下载文档原格式
第二章机载相控阵雷达杂波建模与仿真§2.1引言众所周知，雷达体制及工作环境不同，雷达杂波的特性也不同。
机载雷达工作在下视状态，地（海）杂波是影响雷达探测性能的主要因素，因此，在研究AEW雷达CFAR检测算法之前，有必要获得对雷达杂波特性的充分认识。
鉴于机载雷达的杂波与反射地类有关且随时间变化，即不同的地类（如海洋和高山）有不同的分布特性，同一地类在不同时刻分布参数也有变化。
研究雷达杂波特性的方式有两种，一是对实际测量的杂波数据进行统计分析，二是结合AEW 雷达的实际体制与参数，对不同地类（如沙漠、农田、海洋、丘陵和高山等）用不同的杂波起伏模型进行建模与仿真。
相比较实测数据而言，仿真数据虽然不能完全真实地反映实际环境中的复杂情况，但其也有自身的优点，如参数可以灵活控制、代价小等。
长期以来，国内外雷达界同行在雷达杂波特性分析方面做了大量的工作，建立了一系列的杂波模型。
随着雷达新体制的不断涌现，对雷达杂波特性的研究也在不断的深入。
新一代AEW雷达采用相控阵和脉冲多普勒（PD）体制。
有关机载相控阵雷达杂波仿真问题，在以往的文献中已有涉及[115~117]。
其中，文献[115]对有关雷达杂波仿真的方法进行了较为全面和详细的介绍，文献[116]讨论了平面相控阵机载雷达二维杂波数据仿真的数学模型。
该模型考虑到了阵元幅相误差以及载机的姿态变化等因素，具有一定的通用性。
但该模型只假设杂波的功率谱为高斯分布，幅度上无起伏，而没有考虑非高斯过程。
文献[117]建立了比较了完整的杂波数据库，但该文也只重点讨论了二维杂波谱的特性。
由于我们的目的是进行CFAR检测方法研究，所以我们从另一个角度出发，重点讨论了杂波数据的概率密度函数，我们还给出了仿真杂波数据的幅度图和概率密度图以及一些结论。
本章主要对机载相控阵雷达在不同地类和不同起伏模型下的杂波进行建模与仿真，目的是建立起比较完整的杂波仿真平台和杂波数据库，为后续的CFAR算法研究提供支撑。
《杂波建模与仿真技术及其在雷达信号模拟器中的应用研究》篇一一、引言随着雷达技术的快速发展，杂波的建模与仿真技术已经成为雷达信号处理中的重要一环。
杂波的准确模拟不仅对雷达目标检测和跟踪有着重要影响，同时对于提高雷达系统的性能也具有重要意义。
本文旨在探讨杂波建模与仿真技术的原理、方法及其在雷达信号模拟器中的应用研究。
二、杂波建模与仿真技术概述杂波建模与仿真技术是利用数学模型和计算机技术，模拟出雷达系统中杂波的特性。
杂波主要包括地杂波、海杂波、气象杂波等，这些杂波对雷达系统的性能产生重要影响。
杂波建模与仿真技术的目的是为了更准确地模拟出这些杂波的特性，以便于进行雷达系统的设计和优化。
三、杂波建模的方法杂波建模的方法主要包括统计模型和物理模型两种。
统计模型是通过分析杂波的统计特性，如均值、方差、协方差等，来建立杂波模型。
物理模型则是根据杂波产生的物理过程，如散射、反射等，来建立杂波模型。
这两种模型各有优缺点，应根据具体的应用场景选择合适的模型。
四、仿真技术的实现仿真技术的实现主要包括数学建模、算法设计和计算机仿真三个步骤。
首先，根据杂波的特性建立数学模型；其次，设计合适的算法来模拟杂波的产生和传播过程；最后，利用计算机技术实现仿真过程。
在仿真过程中，需要考虑到仿真精度、计算效率等因素。
五、在雷达信号模拟器中的应用雷达信号模拟器是用于模拟雷达系统中的各种信号和杂波的设备。
杂波建模与仿真技术在雷达信号模拟器中的应用，可以帮助研究人员更好地理解和分析雷达系统的性能。
通过模拟出各种复杂的杂波环境，可以对雷达系统的目标检测、跟踪、抗干扰等性能进行评估。
同时，还可以用于训练和测试雷达系统的性能。
六、实例分析以某型雷达系统为例，介绍杂波建模与仿真技术在其中的应用。
首先，根据实际的地形、气象等条件，建立相应的杂波模型；其次，设计合适的算法来模拟杂波的产生和传播过程；最后，利用雷达信号模拟器进行仿真。
通过对比实际雷达系统的性能和仿真结果，可以验证杂波建模与仿真技术的有效性和准确性。
某机场地杂波分析及仿真作者：吴畏卜凡湘魏祥利来源：《电子技术与软件工程》2016年第16期摘要本文通过对某进场雷达外场采集的地杂波数据进行分析，对经典的相关的Weibull分布杂波生成算法进行修正，以模拟生成与采集数据特性接近的地杂波数据。
【关键词】地杂波 Weibull 杂波模拟后向散射系数在雷达系统的研制过程中，雷达系统的功能验证和性能的前提是必须获得雷达目标和背景回波数据。
获取回波数据的途径主要有两种：实际测量，建模仿真。
实际测量的数据真实可靠，然而要获得通用性较强的数据需要进行不同环境多次测量，且成本高，数据量受限，信号模式受限。
而建模仿真技术具有成本低、迭代周期短、灵活且适用范围广等优点，能够大大提高雷达的开发效率，节约成本，势必成为雷达系统进行功能验证和性能测试时获取回波数据的主要途径。
某型号雷达主要功能为引导飞机着陆，而地杂波是其进行信号检测和处理的固有环境。
如何针对该雷达应用场景模拟出适当的杂波数据，对于该系列产品信号处理算法设计验证和性能分析的重要性日益凸显。
本文利用经典的杂波模拟算法，针对应用场景作出调整，生成符合应用场景的杂波特性的杂波数据。
1 某机场外场采集杂波数据特性分析某型号雷达在某机场的工作场景描述如下：飞机跑道正对方向前方3km～15km范围内属于市区，其中5～7km内分布有高层建筑，建筑高度大于60m。
本文重点对5～7km内的数据进行分析。
