雷达低可观测目标探测技术

复杂背景下稳健高效的低可观测目标探测始终是雷达信号处理领域的研究热点和难点。一方面，强杂波背景和目标复杂运动使得信号微弱，时频域难以区分；另一方面，传统雷达体制回波信号资源受限，难以实现对目标信号的精细化描述，亟需发展雷达目标探测新体制和新技术。本文归纳总结了低可观测目标探测面临的技术难点，系统回顾了常用的雷达动目标检测方法，最后从目标探测技术和手段两方面对雷达低可观测目标探测的发展进行展望。

雷达作为目标探测和监视的主要手段，在空中和海面目标监视以及预警探测等公共和国防安全领域应用广泛。然而受复杂背景环境（陆地、城市、海洋等）及目标复杂运动特性的影响，目标雷达回波极其微弱、特性复杂，具有低可观测性，使得雷达对动目标的探测性能难以满足实际需求。复杂背景下低可观测动目标探测技术成为影响雷达性能的关键制约因素，也是世界性难题。具体体现在：1）目标运动特性复杂，雷达低可观测动目标主要包括“低（低掠射角照射，杂波强）、慢（慢速目标，易受杂波遮蔽）、小（小尺寸目标，回波微弱）、快（高速高机动目标，能量发散积累效果差）、隐（隐身目标，回波微弱）”等类型；2）强杂波极易湮没目标回波信号，并形成大量类似于目标的尖峰信号，严重影响雷达对弱小目标的探测和监视性能；3）雷达观测范围广，回波数据量大，新体制雷达采用数字化阵列等技术，在提高信号采样质量的同时进一步增加了数据量，对算法的实时处理提出了极高要求；4）存在岛屿、岛礁、陆海交界、强点源干扰、多目标等复杂情况。

   

目前，无人机等低空飞行器的出现和迅速发展，成为“低、慢、小、快、隐”等低可观测目标的典型代表。目前，“黑飞”现象仍然十分普遍，一些简易航空器容易偏离预定航线和空域，一旦进入重要经济、政治、军事目标上空，严重威胁民事和军事安全。此外，无人机一旦被恐怖分子利用，后果不堪设想。对该类目标的有效探测是对其进行拦截与打击的必要前提。

   

综上，低可观测动目标回波信杂比（signal-to-clutter ratio，SCR）低，且呈现非平稳和非均匀特性，亟待发展和研究高时频分辨率、大数据量高效、自适应以及适用于多分量信号分析的方法和手段。迫切需要创新雷达动目标检测技术，提高强杂波以及目标复杂运动特性条件下的雷达动目标探测性能。

   

低可观测目标探测主要难点

 

低可观测目标回波处理面临的复杂环境，高速高机动飞行器带来的多普勒扩散，雷达分辨率提高带来的目标能量扩展及距离徙动、隐身目标带来的雷达散射截面积（radar cross section，RCS）下降、目标类型多带来的分类与识别难等都是目前雷达对低可观测目标探测过程中亟待解决的难点问题，其技术难点主要体现在以下几个方面。

   

探测环境复杂，背景杂波认知难度大

 

雷达目标回波不仅包括目标本身，还受复杂的探测环境的影响，雷达探测环境包括气象、陆地、海洋和电磁干扰等，这些背景产生的回波对目标检测产生不利影响，称为背景杂波。以海杂波为例，海杂波中的雷达目标检测技术研究首先要掌握海杂波特性，但由于受气象、地理等诸多环境因素的影响，海面非线性随机变化，杂波形成机理非常复杂，并且海杂波还与雷达平台、波段、极化、擦地角、高度、分辨率等参数有关，在高海况或低入射角时，还会表现出明显的时变、非高斯、非线性和非平稳特性，使得海杂波特性认知极其困难，如图1所示。

   

图1  不同海况条件下雷达P 显画面

目标类型多，回波信杂比低

 

