回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

李 海宋 迪 程伟杰 王 杰

(中国民航大学天津市智能信号与图像处理重点实验室 天津 300300)

1 引言

低空风切变是一种能够引起空难事故的灾难性天气，它具有持续时间短、瞬间强度大、作用区域小、危害性高等特点[1]。当飞机在起飞或者降落阶段遭遇低空风切变时，飞行员若没有足够的时间和空间调整飞机姿态，将有可能导致空难的发生[2]，因此低空风切变的检测和预警成为当前民航领域的一项重要课题，而风切变风速估计作为整个风切变检测流程的基础[3]，直接影响了风切变检测的准确程度。

机载气象雷达是民航飞机不可或缺的电子设备，它是民航飞机的“双眼”[4]。近些年来，将双极化相控阵体制引入到机载气象雷达已经成为发展趋势[5]，较传统的单天线雷达，相控阵雷达的回波信号中含有目标空域信息，使得空时联合处理成为可能，在强杂波背景下的目标检测和参数估计性能更加优越[6]。空时自适应处理(Space-Time Adaptive Processing,STAP)[7]是机载相控阵雷达杂波抑制与目标检测的关键技术，它能够利用雷达回波的空时耦合特性实现杂波抑制和信号匹配[8]。在均匀杂波环境下，可以利用统计的方法，将临近的距离单元作为训练样本对待测距离单元的杂波协方差矩阵进行估计，进而得到一个最大似然准则下的最优滤波器[9]，但在雷达的实际工作环境中，由于地表起伏等原因，不同的训练样本之间很难满足独立同分布的条件，同时不同距离单元的杂波回波功率存在严重的非均匀性，导致估计得到的杂波协方差矩阵失配，无法充分抑制强杂波，严重影响风速估计结果的准确性。

围绕非均匀杂波环境下的STAP问题，研究者开展了大量的研究，提出了很多具有重要意义和实际应用价值的杂波抑制算法，主要包括功率选择训练法(Power Selected Training,PST)[10]、非均匀检测器法(NonHomogeneity Detector,NHD)[11,12]、知识辅助法[13]等，这些方法大都应用于某种特定的杂波非均匀情况下的点目标的检测和参数估计，应用于非均匀杂波环境下的低空风切变检测和风速估计的文献还未曾看到。

针对上述情况，本文提出一种回波功率筛选与DLCD(Digital Land Classification Data)辅助的低空风切变风速估计方法，该方法首先根据样本回波功率的大小对训练样本进行筛选，选择回波功率较大的训练样本估计杂波协方差矩阵，可以加深滤波器凹口，充分抑制功率非均匀的强杂波，然后利用数字地表分类数据DLCD计算各样本间的相似度，并从功率较大的训练样本中再次挑选出样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵，尽可能保证挑选出的训练样本和待测距离单元的杂波具有相同的分布，最后利用广义相邻多波束-局域联合处理(Generalized adjacent Multiple-Beam-Joint Domain Localized,GMB-JDL)的方法获得风场速度的准确估计。

2 机载前视阵雷达回波模型

图1 机载前视阵几何模型图

3 回波功率筛选与DLCD辅助的低空风切变风速估计方法

本文所提回波功率筛选与DLCD辅助的低空风切变风速估计方法，首先利用回波功率对训练样本进行初选，从中选择功率较大的训练样本；其次利用DLCD计算样本相似度对初选出来的训练样本进行2次筛选，从中选择样本相似度高的训练样本估计待测距离单元的杂波协方差矩阵，最后利用GMBJDL的方法实现低空风切变风速的有效估计。

3.1 样本挑选及杂波协方差矩阵估计

样本挑选及杂波协方差矩阵估计的重点在于样本挑选，其中样本挑选包括回波功率筛选和样本相似度筛选。

机载气象雷达全距离单元的回波功率可以表示为

3.2 基于GMB-JDL的低空风切变风速估计

基于GMB-JDL的低空风切变风速估计方法的原理图如图2所示，从图2可以看出，该方法是将GMB方法和JDL方法相结合，在适当增加辅助波束和辅助多普勒通道的基础上，同时结合了两种算法的优点，大大降低了运算量和对训练样本的要求，提高了低空风切变风速估计的稳健性。

