CN113970739A - 一种空管一次雷达自适应风电场杂波识别和抑制方法 - Google Patents

Abstract

本发明公开了一种空管一次雷达自适应风电场杂波识别和抑制方法，包括：接收并存储一次雷达原始回波、一次雷达点航迹数据和二次雷达航迹数据；在一次雷达探测区域进行方位距离网格化，分析网格内一次雷达数据质量，识别异常区域；利用雷达的原始回波数据，雷达点航迹数据，在异常区域进行特征提取，识别风电场杂波区域；针对风电场区域特征，选择风电场杂波抑制技术，自适应优化杂波抑制参数；对优化效果进行定量评估，迭代优化策略及参数，直至达到雷达探测性能指标要求，本发明通过自适应选择风电场杂波抑制手段，调整杂波抑制参数，对杂波抑制后的雷达探测性能进行评估，大幅度提高风电场杂波干扰下雷达探测性能。

Description

一种空管一次雷达自适应风电场杂波识别和抑制方法

技术领域

本发明涉及空管雷达技术领域，具体涉及一种空管一次雷达自适应风电场杂波识别和抑制方法。

背景技术

随着城市化发展，煤炭等传统化石能源供应渐趋紧张，导致的环境问题日益突出。风力发电作为一种无污染、低成本的电力产业，受到世界各国的重视，同时随着现代技术的发展，风力发电技术逐渐成熟，具有大规模开发和商业化发展条件。近年来，全世界的风电机装机量呈指数增长。然而风电场中的风轮机通常由叶片、轮机舱以及桅杆组成，风轮机高度达百米，雷达反射截面积(RCS)大，同时旋转的叶片会在频域上产生连续变化的多普勒速度，会对雷达造成目标遮蔽、虚假目标等影响，导致雷达虚警概率增加或者检测概率降低。

空管雷达作为一种低分辨率两坐标雷达，难以通过高度和距离信息对风电场杂波进行识别。空管雷达的传统杂波抑制手段，例如脉冲压缩、AMTD以及自动恒虚警等无法抑制风电场杂波。风电场上方或附近的目标探测均会受到风电场杂波的影响，导致雷达探测性能下降，严重的会影响空中交通安全。风电场的存在一方面对已建雷达站的性能产生影响，另一方面给新建雷达站的选址带来了难度。

空管雷达传统的风电场杂波抑制方法，需要人工在雷达探测范围内的标注风电场位置，随着风电场部署数量的增加，风电场位置的标注难度增加。风电场对雷达的影响程度与以下条件有关：

1、风电场的规模、数量；

2、风电场与雷达相对位置；

3、雷达参数。

风电场杂波抑制手段涉及雷达处理全流程，同时根据影响程度不同，涉及不同的处理优化参数，人工设置复杂。

发明内容

本发明的目的在于提供一种空管一次雷达自适应风电场杂波识别和抑制方法，通过分析雷达数据质量和提取风电场杂波特征参数，识别风电场杂波区域和影响类型，量化风电场对雷达性能的影响程度，自适应迭代风电场抑制手段的优化参数缓解风电场杂波影响，提高雷达探测性能。

本发明的目的可以通过以下技术方案实现：

一种空管一次雷达自适应风电场杂波识别和抑制方法，包括以下步骤：

S1:接收并存储一次雷达原始回波数据、一次雷达点迹数据、一次雷达航迹数据和二次雷达航迹数据；

其中，以融合中心为参考点的坐标系，将各传感器的探测数据统一同步到融合处理的处理周期上来，完成传感器的量测数据与融合中心处理时空效准；

S2:在一次雷达探测区域进行方位距离网格化，分析网格内一次雷达数据质量，识别雷达探测性能异常区域；

S2-1、将一次雷达探测范围按照M个距离单元和N个方位扇区网格化，对网格单元建立索引值；

S2-2、对完成划分的网格单元进行数据质量分析，对网格区域内的类型性能指标进行计算，针对风电场杂波对雷达性能的影响，选取评估指标为检测概率、虚警率和航迹误差进行异常区域判别；

