基于多特征融合相关的弱小目标检测技术应用

宋苏杭 高 节

（中国兵器装备集团成都火控技术中心，四川 成都 611731）

基于多特征融合相关的弱小目标检测技术应用

宋苏杭 高 节

（中国兵器装备集团成都火控技术中心，四川 成都 611731）

弱小目标的检测与跟踪是当前雷达信号处理研究的热点。文章介绍了一种新的弱小目标检测跟踪技术，该技术基于生物视觉感知机理，将图像处理方法融入雷达信号处理，分析目标特征和杂波、噪声等背景特性，在此基础上探讨有效的背景抑制方法，并结合多特征信息融合方法实现在复杂背景下对弱小目标的检测与跟踪。

弱小目标检测；视觉感知；多特征融合

1 引言

未来空袭与防空的对抗依然是体系与体系之间的对抗。随着科学技术的进步和大规模杀伤武器的扩散，战术弹道导弹（TBM）、巡航导弹（CM）、无人机等已成为空袭体系中必不可少的组成部分，加上攻击时采用低空或超低空突防、掠地（海）飞行的技战术，飞行高度仅10～100米，导致探测系统接收的目标回波杂波强、信噪比低、多径效应明显，目标往往湮没在杂波和噪声中。而伴随着隐身技术的日趋成熟，飞机、导弹等目标的RCS减小了一到两个数量级，极大地影响了雷达威力。总而言之，对现代雷达的要求仍然是“四抗”，即抗干扰、抗侦察、抗摧毁、抗隐身和低空突防。

为了对付这些威胁，整个防空反导系统的探测器应包括能在严重的杂波中探测出小目标的监视及跟踪雷达，可以边跟踪边扫描，作为后续跟踪及打击装置的基础。因此，对微弱目标的检测与跟踪成为在防空反导体系中雷达急需解决的技术问题。

在弱小目标检测方面，目前主要的研究方向是采用多信息融合以及TBD等技术。其中，采用多传感器信息融合的探测方法，系统复杂，造价昂贵，在实际应用上受到限制；而TBD技术在雷达系统中，主要有动态规划算法[1]，以及正在尝试的粒子滤波和时频分析方法等，但由于需要考虑时间和空间信息的相关性，它们的计算量和存储量都偏大，处理也相对复杂。本文提出了一种新型的弱小目标检测与跟踪的技术方法，该方法基于生物视觉感知机理，对单个传感器获取的目标信息，结合信号处理与图像处理技术，采用多特征分析及融合的多种处理算法，完成多特征提取、自学习以及融合相关处理等，可以克服常规采用单一特征处理可能带来的弱信号提取性能与提取可靠性之间的矛盾，能够在防空反导系统中从强杂波背景干扰中探测出目标。

2 生物视觉感知与信息融合

图1 视觉感知模型框图

视觉可以看作是一个完善的信息处理系统。对于计算机视觉而言，值得研究的是图1中的第2部分，即信息处理过程的技术实现问题。人类视觉的显著特征之一就是对比感知，其核心首先是强调了整体背景的支撑衬托作用，其次才突出并体现了图形（目标）的视觉反差，使目标与背景相分离。分离的过程实际上就是目标提取的操作过程[2]。

根据以上探讨的相关理论，在此提出一种基于生物视觉原理的多特征融合智能相关技术，根据目标特征(尺度、外形、运动等特性)具有一致性和关联性，而噪声则是随机涨落的特点，遵循视觉感知对运动目标的认知过程，设计若干相互独立的处理通道，对多特征进行融合，从而建立检测、识别与跟踪策略。算法主要内容包括：背景预测、特征提取与信息融合以及目标信号的检测与跟踪。

图2 基于生物视觉原理的目标检测跟踪

2.1 背景预测

采用时间递归算法，根据目标、杂波模板中存储的特征信息和上一次的目标信号处理结果进行背景学习，可预测杂波背景、确定杂波特征。接收到下一周期的回波数据后，在特征域中进行杂波抑制。

