星载SAR在轨成像及舰船目标检测方法

李宗凌 汪路元 禹霁阳 郝梁 程博文

(北京空间飞行器总体设计部，北京 100094)

作为一种主动航天、航空遥感手段，SAR成像技术具有全天时、全天候的特点，在环境保护、灾害监测、海洋观测、资源勘查、精细农业、地质测绘等方面有广泛的应用。SAR载荷可以搭载在飞机、导弹、飞艇和卫星等平台上，对地物进行高分辨率成像。其中，卫星平台轨道高度高，相对于其它平台具备成像幅宽大、成像区域不受领空主权限制、平台稳定度高等优点，显著提升了SAR成像的应用效能，成为世界各国重点开发的遥感技术之一[1]。

为满足星载遥感SAR成像高精度和高覆盖度需要，对高分卫星分辨率和幅宽要求成倍提高。同时，带来星上数据处理、存储、下传数据成倍增长的问题，星上数据传输速率将达到20 Gbit/s，星地数传速率需优于4×2 Gbit/s。传统的星上数据处理和管理技术难以满足上述需求。同时，海量遥感数据传输到地面，给地面的接收、存储、处理带来巨大压力，关键信息获取时效性受到严重影响。星上在轨SAR实时成像及检测技术能够有效地解决这一问题，近年来已经成为当前遥感领域的研究热点[2]。

文献[3]采用了现场可编程门阵列(FPGA)+数字信号处理器(DSP)的实施方案，实现了基于Xilinx公司Kintex7 FPGA和TMS320C6678(DSP)高性能实时信号处理平台，可满足雷达成像系统的算法需求。文献[4]设计了一个基于FPGA+DSP的斜视SAR实时处理系统。文献[5]对FPGA+TMS320C6678(DSP)的SAR/InSAR(干涉合成孔径雷达)实时信号处理系统进行了研究。文献[6-7]提出了基于传统的恒虚警目标检测算法，在多目标和杂波边界复杂环境背景下，该算法具有较稳定的检测性能和虚警抑制能力。文献[8-9]提出了基于机器学习的目标检测算法，对弱小目标实现检测, 获得了更好的检测效果。通过分析相关文献可知，基于FPGA+DSP的传统处理架构具有处理能力强、灵活、便于工程实现等特点，但同时存在功耗过高，能效比低的缺点。相对于传统方法，基于机器学习的目标检测算法具有鲁棒性强，目标检测率和正确率高等优点，是当前研究的热点，但同时存在需要大量样本进行训练，参数存储量和计算量巨大等劣势。

针对上述情况，本文提出了一种高能效比的星载SAR成像及舰船目标检测实时处理方法，充分发挥FPGA的全并行流水处理以及数据格式可定制的优势，能够快速实现SAR成像处理和获取SAR图像中重点侦察区域图像切片的需求。

1 SAR成像实时实现

1.1 需求分析

星载SAR成像遥感卫星具备全天时全天候实现全球海洋和陆地信息的监视监测， 通过构建星载实时处理器，可实现星上多种工作模式的SAR实时成像、几何校正等0～2级产品处理功能，具备在轨感兴趣目标检测处理能力，从而提高卫星数据获取时效性。图1为某高分辨率星载SAR成像实时处理框图。图2为某星载SAR实时处理器内部框图，由大量高性能FPGA，片上处理系统(SoC)和DSP组成，功耗高达百瓦以上，影响在轨工作时间、寿命及使用效能。

1.2 成像算法及实时实现

距离多普勒算法(RDA)[10]是在1976年至1978年为处理海洋卫星SAR数据而提出的，该算法于1978年处理出第一幅机载SAR数字图像，是经典的SAR处理方法。随着技术的发展和卫星遥感应用对高品质SAR图像的需求，RDA算法已无法满足应用需求。

变换线性调频尺度(Chirp Scaling)算法[11]是当前星载SAR成像采用的主流算法，利用GPS信息计算或者杂波锁定自聚焦的方法获取多普勒参数，完成精细条带/全极化条带的精确成像，相比RDA算法能够获得更高的信噪比[12]。针对星载SAR多种工作模式成像处理要求，分析多种模式SAR成像算法，总结其中共有的计算特征。对算法流程进行合并后，对应的算法框图如图3所示。SAR成像算法中，“复乘-快速傅立叶变换/快速傅立叶逆变换(FFT/IFFT)”作为一个主体运算步骤，反复执行多次，可提炼为基本运算单元。