分析数据的过程如下：先对外场数据进行幅度估计，然后进行统计特性分析和多普勒频谱分析。
图1为外场采集到的高强度的建筑杂波数据（5～7km内）及其特性分析结果。
图1中，（a）为杂波数据幅度估计（部分），（b）为采用特征向量方法估计得到的多普勒功率谱（部分），（c）为杂波数据幅度分布直方图。
从（c）中可以看到，该部分杂波与常见的杂波分布差异较大，因而本文在经典的Weibull 分布杂波模型基础上进行调整，以产生与该场景下特性相近的杂波数据。
第４５卷第６期２０２３年１２月指挥控制与仿真ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆ＳｉｍｕｌａｔｉｏｎＶｏｌ ４５㊀Ｎｏ ６Ｄｅｃ ２０２３文章编号：１６７３⁃３８１９（２０２３）０６⁃０１２８⁃０６杂波仿真在机载预警雷达中的新应用祝㊀欢，张㊀良，吴㊀涛（中国电子科技集团公司第十四研究所，江苏南京㊀２１００００）摘㊀要：介绍了机载预警雷达的特点及面临的杂波抑制难题，回顾了杂波仿真的研究历程，在分析机载预警雷达杂波模型及常规空时自适应杂波抑制方法的基础上，提出了一种基于精细化杂波仿真的认知杂波抑制方法㊂该方法利用数字高程地图数据以及地表覆盖和土地利用数据进行信号级机载雷达杂波反演，补充了均匀杂波样本，提升了非均匀环境下杂波抑制性能，为杂波仿真在机载预警雷达中的应用指出了一种新的途径㊂最后根据典型机载预警雷达参数和典型地理环境，仿真验证了该方法的有效性㊂关键词：机载预警雷达；知识辅助；精细化杂波仿真中图分类号：ＴＮ９５７ ５２㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２３．０６．０１９ＮｅｗａｐｐｌｉｃａｔｉｏｎｓｏｆｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎｉｎａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒＺＨＵＨｕａｎ，ＺＨＡＮＧＬｉａｎｇ，ＷＵＴａｏ（Ｔｈｅ１４ｔｈＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＣｈｉｎａＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙＧｒｏｕｐＣｏｒｐｏｒａｔｉｏｎ，Ｎａｎｊｉｎｇ２１００００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒａｎｄｔｈｅｄｉｆｆｉｃｕｌｔｉｅｓｏｆｃｌｕｔｔｅｒｓｕｐｐｒｅｓｓｉｏｎａｒｅｉｎｔｒｏｄｕｃｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｅｒｅｓｅａｒｃｈｐｒｏｃｅｓｓｏｆｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎｉｓｔｈｅｎｒｅｖｉｅｗｅｄ．Ｏｎｔｈｅｂａｓｉｓｏｆｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｃｌｕｔｔｅｒｍｏｄｅｌｏｆａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒａｎｄｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｃｌｕｔｔｅｒｓｕｐｐｒｅｓｓｉｏｎｍｅｔｈｏｄｓ，ａｃｏｇｎｉｔｉｖｅｃｌｕｔｔｅｒｓｕｐｐｒｅｓｓｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｈｉｇｈｆｉｄｅｌｉｔｙｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｍｅｔｈｏｄｕｓｅｓｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍａｐｄａｔａ，ｌａｎｄｃｏｖｅｒａｎｄｌａｎｄｕｓｅｄａｔａｔｏｃａｒｒｙｏｕｔｓｉｇｎａｌｌｅｖｅｌａｉｒｂｏｒｎｅｒａｄａｒｃｌｕｔｔｅｒｉｎｖｅｒｓｉｏｎ．Ｉｔｓｕｐｐｌｅｍｅｎｔｓｈｏｍｏｇｅｎｅｏｕｓｃｌｕｔｔｅｒｓａｍｐｌｅｓ，ｉｍｐｒｏｖｅｓｃｌｕｔｔｅｒｓｕｐｐｒｅｓｓｉｏｎｐｅｒ⁃ｆｏｒｍａｎｃｅｕｎｄｅｒｈｅｔｅｒｏｇｅｎｅｏｕｓｅｎｖｉｒｏｎｍｅｎｔ，ａｎｄｐｏｉｎｔｓｏｕｔａｎｅｗｗａｙｆｏｒｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎｉｎａｉｒｂｏｒｎｅｅａｒ⁃ｌｙｗａｒｎｉｎｇｒａｄａｒ．