CN102721954A - 基于动态杂波图的风电场杂波识别与抑制方法 - Google Patents

Abstract

一种基于动态杂波图的风电场杂波识别与抑制方法。其包括雷达采集并存储M次扫描数据作为初始样本，求出初始样本数据统计平均，形成准杂波图；根据准杂波图判断各距离单元数据是否存在风电场杂波，并将判别为风电场杂波的单元进行标注，形成杂波图；将当前次扫描所得数据与杂波图进行逐单元匹配，并将与杂波图中标注了杂波相对应的当前次扫描的数据从回波数据中抠除；根据本次扫描得到数据不断更新用于形成杂波图的样本，得到根据实际环境变化的动态杂波图，将动态杂波图用于实时处理各次扫描所得数据。本发明的基于动态杂波图的风电场杂波识别方法，其识别结果可用于航管监视雷达风电场杂波识别与抑制，对于保障航空飞行安全具有重要意义。

Description

基于动态杂波图的风电场杂波识别与抑制方法

技术领域

本发明属于雷达探测技术领域，特别是涉及一种基于动态杂波图的风电场杂波识别与抑制方法，其可以在风电场杂波背景下对航管监视雷达目标进行有效检测，对于保障航空飞行安全具有重要意义。

背景技术

风能是取之不尽，用之不竭的清洁、无污染、可再生能源。与火力发电、燃油发电、核电相比其无需购买燃料，也无需支付运费，更无需对发电残渣、大气进行环保治理。但是，研究表明风电场对于飞行和航海安全可能产生显著影响，原因是风电场的主体是风轮机，其桅杆高度常接近或超过100m，因此会对电磁波产生强烈的反射；而风轮机工作时叶片不同，部分线速度也不同，因此其回波的多普勒谱很宽，所以常规基于多普勒信息的航管监视雷达就无法利用多普勒信息来区分风电场杂波和飞机目标回波。另外，因为现有的航管一次雷达不具备目标高度向的分辨能力，于是风电场对雷达波的强散射又在其上空形成较大范围的雷达灵敏度降低区，结果造成目标漏检；另一方面，风电场杂波会导致大量错误检测，这些检测结果所形成的点迹将会造成风电场区域形成大量错误的航迹，进而可能引起雷达处理器过载，此外，当目标航迹与风轮机点迹结合时将会导致目标航迹丢失，这些都会严重地威胁民航的空中交通安全。

为了抑制风电场杂波，目前有关学者已提出一系列应对风电场杂波的方案，其中包括：抠除风电场所在距离单元的回波数据，即将风电场所在距离门的数据直接剔除；抠除风电场所在区域的点迹的方法；采用距离方位门方法，即将风电场所在距离方位单元的数据直接剔除。这些方法的共同特点是都能够较彻底地消除风电场杂波的影响，但是同时也将风电场区域的目标回波数据和点迹彻底清除掉，特别是当风电场处于不工作状态时，若还采用上述较为苛刻的方法是不合理的，此外，上述方法均无法抑制风电场多径效应所形成的落入风电场区域外的杂波。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于动态杂波图的风电场杂波识别与抑制方法，以解决在风电场杂波环境下航管目标的有效检测问题。

