一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测方法

田 敏，万向成，陆 晴，李云鹏，杨志伟,3

(1. 西安电子科技大学 雷达信号处理国家重点实验室，陕西 西安 710071；2. 上海卫星工程研究所，上海 201109； 3. 西安电子科技大学 信息感知技术协同创新中心，陕西 西安 710071)

0 引言

合成孔径雷达地面动目标检测(SAR-GMTI)技术，是一种对观测场景高分辨成像，并对地面动目标检测与定位的手段，已被广泛应用于城市交通监视、军事侦察预警等领域[1-2]。雷达对地观测会面对不同地物类型的场景，它们的回波强度存在差异，尤其当雷达照射城市地区时，这些地区存在大量由人工建筑物反射的孤立强杂波，对场景杂波进行空时自适应处理[3]或两通道相消处理[4-5]后，强杂波的剩余能量可能远高于平均杂波剩余水平，使基于残差图强度的动目标检测方法虚警率升高，检测性能严重恶化。

随着传感器与雷达成像技术的发展，沿航迹干涉(ATI)雷达系统在地面动目标检测领域得到了广泛应用[6-10]。该系统在沿航迹方向均匀排布了2个接收通道以观测同一场景，利用通道间沿航迹基线差造成的信号延迟，测量运动目标的多普勒信息。在ATI域，目标ATI相位与其多普勒偏移量成正比，由此实现动目标与静止杂波的分离。GIERULL等[7]基于ATI技术提出了复多视干涉处理方法，在ATI域进行像素点干涉信息平均，此操作等效于低通滤波处理，能减少信号中的噪声分量，有效提高ATI相位检测方法的抗噪能力，但在实际雷达系统中，受非线性电子器件性能变化、平台振动、天线T/R组件幅相响应差异等因素的影响，通道间通常存在着随机且时变的幅度与相位误差，在ATI域表现为随机扰动分量，使ATI相位检测方法的性能恶化。GIERULL等[8]基于加拿大RADARSAT-2卫星的双通道ATI-SAR系统，提出一种联合杂波抑制残差图幅度检测和ATI相位检测的两步检测法；刘保昌等[9]设计了一个基于径向速度导向矢量的检测量，以代替GIERULL两步检测法中的ATI相位检测量，可应用于三通道ATI-SAR系统；高桂等[10]提出了一种联合SAR图像沿航迹干涉幅度与相位的动目标检测方法。以上学者联合信号幅度与ATI相位或其改进形式检测动目标，一定程度上提高了动目标检测的稳健性，但对于多通道雷达系统，ATI相位检测及其改进形式利用的通道数据较少，并未充分利用多通道SAR系统的空域自由度。

为此，本文提出了一种基于非均匀杂波背景下滤波响应损失的两步检测方法。针对多通道SAR图像数据，采用维纳滤波处理来抑制场景杂波，基于残差图的强度初步检测出潜在的动目标，构造潜在目标的滤波响应损失量，即滤波前后潜在目标能量的损失量，利用该检测量进一步剔除虚警；通过仿真与实测数据验证所提方法的有效性。

1 信号模型

(1)

在运动平台雷达回波中，低信噪比的运动目标往往淹没在杂波中，难以直接基于信号幅度信息进行有效检测，因此，需对杂波进行抑制处理。在目标导向矢量未知的情况下，采用维纳匹配滤波处理可获得最优杂波抑制性能[15-16]，其滤波权矢量woutp通过解式(2)优化问题得到

(2)

式中：woutp(1)=1表示滤波权矢量第1个元素为1；Rcn为杂波加噪声协方差矩阵的最大似然估计值。

(3)

在非均匀杂波背景下，GIERULL等推导了幅度检测量T1的统计特性，即

(4)

式中：ν为杂波的非均匀程度，由幅度检测量的二阶统计量m2估计，ν=(2m2-2)/(m2-2)。根据雷达检测需求设定虚警概率Pfa1，对应的幅度检测门限为

(5)

在复杂地物背景下，局部地物散射体的雷达后向散射强度可能发生剧烈变化，造成杂波强弱差异明显，分布非均匀。如城市中的建筑物对电磁波散射强，而路面散射较弱，造成杂波分布极度非均匀。在杂波抑制处理过程中，为减小目标输出损失，通常用样本挑选后的均匀杂波样本估计杂波加噪声协方差矩阵，这会导致杂波抑制残差图上残存着大量强杂波剩余。此时，若仅利用式(3)检测动目标，则会出现大量虚警，严重影响动目标检测性能。

