多光谱成像技术在弹道导弹中段拦截过程中的应用

王洪波 王中伟

国防科学技术大学，长沙410073



多光谱成像技术在弹道导弹中段拦截过程中的应用

王洪波 王中伟

国防科学技术大学，长沙410073

以美国IFT-1A和IFT-2两次综合飞行试验的数据为例，分析了目前红外探测技术利用空间和时间信息在弹道导弹中段拦截过程中面临的问题。鉴于多光谱信息融合技术在目标探测、识别等方面所体现出的巨大优势，本文对空间弹道目标多光谱融合识别的可行性进行了分析，并就如何利用多光谱信息提取空间弹道目标的动态特征进行了初步分析。

弹道导弹中段拦截; 红外多光谱; 特征提取

弹道导弹防御系统通常可划分为助推段防御系统、中段防御系统和末段防御系统3大类，弹道中段是弹道最长、运行最为稳定的部分，因此这一阶段最适合拦截。反导系统计算出它的弹道后，就可以准确引导拦截导弹进行一次或多次拦截，同时在该阶段进行拦截还可以避免大气传输以及气动光学效应对红外导引头的干扰，最大限度的发挥红外成像制导的优势。

许多弹道导弹为了提高自身的中段突防能力都应用诱饵，以吸引反导防御系统的注意力并分散拦截火力，从而提高弹头的突防概率。一般而言，弹道导弹所携带的反识别只占其有效载荷的5%～10%，绝大多数假目标为干扰雷达的玻璃丝或箔条，它们的辐射面积小，红外辐射非常微弱，不构成可视红外目标，经系统初选处理后可基本排除，剩下的目标主要是弹头、导弹碎片和气球诱饵。根据拦截来袭导弹任务的实时性，如何在有干扰的情况下，在尽可能远的距离快速有效的对红外图像序列中的上述目标进行探测识别，进一步提高成像系统的作用距离，为防御方争取足够长的反应时间，是现代导弹防御系统需要解决的关键问题。

1 传统宽带探测体制存在的问题

为验证NMD系统的技术可行性并评估其作战效果，美国弹道导弹防御局共进行了12次综合飞行试验(IFT)。下面以其中2次综合飞行试验的数据为例，分析利用现有宽带探测技术识别空间弹道目标的困难[1-2]。在这2次综合飞行试验中，每次靶弹上都搭载有9个试验用靶标，其中包括民兵Ⅲ Mark 12A型模拟弹头(1个)，圆锥体仿真诱饵(3个)，大型充气气球(1个，其红外信号强度大于模拟弹头)，中型充气气球(2个，其红外信号强度与模拟弹头相当)以及小型充气气球(2个，其红外信号强度弱于模拟弹头)。

EKV导引头的角分辨率大约在150μ～300μrad范围内，以民兵Ⅲ Mark 12A型模拟弹头大小的目标为例(底面直径约0.56m，长约1.83m)，只有当EKV距目标3～6km时，目标在探测器上所成的像才刚充满一个像元，而此时EKV仅剩不到0.5s的时间用于机动飞行，难以重新选择攻击目标。为确保拦截成功，EKV一般需要在碰撞前几十秒就能从弹头、诱饵以及导弹碎片所组成的目标群中探测和识别出来袭弹头，而此时目标群距EKV几百公里，目标在探测器上所成的像仅为亮点。显然在远距离点目标阶段，EKV无法通过提取目标空间几何特征量进行有效识别。

由红外辐射基本理论易知，EKV导引头接收到的目标信号强度与其投影面积成正比，当目标在空间做各种运动(进动、自旋和翻滚)时，目标的投影面积呈周期性变化，进而导致传感器接收到的目标信号强度也随之呈周期性变化。试验前，研究人员在计算机模拟分析中曾假定轻重物体的运动特性存在较大差异，即弹头的运动必然会产生一个固属于弹头的特有振动频率，该振动频率有别于其它诱饵的特有频率，从而利用该频率可有效区分弹头与诱饵。然而试验结果显示在近似真空的环境中，如果轻重物体具有相同的转动惯量比，则其空间动力学特性基本相似，因此无法通过不同目标时序红外信号的差异进行有效识别。

