雷达低可观测目标探测技术简析

雷达低可观测目标探测技术简析

孟伟，赵俊

陕西黄河集团有限公司设计研究所，710043，陕西西安

摘要:低可观测目标具有隐蔽性好、目标识别困难等特点，雷达对其探测难度大，但并不意味着其不能探测。雷达低可观测目标探测技术包括雷达极化匹配、雷达波束跟踪和信号处理三个部分。本文在分析低可观测目标电磁特性的基础上，介绍了常见的雷达极化匹配和波束跟踪技术，分析了基于信号处理的目标识别技术，并对低可观测目标探测的未来发展进行了展望。

关键词:雷达低可观测；目标探测；技术简析

随着雷达技术的发展，常规雷达已经难以有效应对低可观测目标的威胁。研究表明，低可观测目标的雷达回波功率密度与常规目标相比至少是其数倍到数十倍。这些低可观测目标包括各种类型的无人机、飞艇、飞机、无人潜航器等，其通常采用伪装手段，并采用隐身设计。此外，还有一些低可观测目标利用地形地物等进行伪装。低可观测目标的这些特性使得传统雷达难以有效探测。对于低可观目标的探测，一直以来都是雷达研究领域的热点和难点问题，国内外均开展了大量的研究工作。近年来，随着光电技术和电子学技术的发展，传统雷达对低可观目标探测技术已取得了长足进步。但由于低可观测目标具有较好的电磁隐身能力、隐蔽性强等特点，传统雷达在应对低可观测目标时存在探测难度大、无法有效识别等问题，因此在现有基础上，需要寻求新的方法来解决这些问题。

1.低可观测目标电磁特性

雷达对低可观测目标的探测主要包括对其发射信号和接收信号的分析。传统雷达发射信号为单载波，其信号形式为连续波，且功率较大，发射信号的带宽较宽。而低可观测目标由于其尺寸较小，且在设计时采用了各种手段来降低雷达的探测距离，其发射信号频率很低，通常在数百MHz以下，发射功率小，带宽窄。这使得雷达难以在很宽的频率范围内对目标进行探测。同时，由于低可观测目标的雷达散射截面（RCS）与目标尺寸成正比，目标尺寸越小，散射截面越大。因此，在较低的带宽内想要对目标进行探测时，需采用其他的探测方法。此外，低可观测目标具有较强的散射性，可以对雷达信号进行散射衰减处理。所以，采用极化方式对其进行探测时也存在一定的问题。由于不同极化方式的回波信号有不同的极化特性和特征信息，因此需要进行极化匹配来对低可观测目标进行识别。

2.雷达极化匹配技术

在雷达信号处理过程中，极化匹配是指通过对不同极化状态目标回波的检测与提取，实现目标极化特征的提取和参数估计，最终实现目标极化特征的提取和识别。雷达极化匹配技术主要分为两类：一类是利用信号处理方法直接进行目标极化特征提取；另一类是利用目标极化特征参数估计方法来实现目标极化特征提取和参数估计。常用的雷达极化匹配方法有：基于自适应波束形成的极化超分辨技术、基于多维尺度分析的极化超分辨技术、基于机器学习的极化超分辨技术等。

3.雷达波束跟踪

雷达波束跟踪技术是一种通过对雷达波信号的跟踪来实现对目标位置和速度信息的检测和估计的技术。它通过将雷达波信号分解成多个波长，并将每个波长作为目标的信息，来实现对目标的检测和估计。雷达波束跟踪技术具有以下几个优点：（一）精度高：雷达波束跟踪技术可以精确地跟踪目标，不受天气、地形和其他外界因素的影响。（二）体积小：雷达波束跟踪技术通常采用小型传感器，因此可以减小雷达的体积和重量。（三）易于实现：雷达波束跟踪技术可以通过简单的硬件实现，容易实现且成本低。（四）可靠性高：雷达波束跟踪技术通常采用高可靠性的硬件设备，因此具有较高的可靠性。但是，雷达波束跟踪技术也存在一些挑战，如信号干扰、环境噪声等因素会对跟踪精度产生影响。因此，在实际应用中需要根据实际情况进行选择和优化。

4.基于信号处理的目标识别技术

在雷达对低可观测目标进行探测的过程中，由于目标的杂波和噪声干扰等因素的影响，使得雷达回波信号的特征提取困难，传统的目标识别方法不能对回波信号进行有效特征提取。目前，基于信号处理的目标识别方法主要包括统计模式识别、神经网络识别和支持向量机识别等。统计模式识别是通过对雷达回波信号的统计特征进行分析和提取，对目标进行分类。该方法具有计算简单、识别准确率高、抗噪性强等优点。神经网络识别是通过对雷达回波信号的非线性映射关系建立模型，通过模型实现对目标的分类。该方法具有较好的非线性映射关系和较强的分类能力，但目前该方法在低信噪比、高噪声背景下具有一定局限性。

5.未来发展展望

从未来发展来看，随着电子信息技术的快速发展，雷达将迎来新一轮的变革，低可观测目标探测技术也将迎来新的发展机遇。（一）雷达极化匹配技术将在现有极化天线的基础上，通过对极化天线阵列进行合理布局、控制和优化，并结合先进的信号处理技术，使其在满足性能要求的前提下，尽可能地降低极化匹配的复杂度。（二）极化跟踪技术将突破常规的波束跟踪方法，通过对目标特性参数进行有效分析、识别和提取，从而实现对目标的高精度跟踪。（三）基于信号处理技术的低可观测目标检测与识别方法将取得重大突破。随着人工智能技术和深度学习技术在雷达领域中的应用，信号处理技术将在低可观测目标检测与识别中发挥越来越重要的作用。

结束语:

综上所述，由于低可观测目标的隐蔽性、复杂环境下的目标识别能力、隐身性能等特点，导致其对雷达的威胁不断增大。虽然雷达对低可观测目标探测难度大，但并非无法实现，需要在原有的基础上进行改进，如极化匹配技术和波束跟踪技术。对于极化匹配技术，可以通过采用多频信号等方式来提高极化效率；对于波束跟踪技术，可以采用提高目标距离分辨能力、降低杂波干扰等方式来提高跟踪精度。对于信号处理技术，可以通过采用超分辨信号处理方法、空时信号处理方法等来提高目标检测和识别性能。为了更好地应对低可观测目标的威胁，雷达还应进一步探索新的探测技术和方法，并在理论和技术上进一步发展，以提高雷达对低可观测目标探测能力。

参考文献:

[1]陈小龙,关键,黄勇等.雷达低可观测动目标精细化处理及应用[J].科技导报,2017,35(20):19-27.

[2]陈小龙,关键,黄勇等.雷达低可观测目标探测技术[C]//中国科学技术协会,吉林省人民政府.第十九届中国科协年会——分4信息新技术东北新工业论坛论文集.[出版者不详],2017:169-174.

[3]孙殿星,王国宏,涂三军等.基于雷达组网的低可观测目标跟踪技术研究[J].电光与控制,2016,23(04):6-11+27.