为了达到上述目的，本发明提供的基于动态杂波图的风电场杂波识别与抑制方法包括按顺序进行的下列步骤：

1)航管监视雷达开机后首先采集并存储M次扫描的数据作为初始样本，然后求出该初始样本数据的统计平均，以形成初始准杂波图；

2)根据所得到的初始准杂波图判断各距离单元的数据是否存在风电场杂波，并将判别为风电场杂波的单元进行标注，以形成杂波图；

3)将当前次扫描所得数据与杂波图进行逐单元匹配，并将与杂波图中标注了杂波相对应的当前次扫描的数据从回波数据中抠除；

4)根据本次扫描得到的数据不断更新用于形成杂波图的样本，从而得到根据实际环境变化的动态杂波图，并将形成的动态杂波图用于实时处理各次扫描所得数据。

所述的步骤2)中杂波图的形成是通过对步骤1)中初始准杂波图数据进行恒虚警处理得到的，即将超过恒虚警门限的单元标记为杂波单元。

本发明提供的基于动态杂波图的风电场杂波识别与抑制方法与现有技术相比具有以下优点：

由于风电场不工作时(风轮机叶片静止)其回波多普勒值分布在0频附近很小的范围内，可以通过航管监视雷达动目标检测(moving target detection，MTI/MTD)技术很好地抑制掉；而风电场工作(风轮机叶片高速转动)时，由于风轮机叶尖到轮毂的线速度不同，因此导致其回波多普勒谱展宽非常严重，很多情况下其多普勒谱占据航管监视雷达的整个多普勒单元，致使目标的多普勒信息被完全淹没，因此必须采取新的切实有效的措施来抑制风轮机杂波，本发明所述的基于动态杂波图的风电场杂波识别与抑制方法正是这样一种方法。

本发明方法的目的在于找出包含风电场杂波的单元，并将其抠除，当航管目标和风轮机回波处于同一距离单元时，这样做虽然可能会在抑制杂波的同时导致目标信息丢失，但是，实际上这样做利远大于弊，如，风电场区域大量的风轮机回波会导致处理器过载；此外，风轮机回波强度较大，这会导致航管监视雷达恒虚警检测(constant false alarm rate，CFAR)门限提高，即形成大范围的灵敏度降低区，严重影响风电场及附近区域目标检测。

此外，相比现有的固定杂波图方法，如距离方位门方法，本发明方法不但能抑制掉风轮机本身所形成的杂波，而且能够抑制由于风轮机多径效应所形成的位于风电场之外的多径杂波。

附图说明

图1为本发明提供的基于动态杂波图的风电场杂波识别与抑制方法流程图。

图2为风轮机回波强度随时间变化图。

图3为多次扫描处理过程示意图。

图4(a)为目标初始位置在风轮机之间时第1次扫描所得数据及检测门限。

图4(b)为目标初始位置在风轮机之间时第6次扫描所得数据及检测门限。

图4(c)为目标初始位置在风轮机之间时6次扫描数据统计平均结果及检测门限。

图4(d)为目标初始位置在风轮机之间时第1次扫描所得数据杂波抑制后结果。

图4(e)为目标初始位置在风轮机之间时第6次扫描所得数据杂波抑制后结果。

图5(a)为信噪比(signal-to-noise ration，SNR)和杂噪比(clutter-to-noise ration，CNR)接近时第1次扫描所得数据及检测门限。

图5(b)为SNR和CNR接近时第6次扫描所得数据及检测门限。

图5(c)为SNR和CNR接近时6次扫描数据统计平均结果及检测门限。

图5(d)为SNR和CNR接近时第1次扫描所得数据杂波抑制后结果。

图5(e)为SNR和CNR接近时第6次扫描所得数据杂波抑制后结果。

图6(a)为考虑风轮机造成的多径效应时第1次扫描所得数据及检测门限。

图6(b)为考虑风轮机造成的多径效应时第6次扫描所得数据及检测门限。

图6(c)为考虑风轮机造成的多径效应时6次扫描数据统计平均结果及检测门限。

图6(d)为考虑风轮机造成的多径效应时第1次扫描所得数据杂波抑制后结果。

图6(e)为考虑风轮机造成的多径效应时第6次扫描所得数据杂波抑制后结果。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于动态杂波图的风电场杂波识别与抑制方法进行详细说明。

如图1所示，本发明提供的基于动态杂波图的风电场杂波识别与抑制方法包括按顺序进行的下列步骤：

1)航管监视雷达开机后首先采集并存储M次扫描的数据作为初始样本，然后求出该初始样本数据的统计平均，以形成初始准杂波图。下面就形成准杂波图的意义进行详细说明：

由于风轮机固定部分——桅杆的回波可通过航管监视雷达传统的MTD技术较好地抑制掉，而转动的叶片则会导致其回波多普勒严重扩展，因此无法利用多普勒信息区分风轮机叶片回波和航管目标回波，因此这里只讨论风轮机叶片回波的处理。

