TMS320C6678的动目标检测技术研究*

,,，

(国防科学技术大学 ATR重点实验室，长沙 410073)

TMS320C6678的动目标检测技术研究*

王海松,王培早,苏阳，张月

(国防科学技术大学 ATR重点实验室，长沙 410073)

提出了一种距离分段动目标检测的方法。对近距离目标使用传统的MTD算法，而对远距离目标使用基于Keystone快速变换的相参积累算法来解决越距离单元走动问题。该方法不仅有效补偿了远距离目标的越距离走动，而且能够有效的降低多核DSP的运算量。通过设计8片TMS320C6678处理器平台对外场实时数据的处理与分析, 验证了本文方法的有效性, 可以用于泛探雷达的目标检测。

泛探雷达；距离走动；MTD；Keystone；相参积累；TMS320C6678

引 言

随着高速飞行器技术的发展，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[1]。因此，对微弱目标的检测成为雷达亟待解决的技术问题。增加积累时间是提高雷达微弱目标检测能力的一种重要手段，而在长时间相参积累过程中目标的运动会导致越距离走动[2]和多普勒频移，严重影响目标的检测效果。运用Dechirping、Wigner-Hough[3]和分数阶傅立叶变换法[4]等方式都是以目标不出现越距离单元走动为前提的，对于越距离、多普勒单元走动同时存在的情况，需要对两种走动同时进行补偿。但对于远距离、多波束实时目标的检测，这些方法运算量较大，工程化实现难度较高。

因此本文提出距离分段[5]检测的方法，即对近距离目标使用传统MTD方法，对远距离目标使用快速Keystone变换[6]的长时间积累算法，解决距离走动问题。本文设计了集成8片TMS320C6678的处理器平台，验证该方法能够对远距离目标进行有效的距离走动补偿，同时降低了处理器的运算量。

1 TMS320C6678处理器平台设计

1.1 系统设计需求

当相参积累的帧数取决于积累时间和雷达时序时，探测距离与积累时间的关系主要取决于雷达系统指标。图1为雷达时序图。

图1 雷达工作时序

该雷达样机的脉冲发射周期为700 μs，为了满足雷达设计指标，对探测距离进行分段处理，一种可行的分段方法如表1所列。

表1 距离分段和算法设计

第一段检测距离为10～70 km，积累帧数为512，积累时间为0.35 s(700 μs×512)。由于积累时间较短，所以这段距离可忽略越距离走动，因此常规的MTD算法满足检测需求。第二段检测距离设置为70～85 km，积累帧数为1 024，积累时间为0.7 s，而对于更远的第三距离段,为了提高微弱目标的检测能力，采取增加积累时间的方法来提高信噪比[7]，积累帧数为2 048，积累时间为1.5 s。在70～100 km这段距离内,必须考虑距离走动，因此在针对第二、三段远距离检测时，采用Keystone变换对距离走动进行补偿。

1.2 信号处理器设计

为了实现泛探雷达[8]同时多波束的接收，需要对16个波束的数据同时进行处理，检测距离为10～100 km，这就要求处理平台具有浮点运算、多核架构、高速大容量缓存等特点。而且由表1可知,本文分段方法至少需要5片TMS320C6678处理器来完成。基于这一需求，设计了VPXC6678x8信息处理板卡，如图2所示。

图2 VPXC6678x8板卡

板卡以8片TI的8核 TMS320C6678处理器作为处理核心，TMS320C6678 DSP是基于TI最新多核架构的高性能浮点处理器，内部集成C66x DSP内核，单片运算能力可达到160 GFLOPS。8片DSP通过Serial Rapid IO(SRIO)接口与VPX背板相连，雷达回波数据经过上一级DBF处理后,由背板通过SRIO协议根据需求分发给8片DSP，SRIO理论带宽为5 Gbps，完全满足对窄带雷达回波2.5 MHz采样率的传输要求。DSP通过SRIO与主板相连，DSP的检测结果通过SRIO接口上传到主板，主板通过SRIO给DSP发送指令。板卡的结构如图3所示。

图3 DSP板卡结构

2 动目标检测算法的设计

2.1 基于MTD算法的动目标检测

针对第一距离段的目标，主要包括无人机、汽车、轮船等低速目标，可以忽略距离走动带来的影响，利用MTD算法来进行处理，从而在RD平面检测到目标。但是由于多普勒频移的影响，很难从RD平面上得到准确的目标速度。需要结合后续的目标跟踪处理去除速度混叠，才能得到目标的真实速度。具体流程如图4所示。

