基于圖割的雷達(dá)微弱目標(biāo)檢測(cè)

董秀青，郭春生，趙捷珍

(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310008)

摘要：低信噪比、強(qiáng)機(jī)動(dòng)條件下的雷達(dá)目標(biāo)檢測(cè)是目前的研究難點(diǎn)和熱點(diǎn)。提出了一種基于圖割的雷達(dá)目標(biāo)全局優(yōu)化檢測(cè)方法。首先對(duì)距離-多普勒信號(hào)進(jìn)行空域積累，形成一定的目標(biāo)圖像序列；然后對(duì)背景和目標(biāo)建模，在最大后驗(yàn)概率準(zhǔn)則下，采用圖割算法對(duì)目標(biāo)圖像序列進(jìn)行全局優(yōu)化檢測(cè)，獲取雷達(dá)目標(biāo)圖像序列；最后利用卡爾曼濾波器預(yù)測(cè)目標(biāo)圖像特征，完成目標(biāo)模型的更新。仿真結(jié)果表明，在低信噪比、強(qiáng)機(jī)動(dòng)條件下，能夠有效地實(shí)現(xiàn)對(duì)雷達(dá)微弱目標(biāo)的檢測(cè)。

關(guān)鍵詞：雷達(dá)微弱目標(biāo)檢測(cè)；圖割優(yōu)化；距離-多普勒視頻幀；低信噪比

DOI: 10.13954/j.cnki.hdu.2015.02.006

基于圖割的雷達(dá)微弱目標(biāo)檢測(cè)

董秀青，郭春生，趙捷珍

(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310008)

摘要：低信噪比、強(qiáng)機(jī)動(dòng)條件下的雷達(dá)目標(biāo)檢測(cè)是目前的研究難點(diǎn)和熱點(diǎn)。提出了一種基于圖割的雷達(dá)目標(biāo)全局優(yōu)化檢測(cè)方法。首先對(duì)距離-多普勒信號(hào)進(jìn)行空域積累，形成一定的目標(biāo)圖像序列；然后對(duì)背景和目標(biāo)建模，在最大后驗(yàn)概率準(zhǔn)則下，采用圖割算法對(duì)目標(biāo)圖像序列進(jìn)行全局優(yōu)化檢測(cè)，獲取雷達(dá)目標(biāo)圖像序列；最后利用卡爾曼濾波器預(yù)測(cè)目標(biāo)圖像特征，完成目標(biāo)模型的更新。仿真結(jié)果表明，在低信噪比、強(qiáng)機(jī)動(dòng)條件下，能夠有效地實(shí)現(xiàn)對(duì)雷達(dá)微弱目標(biāo)的檢測(cè)。

關(guān)鍵詞：雷達(dá)微弱目標(biāo)檢測(cè)；圖割優(yōu)化；距離-多普勒視頻幀；低信噪比

DOI:10.13954/j.cnki.hdu.2015.02.006

收稿日期：2014-06-06

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(61372157)

通信作者：

作者簡(jiǎn)介：董秀青(1988-)，女，河南安陽人，在讀研究生，信號(hào)與信息處理.郭春生教授，E-mail: guo.chsh@gmail.com.

中圖分類號(hào)：TN911.73

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-9146(2015)02-0020-05

Abstract:Now radar weak target detection is the focus of research in the condition of low SNR and strong maneuverability. A method of radar weak target detection based on graph cuts is proposed in this paper. Firstly， the range-Doppler image sequence is constructed through the spatial accumulation; Secondly， based on the target and background models， the target sequence is detected by the optimization algorithm of the graph cuts under the criterion of MAP; Finally， the parameters of target model are predicted by Karman filter to update the target model. The tests demonstrate the effectiveness of this algorithm on detecting the radar weak target in the condition of low SNR， especially for the strong maneuverability．

0引言

由于雷達(dá)微弱目標(biāo)具有隱身、遠(yuǎn)距離、高機(jī)動(dòng)等特點(diǎn)，這給低信噪比時(shí)的目標(biāo)檢測(cè)造成一定的困難。為了解決該難點(diǎn)研究者們提出了多種檢測(cè)方法，如相干積累檢測(cè)法通過利用回波信號(hào)的相位信息來改善目標(biāo)檢測(cè)性能[1]，但是這個(gè)檢測(cè)方法的時(shí)間受限于目標(biāo)分辨單元，特別是在高分辨、高速目標(biāo)雷達(dá)系統(tǒng)中這種限制更為明顯。對(duì)于這個(gè)問題，可以利用長(zhǎng)時(shí)間非相干積累的方法緩解[2]?；诹Ｗ訛V波的檢測(cè)前跟蹤(TBD)方法是一種重要的非相干積累法[3]，但是如果目標(biāo)有著復(fù)雜的運(yùn)動(dòng)軌跡，檢測(cè)時(shí)采用非相干積累的方法也變得非常困難[4]。為了在低信噪比且目標(biāo)運(yùn)動(dòng)軌跡較復(fù)雜的情況下，能夠較好地檢測(cè)到雷達(dá)微弱目標(biāo)，本文提出了基于圖割的全局優(yōu)化弱目標(biāo)檢測(cè)方法[4-5]。本方法不同于相干積累和非相干積累法利用時(shí)間積累來增強(qiáng)微弱目標(biāo)的檢測(cè)能力，而是通過空域積累將周期性回波信號(hào)拼接成圖像序列，然后再利用圖割算法和卡爾曼預(yù)測(cè)來檢測(cè)拼接圖像中微弱目標(biāo)的檢測(cè)。該方法為雷達(dá)微弱目標(biāo)檢測(cè)提供了一個(gè)新的理論方法。