S2-3、根据计算的检测概率Pd、虚警率Pf和航迹误差D进行区域质量综合评分，设定检测概率合格指标Pdth，虚警率合格指标Pfth，航迹误差合格指标Dth，当网格区域内检测概率大于指标Pdth，虚警率小于指标Pfth，航迹误差小于指标Dth时判别为正常区域，其余区域判别为异常区域；

S2-4、存储区域索引、属性及区域性能指标参数；

S3：针对探测性能异常区域，利用雷达的原始回波数据，雷达点航迹数据，在异常区域进行特征提取，识别风电场杂波区域；

S3-1、风电场如果不在雷达视距范围内，则对雷达不产生影响，以雷达为中心，对雷达覆盖范围内，基于地理位置海拔高度、风电机的尺寸计算雷达视距范围，异常区域处于视距范围内进行标识并存储，进行下一步识别，否则认为不是风电场杂波区域；

S3-2、对视距范围内的异常区域进行饱和检测，如果区域内不存在饱和，进行标识并存储，进行下一步识别，如果区域饱和，将区域内饱和的距离单元标识为饱和区域，根据饱和情况设置STC曲线进行衰减；

S3-3、对不饱和异常区域进行原始回波特征提取，累计多帧后对区域内的每个距离单元回波进行谱分析，回波多普勒谱展宽的区域标识为风电场杂波区域，并标识出风电场杂波所在距离单元；

S4、针对识别出的风电场杂波区域的综合性能指标，自适应选择风电场杂波抑制策略和参数，进行风电场杂波抑制；

风电场杂波抑制方法涉及雷达信号处理、雷达点迹处理和雷达数据处理，针对风电场杂波可供选择的杂波抑制手段包括自适应扫描技术、风电场信号清除算法、分频道高分辨杂波图、增强型CFAR、点迹滤波算法和航迹自适应跟踪滤波算法；

针对风电场杂波对雷达的不同影响以及影响程度，建立风电场杂波抑制策略表，对6种风电场杂波抑制手段进行排列组合，形成影响类型-抑制策略表，根据风电场杂波区域综合性能指标，选取相应的抑制策略；

风电场杂波清除算法、分频道高分辨杂波图、点迹滤波算法为必选项；

S5、对采用抗干扰抑制测量的风电场杂波区域进行性能评估，评估指标为检测概率改善率、虚警概率改善率和航迹误差改善率，改善性能达到设定阈值，结束优化，否则对优化测量和参数进行优化，迭代抗风电场干扰效果。

本发明的有益效果：

(1)本发明通过分析雷达数据质量和提取风电场杂波特征参数，识别风电场杂波区域和影响类型，量化风电场对雷达性能的影响程度，自适应迭代风电场抑制手段的优化参数缓解风电场杂波影响，提高雷达探测性能；

(2)本发明软件化处理方法，在不改变硬件的前提下，实现风电场杂波抑制；

(3)本发明通过对雷达数据质量评估，分析探测异常区域，提取区域特征参数，自动识别风电场杂波区域；

(4)本发明自适应选择风电场抑制优化参数，对优化结果进行迭代对比运算，提高雷达性能。减少用户人工操作提高体验感。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明的系统处理流程图。

图2为本发明数据质量评估区域划分流程图。

图3为本发明的探测范围网格化示意图。

图4为本发明风电场杂波区域判别流程图。

图5为本发明风电场影响空管雷达区域示意图。

图6为本发明风电场信号清除算法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种空管一次雷达自适应风电场杂波识别和抑制方法，包括以下步骤：

S1：接收并存储一次雷达原始回波数据、一次雷达点迹数据、一次雷达航迹数据和二次雷达航迹数据，

其中，对接收的航迹数据进行协议解析，提取目标信息，以雷达坐标为参考点，将一次雷达航迹数据和二次雷达航迹数据统一相同的坐标系和同步的处理周期，完成数据时空校准，一次雷达航迹数据与二次雷达航迹进行融合处理；