Ｆｉｎａｌｌｙ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｔｙｐｉｃａｌｐａｒａｍｅｔｅｒｓｏｆａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒａｎｄｇｅｏｇｒａｐｈｉｃａｌｅｎｖｉｒｏｎｍｅｎｔ，ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｉｓｍｅｔｈｏｄｉｓｖｅｒｉｆｉｅｄｂｙｓｉｍｕｌａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒ；ｋｎｏｗｌｅｄｇｅ⁃ａｉｄｅｄ；ｈｉｇｈｆｉｄｅｌｉｔｙｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎ收稿日期：２０２２⁃１１⁃２３修回日期：２０２２⁃１２⁃０４作者简介：祝㊀欢（１９８３ ），男，博士，正高级工程师，研究方向为机载预警雷达总体技术㊂张㊀良（１９６６ ），男，博士，正高级工程师㊂㊀㊀预警机将预警雷达搬上了空中平台，克服了地基雷达受地球曲率制约导致的低空盲区㊂机载预警雷达的主要使命之一就是探测低空突防的飞机，因此通常处于下视状态㊂由于平台高，速度快，地㊁海杂波几乎扩展到全程范围，并存在较大的多普勒频移且频谱严重展宽，目标落入杂波区后难以检测，杂波影响评估与杂波抑制方法是机载预警雷达研制中的重要课题［１］㊂杂波数据的获取是评估杂波影响和验证杂波抑制方法的前提㊂对于机载预警雷达，组织试飞难度大，实际杂波很难采集㊂２０世纪９０年代，美国通过ＭｏｕｎｔａｉｎＴｏｐ［２］和ＭＡＲＣＡＭ［３］计划采集了机载预警雷达多通道杂波数据，这些数据为杂波抑制研究提供了非常有价值的依据㊂新一代机载预警雷达采用脉冲多普勒（ＰＤ）和有源相控阵体制［４］，对于几百个数字通道来说，由于设备量和存储量有限，无法完成对每个阵元的杂波数据采集任务，机载预警雷达多通道杂波数据主要依靠仿真模拟来获得㊂文献［５］详述了机载ＰＤ雷达的系统组成和杂波谱特征等问题，为机载ＰＤ雷达仿真提供了理论基础㊂文献［６］推导得到了简化杂波功率公式㊂文献［７］推导出了计算任意距离－多普勒网格单元杂波功率的公式，但精度较低且需要大量数值积分，限制了其工程应用㊂文献［８］得到了在平面地球假设下的等距离等多普勒网格单元闭合解，以等距离和等多普勒划分地面网格，解决了地表网格单元面积的问题㊂目前，机载预警雷达最为有效的杂波抑制技术是空时自适应处理技术（ＳＴＡＰ），通过在空域时域联合自适应滤波来抑制杂波㊂ＳＴＡＰ最关键的步骤是协方差矩阵的估计，而协方差矩阵应当通过待检测单元邻近的训练数据来估计㊂ＳＴＡＰ处理信噪比损失小于３ｄＢ需要的均匀样本数为系统自由度的２倍㊂真实的环境复杂多样，地形及地表覆盖的变化引起杂波的非均匀分布，人造建筑等形成强离散杂波，密集的干扰目标污染训练样本等因素使得均匀样本严重不足，导致空时自适应性能急剧下降㊂认知雷达通过感知环境和利用知识为机载预警雷达非杂波抑制提供了一种有效方法［９］㊂认知技术通过杂波仿真的方式增加均匀样本，改善空时自适应处理的杂波抑制性能，为杂波仿真在机载预警雷达中提供第６期指挥控制与仿真１２９㊀了新的应用途径㊂本文给出了机载预警雷达的杂波模型，介绍了ＳＴＡＰ处理技术；介绍了一种杂波仿真的新应用，提出了基于精细化杂波仿真的认知杂波抑制技术；进行了仿真性能分析并进行了总结㊂１㊀机载预警雷达杂波建模及ＳＴＡＰ处理１ １㊀机载预警雷达杂波建模为了建立机载预警雷达杂波模型，给出雷达坐标系如图１所示［１０］图１㊀机载预警雷达坐标系Ｆｉｇ １㊀Ｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍｏｆａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒ假设载机高度为Ｈ，以速度Ｖ匀速运动㊂Ｖ平行于ｘ轴方向，与阵面轴向夹角为α，阵面为一等距线阵，含有Ｎ个阵元，阵元间隔为ｄ㊂设地面上某一散射体俯仰角为θ，方位角为ϕ，锥角为ψ，斜距为Ｒｉ㊂雷达以脉冲重复频率ｆｒ（ＰｕｌｓｅＲｅｐｅｔｉｔｉｏｎＦｒｅｑｕｅｎｃｙ，ＰＲＦ）发射Ｋ个相干脉冲，信号波长为λ㊂雷达接收脉冲串并相关处理接收数据的时间称为相干处理间隔（ＣｏｈｅｒｅｎｔＰｒｏ⁃ｃｅｓｓｉｎｇＩｎｔｅｒｖａｌ，ＣＰＩ）㊂假设雷达和地面散射体之间的角度在ＣＰＩ内是不变的㊂接收信号经过解调和匹配滤波后，第ｎ个阵元接收到的散射体的回波信号与第一个阵元的相位差为Δφ１＝ｊ２πλ（ｎ－１）ｄｃｏｓφｃｏｓθ，ｎ＝１，２， ，Ｎ（１）由于与载机的相对运动，散射体同一阵元不同脉冲回波信号之间由多普勒频率产生的相移为Δφ２＝ｊ２π（ｍ－１）２ＶＴｃｏｓ（φ＋α）ｃｏｓθλ，ｍ＝１， ，Ｍ（２）则位于（φｋ，θｉ）的杂波散射点的采样可以用下式表示为ｃ（φｋ，θｉ）＝αｉｋｅｘｐ（ｊ４πＶλｆｒ[（ｍ－１）ｃｏｓ（φｋ＋α）ｃｏｓθｉ＋ｆｒｄ２Ｖ（ｎ－１）ｃｏｓφｋｃｏｓθｉ]）ｍ＝１， ，Ｍ；ｎ＝１， ，Ｎ（３）式中，αｉｋ表示杂波块的幅度，与功率的关系式为Ｅαｉｋ２{}＝σ２ξｉｋ（４）式中，ξｉｋ为该散射单元的杂噪比（ＣＮＲ），σ２为噪声功率㊂将单个距离环上的杂波分成Ｎｃ块，则杂波块有效雷达截面积为σｉｋ＝σ０（ϕｋ，θｉ）ˑＳｃ＝σ０（ϕｋ，θｉ）ＲｉΔϕΔＲｓｅｃφｉ（５）其中，σ０（φｋ，θｉ）是对应杂波块的地面反射系数，Ｓｃ为杂波块面积，Ｒｉ为杂波块与雷达之间的斜距，Δϕ＝２π／Ｎｃ为每个杂波块的方位角度范围，ΔＲ为雷达的距离分辨率，φｉ为杂波块的擦地角，如图２所示㊂Ｆｉｇ ２㊀Ｇｅｏｍｅｔｒｉｃｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｌｕｔｔｅｒｌｏｏｐａｎｄｇｒａｚｉｎｇａｎｇｌｅ根据雷达方程，可得位于（ϕｋ，θｉ）杂波块的杂噪比ξｉｋ为ξｉｋ＝ＰｔＴｐＧｔ（ϕｋ，θｉ）ｇｔ（ϕｋ，θｉ）λ２σｉｋ（４π）３Ｎ０ＬｓＲ４ｉ（６）其中，Ｐｔ表示发射峰值功率，Ｔｐ为脉冲发射宽度，Ｇｔ（ϕｋ，θｉ）表示发射增益，ｇｔ（ϕｋ，θｉ）表示接收增益，Ｎ０为输入噪声功率，Ｌｓ为系统损失㊂１ ２㊀ＳＴＡＰ杂波抑制由上文中机载预警雷达杂波模型可知，其地杂波与空间角度和多普勒都相关，呈现空时二维耦合特性，传统ＰＤ处理无法抑制㊂而ＳＴＡＰ是机载预警雷达进行杂波和干扰抑制㊁实现目标探测的有效手段［１１］㊂ＳＴＡＰ的目的就是设计一组最佳权向量，然后对各个脉冲匹配滤波输出求和，而这组权向量设计的依据就是使得最终输出的ＳＣＮＲ最大化，如接收阵列为Ｎ个阵元且发射Ｍ个相干脉冲，则就是共ＮＭ个输出加权求和，如图３所示㊂其中，ｘｎ，ｍ表示第ｎ个阵元第ｍ个脉冲匹配滤波输出，则雷达接收的空时数据为１３０㊀祝㊀欢，等：杂波仿真在机载预警雷达中的新应用第４５卷图３㊀空时自适应处理原理示意图Ｆｉｇ ３㊀Ｄｉａｇｒａｍｏｆｓｐａｃｅ⁃ｔｉｍｅａｄａｐｔｉｖｅｐｒｏｃｅｓｓｉｎｇＸ＝ｘ０，０ ｘ０，Ｍ－１︙⋱︙ｘＮ－１，０ｘＮ－１，Ｍ－１éëêêêêùûúúúú对于滤波器中的最优权值，可以解以下优化问题获得：ｍｉｎＷＷＨＲＸＷｓ．ｔ．㊀ＷＨＳ＝１{（７）式中，ＲＸ＝Ｅ（ＸＸＨ）为ＮＭˑＮＭ维空时协方差矩阵，Ｓ为期望目标信号的空时导向矢量：Ｓ＝ｓｓ ｓｔｓｓ＝１ｅｊｗｓｅｊ（Ｎ－１）ｗｓ[]Ｈｓｔ＝１ｅｊｗｔ ｅｊ（Ｍ－１）ｗｔ[]Ｈ（８）式中，ｗｓ为空间归一化角频率，ｗｔ为时间归一化多普勒频率㊂最优权矢量Ｗｏｐｔ为Ｗｏｐｔ＝μＲ－１ＸＳ（９）式中，μ＝１／ＳＨＲ－１ＸＳ为归一化复常数㊂２㊀基于精细化杂波仿真的认知杂波抑制技术传统的杂波仿真通常都是基于平地或者光秃地球的假设，只能定性地用来辅助验证算法，不能逼真地模拟真实地形的杂波数据，无法为雷达提供准确的先验知识㊂如果使用不准确的先验知识，处理性能将会更恶化㊂雷达杂波受雷达系统㊁地形遮挡和地表反射等因素的影响，因此必须依据真实的雷达系统参数㊁真实的数字高程图（ＤＥＭ）和真实的地表覆盖图（ＬＣＬＵ）进行信号级的杂波反演，才能为空时自适应处理提供准确的均匀样本，改善杂波抑制性能［１２］㊂但ＤＥＭ㊁ＬＣＬＵ等外部先验信息与雷达回波在数据类型和数据格式上有很大差别，必须先进行格式转换和坐标变换，在这些先验信息的基础上进行系统建模和环境建模，得到高逼真度信号级杂波反演数据，才能获得准确的均匀杂波样本［１３］㊂因此我们提出了一种基于精细化杂波仿真的认知杂波抑制技术，其原理框图如图４㊂图４㊀基于精细化杂波仿真的认知杂波抑制方法原理框图Ｆｉｇ ４㊀Ｔｈｅｂｌｏｃｋｄｉａｇｒａｍｏｆａｃｏｇｎｉｔｉｖｅｃｌｕｔｔｅｒｓｕｐｐｒｅｓｓｉｏｎｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎｈｉｇｈｆｉｄｅｌｉｔｙｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎ该方法的关键是获取精细化的杂波仿真数据㊂具体可分为六个步骤，仿真流程图如图５所示㊂图５㊀精细化杂波仿真流程图Ｆｉｇ ５㊀Ｔｈｅｆｌｏｗｃｈａｒｔｏｆｈｉｇｈｆｉｄｅｌｉｔｙｃｌｕｔｔｅｒｓｉｍｕｌａｔｉｏｎ１）网格划分：根据雷达照射区域㊁雷达分辨参数在雷达坐标系中进行网格划分，划分出最小散射单元㊂在雷达照射区域内，把地表分成多个ΔＲˑΔθ的栅格单元（其中ΔＲ和Δθ分别是雷达的角度和距离分辨力）㊂每个单元的天线增益㊁多普勒频移㊁距离㊁入射角㊁杂波散射率为一常数㊂确定栅格单元的方法如下：①确定ΔＲ㊂在地表面的距离环按雷达距离分辨单元划分㊂若脉冲压缩后的脉冲宽度为τ，则距离分辨单元为ΔＲ＝ｃτ２㊂②确定Δθ㊂整个距离环的俯仰角固定，方位角为在３６０ʎ范围内变化㊂选取合适的方位角变化量Δθ，使在空间的单独杂波源基本不能作多普勒分辨㊂第６期指挥控制与仿真１３１㊀２）坐标变换：将散射单元转换到大地坐标系中㊂根据雷达的ＧＰＳ和惯导信息，将散射单元从雷达坐标系转换到载机坐标系再到北东地坐标系惯性坐标系，再转到地心直角坐标系（ＥＣＥＦ），最后到大地坐标系（经纬高）㊂３）ＤＥＭ插值及散射系数计算：利用ＤＥＭ信息对转换到大地坐标系的散射单元计算相应的高程值，并根据ＬＣＬＵ计算散射单元的散射系数㊂其具体方法如下：①ＤＥＭ插值：根据ＤＥＭ信息库信息进行插值；如图６所示，先判断散射单元Ｐ所处的经纬度网格，然后进行内插点归一化：ｘ＝ｘＰ－ｘ１ｇ，ｙ＝ｙＰ－ｙ１ｇ（１０）则内插Ｐ点的高程为ＨＰ＝Ｈ１＋（Ｈ４－Ｈ１）ｘ＋（Ｈ２－Ｈ１） ｙ＋－Ｈ＋Ｈ－Ｈｙ（１１）图６㊀ＤＥＭ插值示意图Ｆｉｇ ６㊀ＴｈｅｄｉａｇｒａｍｏｆＤＥＭｉｎｔｅｒｐｏｌａｔｉｏｎ②散射系数计算：根据地表信息计算散射单元的散射系数㊂根据地表信息进行分类，以平原㊁丘陵和高原三类为例，运用修正的Ｍｏｃｈｉｎ模型计算散射系数：σ０＝Ａσ０ｃｓｉｎθλ＋ｆ４．７ｃｏｔ２β０ｅｘｐ［－ｔａｎ２（Ｂ－θ）ｔａｎ２β０］（１２）其中，θ为散射单元的擦地角，ｆ为雷达载频，其他系数与地形分类相关，如表１所示㊂表１㊀修正Ｍｏｃｈｉｎ模型不同地类的系数Ｔａｂ １㊀ＴｈｅｍｏｄｉｆｉｅｄＭｏｃｈｉｎｍｏｄｅｌｃｏｅｆｆｉｃｉｅｎｔｓｆｏｒｄｉｆｆｅｒｅｎｔｌａｎｄｔｙｐｅｓ地类ＡＢβ０σ０ｃ平原０．００４０π／２０．２０１丘陵０．０１２６π／２０．４０１高山０．０４００１．２４０．