多特征輔助的SAR-GMTI雷達(dá)擴(kuò)展動(dòng)目標(biāo)檢測方法

楊志偉,張 蕊,許華健,廖桂生,楊 劍

(西安電子科技大學(xué)雷達(dá)信號(hào)處理重點(diǎn)實(shí)驗(yàn)室,陜西西安 710071)

多特征輔助的SAR-GMTI雷達(dá)擴(kuò)展動(dòng)目標(biāo)檢測方法

楊志偉,張 蕊,許華健,廖桂生,楊 劍

(西安電子科技大學(xué)雷達(dá)信號(hào)處理重點(diǎn)實(shí)驗(yàn)室,陜西西安 710071)

在遠(yuǎn)程監(jiān)視模式下,高分辨率SAR-GMTI雷達(dá)系統(tǒng)面臨目標(biāo)擴(kuò)散、信噪比低等挑戰(zhàn),傳統(tǒng)基于點(diǎn)目標(biāo)檢測方法性能惡化明顯.本文提出一種目標(biāo)形狀與陰影輔助的高分辨率SAR-GMTI雷達(dá)擴(kuò)展動(dòng)目標(biāo)檢測方法.該方法首先對雜波抑制后的殘差圖聚類并生成目標(biāo)形狀信息;然后依據(jù)目標(biāo)陰影形成的幾何模型計(jì)算與目標(biāo)形狀相匹配的陰影模板,并利用目標(biāo)徑向速度估計(jì)值生成陰影位置匹配條件;最后綜合利用陰影形狀、位置及幅度信息,剔除不符合匹配條件的虛假目標(biāo),降低虛警.仿真驗(yàn)證了所提方法對低信噪比擴(kuò)展目標(biāo)檢測性能的改善.

合成孔徑雷達(dá);地面運(yùn)動(dòng)目標(biāo)檢測;擴(kuò)展目標(biāo);目標(biāo)形狀與陰影輔助;模板匹配

1 引言

合成孔徑雷達(dá)(SAR)技術(shù)與地面運(yùn)動(dòng)目標(biāo)檢測(GMTI)技術(shù)相結(jié)合,能夠高分辨成像的同時(shí),完成地面運(yùn)動(dòng)目標(biāo)的檢測、參數(shù)估計(jì)與定位.在機(jī)載遠(yuǎn)程監(jiān)視應(yīng)用背景下,提高分辨率一方面可以獲得更加清晰的SAR圖像,另一方面也可以減少與地面運(yùn)動(dòng)目標(biāo)相競爭的雜波能量,利于挑選滿足獨(dú)立同分布的訓(xùn)練數(shù)據(jù);不過,提高SAR圖像分辨率后,地面運(yùn)動(dòng)目標(biāo)散焦會(huì)更加顯著,面臨目標(biāo)擴(kuò)散、信噪比降低等問題,有必要發(fā)展新的運(yùn)動(dòng)目標(biāo)檢測方法.

近年來,在SAR動(dòng)目標(biāo)檢測方面,國內(nèi)外學(xué)者提出了多種解決途徑,大致可分為兩類:第一類是基于單通道SAR系統(tǒng)的動(dòng)目標(biāo)檢測方法,此類方法主要利用目標(biāo)與雜波回波的差異(如多普勒中心頻率[1]、調(diào)頻率[2]和時(shí)頻特性[3～6])來檢測動(dòng)目標(biāo);第二類則是基于多通道SAR系統(tǒng)的方法,該類典型方法主要從雜波抑制的角度出發(fā),利用動(dòng)目標(biāo)與場景回波的空時(shí)特性差異(如相位中心偏置天線(DPCA)技術(shù)[5]、沿航跡干涉(ATI)技術(shù)[12],空時(shí)自適應(yīng)處理(STAP)技術(shù)[8～10]及其改進(jìn)技術(shù)[11～13]等)來進(jìn)行動(dòng)目標(biāo)檢測.