图3 主流星载SAR成像算法框图Fig.3 SAR imaging algorithm block diagram

通过图3算法框图可知，SAR成像算法流程由大量FFT和IFFT组成，因此，FFT和IFFT运算效率直接影响整个算法的实现效率[13]。针对此情况，在算法实现过程中，提出了基于高速并行化混合FFT阵列加速的SAR成像实现架构。如图4所示，SAR成像计算过程中，距离向处理和方位向处理较为独立，因此采用分布式并行流水FFT计算方法，设计一种可动态重构的脉冲压缩处理实现架构，建立计算精度误差模型，自主调度定/浮点计算，在有效降低硬件资源占用的同时，保障了SAR成像计算的实时性。

图4 成像算法实现框图Fig.4 Imaging algorithm realize block diagram

方位向处理完成后，对处理结果进行量化处理，如图5所示。对方位向处理结果求取绝对值，将结果由单精度浮点数据转换成32 bit无符号定点数据，以该结果为输入通过查找灰度映射表得到8 bit灰度数据。量化完成后，得到最终的SAR图像，如图6所示(大小为8192×1024像素)。所成图像为SAR成像应用的典型场景——港口区域中，包含有舰船等感兴趣目标，通过感兴趣目标提取算法，可以感知港口的态势。

图5 SAR图像数据量化方法

图6 SAR成像结果Fig.6 SAR imaging results

1.3 性能分析

SAR成像处理过程需占用大量存储、逻辑以及乘法器资源，FPGA等器件硬件资源有限，需使用外部存储资源(DDR3等)完成，其中，大小为8192×1024像素的SAR图像完成整个成像处理流程需使用512 Mbit外部存储资源。本文算法在Xilinx公司XC7K325T中实现占用硬件资源情况如表1所示。逻辑资源(LUTs)，触发器(Flip-flops)，存储资源(Block RAM)以及计算资源(DSP Slices)等硬件资源数量在FPGA内有限(对应表1中的芯片总量)，在FPGA设计过程中需重点考虑。

表1 本文实现SAR成像算法在FPGA(XC7K325T)上实现资源占用情况

本文设计采用顺序输入和逆序输出的16 bit定点FFT处理，逆序输入和顺序输出的单精度浮点IFFT处理方法。如表2所示[5]，在处理精度损失不影响成像图像质量时，相对于传统顺序输入顺序输出FFT/IFFT单精度浮点处理方法有效节省Block RAM 50%以上， DSP Slices 40%以上， LUTs 15%以上，处理延时降低50%以上。

表2 本文处理方法与传统处理方法性能对比

2 SAR图像舰船目标检测实时实现

2.1 SAR图像舰船目标检测算法

由于星载合成孔径雷达的全天时、全天候等优势，星载SAR图像的目标检测与识别目前已经成为卫星遥感应用中研究的热点。针对复杂场景的SAR图像，实现快速、精确、自适应的从星载SAR图像中检测出天基目标信息，一直是研究的热点。由于星载SAR成像过程中相干斑噪声的存在，以及大场景星载SAR图像中建筑阴影、山体阴影、水体表面粗糙度的随机运动等影响，使得设计一个具有高鲁棒性的检测算法变得较为困难。

图7 基于星载SAR图像目标检测算法流程图Fig.7 Flow chart of target detection algorithm based on SAR image

利用改进拓扑描述子进行虚警剔除的星载SAR图像自适应目标检测算法。算法主要流程框图如图7所示，分为3个部分：①背景噪声抑制(图像预处理)，对原始图像采用高斯滤波、中值滤波去除周期性和随机噪声，并经过形态学闭运算消除由噪声引起的目标内部孔洞、连接临近目标和平滑边界；②疑似目标筛选分割，首先通过对图像进行切片，比对当前检测区域与邻域直方图方差特性，区分出纯海域、陆地、疑似目标三种类别，然后对疑似目标区域进行自适应迭代分割，得到二值图像后进行连通域标注，得到疑似目标标注结果；③基于形状特征的目标鉴别，对疑似目标标注结果进行求取圆形度及长宽比进行鉴别，剔除虚警目标，即可得到最终船舰检测结果。

2.2 SAR图像目标检测算法实时实现流程

根据上述算法流程，在实时实现过程中，将算法分解成如图8所示的实现框图。星载SAR图像经过相干斑去噪和二值分割处理效果如图9所示。星载SAR图像二值分割后进行连通域标记结果如图10所示。最终检测结果如图11所示。

