e i v e r} = {\begin{cases} A (ω, r) \cos (ω t + 2 k r + φ_{1}) + A (ω, h) \times \\ \cos (ω t + 2 k h + φ_{1}) \\ A (ω, r) \cos (ω t + 2 k r + φ_{1}) 。 \end{cases}$

而在做与参考源相关处理并滤波后得:

$A_{r e c e i v e r} = {\begin{cases} \frac{A_{0} A (ω, r)}{2} \cos (2 k r + φ_{1} - φ_{0}) + \frac{A_{0} A (ω, r)}{2} \times \\ \cos (2 k h + φ_{1} - φ_{0}) \\ \frac{A_{0} A (ω, r)}{2} \cos (2 k r + φ_{1} - φ_{0}) 。 \end{cases}$

2 成像结果及分析

实验使用对厚度为1.8 cm的木板下50 cm×20 cm范围内的宽为2 cm直尺成像结果。图2为平行极化图, 图3为交叉极化图。

而成像结果 (图3) 由于有交界面反射波的影响会导致对比度下降, 而且边缘也会出现一些模糊, 故采用将反射波的值聚类方法消除背景波, 分类方法是对每个数据值为e, 在[e-200, e+200]拥有最多数据的作为类, 然后在类内进行平均, 在图中减去平均值就可以消去上式的界面反射波项。图4为使用聚类方法处理后的平行极化像结果。使用聚类方法得到的大部分数据近似为0, 所以较优。聚类处理会突出物体特征。而造成1.85 GHz模糊的原因是相干处理后相位接近0, 所以回波与背景波相混后对比度不强。故系统采用五个频率以避免此类情况。对于不同的极化方式, 由于介电常数的差别, 物体对于入射波的极化旋转角度也不同。图4为同样条件下光盘平行极化所成的像, 图5为光盘交叉极化像。由于回波由空气与木板, 木板与空气, 以及光盘表面薄膜与空气, 以及光盘下金属反射组成, 其中前三种反射都会造成极化方向的改变。作为圆形的光盘, 为各向同性介质, 而在交叉极化中可以明显看到为不对称图形, 这是由于木板的密度不均匀导致介电常数的差异。所以可以利用该系统来检测可透视物体的缺陷。

在图6与图7中, 是对于50 cm×50 cm的墙体中面积的钢筋结构所成的像, 频率由低到高1.55 GHz-1.95 GHz。

在图7中可以看到砖之间的水平缝隙以及两根竖直的钢筋, 而由颜色深暗的变化知道其相位发生了改变, 即相对于扫描平面来说, 其高度是不一样的, 而高度如果倾斜角一定的话, 那么对于接收后的混频波来说, 相当于加了一个低频分量, 将其进行FFT后可得低频分量, 最后计算所得倾斜角度约为2度。

4 结论

由前面的结果可以知道, 对于浅层目标的相干探测取得水平方向的高分辨率的同时, 避免了如Tomography的多角度的探测, 降低了成本, 也避免了Holography为获得相位所增加的正交接收设备, 而且所使用的连续波雷达具有便携的特点, 所以在城市建设, 安全, 军事, 材料检测[6]等多种领域都有重要应用。

参考文献

[1]Desai M, Jenkins W K.Convolution back-projection image recon-struction for synthetic aperture radar.Proceedings of IEEE Interna-tional Symposium on Circuits and Systems, Montreal, Canada, 1984;1:161—163

[2]Vertiy A A, Gavrilov S, Aksoy S.Imaging of buried objects by micro-wave tomography method in conditions of low reflection on surface medium.20002nd International Conference on Microwave and Milli-meter Wave Technology Proceedings.2000:615—618

[3] Vertiy A A, Gavrilov S.Near-field millimeter wave and microwave tomography imaging .MSMW 07 Symposium Proceedings. Kharkov, Ukraine, June 25—30, 2007: 104—108

[4] Semenov S Y, Bulyshev A E, Abubakar A. Microwave-Tomographic imaging of the high dielectric-contrast objects using different image-reconstruction approaches.IEEE transactions on microwave theory and techniques, 2005;53 (7) :2284—2294

[5] Pastrorino M, Salvade A, Monleone R. Detection of defects in wood slabs by using a microwave imaging technique. Instrumentation and Measurement Technology Conference-IMTC 2007 Warsaw, Poland, May 1—3, 2007: 1—6