在中等分辨率(例如10m×10m)下,典型地面運(yùn)動(dòng)目標(biāo)可視為點(diǎn)目標(biāo),上述檢測算法具有較好的檢測性能,但是,它們均僅利用了動(dòng)目標(biāo)的徑向速度信息.隨著分辨率的提高,運(yùn)動(dòng)目標(biāo)會(huì)占據(jù)多個(gè)分辨單元,呈現(xiàn)擴(kuò)展目標(biāo)特性(形狀、尺寸等);此外,雷達(dá)遠(yuǎn)距離探測時(shí),運(yùn)動(dòng)目標(biāo)因遮擋產(chǎn)生的陰影也凸顯出來.靜止目標(biāo)陰影在SAR圖像解譯,包括SAR圖像目標(biāo)檢測與識(shí)別等方面已經(jīng)有廣泛應(yīng)用[15～17],動(dòng)目標(biāo)陰影信息的利用則相對較少.文獻(xiàn)[16]首先通過提取目標(biāo)的正射陰影來得到目標(biāo)形狀信息,然后結(jié)合單幅SAR圖像的強(qiáng)度檢測結(jié)果與道路輔助信息來提高檢測、定位性能.不過,該方法要求動(dòng)目標(biāo)在單幅SAR圖像上可檢測,即需要較高的信雜比;此外,實(shí)際SAR圖像上的道路區(qū)域接近噪聲電平,準(zhǔn)確提取動(dòng)目標(biāo)的正射陰影較為困難.文獻(xiàn)[17]針對聚束模式,提出了利用多視SAR圖像序列陰影位置變化來檢測、跟蹤動(dòng)目標(biāo)的方法,檢測性能不受信雜比影響.不過,該方法需要對多視SAR圖像序列進(jìn)行精確配準(zhǔn),并且需要在較大范圍內(nèi)改變觀察視角來區(qū)分動(dòng)目標(biāo)與地物場景陰影的變化.

針對上述利用陰影檢測動(dòng)目標(biāo)方法的不足,結(jié)合高分辨率SAR-GMTI雷達(dá)遠(yuǎn)程監(jiān)視地面運(yùn)動(dòng)目標(biāo)的特點(diǎn),通過建立動(dòng)目標(biāo)陰影幾何計(jì)算模型提出了目標(biāo)形狀與陰影輔助的地面運(yùn)動(dòng)目標(biāo)檢測方法(S2A-MTD).該方法首先對多通道數(shù)據(jù)進(jìn)行自適應(yīng)雜波抑制處理,提高強(qiáng)雜波區(qū)的動(dòng)目標(biāo)檢測性能,并通過提取潛在目標(biāo)區(qū)域的最小外接矩形生成目標(biāo)形狀信息;然后依據(jù)形成目標(biāo)陰影的幾何模型計(jì)算與目標(biāo)形狀相匹配的陰影模板,并利用目標(biāo)徑向速度估計(jì)值生成陰影位置匹配條件,剔除地物陰影;最后綜合利用陰影形狀、位置及目標(biāo)幅度信息,剔除不符合匹配條件的強(qiáng)地形雜波區(qū)域,降低虛警概率.相比于傳統(tǒng)點(diǎn)目標(biāo)檢測方法而言,所提方法通過對動(dòng)目標(biāo)形狀、速度及陰影進(jìn)行匹配,顯著提高了對低信噪比擴(kuò)展目標(biāo)的檢測性能.仿真實(shí)驗(yàn)驗(yàn)證了所提方法的有效性.

2 問題描述

2.1 多通道信號(hào)模型

假設(shè)多通道SAR系統(tǒng)的雷達(dá)陣列沿航跡分布并工作于正側(cè)視狀態(tài),其空間坐標(biāo)系和觀測示意圖如圖1所示:x軸方向表示沿航跡方向(方位向);y軸垂直于航跡方向(距離向).va表示雷達(dá)平臺(tái)速度,H為平臺(tái)的高度,α為平臺(tái)下視角;t=0時(shí)刻動(dòng)目標(biāo)中心P點(diǎn)處于(x0,y0)處,與沿航跡方向的最短斜距為R0,以恒定速度(vx,vr)運(yùn)動(dòng),其中vx為方位向速度(定義與平臺(tái)運(yùn)動(dòng)方向一致為正),vr為徑向速度(定義靠近航向?yàn)檎?.為簡便起見,將地面運(yùn)動(dòng)目標(biāo)(例如卡車、大型拖車、裝甲車等)抽象為剛性長方體結(jié)構(gòu),圖1中的斜線白色區(qū)域?yàn)閯?dòng)目標(biāo)的陰影,其具體形成過程將在2.2節(jié)詳細(xì)展開說明.

