一种海杂波区域回波信号筛别方法与流程

1.本发明属于海杂波数据预处理领域，特别涉及该领域中的一种海杂波区域内回波信号的快速筛别方法。


背景技术：

2.在对海杂波进行全面深层次特性分析之前，通常需要多种参数条件下的真实有效的大量海杂波数据，依赖多种数据的长期积累。数据量的突增自然带来快速有效的预处理需求，而海杂波长期观测中不可能时时都是完全理想的测试环境，在得到实际观测数据后，有许多需要解决或修正的问题，如雷达波束指向和方向图修正、雷达外定标及雷达系统常数计算、有效数据判别、异常数据剔除等一系列处理，如何实现大量海杂波数据的有效区域规范化批量自动提取和区域内信号筛别，是杂波数据预处理中非常重要的一环。目前针对大量海杂波数据的快速预处理相关文献较少，如何快速有效地完成回波信号筛别提取纯杂波区域，是进行后续海杂波特性分析的重要基础，也可为基于大数据的海杂波特性分析提供大量的可靠学习样本。
3.最直接简单的快筛方法一般可通过幅值强度差异判断较强干扰或异常信号等与杂波信号的差异，但是对于高分辨海杂波数据，不同样本单元间幅值起伏较大，尤其是复杂海洋环境参数下，例如高海情条件下杂波区域可能会出现回波较强的海尖峰回波，仅从幅值域难以完全筛别海杂波信号与其他干扰信号的差异，筛别阈值设定过低，会引起过多虚警，筛别阈值设定过高，会剔除海尖峰等较强杂波信号。但是为了提高筛别准确率，若在预处理阶段大量数据的筛别中，引入过多复杂检测算法，会大大增加计算量。因此如果能在批量计算幅值、时间相关和多普勒谱等杂波常用特性数据的同时，通过设计一定的特征量计算准则和组合运算，则可以同时较快得到一个海杂波区域的筛别结果，进而可提取纯杂波区域，用于后期海杂波特性进一步深层次分析。