图8 SAR图像目标检测实现框图

图9 SAR图像预处理及分割Fig.9 SAR image pre-processing and segmentation

图10 SAR图像连通域标记结果Fig.10 Result of unicom domain mark-up

图11 SAR图像舰船目标最终检测结果Fig.11 Final detection result of SAR image

2.3 性能分析

由于星载SAR成像区域较宽，分辨率较高，如某卫星的SAR载荷分辨率0.3 m，成像区域15 km×15 km，可得到的SAR图像尺寸为50 000×50 000像素，如果按单幅图像处理，将会给星载信息处理平台的数据计算、存储和传输能力带来极大负担，在实时处理系统中无法实现。因此，需将图像进行分块处理，通过多个处理芯片并行处理提升处理速度，上述目标检测算法FPGA实现模块设计均按输入图像大小为1024×1024像素设计。

处理过程需占用大量存储资源，由于FPGA等可编程逻辑器件存储资源有限，需使用外部存储资源完成整个处理流程。图像大小为1024×1024像素完成整个处理流程需使用24 Mbit外部存储资源。硬件开销见表3，表中FPGA采用Xilinx公司XC7K325T。

表3 SAR图像目标检测算法在XC7K325T上实现资源占用情况

3 系统验证

3.1 验证系统搭建

目前，星载高性能处理平台可选用的FPGA硬件资源规模最大为3300万门左右，与本文选用的Xilinx公司的FPGA XC7K325T相当。XC7K325T硬件资源规模为3250万门，且便于找到Xilinx公司官方开发板。因此，本文选用Xilinx公司XC7K325T开发板上完成实时处理功能验证。结合该板卡外围千兆以太网总线、DDR3存储器及视频图像阵列(VGA)显示接口，形成可演示的实时信息处理系统。

功能验证的主要流程：上位机通过千兆以太网发送参数数据及回波数据给FPGA，FPGA利用DDR3缓存中间处理数据，完成处理后将图像数据通过VGA接口和千兆以太网输出显示。验证系统架构及采用板卡如图12和图13所示。

图12 SAR图像检测验证系统架构Fig.12 Work diagram of verification system

图13 SAR成像及目标检测验证板卡Fig.13 Imaging and detection verification board

3.2 系统验证及性能分析

采用RadarSat-1遥感卫星的回波数据，验证了SAR成像算法的有效性和实时实现的可行性，为后续在轨应用奠定理论和工程基础。

相对传统处理方法，本文设计的SAR成像核心处理方法脉冲压缩处理，通过改变FFT的处理架构和适当降低处理精度，有效节省存储资源(Block RAM)50%以上、节省计算资源(DSP Slices)40%以上、节省逻辑资源(LUTs)15%以上，处理延时降低50%以上。

在Xilinx公司XC7K325T FPGA实现了SAR成像和舰船目标检测功能，形成可演示实时处理系统。通过分析该报告可以得知XC7K325T FPGA的功耗为4.168 W，考虑电源转化效能(预设电源转换效率为75%)问题，功耗估计为5.84 W，相对于传统基于FPGA+DSP的处理架构，达到同样的处理效率，功耗至少为25 W以上。本文提出的星载SAR成像及舰船目标检测方法能效比为传统方法的4倍以上。与此同时，考虑星上SAR处理幅宽较宽，常用方法是通过多个处理器并行处理解决实时性问题，本文验证只考虑单个处理器情况，实际处理机的整机功耗降幅巨大，对信息处理整机设计有较好参考意义。

4 结束语

根据星载SAR成像算法特点，提出基于高速并行化混合FFT阵列加速的SAR成像实时实现方法。在SAR图像目标检测算法设计过程中，提出以局部降维统计分类为基础的舰船目标检测方法。在FPGA工程实现过程中采取了多种优化设计手段，有效降低了硬件占用率、功耗以及成本。在满足各项成像技术指标的同时，有效提升处理效率、降低功耗、体积和成本，提高系统可靠性和抗干扰能力，实现多种幅宽、连续星载SAR成像处理功能和舰船目标检测能力。

本文设计的星载SAR成像及舰船目标检测方法能效比为传统方法的4倍以上，经由RadarSat-1遥感卫星数据验证了算法的有效性和实时性，为星上高速率载荷数据实时处理、数据快速应用、快速提取情报信息提供了一种新的高效途径。该方法可应用到当前的星载在轨实时信息处理系统中，通过在卫星上完成SAR成像、SAR图像关注区域及关键目标检测提取等实时处理功能，将大大缩短卫星系统的反应时间、突破数传瓶颈、提高固存、载荷利用率。另外，随着处理实时性、有效性及能效比等指标的改善，星载载荷信息处理系统的在轨运行时间将极大增加，可有效提升天基态势感知系统的应用效能。