在t時(shí)刻P點(diǎn)與通道m(xù)的瞬時(shí)斜距經(jīng)泰勒展開并忽略二階以上的項(xiàng)可得:

(1)

設(shè)雷達(dá)發(fā)射信號(hào)的基帶復(fù)包絡(luò)為sT(τ)=gr(τ)exp(jπγrτ2),距離快時(shí)間τ∈[-Tp/2,Tp/2](Tp發(fā)射線性調(diào)頻信號(hào)的時(shí)寬),γr是發(fā)射線性調(diào)頻信號(hào)的調(diào)頻率,gr(·)為信號(hào)的窗函數(shù),一般為矩形窗.于是第m個(gè)通道接收信號(hào)經(jīng)同步檢波后的基帶信號(hào)可表示為:

(2)

其中,gam(t)表示通道m(xù)的方位向窗函數(shù);t∈[-Tm/2,Tm/2]表示方位慢時(shí)間(Tm為方位積累時(shí)間);σt表示目標(biāo)的后向散射系數(shù),c表示光速,λ為雷達(dá)工作波長.

(3)

其中,

實(shí)現(xiàn)方位脈壓的同時(shí)可完成通道間的時(shí)間校正,Ar和Aa分別表示各通道回波信號(hào)經(jīng)距離壓縮后和方位壓縮后目標(biāo)信號(hào)的增益,Br為線性調(diào)頻信號(hào)的帶寬,Ba為方位多普勒帶寬.可以看出,相比于靜止目標(biāo),運(yùn)動(dòng)目標(biāo)成像后的m通道與參考通道間還存在一個(gè)固定相位差exp(-j2πdmvr/λ/va),而該相位差則是檢測動(dòng)目標(biāo)的關(guān)鍵.動(dòng)目標(biāo)在經(jīng)過SAR成像后的空域?qū)蚴噶繛?/p>

(4)

同時(shí),運(yùn)動(dòng)目標(biāo)方位向上成像的實(shí)際位置x=x0+vrR0/va與真實(shí)位置x0的偏差為:

(5)

具有較大幾何尺寸或散焦均導(dǎo)致目標(biāo)占據(jù)多個(gè)距離-方位分辨單元,呈現(xiàn)擴(kuò)展目標(biāo)特性.對于自身占據(jù)多個(gè)分辨單元的大尺寸目標(biāo)而言,鑒于目標(biāo)為剛體,每個(gè)分辨對應(yīng)的散射點(diǎn)具有相同的運(yùn)動(dòng)模型,即具有相同的干涉相位;對于散焦后占據(jù)多個(gè)分辨單元的擴(kuò)展目標(biāo)而言,鑒于不同通道采用了相同的方位匹配函數(shù),動(dòng)目標(biāo)散焦將具有一致性,散焦后的干涉特性與散焦前保持一致.

2.2 陰影區(qū)域計(jì)算模型

盡管SAR成像機(jī)理復(fù)雜,但是在忽略電磁波透射與繞射效應(yīng)后,SAR圖像中的陰影形成機(jī)理可用幾何光學(xué)理論進(jìn)行描述.地面運(yùn)動(dòng)目標(biāo)陰影區(qū)域的計(jì)算示意如圖2所示,根據(jù)幾何光學(xué)理論,對陰影形成主要起作用的是陰面(即背向雷達(dá)方向)與陽面(即面向雷達(dá)方向)的交界線上的頂點(diǎn)(圖2(a)中黑點(diǎn)所示).與靜止目標(biāo)類似,合成孔徑內(nèi)雷達(dá)相對目標(biāo)視角的變化會(huì)導(dǎo)致形成如圖2(a)中①和③所示的半陰影區(qū)域與②所示的全陰影區(qū)域.此外,對運(yùn)動(dòng)目標(biāo)而言,由于存在徑向速度,成像后會(huì)發(fā)生方位位置偏移,在目標(biāo)真實(shí)位置處留下正射陰影(圖2(a)中④所示區(qū)域).

(6)

(7)

3 目標(biāo)形狀與陰影輔助的檢測方法

對于地面運(yùn)動(dòng)目標(biāo)而言,雖然成像后由于其徑向速度導(dǎo)致目標(biāo)方位向的位置偏移,以致難以直接找到與運(yùn)動(dòng)目標(biāo)對應(yīng)的陰影區(qū)域;但是利用目標(biāo)測速和重定位以及運(yùn)動(dòng)目標(biāo)幾何尺寸與其陰影的對應(yīng)關(guān)系,可實(shí)現(xiàn)目標(biāo)與陰影的匹配處理.本文所提的擴(kuò)展目標(biāo)檢測方法的具體實(shí)現(xiàn)流程如圖3所示.