在远场条件下，若航管监视雷达仰角为γ，则风轮机的雷达散射截面积(RCS)随时间t的变化σ(t)可用式(1)来近似表达：

$\mathrm{\σ}\left(t\right)={\left[A\underset{n=1}{\overset{N}{\mathrm{\Σ}}}L\cos \left(\mathrm{\α}\right)\sin ({\mathrm{\θ}}_n+\mathrm{\γ})\sin c\left({\mathrm{\δ}}_n\right)\right]}^2---\left(1\right)$

其中，α为航管监视雷达视线在叶片旋转面上的投影线与叶片的夹角，风轮机上第n张叶片与航管监视雷达视线的夹角θ_n可表示为：

θ_n＝2πf_rot+[2π(n-1)/N]+φ    (2)

δ_n可展开为：

δ_n＝(kL/2)cos(α)cos(β)cos{2πf_rott+[2π(n-1)/N]}    (3)

β为航管监视雷达视线与风轮机旋转平面之间的夹角，N为一个风轮机所包含的叶片数目，f_rot为风轮机转动角频率，L为风轮机叶片长度，φ为风轮机相对于参考点的初始夹角，r为风轮机到雷达之间的距离。风轮机的时变回波S(t)可由下式表示：

$S\left(t\right)=A\·\sqrt{\mathrm{\σ}\left(t\right)}{e}^{-j\frac{4\mathrm{\πr}}{\mathrm{\λ}}}$

$=A\·\underset{n=1}{\overset{N}{\mathrm{\Σ}}}L\cos \left(\mathrm{\α}\right)\cos \left(\mathrm{\γ}\right)\sin \left({\mathrm{\θ}}_n\right)\sin c\left({\mathrm{\δ}}_n\right)e^{-j\frac{4\mathrm{\πr}}{\mathrm{\λ}}}---\left(4\right)$

图2为根据式(4)的风轮机RCS模型仿真的结果，可以看出风轮机的回波强度是时间的函数。

考虑航管一次雷达某一方位(假设此方位存在风轮机)沿距离向的采样点数为L，则可以将该方位的接收数据写作一个如下式所示的L维向量：

<x>_s＝[x₁ x₂…x_L]^T    (5)

式中[·]^T表示转置运算，<>_s，s＝1，2，…表示第s次扫描所得数据。假设风电场回波位于第m#，n#，k#距离门。第一次扫描时目标位于第i#距离门，由于目标处于运动状态，所以第二次扫描时目标将离开i#距离门，假设此时目标落入第i+j#距离门，其中j与目标速度有关……，那么我们可以将第一次扫描的数据记为：

<x>₁＝[x₁，x₂，…，x_i，…，x_m，…，x_n，…，x_k，…，x_L]^T    (6)

其中目标所在距离单元的数据记为：

<x_i>₁＝x_t+x_n

                                    (7)

<x_i+j>₁＝x_n

风轮机杂波所在距离单元数据可记为：

${<\left[\begin{array}{c}{x}_m\\ x_n\\ x_k\end{array}\right]>}_1{<x_c>}_1+x_n---\left(8\right)$

式中x_t表示目标成分，x_c＝[b₁₁x_c1 b₁₂x_c2 b₁₃x_c3]^T表示风轮机杂波成分，x_n＝[x_n1 x_n2 x_n3]^T表示噪声成分。同理，第二次扫描的回波数据记为：

<x>₂＝[x₁，x₂，…，x_m，…，x_i+j，…x_n，…，x_k，…x_L]^T    (9)

由于飞机目标处于运动状态，所以第二次扫描的回波数据中目标将出现在不同的距离单元：

<x_i+j>₂＝x_t+x_n

                                    (10)

<x_i>₂＝x_n

然而，由于风电场位置固定不变，因此第二次扫描到风电场杂波所处的距离单元与第一次扫描时的结果一致，可表示为式(11)，不同之处只在于回波强度略有变化，其随时间变化趋势如图2所示。

${<\left[\begin{array}{c}{x}_m\\ x_n\\ x_k\end{array}\right]>}_2={<x_c>}_2+x_n---\left(11\right)$