５０１㊀４）遮挡计算：根据各散射单元的数字高程值，利用射线追踪法计算遮挡㊂以雷达为中心的射线经过的散射单元，计算每个散射单元的入射线的俯仰角，对比当前杂波点和前面所有杂波点的入射线的俯仰角，确认遮挡系数矩阵，如果有一个角比当前杂波点的入射线的俯仰角大，则被遮挡，遮挡系数为０，否则就没有被遮挡，遮挡系数为１㊂示意图如图７所示㊂图７㊀遮挡示意图Ｆｉｇ ７㊀Ｔｈｅｄｉａｇｒａｍｏｆｔｅｒｒａｉｎｍａｓｋｉｎｇ５）杂波功率计算：根据雷达方程计算各散射点的杂波功率㊂Ｐｃ（ϕ，θ）＝ＰｔＧ２（ϕ，θ）λ２σｃ（４π）３ＬｃＲ４（１３）其中，Ｐｔ为雷达发射的峰值功率，Ｇ（ϕ，θ）为天线在（ϕ，θ）处的增益，l 为雷达工作波长，σｃ为杂波的截面积，Ｌｃ为雷达系统对杂波的损耗，Ｒ为雷达到杂波处的距离㊂６）信号级杂波回波仿真：模拟真实雷达系统的发射和接收过程，对杂波进行信号级仿真㊂按照真实雷达参数模拟雷达发射和接收链路，接收到的杂波回波进行脉冲压缩和相参积累处理，获得全距离段的杂波样本数据㊂通过以上步骤进行精细化杂波仿真，在获得全距离段的杂波仿真数据后，根据对应的距离段，利用距离样本计算先验协方差矩阵如式（１４）所示：Ｒｃ＝１ＬðＬｌ＝１ＸｌＸＨｌ（１４）其中，Ｘｌ表示第ｌ个距离门的空时快拍，Ｌ表示快拍样本总数，（㊃）Ｈ表示向量的共轭转置㊂然后将先验协方差矩阵与当前采样协方差矩阵融合，进行知识辅助空时自适应处理（ＫＡ⁃ＳＴＡＰ）［１４］：Ｒ ＝αＲ０＋（１－α）Ｒｃ（１５）其中，矩阵Ｒ０为由训练数据计算的协方差矩阵，Ｒｃ为由仿真数据得到的先验协方差矩阵，αɪ０，１()由下１３２㊀祝㊀欢，等：杂波仿真在机载预警雷达中的新应用第４５卷式（１６）－（１７）确定㊂α＝ρρ＋Ｒｃ－Ｒ０２（１６）ρ＝１Ｌ２ðＬｌ＝１ Ｘｌ ４－１Ｌ Ｒｃ ２（１７）３㊀仿真性能分析为了验证算法的性能，按照表２中的参数进行了仿真：表２㊀机载预警雷达及环境参数表Ｔａｂ ２㊀Ｔｈｅｐａｒａｍｅｔｅｒｓｏｆａｉｒｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒａｎｄｅｎｖｉｒｏｎｍｅｎｔ参数数值载机高度８０００ｍ载机速度１００ｍ／ｓ载机经纬度（１０７，３９）脉冲重复频率２５００Ｈｚ阵元个数８脉冲个数１２８雷达信号波长０．６ｍ单元间距０．３ｍ波束俯仰角０ʎ天线阵型正侧视目标距离门６００目标多普勒门３０和５２㊀按照上文的流程，利用ＤＥＭ和ＬＣＬＵ等信息对杂波散射点的后向散射系数（ＮＲＣＳ）进行仿真，如图８和图９所示㊂仿真结果可以反映平地ＮＲＣＳ普遍低，山地ＮＲＣＳ普遍高，山后被遮挡区域ＮＲＣＳ为０，与实际情况符合㊂图８㊀雷达照射区域地形分布Ｆｉｇ ８㊀Ｔｈｅｔｅｒｒａｉｎｄｉｓｔｒｉｂｕｔｉｏｎｏｆｒａｄａｒｉｌｌｕｍｉｎａｔｅｄａｒｅａ分别对仿真的信号级回波数据进行了传统ＳＴＡＰ处理和利用仿真杂波样本辅助的ＫＡ⁃ＳＴＡＰ处理，对比处理谱如图１０和图１１所示㊂图９㊀照射区域散射点ＮＲＣＳ分布Ｆｉｇ ９㊀ＴｈｅＮＲＣＳｄｉｓｔｒｉｂｕｔｉｏｎｏｆｒａｄａｒｉｌｌｕｍｉｎａｔｅｄａｒｅａ图１０㊀传统ＳＴＡＰ杂波处理结果Ｆｉｇ １０㊀ＴｒａｄｉｔｉｏｎａｌＳＴＡＰｃｌｕｔｔｅｒｐｒｏｃｅｓｓｉｎｇｒｅｓｕｌｔｓ图１１㊀ＫＡ⁃ＳＴＡＰ杂波处理结果Ｆｉｇ １１㊀ＫＡ⁃ＳＴＡＰｃｌｕｔｔｅｒｐｒｏｃｅｓｓｉｎｇｒｅｓｕｌｔｓ提取上面两图的第６００个距离门剖面，得到两种方法的目标信杂噪比对比结果，如图１２所示㊂在图１２中，对于位于杂波区的第５２多普勒门的目标信杂噪比改善２ｄＢ，另一位于清晰区的第３０多普第６期指挥控制与仿真１３３㊀勒门的目标信噪比基本不变㊂结果证明了所提出方法对非均匀杂波区的目标性能有较大改善，且对其他目标性能无损失㊂图１２㊀两种方法性能对比Ｆｉｇ １２㊀Ｐｅｒｆｏｒｍａｎｃｅｃｏｍｐａｒｉｓｏｎｏｆｔｗｏｍｅｔｈｏｄｓ４㊀结束语机载预警雷达面临日益复杂的战场环境，非均匀杂波抑制成为瓶颈难题，本文将精细化杂波仿真与认知处理相结合，提升了复杂杂波环境下的目标检测能力㊂然而精细化的杂波仿真的耗时较长，对于基于数据流的雷达实时处理不利，未来可以研究结合载机平台航路规划和预测，先行调度杂波仿真，实现ＫＡ⁃ＳＴＡＰ的实时化㊂参考文献：［１］㊀张良，祝欢，杨予昊，等．机载预警雷达技术及信号处理方法综述［Ｊ］．电子与信息学报，２０１６，３８（１２）：３２９８⁃３３０６．ＺＨＡＮＧＬ，ＺＨＵＨ，ＹＡＮＧＹＨ，ｅｔａｌ．Ｏｖｅｒｖｉｅｗｏｎａｉｒ⁃ｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒｔｅｃｈｎｏｌｏｇｙａｎｄｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎｉｃｓ＆ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈ⁃ｎｏｌｏｇｙ，２０１６，３８（１２）：３２９８⁃３３０６．［２］㊀ＴＩＴＩＧＷ，ＭＡＲＳＨＡＬＬＤＦ．ＴｈｅＡＲＰＡ／ＮＡＶＹＭｏｕｎｔａｉｎｔｏｐＰｒｏｇｒａｍ：ａｄａｐｔｉｖｅｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｆｏｒａｉｒ⁃ｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒ［Ｃ］／／１９９６ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＡｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＣｏｎｆｅｒｅｎｃｅＰｒｏｃｅｅｄｉｎｇｓ．