采用基于卡尔曼滤波理论的时间递归方法来预测背景。这种方法是基于这样的事实：背景在帧间的变化较目标在帧间的变化要缓慢一些，可以采取学习的方法来预测背景。背景递归预测公式为

其中 i, j代表一个像素的坐标，k是时间坐标及帧号，Ib(i, j, k)表示k帧时的背景特征，I( i, j, k)表示k帧时的图像特征， g( i, j, k)是增益因子。 g( i, j, k)表达式为

λ和μ是介于0和1之间的常量，决定了背景预测的自适应特征， M( i, j, k)是二值化轮廓。λ必须足够小，以便运动点目标能够从背景序列中有效地分离出来；μ必须大于λ，表征背景变化快慢。

由于预测背景中不包括目标，目标可以通过输入图像序列与预测背景比较检测出来。

其中I( i, j, k + 1)表示 k+ 1帧时的图像特征。

选择一个恰当的阈值将产生一个二值化的目标轮廓。阈值T可以通过恒虚警率计算出。若 D( r , k + 1)≥ T，则M( r, k+ 1)=1；否则 M( r , k+ 1)= 0。

2.2 特征提取与信息融合

目标检测跟踪的前提与关键是目标特征提取。在雷达回波信号中，除强度和频率特征外，其它还有空间特征、时频特征等，充分利用目标的物理、数学等多方面特征信息，可有效提高系统对目标和干扰的分辨能力。

在特征融合中，采用“平行多级同步整合”机制，选定目标的若干稳健特征，按系统中的特征稳定性差异来确定各特征的置信度，并根据能量函数最小准则计算各特征归一化加权系数，然后进行特征融合，形成能反映目标属性的组合特征，再根据相应的决策准则进行目标判识。在实际实现中针对不同特征采用不同的处理方式。由训练样本观察均值和标准差差异较小且可以直接提取向量的特征，通过对称及并行组合后由K-L变换至一个新的组合特征域进行处理。取两个特征的融合为例进行说明。设A、B为样本空间Ω上的两组特征，任意样本ξ∈Ω，其对应的两个特征向量分别为 α∈ A和 β∈ B，用复向量 γ = α+ iβ 来表示ξ的并行组合特征，此时若两组特征α与β的维数不等，低维的特征向量用0补足。例如，则组合特征为。

其中 ,X YC∈ ，H为共轭转置符号。

定义了以上内积的复空间称为酉空间。酉空间内的类间散布矩阵、类内散布矩阵和总体散布矩阵分别定义为：

其中 P(ωi) 为第i类训练样本的先验概率，为第i类训练样本的均值，为全体训练样本的均值。由上式的定义可知，wS、bS、tS均为 Hermite矩阵，且非负定。当wS可逆时，wS、tS均为正定矩阵。

下面以总体散布矩阵 St为例来介绍酉空间内的K-L变换方法，可设 St的特征向量为，且彼此正交，所对应的特征值为，满足。选择前d个最大特征值所对应的特征向量作为投影轴，由于酉空间内 St的特征值均为非负实数，组合特征向量在轴 ξj上投影后的总体散布量为 λj。在酉空间内，以 St为产生矩阵的K-L变换为：

此外，具有相对意义的特征一般用于定性分析，通过样本难以提取特征向量，针对该类特征，在决策阶段则通过D-S证据理论进行特征权重的取舍，从而达到多特征融合的目的。

2.3 目标信号的检测和跟踪

目标特征信息通过K-L变换和D-S证据理论融合后，即进入目标信号的检测和跟踪。该模块通过训练样本的学习，建立目标和杂波的初始模板，采用模板进行信息匹配。目标模板包含了整个信号处理过程到当前时刻所提取的所有目标信息及其各阶融合特征，并根据当前时刻的检测和跟踪状况对模板进行实时修正。杂波模板包含最近时刻（一般3～5帧）所判读为杂波的信号信息，并根据当前数据中的杂波状态进行实时修正。观测域匹配于目标模板的判断为目标，匹配于杂波模板的判断为杂波，否则为噪声。模板匹配采用卷积的方式进行，可以通过FIR滤波器实现。

