船载导航雷达目标检测技术研究

《船载导航雷达目标检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

硕士学位论文船载导航雷达目标检测技术研究RESEARCHONTARGETDETECTIONTECHNOLOGYOFSHIPBORNENAVIGATIONRADAR刘彬哈尔滨工业大学2016年6月 国内图书分类号：TN957.51学校代码：10213国际图书分类号:621.3密级：公开工程硕士学位论文船载导航雷达目标检测技术研究硕士研究生：刘彬导师：赵宜楠教授申请学位：工程硕士学科：电子与通信工程所在单位：信息与电气工程学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学 ClassifiedIndex：TN957.51SchoolCode：10213U.D.C：621.3SecretLevel：OpenDissertationfortheMasterDegreeinEngineeringRESEARCHONTARGETDETECTIONTECHNOLOGYOFSHIPBORNENAVIGATIONRADARCandidate：LiuBinSupervisor：Prof.ZhaoYiNanAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ElectronicsandCommunicationEngineeringAffiliation：SchoolofInformationandElectricalEngineeringDateofDefence：June,2016Degree-Conferring-Institution：HarbinInstituteofTechnology 哈尔滨工业大学工程硕士学位论文摘要船载导航雷达工作在起伏变化的海洋表面上，雷达回波中的海杂波会对目标检测系统的性能造成严重影响。而雷达目标恒虚警检测技术的目地就是在杂波背景中区分出有用的目标回波信息并使雷达具有恒虚警性能。本文面向船载导航雷达的关键技术，主要研究导航雷达在海杂波背景中目标检测及恒虚警处理器的设计和性能分析，在工程上实现基于数字信号处理器（DSP）雷达目标恒虚警检测器。首先，研究了常见的海杂波分布模型，并对海杂波分布模型进行比较，分析其适用范围及优缺点。利用零记忆非线性变换法对服从特定分布模型的海杂波进行了建模仿真，并对仿真数据的幅度特性和功率谱特性进行分析来证明数据的有效性。其次，研究了参量型和非参量型目标恒虚警检测算法，理论分析了参量型均值类恒虚警检测算法的性能并指出参量型恒虚警检测算法的局限性：当海杂波的分布发生变化时会导致检测器失去恒虚警的特性；进而研究了虚警概率与杂波分布类型无关的非参量型恒虚警检测算法；另外，设计了雷达目标非参量型恒虚警检测器，推导其检测概率和虚警概率的解析表达式，在不同杂波分布背景下进行了蒙特卡洛仿真分析。最后，本文设计并开发了基于数字信号处理器（DSP）的雷达目标参量型恒虚警检测器和非参量型恒虚警检测器的应用程序。为了便于验证所开发程序的有效性以及对检测器进行性能测试试验，设计了上位机系统，对基于数字信号处理器的雷达目标恒虚警检测器在不同杂波分布背景下的检测结果进行统计分析，分析表明非参量恒虚警检测器在非高斯、杂波分布时变背景下对目标具有更好的检测性能和抗干扰性能。关键词：导航雷达；海杂波；信号检测；恒虚警-I- 哈尔滨工业大学工程硕士学位论文AbstractTheshipbornenavigationradarworksonthesurfaceoftheocean,theseacluttercontainedintheradarechoseriouslyaffectstheperformanceoftargetdetectioninradarsystem.Theradarconstantfalsealarmrate(CFAR)targetdetectiontechnologyisaimedatdistinguishingtheusefultargetechoinformationundertheclutterbackgroundandprovidingtheradarwithaCFARfeature.Amongthekeytechnologiesinshipbornenavigationradar,thispapermainlydiscussesthedesignandanalysisoftheradarCFARdetectorsunderseaclutterbackground.Besides,theCFARtargetdetectorsareappliedinpracticeonthebaseofthedigitalsignalprocessor(DSP).Firstly,wediscusstheseaclutterdistributionmodels,comparethedifferencesamongthemandanalyzetheirdifferentkindsofapplications.Thezeromemorynonlinearitymethodisadoptedheretosimulatetheseaclutterwithspecialkindofdistributions.Thecorrectnessofthesimulatedataisprovedbytheanalysisoftheamplitudeandthepowerspectrumcharacteristicsofthesimulateddata.Secondly,thispaperdiscussestheparametricandnon-parametricCFARtargetdetectionalgorithms.TheparametermeanclassCFARdetectionperformanceisanalyzedintheoryandtheparameterCFARdetectorlimitationispointedoutmeanwhile,theselimitationisthelossoftheCFARcharacteristicwhiletheseaclutterdistributionischanged.Thus,westudythenon-parametricCFARtargetdetectionalgorithmwhosefalsealarmrateisindependentoftheseaclutterdistribution.Andthen,anon-parametricCFARtargetdetectorisdesignedandthedetectionprobabilityandfalsealarmprobabilityofthedetectorformulationsarealsoderivedinthispaper,toverifytheperformanceofthenon-parametrictargetCFARdetectorMonteCarlosimulationsareexecutedunderthedifferentclutterdistributionbackgrounds.Finally,thispaperdesignsanddevelopsanapplicationprogramoftheradarparameterCFARtargetdetectorandnon-parametricCFARtargetdetectorbasedonDSP.Inordertoverifytheeffectivenessandtesttheperformanceofthetargetdetector,wedesignahostcomputersystemtodostatisticalanalysesofthedetectionresultsofradarparameterCFARtargetdetectorandnon-parametricCFARdetectorunderdifferentclutterbackgrounds.Itisindicatesthatthenon-parameterCFARdetectorinnon-Gaussianandcomplexseaclutterbackgroundhasabetterdetectionandanti-jammingperformance.-II- 哈尔滨工业大学工程硕士学位论文Keywords：navigationradar，seaclutter，signaldetection，constantfalsealarm-III- 哈尔滨工业大学工程硕士学位论文目录摘要..........................................................................................................................IAbstract.......................................................................................................................II第1章绪论...............................................................................................................11.1课题背景...........................................................................................................11.2国内外研究和发展现状...................................................................................21.3论文主要研究内容...........................................................................................5第2章海杂波统计特性分析....................................................................................62.1零记忆非线性变换法.......................................................................................62.2海杂波分布模型...............................................................................................82.2.1瑞利分布杂波............................................................................................82.2.2对数正态分布杂波....................................................................................92.2.3韦布尔分布杂波......................................................................................102.3海杂波的仿真与验证.....................................................................................122.4海杂波分布模型比较.....................................................................................142.5本章小结.........................................................................................................14第3章雷达目标恒虚警检测器设计......................................................................153.1参量型恒虚警检测.........................................................................................153.1.1参量型均值类恒虚警检测算法...............................................................163.1.2参量型均值类恒虚警检测性能...............................................................183.1.3参量型恒虚警检测的局限性...................................................................193.2非参量型秩和恒虚警检测..............................................................................203.2.1非参量型秩和恒虚警检测算法...............................................................203.2.2非参量型秩和恒虚警检测性能...............................................................243.3非参量型量化秩恒虚警检测..........................................................................273.3.1非参量型量化秩恒虚警检测算法...........................................................273.3.2非参量型量化秩恒虚警检测性能...........................................................313.4本章小结.........................................................................................................35第4章基于DSP的恒虚警检测器实现................................................................364.1雷达信号处理硬件平台.................................................................................364.2基于CCS的软件设计及调试........................................................................384.2.1参量型恒虚警检测器程序设计...............................................................38-IV- 