[6]Popov A V, Kopeikyn V V, Vinogradov V A.Reconstruction algo-rithms and experimrnts with a prototype of hologrphic subsurface ra-dar.International Conference on Antenna Theory and Technique, Se-vastopol, Ukraine9-12September:2003;561—563

雷达目标分类篇7

激光雷达成像系统目前被广泛地用于军事、商业、空间科学等领域,如障碍物探测、目标识别、地形绘制等。在空间探测领域,与其他天基探测器相比,天基激光雷达能够不受日照和天气条件的限制,全天候、全天时的对空间进行探测,具有可见光和红外遥感系统不可比拟的优点;与地基激光雷达对空探测相比,天基激光雷达基本不会受大气影响,对空间探测具有更高的空间分辨率,成像背景也更简单[1~3],具有广阔的发展空间。

成像激光雷达可以对目标成强度像(又称轮廓像)和距离像,强度像是目标表面几何特征和反射特性对回波共同作用的结果,而距离像能更直观地反映出目标的几何特征。

空间飞行器构型相对复杂,对复杂目标采用雷达距离像仿真时,关键问题是获得起伏目标表面到雷达接收机的距离。波音公司开发的卫星可视化和信号工具SVST(satellite visualization and signature tool)和美国空军研究实验室开发的高级跟踪时域分析仿真系统TASAT(time-domain analysis simulation for advanced tracking),是地基空间探测雷达成像仿真系统,相关文献着重对系统功能进行了描述,但没有对仿真依据、数学模型和实现算法等进行详细说明。国内对于雷达系统的仿真研究集中在系统参数和探测条件对性能指标影响的分析计算,如文献[4]讨论了激光雷达成像仿真的原理,并对简单物体(如平面、规则形状)进行了成像模拟;文献[5]给出了对复杂物体进行成像仿真的初步思路,但没有对距离矩阵的获取方法进行详细说明。因此,为了对雷达成像形成一套完整可用的仿真方法,有必要对激光雷达成像仿真中最基本的距离矩阵的求解问题给出详细系统的方法。

本文从OSG(Open Scene Graph,3D图形开发软件)空间场景构建出发,借助空间场景交互运算技术,提出了一种全新的距离矩阵获取方法,解决了复杂构型目标距离矩阵求解方面的难题,结合单光子计数探测系统原理,分析了雷达成像系统探测概率的影响因素,实现对了天基雷达系统成像效果的快速仿真。

1 空间激光雷达成像原理

激光雷达作为有效载荷安装在卫星平台上,激光器发射高重频的激光脉冲对被测目标进行主动照射,通过微扫描单元以一定的扫描方式对目标区域进行扫描。接收单元核心器件为单光子探测器,激光照射到目标表面后,反射的激光回波光子信号由相应的探测器接收,引发“盖革”脉冲,产生回波触发光子事件[6]。激光发射时的主波触发信号与回波触发信号分别送入高速时间间隔测量电路进行计时,由此获得光脉冲飞行时间。

对每个扫描点位置及相应的光脉冲飞行时间进行完整的记录,从而获得目标的三维距离信息,对三维距离信息进行重构即可得到目标的几何结构。

2 基于OSG场景的目标距离矩阵

激光雷达目标距离矩阵表征各扫描光束到目标表面的实际距离,根据测距模型可以计算每个扫描位置实际的回波光子数。

2.1 扫描模型

激光雷达成像通常采用光栅矩形扫描方式,如图1所示为6×6方阵扫描光栅,光栅矩形扫描方式具有易于设计和实现的特点。

扫描光斑直径r=distance.theta,其中distance为目标距离,theta为光束发散角。对于小发散角近距离探测过程,可以忽略倾斜照射造成的光斑畸变。

则以扫描区域中心为圆点的平面中,扫描阵列中第行第列的光斑圆心坐标为:

2.2 基于OSG的场景交运算

在O S G图形软件中,场景图形的交运算源于osg Util::Intersector类,其派生类osg Util::Line Segment Intersector用于检测指定射线与场景图形之间的相交情况。OSG碰撞检测分为以下4个步骤:

1)创建OSG场景和目标节点;

2)设置目标节点位置和姿态;

3)在场景中根据两点定义一条射线;