Ａｔｌａｎｔａ，２００２：１１６５⁃１１６８．［３］㊀ＳＬＯＰＥＲＤ，ＦＥＮＮＥＲＤ，ＡＲＮＴＺＪ，ｅｔａｌ．Ｍｕｌｔｉ⁃ｃｈａｎｎｅｌａｉｒｂｏｒｎｅｒａｄａｒｍｅａｓｕｒｅｍｅｎｔ（ＭＣＡＲＭ）［Ｒ］．ＴｅｃｈｎｉｃａｌＲｅｐｏｒｔＲＬ⁃ＴＲ⁃９６⁃４９，ＵＳＡＦＲｏｍｅＬａｂｏｒａｔｏｒｙ，１９９６．［４］㊀张良，祝欢，吴涛．机载预警雷达系统架构发展路径研究［Ｊ］．现代雷达，２０１５，３７（１２）：１１⁃１８．ＺＨＡＮＧＬ，ＺＨＵＨ，ＷＵＴ．ＡｓｔｕｄｙｏｎｔｈｅｅｖｏｌｕｔｉｏｎｗａｙｏｆｔｈｅｓｙｓｔｅｍａｒｃｈｉｔｅｃｔｕｒｅｏｆＡＥＷｒａｄａｒ［Ｊ］．ＭｏｄｅｒｎＲａ⁃ｄａｒ，２０１５，３７（１２）：１１⁃１８．［５］㊀ＧＯＥＴＺＬＰ，ＡＬＢＲＩＧＨＴＪＤ．Ａｉｒｂｏｒｎｅｐｕｌｓｅ⁃Ｄｏｐｐｌｅｒｒａ⁃ｄａｒ［Ｊ］．ＩＲＥＴｒａｎｓａｃｔｉｏｎｓｏｎＭｉｌｉｔａｒｙＥｌｅｃｔｒｏｎｉｃｓ，１９６１，ＭＩＬ⁃５（２）：１１６⁃１２６．［６］㊀ＦＡＲＲＥＬＬＪＬ，ＴＡＹＬＯＲＲＬ．Ｄｏｐｐｌｅｒｒａｄａｒｃｌｕｔｔｅｒ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｅｒｏｓｐａｃｅａｎｄＮａｖｉｇａｔｉｏｎａｌＥｌｅｃ⁃ｔｒｏｎｉｃｓ，１９６４，ＡＮＥ⁃１１（３）：１６２⁃１７２．［７］㊀ＦＲＩＥＤＬＡＮＤＥＲＡＬ，ＧＲＥＥＮＳＴＥＩＮＬＪ．ＡｇｅｎｅｒａｌｉｚｅｄｃｌｕｔｔｅｒｃｏｍｐｕｔａｔｉｏｎｐｒｏｃｅｄｕｒｅｆｏｒａｉｒｂｏｒｎｅｐｕｌｓｅＤｏｐｐｌｅｒｒａｄａｒｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｅｒｏｓｐａｃｅａｎｄＥｌｅｃｔｒｏｎｉｃＳｙｓｔｅｍｓ，１９７０，ＡＥＳ⁃６（１）：５１⁃６１．［８］㊀ＫＩＮＧＪ．，ＧＯＧＧＩＮＳＴＷ．Ｅｆｆｉｃｉｅｎｔ，ｃｌｏｓｅｄ⁃ｆｏｒｍｃｏｍｐｕｔａ⁃ｔｉｏｎｏｆａｉｒｂｏｒｎｅｐｕｌｓｅ⁃ｄｏｐｐｌｅｒｒａｄａｒｃｌｕｔｔｅｒ［Ｃ］．ＷａｓｈｉｎｇｔｏｎＤＣ：ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＲａｄａｒＣｏｎｆｅｒｅｎｃｅ．１９８５．［９］㊀祝欢．认知雷达技术在预警机中的应用［Ｊ］．中国电子科学研究院学报，２０２０，１５（１２）：１１７０⁃１１７３，１２０４．ＺＨＵＨ．Ａｐｐｌｉｃａｔｉｏｎｓｏｆｃｏｇｎｉｔｉｖｅｒａｄａｒｔｅｃｈｎｏｌｏｇｙｉｎａｉｒ⁃ｂｏｒｎｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＡｃａｄｅｍｙｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，２０２０，１５（１２）：１１７０⁃１１７３，１２０４．［１０］ＷＡＲＤＪ．Ｓｐａｃｅ⁃ｔｉｍｅａｄａｐｔｉｖｅｐｒｏｃｅｓｓｉｎｇｆｏｒａｉｒｂｏｒｎｅｒａｄａｒ［Ｃ］／／１９９５ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＡｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ．Ｄｅｔｒｏｉｔ，２００２：２８０９⁃２８１２．［１１］王永良，彭应宁．空时自适应信号处理［Ｍ］．北京：清华大学出版社，２０００．ＷＡＮＧＹＬ，ＰＥＮＧＹＮ．Ｓｐａｃｅ⁃ｔｉｍｅａｄａｐｔｉｖｅｐｒｏｃｅｓｓｉｎｇ［Ｍ］．Ｂｅｉｊｉｎｇ：ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，２０００．［１２］ＧＵＥＲＣＩＪＲ．Ｔｈｅｋｎｏｗｌｅｄｇｅ⁃ａｉｄｅｄｆｕｌｌｙａｄａｐｔｉｖｅａｐｐｒｏａｃｈ［Ｍ］．Ｂｏｓｔｏｎ：ＡｒｔｅｃｈＨｏｕｓｅ，２０１０［１３］Ｈ．Ｚｈｕ，Ｚ．Ｚｈｕ，Ｆ．Ｓｕ，ｅｔａｌ．Ｎｅｗａｌｇｏｒｉｔｈｍｓｉｎｃｏｇｎｉｔｉｖｅｒａｄａｒ［Ｃ］．Ｂｅｉｊｉｎｇ：ＣＩＳＰ⁃ＢＭＥＩ，２０１８．［１４］ＺＨＵＸＭ．Ｋｎｏｗｌｅｄｇｅ⁃ａｉｄｅｄｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ［Ｄ］．Ｇａｉｎｅｓｖｉｌｌｅ，ＦＬ，ＵＳＡ：ＵｎｉｖｅｒｓｉｔｙｏｆＦｌｏｒｉｄａ，２００８．（责任编辑：许韦韦）。
一种机载雷达中频地杂波信号模拟器
向敬成;陈信初
【期刊名称】《电子科技大学学报》
【年(卷),期】1990(019)005
【摘要】描述了一种用于机载雷达测试的中频地杂波信号模拟器,其特点是杂波信号功率谱形状十分接近理想的高斯型,其幅度分布和相位分布也同时接近真实的地杂波分布。
该设备采用了双通道独立产生高斯过程的方法,保证了输出杂波的幅相随机性。
为了模拟载机的运动和天线扫描引起的杂波中心频率及带宽的变化,杂波的中心频率实时可调,杂波的带宽也可以在很宽的范围内调定。
最后,本文给出了该设备的性能指标及测试结果。
【总页数】4页(P477-480)
【作者】向敬成;陈信初
【作者单位】不详;不详
【正文语种】中文
【中图分类】TN959.73
【相关文献】
1.一种机载PD雷达实时地杂波功率谱仿真算法 [J], 杨俭;宋强;宛清;靳小超
2.一种机载雷达地杂波仿真的快速算法 [J], 郭川川;井塬塬
3.一种机载相控阵雷达的地杂波仿真方法 [J], 张森