哈尔滨工业大学工程硕士学位论文4.2.2非参量型恒虚警检测器程序设计...........................................................394.2.3程序的调试与优化..................................................................................414.3海杂波背景下恒虚警检测器验证..................................................................424.3.1上位机设计与开发..................................................................................424.3.2参量型恒虚警检测器验证分析...............................................................444.3.3非参量型恒虚警检测器验证分析...........................................................464.4参量型与非参量型恒虚警检测器对比分析..................................................484.5本章小结.........................................................................................................49结论.......................................................................................................................51参考文献...................................................................................................................52攻读学位期间发表的学术论文................................................................................56哈尔滨工业大学学位论文原创性声明和使用权限................................................57致谢.......................................................................................................................58-V- 哈尔滨工业大学工程硕士学位论文第1章绪论1.1课题背景船载导航雷达通常也被称为航海雷达，一般适用于黑夜、雾天引导船舶出入海湾、通过窄水航道和沿海航行，主要起到航行防撞、船舶定位等作用，是船舶安全航行的保障。对雷达回波中的目标信号的进行自动检测是雷达系统设[1]计的重要组成部分。导航雷达在实际工作情况中，利用雷达探测船舶周围目标时，雷达回波中不仅包含有目标信号的信息，往往还包含着各种干扰噪声（这些干扰主要是地[2]物、雨雪、海浪等杂波干扰以及接收机内部热噪声）。当导航雷达工作在近海场景下情况会更为复杂，既包括大小不同的船只，也包含礁石等干扰；既有静止的海岸上目标，又有运动的目标，这些都会对导航雷达的目标检测系统性能造成严重退化。导航雷达在杂波干扰环境下完成对目标信号的检测和处理是其基本任务，在导航雷达目标自动检测系统中，一般期望在变化的杂波环境中保持雷达可预测的检测性能和恒定的虚警率。而雷达目标信号的恒虚警（CFAR）处理目地就是在杂波背景中区分出有用的目标回波信息并使雷达具有恒虚警性能。因此，在导航雷达自动检测系统设计中，一般将恒虚警处理技术和自动检测技术结合使用。随着科学技术的进步，高分辨率导航雷达技术的发展逐渐成熟，相比于低分辨率导航雷达来说高分辨率雷达更有利于在回波中对目标进行信息收集，有利于提高雷达对海面微小目标的检测性能，但在高分辨率雷达回波中地物、海浪杂波的幅度分布更为复杂多变，对雷达目标检测系统的性能造成更大的影响，在一定的信噪比条件下如何降低雷达的虚警概率并提高对目标的检测概率是船用导航高分辨率雷达目标检测技术研究的重点内容。现代雷达信号处理系统不仅需要处理的数据量大，而且还要满足系统的精[3]度，实时性等要求，因而对信号处理系统的应用实现提出了更高的要求。近年来以数字信号处理器DSP和可编程逻辑阵列FPGA为组合的高速信号处理机的出现，满足了雷达信号处理的硬件需求，为各种算法的工程应用实现提供了硬件平台。本文主要研究导航雷达在海杂波背景噪声中目标检测及恒虚警处理器的设计和性能分析以及基于数字信号处理器（DSP）的工程应用实现。-1- 哈尔滨工业大学工程硕士学位论文1.2国内外研究和发展现状雷达回波信号进行目标检测及恒虚警处理时，一般使用杂波的幅度分布所[4]服从的概率密度分布函数来描述杂波的类型。在20世纪60年代中期之前，雷达技术不是很先进，雷达的分辨率不是很高以及对海杂波统计分布研究比较少，往往认为海杂波的幅度分布服从瑞利分布。但是随着科技进步发展，雷达的分辨率和测量精度也越来越高，出现了高分辨率雷达，此时瑞利分布已不能准确的描述海杂波分布模型。因此在60年代之后到80年代相继出现了用于描述高分辨率雷达所对应的海杂波分布模型，例如：对数正态分布、韦布尔分布和[5]K分布等。Conte等研究学者认为在高分辨率雷达中海杂波分布采用复合高斯分布来描述是比较合理的，认为在几毫秒的观测时间内，海杂波的复合高斯模型可以看作为一个旋转不变随机过程，即认为模型是具有一个随机协方差矩阵[6]的零均值高斯过程。Jakeman和Pusey首先提出用K分布来研究海杂波的分布[7]。JingHu等对不同海况的海杂波实测数据分析指出Tsallis分布比K分布更符[8]合海杂波分布。恒虚警(CFAR)处理技术是雷达的自动检测系统给相关的检测策略提供对应的阈值，避免杂波和干扰对检测策略造成影响并使自动检测系统具有恒定的虚警概率。Nitzberg等人将雷达自动检测系统按照检测阈值的获得方式归纳分为：（1）设定固定门限阈值；（2）对外部干扰噪声的平均幅度估计形成门限阈值；（3）在之前获得的干扰统计分布的部分先验信息基础上形成门限阈值；（4）在没有干扰统计分布的先验信息时，为服从未知分布的统计假设检[9]验所形成的门限阈值。第一种是设置固定阈值后进行CFAR检测，第二种和第三种的阈值是根据杂波分布等先验信息后得到的，也称为参量型自适应[10]CFAR检测，第四种是非参量CFAR检测。下面以不同杂波为背景，介绍恒虚警检测处理技术的国内外研究现状以及发展历程。（1）均匀高斯杂波背景下的雷达的恒虚警处理早期低分辨率雷达的研究过程中大都是以高斯背景作为模型，一般认为雷达接收到的回波信号中杂波信号服从高斯分布，经过包络检波后服从瑞利分布，回波中的目标信号分量按照Swerling模型服从瑞利分布或指数分布，由[11]Finn和Johnson最早提出的单元平均恒虚警率（CA-CFAR）检测器。单元平均恒虚警（CA-CFAR）检测器是以海杂波服从瑞利分布模型为基础，当杂波的环境比较平稳均匀且目标单一时，CA-CFAR检测性能达到最佳。但是当杂-2- 哈尔滨工业大学工程硕士学位论文波环境比较复杂、杂波服从不均匀分布时、并且当两个目标距离比较接近或者有多个目标存在于杂波背景时，CA-CFAR检测性能较差。之后，研究人员在单元平均恒虚警率（CA-CFAR）检测器的基础上又提出了平均选小恒虚警[11]（SO-CFAR）检测器和平均选大恒虚警（GO-CFAR）检测器。平均选大恒虚警（GO-CFAR）检测器在杂波服从不均匀分布的背景中能取得较好的检测效果。针对回波杂波中存在的杂波边缘效应和多目标环境背景情况下，Rohling提出的统计排序（OS-CFAR）恒虚警率检测器取得了较好的检测效果，但是其存在的主要问题是恒虚警率损失比均值类的恒虚警检测器要高，此[12]外，算法的排序时间长，计算量大，硬件实现难以满足实时性等需求。在此基础上Richard与Dillard提出了同属于排序类的删除均值类（CMLD-CFAR）恒虚警检测器，Gandhi和Kassam等人提出了剔除平均（TM-CFAR）恒虚警检[13]测器。因此，早期低分辨率雷达的目标检测的恒虚警处理技术主要建立在服从瑞利分布的海杂波模型上，检测方法可以分为：均值类（ML-CFAR）、统计排[14]序类（OS-CFAR）和删除类（E-CFAR）。根据雷达所处不同环境，以上述三种恒虚警处理技术为基础，通过不同的组合共同完成对目标的检测处理。（2）非高斯杂波背景下的雷达的恒虚警处理随着雷达技术的发展，雷达的分辨率越来越高，高分辨率雷达的实测数据表明，在以较小的俯视角度观察目标时，地物和海面杂波分布将不再服从瑞利分布。一些学者经过研究，提出用对数正态（LogNormal）分布和韦布尔[15]（Weibull）分布模型来描述高分辨率雷达回波中的杂波分布。相比于瑞利分布，对数正态分布和韦布尔分布都是双参数分布，其中一个参数是模型的中位数尺度参数，另一个是用于描述模型分布偏斜度的形状参数。而早期的恒虚警处理技术如均值类（ML-CFAR）恒虚警处理器主要建立在服从瑞利分布的海杂波模型上，当杂波分布出现多个参数时，再采取这些检测技术会降低雷达的检测性能。而非参量恒虚警处理具有虚警概率不依赖杂波分布类型等特点，只要参考滑窗内的杂波样本分布满足统计独立且同分布的条件，非参量恒虚警检测器的虚警概率表现为一个常数，在杂波未知分布的背景中对目标检测时相对于参量检测器表现出良好的检测性能，在多种非参量检测器研究中，最重要[16,17]的、应用最广泛的是秩和（RS）检测器和量化秩（RQ）检测器。秩和检[18]测器（RS）由Hansen和Olsen提出，也称为广义符号检测器。雷达采用非参量恒虚警处理技术主要是解决非高斯、时变杂波背景中的目标检测问题。-3- 哈尔滨工业大学工程硕士学位论文综上所述，现代雷达恒虚警处理技术研究包含了多个方向，根据背景杂波服从不同分布类型分为：瑞利分布、韦布尔分布、对数正态分布和K分布等CFAR研究；按照对数据的处理方式的不同分为：参量和非参量CFAR技术；根据处理的信号相关程度分为：相关和不相关及部分相关信号CFAR技术；根据处理信号所在的数域不同分为：时域和频域CFAR技术，以及其它的一些研[19]究方法。现如今，雷达目标检测与恒虚警处理已经积累了一大批的理论研究成果，如何把恒虚警处理的理论研究应用到具体工程上将会是以后一个重要的研究方向，自八十年代之后，随着微电子技术的不断发展，特别是数字信号处理器（DSP）的发展，使得雷达信号完成了从模拟到数字的转化，极大的提高了信[20]号的处理速度。世界上第一个单片的DSP芯片是AMI公司于1978年推出的S2811，但是芯[21]片内部没有现代DSP芯片所必有的单周期乘法器。日本NEC公司在1980年推出了第一个具有乘法器的DSP芯片PD7720，这是DSP发展历史上一个重要的里程碑。20世纪80年代随着微电子电路技术的发展，CMOS技术取得了巨大的进步和发展。基于CMOS工艺的第二代DSP芯片存储容量和运算速度得到了成倍[22]的提升，成为数字信号技术领域发展的基础。20世纪80年代后期，第三代DSP芯片问世后，对数字信号的运算速度和处理效率得到了进一步提升，已经成为引领电子产品进行更新换代的标志。进入20世纪90年代后，DSP的体系结构通过采用SIMD和VLIW技术设计，显著的提升了芯片的处理性能。美国著名的TI公司相继推出第四代DSP芯片TMS320C40/C4，第五代的TMS320C5x/C54x[23]和第六代TMS320C62x/67x以及ADI公司推出的ADSP2106x/ADSP21160等。进入新世纪后，DSP在数字信号处理技术上的性能有了更大的飞跃。美国TI公司在2001年推出C64系列，在2004年推出的TMS320C6416主频可以达到1.1GHz，定点处理能力达到9000MIPS。而ADI公司则推出TigerSHARC系列，TS101主频达到300MHz，在2003年推出的TS201,主频达到600MHz，处理能力[24]为3.6GFLOPs，是当时公认处理能力最强的浮点型DSP之一。数字信号处理器（DSP）具有稳定、实时性高等诸多优点，尤其是以数字信号处理器（DSP）、可编程逻辑阵列（FPGA）和大容量存储器为组合的高速信号处理机的出现为雷达的数字信号处理算法实现提供了硬件平台，这两种处理器互有所长，搭配使用可以弥补相互的缺点，而且通过共享存储器（双端口RAM等）可以进行高速通信。因而取得日益广泛的应用。-4- 哈尔滨工业大学工程硕士学位论文1.3论文主要研究内容本课题源于省科技重大专项项目“船载导航雷达关键技术研究”，主要研究高分辨率全相参体制的导航雷达目标信号恒虚警检测技术以及工程应用的实现。首先对服从特定分布的海杂波正确建模，然后理论上研究雷达目标恒虚警检测器的设计，最后实现基于数字信号处理器（DSP）的恒虚警检测器。论文共有四章，主要研究内容安排如下：第1章：主要介绍课题的研究背景和课题来源，对本课题的国内外研究发展现状进行总结和分析。第2章：研究了常见的海杂波分布模型：瑞利分布、对数正态分布和韦布尔分布，分析其适用范围及优缺点。采用零记忆非线性变换法对服从特定分布模型的海杂波进行了建模仿真，并对仿真数据的幅度特性和功率谱特性进行验证分析。第3章：首先在理论上研究参量型均值类（ML-CFAR）恒虚警检测算法基本原理并分析了参量型均值类恒虚警检测算法的性能并指出参量型恒虚警算法的局限性。其次研究了非参量型秩和（RS）恒虚警检测算法和非参量型量化秩（RQ）恒虚警检测算法的原理，推导其检测概率和虚警概率的解析表达式。最后对非参量型目标恒虚警检测算法的检测性能和虚警性能在不同杂波分布背景下进行了蒙特卡洛仿真分析并得出相关结论。第4章：首先介绍本课题研究使用的高速信号处理平台，其次在CCS集成开发环境完成基于数字信号处理器（DSP）的雷达目标参量型恒虚警检测器和非参量型恒虚警检测器的软件设计及程序开发，设计上位机实现了模拟雷达回波产生功能、与数字信号处理器之间的通信功能和检测结果展示功能。