目标具有低可观测特性，使得回波SCR低，增大了雷达检测的难度。具有低可观测特性的目标大体可分为以下4类：1）小尺寸目标，其回波很微弱，例如小木船、潜艇通气管和潜望镜等；2）隐身目标，RCS小，例如隐身快艇、飞机和巡航导弹等；3）大目标，但由于雷达分辨低、距离远等因素导致目标单元中SCR 信杂比很低，例如超视距雷达观测时的情况；4）高速或高机动目标，在观测时间内会出现距离或多普勒走动，导致能量分散，如图2所示。

   

图2  低可观测动目标及其回波

复杂非均匀背景检测参数选择难，适应性差

 

雷达目标检测技术在实际应用过程中面临的背景并非均匀背景、杂波边缘背景和多目标环境3类背景中的任意单一类型，而是由海面、岛屿、陆地、海尖峰、其他目标、强散射点距离旁瓣及不同海情等形成的、涵盖3类背景类型的复杂非均匀环境。基于统计分布的常规检测技术，如单元平均恒虚警检测器（cell-average constant false alarm rate，CA-CFAR），是建立在假定的某个背景类型基础上的，而对于实际中的复杂非均匀环境，常规检测技术在参数选择上困难，例如参考单元和保护单元选取、强目标影响等。

   

单一探测手段限制因素多，探测概率低

 

仅靠雷达这一单一的对海探测手段，仅能获取目标的幅度、速度等信息，难以有效地对目标进行分类和识别。同时受观测角度、波段等影响，目标回波时隐时现，探测概率低。采用多手段联合对海探测，把不同平台的雷达、光学红外信息进行融合，可获得目标的位置信息、运动轨迹信息、身份类型信息、外形轮廓等，进一步提高探测和识别概率。图3为多传感器综合对海监视系统示意图。

   

图3  多传感器综合对海监视系统

雷达动目标检测技术概述

 

经典动目标显示及杂波抑制方法

 

雷达探测的目标，如飞机、导弹通常具有较高速度，接收信号会有较大的多普勒频移，用相应的带阻滤波器对回波信号进行滤波，杂波的能量就会被减弱甚至消除，即动目标显示（moving target indication，MTI）。在MTI 后串接一个窄带多普勒滤波器组来覆盖整个重复频率的范围，以达到动目标检测的目的，即动目标检测（moving target detection，MTD）。由于杂波和目标的多普勒频移不同，两者将在不同的多普勒滤波器输出端出现，从而可以从杂波中检测出动目标，并根据不同的窄带滤波器输出求出多普勒频移，从而确定目标的速度。然而，在当目标做非匀速运动时，雷达回波中调制有与目标机动特性相关的多项式相位因子，这时的雷达回波信号将不满足传统信号处理中平稳性要求，导致基于傅里叶变换的传统MTD 方法不再有效，多普勒徙动导致相参积累增益下降。

   

基于时频分析的动目标检测方法

 

目标多普勒频率与目标速度近似成正比，当目标做机动时，回波具有时变特性。传统的傅里叶变换将信号在整体上分解为具有不同频率的正弦分量，仅能给出频率变化范围，不提供任何时间信息。时频分析方法是研究非平稳信号的有力工具，给出了特定时间和特定频率范围的能量分布，对时变信号有良好的时频聚焦性，并可应用于杂波中的动目标检测。

   

短时傅里叶变换（short-time Fourier transform，STFT）最初被提出，即将时间窗滑动作傅里叶变换，从而得到信号的时频分布（time-frequency distribution，TFD）。但受不确定原理的制约，STFT 时间分辨率和频率分辨率不能同时得到优化。二次型时频分布中最典型的为Wigner-Vill分布（Wigner-Vill distribution，WVD），它直接利用信号的时频二维分布描述非平稳信号幅频特性随时间的变化情况，但WVD在多目标存在的情况下，交叉项将严重影响目标的检测。

   

以傅里叶变换为核心的傅里叶分析理论体系在分析与处理平稳信号时具有极大的优越性，然而在雷达高速高机动目标探测、低慢小目标以及多目标的探测与识别中，信号呈现出时变、非平稳等复杂特性。分数阶傅里叶变换（fractional Fourier transform，FRFT）以LFM作为基函数，介于时域和频域之间的任意分数域表征，能够反映多普勒的变化规律，非常适于处理时变的非平稳信号，且无交叉项的干扰，从而引发了分数域信号处理理论的研究热潮。海军航空工程学院海上目标探测课题组研究了分数域海杂波抑制与动目标检测方法（原理框图如图4 所示），采用FRFT 谱及短时FRFT（short- time FRFT，STFRFT）。对目标信号匹配增强，实现时变非平稳信号的时频谱高分辨表示。

