雷達多視極化檢測器性能對比分析

張鵬 張嘉峰 劉濤

(海軍工程大學(xué)電子工程學(xué)院,武漢 430000)

雷達多視極化檢測器性能對比分析

張鵬 張嘉峰 劉濤

(海軍工程大學(xué)電子工程學(xué)院,武漢 430000)

雷達極化檢測器性能對比分析可為極化檢測器的工程設(shè)計提供重要參考,但目前針對其檢測性能的評估理論仍不完善,尤其缺乏多視情形下的分析結(jié)果．文章以極化雷達多視協(xié)方差矩陣的復(fù)Wishart分布為基礎(chǔ),采用蒙特卡洛仿真與理論推導(dǎo)得到了7種經(jīng)典極化檢測器的多視檢測性能曲線,并構(gòu)建曲線下面積(Area Under Curve, AUC)指標對檢測性能進行自動排序．仿真實驗結(jié)果表明4視處理時的檢測性能排序為:最優(yōu)極化檢測器>極化白化濾波器≈似然比檢驗>最佳能量檢測器>極化匹配濾波器≈多視極化能量檢測器>單通道檢測器．理論推導(dǎo)結(jié)果表明,具有線性加權(quán)形式的極化檢測器,其檢測與虛警概率都具有兩類等價的數(shù)學(xué)表達式,其中基于Gamma函數(shù)的表達式可用于快速計算出恒虛警檢測門限．最后采用全極化合成孔徑雷達實測數(shù)據(jù),對上述結(jié)論進行了驗證．

雷達極化;多視處理;檢測性能;CFAR門限

引 言

過去二十年間,在極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar, POL-SAR)應(yīng)用需求的強勢牽引下,雷達極化檢測理論得以迅猛發(fā)展,經(jīng)典的雷達極化檢測器包括最優(yōu)極化檢測器(Optimal Polarimetric Detector, OPD)、單位似然比檢驗(Identity Likelihood Ratio Test, ILRT)、極化白化濾波器(Polarimetric Whitening Filter, PWF)、極化匹配濾波器(Polarimetric Matched Filter, PMF)、能量檢測器(Span Detector, SD)[1-10]等．上述極化檢測器能夠行之有效地改善雷達檢測性能,針對其性能表現(xiàn),文獻[5, 10]進行了系統(tǒng)地對比分析,但他們的研究主要關(guān)注單視情形,但實際應(yīng)用中,為抑制相干斑或數(shù)據(jù)壓縮,常需要對極化數(shù)據(jù)進行多視處理．基于此,Novak L.M.提出了多視最優(yōu)極化檢測器、多視極化匹配濾波器[2],劉國慶則提出多視極化白化濾波器[7]．多視檢測器一經(jīng)提出便廣泛應(yīng)用于POL-SAR中,一個重要的原因在于其抑制相干斑的同時還能改善檢測性能[8],那么多視極化檢測性能如何評價?視數(shù)增加對極化檢測性能影響程度如何?已有文獻尚缺乏相關(guān)解答．此外,比較檢測算法性能還需權(quán)衡其所需的先驗信息、計算復(fù)雜度等,如何建立一套完整的評價體系以確定最佳的極化檢測器類型與視數(shù)也有待研究．

本文首先將最佳能量檢測器 (Optimal Span Detector, OSD)、單通道檢測器(Single Channel Detector, SCD)以及ILRT檢測量的構(gòu)成推廣至多視情形,且推導(dǎo)了不同名義視數(shù)下多視SD、多視OSD與多視SCD解析檢測性能的兩種表達形式,分別通過蒙特卡洛仿真和解析方法獲取多視極化檢測器的檢測性能并予以分析．不同于單視情形,在分析多視極化檢測性能時需要綜合考慮處理視數(shù)的影響,包括視數(shù)對檢測性能的影響以及視數(shù)增加必然引起的SAR分辨率損失[11],這涉及到如何衡量多視處理的影響與極化檢測性能優(yōu)劣的問題;針對檢測性能評價問題,本文通過AUC指標、多視增益等指標綜合評價了多視極化檢測器．由于實際中協(xié)方差等先驗信息未知,本文還基于協(xié)方差估計仿真了自適應(yīng)多視極化檢測性能．

1 多視極化雷達回波建模

極化雷達通過測量目標散射矩陣以獲取目標全極化特征[3],但在單站互易媒介條件下,僅需測量三維散射矢量:

(1)

由于本文主要研究中、低分辨率條件下的極化雷達,目標極化散射回波可視為復(fù)高斯隨機矢量

(2)

式中:XHHI、XHHQ分別代表HH通道同相和正交分量;散射矢量X的各分量XHH、XHV和XVV服從如下零均值復(fù)高斯分布:

(3)

式中:|·|表示矩陣的行列式;上標H表示復(fù)共軛運算;Σ代表散射矢量X的協(xié)方差矩陣,由Σ=E(XXH)[5]得

(4)

為進行數(shù)據(jù)壓縮或者抑制相干斑噪聲,通常需要在協(xié)方差矩陣域進行多視處理[8],L視處理的多視協(xié)方差可由散射矢量進行外積運算得到:

(5)

經(jīng)L視處理的多視協(xié)方差矩陣Z服從復(fù)Wishart分布[7]:

(6)

在式(6)所示的概率密度函數(shù)(Probability Density Function,PDF)中:q表示散射矢量的維數(shù),本文取3;Σ代表多視處理后的協(xié)方差矩陣;Γ(·)為不完全Gamma函數(shù),且有Γ(L)=(L-1)!