最后对检测器进行了性能测试试验，包括两种检测器在不同海杂波分布下随信噪比变化的检测性能，两种检测器在有强干扰目标的影响时的检测器性能并得出结论，基于试验结果对本文所设计的参量型恒虚警检测器和非参量型恒虚警检测器进行比较分析做出结论。-5- 哈尔滨工业大学工程硕士学位论文第2章海杂波统计特性分析导航雷达工作中发射的电磁波经过海洋表面的反射后产生的散射回波中不仅包含着待检测目标的信息，同时还包含着海洋表面信息。在这种情况下，来自于海洋表面的散射回波也进入雷达的接收机，会对雷达在回波中检测目标造成干扰，因此将来自海洋表面的雷达回波称为海杂波。为了测试雷达目标自动检测系统的性能，也为本文后续研究的雷达目标恒虚警检测器提供处理样本数据，对导航雷达的回波信号进行仿真模拟从而真实的反映导航雷达的回波。模拟雷达回波中包含的一些散射特性会影响雷达的信号处理算法的性能，例如模拟回波中的功率谱分布与信号处理算法中的动目标显示滤波器性能有关；模拟[25]回波的幅度分布特性与信号处理算法中的目标恒虚警检测处理性能有关。因此，对雷达回波的模拟仿真是雷达信号处理算法设计的重要前提条件。在导航雷达回波的模拟仿真中，由于本文主要研究船载导航雷达的目标恒虚警检测技术，所以首先需要统计海杂波幅度所服从的数学分布特性。可以把海杂波认为是一个与海洋表面信息具有一定联系的随机数据集合，一般采用海杂波的幅度概率分布函数来表述。经过数十年的发展，采用统计理论研究海杂波的分布模型已经取得了很大的进展，模型的建立越来越精确，也越来越逼近实际的海杂波分布特性。随着雷达分辨率的提高，海杂波的模型构建经历了从高斯分布到非高斯分布的发展。在低分辨率雷达下的海杂波幅度特性服从高斯分布模型中的瑞利分布，但高分辨率雷达下的海杂波幅度分布主要采用非高斯[26]分布模型来描述，常用的非高斯分布模型有对数正态分布和韦布尔分布。本章主要研究了海杂波幅度分布模型分析其适用范围及优缺点。采用零记忆非线性变换法对服从特定分布模型的海杂波进行了建模仿真，并对仿真数据的幅度特性和功率谱特性进行验证分析。2.1零记忆非线性变换法杂波信号的幅度起伏一般认为是一个服从特定概率分布的相关序列经过调制后产生的过程，雷达回波中的杂波模拟实质是要求产生服从一定概率分布的相关随机序列，产生同时具有特定概率密度和自相关函数的随机数就可以模拟[27][28]雷达的杂波。自相关函数的傅里叶反变换是功率谱密度。雷达杂波的模拟等同于对具有特定概率密度（PDF）和特定功率谱密度（PSD）的随机过程模拟。对服从一定概率分布的相关随机序列可以描述为广义维纳过程模型-6- 哈尔滨工业大学工程硕士学位论文（GeneralizedWienerModel）和球不变随机过程模型（SphericallyInvariantRandomProcessModel），两种模型对应的模拟方法分别称为零记忆非线性变[29-30]换（ZMNL）法和球不变随机过程（SIRP）法。本文主要采用零记忆非线性变换法来对海杂波进行模拟仿真。零记忆非线性变换法比较经典，可以通过如下步骤实现对雷达杂波的模拟仿真：首先利用输入的高斯白噪声通过一个线性滤波器得到一个依然是高斯过程的相关随机序列，之后将其经过非线性变换后就得到我们所需的随机序列。这是因为高斯过程通过线性滤波后仍然是高斯过程，通过非线性变换可以将高斯过程转换为非高斯过程，同时经过变换后随机过程的相关特性也将会发生改[31]变。图2-1是零记忆非线性变换法原理图。W(k)Y(k)X(k)线性滤波器H(z)非线性变换图2-1零记忆非线性变换原理图图2-1中Wk()是输入的高斯白噪声，Xk()是最终产生的杂波信号。线性滤波器Hz()是用来产生符合特定功率谱密度的随机序列。其中，利用零记忆非线性变换法产生相关随机序列的重点就是线性滤波器的设计过程。非递归滤波器可由下面的差分方程来描述为Nynaxini(2-1)i0式中x——第ni个输入；niy——第n个输出；na——加权系数。i滤波器的传递函数可以通过Z变换进而求得NiHz()azi(2-2)i0频率响应为NjwTi2fTjHe()aei(2-3)i0已知杂波归一化的高斯谱密度为2fSf()exp()(2-4)22式中f——信号的频率；-7- 哈尔滨工业大学工程硕士学位论文——信号分布的标准差。输入为高斯白噪声时有2Sf()Hf()(2-5)滤波器的高斯响应2fHf()exp()(2-6)24将其展开为傅里叶级数NC0Hf()Cncos(2fnT)(2-7)2n1由频谱的偶对称特性可得：Ca，非递归滤波器加权系数就是的其频率ni响应的傅里叶级数展开式系数。改变变量将，Hf()Ht()的傅里叶变换可以求得C为n2t()2222j2ft4j2ft4fFf()Hte()dteedt2e(2-8)f当n取有限值时，此时傅里叶级数系数为2222CTFnT()2e4nT0(2-9)nf00采取此设计方法可以使得设计的线性滤波器具备非递归滤波器的优点，结[32-33]构简单，运算速度快，适应于雷达模拟器。设计好相对应线性滤波器之后，便可以对雷达回波中的杂波进行模拟仿真。2.2海杂波分布模型2.2.1瑞利分布杂波雷达在早期分辨率比较低的情况下一般认为雷达回波中的海杂波分布是基于高斯假设的，在雷达回波的采样单元内包含多个互相独立不受彼此影响的散射源，并且每个散射体的所散射的回波能量比较均匀平稳，此时的杂波幅度分布模型采用服从瑞利分布是比较合适的。瑞利分布的概率密度函数（PDF）为2vvfv()exp[](2-10)R222式中v——杂波的包络振幅；——杂波的标准差（或均方差）。-8- 哈尔滨工业大学工程硕士学位论文其累积概率密度函数为v2Fv()1exp[()](2-11)R杂波的标准差与雷达的环境参数有如下表达式v(2-12)式中——环境参数；v——雷达工作波长。则式（2-10）可以变化为222vvfv()exp[](2-13)R222vv[34]表2-1给出在特定环境下当杂波服从瑞利分布的时环境参数取值。v表2-1瑞利分布杂波环境参数环境类型风速（节）v稀疏的树木无风0.034有树的小山100.08有树的小山200.44有树的小山250.24有树的小山400.64雷达箔条—0.74~1.812雷达箔条252.4雷达箔条—2.2雨云—3.6~8.0雨云—4.02.2.2对数正态分布杂波随着高分辨率雷达应用的逐渐推广，在高分辨率雷达回波中的海杂波幅度分布具有比瑞利分布模型具有更大的动态范围，在概率密度分布函数上相对于瑞利分布表现为出了更长的拖尾，继续采用瑞利模型来描述海杂波幅度分布进而设计的雷达目标恒虚警检测器将不具备恒虚警的性质，这是因为回波中幅度较大的杂波会造成虚警事件。我们引进对数正态分布来描述高分辨率雷达回波[35]中的杂波幅度分布。对于雷达分辨率比较高或者当海面形成波浪尖峰时（天气恶劣情况下的海情）产生的雷达回波中的海杂波具有较大的动态范围，此时选用对数正态分布模型能很好的描述此时的杂波幅度所服从的分布模型[35]。对数正态分布的概率密度函数（PDF）为-9- 哈尔滨工业大学工程硕士学位论文2vln()1ufv()exp[](2-14)Ln22vv2v式中v——杂波的包络振幅；u——尺度参数，v的中值；——形状参数，描述分布的倾斜度。v其累积概率密度函数为1lnvuF()1verfc()(2-15)Ln22v式中erfc()——余误差函数。对数正态分布的均值为2vE()vuexp()(2-16)Ln2其方差为222D()vuexp()[exp()1](2-17)Lnvv对数正态分布的概率密度函数中u称为尺度函数，表示分布的中位数；v称为形状参数，描述分布的倾斜度。表2-2是对数正态分布模型的形状参数取[36]值。表2-2对数正态分布杂波环境参数环境频段擦地角(deg)v海情2~3X4.70.6910海情3Ku1~50.720~0.480海情4X0.240.774海情5Ku0.500.817地杂波（离散）Slow1.958地杂波（连续）Slow0.69地杂波P-Ka10~700.364~1.292雨杂波X－0.3402.2.3韦布尔分布杂波在使用对数正态分布描述海杂波幅度分布模型时，往往会过分的夸大海杂波的动态范围，但海杂波的瑞利分布模型相比对数正态分布模型对杂波的动态范围的描述比较保守，因此研究人员又提出了海杂波的幅度分布服从韦布尔分-10- 哈尔滨工业大学工程硕士学位论文布模型，韦布尔分布模型对杂波动态范围的描述正好介于瑞利分布和对数正态[37]分布之间，因此能较好的描述一般情况下海杂波的幅度分布。韦布尔分布的概率密度函数可以表示为pvpp1vfv()()exp[()](2-18)wqqq式中v——杂波的包络振幅；p——分布的形状参数，描述分布的倾斜度；q——分布的尺度参数，描述分布的中位数。累积概率密度函数为vpFv()1exp[()](2-19)wq韦布尔分布的均值为1Ev()q(1)(2-20)wp其方差为2221Dv()q[(1)(1)](2-21)wpp式中()——gamma函数。韦布尔分布模型还具有以下特性：当分布的尺度参数q为固定值时，韦布尔分布模型的右尾随p的减小而升高；当韦布尔分布形状参数p为1时，韦布尔分布退化为对数正态分布，韦布尔分布形状参数p为2时，韦布尔分布退化为瑞利分布；当韦布尔分布的形状参数p取值较小时，韦布尔分布的右边拖尾[38]比瑞利分布要，可以描述尖峰杂波。研究表明对不同海杂波，p的取值范围为1.4到2.0之间。表2-3是描述雷达在不同背景回波中杂波服从韦布尔分[39,40]布的形状参数的取值。表2-3韦布尔分布形状参数地貌/海情频段波束宽度擦地角(deg)脉冲宽度参数p(deg)(us)岩石山脉S1.5—20.512树林小山L1.70.530.626森林X1.40.70.170.506~0.522耕地X1.40.2~0.50.170.606~2海情1X0.54.70.021.452海情3Ku51~300.11.16~1.783-11- 哈尔滨工业大学工程硕士学位论文2.3海杂波的仿真与验证本文对模拟杂波仿真数据的有效准确性主要从两方面来验证：对仿真数据的幅度分布函数和功率谱密度函数与理论分布模型的概率密度函数和理想高斯模型功率谱密度函数进行对比分析，完成对仿真数据的验证。在本文研究中对仿真数据概率密度函数的估计采用直方图估计法，对仿真数据的功率谱与理想高斯模型的功率谱进行比对分析时，仿真杂波的功率谱采用经典的Burg法进行估计。本文主要对服从瑞利分布、对数正态分布和韦布尔分布这三种类型的海杂波进行了模拟仿真和验证，验证结果如下：图2-2是对服从瑞利分布的杂波验证分析图，a)图是仿真数据的概率密度函数与瑞利分布概率密度的拟合曲线，b)图是仿真数据功率谱与理想高斯谱拟合曲线。从图中可以看出模拟仿真的杂波幅度分布曲线和瑞利的概率密度函数曲线拟合效果很好，是满足设计条件的。服从瑞利分布的杂波幅度动态范围较小，杂波的幅度起伏变化比较平稳。0.71仿真曲线仿真曲线0.90.6理论曲线理论曲线0.8数0.5数0.7函函度0.4度0.6密密0.5率谱概0.3率0.4功0.20.30.20.10.100.511.522.533.544.5050100150200250300350400450500幅度（V）频率（Hz）a)仿真数据与瑞利分布概率密度拟合曲线b)仿真数据功率谱与高斯谱拟合曲线图2-2服从瑞利分布的杂波验证分析图2-3是对服从对数正态分布的杂波验证分析图，a)图是仿真数据的概率密度函数与对数正态分布概率密度的拟合曲线，b)图是仿真数据功率谱与理想高斯谱拟合曲线。从图中可以看出模拟仿真的杂波幅度分布曲线和对数正态的概率密度函数曲线拟合效果很好，是满足设计条件的。相比图2-2，服从对数正态分布的杂波幅度动态范围较大，可以认为服从对数正态分布的杂波相对于服从瑞利分布的杂波起伏变化更为剧烈。-12- 哈尔滨工业大学工程硕士学位论文0.81仿真曲线0.9仿真曲线0.7理论曲线理论曲线0.80.6数0.7数函函0.5度0.6度密密0.4谱0.5率率0.4概0.3功0.30.20.20.10.100024681012141618050100150200250300350400450500幅度(V)频率(Hz)a)仿真数据与对数正态分布概率密度拟合曲线b)仿真数据功率谱与高斯谱拟合曲线图2-3服从对数正态分布的杂波验证分析图2-4是对服从韦布尔分布的杂波验证分析图，a)图是仿真数据的概率密度函数与韦布尔分布概率密度的拟合曲线，b)图是仿真数据功率谱与理想高斯谱拟合曲线。从图中可以看出模拟仿真的杂波幅度分布曲线和韦布尔的概率密度函数曲线拟合效果很好，是满足设计条件的。服从韦布尔分布的杂波幅度动态范围相比于对数正态分布范围较小，相比于瑞利分布范围较大，可以认为服从韦布尔分布的海杂波的起伏变化程度在瑞利分布和对数正态范围之间。0.41仿真曲线仿真曲线0.350.9理论曲线理论曲线0.30.8数数0.7函0.25函度度0.6密0.2密率谱0.5概0.15率0.4功0.10.30.20.050.1000123456789050100150200250300350400450500幅度(V)频率（Hz）a)仿真数据与韦布尔分布概率密度拟合曲线b)仿真数据功率谱与高斯谱拟合曲线图2-4服从韦布尔分布的杂波验证分析由分析验证结果可以看出，本文所采用零记忆非线性变化法仿真得到的模拟杂波数据幅度的概率密度曲线和功率谱曲线能较好的和理论曲线相拟合，在一定程度上是能真实反映实际海杂波分布特性的，符合设计要求。-13- 哈尔滨工业大学工程硕士学位论文2.4海杂波分布模型比较描述海杂波幅度分布模型的方法主要是高斯模型和非高斯模型两大类。高斯分布模型主要是服从瑞利分布，非高斯分布模型主要是对数正态分布和韦布尔分布。早期低分辨率雷达或者较平稳的海面背景下的雷达回波中海杂波的幅度分布采用瑞利分布来描述是比较合适的。在高分辨率雷达或在环境恶劣情况下海表面起伏较大且快速变化的海面背景下的雷达回波中的海杂波的幅度分布采用对数正态分布来描述是比较合理的。但是用对数正态分布描述海杂波幅度分布模型时，会过分的夸大杂波幅度的动态范围。而韦布尔分布模型对杂波幅度动态范围的描述正好介于瑞利分布和对数正态分布之间，因此能较好的描述一般情况下海杂波的幅度分布。表2-4是对这三种海杂波分布模型的适用范围[41]及优缺点进行比较分析。表2-4海杂波分布模型比较分布模型适用范围优点不足低分辨率雷达脉冲模型简单，数据易低估杂波幅度的动瑞利分布宽度大于0.5us处理态范围高分辨率雷达和恶对恶劣环境中的海高估杂波幅度动态对数正态分布劣环境中的海况况描述较好范围高分辨率雷达下的杂波幅度范围估计杂波模型识别有难韦布尔分布低入射角海况介于瑞利分布和对度数正态分布之间2.5本章小结雷达回波中海杂波的幅度分布特性与雷达目标恒虚警检测器的设计有关，因此需要对回波中海杂波进行模拟仿真。本章首先介绍了杂波模拟所采用的方法：零记忆非线性变换法。其次介绍了几种常见的海杂波分布模型：瑞利分布、对数正态分布和韦布尔分布，对服从特定分布模型的海杂波进行了建模仿真，并对模拟仿真数据进行检验验证其正确有效性，结果表明仿真数据满足设计要求。最后对不同分布的海杂波模型的特性和适用条件进行了对比分析：瑞利分布适用描述较平稳的海杂波，对数正态分布适用描述较变化剧烈的海杂波，韦布尔分布的描述介于两者之间，因此能较好的描述一般情况下海杂波的幅度分布。