一种复杂气候条件下的FOD雷达雨雪杂波抑制方法与流程

本发明主要涉及到机场安全监测技术领域，特指一种复杂气候条件下的fod雷达雨雪杂波抑制方法。

背景技术：

机场跑道异物（fod）指的是任何不属于机场但出现在机场运作区域并可能对机场造成损失或者飞机造成损害的外来物品，如石块，金属器件，胶带，报纸，树叶等。跑道异物直接影响着飞机的运行安全，一小块塑料布被吸入发动机会引起空中停车，一个小螺钉或金属片甚至尖锐石子将会扎上轮胎引起爆胎。这些异物虽然体积不大，但是对于机场的正常安全运行造成极大影响，甚至形成空难事件。所以，自法国航空公司的空难事故后，机场fod检测引起了学者和产业界的极大重视。机场的fod检测需要在全天候、全部气候条件下均能正常稳定工作。

传统的做法包括：

（1）人工检测。

人工检测即采用相关人员对跑道进行定时巡检，目前国内机场仍然遵照国际民航组织制定的规定进行人工检查。这种检测方法不仅占用跑道利用时间，而且人眼容易受疲劳、盲区、灯光、天气等的干扰产生漏捡。

（2）视觉图像检测。

视觉图像检测采用摄像头对场地进行拍照，并对照片进行分析。然而，由于图像质量限制，其主要缺点主要在于受外界影响大，尤其是光线和气候的影响，对于远处小目标发现能力差，在恶劣气候条件下无法正常工作。

（3）采用抛物面天线的相控阵毫米波雷达检测系统。

如图1所示，采用抛物面天线的相控阵雷达系统是通过机械转动天线实现监测区域扫描。雷达产生需要发射的毫米波波形，经过功率放大器之后传递给抛物面天线，实现一个窄的空域波束对某个方向进行探测，接收到雷达回波波形后，与当前发射信号进行去斜处理，得到一个发射脉冲的基带信号。雷达再发射下一个脉冲信号，共发射多组信号，对回波信号进行二维傅里叶变换，然后在距离-多普勒单元进行目标检测。

目标角度即为当前抛物面天线的指向角，完成对该方向探测后，转台控制系统驱动转台进行转动，实现对下一个方向的目标探测，以此来实现对整个空域的探测。

该雷达能够在成本约束的条件下实现相对较窄的雷达波束实现对监控区域的扫描检测，是当前较为先进的技术。但是，由于波束在空间进行扫描，而无法对某个目标方向进行凝视，使其在恶劣气候条件下，尤其是下雨和下雪较大的情况下，大的雨滴和雪片会造成大量的虚警，例如雨滴溅落到地面弹起来等过程，使得该类型雷达在复杂气候条件下无法正常工作。

当前系统的主要缺点在于：

（1）基于视觉的方法对光线和气候条件过于敏感，系统稳健性差，环境适应性差。

（2）基于抛物面天线的解决方案通过转台旋转实现对监测空域监测，使得无法对某个方向进行长时间波束驻留，检测弱小目标能力差。

（3）基于空域分时扫描的方式，无法对每一个方向实现长时间观察，无法采用时域分析的方法对该方向信号回波分析，无法解决复杂气候条件下的雨雪杂波抑制，气象环境适应性差。

由上可知，当前对于fod应用而言，在复杂气象条件中能够正常工作是一个重要的挑战，当前已有的系统受雨雪影响均较大，例如当雨雪量较大时，如图2(a)和(b)所示。在图2(a)中，仅为大雨场景，其中无目标，此时较大的雨滴溅落地面会对雷达形成虚警，使得雷达频繁报警，影响正常使用；在图2(b)中，同样为大雨场景，但是其中还有待检测的目标，然而，由于大雨使得目标无法被稳定检测，真实目标有可能被淹没在大量的虚警信号中，同样雷达也无法正常工作。

对于一般的地面杂波，虽然强度远强于目标回波，但是可通过存储地面杂波回波进行杂波对消，可有效对其抑制，但是对于大雨或大雪杂波时，当其强度较大时，会严重影响目标检测。特别地，雨雪杂波回波是时变的，无法进行有效对消，势必产生很多虚警信号，如图3所示。