在圖像域自適應(yīng)抑制雜波后,采用恒虛警率技術(shù)(CFAR)初步檢測出潛在運(yùn)動(dòng)目標(biāo)的位置.然后通過聚類處理提取出潛在目標(biāo)的形狀信息,進(jìn)而依據(jù)形成目標(biāo)陰影的幾何模型計(jì)算與目標(biāo)形狀相匹配的陰影模板,并利用目標(biāo)徑向速度估計(jì)值生成陰影位置匹配條件;同時(shí)利用圖像分割與形態(tài)學(xué)處理對單幅SAR圖像進(jìn)行處理以獲取處于噪聲水平的閉合區(qū)域及其尺寸信息.根據(jù)陰影在形狀與位置上的匹配模板,對定位后的搜索區(qū)域進(jìn)行動(dòng)目標(biāo)陰影的匹配篩選,剔除虛假目標(biāo),降低虛警.

3.1 目標(biāo)測速定位與陰影區(qū)域模板生成

為了設(shè)計(jì)目標(biāo)及其陰影的匹配條件,首先需要估計(jì)目標(biāo)的徑向速度,并對潛在目標(biāo)進(jìn)行重定位.對M個(gè)通道SAR成像結(jié)果進(jìn)行自適應(yīng)雜波抑制與CFAR檢測后,可利用自適應(yīng)匹配濾波(AMF)方法估計(jì)各潛在目標(biāo)的徑向速度[18],動(dòng)目標(biāo)的徑向速度估計(jì)值為

(8)

由于擴(kuò)展目標(biāo)占據(jù)多個(gè)像素,并且在剛體運(yùn)動(dòng)假設(shè)下,動(dòng)目標(biāo)的徑向速度具有一致性[19],可以利用目標(biāo)內(nèi)的所有像素估計(jì)的徑向速度的中值作為該目標(biāo)的估計(jì)速度,則該潛在目標(biāo)的定位結(jié)果為

(9)

根據(jù)2.2小節(jié)的分析,生成目標(biāo)陰影區(qū)域需要目標(biāo)的尺寸信息.為獲取目標(biāo)的尺寸信息,本文對于CFAR檢測后的結(jié)果進(jìn)行目標(biāo)聚類,以獲得各類的聚類中心及對應(yīng)的像素群,圖4是CFAR檢測后一個(gè)目標(biāo)的聚類結(jié)果示意圖,其中C表示該聚類目標(biāo)的聚類中心,實(shí)線框A表示該目標(biāo)的外接矩形,而虛線框B表示該目標(biāo)的最小外接矩形[20],從中我們可以看出虛線框B所得到的最小外界矩形能夠更好的貼近目標(biāo)的真實(shí)形狀.因此對于目標(biāo)聚類的結(jié)果,本文通過提取其最小外接矩形來獲取目標(biāo)的尺寸信息.

(10)

其中,hmin和hmax分別表示實(shí)際目標(biāo)高度的下界和上界,根據(jù)典型車輛的先驗(yàn)高度信息,本文中hmin和hmax分別取1.2m和5m,則獲得目標(biāo)i所對應(yīng)的陰影匹配模板為:

(11)

其中,Tpr(i)∈Tw(i)+[min(Sw(i)),max(Sw(i))]為距離向?qū)挾?Tpa(i)為方位向?qū)挾戎?

3.2 匹配條件設(shè)計(jì)

在單幅SAR圖像提取出陰影區(qū)域的基礎(chǔ)上,我們設(shè)計(jì)的目標(biāo)形狀與陰影輔助的匹配處理流程如圖5所示.其中提取陰影區(qū)域的步驟包括:首先采用Ostu算法[21]對SAR圖像進(jìn)行分割;然后運(yùn)用形態(tài)學(xué)處理方法(包括閉運(yùn)算與開運(yùn)算)提取陰影的閉合區(qū)域;最后獲得各閉合區(qū)域的最小外接矩形信息,確定各陰影區(qū)域的尺寸信息.

(12)

根據(jù)以上兩式,即可完成對SAR圖像上陰影部分的初步篩選.該步驟用于去除包括河流、道路等在內(nèi)的陰影區(qū)域.

然后進(jìn)一步設(shè)計(jì)如下兩個(gè)匹配條件.