-14- 哈尔滨工业大学工程硕士学位论文第3章雷达目标恒虚警检测器设计现代雷达系统中，对目标的自动检测技术是雷达信号处理技术的重要组成部分，其中一个重要的环节就是研究的目标检测与恒虚警处理。而雷达目标信号的恒虚警（CFAR）处理就是在杂波背景中区分出有用的目标回波信息并使[42]雷达具有恒虚警性能。由于导航雷达的工作环境是在起伏多变的海洋表面上，雷达回波中的海杂波分布参数具有时变性，在不同的情况下会发生变化，因此现代雷达目标检测处理技术主要是使检测器的检测门限相对于杂波具有自适应性。适应性门限的获得方式按照对雷达回波数据处理方式的不同分为两种：参量型恒虚警处理和非参量恒虚警处理。参量型恒虚警处理是指在杂波幅度分布模型确定的的基础上对待检单元的前后两边的回波数据进行计算估计来确定杂波的分布参数，之后根据估计得到的分布参数和已知的杂波概率分布来确定检测器的自适应门限。而非参量型恒虚警处理主要把杂波或纯噪声输入数据集转换成一个检测统计量，之后将这个检测统计量与一个固定的阈值进行比较，以获得关于背景噪[43]声或杂波环境统计特性弱假设下的恒虚警率。恒虚警率的获得与杂波的分布模型无关，因此非参量恒虚警检测器可以改善参量恒虚警检测器在未知杂波[44]分布模型情况下的恒虚警损失。本章首先在理论上研究参量型均值类（ML-CFAR）恒虚警检测算法基本原理并在理论上分析了参量型均值类恒虚警检测算法的性能并指出参量型恒虚警算法的局限性。其次研究了非参量型秩和（RS）恒虚警检测算法和非参量型量化秩（RQ）恒虚警检测算法的原理，推导其检测概率和虚警概率的解析表达式。最后对非参量型目标恒虚警检测算法的检测性能和虚警性能在不同杂波分布背景下进行了蒙特卡洛仿真分析并得出相关结论。3.1参量型恒虚警检测参量型恒虚警检测器的检测策略是假设在一个观察间隔上进行检测时，除了有限个分布参数之外，杂波包络的分布是已知的，即除了一个或更多的分布参数可能变化之外，幅度服从的分布类型是确定不变的。下面就经典的均值类（ML-CFAR）恒虚警处理介绍其基本原理及在理论上公式推导其检测概率的解析表达式。-15- 哈尔滨工业大学工程硕士学位论文3.1.1参量型均值类恒虚警检测算法参量型恒虚警检测器最经典的就是均值类（ML-CFAR）恒虚警处理方法，均值类恒虚警处理器特点是在对雷达回波局部估计的过程中采用了取均值的方法。在此基础上，研究人员相继提出了单元平均选大恒虚警处理（GO-CFAR）、单元平均选小恒虚警处理（SO-CFAR）等其它的属于ML类的CFAR处理方法。雷达在自动检测目标时，需要设定待检单元x的门限电平，当待检单元xii的实际功率电平大于设定的门限电平时，判断待检单元内有目标存在，小于门限电平时判断待检单元内无目标存在。但当待检单元内存在干扰功率电平时，设置待检单元的门限电平必须提前知道待检单元的干扰功率电平。但是干扰功[45]率电平往往是变化的，必须通过数据估计来得到。因此本文研究单元平均CFAR处理方法基于两个假设，一是临近单元杂波分布的统计特性表现为与待[46]检单元一致；二是临近单元不包含任何目标，仅仅存在干扰噪声。此时待检单元的干扰功率电平可以从临近单元的数据估计中得到。在高斯干扰下的线性检波器和平方律检波器，干扰服从的分布分别为瑞利分布和指数分布。干扰的概率密度函数均仅有一个自由参数，即平均干扰功率。因此，CFAR处理器需要利用周围临近单元中的数据值，对检测单元的平均干扰功率进行估计。在平方律检波器的情况下，假设每个回波单元内的噪声是独立同分布的，假定杂波背景是窄带高斯噪声，噪声的包络服从瑞利分布，I通道和Q通道的2信号功率为/2，则待检单元x的概率密度函数（PDF）服从指数分布为i1x/2pxei(3-1)xii22假设待检单元周围有N个相邻单元是用来估计全功率的大小，则N个样本数据组成的矢量x的联合概率密度函数为NN211x/2i1xi/px()eie(3-2)x22NNi1上式是观测数据矢量x的似然函数，记为。其对数似然函数为N21lnNxln2i(3-3)i12设上式关于的倒数为零，则得-16- 哈尔滨工业大学工程硕士学位论文Nd(ln)110Nx(3-4)222id()2i12解式(3-4)得的解，其最大似然估计是已知数据样本的平均Nˆ21xi(3-5)Ni1则待检单元所需的门限电平可以由估计到的干扰功率得到，即Tˆˆ2(3-6)式中——门限乘积因子。由式(3-5)和(3-6)可得检测器的检测门限表达式为NˆTxi(3-7)Ni1定义z()Nx，则在式(3-1)中，由概率论的知识可知z的概率密度为iiiNN/2p()ze(3-8)zii2Tˆ则的概率密度函数为埃尔朗密度函数，有NˆN1()ˆNTNTˆ/2pTTˆ2e(3-9)(N1)!在估计得到的门限值下，检测器对应的虚警概率P为是一个随机变量，FA其数学期望为N()ˆˆN1ˆN1[(/)1]/NTˆ2ˆPFApTdTTˆ2TedT(3-10)(N1)!解这个标准积分式并代数运算，得：NP1(3-11)FAN假设提前给定检测器预期的平均虚警概率，则所需要的门限乘积因子可由式(3-11)得1/NNP(1)(3-12)FA由公式(3-12)可以看出，检测器的平均虚警概率P的获取不依赖实际干扰FA-17- 哈尔滨工业大学工程硕士学位论文噪声功率大小，而仅和参与平均的临近单元样本数N及门限乘积因子有[47]关，因此单元平均处理技术表现出恒虚警处理的特点。因为干扰功率及相应的检测门限是由待检单元周围的临近单元平均干扰功率的平均获得的，所以这种CFAR方法称为单元平均CFAR(CA-CFAR)。单元平均选小恒虚警处理(SO-CFAR)和单元平均选大恒虚警处理(GO-CFAR)的原理与CA-CFAR类似，只不过在对N个单元的SOCA-CFAR处理中，对前后参考窗内的数据分别进行取平均处理，两次估计均基于N/2个数据参考单元，分别得到两个独立的干扰功率估计值。然后利用两个估计值里较小的值作为干扰功率的估计值，进行类似地计算从而得到门限值。同SOCA-CFAR处理，GOCA-CFAR也分别对前后参考窗内的数据进行取平均处理，但门限由两个估计量中的较大值经过计算后决定。图3-1是均值类恒虚警检测器的原理图。检测单元保护单元输入信号x1xnDy1ynH1nn比11xlyl较nl1nl1器H0XYCA:(X+Y)/2SO:min(X,Y)GO:max(X,Y)ZTS=TZ图3-1均值类恒虚警检测器原理图3.1.2参量型均值类恒虚警检测性能单元平均恒虚警(CA-CFAR)的处理门限根据提前设定的虚警概率计算确定后，对目标的检测性能也就一定。由于仅有一个数据样本，不存在起伏模型的问题，因此对于待检测单元内存在SwerlingI型目标和SwerlingⅡ型目标时，单元平均恒虚警（CA-CFAR）表现的检测性能是一致的。在给定门限Tˆ下，其检测概率为-18- 哈尔滨工业大学工程硕士学位论文Tˆ/(1)()ˆˆPDepTdTTˆ(3-13)式中——信噪比。上式的积分和式(3-10)具有同样的形式，结果为NP1(3-14)DN(1)发现概率的结果是基于如下假设，即I/Q通道的噪声均服从高斯分布，经过平方律检波器，目标服从SwerlingI或SwerlingⅡ型分布，并且只有一个检测单元的数据。5图3-2是均值类恒虚警检测性能曲线图。设定P=10时，滑窗单元选择FAN32时在服从单参数分布的杂波背景下理论上检测概率随信噪比的变化曲线。10.90.80.7率0.6概测0.5检0.40.30.2OPTCA0.1GOSO051015202530信噪比(dB)-5图3-2均值类恒虚警检测性能曲线图(N=32,PFA=10)3.1.3参量型恒虚警检测的局限性上文描述的均值类恒虚警检测器背景杂波是幅度分布服从单参数分布的高斯背景杂波，当杂波不服从单个参数分布时候，例如杂波的分布类型属于对数正态分布或韦布尔分布时，若仍采用高斯背景中恒虚警处理时，一般假设一个参数（通常是形状参数）已知，这仍然是单参数恒虚警处理。若要同时考虑杂波的形状和尺度参数的变化，则要使用双参数恒虚警处理方法，例如：Log-t-19- 哈尔滨工业大学工程硕士学位论文CFAR检测器。Log-t检测器保持CFAR的有效性是在对于参考单元具有一定的先验条件的基础上成立的，即它要求：杂波样本是统计独立且同分布的随机变量，且分布是已知的。参量型恒虚警检测器的检测策略是假设在一个观察间隔上进行检测时，除了有限个参数之外，杂波包络的分布是已知的，即除了一个或更多的分布参数[48]可能变化之外，分布的类型是固定的。当参量型恒虚警检测方法所假设的杂波分布与分布规律未知的杂波环境不一致时候，虚警概率会大幅度上升，也就失去的恒虚警的特性。因此参量型恒虚警检测器对雷达信号进行恒虚警处理时，需要确定雷达的杂波的幅度分布模型，但在复杂时变的海面背景下，海杂波幅度分布模型受各种因素的影响变化是很大的。当海杂波幅度分布模型发生大的改变时，虚警概率与杂波分布模型无关的非参量型CFAR处理相对于参量型CFAR处理显现出优势。3.2非参量型秩和恒虚警检测3.2.1非参量型秩和恒虚警检测算法雷达的回波信号经过平方律检波器检波后，将检波器输出信号按照距离分辨单元进行采样。为了检测在某个方位上某个距离单元内是否存在目标信号，在该待检单元附近选择N个距离单元构造成一个一维的参考检测滑窗，并利用沿该方位上发射的M个脉冲信号对目标实施探测，对M个脉冲信号中第i个脉冲来说，可以构成这样的样本矢量：Xxx,,,x,x(3-15)ii12iiNi样本矢量中x分量是待检测距离单元对应的回波样本数据。而xx,,,xii12iiN是N个距离参考单元对应的回波样本数据。在H假设下，假定在每一次扫描i来0说Xxx,,,x,x中的每个分量间统计独立且同分布；在H假设下，样本ii12iiNi1xxi12,i,,xiN,xi间是统计独立且同分布的，而x与xx,,,x间不同分布但统ii12iiN计独立，且检测单元回波信号的信噪比在M个脉冲中相同，对每一次扫描来说，定义检测单元采样xi与N个距离参考采样xx,,,x相比较的秩ri为i12iiNNriux()ixij(3-16)j1式中u()——单位阶跃信号。为了使得结果更准确，定义-20- 哈尔滨工业大学工程硕士学位论文1xxiijux()x(3-17)iij0xxiij对检测单元在M次脉冲扫描中的秩进行求和运算，就得到秩和非参数检测器的检测统计量为MMNrriux()ixij(3-18)i1i1j1可得秩和非参数检测器的检测统策略为MNLH1ruxixij(3-19)ij11LH0式中L——门限秩值。在H假设下对回波的第i次扫描来说，检测单元的秩rk的概率为0iNNk'kPrk[Fx]1Fxfxdx()(3-20)0ik式中fx()——杂波样本的概率密度函数；Fx()——杂波样本累积分布函数。作变量代换yFx()，化简上式得N1'kNkPr0iky(1y)dyk0NNkNk1j(1)(3-21)Nkj0jjk11N1统计独立的随机变量和的概率密度函数是各自概率密度函数的卷积和，秩和非参数检测器的检验统计量r在H假设下的概率密度函数表示为0'''Pr()Pr()Pr()Pr()(3-22)001020M式中——卷积运算符。对上式进行Z变换，利用卷积定理得M''''zPr{()}0zPr{()}{()}01zPr02zPr{(0Mi)}zPr{()}0(3-23)i1其中-21- 哈尔滨工业大学工程硕士学位论文N''kk1zPr{()}00iiPr(kz)z(3-24)kk0N1则可得秩和检测器的检验统计量r的概率密度函数为MNM11'11(1z)Pr00()zzPr{()}izMM1(3-25)i1(Nz1)(1)在H的假设下，检测器的检测统计量rL的概率就是虚警概率P，表0FA示为j1MMNN1MjiN11MiPFAPr0(k)1(3-26)kLN1jLi0M1i式中——取整运算；a——二项式系数。b由式(3-26)可见，虚警概率完全由检测器参数M，N和门限L决定，与杂波特性无关，即具有与杂波分布无关的恒虚警率特性。当检测器的距离参考单元N和积累脉冲M的个数确定时，检测器的虚警概率主要由门限秩值L确定。其中门限L的最大取值为MN，当门限取值超过最大值时，检测器的检测概率将恒为零。图3-3是秩和检测器理论虚警概率与实际虚警概率拟合图，设定的仿真环境是：单个脉冲重复周期的参考单元个数为N32，积累脉冲个数为M6，海杂波服从韦布尔分布，形状参数p取为2.0，尺度参数q取为1.5，横坐标代表的是门限秩值L的取值，纵坐标代表的是检测器的虚警概率。实线是由式(3-26)得到的检测器理论虚警概率在M，N为固定值的情况下随门限L的变化曲线，虚线是在韦布尔分布杂波环境中，检测器实际虚警概率随门限秩值L2的变化进行蒙特卡罗仿真10次后得到检测器在海杂波中实际虚警概率随门限秩值L的变化曲线。图中可以看到两条曲线拟合良好，从而验证了秩和检测器虚警概率完全由检测器参数M，N和门限L决定，与杂波参数无关，即具有与杂波分布无关的恒虚警率特性。6图3-4为检测器的虚警概率要求为P10，检测器的参考单元N=32，FA积累脉冲M=6时，秩和检测器达到设定的虚警概率时所需设定的门限L的取值，可以从图中看到门限L的取值需要设定为185。-22- 哈尔滨工业大学工程硕士学位论文1实际曲线0.9理论曲线0.80.7率0.6概0.5警虚0.40.30.20.1020406080100120140160180门限秩值L图3-3秩和检测器理论虚警与实际虚警率拟合曲线(N=32,M=6)-41010.90.80.70.6率概0.5警虚0.40.30.2X:185Y:1.329e-060.10150155160165170175180185190门限秩值L-6图3-4N=32,M=6,达到PFA=10时门限L的取值为了达到恒虚警检测器所需的虚警概率，需要对秩和检测器的距离参考单元N、积累脉冲M和门限L的取值进行设定。由式(3-26)计算推导可知，这对参考单元数目N和脉冲积累数目M有一定的要求，当积累脉冲个数M和参考单元个数N个数太小时无法达到所需的虚警概率，即要求积累脉冲个数M和参考单元个数N有足够大的时候才能达到检测器所需的虚警概率。表3-1给出了秩和检测器N=32时在不同脉冲积累个数M的情况下，最接近虚警概率设6定值P10选取的门限L的值和对应的虚警概率值。FA-23- 哈尔滨工业大学工程硕士学位论文-6表3-1N=32和不同M时秩和检测器最接近PFA=10的门限L值M4681012L128185238287335-6PFA(10)0.8431.331.111.251.043.2.2非参量型秩和恒虚警检测性能本文对非参量型秩和检测器的检测性能的研究主要是通过理论公式推导及蒙特卡罗仿真分析检测器的检测概率P随在不同背景参数下随信噪比（SCR）d的变换曲线来体现的。在H的假设下对第i次扫描来说，检测单元存在目标信号且周围距离参考1单元仍为同分布的杂波样本时，SwerlingⅡ型目标在雷达回波的概率密度函数为1xgx()exp(3-27)q(12/)(1p)q(12/)(1p)式中p——韦布尔分布的形状参数；q——韦布尔分布尺度参数；——信噪比；()——gamma函数。