4.一种机载相控阵雷达的地杂波仿真方法 [J], 张森
5.一种机载相控阵雷达的地杂波仿真方法 [J], 张森
因版权原因，仅展示原文概要，查看原文内容请购买。
机载雷达的地杂波仿真实现前言机载雷达由于架设在运动的高空平台上，具有探测距离远、覆盖范围大、机动灵活等特点，应用范围相当广泛，可以执行战场侦察、预警等任务。
在海湾战争、伊拉克战争中起到关键作用，在现代战争中越来越不可缺少，因此近年来受到广泛重视。
但由于机载雷达的应用面临非常复杂的杂波环境，杂波功率很强，载机的平台运动效应使杂波谱展宽。
此外，飞机运动时，杂波背景的特性会随时间变化。
因此，有效地抑制这种时间非平稳和空间非平均的杂波干扰时雷达系统有效完成地面目标和低空飞行目标检测必须解决的首要问题。
从理想雷达系统设计过程中知道，雷达设计的目的提出之后，首先要考虑的是环境的影响，地海杂波环境对雷达性能的发挥是一个严重的负担，尤其是机载下视雷达，会遇到更加恶劣的杂波环境，能否正确估计杂波对雷达性能的影响，是雷达系统成败的关键之一。
机载雷达遇到的地面杂波不仅强度大，多普勒频谱宽，而且可能在所有的距离上成为目标检测的背景；另一方面，雷达机载飞行地域广、地形地貌多种多样，仅使用一些简单的、典型的杂波数据已不能满足需要。
因此，只有弄清楚地面/海面杂波的特性，才能够正确地确定机载雷达方案，选择主要的技术参数。
例如：1.只有根据各种地形和海面杂波的主要特征参数，并经过严格的杂波计算，才能得到比较准确的杂波强度和频谱数据，从而在这个基础上确定雷达的技术方案，对信号质量、系统动态范围、天线副瓣电平等指标提出要求。
2.只有弄清楚杂波的分布特性及参数，才能恰当的设计杂波抑制器的频率响应特性和恒虚警处理器，更加有效地消除主瓣杂波，并在一定的副杂波背景中检测目标。
3.雷达信号模拟器是调整和检验机载雷达性能的必要手段，但只有在弄清楚杂波的特性参数以后，才能够对信号及杂波模拟器提出合理的、准确的要求。
目前使用杂波模型主要有三种方式：描述杂波幅度和功率谱的统计模型，描述杂波与频率、极化、俯角、环境参数等物散射单元机理的机理模型，描述由试验数据拟和0理量之间依赖关系的关系模型。
1.描述杂波散射单元机理的机理模型杂波机理模型的研究是属于杂波雷达截面的理论分析范畴，即根据各种电磁散射理论研究杂波单元产生散射场的各种机理，并利用各种计算方法和计算机技术定量预估各种情况下杂波单元的雷达散射截面特征。
散射过程的讨论必须同特定的结构单元结合起来，这是机理模型分析的基本点。
在散射单元的物理结构方面，对于现有的一些比较成功的地杂波和海杂波模型（如组合表面模型）一般都只是对于特定的地貌、海情，或者是信号形式提供了某些参考，缺乏通用的、非常成功的模型。
研究杂波性质的困难可以归结为缺乏对散射单元构成特性及其散射过程的定量描述，这种描述应当能够反映出散射机理以及各种因素的影响，而这些困难也正是当今杂波机理模型研究的前沿。
2.描述杂波后向散射系数的概率密度分布模型雷达杂波是来自雷达分辨单元内的许多散射体回波的矢量和。
由于机载雷达分辨单元内一般包括许多随机分布的散射体，它们的介电常数和几何特性等都是随机变量，同时散射体或雷达的运动也将引起回波振幅和相位的变化，这些原因导致杂波的雷达散射截面0σ具有随机起伏的性质，此随机起伏性可以用。
其通过雷达接收机的包络检波器后的幅度概率密度函数描述。
常用的概率密度分布有瑞利(Rayleigh )分布、对数正态分布、Weibull 分布和K 分布等。
3.描述由试验数据拟和0σ与频率、极化、俯角、环境参数等物理量依赖的关系模型杂波的关系模型机载雷达地面杂波模型不仅和环境有关，而且还和雷达平台位置、系统工作参数、天线特性有关。
随着雷达技术的不断发展以及人们对雷达杂波认识的不断深入，研究人员先后建立了一系列的杂波统计模型。
主要分为两类：一是幅度分布模型，二是功率谱（相关性）模型，其中相关特性是从时域和空域两个方面展开研究的。
地杂波地杂波，除由人造建筑物所产生的点杂波外，是一种分布散射现象。
这种分布杂波用散射系数0σ来描述。
0σ是雷达截面积的密度，单位为地面上每单位面积的雷达截面积。
设地面上一个单元的面积为A ∆，则此单元上的雷达截面积为0A σσ=⨯∆。
点杂波和点目标一样，可以用雷达截面积来描述。
可以采用不同的方法来建立地杂波的模型。
对于地面雷达，我们往往感兴趣的是该雷达在特定的场地上工作性能如何，在这种情况下，实际的地形特征是很重要的。
而对于机载雷达，通常我们对雷达在某一个特定场地上的工作性能完全不感兴趣，因为该场地也许并不代表雷达所可能遇到的平均情况或最坏情况。
机载雷达的性能与非均匀地面杂波的特性有密切的关系。
大多数这样的雷达，具有某种自适应的功能，以适应从一个区域到另一个区域时地面杂波强度的变化。
假若想要模拟这种适应性，就有必要在地面杂波模型中包含非均匀特性。
点杂波可以用如下的方法模拟：将这些点按照某种模型随机地配置在地面坐标系上，一种类型的地形与另一种类型的地形之间的交界处，可以按照确定性的但仍然是假想的方法来处理。
机载雷达地面环境复杂，在分析时通常采用等距-等多普勒划分网格单元的方法计算地杂波功率谱以及网格单元的地面后向散射系数。
机载雷达地杂波仿真原理杂波模拟是调试雷达和测试雷达性能不可缺少的一部分，杂波模型的复杂程度直接影响着模拟效果。
杂波模拟系统大都采用软硬件相结合的方法，由计算机产生杂波数据库，目标和杂波环境的描述数据由主机提供，将数据加载至信号产生电路，实时产生中频信号。