3 弱小目标信号处理的硬件设计

弱小目标信号处理硬件系统由两块信号处理板组成，主板负责处理和通道信号，并完成与雷达系统的通信与数据传输，从板负责处理方位差、俯仰差通道信号。每块信号处理板都采用FPGA+DSP的架构模式，采用FPGA完成采样控制及中频信号的预处理，采用DSP完成后续部分的弱小目标信号处理算法，同时设计较大的数据吞吐通道，降低对后端的速率要求。具体框图如图3所示。

图3 弱小目标信号处理板框图

4 验证

4.1 仿真验证

依据基于多特征融合相关弱小目标信号处理算法的基本原理，开展基于Matlab的仿真验证研究。利用信号源辐射信号模拟不同强度的目标回波，将信号源功率设置为低于原系统灵敏度-6dB，分别采用原常规信号处理算法以及基于多特征融合相关的弱小目标信号处理算法对输入信号进行仿真处理。仿真结果见图4，可以看出，基于多特征融合相关弱小目标信号处理算法的检测能力明显优于常规信号处理算法。

图4 仿真验证结果

4.2 试验验证

实际验证以某雷达作为硬件平台，通过外挂弱小目标信号处理组合实现某雷达常规信号处理系统与弱小目标信号处理系统分时切换工作，验证弱小目标信号处理算法对系统检测跟踪能力的改善。验证试验系统构成框图见图5。

图5 验证试验系统构成框图

通过放球试验跟踪气球悬挂的直径200mm金属球，定量测试两种信号处理工作模式下的最大跟踪距离，评估弱小目标检测与跟踪技术对提高最大跟踪距离的效果。试验总共跟球8次，两种工作模式各4次。跟球试验结果见图6所示。

图6 跟球验证试验航迹图

试验结果表明，对于200mm直径的金属球，弱小目标信号处理比常规信号处理的平均跟踪距离提高了3.2km，折算到信噪比则是提高了3.9dB，对增加雷达的最大跟踪距离效果明显。

5 结论

基于多特征融合相关的弱小目标检测与跟踪技术的实施与验证到目前为止已取得了初步成效，其对于弱小目标的检测跟踪能力较常规信号处理有较大的提高，若能将本研究成果运用到防空反导体系的雷达设备中，则可用最便捷可行的方式提高雷达的系统性能，现役雷达只需更换信号处理分系统，新研制的雷达也可省去为增强弱小目标探测跟踪能力而增大天线口径、增加发射机功率等所投入的大量经费，从而大大降低雷达设备乃至整个防空反导系统的研制成本。

[1]强勇,焦李成,保铮.一种有效的用于雷达弱目标检测的算法[J].电子学报,2003,31(3):440-443.

[2]余农,吴常泳,杨心溢,等.红外成像自动目标识别技术研究－计算模型与数据流程[J].现代防御技术,2003, (6):52-59.

Dim small target detection based on multi-characteristic fusion and application

Dim small target detection and tracking is a hot topic of radar signal processing. This paper introduces a new technique of dim small target detect-and-track. This signal processing technique using of image processing, based on perceptive field in human vision, and analyzed the characteristics of target, clutter and noise background to find the method of background rejection, and then detected and tracked dim small target in complex background with multi-characteristic fusion.

Dim small target detection; visual perception; multi-characteristic fusion

TN95

A

1008-1151(2015)05-0023-03

2015-04-12

宋苏杭（1983－），男，中国兵器装备集团成都火控技术中心微波室副主任，从事雷达发射机研制工作。