2 多光谱探测系统的优势及其发展

通过前述分析可知，单纯利用空间弹道目标的空间信息和时间信息已不能有效解决弹道导弹中段拦截过程中点源成像目标的识别问题，上述问题的存在严重制约着现有宽带红外成像探测识别体制的应用效果。近年来，多传感器信息融合技术越来越受到人们的普遍关注，在海上和空间监视、空-空和地-空防御、战场情报、战略预警和防御等领域得到了广泛应用。多传感器信息融合[3-6]把多个传感器在不同维度上的冗余或互补信息依据某种准则进行组合，从而获得对观测对象的一致性解释或描述，能够进一步提高系统获取信息的准确度与可信度，增强系统的抗干扰能力和环境适应能力。

红外多光谱成像探测系统是一种典型的同质多传感器系统，其突出特点是在获得二维空间景象信息的同时，还能获得各目标的光谱信息，即图谱合一。多光谱图像的数据结构是一个三维立方体(如图1所示)，其每一层图像对应于一个光谱波段，每个像素点对应于一条光谱曲线。由于各个通道之间的数据类型相同，避免了一般图像融合处理涉及到的图像配准问题(如图像时序的同步、不同光轴的平行性测量与校准、图像的高精度亚像元配准等)，为实施多传感器数据融合提供了良好的条件。由于光谱信息本身是由物质内在的性质决定的，因此对物质的光谱信息进行分析可以获得其它通常的方法不能获得的目标固有属性，进而可以成为目标识别的一种重要手段，有着非常广阔的应用前景。

图1 多光谱图像的基本数据结构

2009年，受美国导弹防御局资助，Spectral Sciences公司利用现有的红外传感器开发设计了包含中波红外(3～5μm)和长波红外(7～13μm)的多光谱传感器，该装置可以部署在导弹预警卫星或下一代外大气层动能杀伤拦截器(EKV)的导引头上，通过光谱成像确定物质的温度和组成成分，从而有效区分弹头和诱饵[7-8]。目前国内也已开展相关多光谱导引头的研制工作。

3 空间弹道目标的动态特征提取

空间弹道目标的自动识别具有以下特点：

1)中段飞行过程中，由于弹头、诱饵以及导弹碎片的辐射特性是随时间变化的，因此用于目标识别的特征也是随时间动态变化的；

2)系统噪声对识别特征具有较大的干扰；

3)弹头、诱饵以及导弹碎片的模型难以确定。

由于弹头、导弹碎片和气球诱饵在表面材料、内热和质量等方面的不同，导致其在弹道中段飞行过程中的温度变化速率和亮度变化幅度存在差异，因此可以利用这些差异对上述目标进行有效识别。如采用温度变化率和有效辐射面积变化范围作为空间目标聚类识别的基本特征(见表1)，只要红外探测器测量出每个空间目标的表面温度变化率和有效辐射面积变化范围，就可通过上述2种特征对包括弹头、导弹碎片和气球诱饵在内的空间目标进行有效区分，目标群中表面温度变化率慢，有效辐射面积变化范围很小的目标是弹头；表面温度变化率快，有效辐射面积变化范围较大的目标是导弹碎片；表面温度变化率快，有效辐射面积变化范围小的目标是气球诱饵。

表1 空间目标特征参数变化范围

若空间目标的表面平均温度为T，目标对探测方向的投影面积为AP，则在红外波段λi～(λi+Δλi)内(假设Δλi足够小)，空间目标在红外探测系统处产生的辐照度为

(1)

式中,τa(λi)为目标至红外探测系统的大气光谱透过率，R为目标至红外探测系统的距离，ε(λi,T)为该物体的光谱发射率，Mb(λi,T)是温度为T的黑体光谱辐射出射度。

针对目前EKV上装备的红外双模导引头，空间目标的温度测量通常采用比色测温法，以此消除时变探测距离R和时变投影面积AP对观测数据的扰动影响。定义在红外双波段λi～(λi+Δλi)和λj～(λj+Δλj)内入射到探测器上的光谱辐照度分别为E(λi,T)和E(λj,T)(假设Δλi，Δλj足够小且λi<λj)，由式(1)易知，上述2个辐射功率的比值可以表示为

(2)

为了简化分析，不妨设

τa(λi)=τa(λj)
Δλi=Δλj

(3)

因此式(2)可进一步简化为

(4)

当exp(c2/λT)≫1时，普朗克黑体辐射定律可以近似表示为

(5)