基本雷达方程在输入功率相同的条件下，天线在最大辐射方向上的某一点的功率通量密度与理想点源天线在同一处的功率通量密度之比：00|A m P P S G S ∑==(1.1) 天线的有效接收面积： 当天线以最大接收方向对准来波方向接收、且负载与天线完全匹配时,天线向负载输出的功率假定为，设想此功率是由一块与来波方向垂直的面积所接收，这个面积就称为接收天线的有效面积：24e G A λπ= (1.2) 天线波束宽度(Beam width)：~B D λθ (1.3)雷达辐射能量： 全向天线: 在距离天线R 远处的功率密度等于辐射功率除以表面积24R π,22(/)4t ISO P S w m Rπ= (1.4) 定向天线: 若增益为t G , 则22(/)4t t l PG S w m Rπ= (1.5) 天线接收到的功率为： 2244t t r r e e PG P S A A W R R σππ=⨯=⨯⨯ (1.6) 计入各种衰减损耗时，天线接收到的功率为： 22224241144(4)(4)r r e t t e t t e t t r P S A L PG A R R LPG A PG G wR L R Lσππσλσππ=⨯⨯=⨯⨯⨯== (1.7) 以功率形式表示的最基本的雷达方程： 224(4)t t r r PG G P R Lλσπ= (1.8)机载雷达地杂波仿真实现自从雷达作为一种武器在战场上出现以来，就开始了对杂波的研究。
早期的雷达，测量精度还很低，分辨角很大。
当时为了提高雷达的工作性能主要依靠提高雷达的抗杂波的能力。
由于分辨单元大，雷达的地面杂波主要靠概率模型模拟，雷达中频接收机信号处理也是依据概率模型的，当时雷达地杂波的概率分布模拟的好坏直接影响雷达大的工作性能。
随着计算机技术在军事领域的应用，大量的经验模型被提出，因为这些模型具有形式简单、计算量小、与试验结果匹配良好等特点，在仿真试验中得到了大量的应用。
杂波的统计特性包括杂波包络的概率分布特性和杂波正交分量的相关特性两个方面。
前者由杂波包络的概率密度函数来描述；后者由杂波的功率普密度描述。
雷达杂波回波信号的一般表示为()()()()exp(())l q X t x t jx t A t j t θ=+= (2.1)其中()l x t 和()q x t 为杂波正交分量；()A t 为杂波包络；()t θ为杂波随机相位。
幅度概率密度特性是指雷达的一个分辨单元或一个距离多普勒单元内杂波的幅度变化特性。
对于均匀分布的面目标回波信号的正交分量具有高斯分布特性，相应的信号包络具有瑞利分布特性：对于非均匀分布的面目标，常用非高斯统计模型进行近似，常用的Lognormal 分布、Weibull 分布、K 分布和gamma 分布等。
高斯分布统计模型当杂波信号的正交分量()l x t 和()q x t 为高斯分布时，杂波的包络信号()A t 为瑞利分布，其功率谱为指数分布。
1.高斯分布雷达采用复信号表示即()()()z t x t jy t =+ (2.2)则其实部和虚部分别为独立同分布的正态（高斯）随机过程，给定任意时刻t ，()x t 、()y t 为高斯分布的随机变量。
以实部()x t 为例，其分布密度函数为：22()()22x f x μσπσ⎡⎤-=-⎢⎥⎣⎦ (2.3) 其中μ为均值，2σ为方差。
一般认为杂波具有零均值，即0μ=。
2.瑞利分布可以证明，当杂波分量为上述高斯分布时，杂波幅度的分布为瑞利(Rayleigh )分布。
其概率密度函数为：22()2(0,)2(|)()x b x f x b e I x b -∞= (2.4)其中，(0,)10()0ifx I x otherwise∞>⎧=⎨⎩，b 为瑞利分布。
瑞利分布的均值和方差分别为：[]/2E x b π=，24var[]2x b π-=(2.5) 对概率密度函数积分，可得瑞利分布的分布函数： 2222()2220(|)1x x b b x F x b e e b --∞==-⎰ (2.6)下图给出了不同的瑞利分布b 条件下，瑞利分布的概率密度曲线。
图1 瑞利分布的概率密度曲线3.指数分布当杂波分量为上述高斯分布时，其功率的分布服从指数分布。
指数分布的概率密度函数为：(0,)1()exp(/)()f x x I x μμ∞=- (2.7)其中，(0,)()I x ∞意义同上，μ为其均值，其方差为2μ。
下图给出了不同均值条件下，指数分布的概率密度曲线。
图2 指数分布的概率密度曲线非高斯分布统计模型现代雷达的分辨力越来越高，使得相邻散射单元的回波在时间性和空间上均存在一定的相关性。
而且，许多实测数据也己经证实，在低仰角或高分辨力雷达情况下，杂波分布的统计特性明显偏离高斯分布特性。
现代雷达环境杂波的幅度分布特性用非高斯分布模型来模拟能更精确地描述实际雷达回波的统计特性。
非高斯幅度分布的常用模型主要有对数正态分布、韦伯尔分布、和K 分布三种形式。
对数正态（Lognormal ）分布对数正态(Log-normal )分布是S.F.George 在1968年提出的。
它是常用的描述非瑞利包络杂波的一种统计模型。
其概率密度函数为：22{ln()}2(0,)(|,)()2x f x e I x x μσμσσπ--∞= (2.8)其中，(0,)10()0if x I x otherwise∞>⎧=⎨⎩，μ为ln x 的均值（尺度参数），σ为ln x 的标准偏差（形状参数）。