图4 常规MTD处理流程

数据预处理包括数据提取、数据转换、脉冲压缩三个部分。雷达回波每一帧数据包含1500个点，数据提取主要对应的是距离分段，即将一帧数据分成1024、256和256三段。数据转换是将FPGA传送过来的16字节整型数据转换为32字节浮点数据进行处理。数据转换之后需要对每一帧数据进行脉冲压缩，主要是匹配滤波的过程。脉冲压缩后进行MTD处理，主要是对同一距离单元上512点慢时间数据进行加窗、FFT运算，提取速度信息。MTD后得到二维的RD平面，采用恒虚警率(CFAR)提取RD平面中的目标，再采用和差波束测角原理[9]测量目标的方位角。点迹凝聚用于将属于一个目标的点凝聚成一个点，提高距离精度。为满足实时检测的要求，处理器必须在0.35 s内完成512帧积累数据的处理。经过测试，对一个波束处理需要0.1 s，因此将16个回波波束分给8个核，每个核处理两个波束的数据，最后每个核的处理结果汇总到核0进行方位角测量和点迹凝聚处理。

表2所列为算法每一步耗时统计，测得每个核处理两个波束的时间为0.25 s左右，满足实时处理的要求。

表2 MTD算法耗时统计

2.2 基于快速Keystone变换的长时间积累

Keystone变换的实质是对快时间频域在慢时间维进行重采样，根据Nyquist采样定理，重采样可用sinc函数插值法实现，虽然是一维变换，但运算量很大，而且插值矩阵占据了大量的存储空间，为便于实现，必须采用运算量较小的方法。参考文献[10]提出一种快速变换尺度的方法来替代sinc插值法。

雷达发射信号可表示为：

其中，t表示时间，Tr为脉冲重复周期，fc为载频，st(t)为线性调频信号。

根据“停-跳”模型，运动目标回波信号可表示为：

其中，tm=mTr为慢时间维，t′=t-tm为快时间维，r(tm)表示目标在tm时刻与雷达的距离。

假设目标以恒定径向速度运动，那么r(tm)= r0+vtm，可得：

sr(t′,tm)=

对上式在快时间维进行Fourier变换得：

Sr(f,tm)=

Sr(l,m)=

将虚拟慢时间τm离散采样的序号用m′表示，设其采样点的总数也为M，与τm相对应的虚拟离散多普勒域采样点的顺序用k′表示，其总数为K′(K′=K=M)。应当指出的是m′与m，以及k′与k虽然同样以整数值表示，但它们的尺度是不同的，且对于不同的l(即不同的f)有不同的尺度关系。

为了从Sr(l, m)得到Sr(l, m′)，即完成Keystone变换，可以先通过Fourier变换将Sr(l, m)变换到Sr(l, k′) (k′是与m′相对应的离散多普勒域)，然后再通过Fourier反变换，变换到Sr(l, m′)。应当指出的是，前一个变换的时频域之间具有不同的尺度，Fourier变换不能用FFT，只能用DFT对各个k′的值逐个计算；而后一个Fourier反变换则可采用IFFT，其变换过程如下：

Sr(l,m′)=

可以看出，快速Keystone变换可以有效地减小运算复杂度，便于工程化实现。根据雷达系统特性和目标特性，Keystone变换对每个波束划分出7个多普勒通道，每个通道需要进行MTD处理，大大增加了算法复杂度和计算量。Keystone变换与常规MTD相比需要处理多个通道，这就要求对多普勒通道进行准确补偿。处理结果存在误差可能因为多普勒寻优只是取了最大值。因此在处理过程中必须结合更多精确特征完成多普勒通道寻优，提取通道补偿效果最好的通道。

图5为Keystone处理流程。由图5可知Keystone变换处理流程与常规MTD基本相同，只是在数据预处理部分多了Keystone变换，算法中多了通道寻优处理。Keystone变换主要是针对每帧数据1024点之后的数据，对应的距离是第二、三段距离。为了减少运算量，第二段距离积累1024帧，每一帧256点，Keystone变换对每个波束划分出7个多普勒通道，那么处理的数据量为256×1024×7，数据量为常规MTD的3.5倍。第三段距离积累2048帧，每一帧256点，数据量为256×2048×7，数据量为常规MTD的7倍。

图5 基于Keystone变换检测流程

表3是Keystone变换每步算法运行的时间，要满足实时性的要求，第二、三段分别在0.7 s、1.4 s内检测完。单核处理两个波束需2.5 s左右，所以一个核只处理一个波束，16个波束则需要2个DSP处理器。这两段距离需要4个DSP处理器，满足设计要求。