S2：如图2所示，在一次雷达探测区域进行方位距离网格化，分析网格内一次雷达数据质量，识别异常区域；

S2-1、如图3所示，将一次雷达探测范围按照M个距离单元和N个方位扇区网格化，对网格单元建立索引值；

S2-2、对完成划分的网格单元进行数据质量分析，对网格区域内的类型性能指标进行计算，针对风电场杂波对雷达性能的影响，选取评估指标为检测概率、虚警率和航迹误差进行异常区域判别；

评估检测概率Pd采用数据统计时间段内N帧内融合航迹总数与融合航迹总数与单二次航迹总数和的比值来描述：

其中：

Pd——虚警率；

N——评估数据帧数；

MS——单帧单二次航迹数；

MT——单帧融合航迹数。

评估虚警率Pf采用数据统计时间段内N帧内单一次航迹数与融合航迹总数的比值来描述；

其中：

Pf——虚警率；

N——评估数据帧数；

MF——单帧单一次航迹数；

MT——单帧融合航迹数。

评估航迹误差D采用数据统计时间段内N帧航迹总误差的均值来评估；

其中：

D——航迹误差；

N——评估数据帧数；

Dr——第i帧平均航迹误差；

其中：

Dr——第r帧平均航迹误差；

k——第r帧航迹总数；

R2——融合航迹中二次雷达航迹距离；

ΔR_i——第r帧融合航迹中第i点距离误差，一次雷达航迹距离减二次航迹距离；

Δθ_i——第r帧融合航迹中第i点方位误差，一次雷达航迹方位减二次航迹方位；

σ_R——距离系统误差，本实例选取60米；

σ_θ——方位系统误差，本实例选取1度。

S2-3、根据计算的检测概率Pd、虚警率Pf和航迹误差D进行区域质量综合评估，设定检测概率合格指标Pdth，虚警率合格指标Pfth，航迹误差合格指标Dth。当网格区域内检测概率大于指标Pdth，虚警率小于指标Pfth，航迹误差小于指标Dth时判别为正常区域，其余区域判别为探测性能异常区域。

S2-4、存储区域索引、属性及区域性能指标参数。

S3：如图4所示，针对探测性能异常区域，利用雷达的原始回波数据，雷达点航迹数据，在异常区域进行特征提取，识别风电场杂波区域；

S3-1、如图5所示，风电场如果不在雷达视距范围内，则对雷达不产生影响；

其中，以雷达为中心，对雷达覆盖范围内，基于地理位置海拔高度、风电机的尺寸计算雷达视距范围，异常区域处于视距范围内进行标识并存储，进行下一步识别，否则认为不是风电场杂波区域；

S3-2、对视距范围内的异常区域进行饱和检测，如果区域内不存在饱和，进行标识并存储，进行下一步识别，如果区域饱和，将区域内饱和的距离单元标识为饱和区域，根据饱和情况设置STC曲线进行衰减；

S3-3，对不饱和异常区域进行原始回波特征提取，累计多帧后对区域内的每个距离单元回波进行谱分析，回波多普勒谱展宽的区域标识为风电场杂波区域，并标识出风电场杂波所在距离单元。

S4、针对识别出的风电场杂波区域的综合性能指标，自适应选择风电场杂波抑制策略和参数，进行风电场杂波抑制；

其中风电场杂波抑制方法涉及雷达信号处理、雷达点迹处理和雷达数据处理；

针对风电场杂波可供选择的杂波抑制手段包括自适应扫描技术、风电场滤波清除算法、分频道高分辨杂波图、增强型CFAR、点迹滤波算法和航迹自适应跟踪滤波算法；

针对风电场杂波对雷达的不同影响以及影响程度，建立风电场杂波抑制策略表，对6种风电场杂波抑制手段进行排列组合，形成影响类型-抑制策略表，根据风电场杂波区域综合性能指标，选取相应的抑制策略；