服从韦布尔分布杂波的累积分布函数为p/2Fx()1exp[(/)xq](3-28)则检测单元的秩rk的概率为iNNk'kPrk[Fx]1Fxgxdx()(3-29)ik由上式可得虽然秩和检测器的虚警概率不依赖于杂波的统计分布，但其检测概率与杂波的分布有一定的关系。将式(3-27)和(3-28)代入到式(3-29)中，并作变量代换qp(12/)可得c'1NkNkxPrik[Fx]1Fxexpdx(1)k(1)cc(3-30)1=()s1(1)1csc(1)()s是式(3-30)积分号内前三项的拉普拉斯变换，也就是1-24- 哈尔滨工业大学工程硕士学位论文Np/2p/2kst()sexp[(Nktq)(/)][1exp((/)tq)]edt10kfp(3-31)Nkk()Nklf[21]lfq(1)(1)fp/21kllf00f!()qs当韦布尔分布p2.0时，上式可以化简为NNk1l1()s(1)(3-32)kll0s(NKl)/q类似于本文前面对于虚警概率的分析，此处采用卷积定理可知在H假设1下检验统计量的概率密度函数为M1'Pr()zzPr()(3-33)11i最终可得秩和检测器的检测概率为PdPr1()k(3-34)kL图3-5是当待检单元内存在目标时在不同积累脉冲数目M情况下秩和检6测器的检测概率P随信噪比（SCR）的变化进行蒙特卡洛仿真10次得到的曲d6线。仿真环境设定为：虚警概率P10，背景杂波服从形状参数p=2.0的韦FA6布尔分布，滑窗内参考单元数N=32，由表3-1可以得到P10时，门限LFA在N=32时随积累脉冲个数M的取值。从图3-5可以观察到，积累的脉冲M数目越多，检测性能越好，同理也有推出：参考单元个数N越多，检测器的检测性能越好。一些文献指出：脉冲积累M个数对检测器性能的影响比参考单元个数对检测器性能的影响要更大一些。当待检单元内存在目标时，图3-6为背景杂波分别服从形状参数p0.8,1.2,1.6,2.0的韦布尔分布时，秩和检测器的检测概率P随信噪比d6（SCR）的变化进行蒙特卡洛仿真10次得到的曲线。设定的仿真环境为：秩6和检测器的虚警概率P10，滑窗内参考单元数N=32，脉冲积累数FAM8。从图3-6中可以观察到，当韦布尔杂波的形状参数在p1.22.0区间内变化时，检测器的检测概率随信噪比变化相差不大，几条曲线几乎重叠在一起；但当韦布尔杂波的形状参数p0.8时，检测器的检测概率会略微增大，这是因为在此时检测单元中目标的回波信息与参考单元中杂波样本的回波信息显著不同，从而使得存在目标信息的单元容易被检测到，进而提高了检测器的检测概率。-25- 哈尔滨工业大学工程硕士学位论文10.90.80.70.6率概0.5测检0.40.3M=6,L=1850.2M=8,L=238M=10,L=2870.1M=12,L=335051015202530信噪比(dB)-6图3-5秩和检测器检测概率随SCR的变化曲线(N=32,M=6,PFA=10)10.90.80.70.6率概0.5测检0.40.3p=2.00.2p=1.6p=1.20.1p=0.8051015202530信噪比(dB)-6图3-6秩和检测器虚警概率随SCR的变化曲线(N=32,M=8,PFA=10)当参考单元内存在多个目标时，或者当有强干扰目标的影响时，来自于干扰目标的回波信号始终占据了参考单元较多的样本位置，此时参考滑窗内可用来比较的样本数从N变为Nr，此时的检测器的检测概率推导可将式(3-29)~(3-34)式中的N变为Nr来计算，进而可以推导出检测器的检测性能变化。图3-7是秩和检测器在多目标情况下的检测概率随信噪比的变化曲线，设6置的仿真环境为：秩和检测器的虚警概率P10，滑窗内参考单元数FAN=32，脉冲积累数M8，背景杂波分别服从形状参数p2.0的韦布尔分布时-26- 哈尔滨工业大学工程硕士学位论文给出了多目标情况下秩和检测器的检测概率P随信噪比（SCR）的变化进行蒙d6特卡洛仿真10次得到的曲线。r是干扰单元数目，可以看出，随着干扰目标个数的增多，检测器的检测性能逐渐下降。当干扰目标的个数r2时，检测器的性能会出现大幅度的下降。本文经过归纳研究得出秩和检测器最多可容纳的干扰目标数为()MNLM，L为所要求的虚警概率设定的门限值，为6下取整运算。当秩和检测器的参数为P10,N32,M12,L335时，根据FA计算，此时检测器最多容纳4个干扰目标。10.9r=1r=20.8r=3r=40.70.6率概0.5测检0.40.30.20.1051015202530信噪比(dB)-6图3-7秩和检测器在多目标情况下的检测概率随SCR的变化曲线(N=32,M=8,PFA=10)3.3非参量型量化秩恒虚警检测3.3.1非参量型量化秩恒虚警检测算法雷达回波经平方律检波器后，输出信号按照距离分辨单元进行采样。为了检测在某个方位上某个距离单元内是否存在目标信号，在该待检单元附近选择N个距离单元构造成一个一维的参考检测滑窗，并且利用沿该方位方向发射的M个脉冲信号对目标实施探测。对M个脉冲信号中第i个脉冲来说，可以构成这样的样本矢量为Xxx,,,x,x(3-35)ii12iiNi样本矢量中x分量是待检测距离单元对应的回波样本数据。而xx,,,xii12iiN是N个距离参考单元对应的回波样本数据。在H假设下，假定在每一次扫描i来0-27- 哈尔滨工业大学工程硕士学位论文说Xxx,,,x,x中的每个分量间统计独立且同分布；在H假设下，样本ii12iiNi1xxi12,i,,xiN,xi间是统计独立且同分布的，而x与xx,,,x间不同分布但统ii12iiN计独立，且检测单元回波信号的信噪比在M个脉冲中相同，对每一次扫描来说，定义检测单元采样xi与N个距离参考采样xx,,,x相比较的秩ri为i12iiNNriuxixij(3-36)j1式中u()——单位阶跃信号。在本次扫描中秩r与量化门限K进行比较而形成二进制秩值Br为ii1,rKiBr(3-37)i0,rKi对二进制秩值Br在M次扫描间进行二进制积累，就得到量化秩检测器i的检测统计量Z为RQMTH,1ZRQBri(3-38)i1TH,0式中T——积累门限；K——量化门限。在H假设下，假定参考距离样本xx,,,x是统计独立的而且具有相同0i12iiN的概率密度函数px()和累积分布函数Fx()，这样Br()1的概率，也就是在iH假设下对检测单元进行单次检测的虚警概率为0NiNiNpKFx1Fxpxdx(3-39)fa1iiK作变量代换yFx，pxdxdy得NNi1Nipfa1Kiy1ydy0iKNN1NNij1jiij1ydy(3-40)0iKj0NNiNNij1Nij1iKj0ji1利用组合恒等式lNlj{lj1}/Nlj11/N1(3-41)j0-28- 哈尔滨工业大学工程硕士学位论文化简式(3-40)得pK1K/N1(3-42)fa1对单次检测的虚警概率进行二进制积累，得量化秩检测器的虚警概率为MrMrMpfaTK,1rpfa11KpfaKrTMrMrMKKr1(3-43)rTNN11M1MrMrMrN1KKN1rT由式(3-43)可以得出，量化秩检测器的虚警概率只与检测器的参考单元N，积累脉冲M，量化门限K和积累门限T有关，与杂波特性无关，即具有与杂波分布无关的恒虚警率特性。图3-8是量化秩检测器理论虚警概率与实际虚警概率拟合曲线图，设定的仿真环境是：单个脉冲重复周期的参考单元个数为N32，积累脉冲个数为M12，杂波分布服从韦布尔杂波，形状参数p取为2.0，尺度参数q取为1.5，由于量化秩检测器具有量化门限K和积累门限T两个门限，因此本文在描述检测器的虚警概率随门限变化的情况时，一般预先设定其中一个门限是固定值，观察虚警概率随另一个门限的变化时的现象。在这里预先设定积累门限T=8。此时，横坐标代表检测器的量化门限K，纵坐标代表的是检测器的虚警概率。1门限T=8时虚警理论曲线0.9门限T=8时虚警实际曲线0.80.70.6率概0.5警虚0.40.30.20.1051015202530量化门限K图3-8量化秩检测器理论虚警与实际虚警率拟合曲线(N=32,M=12,T=8)-29- 哈尔滨工业大学工程硕士学位论文由图3-8中可以观察到，实线是根据式(3-44)得到的检测器理论虚警概率在N32,M12,T8的情况下随量化门限K的变化曲线，虚线是在韦布尔分布杂波环境中，检测器实际虚警概率随量化门限K的变化进行蒙特卡罗仿真210次得到的。图中可以看到两条曲线拟合良好，因而验证了秩和检测器虚警概率完全由检测器参数M，N和量化门限K和积累门限T决定的，即本文所设计的非参量量化秩检测器具有与杂波分布无关的恒虚警率特性，这也是非参量恒虚警检测器所特有的特性。图3-9为量化秩检测器虚警概率随在积累门限T确定下随量化门限K的变化曲线，当检测器的参考单元N=32，积累脉冲M=12时，若检测器的虚警5概率要求为P10时，图中可以看到门限的取值为T=8,K=29或FAT=12,K=20。1-510率X:20概Y:1.397e-05警-10X:29虚10Y:1.464e-05-1510积累门限T=8积累门限T=1251015202530量化门限K-5图3-9N=32,M=12,达到PFA=10时积累门限T与量化门限K的取值为了达到量化秩检测器设定的虚警概率，需要对检测器的参考单元N、积累脉冲M和量化门限K和积累门限T的取值进行设定。表3-2给出了量化秩检测器N32和脉冲积累数M12的情况下，最接近虚警概率设定值5P10选取的量化门限K和积累门限T的值和对应的虚警概率值。FA-5表3-2N=32和M=12时量化秩检测器达到PFA=10的门限(T,K)值(T,K)(6,31)(7,30)(8,29)(9,27)(10,25)(11,23)(12,20)5P()100.28740.32661.46400.18320.10220.38171.3970FA-30- 哈尔滨工业大学工程硕士学位论文在预先设定好平均虚警概率的前提下，量化秩检测器门限的取值有多种可能，选择积累门限T越小，相对的量化门限K越大，反之亦然。门限值的选取对检测器的检测性能会有一定的影响，下文就量化秩检测器的性能进行分析和研究。3.3.2非参量型量化秩恒虚警检测性能本文对非参量型量化秩检测器的检测性能的研究主要是通过理论公式推导及蒙特卡罗仿真分析检测器的检测概率P随在不同背景参数下随信噪比d（SCR）的变换曲线来体现的。在H假设下，若检测单元中出现目标信号而周围参考单元仍为同分布的1杂波样本时，式(3-37)中Br1的概率即雷达目标在单次检测中的检测概率i为NiNiNpKFx1Fxgxdx(3-44)di1iK式中gx()——SwerlingⅡ型目标回波的概率密度函数；Fx()——服从韦布尔分布杂波的累积分布函数。若采用式(3-44)计算量化秩检测器的检测概率，需要知道服从韦布尔分布杂波的累积分布函数Fx和待检测单元存在目标时的概率密度函数gx。经平方律检波器检波输出的韦布尔分布杂波累计分布函数为pxFx1exp(3-45)p式中p——韦布尔分布形状参数；q——韦布尔分布尺度参数。对于待检测单元存在目标时的概率密度函数gx，在服从韦布尔分布杂波背景中，比较难找到SwerlingII型目标回波的概率密度函数在其中的一个封闭解。在p2.0情况下，韦布尔分布将退化变为瑞利分布，因此本文对检测单元中的服从韦布尔分布杂波采用服从具有相同功率水平的瑞利分布杂波来近似代替，它的平均功率表示为qp12/(3-46)c式中()——gamma函数。检测单元的目标加杂波的概率密度函数可表示为-31- 哈尔滨工业大学工程硕士学位论文11gxexpxtctc(3-47)11expxcc11式中——信噪比。将式(3-45)和(3-47)代入到式(3-44)得N1NiNipdi1K0Fx1Fxc1iK1expxdx(3-48)c11sc11sc1()s是式(3-48)积分号内前三项的拉普拉斯变换，类似在前文对秩和检测1器的推导，在形状参数p2.0时，即瑞利分布的情况下退化为NiNil1sil1(3-49)iKl0sNil/q对px在M次脉冲中的检测结果进行二进制积累，可得量化秩序检测d1器的检测概率为MMrMrpTKd,1rpd11KpdK(3-50)rT当待检单元内存在目标时，图3-10量化门限K和积累门限T分别为(7,30)6和(12,20)的情况时检测概率P随信噪比（SCR）的变化进行蒙特卡洛仿真10d5次得到的曲线。仿真环境设定为：虚警概率P10，背景杂波服从形状参FA数p=2.0的韦布尔分布，滑窗内参考单元数N=32，脉冲积累数M12。从图中可以观察到，在量化秩检测器的参考单元数N和脉冲积累数M为固定值，在达到设定虚警概率的多个门限对选择中，选择积累门限T越小，累积门限K越大，检测器对目标的检测性能越好，反之则相反。对比上文图3-5可以看出，在几乎同样的虚警概率下，在相同的背景杂波中，在同样的参考单元数N和积累脉冲数M中，积累门限T和量化门限K取为(7,30)时量化秩检测器的检测性能比秩和检测器要好，但积累门限T和量化门限K取为(12,20)时秩和检测器的检测性能要比量化秩检测器好。因此选取-32- 哈尔滨工业大学工程硕士学位论文合适积累门限T和量化门限K是十分重要的。10.90.80.7率0.6概测0.5检0.40.30.2T=7,K=300.1T=12,K=20051015202530信噪比(dB)-5图3-10量化秩检测器虚警概率随SCR的变化曲线(N=32,M=12,PFA=10)图3-11为量化秩检测器在不同杂波中采用不同检测门限的检测性能曲5线。仿真环境设定为：量化秩检测器的虚警概率P10，滑窗内参考单元FA数N=32，脉冲积累数M12，背景杂波分别服从形状参数p0.8,1.2,1.6,2.0的韦布尔分布，a)是积累门限T和量化门限K为(6,31)时检测概率P(6,31)随信d噪比（SCR）的变化曲线，b)是积累门限T和量化门限K为(9,27)时检测概率P(9,27)随信噪比（SCR）的变化曲线。d从图3-11a)中可以观察到，检测概率P(6,31)随着杂波的形状参数p从d2.0变为0.8而呈现逐渐下降的趋势，这与图3-6中和图3-11b)中的现象恰好相反，这是因为当检测器的量化门限K取值太大时，随着杂波形状参数减小，参考单元内杂波样本容易产生中较大幅度的不规则样本数据，这时会对待检单元的目标信号造成“目标遮蔽”现象，造成检测器难以检测到待检单元中的目标信号。从图3-11b)中可以观察到，检测概率P(9,27)在杂波形状参数为dp1.2,1.6,2.0时几乎重合在一起，这是因为p0.8时待检单元目标分布信息与参考单元内杂波样本分布信息显著不同从而造成目标较容易被检测到，因而检测概率曲线略高于其它的曲线。因此，为了量化秩检测器的检测性能与检测器的参数设置有关，在参考单元个数N和积累脉冲个数M为固定值时，为了使得检测器在杂波在形状参数一个较大范围内具有鲁棒性，设计量化秩检测器时在门限参数的选取时不宜采用太大的量化门限K值和较小的积累门限T。-33- 哈尔滨工业大学工程硕士学位论文10.90.80.7率0.6概0.5测检0.40.3p=2.00.2p=1.6p=1.20.1p=0.8051015202530信噪比(dB)a)T=6,K=31检测概率随信杂比变化曲线10.90.80.7率0.6概0.5测检0.40.3p=2.00.2p=1.6p=1.20.1p=0.8051015202530信噪比(dB)b)T=9,K=27检测概率随信杂比变化曲线图3-11量化秩检测器在不同杂波中采用不同检测门限的检测性能当参考单元内存在多个目标时，或者当有强干扰目标的影响时，来自于干扰目标的回波信号始终占据了参考单元较多样本位置，此时参考滑窗内可用来比较的样本数从N变为Nr，此时的检测概率计算将可将式(3-44)~(3-50)式中的N变为Nr来计算。