技术实现要素：

4.本发明所要解决的技术问题就是针对大量海杂波数据预处理中对处理复杂度和时间成本的需求，提供一种快速筛别海杂波区域内回波信号以提供纯杂波区域的方法。
5.本发明采用如下技术方案：
6.一种海杂波区域回波信号筛别方法，其改进之处在于，包括如下步骤：
7.步骤1，波束照射区域数据提取：
8.首先根据雷达波束中心实际照射角度和俯仰向波束宽度计算距离维方向上波束近3db点和远3db点对应距离门，然后结合采样距离门与真实距离门间的差量关系换算得到波束俯仰向照射区域对应的起始和结束采样距离门序号，同时避开雷达盲区范围，得到距离维截取范围，读取雷达海杂波数据并截取该段区域回波信号；
9.步骤2，平滑滤波及杂噪比估计：
10.对步骤1截取的海杂波区域内各个距离门的杂波数据幅值取中值，对幅值中值曲
线进行局部加权线性回归平滑滤波，平滑前后曲线求差得到随距离门变化的幅值偏差曲线，作为幅值特征量，同时采用幅值中值曲线，对比噪声区域回波强度，估算杂噪比，判定是否符合设定所需最低杂噪比；
11.步骤3，多域特征量估计：
12.提取符合设定杂噪比需求的数据，对各个距离门分别进行时间相关计算和平均多普勒谱估计，得到每个距离门的平均相关时间、平均谱频移、谱强度，然后将相关时间和谱强度随距离门变化曲线，分别进行步骤2的平滑滤波和求差操作，得到各自对应的偏差曲线作为时间相关特征量和谱强度特征量，将频移随距离门变化曲线与曲线中值进行求差操作，得到偏差曲线作为频移特征量；
13.平均相关时间为每个距离门多个短时间样本序列得到的相关时间的均值，平均谱频移是对每个距离门的样本序列采用welch法估计平均多普勒谱并采用质心法估计得到频移值，谱强度为每个距离门的平均多普勒谱曲线峰值处的相对谱强度；
14.步骤4，特征标签向量生成：
15.分别对步骤2和步骤3得到的各距离门的幅值特征量、时间相关特征量、频移特征量和谱强度特征量进行以下处理：统计特征量的高分位点值和低分位点值间差值，将各特征量筛别阈值分别设定为对应差值的3至6倍，标记大于阈值的点为1，其余为0，得到各个特征初始标签向量，然后设定长度在5个单元内的短线段作为结构元，分别对各初始标签向量进行形态学膨胀运算，得到修正后的幅值标签向量ai，时间相关标签向量ci、频移标签向量fi以及谱强度标签向量pi，i为距离门序号；
16.步骤5，综合筛别及区域填充扩展：
17.对步骤4得到的各个特征标签向量进行综合运算处理，得到合并标签向量mi，mi＝ai·ci
||ai·fi
||ci·
pi，然后对合并后的标签向量进行空心填充和边界扩展处理，最终得到该杂波区域的综合筛选结果，也就是标签向量mi′
，采用下式进行空心填充和边界扩展处理：
[0018][0019]
其中b1和b2为二进制结构元，采用短线段，表示膨胀操作，
⊙
表示腐蚀操作，结构元b1的大小根据mi中标记为1的最长连续距离门个数设定，结构元b2大小为b1半数；
[0020]
标记为0的距离门为纯杂波区域，标记为1的距离门为干扰或其他异常信号区域，至此，完成海杂波区域内纯杂波信号与其他信号的筛别和标注。
[0021]
进一步的，在步骤2的局部加权线性回归平滑滤波中增加鲁棒局部回归处理，平滑区间内每个数据样本点的鲁棒权值wk计算如下：
[0022][0023]
上式中，sk为与第k个数据样本点经过回归平滑滤波操作产生的剩余误差，m
x
为平滑区间内各个点的剩余误差的绝对值的中值，m
x
＝median(|s|)。
[0024]
本发明的有益效果是：
[0025]
本发明所公开的筛别方法，针对多种参数条件下的大量海杂波数据的杂波区域信
号筛别问题，当距离门间幅值起伏较大且可能混有各种局部强值时能起到以下改善效果：一方面可以在剔除非杂波信号的同时尽量保留海尖峰等较强杂波信号用于后期海杂波特性深入研究；另一方面采用的多域特征量是基于杂波预处理中基本特性数据批量运算的同时进行设计，相较采用其他各类特征值的复杂处理算法，没有增加过多额外的计算量，非常适用于预处理阶段的大量海杂波数据筛选判别，能快速得到一个海杂波区域的筛别结果，提供大量纯杂波区域数据，有效支撑后期海杂波特性深层次分析。
附图说明
[0026]
图1是本发明筛别方法的流程示意图；
[0027]
图2(a)是海杂波区域数据样本x01的回波幅值图；
[0028]
图2(b)是海杂波区域数据样本x02的回波幅值图；
[0029]
图3(a)是海杂波区域数据样本x01的幅值特征量示意图；
[0030]
图3(b)是海杂波区域数据样本x02的幅值特征量示意图；
[0031]
图4(a)是数据样本x01的海杂波幅值中值曲线及相同雷达发射参数下的噪声信号平均强度对比示意图；
[0032]
图4(b)是数据样本x02的海杂波幅值中值曲线及相同雷达发射参数下的噪声信号平均强度对比示意图；
[0033]
图5(a)是海杂波区域数据样本x01的各个距离门得到的时间相关特征量、频移特征量和谱强度特征量示意图；
[0034]
图5(b)是海杂波区域数据样本x02的各个距离门得到的时间相关特征量、频移特征量和谱强度特征量示意图；
[0035]
图6(a)是海杂波区域数据样本x01对应的各个特征标签向量示意图；
[0036]
图6(b)是海杂波区域数据样本x02对应的各个特征标签向量示意图；
[0037]