4)计算并存储射线与目标节点的所有交点。

2.3 OSG场景中的坐标变换

对于天基激光雷达,轨道坐标系S0定义为:原点在卫星质心,x轴在轨道平面内,垂直于矢径,指向前,y轴垂直于轨道面,与轨道动量矩方向相反,z轴指向地心,与矢径相反。

本体坐标系Sl:原点在卫星质心,轴x沿飞行器纵轴,指向前,轴y垂直于纵轴对称平面,指向右,轴z在纵对称平面内,垂直于纵轴,指向下。

OSG场景中目标的位置定义在轨道坐标系,而目标距离矩阵定义在本体坐标系,碰撞检测射线是一组平行于本体坐标系x轴的射线。

自旋卫星通过3-1-2顺序转动由轨道坐标系变换为本体坐标系。设卫星姿态角为(ϕ,θ,ψ),则卫星本体坐标系到轨道坐标系的坐标变换矩阵为:

2.4 距离矩阵

目标距离矩阵表征目标雷达截面上扫描阵列中某一点与雷达的相对位置关系,扫描阵列的像素与距离矩阵中的元素一一对应。距离矩阵主要由平台位置与姿态、目标位置、目标几何特征、激光束发散角和探测距离决定。基于OSG场景的目标距离矩阵获取过程如图2所示。

3 雷达系统成像建模与实现

3.1 雷达方程

单脉冲回波光子数为:

其中Et表示发射能量,hν表示单光子能量,r表示目标距离,ρ表示目标反射率,T表示激光在大气中的损耗率,激光照射面积ASpot=πr2θ2/4,θ为激光发散角,探测器光学镜直径d,面积AR=πd2/4,它只能接收目标AIFOV=πηr2φ2/4面积内的回波,φ为接收视场角,η表示探测器之前的光学系统效率,γ表示光电二极管的量子效率。

天基激光雷达对空间目标探测属于空间内的探测,可以忽略大气对发射激光脉冲的吸收、散射和极化等效应,因此激光传输损耗不计,则上式简化为:

高分辨率激光雷达系统接收信号强度与1/r2成正比,有效目标面积和激光照射面积随着距离增大而增大。目标距离r表示为距离间隔k有r=r1+kr0。

3.2 噪声模型

3.2.1 噪声影响

盖格模式的光敏二极管探测器不仅可以被目标回波光子触发,也可以被目标反射的太阳辐射光子或探测器系统内部的暗计数触发。

设太阳光背景噪声率为qb,暗计数率为qd,则总噪声率为:

雷达系统的探测概率由噪声率和回波光子数决定,为提高系统探测概率,降低虚警概率,根据目标几何特征设定距离门限,将距离波门控制在目标大小附近,使探测器仅响应距离波门内的光子事件。

3.2.2 太阳反射光噪声

激光雷达平台、目标以及太阳三者的相对位置变化,引起背景噪声的变化。太阳在目标表面的辐射反射后到达探测器的光子数目与太阳对目标表面的入射角以及探测方向有关。

假定接收视场角为θ(立体角为),反射率为ρ,太阳光谱照度为E,太阳入射方向与目标表面法向夹角为θi,接收机与光学效率为ηr,滤光片带宽为∆λ,接收光学面积为Ar。则系统单像素接收到的背景光噪声功率可以表示为:

则由于目标对太阳光反射而到达探测器的光子率表示为:

3.2.3 暗计数噪声

暗计数噪声属于系统内部噪声,即在无任何输入的条件下产生的触发。

当某一个单元被暗计数触发后,相邻单元有可能被该单元的雪崩过程所释放出的光子触发,从而引起交叉干扰。对于扫描式激光探测器,通过控制开门时间来消除本噪声。

3.3 探测概率与探测距离

盖革模式探测器对于每个激光脉冲只能被触发一次,之后就进入死区,直到下一个激光脉冲使其复位。设距离门从r1到r2,若距离分辨率为r0,则时间间隔为t=2r0/c,距离门被分为b=(r2-r1)/r0个距离间隔。

光子计数探测器的探测概率符合泊松分布[7],t1到t2时间内以速率f(t)产生m个光电子概率:

盖革模式探测器在一个距离门内只能被触发一次,可以看作触发时刻之前无光电子产生,触发时刻产生一个光电子。因此探测器在(t1,t2)时段内被触发的概率为:

目标探测存在以下两种情况:

1)无目标

探测概率由总噪声率q和时间间隔t决定。

在第k个距离间隔,探测器未被触发的概率为:

由暗电流和太阳背景噪声引起的虚假触发概率为:

2)有目标

探测概率由回波光子数为S、总噪声率q和时间间隔t决定。

假设目标距离矩阵处于距离门的第k个距离间隔,回波光子数为S,则探测器在该间隔被触发的概率为:

