经典雷达资料-第8章 自动检测、自动跟踪和多传感器融合-3.docVIP

目標抑制 目標抑制即檢測目標能力下降，它是由於參考單元中存在其他目標或雜波剩餘所引起的。解決這個問題有兩種基本方法：（1）在計算門限時去掉大的回波[26]～[28]，（2）通過限幅或用對數視頻來減小大回波的影響。所用的技術應是針對特定的雷達系統和所處的環境而言的。 Rickard和Dillard[27]提出了一類DK檢波器，K是從參考單元中消去的最大樣本個數。單一平方律檢測脈衝對SwerlingⅡ型目標的D0（無消去）與D1, D2進行的比較如圖8.18所示，圖中N是參考單元的數目，(是在測試單元中干擾目標和目標的功率比，(m, n)中的m, n分別表示的是m型Swerling目標和n型Swerling干擾目標。圖8.18表明，有一個干擾目標時，PD不隨S/N增加而達到1。如何從參考單元中消去超出一定門限的目標的方法將在 “非參量型檢測器” 小節中進行詳細討論[26]。 圖8.18 SwerlingⅡ型目標的信噪比與檢測概率的關係曲線（引自參考資料27） Finn[28]研究了參考單元跨越兩個連續不同的“雜訊場景”的問題（例如，熱雜訊、海雜波和地雜波等）。基於樣本，他估計了兩類雜訊場景的統計參數及它們之間的分離點。然後，只有那些與測試單元處在同一雜訊場景的參考單元，才被用於計算自我調整門限值。 抑制干擾的另一種等效方法是用對數視頻。通過取對數，使參考單元中的大樣本對門限產生的影響變小。用對數視訊訊號，10個脈衝積累只產生0.5 dB的損耗，100個脈衝積累產生1.0 dB的損耗[29]。對數恒虛警CFAR的實現框圖如圖8.19所示[30]。在許多系統中，沒有用到圖8.19中的反對數這部分。為了保持和線性視頻同樣的CFAR損耗，對數CFAR的參考單元數Mlog應為 （8.21） 式中，Mlin是線性視頻的參考單元數。對數視頻對目標抑制的影響將在本章的後面進行討論（見表8.2）。 圖8.19 單元平均對數CFAR接收機的框圖（引自參考資料30） 非參量型檢測器 通常用參考單元對測試樣本進行排序，可以得到非參量型檢測器的CFAR[31][32]。所謂排序即將樣本從小到大排列，把最小的用序列值0代替，次小的用序列值1代替，……最大的用序列值n-1代替。假設所有樣本都服從獨立同分佈，且分佈類型是未知的，測試樣本取這幾個值的概率相等。例如，如圖8.20所示的序列檢測器，測試單元與其相鄰的15個單元進行比較。在這組的16個單元中，因為測試樣本與最小的樣本（或其他的樣本）有同樣的概率，即測試樣本取任何序列值0,1,2,…,15中之一的概率為1/16。一個簡單的序列檢測器是通過將序列值與門限K進行比較，若序列值較大就產生1，否則產生0。然後，將這些0和1進行滑窗求和。這種檢測器產生約2 dB的CFAR損耗，但只要時間樣本是獨立的，這種檢測器對任何未知的雜訊密度都能夠獲得固定的Pfa。這種檢測器被引入ARTS—3A型後續處理器中，以與聯邦航空管理局的機場監視雷達（ASR）相連接。這種檢測器的主要缺點是，它很容易受到目標抑制的影響（如，若一個大目標在參考單元內，那麼測試單元就不能接收到最高的序列值）。 若各個時間樣本是相關的，序列檢測器就不能得到CFAR。圖8.21示出一種修正（改進）型序列檢測器，它在時間樣本相關時仍可以保持低的Pfa，被稱為修正廣義符號檢驗（MGST）處理器[26]。這種檢測器可分為三個部分：排序部分、積累部分（圖中為一個雙極點濾波器）及門限部分（判決處理）。如果輸出積累值超過了兩個門限，就表明存在目標。第一個門限是固定的（在圖8.21中等於(+T1/K），並且在各參考單元是獨立同分佈的情況下，產生Pfa＝10－6。第二個門限是自我調整的，並且在各參考單元是相關的情況下仍保持低的Pfa。這種檢測器用平均偏差來估計相關樣本的標準差，參考單元中外來的目標用預置門限T2從估值中除去。 序列檢測器和MGST檢測器本質上是雙樣本檢測器。如果測試單元的排序值遠大於參考單元的排序值，檢測器就可以判定目標存在。在不滿足同分佈的地方（例如，陸地、海洋）就會出現目標抑制的現象。然而，存在一些僅僅與測試單元有關的方法，如Spearman Rho法和Kendail Tau法[33]。這些方法基於這樣的一個事實：當天線波束掃過點目標時，回波信號先增加，然後降低。這樣，對於測試單元中的序列值來說，也應遵從先增加後降低的模式。雖然這些檢測器不需要參考單元，因而具有不需要同分佈假設的有用特性，但是由於對中等數量樣本會引起大的CFAR損耗，所以一般不用這樣的方法。例如，當目標有16個回波脈衝時，CFAR的損耗大約為10 dB，目標有32個脈衝回波時，CFAR的損耗大約為6 dB[33]。 圖