上式又称为维恩辐射定律。为便于计算，比色测温法中通常采用维恩辐射定律代替普朗克黑体辐射定律，进而有

(6)

等式两边同时取自然对数，整理后得到

(7)

如果进一步假设空间目标为灰体，即ε(λi,T)=ε(λj,T)，则目标的比色温度TC(λi,λj)可以表示为

(8)

目标的绝对温度T可以用其比色温度来近似估计，两者之间的偏差为

(9)

由式(9)易知，若ε(λi,T)>ε(λj,T)，即目标的发射率随波长的增大而减小，则通过上述方法测量后得到的比色温度高于目标的绝对温度；反之，则相反。

综上所述，通过比色测温法估计空间目标的温度，其精确度不仅取决于信噪比的大小，还取决于目标温度的波动范围以及目标发射率在所测量波段的变化差异(变化差异越小，则目标越近似于灰体，其测量精确度也越高)，而目标发射率的大小与波长、温度及其表面状态息息相关，即使相当小的波段变化也可能会造成发射率的大幅度波动。一般而言，金属材料在温度较低时其发射率也较小，然而当高温下金属表面形成氧化层后，其发射率会大幅度增加，同样金属表面的光洁度以及氧化程度也能影响发射率的大小。例如，表面形成氧化层后的钢的发射率比表面经过抛光的钢的发射率高出10倍以上。非金属材料的发射率一般比金属材料的发射率高，且随温度的升高而降低。

由于比色测温法无法从根本上消除目标发射率在不同测量波段变化所引起的误差，本文提出了一种基于比色测温的多色测温方法，通过对目标发射率比的自然对数进行建模，进一步提高其温度测量的精确度。具体来说，通过对式(9)整理可以得到

(10)

在传统的多光谱辐射测温方法中，发射率通常用一个含有未知参数的关于波长的平滑函数来描述，常见的假设模型有

(11)

发射率虽然是波长和温度的函数，但在某一测量时刻，目标的温度可认为是不变的，因此目标发射率比的自然对数可用一个关于波长的多项式函数来描述，即

(12)

当λi→λj时，lim ln [ε(λi,T)/ε(λj,T)]=0，因此易知a0=0。将式(12)代入(10)，进而可得到

(13)

针对L个探测波段，存在L(L-1)/2个辐射功率比，从而能够得到L(L-1)/2个形如式(13)的方程构成方程组。这里视系数al(1≤l≤L-2)和目标的绝对温度T为未知变量，共L-1个。当L>2时，由于方程组所含方程个数大于其未知变量个数，方程组为超定非一致的。针对这种方程组，不存在严格意义上的解，换言之，只能求得其近似解。通常希望寻找一个使误差函数为最小的解。为了便于描述问题，定义

(14)

误差函数一般用误差平方和来表示，即

(15)

其中‖‖2代表2范数。由此得到的解称为非一致方程组的最小二乘解，其数学表达式为

xLS= (ATA)-1ATb

(16)

通过减小未知目标发射率的不确定性，上述方法能进一步提高温度测量的精确度。一旦获取了空间目标的绝对温度，利用空间目标测轨所提供的距离信息，还可以得到另一个识别特征量——目标的有效辐射面积ε(λi,T)AC，由式(1)易知

(17)

4 实验结果分析

用概率神经网络对空间目标识别算法进行验证，评估流程如图2所示，首先利用目标检测结果，选取检出目标的特征像素点构成样本数据集(该数据集共有300个目标数据，其中弹头、导弹碎片和气球诱饵各100个)和验证数据集；其次对训练集中的多光谱目标数据进行特征提取，将提取出的目标时变温度和时变有效辐射面积组成特征矢量送入概率神经网络进行训练，从而得到网络的权值矢量；最后利用训练好的概率神经网络对验证集中的数据进行测试。

图2 识别算法的评估流程

点源目标在探测器上的投影一般只占2～9个像素，并非每个像素点的响应都能够完全体现目标的光谱信号强度，因此有必要从中选取1个像素点进行特征量提取。以上目标像素点中亮度最大的像素点必为目标光谱辐照度权重最大的位置，因此可将该像素点作为目标的特征像素点。