探测器既未被触发的概率,即漏检概率为:

探测器在非目标距离间隔处被噪声触发的概率为:

上式第一部分表示目标回波到达前的触发概率,第二部分表示目标回波到达后的触发概率。

如果探测器在第个距离间隔被触发,则雷达测得的实际距离为:

其中t0为光束发射时间,t1为开门时间,t为时间间隔。

4 仿真流程

激光雷达成像仿真包括以下四个过程:

1)目标初始位置引导:输入雷达平台和成像目标的初始位置及姿态,通常由STK(Satellite Tool Kit,卫星工具箱)轨道分析模块计算输出;

2)距离矩阵获取:根据目标3D模型、目标位置、探测距离、光束发散角等条件进行扫描过程分析与OSG场景建模,场景中包含目标和雷达平台两个节点,以雷达平台作为场景中的视点,由碰撞检测的结果得到视点到目标的距离;

3)探测过程仿真:定义探测距离门及距离间隔,之后依次进行一个循环,即对于每个距离间隔,根据回波强度、探测器暗计数及背景噪声计算探测概率,之后定义[0,1]均匀分布并随机采样,当采样值小于探测概率时,表示探测器在该距离间隔内被触发,循环结束,否则对下一距离间隔进行触发检测,如图3所示;

4)成像结果表示:在OSG场景中可以生成点云图,或者对结果进行归一化处理之后得到各像素的灰度值。

激光雷达成像总体仿真流程如图4所示。

5 仿真结果

成像激光雷达性能指标如表1所示,对于某卫星进行3D激光雷达图像数值仿真。激光雷达平台距离目标质心50km,对128×128矩形区域进行扫描成像,则扫描成像区域1.5×1.5mrad,根据常见空间目标的几何特征,选择距离门控100m,目标平均反射率0.2。场景中目标如图5(a)所示,距离灰度图像如图5(b)所示,象素越亮表示距离越近。

6 结论

针对复杂目标的激光雷达三维成像,提出了一种基于OSG的距离矩阵获取方法,该方法将空间场景与雷达系统性能仿真有机结合,实现了复杂目标的快速仿真,为复杂结构目标的雷达图像仿真提供了一种切实可行的有效方法。

本仿真系统不但适用于对静止目标雷达图像的仿真,还可以根据扫描频率实时调整轨道、姿态输入数据,从而实现对动目标的雷达图像仿真。

摘要：成像仿真可以为天基成像激光雷达系统的方案设计提供参考,方便直观的评价激光雷达的设计好坏,预测激光雷达的性能。为了解决天基激光雷达仿真中复杂目标距离矩阵获取困难的问题,本文提出了借助空间场景交互运算技术求取目标距离矩阵的新方法,详细介绍了基于图形开发软件OSG的目标距离矩阵的求取方法,详细给出了建模方法和仿真流程。通过对某卫星目标进行天基雷达系统成像的仿真实例证明,文中给出的仿真方法能快速有效的实现对复杂目标的仿真,对雷达成像仿真提供了一种新的有效的方法。

关键词：雷达成像,成像仿真,碰撞检测,复杂目标

参考文献

[1]J.A.Hutchinson,C.W.Trussell,T.H.Allik,S.J.Hamlin,J.C.McCarthy,and M.Jack.Multifunction laser radar II[J].Laser Radar Technology and Applications V,2000,Proc.SPIE 4035:248-253.

[2]C.L.Smithpeter,R.O.Nellums,S.M.Lebien,and G.Studor.Aminiature,high-resolution laser radar operating at video rates[J].Laser Radar Technology and Applications Proc,2000,SPIE 4035:279-286.

[3]B.L.Stann,W.C.Ruff,and Z.G.Sztankay.Intensity modulated diode laser radar using frequency-modulation-continuous-wave ranging techniques[J].Opt.Eng,1996,35(11):3270-3278.

[4]蔡喜平,赵远,陈锺贤,等.成像激光雷达系统模拟[J].激光与红外,2000,30(5):274-276.

[5]韩意,孙华燕,李迎春,等.激光主动探测空间目标的成像仿真[J].激光与红外,2009,39(10):1051-1054.

[6]朱磊,黄庚华,欧阳俊华,等.光子计数成像激光雷达时间间隔测量系统研究[J].红外与毫米波学报,2008,27(6):461-464.

【雷达目标分类】推荐阅读：

雷达目标05-08

雷达系统10-18