图3-12的仿真环境为：量化秩检测器的虚警概率5P10，滑窗参考单元数N=32，脉冲积累数M12，检测器积累门限T9,FA量化门限K27，背景杂波服从形状参数p2.0的韦布尔分布时给出了多目-34- 哈尔滨工业大学工程硕士学位论文标情况下量化秩检测器的检测概率P随信噪比（SCR）的变化进行蒙特卡洛仿d6真10次得到的曲线。r是干扰单元数目，从图3-12可以观察到，随着干扰目标个数的增多，检测器的检测性能逐渐下降。当干扰目标的个数r4时，检测器的性能会出现大幅度的下降。本文归纳研究得出量化秩检测器最多可容纳的干扰目标数为(NK1)，N为滑窗内参考单元数，K是检测器的量化门5限。当检测器的设计参数为P10,N32,M12,T9,K27时，根据计FA算，此时检测器最多容纳4个干扰目标。为了维持检测器的检测性能稳定，不宜使用采用太大的量化门限K值和较小的积累门限T。10.90.80.70.6率概0.5测检0.40.3r=1r=20.2r=3r=40.1r=5r=6051015202530信噪比(dB)图3-12量化秩检测器在多目标情况下的检测概率随信噪比的变化曲线-5(N=32,M=12,T=9,K=27,PFA=10)3.4本章小结本章首先在理论上研究参量型均值类（ML-CFAR）恒虚警检测算法基本原理并理论上推导分析了参量型均值类恒虚警检测算法的性能并指出参量型恒虚警算法的局限性：参量型恒虚警检测算法所假设的杂波分布与实际海杂波分布不一致时，检测器失去了恒虚警的特性。其次研究了非参量型秩和（RS）恒虚警检测算法和非参量型量化秩（RQ）恒虚警检测算法的原理，推导其检测概率和虚警概率的解析表达式。最后对非参量型目标恒虚警检测算法的检测性能和虚警性能在不同杂波分布背景和参考单元内多目标存在的情况下进行了蒙特卡洛仿真分析并得出相关结论：不宜采用太大的量化门限和较小的积累门限进行量化秩检测器的设计。-35- 哈尔滨工业大学工程硕士学位论文第4章基于DSP的恒虚警检测器实现以数字信号处理器、可编程逻辑阵列电路为主要架构的高速信号处理板的出现为雷达的信号处理算法实现提供了硬件平台，从而得到广泛的应用。本章主要实现基于数字信号处理器（DSP）的雷达目标检测器的程序开发。在CCS集成开发环境中完成参量型单元平均（CA-CFAR）恒虚警检测器和非参量型量化秩（RQ-CFAR）恒虚警检测器的设计，设计了上位机，对基于数字信号处理器的恒虚警目标检测器的处理结果进行实验统计分析，最后对参量型与非参量型恒虚警检测器比较分析得出结论。4.1雷达信号处理硬件平台课题使用的雷达高速信号处理平台采用主流的可编程逻辑电路（FPGA）加数字信号处理器（DSP）组合进行设计，信号处理主板和信号采样子板分别单独设计。主板上有一个子板扩展插槽用以安放采样子板。图4-1是高速信号处理硬件平台的实物图，右边是采样子板。图4-1高速信号处理硬件平台-36- 哈尔滨工业大学工程硕士学位论文主板内部包括一片FPGA芯片AlteraEP2S90F1020和一片DSP芯片TMS320C6455，配有1MB×32bit的同步双口RAM供FPGA使用，256MB大小的DDR2SDRAM和128MbitFlashROM供DSP使用。在外围电路设计中，信号处理板提供多个外部信号交换端口：一个RS232串行接口和一个RS422串行接口以及一个最大千兆级别的以太网接口。高速信号处理平台所采用的DSP是TI公司生产的TMS320C6455定点数字信号处理芯片，是基于第三代高性能超长指令（VLIW）架构开发的高性能芯片，主要有以下特点：（1）高速定点运算：具有1.39ns，1.17ns，1ns指令周期；720MHz，850MHz和1GHz时钟速率；运算速度可达9600MIPS；（2）TMS320C64x+DSP内核，具有专用的SPLOOP指令，具有16位精简指令；（3）L1/L2内存架构：256K的L1P程序高速缓存，256K的L1数据高速缓存，16M位L2统一映射内存/缓存；（4）提供更加高级、两个通用64位定时器，可配置为4个32位的定时2器丰富的外设电路：集成IC总线、集成的千兆以太网接口、4个串行快速I/O口SRIO等。雷达目标检测数据采集跟踪与航迹处理A/D网口计算机FPGADSP终端信号A/D雷达转换方位信号DDR信号处理板图4-2信号处理板内部信号流程图图4-2是信号处理板信号内部流程图，导航雷达回波通过电平转换电路送到A/D采样电路中进行中频采样，将采样数据送到FPGA中进行数字下变频和脉冲压缩算法来提高雷达的分辨率。DSP芯片通过调用EMIF总线读取FPGA乒乓RAM的数据，在DSP内部进行目标检测及恒虚警处理并完成跟踪和航迹处理，高速信号处理板通过以太网口与显控主机完成通讯。-37- 哈尔滨工业大学工程硕士学位论文4.2基于CCS的软件设计及调试CCS（CodeComposerStudio）是TI公司基于Windows平台推出的DSP集成开发环境，可以提高程序员创建和测试嵌入式信号处理系统的效率，加快开发流程，缩短产品的开发周期。CCS是一个完整的DSP集成开发环境，是对TI公司DSP系列芯片开发的首选开发软件，包含了诸多功能和人性化设计，具有实时、多任务、可视化等特点，是程序开发、调试、优化的利器。如果说硬件平台是基础的话，那么软件设计就是系统架构的灵魂。基于DSP的嵌入式软件设计雷达信号处理算法的核心之一，软件主要在硬件设备上执行信号处理算法并完成相应的功能。在软件结构设计中，采用分层设计，把软件设计分为底层、中层和顶层设计。底层软件完成对DSP硬件外设资源的调用、控制等功能，中层软件为信号处理算法的核心内容，通过对底层软件的调用，完成信号处理算法，顶层软件主要完成面向整体的应用级设计，完成设计对象内部要素之间围绕设计目地形成有关联、匹配的衔接。通过这种层次化的软件设计，提高只能整个软件系统的维护性、移植性和通用性。4.2.1参量型恒虚警检测器程序设计根据本文前面的研究内容，本文选用经典的单元平均恒虚警处理算法为理论依据并设计相对应的参量型恒虚警目标检测器。检测器在自动检测目标时，需要设定待检单元x的门限电平，当待检单元ix的实际功率电平大于设定的门限电平时，判断待检单元内有目标存在，小于i门限电平时判断待检单元内无目标存在。但当待检单元内存在干扰功率电平时，设置待检单元的门限电平必须通过信号处理方法来提前知道待检单元的干扰功率电平。在平方律检波器的情况下，假设每个回波单元内的噪声是独立同分布的，假定杂波背景是窄带高斯噪声，噪声的包络服从确定已知的瑞利分布时。由公式(3-12)可以看出，检测器的平均虚警概率P的获取不依赖实际干扰噪声功率FA大小，仅和参与平均的临近单元样本数N及门限乘积因子有关，因此表现5出恒虚警的特点。提前给定检测器预期的平均虚警概率P10，检测器的FA距离参考单元N=32，则所需要的门限乘积因子可由式(3-11)求得为0.4330，则待检单元所需的检测门限电平可以由估计到的干扰功率乘以门限因子来得到。干扰功率的估计值主要是由待检单元周围的临近单元进行取平均运算获得的。图4-3是参量型单元平均恒虚警检测器软件设计流程图。-38- 哈尔滨工业大学工程硕士学位论文初始化DSP，加载待K个处理数据由第一个待检单元开始i=1在待检单元前后选取N/2个单元2取平均运算对干扰功率进行估计获得门限：Tˆˆ2是对待检单元进行检测i=i+1i<=K否检测结束图4-3参量型单元平均恒虚警检测器软件设计流程图4.2.2非参量型恒虚警检测器程序设计根据本文前面的研究内容，对非参量型恒虚警处理算法的性能研究表明：相对于秩和非参量型恒虚警处理算法，量化秩非参量型恒虚警处理算法可以通过门限的不同选择来提高算法的检测性能和抗强干扰性能，因此本文选用量化秩非参量型恒虚警处理算法为理论依据并设计相对应的非参量型目标恒虚警检测器。量化秩非参量型恒虚警检测器的主要参数有：预先设定的虚警概率P、FA滑窗参考单元N、积累脉冲个数M、量化门限K和积累门限T。针对不同的虚警概率P、滑窗参考单元N、积累脉冲个数M，对应不同的量化门限K和积FA5累门限T。在本文设计中，设定P10，滑窗参考单元N32，积累脉冲个FA数M12，积累门限的取值可由表3-2得到，此处本文选取量化门限K27和积累门限T9。由于本课题所研究的是全相参体质的雷达，因此假设在M-39- 哈尔滨工业大学工程硕士学位论文个脉冲中的信噪比是相同不变的。根据本文前面的研究，对比图3-5和图3-11可以得出以下结论：在相同的虚警概率P、滑窗参考单元N和积累脉冲个数FAM情况下，设计的量化秩检测器比秩和检测器的检测性能好，而且检测器对当前滑窗的参考单元内存在多个目标时，或者当有强干扰目标的影响时，来自于干扰目标的回波信号始终占据了参考单元较多样本位置时具有一定的抗干扰性，根据前文的研究，此时检测器最多容纳(NK1)个干扰目标。根据计算，设计的检测器在检测参考窗N=32时候内最多容纳4个干扰目标。图4-4为量化秩非参量型恒虚警检测器软件设计流程图。初始化DSP，加载相关代码加载待处理数据积累M个脉冲中选定N=32个参考单元构建矩阵XMN由第一个检测单元开始k=1对待检单元进行检测是k=k+1k<=N否检测结束图4-4量化秩非参量型恒虚警检测器软件设计流程图-40- 哈尔滨工业大学工程硕士学位论文4.2.3程序的调试与优化雷达信号处理系统由于处理的数据量大，信号处理算法复杂等因素的影响，对系统的实时性提出了比较高的要求。当雷达采用非参量恒虚警处理实现对目标的检测处理时，由上文研究可知算法的处理量较大，对系统的实时性提出了比较大的挑战。为了提高代码的执行速度，并减小代码尺寸，通过编译工具可以对代码进行各种优化。这些优化主要包括简化循环、软件流水、语句和表达式的顺序重排以及将变量分配到寄存器中等。简单的来说，可以从编译器设置和个人设置两个方面进行优化。在CCS集成环境下进行DSP软件开发，可以通过设置编译器选项的来进行程序的优化。一般分为-o0、-o1、-o2、-o3这几个优化等级：（1）-o0优化寄存器的使用。（2）-o1除了执行前一项的优化功能外，还进行局部优化。（3）-o2除了执行前两项的优化功能外，还进行全局优化。（4）-o3除了执行前三项的优化功能外，还对整个文件级别进行优化。通常，选用-o2和-o3这两种优化选项进行优化是在对优化要求比较高的情况下来实现最大限度的优化，在一般情况的优化中将它们和其他编译选项搭配使用来进行优化。在个人设置方面的优化主要有：一是在信号处理的算法上进行改进；二是对程序架构进行改进。其中程序架构上的改进可以从以下方面进行：（1）使用内联函数代替较为复杂的C语言程序；（2）使用数据打包技术，采用宽长度的存储器访问对短字长的数据位；（3）改进C语言，使之更有利于实现软件流水线技术；（4）采用执行效率更高的汇编语言进行程序的编写。当雷达采用对目标进行目标检测及恒虚警处理时，采用上述办法对信号处理流程的软件程序进行优化，可以大幅度减少信号处理所耗用的时间，提高系统的实时性。程序的处理时间是数字信号处理器的指令周期数和时钟周期数的乘积，TMS320C6455的时钟频率为1GHz，相对应的时钟周期为1ns，表4-1和表4-2分别给出了数字信号处理器在对目标进行参量型恒虚警检测时以及进行参量型恒虚警检测检测时在优化程序前后处理时间的对比分析。从表4-1中可以看到，经过对参量型恒虚警检测器程序优化后信号处理速-41- 哈尔滨工业大学工程硕士学位论文度提高了很多，节省了47%的执行时间。从表4-2中可以看到，经过对非参量型恒虚警检测器程序优化后信号处理速度同样提高了很多，节省了60%的执行时间。这是因为非参量型恒虚警检测器中循环比较多，经过优化后能更高的提高执行效率。从表中对比分析也可以看出，非参量型恒虚警处理算法相对于参量型恒虚警处理算法来说计算量大，耗用时间长。表4-1参量型恒虚警检测程序优化前后处理时间的对比测试项程序优化前执行时间（ms）程序优化后执行时间（ms）DSP读入数据时间20.33010.670目标检测处理时间217.450115.573表4-2非参量型恒虚警检测程序优化前后处理时间的对比测试项程序优化前执行时间（ms）程序优化后执行时间（ms）DSP读入数据时间21.13010.570目标检测处理时间311.250145.5734.3海杂波背景下恒虚警检测器验证为了验证本文基于高速信号器设计的目标恒虚警检测检测器性能，对参量型单元平均恒虚警目标检测器和非参量型量化秩恒虚警检测器进行了性能测试试验，包括两种检测器在不同海杂波分布下随信噪比变化的检测性能，两种检测器在有强干扰目标的影响时的检测器性能。对测试试验的结果进行统计分析并得出结论。4.3.1上位机设计与开发在测试试验过程中，为了方便对试验的结果进行统计分析，形象而直观的展示基于数字信号处理器的目标恒虚警检测器的处理结果，本文在PC端采用MATLAB的GUI来设计和开发上位机系统，系统包括模拟雷达回波产生模块，与DSP的通信模块和检测结果展示模块。雷达回波产生模块上位机程序可以产生服从瑞利分布、韦布尔分布和对数正态分布的海杂波仿真数据，设计中默认目标信号服从SwerlingII型，在预先设定的距离采样单元上以一定的信噪比添加待检目标信息就构成完整的仿真雷达回波数据。与DSP的通信模块主要功能是将MATLAB生成的十进制双精度数据转换-42- 哈尔滨工业大学工程硕士学位论文为单精度浮点数据，按照TI公司的设定加上初始头文件格式，就生成了可以直接加载到DSP芯片RAM的数据文件，检测器程序运行时候直接从DSP的RAM内读取待处理的数据，完成处理后将结果展示出来。也可以通过高速信号处理板的外设串口RS232完成数据的传输功能。但是一般通用的PC机的RS-232接口为通用异步信号接口UART，TMS320C6455的串行外设接口为同步信号接口，DSP的McBSP是TI公司生产的数字信号处理芯片的多通道缓冲串行接口。通过MAX3111E串行异步收发芯片来扩展DSP中McBSP的同步串行接口，从而实现同步数据到异步数据格式的转换，完成DSP与PC主机之间的串口通讯功能。SPI接口是一种高效同步串行数据接口方式，TMS320C6455芯片的McBSP串口在时钟停止模式时候与SPI协议兼容。因此通过配置McBSP的串行控制寄存器（SPCR）和引脚控制寄存器（PCR）来使得McBSP工作在时钟停止模式，当McBSP工作在时钟停止模式时，本文采用McBSP作为于SPI接口方式中的主设备，MAX3111E作为从设备。McBSP主要通过内部采样率发生器来产生发送时钟信号（CLKX）作为SPI协议中的串行时钟信号，产生帧同步信号（FSK）作为对从设备的使能信号（CS），从而完成McBSP的SPI方式接口连接。采样率发生器的时钟源的选择可以通过对SRGR寄存器中CLKSM位进行配置在CPU时钟或者外部时钟之间选择。也可以对SRGR寄存器的时钟倍率编程来产生发送时钟信号（CLKX）满足所需的SPI数据传输速率。