1基于圖割的雷達(dá)微弱目標(biāo)檢測(cè)算法

本文提出的雷達(dá)微弱目標(biāo)檢測(cè)算法，在貝葉斯最大后驗(yàn)概率準(zhǔn)則下，基于圖割算法對(duì)空域積累得到的距離-多普勒?qǐng)D像序列實(shí)施目標(biāo)全局優(yōu)化分割。算法的具體流程如圖1所示，其中輸入為雷達(dá)脈沖回波信號(hào)，輸出是檢測(cè)到的雷達(dá)目標(biāo)信號(hào)，其過程表述為：

1)仿真產(chǎn)生包含雜波噪聲和微弱目標(biāo)的雷達(dá)脈沖回波目標(biāo)信號(hào)，經(jīng)過積累形成距離-多普勒?qǐng)D像序列；

2)利用混合高斯法對(duì)距離-多普勒?qǐng)D像建立模型，獲取雜波背景模型；

3)根據(jù)目標(biāo)、雜波背景模型，對(duì)待檢測(cè)的距離-多普勒?qǐng)D像構(gòu)造網(wǎng)絡(luò)圖并確定流量參數(shù)；

4)利用最大流/最小割算法求解網(wǎng)絡(luò)圖最小割，提取屬于目標(biāo)的像素，實(shí)現(xiàn)距離-多普勒視頻圖像中雷達(dá)目標(biāo)的檢測(cè)；

5)利用卡爾曼濾波器對(duì)檢測(cè)到的目標(biāo)圖像進(jìn)行邊長(zhǎng)、面積的特征預(yù)測(cè)，完成目標(biāo)模型的更新。更新后的目標(biāo)模型和背景模型一起計(jì)算下一幀圖像的網(wǎng)絡(luò)參數(shù)，再執(zhí)行步驟4。如此循環(huán)實(shí)現(xiàn)距離-多普勒?qǐng)D像序列的檢測(cè)。

上述過程中目標(biāo)模型、基于圖割的目標(biāo)檢測(cè)及目標(biāo)參數(shù)預(yù)測(cè)是本文算法的3個(gè)關(guān)鍵點(diǎn)。

圖1　基于圖割的雷達(dá)微弱目標(biāo)檢測(cè)算法流程圖

1.1　目標(biāo)模型

基于馬爾科夫隨機(jī)場(chǎng)(Markov Random Field， MRF)模型對(duì)二值化目標(biāo)圖像進(jìn)行建模，設(shè)在二值化的目標(biāo)圖像序列中，數(shù)值1表示雷達(dá)目標(biāo)，數(shù)值0表示雜波背景，則二值化的目標(biāo)圖像X可以采用MRF模型描述，即：

(1)

(2)

1.2　目標(biāo)檢測(cè)

設(shè)圖像序列Yn中各個(gè)像素點(diǎn)yi處的雜波服從均值為0，方差為σ2的高斯分布且相互獨(dú)立。圖像序列Yn在二值圖像X下的似然函數(shù)為：

(3)

(4)

對(duì)式(4)兩邊取對(duì)數(shù)變?yōu)椋?/p>

(5)

求解式(5)最大值等價(jià)于在對(duì)應(yīng)的網(wǎng)絡(luò)圖中利用最大流/最小割求最小割的問題。具體求解方法為：首先對(duì)距離-多普勒?qǐng)D像序列構(gòu)建一個(gè)網(wǎng)絡(luò)流圖，然后為網(wǎng)絡(luò)流圖分配流量。流量分配的方法為：如果λi-α≥0，那么將源點(diǎn)到像素節(jié)點(diǎn)i的流量設(shè)為λi-α，將像素節(jié)點(diǎn)i到匯點(diǎn)的流量設(shè)為0；若λi-α<0，則將源點(diǎn)到i的流量設(shè)為0，將i到匯點(diǎn)的流量設(shè)為為α-λi；像素節(jié)點(diǎn)之間的流量設(shè)為β。最后利用最大流最小割算法[6]實(shí)現(xiàn)前、背景分割達(dá)到目標(biāo)檢測(cè)的目的。

1.3　目標(biāo)模型更新

根據(jù)卡爾曼預(yù)測(cè)公式和狀態(tài)方程，能夠?qū)δ繕?biāo)的邊長(zhǎng)和面積進(jìn)行實(shí)時(shí)預(yù)測(cè)，從而及時(shí)更新目標(biāo)模型，改善算法的檢測(cè)性能。