图4  FRFT 域动目标检测原理示意

基于时频变换的雷达动目标检测方法的问题在于该类方法多为参数搜索类方法，如FRFT 的变换角搜索，运算效率难以满足实际要求，且参数估计精度受时频分辨率和搜索步长的限制。此外，若目标运动特性与变换方法不相匹配，则难以达到显著提升SCR的效果。

   

基于长时间积累的机动目标检测方法

 

具有低可观测性的运动目标在距离和多普勒分辨单元中往往具有较低的信噪比/信杂比SNR/SCR，降低了雷达的检测性能。在雷达信号处理中，通常可以延长积累时间以增加目标的能量，达到改善信号SNR/SCR 的目的。然而，对于常规机械扫描雷达，波束在每个指向的驻留时间有限，因此积累脉冲数有限。数字相控阵雷达和多输入多输出（multiple-input multiple-output，MIMO）雷达增加了波束的驻留时间，为目标的长时间积累提供了可能性。值得注意的是，在实际应用中，积累时间的长短是一个相对的概念，取决于雷达观测模式、波束驻留时间、重复频率和采样频率等多种因素。针对目标的不同运动类型，积累时间也不同。

   

根据长时间脉冲积累是否利用目标信号的相位信息，可分为非相参和相参积累两种。常用的非相参积累方法包括包络插值移位补偿法、动态规划法、最大似然法和Hough变换（HT）法等，但其SNR/SCR改善不明显，不适于复杂环境中动目标检测。相参积累技术利用目标的运动特性和多普勒信息，可获得更高的积累增益。目前长时间相参积累主要面临以下两方面的问题：一方面，由于雷达距离分辨力的不断提高和目标的高速运动，目标回波包络在不同脉冲周期之间走动和弯曲，称为距离徙动效应（across range unit，ARU），使得目标能量在距离向分散，传统基于单一距离单元的MTD方法积累效果差；另一方面，目标的加速、高阶运动以及转动等会引起回波相位变化，使雷达回波信号具有时变特性并表现为高阶相位形式，产生多普勒徙动（doppler frequency migration，DFM），目标能量在频域分散，降低了相参积累增益，例如火箭和导弹在飞行过程中的推力变化导致急动度，低空掠海飞行目标、快艇以及高海况下的海面起伏目标等，回波具有二次以上的高阶相位。

   

图5 为X 波段南非科学与工业研究理事会（Council for Scientific and Industrial Research，CSIR）试验雷达实测数据（TFC17-006）分析，其中图5（a）的距离-时间图表明雷达观测时间为100 s，观测范围约45个距离单元，仅通过幅度难以从强海杂波中发现目标。图5（b）为目标距离走动、GPS轨迹和多项式拟合曲线示意图，可知目标在观测时间内跨越了多个距离单元，具有高机动特性。进一步分析回波的时频谱图（图5（c）），可看出目标多普勒随时间变化，近似有周期振荡性，海杂波频谱较宽，覆盖了大部分目标频谱。因此，目标回波能量在距离和多普勒维均发散，需要进行补偿提高相参积累增益。

   