(13)

(2)陰影形狀尺寸匹配條件:陰影區(qū)域的方位向?qū)挾萐acon(j)和距離向?qū)挾萐rcon(j)應(yīng)分別滿足

(14)

其中,Δa>0為方位向允許誤差,Tpa(i)和Tpr(i)分別表示目標(biāo)i所確定的陰影匹配模板的方位向?qū)挾群途嚯x向?qū)挾?inf(·)和sup(·)分別表示下確界和上確界.

如果潛在目標(biāo)經(jīng)過相應(yīng)處理后同時(shí)滿足上述兩個(gè)匹配條件,則認(rèn)為該潛在目標(biāo)為感興趣目標(biāo),進(jìn)而可以利用與其相匹配的陰影區(qū)域重新估計(jì)目標(biāo)的徑向速度、方位向速度以及尺寸等信息;否則認(rèn)為其為虛假目標(biāo),應(yīng)予以剔除.

4 仿真實(shí)驗(yàn)

下面進(jìn)行計(jì)算機(jī)仿真驗(yàn)證本文所提S2A-MTD方法的有效性.首先根據(jù)表1所示的系統(tǒng)參數(shù),仿 真雜波場景.然后根據(jù)表2的目標(biāo)參數(shù)結(jié)合2.1節(jié)的陰影形成幾何模型,仿真4個(gè)運(yùn)動(dòng)目標(biāo)及其陰影.

表1 系統(tǒng)參數(shù)

表2 目標(biāo)參數(shù)

多通道SAR回波仿真采用正側(cè)視條帶式成像模式,以天線1為發(fā)射通道(參考通道),采用一發(fā)多收模式,基線長度滿足DPCA條件.其中方位向接方向圖加泰勒權(quán),二維脈壓前的輸入信噪比和輸入雜噪比分別為SNR=-5dB(即目標(biāo)各個(gè)分辨單元的信噪比),CNR=-5dB.由于本文暫不考慮散焦問題,因此運(yùn)動(dòng)目標(biāo)僅存在徑向速度.仿真的運(yùn)動(dòng)目標(biāo)及其陰影與仿真的雜波場景SAR圖像如圖6(a)所示,由于信雜比小,目標(biāo)淹沒在雜波背景中,因此圖6(a)中無法看到動(dòng)目標(biāo),但是可以很清楚的看到4個(gè)目標(biāo)成像后對應(yīng)的陰影.

自適應(yīng)雜波抑制后利用CA-CFAR進(jìn)行目標(biāo)檢測,然后再利用S2A-MTD進(jìn)一步檢測.其中目標(biāo)聚類窗可以根據(jù)實(shí)際中可能出現(xiàn)最大目標(biāo)的尺寸以及圖像的分辨率確定,本文選取聚類窗的大小為30×30,且目標(biāo)1、2、3和4的徑向速度估計(jì)值分別為1.0m/s、1.05m/s、0.85m/s和0.95m/s.圖6(b)為雜波抑制后的效果圖,可以觀察到雜波對消后,動(dòng)目標(biāo)的能量被有效的保留.經(jīng)統(tǒng)計(jì)發(fā)現(xiàn),抑制后的背景近似服從零均值復(fù)高斯分布.同時(shí)SAR圖像的陰影分割結(jié)果如圖7(a)所示,為了消除河流等散射系數(shù)低的非“陰影”區(qū)域的影響,需要利用目標(biāo)的經(jīng)驗(yàn)尺寸信息,計(jì)算運(yùn)動(dòng)目標(biāo)陰影的尺寸范圍,將不符合該范圍的“陰影”予以剔除,剔除后的結(jié)果如圖7(b)所示.圖6(c)和(d)給出了CA-CFAR檢測結(jié)果和S2A-MTD在其基礎(chǔ)上的檢測結(jié)果,可以明顯地看出S2A-MTD具有很好的降低虛警的能力,并且能夠有效地保留4個(gè)目標(biāo).而圖8表示了在給定的仿真參數(shù)下S2A-MTD進(jìn)行再檢測后的虛警概率與CA-CFAR虛警概率的關(guān)系曲線.從圖8中我們可以很明顯地看出相比于CA-CFAR,S2A-MTD的虛警概率有很明顯地改善.