本文将目标特征随时间的变化曲线视为该目标特征的概率密度函数，从而可以利用其差异达到识别目标的目的。为尽可能减少输入特征矢量的维数，将提取出的目标时变温度和时变有效辐射面积以0.5s的时间间隔进行采样，共持续5s，即每个动态特征均有11个样本点用于构建其概率密度函数，将22维的特征矢量送入概率神经网络进行训练。

表2比较了不同单波段信噪比条件下采用概率神经网络和BP神经网络进行目标识别的结果，其中W，F和D分别代表弹头、导弹碎片和气球诱饵，其余参数设置同前。观察该表可以发现，在低信噪比条件下，与传统的BP神经网络相比，本文提出的概率神经网络能获得更好的分类识别性能。

表2 2种识别方法的结果比较

5 结论

综上所述，在发展精确制导技术过程中，基于多光谱特征的目标探测识别技术具有十分重要的研究开发价值。该技术是在红外成像制导技术的基础上发展起来的，不仅具有红外成像制导的各种优点，而且能够使制导武器从诱饵的干扰中分辨出所要攻击的目标，提高了制导武器的抗干扰能力，拓展了制导武器的战术使用条件，应用领域广且具有重要的军事意义。

[1] Theodore A P. Explanation of Why the Sensor in the Exoatmospheric Kill Vehicle (EKV) Cannot Reliably Discriminate Decoys from Warheads[R/OL].http://fas.org/spp/starwars/pro-gram/news00/postol_atta.pdf.

[2] Theodore A P. Technical Discussion of the Misinterpreted Results of the IFA-1A Experiment Due to Tampering with the Data and Analysis and Errors in the Interpretation of the Data[R/OL]. http://fas.org/spp/starwars/program/news00/postol_attb.pdf.

[3] Bogler P. Shafer-Dempster Reasoning with Applications to Multi-Sensor Target Identification[J]. IEEE Transactions on Systems, Man and Cybernetics, 1987, 17(6): 968-977.

[4] Wang C D. Adaptive Spatial Temporal Spectral Filters for Background Clutter Suppression and Target Detection[J]. Optical Engineering, 1982, 21(6): 1033-1038.

[5] Hoff L E, Chen A M, Yu X L, et al. Generalized Weighted Spectral Difference Algorithm for Weak Target Detection in Multiband Imagery[C]. Conference on Signal and Data Processing of Small Targets, San Diego, 1995: 141-152.

[6] Liang H C, Ni G Q, Zhu Z F, et al. Small Extending Target Precision Tracking with Dual-Infrared Imaging Sensors[C]. Conference on Signal and Data Processing of Small Targets, Denver, 1999: 579-585.

[7] Vujkoviccvijin P, Goldstein N, Fox M J, et al. Adaptive Spectral Imager for Space-Based Sensing[C]. Conference on Infrared Technology and Applications, Orlando, 2006: 6206.

[8] Goldstein N, Vujkoviccvijin P, Fox M J, et al. DMD-Based Adaptive Spectral Imagers for Hyperspectral Imagery and Direct Detection of Spectral Signatures[C]. Conference on Emerging Digital Micromirror Device Based Systems and Applications, San Jose, 2009: 7210.

The Application of Multispectral Imaging Technology in the Mid-Course Interception of Ballistic Missiles

WANG Hongbo WANG Zhongwei

National University of Defence Technology, Changsha 410073，China

Theprobleminthemid-courseinterceptionofballisticmissileswithinfraredimagingsystembasedontraditionalspatialandtemporalinformationisanalyzedbyusingthedataofIFA-1AandIFT-2experiments.Themultispectralinformationfusionshowsthegreatpotentialuseintargetdetectionandrecognition,thereforethefeasibilityofdistinguishingspatialballistictargetbasedonmultispectralinformationfusionisfirstlyanalyzed,andthenanalgorithmofdynamicfeatureextractionusedforexo-atmospherictargetsrecognitionisproposed.

Mid-courseinterceptionofballisticmissiles;Infraredmultispectral;Featureextraction

2013-03-12

王洪波(1972-),男，黑龙江绥化人，博士研究生，主要从事飞行器未制导总体技术研究；王中伟(1965-)，男，湖南人，教授，博士生导师，主要从事火箭发动机及组合推进技术研究、飞行器设计和飞行器热结构设计与分析。

TJ765.4; TP751

A

1006-3242(2014)03-0018-05