需要说明的是，虽然式(8)和式(11)形式相同，但由于风轮机的叶片出现转动，因此导致其回波强度不同。由于风电场位置固定，因此不同次扫描的回波数据中风电场杂波位于固定的距离单元，相反，航管目标处于运动状态，因此不同次扫描的目标位于不同的距离单元。我们考虑用多次扫描数据求统计平均，如图3所示，即：

$\stackrel{\&OverBar;}{x}=\frac{1}{M}\underset{s=1}{\overset{M}{\mathrm{\&Sigma;}}}{<x>}_s---\left(12\right)$

本步骤中利用M次扫描所得样本数据的统计平均来形成杂波图能够克服不同次扫描所得风轮机回波起伏较大的问题。这是因为风轮机工作时其叶片不断旋转。从而导致雷达每次扫描到风电场处时风轮机叶片与雷达之间的相对位置关系不同，其回波强度就不同，因此不同次扫描的风电场杂波存在较大起伏，故单次扫描回波数据不适于用作杂波图，而多次扫描数据的统计平均可以较为真实地反映出风轮机的情况。同时由于目标相对于雷达存在相对运动，这就导致不同次扫描数据中目标处于不同的距离单元，所以通过统计平均的方法可以使目标信息不出现在杂波图上，这样更有利于区分目标和风轮机杂波。

2)根据所得到的初始准杂波图判断各距离单元的数据是否存在风电场杂波，并将判别为风电场杂波的单元进行标注，以形成杂波图。这里我们在形成杂波图时，是利用航管监视雷达已有的选择恒虚警(GO-CFAR)检测器来处理准杂波图数据，从而形成杂波图数据。下面简单介绍GO-CFAR的工作原理。

GO-CFAR的核心思想是利用待测单元两侧的参考单元分别估计出检测因子，并选择其中的最大值作为待测单元的检测因子。这里将待测单元的数据记为x₀，假设所选取的参考单元数目为N，将待测单元左侧的参考单元数据记为(x_-N/2，x_-N/2+1，…，x_-1)，右侧的参考单元数据记为(x₁，x₂，…，x_N/2)。那么，根据两侧的参考单元分别估计得到：

(13)

GO-CFAR检测器的门限可通过下式得到：

其中α是门限乘积因子，可通过解如下方程得到：

$\frac{P_{\mathrm{fa}}}{2}={(1+\frac{\mathrm{\&alpha;}}{N/2})}^{-N/2}-{(2+\frac{\mathrm{\&alpha;}}{N/2})}^{-N/2}\&times;\left\{\underset{k=0}{\overset{N/2-1}{\mathrm{\&Sigma;}}}\left(\begin{array}{c}\frac{N}{2}-1+k\\ k\end{array}\right){(2+\frac{\mathrm{\&alpha;}}{N/2})}^{-k}\right\}---\left(15\right)$

其中P_fa表示虚警概率。

3)处理当前次扫描所得数据：将当前次扫描所得数据与杂波图进行逐单元匹配，并将与杂波图中标注了杂波相对应的当前次扫描的数据从回波数据中抠除；

根据步骤2)所形成的杂波图来处理当前扫描所得数据，需要说明的是当航管目标和风轮机回波处于同一距离单元时，这样做虽然可能会在抑制杂波的同时导致目标信息丢失，但是，实际上这样做利远大于弊，如，风电场区域大量的风轮机回波会导致处理器过载；此外，风轮机回波强度较大会导致航管监视雷达CFAR门限提高，即形成大范围的灵敏度降低区，从而严重影响风电场区域目标检测。

4)根据本次扫描得到的数据不断更新用于形成杂波图的样本，从而得到根据实际环境变化的动态杂波图，并将形成的动态杂波图用于实时处理各次扫描所得数据。

由于风轮机不同工作状态(转动或静止)时其回波呈现出完全不同的特性，对应的杂波抑制方法也不同，因此需要将这一因素考虑在内。本发明利用当前扫描数据实时更新用于形成杂波图的样本数据，从而形成动态杂波图。