图7(a)是海杂波区域数据样本x01对应的信号综合筛别结果示意图；
[0038]
图7(b)是海杂波区域数据样本x02对应的信号综合筛别结果示意图。
具体实施方式
[0039]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0040]
实施例1，如图1所示，本实施例公开了一种海杂波区域回波信号筛别方法，以某频段高分辨雷达海杂波数据为例，分别取数据样本x01和数据样本x02，包括如下步骤：
[0041]
步骤1，波束照射区域数据提取：
[0042]
首先根据雷达波束中心实际照射角度和俯仰向波束宽度计算距离维方向上波束近3db点和远3db点对应距离门，然后结合采样距离门与真实距离门间的差量关系换算得到波束俯仰向照射区域对应的起始和结束采样距离门序号，同时考虑避开雷达盲区范围，得到距离维截取范围，读取雷达海杂波数据并截取该段区域回波信号；
[0043]
对截取后的海杂波区域回波数据取绝对值，得到幅值示意图如图2(a)、2(b)所示，其中2(a)、2(b)分别对应数据样本x01和数据样本x02。
[0044]
步骤2，平滑滤波及杂噪比估计：
[0045]
对步骤1截取的海杂波区域内各个距离门的杂波数据幅值取中值，对幅值中值曲线进行局部加权线性回归平滑滤波，平滑前后曲线求差得到随距离门变化的幅值偏差曲线，作为幅值特征量，同时采用幅值中值曲线，对比噪声区域回波强度，估算杂噪比，判定是否符合设定所需最低杂噪比；
[0046]
在局部加权线性回归平滑滤波中增加鲁棒局部回归处理，减小偏离点引起的平滑曲线扭曲，平滑区间内每个数据样本点的鲁棒权值wk计算如下：
[0047][0048]
上式中，sk为与第k个数据样本点经过回归平滑滤波操作产生的剩余误差，m
x
为平滑区间内各个点的剩余误差的绝对值的中值，m
x
＝median(|s|)。
[0049]
图3(a)和3(b)分别对应数据样本x01和x02的幅值特征量即杂波幅值偏差曲线示意图，图4(a)和4(b)分别表示数据样本x01和x02的杂波幅值中值曲线及相同雷达发射参数下的噪声信号平均强度。假设最小所需杂噪比10db，两个区域均满足要求。
[0050]
步骤3，多域特征量估计：
[0051]
提取符合设定杂噪比需求的数据，对各个距离门分别进行时间相关计算和平均多普勒谱估计，得到每个距离门的平均相关时间、平均谱频移、谱强度，然后将相关时间和谱强度随距离门变化曲线，分别进行步骤2的平滑滤波和求差操作，得到各自对应的偏差曲线作为时间相关特征量和谱强度特征量，将频移随距离门变化曲线与曲线中值进行求差操作，得到偏差曲线作为频移特征量；
[0052]
平均相关时间为每个距离门多个短时间样本序列得到的相关时间的均值，平均谱频移是对每个距离门的样本序列采用welch法估计平均多普勒谱并采用质心法估计得到频移值，谱强度为每个距离门的平均多普勒谱曲线峰值处的相对谱强度；
[0053]
图5(a)和5(b)分别对应数据样本x01和x02的各个距离门得到的时间相关特征量、频移特征量和谱强度特征量。
[0054]
步骤4，特征标签向量生成：
[0055]
分别对步骤2和步骤3得到的各距离门的幅值特征量、时间相关特征量、频移特征量和谱强度特征量进行以下处理：统计特征量的高分位点值和低分位点值间差值，将各特征量筛别阈值分别设定为对应差值的3至6倍，标记大于阈值的点为1，其余为0，得到各个特征初始标签向量，然后设定长度在5个单元内的短线段作为结构元，分别对各初始标签向量进行形态学膨胀运算，得到修正后的幅值标签向量ai，时间相关标签向量ci、频移标签向量fi以及谱强度标签向量pi，i为距离门序号；
[0056]
本实施例中高分位点和低分位点值分别选取0.7和0.2。筛别阈值中各特征量筛别阈值的倍数设定分别设置为4，6，6和5，选择长度为3的短线段作为结构元进行形态学膨胀运算，最后分别得到数据样本x01和x02对应的各个特征标签向量如图6(a)和6(b)所示。
[0057]
步骤5，综合筛别及区域填充扩展：
[0058]
对步骤4得到的各个特征标签向量进行综合运算处理，得到合并标签向量mi，mi＝ai·ci
||ai·fi
||ci·
pi，然后对合并后的标签向量进行空心填充和边界扩展处理，最终得
到该杂波区域的综合筛选结果，也就是标签向量m
′i，采用下式进行空心填充和边界扩展处理：
[0059][0060]
其中b1和b2为二进制结构元，采用短线段，表示膨胀操作，
⊙
表示腐蚀操作，即先用b1对mi进行膨胀,然后再用b1对结果进行腐蚀，最后再用b2对结果进行膨胀。结构元b1的大小根据mi中标记为1的最长连续距离门个数设定，结构元b2大小为b1半数；
[0061]
标记为0的距离门为纯杂波区域，标记为1的距离门为干扰或其他异常信号区域，至此，完成海杂波区域内纯杂波信号与其他信号的筛别和标注。根据需求分别提取标记为0的距离门分段对应数据块，或将同组数据内不同数据块合并操作，得到纯杂波区域。
[0062]
图7(a)、7(b)为数据样本x01和x02对应的最终筛别结果。图7(a)有标记为1的区域，对应非杂波区域，图7(b)全段均为纯杂波区域。
[0063]
通过对大量海杂波数据分别进行以上处理，则可批量提取标记为0区域，剔除标记为1区域，得到纯杂波区域，进而提供大量数据样本用于进一步深入研究杂波特性。