值得注意的是,在乘性噪聲模型框架下,實際測得的極化雷達回波數(shù)據(jù)Y具有如下的形式[8]:

(7)

式中,w表示地物雷達散射截面積(Radar Cross Section,RCS)因子,本文假定雜波服從高斯分布且w取為1．此外,在進行數(shù)據(jù)仿真時假設(shè)雜波背景下目標的回波具有如下加性結(jié)構(gòu):

Xt+c=Xt+Xc.

(8)

由式(5)可知,雜波背景下目標散射回波的零均值協(xié)方差矩陣同樣具有加性結(jié)構(gòu):

Σt+c=Σt+Σc.

(9)

2 極化檢測器及其解析檢測性能

本節(jié)在簡要介紹四類典型多視極化檢測器的基礎(chǔ)上,將ILRT、OSD、SCD推廣至多視,構(gòu)造了多視ILRT、OSD、SCD檢測量的數(shù)學(xué)表達式,推導(dǎo)了多視SD、OSD、SCD解析檢測性能的兩種表達形式,在與107次蒙特卡洛實驗得到的性能仿真結(jié)果進行對比后驗證了該推導(dǎo)結(jié)果的正確性．

2.1最優(yōu)極化檢測器(OPD)

由二元檢測中最佳檢測器的結(jié)構(gòu)可知,判定目標出現(xiàn)的似然比檢驗形式為

(10)

式中:先驗概率f(Z|wt+c)由式(6)給出;TD為檢測門限．由于多視處理時通常假定各視數(shù)據(jù)獨立同分布,那么OPD似然比檢測量可表示為

(11)

對式(11)化簡,兩端同時取對數(shù)可得m視OPD檢驗統(tǒng)計量為

(12)

(13)

式中Y(m)表示m視協(xié)方差矩陣數(shù)據(jù)．OPD的檢測、虛警概率的表達式都具有如下的形式[1-2]:

(14)

(15)

2.2單位似然比檢驗(ILRT)

對單視OPD稍加變形后即可得到ILRT,特點是采用可縮放的單位矩陣(Identity Matrix)代替OPD中的目標協(xié)方差矩陣,有

(16)

ILRT對數(shù)門限檢驗統(tǒng)計量為

(17)

參考式(10)至式(13)所示的OPD檢驗統(tǒng)計量的推導(dǎo)方式,可以導(dǎo)出m視ILRT的檢驗統(tǒng)計量如下:

(18)

2.3極化白化濾波器(PWF)

作為一種次優(yōu)極化檢測器,PWF已被廣泛使用,m視PWF的檢驗統(tǒng)計量[1]為

(19)

若采用跡運算表示,式(19)可記為

(20)

檢測門限取T時,PWF虛警概率為[7]

(21)

式中,w1表示乘積噪聲模型下雜波紋理因子．PWF檢測概率為[7]

(22)

2.4極化匹配濾波器(PMF)

(23)

PMF的解析檢測概率/虛警概率為

(24)

式中,σ=E(|hHX|2)=E(hHΣh)．

2.5幾種典型能量檢測器及其解析檢測性推導(dǎo)

基本的SD利用矢量張成而不利用任何先驗信息進行檢測,所以,

z=|SHH|2+2|SHV|2+|SVV|2

=XHCX=XHGGHX

=|GHX|2=YHY.

(25)

式中:C=diag(1,2,1);G和GH是對C進行Cholesky分解所得．進而可以導(dǎo)出m視SD檢驗統(tǒng)計量:

(26)

(27)

(28)

對式(28)進行一次廣義積分即可得到PMF檢測或虛警概率如下:

(29)

根據(jù)文獻[16]中的積分結(jié)果

(30)

(31)

式(31)是通過級數(shù)展開得到的結(jié)果,事實上由式(28)、(29),還可得到

(32)

(33)

作為單視SD的一種改進形式,OSD不再采用常系數(shù)權(quán)值,而是利用雜波協(xié)方差關(guān)鍵參數(shù)εc、ρc、γc確定各極化通道能量加權(quán)系數(shù),其檢測量為

=XHDX．

(34)

(35)

σ=E(|HHX|2)=E(HHΣH)．

SCD是一類特殊的極化檢測器,其僅利用單個極化通道進行目標檢測,一般采用線性共極化通道(HH極化):

(36)

(37)