雖然S2A-MTD能夠在CA-CFAR的基礎(chǔ)上進(jìn)一步降低虛警,但是同時(shí)也有一定的檢測概率損失.為了進(jìn)一步驗(yàn)證所提方法的有效性,我們在上述仿真參數(shù)下給定10-6的虛警概率,對設(shè)計(jì)的四個(gè)非起伏目標(biāo)進(jìn)行了100次蒙特卡洛實(shí)驗(yàn),對比了在相同虛警條件下,S2A-MTD與CA-CFAR的檢測概率(只要檢測到擴(kuò)展目標(biāo)的一個(gè)像素,就認(rèn)為該目標(biāo)的檢測概率為1)隨雜波抑制后平均輸出信雜噪比的變化關(guān)系,其檢測性能曲線如圖9所示.圖9中的四幅子圖分別表示CA-CFAR和S2A-MTD對目標(biāo)1、2、3和4的檢測性能曲線.從圖9中的檢測性能曲線圖中可以看出,對于擴(kuò)展目標(biāo)而言,S2A-MTD相比于CA-CFAR具有更好的檢測性能.目標(biāo)1與目標(biāo)2的平均輸出SCNR可改4dB～5dB,目標(biāo)3與目標(biāo)4的平均輸出SCNR可改2dB～3dB.從圖9中還可看出目標(biāo)1和2的檢測性能優(yōu)于目標(biāo)3和4,這是因?yàn)槟繕?biāo)1和2的尺寸大于目標(biāo)3和4的尺寸.由此可知,S2A-MTD的檢測性能不僅與目標(biāo)的輸出信雜噪比有關(guān),還與目標(biāo)的本身特性(如尺寸等)有關(guān).目標(biāo)的輸出信雜噪比除了直接影響目標(biāo)的檢測性能外,對S2A-MTD還有兩方面的間接影響:第一,由于S2A-MTD很大程度地依賴于目標(biāo)的尺寸等信息,輸出信雜噪比較低時(shí)嚴(yán)重地影響了目標(biāo)的尺寸,引起畸變;第二,輸出信雜噪比還影響了目標(biāo)的徑向速度估計(jì),從而影響定位精度.而這些最終都會(huì)影響S2A-MTD對目標(biāo)的檢測性能.對擴(kuò)展目標(biāo)的形狀特性而言,由檢測性能曲線可以看出擴(kuò)展目標(biāo)的尺寸越大,特別是沿方位向的尺寸越大,那么其對應(yīng)的陰影匹配條件越容易滿足,因此檢測性能也越好.

5 結(jié)束語

本文提出了一種基于目標(biāo)形狀與陰影輔助的高分辨率機(jī)載遠(yuǎn)程監(jiān)視SAR擴(kuò)展目標(biāo)檢測方法(S2A-MTD),即利用動(dòng)目標(biāo)與其陰影在尺寸與位置上的對應(yīng)關(guān)系來實(shí)現(xiàn)陰影輔助檢測匹配條件的設(shè)計(jì).實(shí)驗(yàn)仿真分析表明,當(dāng)目標(biāo)具有顯著的幾何特征和陰影特征時(shí),本文所提S2A-MTD方法相比于傳統(tǒng)CFAR檢測方法,可以有效的降低虛警概率,提高了對擴(kuò)展目標(biāo)的檢測性能.因?yàn)槟繕?biāo)的陰影位置匹配條件與陰影形狀尺寸匹配條件是兩個(gè)動(dòng)態(tài)范圍,所以對于動(dòng)目標(biāo)形狀上的變化(如形狀不規(guī)則目標(biāo))具有一定的穩(wěn)健性.

本文僅考慮了是否有陰影與目標(biāo)相匹配的問題,對于目標(biāo)與陰影間的誤匹配(多匹配或錯(cuò)誤匹配),以及具有目標(biāo)散焦和密集目標(biāo)環(huán)境時(shí)的檢測問題,將是我們下一步需要重點(diǎn)開展的工作.

[1]Chen H,McGillem C D.Target motion compensation by spectrum shifting in synthetic aperture radar[J].IEEE Transactions on Aerospace and Electronic Systems,1992,28(3):895-901.

[2]Fienup J R.Detecting moving targets in SAR imagery by focusing[J].IEEE Transactions on Aerospace and Electronic Systems,2001,37(3):794-809.

[3]李剛,朱敏慧.基于擴(kuò)展小波變換的機(jī)載SAR運(yùn)動(dòng)目標(biāo)參數(shù)估計(jì)[J].電子與信息學(xué)報(bào),2001,23(11):1154-1161. Li Gang,Zhu Min-hui.Airborne SAR moving target parameter estimation based on extended wavelet transform[J].Journal of Electronics and Information Technology,2001,23(11):1154-1161.(in Chinese)

[4]Sun H,Liu G,Gu H,et al.Application of the fractional Fourier transform to moving target detection in airborne SAR[J].IEEE Transactions on Aerospace and Electronic Systems,2002,38(4):1416-1424.