在理想的工作环境中，雷达可以对无目标时的静态杂波进行采集和存储，作为参考信号。在工作过程中，雷达会接收到强的地杂波信号和可能存在的目标信号，然而目标信号一般较弱使得无法直接进行检测，此时需要基于静态存储的杂波信号进行杂波对消，以此来极大地削弱地杂波的回波信号，提高目标的信噪比，来对目标进行检测。

但是在强雨雪天气时，雨雪杂波的时变特性导致无法对背景信号进行对消，从而对消后的雨雪杂波信号依然极强，此时就会产生大量的虚警信号，从而真实目标将会淹没在虚警信号中而无法被及时检测。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种能够降低雷达对于雨雪的虚警概率、提高fod雷达在复杂气候条件下适应能力的复杂气候条件下的fod雷达雨雪杂波抑制方法。

为解决上述技术问题，本发明采用以下技术方案：

一种复杂气候条件下的fod雷达雨雪杂波抑制方法，其步骤为：

步骤s1：利用mimo雷达系统发射正交信号，得到对应于每个虚拟阵元的距离-多普勒平面；

步骤s2：进行高精度超分辨测角，得到监测场景的点云成像图；

步骤s3：利用mimo雷达系统的全向发射，得到大量时刻的点云成像图；

步骤s4：针对点云成像图中的某个点拼接成目标时间序列信号；

步骤s5：强雨雪回波时间序列提取特征，建立特征数据库；

步骤s6：基于时频分析和时间序列域cfar实现目标和强雨雪杂波区分。

作为本发明的进一步改进：在所述步骤s1中，雷达系统发射时分mimo雷达正交信号，对于每一个相干处理周期内，针对得到的每一个虚拟阵元，进行二维dft变换，得到对应于每个虚拟阵元的距离-多普勒检测平面。

作为本发明的进一步改进：在所述步骤s1中，对于每一个脉冲，可以得到一个长度为的向量，其中为发射阵元个数，为接收阵元个数。

作为本发明的进一步改进：在所述步骤s2中，在得到了对应于每一个虚拟阵元的距离-多普勒检测平面后，采用恒虚警检测方法实现目标的初次检测，得到了包含虚警和目标的大量的检测结果。

作为本发明的进一步改进：在所述步骤s2中，不进行目标和雨雪虚警信号的区分，而是对于每一个检测得到的点均采用超分辨法进行角度测量，最终得到了整个监测场景的点云成像图。

作为本发明的进一步改进：所述超分辨法为multiplesignalclassification法、或最大似然估计方法、或基于稀疏恢复的角度测量方法。

作为本发明的进一步改进：在所述步骤s3中，利用mimo雷达系统实现空域全向方向图，同时监测整个区域，对空域的全时监测，得到各个时刻的距离-角度谱，在距离-角度谱中的每个点代表了该时刻位于特定距离和特定角度的杂波或者目标回波。

作为本发明的进一步改进：在所述步骤s4中，从各个时刻点云成像图中，从对应的距离-角度得到某个目标或杂波的回波时间序列，拼接为一个向量，供后续对该序列进行分析。

作为本发明的进一步改进：在所述步骤s5中，对于强雨雪回波得到的时间序列，通过对序列的时频分析手段，提取其特征，并建立特征数据库，在后续使用中进行比对和辅助，将这一部分作为知识辅助。

作为本发明的进一步改进：在所述步骤s6中，通过目标时频特性分析和时间序列改进cfar检测，并综合应用知识辅助的强雨雪杂波回波的特征库信息，基于强雨雪杂波对于不同角度-距离单元具有闪烁性，而目标一般回波一般较为稳定，通过这些特征的识别和cfar检测方法，对真实目标和强雨雪杂波虚警进行有效区分，剔除强雨雪杂波对fod检测系统的影响。

与现有技术相比，本发明的优点在于：

1、本发明的复杂气候条件下的fod雷达雨雪杂波抑制方法，采用与以往相控阵模式截然不同的雷达体制和工作模式，通过时分发射正交信号，能够实现对全空域的全时探测，避免了当前抛物面天线雷达系统需要分时扫描而导致的无法长时间波束驻留的缺陷，进而能够得到目标或者虚警信号的长时间时域观察序列，为后续目标和虚警识别和剔除提供了可能。