图5  海上机动目标的距离和多普勒徙动（X 波段CSIR 雷达数据）

目前，如何有效地同步完成距离和多普勒徙动的补偿成为长时间相参积累的关键问题。北京理工大学许稼教授提出的空时频检测前聚焦（focus-before-detects，FBD）雷达信号处理方法为长时间相参积累技术理论发展和应用提供了新的研究思路，提出的Radon-傅里叶变换（Radon-FT，RFT）和广义RFT（generalized RFT，GRFT）方法通过联合搜索参数空间中目标参数的方式解决了距离徙动与相位调制耦合的问题，可实现运动目标“三跨”（跨距离、多普勒和波束）情形下有效的相参积累。目前该领域主要有以下几个研究方向（图6）：1）利用目标运动特征的变换域信号匹配增强方法，主要利用目标的加速度、急动度及高阶运动特征设计相应的变换域匹配增强方法，如Radon- FRFT（Radon- FRFT，RFRFT）。Radon- 线性正则变换（Radon- linear canonical transform，RLCT）、Radon-分数阶模糊函数（Radon-fractional ambiguity function，RFRAF）和Radon-线性正则模糊函数（Radon-linear canonical ambiguity function，RLCAF）等方法，用于空中高速高机动目标以及海上微动目标的检测；2）分步徙动校正法，即采用广义Keystone变换（KT）和去斜方法分别对距离和多普勒徙动进行分步补偿，但该类方法的问题在于后续多普勒徙动补偿的效果受距离徙动补偿结果影响；3）无变换参数搜索法，该类方法可直接将目标的运动特征体现在设计的变换域中，提高参数估计精度。

   

图6  基于长时间相参积累的高速高机动目标检测方法

稀疏域动目标检测技术

 

压缩感知（compressive sensing，CS）是一种新的信号获取与压缩重构方法，突破采样定理的限制，对噪声不敏感，并且压缩后的信号中即使丢失了某几项仍然可以很好地重构原始信号。因此，CS理论在信号提取、雷达目标检测、成像和特征识别等领域有着广泛的应用前景。信号时频处理方法作为时变特征分析工具具有不可比拟的优势，但估计性能受时频分辨率的限制。基于时频分析的参数估计方法可以看作将信号在时频基函数上的分解，如果信号的特性与分解的基函数相匹配，就可以采用某几个基函数的组合来表示原始信号，即信号稀疏表示。时频分析方法是将信号在一组完备的时频基上展开，如果将能够刻画信号局部时频结构的时频原子构成的过完备字典替代完备基函数，使信号的自适应表示成为可能，则参数估计问题转化为信号的稀疏表示问题。目标雷达回波可视为少数强散射中心回波的叠加，回波具有稀疏特性，因此，采用稀疏表示的方法分析微动信号，并进行参数估计是非常适合的。

   

稀疏表示中的原子模型应尽可能好地逼近信号结构，然后进行稀疏求解求取系数，因此基于稀疏表示的信号分析方法也是参数模型分析方法的一种。作为一种新兴的信号处理方法，其在雷达信号处理方面具有很大的优势：1）在多分量信号的情况下，通过信号的稀疏分解能够实现信号分离，从而转化为单分量信号处理，故不受信号之间交叉项的影响；2）在目标稀疏域抑制杂波或噪声，改善SNR/SCR，因此有利于微弱信号的检测和估计；3）基于信号稀疏表示的参数估计方法对频率具有超分辨能力，从而更有利于获得精细的运动特征；4）结合传统快速时频分析方法，能够降低运算量，提高运算效率，如稀疏快速傅里叶变换（sparse fast Fourier transform，SFFT）。

   

高分辨雷达动目标检测技术

 

随着雷达分辨率的提高，目标回波在距离和方位向具有多个散射点，距离扩展目标及高分辨成像条件下的目标检测问题，如合成孔径（synthetic aperture radar，SAR）成像，成为雷达目标检测领域的研究热点。

   

1）距离扩展目标的检测。在高距离分辨率雷达中，目标各散射中心回波在时域上是分离的，这为实现各散射点回波能量的积累，提高雷达对目标的检测能力提供了重要前提。图7给出了距离扩展目标的通用检测框图，主要包括自适应门限的形成和检测统计量的形成两部分。这两部分内容在高距离分辨率条件下面临以下几方面的难点：（1）如何精确估计增多了的目标参数；（2）如何在非高斯环境下控制虚警；（3）如何适应扩展目标的复杂运动模式；（4）如何提高对实际环境的适应性和对失配情况的鲁棒性；（5）研究计算复杂度较低的高效算法。

   

