比较后输出，经比较器量化后有逆程取样控制选投票那个雷达休止期的量化输出，送入虚拟脉冲计数器去量化输出的积累实践要长达几千到几万个时间量化单元，以精确测定虚警频率。计数器在计数之前，已进行预置的预置数为在给定虚警概率Pn和设定的总单元数m条件下的总虚警概率次数。计数器采用减计数器，即每出现一个虚警脉冲，计数器减1。注意几种情况：
若比较器的门限恰与的虚警概率Pn想适应，则在m个时间单元结束时，计数器的结果应近于０；
若门限过高，计数器有正数；门限过低，则计数器余有负数。 意即计数结果为虚警脉冲数之差值。在加法器中，将门限寄存器中原有的存数减去此差值后再送回门限积存器存储，同时经A/D变换，形成调整后的门限电压。可见，当门限偏高，差值为正，相减后门限寄存器的数值减小，门限Um0随之下降，反之亦然，从而达到门限自动调节的目的。图5－21中的动态门限控制可有距离计数器或计算机控制，例如，可接入（如同真海浪随距离增大，其反射功率呈R-4指数律减小）按R-4的规律变化的伪STC控制，亦可受距档按键控制，以适应因距档不同及其相应的发射脉宽、时间量化单元等的不同而引起的虚警率变化。由于热噪声电平自动调整的时间常数远大于脉冲重复周期（以雷达重复周期为1000?s为例，每200个扫描周期即0.2sec才调整一次门限，且调节量不大），故该门限控制称为慢门限控制，用它进行处理的，称慢门限CFAR处理。其原理简框如图（5－21）﹙b﹚所示。
将图（5－21）﹙a﹚中的的虚线框抽出，并称其为“慢门限电压产生电路”，如图﹙b﹚所示。单独画出简图，只为了看得更清楚，其工作原理就无需多说了。 3）快门限CFAR处理
船用雷达所面临海浪、雨雪等外部干扰杂波，在一次距离扫描期内，在强度上就有明显的变化，此类干扰杂波与缓慢变化的内部噪声相比，属于快变化杂波，且在雷达距离扫描周期内，杂波的强度非常大，属于快变化杂波，相应的必须采用快变化门限处理方法；杂波的幅度统计分布特性十分复杂，因此，快变化门限处理的种类很多，以分别应对不同幅度统计特性的海浪、雨雪杂波。
下面先讨论各种处理的数学模型，再谈曾出现过的主要处理法，只谈要点，不做详细讨论，最后给出现代船用雷达常采用的基于FPGA处理法的一些处理实例。
瑞利杂波的快门限CFAR处理 ⑴邻近单元平均CFAR处理
前已提及，雨雪及低分辨力雷达的海浪杂波均服从瑞利分布，其概率密度函数为
exp(-u2/2) 式（5–52）
若将随机变量uC由s作归一化处理，引入新变量
uC=
则uC的概率密度函数为
uCs 式（5–53）
31
p(uC)=uCexp(-u2/2) 式（5–54）
可见，新变量uC的概率密度函数与杂波强度无关。亦即，只要从uC中找到检波后高斯噪声的均方值s 值，再由uC由s作归一化处理，给定门限v，即可根据是否满足
uC?v 式（5–55） ?
来判定目标之有无。
若用瑞利分布均值，则可用下式作为
v来判定目标之有无。
uC ?v1 式（5–56）
E(uC)
L由上可见，只要将获得对平均值进行的估值E(uc)替代E(uc)，再进行归一化处理，并与固定门限V（v1） 进行比较，即可达到CFAR处理的目的。机内噪声、雨雪杂波以及许多情况下的海杂波的杂波幅度分布均服从瑞利分布，瑞利分布的CFAR是一种常用的基本的CFAR处理方法，可构成针对瑞利杂波的邻近单元平均CFAR处理的原理框图如图（5－22）所示。
图5－22 邻近单元平均CFAR处理的原理框图
按照概率论的分析，对瑞利分布的杂波，取其幅度与均值的壁纸作为一个新的随机变量，当该随机变量达到门限的概率（虚警概率）完全取决于门限电平的大小，由此实现了完全由门限控制的恒虚警率。图（5－22）中的电路即照这一原理进行设计。由图可见，移位寄存器接成串行输入并行输出，位于中心的“S0”为待检测信号，中心前后共2N个参考单元的样值经求均运算后作为待检测信号所处的杂波均值估计，后者乘以L后作为信号检测门限，并由L控制，判决输出的虚警概率达到恒定。所有的输入信号鱼贯式依次进入检测单元，并与前后邻近参考单元得出的杂波均值进行比较判别。由于信号检测门限是随杂波均值的变化而作自适应调整的，而杂波均值是通过邻近参考单元求得的，因此这一自适应杂波处理电
32
路亦称单元平均的CFAR。
在上述进行的恒虚警检测是进一步通过积累进行目标的最终检测的基础。或者说，恒虚警的自适应门限只是第一级的检测门限。
为简化上述模拟法快速除法电路实现的困难，可采用下述的减法对数运算处理。按照式式（5–52）所描述的瑞利分布概率密度函数，CFAR处理亦可在ADSP-TS201上的实现。从ADSP-TS201与ADSP-TS101性能相比中可以看出，在运行速度、存储器结构和链路口结构上前者与后者有差别，如表5—1所列。通过比较可以看出选用ADSP-TS201的性能比较好。