2、本发明的复杂气候条件下的fod雷达雨雪杂波抑制方法，利用强雨雪杂波虽然在某个时刻幅度可能高于目标信号，但是其具有时域不平稳特性，即对应于某个距离-角度组合的回波信号具有时变特性，而真实目标回波一般较为平稳，以此来有效区分真实目标和虚警。

3、本发明的复杂气候条件下的fod雷达雨雪杂波抑制方法，提出了建立知识辅助库的方式，实现具有认知的fod雷达系统，通过对强雨雪杂波的时间序列分析，提取其特征，并将这些特征存储在知识库中，进一步提高fod雷达系统的智能化水平。

4、本发明的复杂气候条件下的fod雷达雨雪杂波抑制方法，本发明基于分布式mimo雷达体制，采用时分发射的线性调频连续波信号实现正交发射信号，发射方向图为全向方向图，在接收端实现等效发射和接收波束形成，通过运算能力增加实现对空域所有方向的长时间波束驻留和目标检测，并基于每个方向的长时间维度目标回波进行分析，以此剔除复杂气候条件下的雨雪杂波，降低雷达对于雨雪的虚警概率，大大提高fod雷达在复杂气候条件下的适应能力。

附图说明

图1是现有技术中采用抛物面天线的相控阵雷达系统的工作流程示意图。

图2是现有技术中大雨场景示意图；在图2(a)中仅为大雨场景，其中无目标，此时较大的雨滴溅落地面会对雷达形成虚警，使得雷达频繁报警，影响正常使用；在图2(b)中，同样为大雨场景，但是其中还有待检测的目标。

图3是现有技术中杂波对消分析示意图。

图4是本发明方法的流程示意图。

图5是本发明在具体应用实例中基于时间序列分析的目标和强雨雪杂波虚警剔除流程示意图。

图6是本发明在具体应用实例中多天线分时信号发射和距离维fft输出存储示意图。

图7是本发明在具体应用实例中监测场景点云成像的示意图。

图8是本发明在具体应用实例中拼接目标时间序列的示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

如图4和图5所示，本发明的复杂气候条件下的fod雷达雨雪杂波抑制方法，其步骤为：

步骤s1：雷达发射正交信号，得到对应于每个虚拟阵元的距离-多普勒平面；

参见图6，雷达系统发射时分mimo雷达正交信号，对于每一个相干处理周期内（cpi，coherentprocessinginterval），针对得到的每一个虚拟阵元，进行二维dft（discretefouriertransform）变换，得到对应于每个虚拟阵元的距离-多普勒检测平面。其中，mimo雷达为多输入多输出雷达，mimo即multipleinputmultipleoutput。

对于每一个脉冲，可以得到一个长度为的向量，其中为发射阵元个数，为接收阵元个数。

步骤s2：进行高精度超分辨测角，得到监测场景的点云成像图；

参见图7，在得到了对应于每一个虚拟阵元的距离-多普勒检测平面后，采用传统的恒虚警检测方法实现目标的初次检测（cfar，constantfalsealarmratio），得到了包含虚警和目标的大量的检测结果。尤其是在恶劣的气候条件下，此时会得到大量的检测结果，然而大部分均为虚警，传统的方法无法进行识别和剔除。

在本发明中，在这一级不进行目标和雨雪虚警信号的区分，而是对于每一个检测得到的点均采用高精度的超分辨算法进行角度测量，可以采用的方法可以是music（multiplesignalclassification）或者是最大似然估计方法，甚至可以采用基于稀疏恢复（sparserecovery）的角度测量方法，最终得到了整个监测场景的点云成像图。

步骤s3：mimo雷达的全向发射，得到大量时刻的点云成像图；

本发明采用mimo雷达体制，实现空域全向方向图，同时监测整个区域，所以可以实现对空域的全时监测，进而能够得到各个时刻的距离-角度谱，在距离-角度谱中的每个点代表了该时刻位于特定距离和特定角度的杂波或者目标回波。