2）SAR图像中的舰船目标检测。SAR图像舰船目标检测主要分为直接检测舰船本身和通过检测舰船尾迹来确定舰船两种途径，前者适用于舰船相对海面背景较为明显的情况，后者则要求舰船处于运动状态。多波段SAR图像融合是舰船目标检测技术的一个研究热点，其融合层次包括像元级、特征级和决策级，图7给出了多波段SAR 图像3 种融合层次的流程图。图8利用同一区域目标的C、L和P波段SAR图像演示了多波段SAR图像决策级融合检测的处理结果。

   

图7  距离扩展目标的通用检测流程

图8  多波段SAR 图像决策级融合检测的处理结果

利用多维信息的动目标认知检测技术

 

对于杂波背景中的目标检测问题来说，独立的信息来源越丰富，越有利于目标检测，其中信息既包括关于目标的信息，也包括关于背景的信息。因此，从信息源的角度来看，雷达目标检测技术包括基于单雷达的目标检测技术、基于多雷达信息融合的目标检测技术（例如空间分集多输入多输出（multi- input multi- output，MIMO）雷达、基于多种类型传感器信息融合的目标检测技术、基于知识辅助（knowledge-aid，KA）的目标检测技术等。

   

1）空间分集MIMO雷达目标检测技术利用复杂目标RCS随视角剧烈变化的特点，通过融合多个视角的观测数据来获得较为稳定的平均RCS 条件下的检测性能。

   

2）基于知识辅助的空时自适应处理（KA-space-time adaptive processing，KA-STAP）技术将专家系统的思想推广到多维滤波问题中。传统STAP的核心是一种基于样本协方差矩阵的技术，而KA-STAP研究将潜在信息资源的利用充分扩展到全部自适应处理过程中，提高雷达对环境的感知能力，如图9所示。

图9  典型KA-STAP 结构示意

多传感器相互融合的预警探测体系已成为发展趋势，而KA的思想正好符合这个发展趋势。然而，多种先验数据与雷达观测的同时配准及误差条件下的配准问题、先验知识的有效融合问题，都是目前基于KA的雷达目标检测技术需要解决的难题。文献提出利用地理信息系统（GIS）提供的先验信息进行参考数据筛选（图10），尽量提取与待检测单元相近的均匀数据，获得的检测效果优于CA、GO、SO、OS 等常规CFAR 检测器。

   

图10  基于GIS 信息的参考数据筛选

雷达低可观测目标探测发展趋势

 

目标探测技术发展趋势

 

雷达信号处理技术研究从简单到复杂，不断延伸信号处理的维度，经历了从时、频域、空的单域处理，再到时频、空时的二维处理，再到空时频的多域处理的发展历程。20世纪40年代提出的固定门限检测，其标志是脉冲压缩和匹配滤波技术的出现；20世纪50年代出现了以短时傅里叶变换为代表的变换域检测方法，后续又在压缩感知和稀疏表示的基础上发展到表示域处理技术。恒虚警检测技术满足了雷达对虚警率控制的要求，并逐渐应用到雷达装备中。20世纪90年代，以分形和混沌为代表的非线性科学逐步应用到雷达目标检测中，并成为一个十分活跃和重要的分支。进入21世纪，出现了许多新的研究方向，如多传感器融合检测、智能信号处理方法等，并逐渐走向工程应用。

   

雷达动目标探测技术的发展趋势可从两个方面进行概括。

   

一方面是多维度信息的融合利用。融合利用多维度信息，可对回波信号进行更精细化描述，改善检测、估计、识别、评估和决策的性能。这些信息包括目标信息、背景信息及雷达信号资源部分。目标信息是指目标的RCS起伏特性、相关特性、运动学特性、变换域特征、非线性特征、微多普勒特征等；背景信息是指背景的电磁散射特性、统计分布特性、相关特性、变换域谱特性、非线性特性等；雷达信号资源是指雷达发射信号本身所具有的空域信息（阵元间、雷达间）、时域信息（脉间、帧间）、频域信息、波形信息（波形形式）、极化信息、频率信息、波段信息等。图11给出了多维度信息融合利用动目标检测结果，相比单一维度CFAR检测方法，多维联合CFAR检测结果杂波剩余明显减少，目标检测性能得到大幅提升。

   