图2 GMB-JDL原理图

当雷达回波信号通过GMB-JDL降维处理器后，可以在降维的基础上实现地杂波抑制和风切变

4 方法流程

回波功率筛选与DLCD辅助的低空风切变风速估计的方法流程如图3所示，本文所提方法可以有效地抑制非均匀地杂波并进行风速估计，其关键处理步骤为：

图3 DLCD辅助的低空风切变风速估计流程图

步骤1计算各距离单元的回波信号功率，筛选出功率较大的训练样本；

步骤2根据DLCD中的地貌分类码计算样本相似度；

步骤3从功率较大的训练样本中选择样本相似度较高的训练样本估计杂波协方差矩阵；

步骤4通过GMB-JDL的方法实现杂波抑制和风切变信号匹配；

步骤5构造功率输出代价函数估计各距离单元风场回波信号的多普勒频率。

5 仿真结果及分析

(1)仿真条件描述

本文假定风场位于载机前方8.5～16.5 km处，雷达与载机的其他仿真参数设置如表1所示。

表1 雷达与载机仿真参数设置

(2)仿真结果分析

图4为仿真的机载气象雷达回波信号空时2维谱。由图4可以看出，当机载气象雷达工作在前视模式时，低空风切变的空时2维谱为一条窄带，地杂波的空时2维谱为椭圆形。低空风切变场的回波功率远小于地杂波的回波功率，致使风场回波的多普勒信息被地杂波的多普勒信息所淹没，严重影响了低空风切变的检测及参数估计。

图4 雷达回波信号的空时2维谱

图5为均匀杂波环境与非均匀杂波环境的特征谱对比图。由图5可以看出，相比于均匀杂波，非均匀杂波大特征值的功率要高于均匀杂波，同时大特征值的个数也会增加，这会导致杂波自由度估计不准确，为功率非均匀的杂波抑制带来困难。

图5 特征谱对比图

图6为以10,50,90和130号距离单元为待测距离单元计算得到的样本相似度。由图6可以看出，以不同的距离单元为待测距离单元计算得到的各样本相似度是不同的，说明在非均匀地杂波中，并不是所有的训练样本都满足独立同分布的条件，为了有效地估计待测距离单元的杂波协方差矩阵，需要根据样本相似度选取合适的训练样本。

图6 各距离单元的样本相似度

图7为本文所提方法与其他方法的风速估计结果对比图。由图7可以看出，本文所提方法在非均匀杂波环境下依然可以较好地估计出风场速度。对比图显示非均匀杂波环境下，最优STAP的估计结果相对于GMB-JDL方法还要差，主要是因为非均匀杂波环境下，用于估计杂波协方差矩阵所需的IID的训练样本数严重不足，而GMB-JDL方法作为一种稳健的降维STAP的方法，对训练样本数的需求没有那么高。

图7 风速估计结果对比图

本文所提方法与其他方法的风速估计均方根误差如表2所示，由表2可以看出，本文所提方法在非均匀杂波环境下的均方根误差最小。

表2 风速估计均方根误差

6 结束语

本文提出一种回波功率筛选与DLCD辅助的低空风切变风速估计方法，该方法将回波功率筛选与样本相似度计算结合，从回波功率大的训练样本中再次筛选出样本相似度高的训练样本估计杂波协方差矩阵，这样可以加深滤波器凹口，充分抑制功率非均匀的强杂波，同时保证挑选出的训练样本可以和待测距离单元的杂波具有相同的分布，最后利用GMB-JDL的方法实现低空风切变风速的有效估计，降低了对训练样本数的需求，文中的仿真及实验结果证明了所提方法的有效性。