基于俯仰维信息的机载气象雷达目标检测

发布时间：2024-03-23 22:06

　　机载气象雷达系统能够在飞行中实现对气象目标的探测。然而,近地气象目标易受到强地杂波干扰,从而导致目标信息的缺失和检测虚警。为了实现地杂波背景中气象目标的准确检测,本文提出了一种基于俯仰通道干涉相位的空域气象目标检测技术。首先利用俯仰双通道系统获取雷达回波数据,经过多视处理后生成干涉相位图,对干涉相位图进行干涉相位补偿后得到待检测的干涉相位数据;然后将干涉相位作为检验统计量,解析高斯杂波背景下地杂波与气象目标的干涉相位统计特性;最后嵌入该统计特性至恒虚警率检测器中,实现气象目标的鲁棒检测。多组仿真与实测数据处理结果表明,相较于其他气象目标检测方法,所提方法具有更高的检测概率和更好的鲁棒性。

【文章页数】：10 页

【部分图文】：

图１三维空间几何接收模型

图１三维空间几何接收模型２干涉相位统计特性分析统计特性分析对于ＣＦＡＲ检测器的设计尤为重要［１６－１８］。本文的重点在于获得气象目标湮没于地杂波时混合信号的概率密度函数（ＰｒｏｂａｂｉｌｉｔｙＤｅｎｓｉｔｙＦｕｎｃｔｉｏｎ，ＰＤＦ）。由于实测数据中不可避免地存在着多种干扰［１９］....

图２有无气象目标时干涉相位概率密度分布示例图

具有相同的形式，但由于气象目标分量的存在，所涉及的参数会存在一些变化。根据式（１５），混合信号的干涉相位的ＰＤＦ可以表示为ｐ１（φ）＝Γｎ＋１２（）１－ρ２ｗ＋ｃ（）ｎρｗ＋ｃｃｏｓφ－φｗ＋ｃ（）２槡πΓｎ（）１－ρ２ｗ＋ｃｃｏｓ２φ－φｗ＋ｃ（）（）ｎ＋１２＋１－ρ２ｗ＋ｃ（....

图３ρ＾ｃ的概率密度分布特性分析

（ａ）估计的ρ＾ｃ均值与理论值ρｃ之间的误差随多视数和理论值ρｃ的变化趋势（ｂ）估计的ρ＾ｃ方差随多视数和理论值ρｃ的变化趋势图３ρ＾ｃ的概率密度分布特性分析此外，式（１１）和式（１８）中的ｎ代表独立样本数量，即有效多视数。通常情况下，用于估计协方差矩阵的样本并不总是统计独立的。....

图４基于干涉相位的空域气象目标检测算法流程图

ＰＯＤ＝ＴＰＴＰ＋ＦＮ＝１－∫φＴ－φＴｐ１φ（）ｄφ（２２）ＰＦＡ＝ＦＰＦＰ＋ＴＮ＝１－∫φＴ－φＴｐ０φ（）ｄφ（２３）式中，φＴ代表检测门限。ＴＰ和ＴＮ分别表示正确检测为气象目标和地杂波，ＦＰ和ＦＮ则表示检测过程中产生的虚警和漏检。此ＣＦＡＲ检测器对应的判决规则可以描述为φ....

本文编号：3936535