表3 Keystone变换算法耗时

3 实验结果分析

3.1 基于MTD目标检测结果分析

外场实验结果的二维平面如图6所示，横坐标是距离维，纵坐标是多普勒维。

图6 RD平面

通过对外场目标检测结果分析来看，对于近距离目标，常规MTD算法可以准确地定位到目标。常规MTD检测算法运算量小，算法简单，易于在DSP处理器中实现。然而，常规的MTD算法也存在一定的缺陷。图7所示为三维RD平面，可以看出信噪比明显偏低，因为采用CFAR会造成信噪比损失。

图7 三维RD平面

3.2 基于Keystone变换检测结果分析

图8所示为第三段距离数据MTD的检测结果，从图中可以看出多普勒频移不明显，然而距离走动接近0.6 km。

图8 距离走动

为了对距离走动进行有效补偿，算法中对7个多普勒通道进行补偿，如图9所示，从实验结果中可以看出，在第4个多普勒补偿通道对回波进行了有效的补偿。所以，Keystone快速变换对回波数据进行处理，能够有效地补偿由于长时间积累带来的距离走动问题。Keystone变换后，再经过补偿通道择优检测、方位角测量和点迹凝聚，就可以在回波数据中检测出有效的目标信息。

图9 通道补偿结果

结 语

传统的MTD算法运算复杂度很小，可以快速地将目标提取出来，然而因为长时间积累造成距离走动，不能满足雷达系统的需求。采用Keystone变换可以消除距离走动带来的影响，但是会增加算法的复杂度，尤其在高数据率和帧数增加的情况下，因此需要更高速率的处理器平台来实现。本文从工程实践出发设计了一种基于8片TMS320C6678的高速信号处理板，设计了距离分段动目标检测算法在多核DSP上的任务分配方法，实现实时目标检测处理流程。最后给出外场试验结果及分析，充分验

[1] 赵杰,郭德明,陈果,等.基于改进 Keystone变换的高速目标相参积累方法[J].现代雷达,2016,38(4):34-37.

[2] 吴兆平,吴惠洋,苏涛.距离-多普勒-时间三维雷达数据中的目标能量积累[J].系统工程与电子技术,2013，35(1): 68-72.

[3] LiuFeng,Sun Dapeng,Tao Ran,et al.Multi-component LFM Signal Feature Extraction Based on Improved Wigner-Hough Transform[C]//4th International Conference on Wireless Communications,Networking and Mobile Computing,2008: 14.

[4] 武其松,邢孟道,保铮.双通道MIMO-SAR运动目标成像[J].系统工程与电子技术,2010,32(5): 921-926.

[5] 崔春雷,张月,郭瑞,等.基于多核DSP 的动目标检测算法的设计与实现[J].科学技术与工程,2016,16(23): 208-212.

[6] 王姣,李明,陈洪猛.基于Keystone变换的多目标距离走动校正[J].雷达科学与技术,2012,10(6): 663-667.

[7] 武洋,夏忠婷.低信噪比下基于Keystone变换的高速多目标检测[J].计算机与数字工程,2016,44(4): 625-629.

[8] Skolnik M.Opportunities in Radar-2002[J].Electronics and Communications Engineering Journal,2002,14(6):263-272.

[9] 许京伟,廖桂生,朱圣棋.基于幅相线性约束的自适应和差波束形成方法研究[J].电子学报,2013,41(9): 1724-1729.

[10] Xing Mengdao，Lan Jinqiao，Bao Zheng,et al.ISAR ecchoes coherent processing and imaging[J].电子学报:英文版,2004,3(2):187-193.

王海松(硕士研究生)，主要研究方向为雷达系统波形产生和雷达信号处理；王培早(硕士研究生)，主要研究方向为雷达信号处理和红外目标成像；苏阳(硕士研究生)，主要研究方向为高速数据采集与存储；张月(讲师)，主要研究方向为高速数据采集和雷达信号处理。

ResearchonMovingTargetDetectionTechnologyBasedonTMS320C6678

WangHaisong,WangPeizao,SuYang,ZhangYue

(Key Laboratory of Automatic Target Recognition,National University of Defense Technology,Changsha 410073,China)

In the paper,a new method of segmentation of long distance for moving target detection is proposed.The common MTD algorithm is used for detection for the close distance target,and the Keystone algorithm is used to compensate for walking distance problem caused by coherent integration for long distance target.The experiment results show that this method can effectively reduce the computation as well as make compensation for range migration problem.It is verified by the outfield experimental data processing on processor platform of 8-chip TMS320C6678.It can be used for target detection of ubiquitous radar.

ubiquitous radar;range migration;MTD;Keystone;coherent integration;TMS320C6678

国家级-国家自然科学基金(61571449)。

TN957

A

2017-08-21)