[5]鄭明潔,楊汝良.一種改進(jìn)的DPCA運(yùn)動(dòng)目標(biāo)檢測方法[J].電子學(xué)報(bào),2004,32(9):1429-1432. Zheng Ming-jie,Yang Ru-liang.An improved DPCA moving targets detecting algorithm[J].Acta Electronica Sinica,2004,32(9):1429-1432.(in Chinese)

[6]Ender J H G.Space-Time processing for multichannel synthetic aperture radar[J].Electronics & Communication Engineering Journal,1999,11(1):29-38.

[7]Cerutti-Maori D,Sikaneta I.Optimum GMTI processing for space-based SAR/GMTI systems—theoretical derivation[A].European Conference on Synthetic Aperture Radar (EUSAR)[C].Aachen,Germany:VDE，2010.1-4.

[8]Cerutti-Maori D,Gierull C H,Ender J H G.Optimum SAR/GMTI processing and its application to the radar satellite RADARSAT-2 for traffic monitoring [J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(10):3868-3881.

[9]Cerutti-Maori D,Sikaneta I.A generalization of DPCA processing for multichannel SAR/GMTI radars[J].IEEE Transactions on Geoscience and Remote Sensing,2013,51(1):560-572.

[10]Bidon S,Besson O,Tourneret J Y.Knowledge-aided STAP in heterogeneous clutter using a hierarchical bayesian algorithm[J].IEEE Transactions on Aerospace and Electronic Systems,2011,47(3):1863-1879.

[11]He Ming-dong,Cao Jian-shu.Recursive KA-STAP algorithm based on QR decomposition[A].2013 International Workshop on Microwave and Millimeter Wave Circuits and System Technology (MMWCST)[C].Chengdu：IEEE,2013.391-394.

[12]Chapin E,Chen C W.Airborne along-track interferometry for GMTI[J].IEEE Transactions on Aerospace and Electronic Systems,2009,24(5):13-18.

[13]Yin Kui-ying,Jin Lin,Zhang Chang-chun,et al.SAR automatic target recognition based on shadow contour[A].2013 Fourth International Conference on Digital Manufacturing and Automation (ICDMA)[C].Qingdao:IEEE,2013.1179-1183.

[14]Tison C,Tupin F,et al.Retrieval of building shapes from shadows in high resolution SAR interferometric images[A].Proceedings of the 2004 IEEE International Geoscience and Remote Sensing Symposium(IGARSS)[C].Alaska,USA:IEEE,2014.1788-1791.

[15]J Cui,J Gudnason,M Brookes.Radar shadow and superresolution features for automatic recognition of MSTAR targets[A].Proceeding of IEEE International Radar Conference[C].Arlington,VA:IEEE,2005.534-539.

[16]史洪印,侯志濤,郭秀花,等.基于陰影檢測的單幅高分辨SAR圖像動(dòng)目標(biāo)檢測方法[J].信號(hào)處理,2012,28(12):1706-1713. Shi Hong-yin,Hou Zhi-tao,Guo xiu-hua.Moving targets indication method in single high resolution SAR imagery based on shadow detection[J].Signal Processing,2012,28(12):1706-1713.(in Chinese)

[17]Jahangir M.Moving target detection for synthetic aperture radar via shadow detection[A].2007 IET International Conference on Radar Systems[C].Edinburgh,UK:IET,2007.1-5.

[18]束宇翔,廖桂生,楊志偉.維納濾波最優(yōu)權(quán)修正導(dǎo)向矢量的SAR-GMTI動(dòng)目標(biāo)徑向速度估計(jì)方法[J].電子學(xué)報(bào),2011,39(9):1986-1991. Shu Yu-xiang,Liao Gui-sheng,Yang Zhi-wei.Radial velocity estimation of moving targets based on modifying the steering vector with wiener optimal weights in SAR-GMTI radar system[J].Acta Electronica Sinica,2011,39(9):1986-1991.(in Chinese)

[19]Liu Bao-chang,Yin Kui-ying,Li Yong-kang,et al.An improvement in multichannel SAR-GMTI detection in heterogeneous environments[J].IEEE Transactions on Geoscience and Remote Sensing,2015,52(2):810-827.