MAX3111E芯片具有SPI直接接口，可以与SPI主设备直接相连接，实现与McBSP同步串口通信，由于芯片集成了两个RS-232的电平转换器，很容易实现同步到异步数据的传输，因而可以与PC主机进行异步数据传输。本文利用DSP开发环境CCS所提供的芯片支持库（CSL）来进行配置McBSP的库函数完成对McBSP的初始化，调用CSL的配置库函数即可完成McBSP的初始化。对McBSP进行配置后，DSP再对MAX3111E进行配置，配置命令主要包括波特率位、8位数据位、奇偶检验位、停止位、使能接收和发送中断的异步数据传输位。设计采用MAX3111E的T和R作为中断源，当中断产生[50]时，DSP进入中断服务程序实现McBSP的数据接收。检测结果展示模块主要是对上位机产生的模拟雷达回波以及对基于数字信号处理器的目标恒虚警检测器的处理结果进行展示，使得操作界面更为直观。图4-5是GUI上位机显示界面，模拟雷达回波框图的横坐标是雷达回波2000个距离采样单元，纵坐标代表雷达回波功率（dB）。检测到目标的位置框-43- 哈尔滨工业大学工程硕士学位论文图横坐标是雷达回波距离采样单元。海杂波选项中可以选择服从瑞利分布、对数正态分布和韦布尔分布的海杂波。图中表示在位于第450、1048和1600三个距离采样单元内以15dB的信噪比添加待检测目标信号的信息，默认目标服从SwerlingII分布，选择服从韦布尔分布的背景杂波。点击产生回波按键可以产生相应的模拟回波仿真数据并在图中模拟雷达回波框图内显示，点击进行检测按键后将仿真数据通过调用PC主机串口发送给高速信号处理芯片进行目标恒虚警检测，高速信号处理芯片处理完成后将处理结果发送给上位机并在图中检测到目标的位置框图内进行显示和标记。图4-5GUI上位机显示界面4.3.2参量型恒虚警检测器验证分析为了对基于数字信号处理器的参量型恒虚警目标检测器的实际的检测性能进行分析验证，构建不同类型的雷达回波100次并发送给数字信号处理器进行目标检测及恒虚警处理。统计每一次检测的虚警次数及成功的检测次数，计算检测器的检测概率并和前文的理论研究进行对比分析。表4-3是基于数字信号处理器的参量型恒虚警目标检测器在服从瑞利分布海杂波背景下的目标检测统计结果。从表中可以观察到在100次的试验中没有发生一次虚警事件，体现了检测器的恒虚警特性。随信噪比检测概率的变化也与前文理论分析一致，是满足设计要求的。-44- 哈尔滨工业大学工程硕士学位论文表4-4是基于数字信号处理器的参量型恒虚警目标检测器在服从对数正态分布海杂波背景下的目标检测统计结果。从表中可以观察到在100次的试验中发生了多次虚警事件，具体表现为在未添加目标信息的距离单元内检测到虚假目标信号的存在。这也证明了本文之前的研究内容：当杂波分布模型发生大的改变时，参量型检测器及失去了恒虚警的特性。表4-5是基于数字信号处理器的参量型恒虚警目标检测器在服从韦布尔分布海杂波背景下的目标检测统计结果。从表中可以观察到在100次的试验中同样发生了多次虚警事件，具体表现为在未添加目标信息的距离单元内检测到虚假目标信号的存在。与表4-4不同之处在于检测器在服从对数正态分布海杂波背景下的目标检测时发生虚警事件的几率比在服从韦布尔分布海杂波背景下的目标检测时发生虚警事件的几率大。这是因为相比于服从韦布尔分布的海杂波来说，服从对数正态分布的海杂波幅度动态范围比较大，容易产生不规则的回波数据，导致检测器的虚警概率大幅度上升。由表4-3~表4-5的试验统计结果表明：当参量型恒虚警检测方法所假设的杂波分布与分布规律未知的杂波环境不一致时候，就失去的恒虚警性能。因此参量型恒虚警检测器对雷达回波处理时，需确定回波中杂波的分布模型。表4-3瑞利分布海杂波背景下参量型恒虚警检测器结果信噪比(dB)虚警次数检测成功次数检测概率5070.07100310.31150620.62200860.86250980.98300990.99表4-4对数正态分布海杂波背景下参量型恒虚警检测器结果信噪比(dB)虚警次数检测成功次数检测概率589——1079——1578——2090——2581——3080——-45- 哈尔滨工业大学工程硕士学位论文表4-5韦布尔分布海杂波背景下参量型恒虚警检测器结果信噪比(dB)虚警次数检测成功次数检测概率565——1054——1549——2057——2562——3050——4.3.3非参量型恒虚警检测器验证分析为了对基于数字信号处理器的非参量型恒虚警目标检测器的实际的检测性能进行分析验证，同上文构建不同类型的雷达回波100次并发送给数字信号处理器进行目标检测及恒虚警处理。统计每一次检测的虚警次数及成功的检测次数，计算检测器的检测概率并和前文的理论研究进行对比分析。表4-6是基于数字信号处理器的非参量型恒虚警目标检测器在服从瑞利分布海杂波背景下的目标检测统计结果。从表中可以观察到在100次的试验中没有发生一次虚警事件，体现了检测器的恒虚警特性。检测概率随信噪比的变化也与前文理论分析一致，是满足设计要求的。表4-7是基于数字信号处理器的非参量型恒虚警目标检测器在服从对数正态分布海杂波背景下的目标检测统计结果。从表中可以观察到在100次的试验中没有发生一次虚警事件，体现了检测器的恒虚警特性。检测概率随信噪比的变化也与前文理论分析一致，是满足设计要求的。参考单元内服从对数正态分布的杂波样本信息与目标信息显著不同从而造成目标信号较容易被检测到，因而检测概率曲线略高于其它的曲线。表4-8是基于数字信号处理器的非参量型恒虚警目标检测器在服从韦布尔分布海杂波背景下的目标检测统计结果。从表中可以观察到在100次的试验中没有发生一次虚警事件，体现了检测器的恒虚警特性。检测概率随信噪比的变化也与前文理论分析一致，是满足设计要求的。由表4-6~表4-8的试验统计结果表明：非参量恒虚警处理具有虚警概率不依赖杂波分布类型等特点，非参量恒虚警检测器的虚警概率在检测器的参数设置固定后表现为一个常数，在杂波未知分布的背景中对目标检测时相对于参量检测器表现出良好的检测性能。检测概率随信噪比的变化也与前文理论分析一致，是满足设计要求的。-46- 哈尔滨工业大学工程硕士学位论文表4-6瑞利分布海杂波背景下非参量型恒虚警检测结果信噪比(dB)虚警次数检测成功次数检测概率50110.11100830.83150960.96200100125010013001001表4-7对数正态分布海杂波背景下非参量型恒虚警检测结果信噪比(dB)虚警次数检测成功次数检测概率50730.73100980.981501001200100125010013001001表4-8韦布尔分布海杂波背景下非参量型恒虚警检测结果信噪比(dB)虚警次数检测成功次数检测概率50120.12100810.81150970.97200100125010013001001当参考单元内存在多个目标时，或者当有强干扰目标的影响时，目标信号所在的距离单元与干扰所在的距离单元很接近，来自于干扰目标的回波信号始终占据了参考单元较多样本位置。对基于数字信号处理器的恒虚警目标检测器实际的检测器性能进行试验验证，试验设计使恒虚警目标检测器在信噪比足够大的条件下对不同的干扰目标个数r进行100次检测试验，这里选择目标与海杂波信噪比为30dB，海杂波服从瑞利分布。统计每一次检测的虚警次数及成功的检测到所有目标的次数进行分析。-47- 哈尔滨工业大学工程硕士学位论文表4-9是基于数字信号处理器的参量型恒虚警检测器在多目标环境下检测统计结果，结果表明来自于干扰目标的回波信号始终占据了参考单元较多样本位置时，本文设计的参量型单元平均恒虚警检测器已经失去了对目标的检测能力，抗干扰性能较差。表4-10是基于数字信号处理器的非参量检测器在多目标环境下检测统计结果，检测器是依据量化秩恒虚警检测算法原理设计的。结果表明来自于干扰目标的回波信号始终占据了参考单元较多样本位置时，本文设计的非参量量化秩恒虚警检测器依然能检测到待检目标信号的存在，具有良好的抗干扰性能。表4-9参量型恒虚警检测器在多目标条件下检测结果干扰目标r个数虚警次数检测成功次数检测概率00990.9910680.6820490.4930190.194070.07表4-10非参量型恒虚警检测器在多目标条件下检测结果干扰目标r个数虚警次数检测成功次数检测概率00100120100140100150510.5160190.194.4参量型与非参量型恒虚警检测器对比分析参量型恒虚警处理是指在确定杂波分布模型的基础上对待检单元的前后两边的数据进行计算估计来确定杂波的分布参数，之后根据估计得到的参数和已知的杂波概率分布来确定检测器的自适应门限。参量型恒虚警检测器的检测策略是假设在一个观察间隔上进行检测时，除了有限个参数之外，杂波包络的分布是已知的，即除了一个或更多的分布参数可能变化之外，分布的类型是固定的。当参量型恒虚警检测方法所假设的杂波分布与分布规律未知的杂波环境不一致时候，就失去的恒虚警性能。因此参量型恒虚警检测器对雷达信号进行恒-48- 哈尔滨工业大学工程硕士学位论文虚警处理时，需确定雷达的杂波的分布模型，当杂波分布模型容易发生大的改变，检测器及失去了恒虚警的特性。这种情况下虚警概率与杂波分布类型无关的非参量型恒虚警检测就显出优势。非参量型恒虚警处理主要把杂波或纯噪声输入数据集转换成一个检测统计量，之后将这个检测统计量与一个固定的阈值进行比较，以获得关于背景噪声或杂波环境统计特性弱假设下的恒虚警率。非参量恒虚警处理具有虚警概率不依赖杂波分布类型等特点，只要参考滑窗内的杂波样本分布满足统计独立且同分布的条件，非参量恒虚警检测器的虚警概率表现为一个常数，在杂波未知分布的背景中对目标检测时相对于参量检测器表现出良好的检测性能。雷达采用非参量恒虚警处理技术主要是解决非高斯、时变杂波背景中的目标检测问题。但相比参量型恒虚警处理器而言，非参量恒虚警处理器的计算量大，实时性差，这就对雷达的硬件平台提出了比较高的要求。本文研究参量型单元平均恒虚警目标检测器主要基于两个假设，一是临近单元杂波分布的统计特性表现为与待检单元一致；二是临近单元不包含任何目标，仅仅存在干扰噪声。单元平均恒虚警检测器在参考单元内进行杂波干扰功率的估计值主要是由待检单元周围的临近单元进行取平均运算获得。因此当参考单元内存在多个目标时，或者当有强干扰目标的影响时，目标信号的距离单元与干扰的距离单元很接近，来自于干扰目标的回波信号始终占据了参考单元较多样本位置时，对杂波的干扰功率估计值就会变大，导致检测门限升高，待检目标信号没有被检测到。检测器的抗强干扰或多目标检测性能较差。本文研究的非参量量化秩恒虚警目标检测器对当前滑窗的参考单元内存在多个目标时，或者当有强干扰目标的影响时，来自于干扰目标的回波信号始终占据了参考单元较多样本位置时具有一定的抗干扰性，根据前文的研究，此时检测器最多容纳(NK1)个干扰目标，N是参考单元数、K是检测器的量化门限K。非参量量化秩恒虚警目标检测器的抗强干扰或多目标检测性能较强。4.5本章小结本章首先介绍了导航雷达的高速信号处理的硬件平台，并对信号处理板内部的信号流程作了简单的介绍。之后着重介绍了课题所选用的数字信号处理器（DSP）的性能。其次在CCS集成开发环境中完成基于DSP的雷达目标参量型单元平均恒虚警（CA-CFAR）检测器和非参量型量化秩（RQ-CFAR）恒虚警检测器的设计与开发，实现基于DSP的串口通信接口程序设设。完成对程-49- 哈尔滨工业大学工程硕士学位论文序进行了全局优化，提高程序执行效率。然后利用MATLAB的GUI设计上位机系统，具体包括模拟雷达回波产生模块，与DSP的通信模块和检测结果展示模块。最后对基于数字信号处理器设计的雷达目标恒虚警检测器的性能进行了试验验证，以实验得到的统计数据来验证所设计检测器的相关性能。结果证明本文设计的基于数字信号处理器的目标检测器性能与理论分析的性能一致，而且本文设计的非参量型恒虚警检测器相比于参量型恒虚警检测器在非高斯、杂波分布时变背景下对目标具有更好的检测性能和抗干扰性能。-50- 哈尔滨工业大学工程硕士学位论文结论本文面向船载导航雷达的关键技术，主要研究导航雷达在海杂波背景中目标检测及恒虚警处理器的设计和性能分析，以及基于数字信号处理器（DSP）雷达目标恒虚警检测器的应用实现。主要研究成果如下：（1）分析和研究了导航雷达回波中的三种海杂波分布模型：瑞利分布、对数正态分布和韦布尔分布，采用零记忆非线性变换法对服从特定分布的海杂波进行模拟仿真。对比分析得出不同分布模型的特性和适用条件：瑞利分布适用描述平稳均匀的海杂波，对数正态分布适用描述变化剧烈的海杂波，韦布尔分布的描述介于两者之间。（2）研究导航雷达目标检测恒虚警检测器设计，推导了参量型均值类恒虚警检测性能并指出参量型恒虚警检测的局限性：当参量型恒虚警检测算法所假设的杂波分布与实际海杂波分布不一致时，检测算法失去了恒虚警的特性。研究了虚警概率不依赖杂波分布的特点的非参量型的秩和（RS）恒虚警检测算法和量化秩（RQ）恒虚警检测算法，在不同杂波分布背景下和多目标情况下进行了蒙特卡洛仿真分析表明：非高斯分布、时变杂波背景中的目标检测问题时，非参量恒虚警检测器比参量恒虚警检测器具有显著的优势。（3）在CCS集成开发环境中完成基于DSP的雷达目标参量型单元平均恒虚警（CA-CFAR）检测器和非参量型量化秩（RQ-CFAR）恒虚警检测器的设计与开发。对程序进行了全局优化，显著的提高程序执行效率。利用MATLAB的GUI设计上位机系统，具体包括模拟雷达回波产生模块，与DSP的通信模块和检测结果展示模块。对基于数字信号处理器设计的雷达目标恒虚警检测器的性能进行了试验验证，试验证明本文设计的基于数字信号处理器的目标检测器性能与理论分析的性能一致，是满足设计要求的。本文还有很多工作需要进一步研究，主要包括以下几个方面：（1）本文采用的仿真海杂波数据和仿真雷达回波中的目标等信息是人为添加的。因此所设计的检测器在真实场景下的检测性能有待于进一步验证。（2）如何将本文开发了的基于DSP的目标恒虚警检测器嵌入到雷达目标自动检测系统中需要进一步深入的研究。-51- 哈尔滨工业大学工程硕士学位论文参考文献[1]孟凡志.基于DSP的雷达目标检测与信息处理系统[D].大连：大连海事大学硕士学位论文,2007：10-25.[2]秦敏.通用雷达接收机建模与实现技术[D].西安：电子科技大学硕士论文,2005：13-36.[3]LiuJun,ZhangZi-Jing,YangYun.PerformanceEnhancementofSubspaceDetectionwithaDiversityPolarizedAntenna[J].IEEESignalProcessingLetters,2012,19(1):4-7.[4]罗星华,张碧锋.我国雷达信号处理研究文献的计量统计分析[J].微型机与应用,2011,35(8)：14-17.[5]ConteE,DeMaioA,FarinaA,etal.DesignandAnalysisofaKnowledge-AidedRadarDetectorforDopplerProcessing[J].IEEETransactionsonAerospaceandElectronicSystems,2006,42(3):1058-1079.