2 检测算法

针对复杂地物背景下的动目标检测问题，提出一种基于滤波响应损失的两步检测方法：第一步采用式(3)初步检测出潜在动目标，通常采用较低的幅度检测门限，尽可能检测出潜在目标；第二步构造潜在目标的滤波响应损失检测量，进一步剔除虚警。

2.1 滤波响应损失检测量

定义潜在目标的滤波响应损失检测量，即

T2=Eout/Ein

(6)

式中：Ein，Eout分别为潜在目标在杂波抑制前、后的能量。

显然，潜在目标在杂波抑制后的能量为

Eout=woutpHXXHwoutp

(7)

利用式(6)计算滤波响应损失检测量，其关键在于估计潜在目标在杂波抑制前的能量。由二元检测模型可知，在杂波抑制前，潜在目标所在的分辨单元中还包括杂波与噪声。为分离出目标分量，采用杂波正交投影矩阵对消杂波分量，以获取动目标的信号分量。基于子空间投影理论，杂波的正交投影矩阵为

(8)

(9)

式(8)中，当且仅当目标空域导向与杂波空域导向正交时，可准确估计出目标能量。然而，对于慢速运动目标，目标子空间与杂波子空间接近，此时利用式(10)会损失目标子空间与杂波子空间重叠部分对应的能量。田静等[11]详细分析了正交投影与斜投影的滤波响应特性。沿杂波子空间向目标子空间的斜投影矩阵为

(10)

将杂波信号sc⊙ac向斜投影矩阵作投影，其表达式为

(11)

Mobli_t(k)(sc⊙ac)=0

(12)

则目标信号ss⊙as(v)向斜投影矩阵投影为

(13)

(14)

将式(14)代入(13)，得

(15)

将式(15)代入式(6)，滤波响应损失检测量为

(16)

根据动目标最小可检测速度指标，目标响应损失量的检测门限为

(17)

式中：vmin为动目标的最小可检测速度。

本文检测算法的处理流程如图1所示，主要步骤为：对多通道回波数据进行SAR成像，并作通道均衡与图像配准操作[12]；对N幅SAR图像数据利用式(2)进行维纳匹配滤波处理；基于式(3)中的幅度检测量初步检测潜在动目标，依次估计潜在动目标的径向速度[13],构造潜在目标斜投影矩阵，计算潜在目标的响应损失检测量T2；根据式(17)计算滤波响应损失检测门限η2，基于响应损失检测实现二次检测以剔除虚假目标；输出目标检测结果。

图1 本文检测算法的处理流程Fig.1 Processing flowchart of proposed method

3 实验与分析

3.1 目标能量估计分析

仿真参数设置为：雷达波长λ=0.02 m，通道等效间距d=0.125 m，平台沿航迹速度va=150 m/s，通道数N=5，单通道的信噪比RSN=10 dB，杂噪比RCN=10 dB。仿真中暂不考虑通道间幅度相位不一致性。图2给出了目标能量估计结果随径向速度的变化情况，横坐标表示目标的径向速度，纵坐标表示估计的杂波抑制前动目标能量。为避免随机误差，图中的曲线由1 000次蒙特卡洛实验所得。单通道目标信噪比为10 dB，加上5个通道的相干积累增益10*lg10(5)≈6.989 7 dB，目标总能量为16.989 7 dB。由图2可见：与正交投影相比，斜投影估计值更接近目标真实能量；随着目标径向速度的增大，动目标的空域导向矢量与杂波的空域导向矢量的夹角增大，目标能量估计值更加准确。

图2 不同方法下目标杂波抑制前的能量估计Fig.2 Estimation results of target energy before clutter suppression versus different radial velocities by using different methods

在不同目标、不同信噪比下，动目标的滤波响应损失量如图3所示。

图3 不同目标、信噪比下的动目标滤波响应损失量

图3中，T2为杂波抑制后信号能量损失检测量。为避免随机误差，图中曲线由1 000次蒙特卡洛实验所得。图中目标1、2的径向速度分别为2 m/s和6 m/s。对比目标1、2的滤波响应损失量可见：在相同信噪比下，径向速度较大的目标对应的滤波响应损失较小，约为0；当目标径向速度较小，为2 m/s时，滤波响应损失较大，约为-5～-4 dB。与采用目标真实径向速度估计的滤波响应损失检测量相比，采用估计的径向速度所带来的能量估计误差不超过1.5 dB，可用于实现动目标检测。