本发明的效果可以通过以下仿真结果进一步说明。

仿真数据描述：仿真中风轮机转速为21.3rpm，取6次扫描的数据来实现统计平均。风轮机转动导致其回波强度随着与航管监视雷达视线的夹角不断变化，因此这里定义杂噪比为风轮机转动一周的平均杂噪比。

第一组实验：目标运动速度v＝200m/s，三个风轮机的初始位置：47#，50#，53#，目标初始位置：45#，SNR＝10dB，三个风轮机的杂噪比分别为28dB、30dB、32dB。

图4为依照第一组实验参数所得实验结果，其中图4(a)为第一次扫描回波强度在各距离门的分布情况及CFAR检测门限，图4(b)为第6次扫描的结果及CFAR检测门限，图4(c)为6次扫描数据统计平均的结果及CFAR检测门限，图4(d)、4(e)分别是图4(a)、4(b)经本方法处理后的结果。通过分析图4(a)、4(b)可以发现，由于风轮机的转动，不同次扫描得到的风轮机回波强度差别较大，若直接对各次扫描得到的数据进行目标检测则会导致目标处于风电场杂波形成的灵敏度降低区；通过多次扫描数据统计平均，风轮机杂波凸显出来，而目标回波则被弱化，所以通过对这一结果进行CFAR检测，从而可以有效检测到杂波，通过抠除各次扫描回波数据中杂波单元的数据，可使目标凸显出来，再对剩余数据进行CFAR检测，实现目标检测。可见本方法在SNR和CNR接近时也有效。

第二组：目标运动速度v＝200m/s，三个风轮机的初始位置：47#，50#，53#，目标初始位置：45#，SNR＝30dB，三个风轮机的杂噪比分别为28dB、30dB、32dB，

图5给出了SNR和CNR较为接近时的结果，其各子图含义同图4。从图5(a)可以看出，目标和风轮机杂波均超过CFAR检测门限，第6次扫描数据由于风轮机回波较弱而落入CFAR检测门限之下，目标可以被检测到，如图5(b)所示，通过对各次扫描数据进行统计可以有效检测出风轮机杂波，根据这一结果将各次扫描数据中风电场杂波所在单元数据抠除得到如图5(d)、5(e)所示结果，可以看出目标超过CFAR检测门限。

第三组：目标运动速度v＝200m/s，三个风轮机的初始位置：47#，50#，53#，目标初始位置：45#，SNR＝10dB，三个风轮机的杂噪比分别为28dB、30dB、32dB，由风电场多径效应形成的杂波分别位于：65#，68#，71#，杂噪比分别为：24dB、26dB、28dB。

图6给出了存在多径杂波时的结果，其各子图含义同图4。通过对比图6和图4的实验结果可知，本方法对多径杂波仍然有效。

需要说明的是，当风轮机转速较大时可能会导致不同次扫描回波强度差别较大，此时可以选取较多次扫描的回波数据来获得动态杂波图。

Claims (2)

1.一种基于动态杂波图的风电场杂波识别与抑制方法，其特征在于：所述的风电场杂波识别方法包括以下内容：

1)航管监视雷达开机后首先采集并存储M次扫描的数据作为初始样本，然后求出该初始样本数据的统计平均，以形成初始准杂波图；

2)根据所得到的初始准杂波图判断各距离单元的数据是否存在风电场杂波，并将判别为风电场杂波的单元进行标注，以形成杂波图；

3)将当前次扫描所得数据与杂波图进行逐单元匹配，并将与杂波图中标注了杂波相对应的当前次扫描的数据从回波数据中抠除；

4)根据本次扫描得到的数据不断更新用于形成杂波图的样本，从而得到根据实际环境变化的动态杂波图，并将形成的动态杂波图用于实时处理各次扫描所得数据。

2.根据权利要求1所述的基于动态杂波图的风电场杂波识别与抑制方法，其特征在于：所述的步骤2)中杂波图的形成是通过对步骤1)中初始准杂波图数据进行恒虚警处理得到的，即将超过恒虚警门限的单元标记为杂波单元。

Images