[6]FinnHM,JohnsonRS.Adaptivedetectionmodewiththresholdcontrolasafunctionofspatialsampledclutterlevelestimates[J].RCARev,1968,29(3):414-464.[7]ConteE,DeMaioA,GaldiC.StatisticalAnalysisofRealClutteratDifferentRangeResolutions[J].IEEETransactionsonAerospaceandElectronicSystems,2004,40(3):903-918.[8]BalleriA,NehoraiA,WangJ.MaximumLikelihoodEstimationforCompound-GaussianClutterwithInverseGammaTexture[J].IEEETransactiononAerospaceandElectronicSystems,2007,43(2):775-780.[9]HaykinS.UncoveringNonlinearDynamics-TheCaseStudyofSeaClutter[J].ProceedingsoftheIEEE,2002,90(5):860-881.[10]KellyEJ.AnAdaptiveDetectionAlgorithm[J].IEEETransactionsonAerospaceandElectronicSystems,1986,22(1):115-127.[11]KrautS,SharfLL.TheCFARAdaptiveSubspaceDetectorisaScale-InvariantGLRT[J].IEEETransactionsonSignalProcessing,1999,47(9):2538-2541.[12]孟祥伟.非参数秩和检测器的性能分析[J].电子与信息学报,2013,35(8)：-52- 哈尔滨工业大学工程硕士学位论文14-17.[13]ConteE,DeMaioA,RicciG.RecursiveEstimationoftheCovarianceMatrixofaCompound-GaussianProcessandItsApplicationstoAdaptiveCFARDetection[J].IEEETransactionsonSignalProcessing,2002,50(8):1908-1915.[14]DeMaioA,FogliaG,ConteE,etal.CFARBehaviorofAdaptiveDetectors:anExperimentalAnalysis[J].IEEETransactionsonAerospaceandElectronicSystems,2005,41(1):233-251.[15]ZhangY,GuanJ.AdaptiveSubspaceDetectionofRangeDistributedTargetinCompound-GaussianClutter[J].DigitalSignalProcessing,2009,19(1):66-78.[16]StincoP,GrecoM,GiniF.AdaptiveDetectioninCompound-GaussianClutterwithInverse-GammaTexture[C].IEEECIEInternationalConferenceonRadar,October,2011,1:24-27[17]YounsiA,GrecoM,GiniF,etal.PerformanceoftheAdaptiveGeneralizedMatchedSubspaceConstantFalseAlarmRateDetectorinNon-GaussianNoise:anExperimentalAnalysis[J].IETRadarSonarNavigation,2009,3(3):195-202.[18]ShangX,SongH.RadarDetectionbasedonCompound-GaussianClutterwithInverseGammaTexture[J].IETRadarSonarNavigation,2011,5(3):315-321.[19]HiroyukiY,WataruS.CFARDetectionfromNoncoherentRadarEchoesUsingBayesianTheory[J].EURASIPJournalonAdvancesinSignalProcessing,2010,2010(19):1-12.[20]孟祥伟韦布尔杂波下非参数量化秩检测器的性能[J].电子学报,2009,37(9):18-21.[21]NovakLM,SeciitinMB,CardulloMJ.StudiesofTargetDetectionAlgorithmsThatUsePolaimetricRadarData[J].IEEETransactionsonAerospaceandElectronicSystems,1989,25(2):150-165.[22]PastinaD,LombardoP,BucciarelliT.AdaptivePolarimetricTargetDetectionwithCoherentRadarPartI:DetectionAgainstGaussianBackground[J].IEEETransactionsonAerospaceandElectronicSystems,2001,37(4):1194-1206.[23]袁兴生.脉冲多普勒雷达信号处理实时仿真算法研究[D].长沙：国防科学技术大学硕士论文,2009：23-54.[24]BidonS,BessonO,TourneretJ.ABayesianApproachtoAdaptiveDetection-53- 哈尔滨工业大学工程硕士学位论文inNonhomogeneousEnvironments[J].IEEETransactionsonSignalProcessing,2008,56(1):205-217.[25]RangaswamyM.StatisticalAnalysisoftheNonhomogeneityDetectorforNon-GaussianInterferenceBackgrounds[J].IEEETransactionsonSignalProcessing,2005,53(6):2101-2111.[26]GiniF,RangaswamyM.Knowledge-BasedSystemsforAdaptiveRadar:Detection,TrackingandClassification[J].IEEESignalProcessingMagazine,2006,23(1):14-76.[27]CapraroCT,CapraroGT,DeMaioA,etal.DemonstrationofKnowledge-AidedSpace-TimeAdaptiveProcessingUsingMeasuredAirborneData[J].IEEProcessingRadarSonarandNavigation,2006,153(6):487-494.[28]WardKD.CompoundRepresentationofHighResolutionSeaClutter[J].ElecronicsLetters,1981,17(16):561-563.[29]RangaswamyM,WeinerD.Non-GaussianRandomVectorIdentificationUsingSphericallyInvariantRandomProcess[J].IEEETransactionsonAerospaceandElectronicSystems,1993,29(1):114-124.[30]DogandzicA,NehoriaiA.GeneralizedMultivariateAnalysisofVariance:AUnifiedFrameworkforSignalProcessinginCorrelatedNoise[J].IEEESignalProcessingMagazine,2003,20(5):39-54.[31]ArikDB.ElectronicallyScannedArray[B].2012,1-75.[32]ChaneyRD,BudMC,NovakLM.OnthePerformanceofPolarimetricTargetDetectionAlgorithms[J].IEEETransactionsonAerospaceandElectronicSystems,1990,5(11):10-15.[33]刘立东,吴顺君,孙晓闻.复合高斯杂波中相干雷达自适应极化检测算法研究[J].电子与信息学报,2006,28(2):326-329.[34]刘立东,吴顺君,雷晓亮.恒虚警极化自适应子空间检测器[J].电子学报,2005,33(9):1553-1556.[35]梁延峰.电子海图/雷达图像叠加处理软件技术研究[D].哈尔滨,哈尔滨工程大学硕士论文,2010：23-35.[36]王刚.基于DSP的雷达目标检测与录取技术[D].大连，大连海事大学硕士论文,2008：19-26.[37]吴旖.雷达信号恒虚警检测处理研究[D].南京，南京理工大学硕士论文,-54- 哈尔滨工业大学工程硕士学位论文2009：21-43.[38]BerginJS,TeixeiraCM,TechauPM,etal.ImprovedClutterMitigationPerformanceUsingKnowledge-AidedSpace-TimeAdaptiveProcessing[J].IEEETransactionsonAerospaceandElectronicSystems,2006,42(3):997-1009.[39]关键,何友.GOSO-CFAR检测器抗边缘干扰能力的性能分析[J].现代雷达,1994,16(4):94~97.[40]朱兆达,叶蔡如,黄新平.机载PD雷达频域CFAR处理性能分析[J].第四届全国雷达会议文集,1987:76~79.[41]DuCR,ThompsonJS,PetillotYR.DetectorandWaveformDesignforRadarSystemwithNoisyChannelEstimation[J].IEEETransactionsonAerospaceandElectronicSystems,2012,48(3):2332-2348.[42]BandieraF,BessonO,RiciG.Knowledge-AidedCovarianceMatrixEstimationandAdaptiveDetectioninCompound-GaussianNoise[J].IEEETransactionsonSignalProcessing,2010,58(10):5391-5396.[43]宋新,张长隆,周良柱.ZMNL方法实现海杂波建模与仿真[J].现代雷达,2003,25(3):24-26.[44]付合山.微弱目标能量积累及检测技术研究[D].西安,电子科技大学硕士论文2009：16-30.[45]潘鲁英.基于高速DSP的雷达自适应检测[J].现代电子技术,2008,(23):65-67.[46]关键,黄勇,何友.基于自适应脉冲压缩Capon滤波器的MIMO阵列雷达CFAR检测器[J].中国科学信息科学,2011,41(10):1268-1282.[47]YinanZhao,YinBin,FengcongLi.UsingSSEandMulticoreCPUtoAccelerateRadarDetectorSimulation[C].2012InternationalConferenceonElectronics,CommunicationandComputerScience.[48]JayE.BORD:BayesianOptimumRadarDetector[J].SignalProcessing,2003,83(6):1151-1162.[49]HaykinS.UncoveringNonlinearDynamics-TheCaseStudyofSeaClutter[J].ProceedingsoftheIEEE,2002,90(5):860-881.[50]郑争兵.基于DSP的串口通信接口设计[J].测试测量技术,2008,(7):1-13.-55- 哈尔滨工业大学工程硕士学位论文-56- 哈尔滨工业大学工程硕士学位论文哈尔滨工业大学学位论文原创性声明和使用权限学位论文原创性声明本人郑重声明：此处所提交的学位论文《船载导航雷达目标检测技术研究》，是本人在导师指导下，在哈尔滨工业大学攻读学位期间独立进行研究工作所取得的成果，且学位论文中除已标注引用文献的部分外不包含他人完成或已发表的研究成果。对本学位论文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。作者签名：日期：2016年6月19日学位论文使用权限学位论文是研究生在哈尔滨工业大学攻读学位期间完成的成果，知识产权归属哈尔滨工业大学。学位论文的使用权限如下：（1）学校可以采用影印、缩印或其他复制手段保存研究生上交的学位论文，并向国家图书馆报送学位论文；（2）学校可以将学位论文部分或全部内容编入有关数据库进行检索和提供相应阅览服务；（3）研究生毕业后发表与此学位论文研究成果相关的学术论文和其他成果时，应征得导师同意，且第一署名单位为哈尔滨工业大学。保密论文在保密期内遵守有关保密规定，解密后适用于此使用权限规定。本人知悉学位论文的使用权限，并将遵守有关规定。作者签名：日期：2016年6月19日导师签名：日期：2016年6月19日-57- 哈尔滨工业大学工程硕士学位论文致谢两年的研究生生涯即将结束，回顾这段忙碌而又充实快乐的时光，深深的感觉到我的学业和论文能够顺利完成，离不开老师的辛勤教导，离不开师兄师姐的热心帮助，离不开同学的鼓励和家人的支持。首先也是最重要的，我要感谢我的导师赵宜楠教授。在我的课题研究和论文撰写过程中，赵老师以其渊博的知识和敏锐的洞察力，给我提供了巨大的帮助。每次遇到困难，老师都会耐心的给我解答，并提出针对性的意见，使我豁然开朗，受益匪浅。赵老师治学态度非常严谨，令我十分钦佩，赵老师求真务实的工作作风和渊博的工作知识是我日后学习的榜样。我还要感谢我的师兄冯翔博士和陈志坤博士以及王军老师，做课题期间，两位师兄和王老师给我提供了很多帮助，对于我的问题和疑惑，他们总是耐心地给予解答，并且把他们积累的经验和思路教给我，让我学到了很多知识，并对一些问题的理解更加深刻。此外，我也要感谢师兄陈旭和师姐闫敏，他们给我提供了很多课程的资料，并且对我工作上的问题提出很多建设性的意见，感谢他们陪伴我度过欢乐充实的一年。感谢同窗同学姜智卓，师弟潘恒康和师妹宋阳春，他们在学习和生活中都曾给我提供过很多的帮助，使我的实验室充满欢乐。同时我也要感谢我的家人，一直在背后默默的支持我，鼓励我，使我充满信心迎接新的挑战。-58-