3.2 仿真实验结果

将GIERULL等提出的两步检测法[8]和广义最大似然比检测(GLRT)方法[14]作为对比方法，验证本文所提方法的检测性能，仿真参数见表1。由表可知，通过在均匀杂波背景下增加强杂波样本模拟非均匀杂波场景，强杂波对应的径向速度为0。图4给出了杂波抑制前后样本能量示意。图中：E为杂波抑制前的信号能量；Eout为杂波抑制后的信号能量。由图4可见，杂波抑制后的强杂波剩余能量远高于均匀杂波的剩余能量，对动目标检测造成干扰。强杂波与动目标的滤波响应损失对比如图5所示。由图可见，强杂波的滤波响应损失约为40 dB，径向速度大于0.5 m/s的动目标，其滤波响应损失不超过12 dB，这说明滤波响应损失检测量能很好区分强杂波与运动目标。

通过蒙特卡洛实验仿真了本文方法与GIERULL、GLRT方法的检测性能，如图6所示。

表1 系统参数

图4 杂波抑制前后样本能量对比结果Fig.4 Comparison of sample energy before and after clutter suppression

图5 强杂波与动目标滤波响应损失量对比Fig.5 Comparison of filtering response loss between strong clutter and moving targets

图6 检测性能曲线对比Fig.6 Comparison of detection performance for different methods

图7 机载实测实验结果Fig.7 Experimental results of airborne radar system

图6中：Pd为动目标检测概率，Pfa为虚警概率。由图可见，本文方法检测性能优于对比方法。

3.3 实测实验结果

采用机载四通道雷达对实测数据进行实验。机载雷达工作模式为正侧视，平台沿航迹的速度为100 m/s，波长为0.02 m，通道数为4个，通道等效相位中心的间距为0.3 m，脉冲重复频率为800 Hz，积累脉冲数为500个。本文方法第一步幅度检测的虚警率为10-4，检测结果如图7(a)所示。设给定目标最小可检测速度为1 m/s，对应的滤波响应损失门限为-17 dB，剔除虚警后机载实测实验结果如图7(b)所示。图7中：红色圆圈表示检测出的目标位置，绿色圆圈表示目标重定位后的位置，蓝色线表示重定位的路径。当检测到的目标径向速度很小或该目标无法定位到路面时，可认定为虚警。图8分别给出了本文方法与幅度检测方法检测出的动目标滤波响应损失，右坐标轴为各动目标对应的径向速度。图7(a)中“区域A”的动目标径向速度小于0.7 m/s，自适应滤波响应损失大于22 dB，很可能是虚警。采用本文方法可剔除这些虚警，得到图7(b)的检测结果。由图7(b)和图8可知，定位于路面动目标的径向速度为1.8～3.0 m/s，自适应处理中响应损失小于17 dB，因此本文方法能有效检测出路面行驶车辆，减少虚假检测情况的发生。

图8 检测结果滤波响应损失分析Fig.8 Analysis of filtering response loss of detected targets for different methods

4 结束语

本文提出一种基于滤波响应损失的两步检测方法，适用于非均匀杂波背景下的运动平台雷达动目标检测。该方法在杂波抑制残差图检测的基础上，利用自适应滤波前后目标的能量差构造滤波响应损失检测量，以剔除虚警。在实际操作中，采用斜投影矩阵估计潜在目标滤波前的能量，进而获得潜在目标的滤波响应损失量。实验结果表明：与目标真实能量相比，利用斜投影矩阵估计的结果比采用正交投影估计的结果的误差更小，能获取更准确的目标能量估计结果；目标的滤波响应损失量与其信噪比、径向速度有关；在给定信噪比下，目标径向速度越大，目标滤波响应损失量越小，检测性能越好。实测数据表明，本文方法在非均匀杂波背景下能有效检测出路面机动车辆，剔除虚警。在后续工作中，将继续研究滤波响应损失检测量在H0假设下的统计特性。