步骤s4：针对点云成像图中的某个点拼接成目标时间序列信号；

从各个时刻点云成像图中，从对应的距离-角度得到某个目标或杂波的回波时间序列，拼接为一个向量，供后续对该序列进行分析。

步骤s5：强雨雪回波时间序列提取特征，建立特征数据库；

对于强雨雪回波得到的时间序列，通过对序列的时频分析等手段，提取其特征，并建立特征数据库，在后续使用中进行比对和辅助，将这一部分作为知识辅助，进一步提高雷达的智能化处理。

步骤s6：基于时频分析和时间序列域cfar实现目标和强雨雪杂波区分；

通过目标时频特性分析和时间序列改进cfar检测，并综合应用知识辅助的强雨雪杂波回波的特征库信息，基于强雨雪杂波对于不同角度-距离单元具有闪烁性，而目标一般回波一般较为稳定，通过这些特征的识别和cfar检测方法，实现真实目标和强雨雪杂波虚警进行有效区分，剔除强雨雪杂波对fod检测系统的影响。

本发明采用基于分布式mimo的线性调频毫米波雷达探测体制，发射正交波形，发射方向图为全向，实现对空域的全天候监测，对任何一个方向均可实现长时间脉冲积累和凝视。

毫米波利用大气窗口（毫米波与亚毫米波在大气中传播时，由于气体分子谐振吸收所致的某些衰减为极小值的频率）传播时的衰减小，受自然光和热辐射源影响小。毫米波雷达不受天气与光照影响，拥有出色的全天候、全天时工作能力。

在调频连续波雷达（fmcw），通过计算线性调频的发射信号和接收信号之间的频率差来检测目标的距离和速度。由于接收到的差频信号的带宽可以降低很多，所以相比于典型的脉冲多普勒雷达，fmcw毫米波雷达可以降低信号处理的复杂度。相比于其他特殊应用的传感器，fmcw毫米波雷达具有低误报率、高距离分辨率、低发射功率、低成本和结构简单等优点。

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。在克服信道衰落、提高分辨率和抑制干扰等方面具有巨大的潜力。将mimo理论应用于雷达系统，能显著提高系统的目标检测、跟踪、识别和参数估计等性能。对于mimo雷达应用的一个关键在于在接收端可以区分不同发射阵元的信号，有多种不同的方法来实现这种信号分离，如典型的时分mimo（tdm,timedivisionmultiplexing）和码分（bpm,binaryphasemodulation）。对于tdm-mimo雷达，正交性通过分时实现。每一帧包含多个时间块，对于每一个时间块又包含了了时间片，对应发射天线的发射时间段。tdm-mimo是最简单的发射多个信号的方案，因而得到了广泛应用。

本发明将传统的cfar检测方法从传统的距离-多普勒二维域中，进一步扩展为距离-多普勒-时间三维域中，也即通过对距离-多普勒点云图进行长时间观察，基于目标的时间变化特性较为稳定，而雨雪杂波具有时间不平稳性，可通过时域对应点谱图的分析，以此来区分真实目标和雨雪气象杂波，以此使得fod能够在复杂气象条件，尤其是大雨溅落地面的复杂场景中正常工作。

综上所述，本发明首先得到监测区域的距离-角度点云成像图，并通过多个时刻的点云成像图中对应点拼接成一个新的信号时间序列，并对该序列进行特征分析和cfar处理，基于目标回波具有一定的稳态特性，而雨雪杂波对于点云成像图中的点具有时变特性，进而有效区分真实目标和虚警。本发明通过采用新体制mimo雷达，综合使用时分发射的线性调频连续波，实现对监测区域的全空域全时检测，通过运算能力增强实现同时虚拟收发多波束，为某个方向的长时间凝视提供了基础，也为后续的强雨雪杂波抑制提供了可能性。同时，本发明提出了建立强雨雪杂波序列特征库的思路，通过对强雨雪杂波时间序列分析，提取其特征，并将这些特征存储在特征库中，实现智能化的fod雷达系统，以此来进一步提高雷达对于真实目标和虚警的区分性能。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。