[20]程鵬飛,閆浩文,韓振輝.一個(gè)求解多邊形最小面積外接矩形的算法[J].工程圖學(xué)學(xué)報(bào),2008,29(1):128-132. Cheng Peng-fei,Yan Hao-wen,Han Zhen-hui.A solving minimum area bounding rectangle algorithm for a polygon[J].Journal of Engineering Graphics,2008,29(1):128-132.(in Chinese)

[21]Otsu N.A Threshold Selection Method from Gray-Level Histogram[J].IEEE Transactions on Systems Man and Cybernetics,1979,9(1):62-66.

楊志偉 男,1980年出生于四川省南充市.現(xiàn)為西安電子科技大學(xué)雷達(dá)信號(hào)處理重點(diǎn)實(shí)驗(yàn)室副教授,博士生導(dǎo)師.從事多維陣列自適應(yīng)抗干擾和動(dòng)目標(biāo)偵察、監(jiān)視與預(yù)警技術(shù)研究.近五年,在“十二五”航天背景預(yù)研,航空高分辨率對地觀察專項(xiàng),國家自然科學(xué)基金重點(diǎn)項(xiàng)目,“軍863”項(xiàng)目等持續(xù)資助下,為提升對地監(jiān)視能力提供了處理核心技術(shù),發(fā)表學(xué)術(shù)論文80余篇,國家發(fā)明專利授權(quán)9項(xiàng),獲得軍隊(duì)科技進(jìn)步三等獎(jiǎng)1項(xiàng).

E-mail:yangzw@xidian.edu.cn

張 蕊 女,1990年生于江蘇徐州市,西安電子科技大學(xué)碩士研究生,研究方向?yàn)檫\(yùn)動(dòng)平臺(tái)雷達(dá)動(dòng)目標(biāo)檢測.

E-mail:cheerone@sina.com

許華健 男,1990年生于福建政和縣,西安電子科技大學(xué)博士研究生,研究方向?yàn)檫\(yùn)動(dòng)平臺(tái)雷達(dá)動(dòng)目標(biāo)檢測、空時(shí)自適應(yīng)處理.

E-mail:huajianxu@stu.xidian.edu.cn

廖桂生 男,1963年生于廣西桂林市.現(xiàn)為西安電子科技大學(xué)雷達(dá)信號(hào)處理重點(diǎn)實(shí)驗(yàn)室教授,博士生導(dǎo)師,現(xiàn)主要從事雷達(dá)探測系統(tǒng)信號(hào)處理、包括空時(shí)自適應(yīng)處理,天基預(yù)警和陣列信號(hào)處理等研究領(lǐng)域.

E-mail:gsliao@xidian.edu.cn

A Multi-features-Aided Method for Extended Target Detection of SAR-GMTI

YANG Zhi-wei,ZHANG Rui,XU Hua-jian,LIAO Gui-sheng,YANG Jian

(NationalLaboratoryofRadarSignalProcessing,XidianUniversity,Xi’an,Shaanxi710071,China)

This paper deals with the target-detection issue that a high-resolution synthetic aperture radar (SAR)-ground moving target indication (GMTI) system under remote surveillance mode faces many challenges,i.e.,target-diffusing and low signal-to-noise ratio,and based on the fact that extended targets with conventional target detection methods based on the poin target cause decrease in detection performance,a Shape-Shadow-Aided Moving Target Detector(S2A-MTD) is proposed for extended target detection of airborne multichannel SAR-GMTI.First,the shaped information of a target is obtained when the residual image with adaptive clutter suppression clustered.Then,shadow-template matched with shaped information of a target is evaluated,which is based on the model of the geometric relationship on a moving extended target and its shadow.Meanwhile,according to estimative radial velocity,position-matched condition with shadow is generated.Finally,taking all the information in shape,position and amplitude of shadow into consideration is to eliminate false targets that not satisfy with matching conditions,so as to reduce false alarms.the simulation results show the validity that this method improves the detection performance of the extended target under low signal-to-noise ratio.

synthetic aperture radar (SAR);ground moving target indication (GMTI);extended target;shaped-shadow-aided;template matching

2015-05-12;

2015-12-09;責(zé)任編輯：藍(lán)紅杰

國家自然科學(xué)基金(No.61501471);國防預(yù)研基金(No.9140xxx005)

TN957

A

0372-2112 (2016)12-2916-08

??學(xué)報(bào)URL:http://www.ejournal.org.cn

10.3969/j.issn.0372-2112.2016.12.015