其中，风电场杂波清除算法、分频道高分辨杂波图、点迹滤波算法为必选项；

自适应扫描技术，根据风电场杂波区域位置信息，自适应调整发射脉冲时序，改变长短脉冲拼接位置，使用窄脉冲和高重频脉冲串进行距离覆盖，空管一次雷达通常采用长短脉冲拼接的方式进行距离覆盖，长脉冲宽度在ASR中通常100us，ARSR中通常300us，对于风电场来说，长脉冲的脉压距离副瓣影响范围更远，不利于目标检测，而风电场对雷达的影响集中在较近距离，改变长短脉冲拼接位置，最大限度使用短脉冲进行近距离覆盖，减少风电场对雷达的影响；

当探测范围内存在风电场杂波时，因为风电场内的风轮机具有较大的RCS，产生的回波信号幅度强，并且因为风轮机叶片的旋转带来信号频谱的展宽，当目标信号与风电场回波信号处于相同或相邻距离单元时，风电场回波信号会掩盖目标信号，对风电场回波信号进行反演，使用清除算法，在原始回波中进行风电场信号清除，达到对风电场抑制效果；

如图6所示，风电场杂波清除算法是根据异常区域分析中标识出的风电场杂波区域及风电场杂波所在距离单元标识，对风电场杂波所在的距离单元原始回波信号幅度和相位进行提取，反演出风电场信号，原始回波信号减去反演信号后，判断脉压副瓣是否降低，当副瓣降低时，进行下一步流程，没有降低时继续进行信号反演和清除；

分频道高分辨杂波图，针对每个扫描周期，AMTD的每个频道输出用来更新自适应杂波图，根据杂波图中估计的杂波电平作为AMTD滤波器输出端的门限值，来确保取得规定的虚警率，主要用来分频道滤波器目标回波超杂波检测，自适应杂波图的分辨率为一个脉冲组乘以一个距离量化单元；

传统CFAR算法是将检测单元与周边的参考单元平均值或选大值进行比较而得到检测结果，当风电场杂波存在时，由于风电场杂波的回波幅度大，会提高CFAR的检测门限，从而使相对较弱的目标信号无法过门限而漏检，增强型CFAR，将参考单元内的幅度大于一定阈值单元的进行帧间匹配并计数，当满足N/M准则时，计算CFAR，采用平均噪声电平代替，N通常选3帧，M通常选5帧；

点迹滤波算法是针对风电场回波产生的点迹特点，进行风电场点迹抑制，用以消除异常区域内的风电场杂波剩余，风电场杂波点迹出现的位置位置信息(距离和方位)基本不变或变化很小，而且不是每帧都出现，并且形成点迹的回波具有多普勒速度展宽，高度处于低空等特点，针对这样的特性，在异常区域内基于区域RAG图进行帧间匹配，如果能够匹配上则进行帧间计数，然后按照帧间滑窗的方式进行准则提取，满足一定准则范围的杂波目标可以判定为固定杂波，具体为：

第一步：在异常区域按距离和方位划分若干的处理单元；

第二步：对处理单元内每个目标点迹参照形成点迹的相对幅度、点迹的频谱信息、点迹的高度估计值等三要素进行点迹质量评估；

第三步：判别目标点迹参数是否符合风电场杂波的特点，符合的点迹被标识为“风电场回波点迹”，不用于后续的航迹相关处理。

当风电场杂波存在时，风电场剩余点迹的增多，目标点迹的减少导致目标穿越风电场区域时，产生航迹偏航，甚至重新起批的现象。航迹自适应跟踪模型，是指在风电场杂波区域采用增强相关算法以及多交互跟踪模型进行航迹处理，提高风电场杂波区域多目标跟踪性能。