? 运算量、存储量分析及时间估计：先分析选大单元平均CFAR的运算量和时间。以某一
重复周期为184μs，无模糊距离为14.96nm（27.6 km），整个距离的数据量约为3.6 K个32 bit的字。处理一帧数据的时间约185.5 ms。经多普勒补偿后数据量翻倍，实际处理一帧数据(定浮点转换、取模、CFAR)的时间约为314.5 ms。Kejian ,仅用一片ADSP-TS201是无法实现的；再分析杂波图的存储量。将雷达周围的二维平面划分为6个扫描区，每个扫描区有91个波位，每个波位存10层(前后各5层)杂波数据。若一个杂波图单元由2个分辨单元组成，则一个杂波图单元存储16 bit，一个扫描区最大存储量约为30 M，ADSP-TS201内存不能存储杂波图数据。
? 硬件实现：采用两片ADSP-TS201实现硬件设计，每个处理器都连接一个32 MB×16 bit
的SDRAM。硬件连接图如图5－23所示。
图5－23 采用两片ADSP-TS201的硬件连接图
33
图（5－23）中，L表示链路口；F表示FLAG引脚；I表示外部中断引脚；IO表示输入输出引脚；DATA表示数据口。
?软件实现：软件设计主要实现：定浮点转换、取模、杂波图检测以及CFAR处理。每部
分程序都是一个子程序，便于调用、调试。考虑到实时性要求，程序采用汇编语言，片内利用ADSP-TS201的X，Y双运算块并行运算。由于选大单元平均CFAR处理要对两侧L个临近单元求和，取模可直接求和，把取模和CFAR用一个子程序完成，减少了读取数据的时间。图2、图3分别为DSP1、DSP2的软件处理流图。
⑵对数CFAR处理
将如式（5–52）所示的瑞利杂波的概率密度函数，经过对数放大，等效为如下变换
W=ALn(uC) 式（5–57）
式中，A、B为放大器的特性参数；
uC为输入杂波信号幅度； W为输出杂波信号幅度
∵ pW()dW=p(uC)duC，∴可得放大器输出端的杂波信号W的概率密度函数为
p(W)=p(uC)duCdW=ABe2wAexp轾e2wA犏-犏2222s2B犏臌s 式（5–58）
W的均值为
E(W)=ò-￥￥Wp(W)dW=A轾Ln2B2s2-C 式（5–59） 犏2臌()
式中 c≈0.577 为欧拉常数。 W的均方值为
￥22E(W)=ò-￥Wp(W)dW22AA222=Ln2Bs+2Ln2()+
A22(C2+p22(2B2s2)(-C) 式（5–60）
6)式（5–60）表示，输出杂波的均值随输入杂波信号的强度s2变化。 W的方差为
D(W)=EW(2E(W) )-轾犏臌2
将式（5–59）及式（5–60）代入上式，可得
34
D(W)=A2p224 式（5–61）
可见，输出杂波的方差与输入的杂波无关，而是仅决定于对数放大器特性的常数。 上述表明，只要将杂波减去其均值，直流下起伏方差，即可实现CFAR处理的目的。针对瑞利杂波的一种对数CFAR处理实现的原理框图如图5－24所示。
图5－24 对数CFAR处理实现的原理框图
从图可见，此处是用减法替代了前述的除法。后来又用可编程阵列PGA，而今则用现场可编程阵列FPGA。
此外，当海上浪高为1 m～3 m时，垂直极化波引起的海浪干扰杂波最小，故有些10cm雷达采用垂直极化波，利用10cm波长的垂直极化波对海浪干扰的特性来抑制之。垂直极化波常用于港口交通管理系统（VTS）中。
3.海杂波的解相关处理（Constant false alarm Processing）
上述恒虚警率仅依据杂波特性进行设计的，不仅不能改善信杂比，且常常还导致损失。前已提到采用解相关处理可以抑制雨雪干扰，其处理原理亦可用于海浪干扰的抑制，且能提高信杂比，使目标检测环境更优越。从理论上可以采用频率解相关、极化解相关、方位扫描时间解相关等多种解相关方法的相结合以改善杂波处理效果，然而，这些解相关方法对杂波环境的适应性存在局限性，如频率解相关对高分辨力雷达的效果甚微，极化解相关处理的效果随海况实情而变，方位扫描周期接相关是将不同方位扫描周期的回波信号进行解相关处理，能够得到海浪干扰的抑制效果，前已提到的图（5－16）抑制同频雷达干扰的解相关处理原理示意图实为时间解相关，达到去干扰、保目标的目的。
但方位扫描周期解相关能够抑制海杂波干扰，但容易丢失处在快速运动中的小目标，且不能消除杂波的直流成分。因此，在实际应用中，宜采用多种解相关方法相结合，进行综合解相关处理能较好改善杂波抑制的效果，而多种综合解相关需要的设备复杂，付出的代价较大。在船用雷达中未见应用。
35
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库雷达信号处理(7)在线全文阅读。
相关推荐：