复杂地形环境下基于GAMP...P的低空风切变风速估计方法_李海.pdf

复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法李 海*谢瑞杰 谢伶莉 孟凡旺(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)(中国航空工业集团公司雷华电子技术研究所 无锡 214063)摘 要：针对机载气象雷达在复杂的地形环境下探测低空风切变时，地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本，导致空时自适应处理(STAP)杂波抑制性能变差，使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性，提出一种广义近似消息传递(GAMP)STAP方法，GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典，然后在贝叶斯框架下利用GAMP算法估计杂波幅度，恢复杂波功率谱，进而计算杂波协方差矩阵，最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。关键词：机载气象雷达；风速估计；非均匀地杂波；广义近似消息传递中图分类号：TN959.4文献标识码：A文章编号：1009-5896(2023)02-0576-09DOI:10.11999/JEIT211500Low-altitude Wind Shear Wind Speed Estimation Method Based onGAMP-STAP in Complex Terrain EnvironmentLI Hai XIE Ruijie XIE Lingli MENG Fanwang(Tianjin Key Laboratory for Advanced Signal Processing,Civil Aviation University of China,Tianjin 300300,China)(Aviation Industry Corporation of China Leihua Electronic Technology Research Institute,Wuxi 214063,China)Abstract:When airborne weather radar is used to detect low-altitude wind shear under complex terrainenvironment,ground clutter presents non-uniform characteristics and it is difficult to obtain enoughIndependent Identically Distributed(IID)samples,which affects the clutter suppression effect of Space-TimeAdaptive Processing and makes the estimation of wind shear wind speed inaccurate.Based on the sparsecharacteristics of clutter signals,a Generalized Approximate Message Passing(GAMP)Space-Time AdaptiveProcessing(STAP)method is proposed in this paper.GAMP-STAP achieves accurate estimation of wind speedin complex terrain environment with only a small number of samples.Firstly,a sparse dictionary is constructedbased on the prior information of the clutter ridge,then GAMP algorithm is used to estimate the clutteramplitude and recover the clutter power spectrum under the Bayesian framework,and then the cluttercovariance matrix is calculated.Finally,STAP filter is constructed to achieve clutter suppression and windshear wind speed estimation.Simulation results show the effectiveness of the proposed method.Key words:Airborne weather radar;Wind speed estimation;Non-uniform clutter;Generalized ApproximateMessage Passing(GAMP)收稿日期：2021-12-13；改回日期：2022-06-23；网络出版：2022-07-19*通信作者：李海基金项目：民机项目(MJ-2018-S-28)，天津市自然基金重点项目(20JCZDJC00490)，航空基金项目(20182067008)，中央高校基本科研业务费项目(3122015B002)Foundation Items:The Civil Aircraft Project(MJ-2018-S-28),The Key Projects of Tianjin Natural Fund(20JCZDJC00490),The AviationFoundation of China(20182067008),The Basic Scientific Research Project of Universities of The CPC Central Committee(3122015B002)第45卷第2期电 子 与 信 息 学 报Vol.45No.22023年2月Journal of Electronics&Information TechnologyFeb.2023 1 引言低空风切变是影响民航运输安全和效率的危险天气之一，其具有持续时间短、作用距离小、瞬时强度大、变化多端、危害性强等典型特征1。