2實(shí)驗(yàn)與分析

在實(shí)驗(yàn)部分首先仿真產(chǎn)生距離-多普勒?qǐng)D像序列，然后通過與常規(guī)雷達(dá)微弱目標(biāo)檢測(cè)方法和TBD方法進(jìn)行比較，驗(yàn)證本文方法在低信噪比、強(qiáng)機(jī)動(dòng)情況下對(duì)雷達(dá)弱目標(biāo)檢測(cè)的有效性和可行性。

2.1　距離-多普勒?qǐng)D像序列的產(chǎn)生

2.2　算法間的比較與分析

分別采用常規(guī)檢測(cè)方法和本文的方法對(duì)對(duì)上述產(chǎn)生的距離-多普勒?qǐng)D像進(jìn)行檢測(cè)，檢測(cè)結(jié)果如圖2所示，檢測(cè)性能指標(biāo)如表1所示。

圖2　距離-多普勒序列幀的檢測(cè)結(jié)果

表1　本文算法與常規(guī)法的比較

由圖2可以觀察到在低信噪比下，基于圖割算法檢測(cè)到的雷達(dá)弱目標(biāo)的運(yùn)動(dòng)軌跡要比常規(guī)檢測(cè)方法更加清晰。由表1可以知道在虛警概率相同的情況下，基于圖割的雷達(dá)弱目標(biāo)檢測(cè)方法的檢出率較高、誤檢率更低。這表明了在低信噪比條件下，基于圖割的雷達(dá)弱目標(biāo)檢測(cè)算法優(yōu)于常規(guī)檢測(cè)方法。

為了進(jìn)一步驗(yàn)證基于圖割的雷達(dá)弱目標(biāo)檢測(cè)的有效性，與TBD方法進(jìn)行比較。利用TBD方法檢測(cè)的性能指標(biāo)如表2所示。

表2　本文算法與TBD法的比較

由表2可以得到在低信噪比下，基于圖割優(yōu)化的檢測(cè)方法通過預(yù)測(cè)周長(zhǎng)、面積等魯棒性的目標(biāo)特征來更新目標(biāo)模型實(shí)時(shí)檢測(cè)雷達(dá)微弱目標(biāo)的檢出率和誤檢率明顯優(yōu)于基于粒子濾波的TBD方法，驗(yàn)證了基于圖割的全局優(yōu)化檢測(cè)方法在低信噪比條件下檢測(cè)雷達(dá)微弱目標(biāo)的有效性。

3結(jié)束語

本文提出了基于圖割全局優(yōu)化的雷達(dá)微弱目標(biāo)檢測(cè)方法，通過卡爾曼濾波器預(yù)測(cè)的目標(biāo)模型參數(shù)，并與背景模型共同構(gòu)成網(wǎng)絡(luò)圖模型，利用最大流/最小割算法求解網(wǎng)絡(luò)圖模型實(shí)現(xiàn)雷達(dá)弱目標(biāo)檢測(cè)。本方法通過空域積累，將圖割理論應(yīng)用到雷達(dá)弱目標(biāo)檢測(cè)之中，較好地實(shí)現(xiàn)了低信噪比、強(qiáng)機(jī)動(dòng)情況下對(duì)復(fù)雜運(yùn)動(dòng)目標(biāo)的有效檢測(cè)。仿真結(jié)果和檢測(cè)性能指標(biāo)表明了本算法在雷達(dá)微弱目標(biāo)檢測(cè)中的有效性。

參考文獻(xiàn)

[1]Chen X， Guan J， Liu N， et al. Maneuvering Target Detection via Radon-fractional Fourier Transform-based Long-time Coherent Integration[J]. Signal Processing， IEEE Transactions on，2014，62(4):939-953．

[2]李濤，馮大政，夏宇垠.一種新的非相干積累算法[J].西安電子科技大學(xué)學(xué)報(bào)，2010，37(2):267-272．

[3]Wu Z， Su T. Radar target detect using particle filter[C]//Radar Conference， 2010 IEEE. IEEE，2010:955-958．

[4]王智玉.基于圖切優(yōu)化的雷達(dá)微弱目標(biāo)檢測(cè)研究[D].杭州電子科技大學(xué)，2013．

[5]Yi F， Moon I. Image segmentation: A survey of graph-cut methods[C]//Systems and Informatics (ICSAI)， 2012 International Conference on. IEEE，2012:1 936-1 941．

[6]Boykov Y， Kolmogorov V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision[J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on，2004，26(9):1124-1137．

[7]王盼.視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D].杭州電子科技大學(xué)，2009．

Radar Weak Target Detection Based on Graph-cuts

Dong Xiuqing， Guo Chunsheng， Zhao Jiezhen

(SchoolofCommunicationEngineering，HangzhouDianziUniversity，HangzhouZhejiang310008，China)

Key words: radar weak target; graph cuts; range-Doppler sequence; low SNR