S5：对采用抗干扰抑制测量的风电场杂波区域进行性能评估，评估指标为检测概率改善率、虚警概率改善率和航迹误差改善率，改善性能达到设定阈值，结束优化，否则对优化测量和参数进行优化，迭代抗风电场干扰效果。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (10)

1.一种空管一次雷达自适应风电场杂波识别和抑制方法，其特征在于，包括以下步骤:

S1：接收并存储一次雷达原始回波、一次雷达点航迹数据和二次雷达航迹数据；

S2：在一次雷达探测区域进行方位距离网格化，分析网格内一次雷达数据质量，识别异常区域；

S3：利用雷达的原始回波数据，雷达点航迹数据，在异常区域进行特征提取，识别风电场杂波区域；

S4：针对风电场区域特征，选择风电场杂波抑制技术，自适应优化杂波抑制参数；

S5：对优化效果进行定量评估，迭代优化策略及参数，直至达到雷达探测性能指标要求。

2.根据权利要求1所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，S2中将一次雷达探测区域按照M个距离单元和N个方位扇区网格化，对网格单元建立索引值；

并对完成划分的网格单元进行数据质量分析，对网格区域内的类型性能指标进行计算，选取评估指标为检测概率、虚警率和航迹误差进行异常区域判别。

3.根据权利要求2所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，根据计算的检测概率Pd、虚警率Pf和航迹误差D进行区域质量综合评分，满足指标要求区域判别为正常区域，其余区域判别为异常区域。

4.根据权利要求1所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，S4中针对风电场杂波选择的杂波抑制手段包括自适应扫描技术、风电场杂波清除算法、分频道高分辨杂波图、增强型CFAR、点迹滤波算法和航迹自适应跟踪滤波算法；

针对风电场杂波对雷达的不同影响以及影响程度，建立风电场杂波抑制策略表，对6种风电场杂波抑制手段进行排列组合，形成影响类型-抑制策略表，根据风电场杂波区域综合性能指标，选取相应的抑制策略。

5.根据权利要求4所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，自适应扫描技术是根据风电场杂波区域位置信息，自适应调整发射脉冲时序，改变长短脉冲距离拼接位置，使用窄脉冲和高重频脉冲串进行远距离覆盖。

6.根据权利要求4所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，风电场杂波清除算法是根据异常区域分析中标识出的风电场杂波区域及风电场杂波所在距离单元标识，对风电场杂波所在的距离单元原始回波信号幅度和相位进行提取，反演出风电场信号，原始回波信号减去反演信号后，判断脉压副瓣是否降低，副瓣降低时，进行下一步流程，没有降低时继续进行信号反演和清除。

7.根据权利要求4所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，分频道高分辨杂波图是针对每个扫描周期，AMTD的每个频道输出用来更新自适应杂波图，根据杂波图中估计的杂波电平作为AMTD滤波器输出端的门限值，来确保取得规定的虚警率，主要用来分频道滤波器目标回波超杂波检测，自适应杂波图的分辨率为一个脉冲组乘以一个距离量化单元。

8.根据权利要求4所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，增强型CFAR是将参考单元内的幅度大于一定阈值单元的进行帧间匹配并计数，当满足N/M准则时，计算CFAR，采用平均噪声电平代替。

9.根据权利要求4所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，点迹滤波算法是在异常区域内基于区域RAG图进行帧间匹配，匹配上则进行帧间计数，然后按照帧间滑窗的方式进行准则提取，满足一定准则范围的杂波目标能够判定为固定杂波。

10.根据权利要求1所述的一种空管一次雷达自适应风电场杂波识别和抑制方法,其特征在于，S5中包括对采用抗干扰抑制测量的风电场杂波区域进行性能评估，评估指标为检测概率改善率、虚警概率改善率和航迹误差改善率；

即改善性能达到设定阈值，结束优化，否则对优化测量和参数进行优化，迭代抗风电场干扰效果。

Images