当飞机在起降过程遭遇风切变时，由于此时飞行高度低，飞行员缺乏足够的时间和空间调整飞机姿态，从而导致飞行事故的发生，因而低空风切变检测和预警成为民航安全领域的重要课题。而风切变风速估计是风切变检测和预警的基础，因此，准确估计风速至关重要。近年来，我国大力推进机场建设，中西部高原地区需建设的机场越来越多2。建设在高原地区的机场，由于海拔较高，机场接近大气层的中层，乱流多，风场变化大，低空风切变明显，同时复杂的地形环境增大风切变的探测难度，严重威胁航空安全。机载气象雷达作为飞行气象环境实时探测的重要手段，探测低空风切变时，处于下视工作模式，风切变目标淹没在强地杂波中，因此首先需要杂波抑制然后估计风速。而高原机场复杂的地形环境，增大了地杂波的非均匀性，也会使风切变的类型变为更加复杂的非对称型风切变，进一步增大杂波抑制风速估计的难度，从而影响风切变检测的可靠性。对于相控阵体制的机载气象雷达，空时自适应处理(Space-Time Adaptive Processing,STAP)技术3可以在空时联合域中获得更好的地杂波抑制效果。STAP技术最优权矢量依赖于杂波协方差矩阵(Clutter Covariance Catrix,CCM)的准确估计4。但是传统STAP技术要求独立同分布(IndependentIdentically Distributed,IID)样本达到系统自由度(Degree Of Freedom,DOF)2倍或以上5才能准确的估计杂波协方差矩阵，以构造STAP滤波器。而在复杂地形环境下，由于地杂波的非均匀性和IID样本数严重匮乏，无法满足该条件。因此，探讨复杂地形环境情况下的低空风切变风速估计具有十分重要的意义。目前，对于非均匀环境下的STAP目标检测技术主要有非均匀STAP6、降秩STAP7、降维STAP8、知识辅助STAP(Knowledge-AssistedSTAP,KA-STAP)9,10、稀疏STAP11。单样本直接数据域(Direct Data Domain,DDD)非均匀STAP方法有效地消除了杂波非均匀的影响，但在空时域滑窗得到IID样本会存在孔径损失问题且受空域和时域自由度的影响较大，影响杂波抑制的性能。对角加载样本协方差矩阵求逆(LoadedSampling Covariance Matrix Inversion,LSMI)的降秩STAP和多通道联合自适应处理(MultipleDoppler Channels Joint Adaptive Processing,M-CAP)的降维STAP方法都减少了杂波协方差矩阵估计的IID样本数，但是，所需样本的数量仍然较多。知识辅助STAP(Knowledge-Assisted STAP,KA-STAP)方法利用地面杂波先验信息，减少估计杂波协方差矩阵的样本数需求，能够很好地估计出风速。然而复杂环境的无法预料可能导致IID训练样本严重不足，并且无法获取外界地理环境知识的辅助，无法满足KA-STAP的条件。稀疏STAP方法利用杂波空时功率谱的稀疏特性可在极少样本情况下高精度地恢复出杂波协方差矩阵，因而利用稀疏恢复STAP可提高复杂非均匀地形环境下杂波抑制与目标检测性能。然而传统稀疏恢复类算法12，如加权二范数最小化(FOCal UnderdeterminedSystem Solver,FOCUSS)算法 13、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法 14等方法面临计算复杂度高且正则化参数设置难的问题；稀疏贝叶斯学习方法15(Sparse Bayesian Learning,SBL)，无须设置正则化参数，性能稳健，但是SBL每次迭代都伴随着矩阵逆运算，因此随着问题维度的增加，将导致很高的计算量，从而无法进行实时处理。针对上述稀疏恢复算法参数设置困难和运算量大的不足，本文提出了一种基于广义近似消息传递(Generalized Approximate Message Passing,GAMP)STAP的方法。GAMP是近似消息传递算法16的推广，稀疏恢复问题中，GAMP能够有效近似计算边缘后验分布，将其运用于稀疏恢复算法，可以减少算法复杂度17。因此本文利用GAMP算法开发低复杂度稀疏贝叶斯学习算法，该方法采用高斯混合稀疏先验模型，将GAMP嵌入到EM(Ex-pectation-Maximization)框架中，通过GAMP迭代得到稀疏系数矢量后验分布的近似18。从而规避了传统SBL算法中矩阵求逆运算，显著地降低了运算时间。此外，引入了飞机飞行参数和雷达系统参数辅助GAMP-STAP中空时导向字典的构造，以避免网格失配和字典间相关性太强进而导致稀疏恢复算法性能下降的问题。该方法实现了复杂地形环境下杂波协方差矩阵的准确估计，有效地提高了STAP抑制杂波估计风速的性能。2 机载气象雷达回波信号模型0l机载雷达前视阵由N元均匀线阵组成，其探测低空风切变时如图1，机载平台高度为H，速度为V，,分别表示风切变目标的方位角和俯仰角，和 分别表示地面散射体的方位角和俯仰角。相第2期李 海等：复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法577frl(1,2,.,L)yl干脉冲数为K，脉冲重复频率为，相干处理时间有L个距离单元，第个距离单元空时快拍数据表示为yl=sl+cl+nl(1)nlsllcl其中，为高斯白噪声，为第 个距离单元的风切变信号，为非均匀地杂波信号，本文采用Ward模型融合DEM和NLCD数据仿真高保真地杂波信号19。sl表示为sl=Al(0,fl)=At(fl)As(0,l)(2)