图11  多维度信息融合利用动目标检测结果

另一方面是多手段融合处理提高检测性能。融合多种处理手段，有利于充分利用各层次信息，改善检测、估计、识别、评估和决策的性能。例如相参积累与非相参积累相结合、短时间相参与长时间非相参结合、低分辨与高分辨相结合、低分辨搜索与高分辨确认结合、自适应处理与知识辅助相结合、统计处理与非线性处理相结合、检测问题与分类问题相结合等。

   

目标探测手段发展趋势

 

工作平台是雷达赖以存在的几何空间，是决定雷达获取信息方式的基本要素，也是雷达技术发展和体制创新的重要途径之一。新平台的合理利用，有可能使得雷达的探测方式、回波模型、信息提取、系统构型、实现技术、探测效能等方面发生根本性变化，进而为动目标探测技术的发展提供新的动力和机遇。目前发展的雷达新体制包括认知雷达、多输入多输出雷达、无源雷达、凝视雷达、量子雷达、分布式相参雷达、超宽带雷达等，朝着智能化、多源化、网络化、软件化、无人化、一体化的方向发展。

   

1）认知雷达。认知雷达是针对复杂电磁环境下目标探测提出的一种新体制雷达，其构成闭环的全自适应雷达处理架构，使得雷达能够通过与环境的不断交互和学习，获取环境的信息，不断地调整雷达接收机和发射机参数，自适应探测目标，从而实现实时自动发现、锁定、跟踪、管理和评估目标的目的，尤其适用于复杂电磁环境。具备对环境和目标信息在线感知和记忆能力，结合先验知识，可以实时优化雷达发射和接收处理模式，达到和目标及环境的最优匹配，提高目标探测性能。

   

2）MIMO雷达。MIMO 雷达是利用多个发射天线同步地发射分集的波形，同时使用多个接收天线接收回波信号，并集中处理的一种新型雷达体制。相比于传统雷达，MIMO雷达在发射波形、阵列结构等方面有着更大的灵活性，同时也有更多的自由度。因此，将MIMO雷达用于动目标探测，能显著提高系统的目标检测、跟踪、识别和参数估计等性能。

   

3）量子雷达。量子雷达将量子信息技术引入预警探测领域，构建探测新体制，通过对量子资源的利用，实现多维度量子态调制和高灵敏度检测，提升多维度调制信息对抗、精细识别、作用距离等性能。量子信息技术中信号的产生、调制和接收、检测的对象均为单个量子，因此整个接收系统具有极高的灵敏度，大大提升雷达对于微弱目标，甚至隐身目标的探测能力。

   

4）太赫兹雷达。太赫兹是电磁频谱上频率为0.1~10 THz 的辐射，介于无线电波和光波之间。太赫兹波具有穿透性强、安全性高、定向性好、带宽高等特性。一方面，它的波长很短，因而可以用于探测更小的目标和更精确的定位；另一方面，有着非常宽的带宽，大大超过现有隐身技术的作用范围。因此，太赫兹雷达具有很强的探测隐身目标能力。

   

5）网络化、软件化、多功能雷达。未来的雷达探测技术将突破现有思路的束缚，由目前集中式的信息获取、基于设备的探测模式、单频段单极化的系统构成向分布式信息获取、基于体系的探测模式、多频段多极化的系统构成等方向拓展。主要特征将是网络化、软件化、多功能及高维信号空间处理。网络化雷达综合应用了现代雷达组网技术与远程遥控等技术，具有较强的抗摧毁能力、抗干扰能力、反隐身能力和低空探测能力；而软件化则使得雷达成本降低的同时，可靠性得到进一步提高；同时，多功能化使得未来的雷达同时具有空中监视、海面搜索、指挥和控制功能，大大扩展了雷达的应用范围。

   

结论

 

雷达低可观测目标探测问题是一个探索性强、难度大而又具有强烈背景需求的研究领域，当前该领域的研究已进入了一个不断深化理论与实践的结合，深化现实与未来的联系，从而实现螺旋式科学推进的发展阶段。只有建立了新的理念，在理论上有所突破，技术上有所发展，手段上有所创新，才能进一步推动雷达低可观测目标探测技术的大发展。

本文转自：科技导报