分析以上推導(dǎo)過程可以看出,無論是SD、OSD、SCD,其都可看成對散射矢量進行線性加權(quán)獲得的檢測量,因而在中低分辨率條件下,對散射矢量進行線性加權(quán)的極化檢測器都具有式(31)、(32)所示的解析檢測性能形式．

3極化檢測性能對比分析及解析檢測性能擬合效果

本節(jié)分別通過蒙特卡洛仿真和解析推導(dǎo)結(jié)果獲取上述7種多視極化檢測器的檢測性能,采用AUC指標、多視增益對多視極化檢測器比較分析,驗證了解析推導(dǎo)結(jié)果有效的同時,提出了多視情形下SD、OSD、SCD、PWF實現(xiàn)恒虛警率(Constant False-Alarm Rate, CFAR)檢測的新途徑．檢測場景通過表1所示目標與雜波的協(xié)方差關(guān)鍵參數(shù)確定．

表1 典型目標與雜波的關(guān)鍵參數(shù)

注:表中關(guān)鍵參數(shù)參考文獻[2]與文獻[10]得到

定義目標雜波比(Target-to-Clutter Ratio, TCR)為目標與雜波能量期望的比值[14]:

(38)

采用表1中雜波1與目標的關(guān)鍵參數(shù)組合進行多視極化回波仿真,進行107次多視極化檢測的蒙特卡洛實驗．分別設(shè)置Pfa=10-4、RTC=0 dB,則可得到4視的極化檢測器檢測性能曲線(檢測概率-TCR曲線)和ROC曲線,如圖1和圖2所示．

圖1 理想檢測概率隨TCR變化曲線(4視,Pfa=10-4,圖例 中的檢測器縮寫前的M代表多視,后文圖例亦然)

圖1表明:4視處理的條件下,OPD因其采用了最優(yōu)的權(quán)值仍然表現(xiàn)出了最優(yōu)的檢測性能;在TCR的大部分實驗區(qū)間內(nèi),PWF與ILRT的檢測性能與OPD都十分接近;當(dāng)TCR小于-5 dB時,PMF的檢測性能緊隨其后,而當(dāng)TCR大于-5 dB時,OSD的檢測性能開始優(yōu)于PWF;當(dāng)TCR大于0 dB以后,SD又將優(yōu)于OSD;SCD因其僅僅利用了單極化信息,檢測性能最次．因而,在4視條件下,檢測性能排序為OPD>PWF≈ILRT>OSD>PMF≈SD>SCD．

為能簡潔而又不失全面地分析多視極化檢測性能可比較其ROC曲線,如圖2所示．若虛警水平取為-30 dB,比較此水平下檢測概率亦可得到以上排序結(jié)果．但需注意的是,OPD、ILRT、PMF需要獲取目標的先驗信息,故從工程實現(xiàn)的角度,PWF、OSD是性能較好的極化檢測器,其次是SD與SCD．

圖2 不同檢測算法的ROC曲線(4視,TCR為0 dB)

結(jié)合圖3可知,TCR的提高自然會帶來檢測性能的改善,加之本文旨在研究視數(shù)對檢測性能的影響,因此在后文的研究中,TCR設(shè)置為0 dB．

圖3 ROC曲線隨TCR的變化(4視)

對于極化檢測器的ROC曲線而言,研究其在虛警概率區(qū)間內(nèi)的積分(下面積)亦有實際的意義．借鑒醫(yī)療診斷實驗效用評估中常采用的ROC的AUC指標[15],不妨將其應(yīng)用于檢測性能ROC曲線以評價檢測性能優(yōu)劣,且由于雷達常工作在低虛警水平,全虛警區(qū)間AUC沒有實際參考價值,所以可以基于雷達常用的低虛警概率優(yōu)選積分區(qū)間獲得改進的AUC以客觀評價檢測性能．AUC計算時可采用非參數(shù)直接積分的方法,即通過ROC曲線有限組點跡估計其在特定虛警區(qū)間內(nèi)的下面積,其值越大則說明檢測性能越好．其視數(shù)極化檢測器ROC曲線如圖4所示.

圖4 ROC曲線隨視數(shù)的變化

圖4表明:視數(shù)增大時,同一虛警水平的檢測概率會明顯增加,這說明多視處理對檢測性能的改善是有效的．若選取虛警區(qū)間為(10-5,10-2),可計算出不同視數(shù)和TCR條件下的多視檢測器AUC指標與檢測性能排序,結(jié)果如表2所示．

表2 多視極化檢測器AUC指標與排序結(jié)果 (TCR為0 dB)

表2計算結(jié)果清晰直觀地反映了不同視數(shù)下檢測性能的排序．由表2可知,視數(shù)由單視向4視變化時,PMF的檢測性能超越了SD的檢測性能,這與前文通過4視檢測性能曲線總結(jié)的結(jié)果一致．

圖4說明多視處理明顯地改善了極化檢測性能,對于圖中OPD而言,在TCR為0 dB、Pfa=-30 dB時,8視處理之后的檢測概率相對于單視情形提高了9倍左右(約9.542 dB)．為了能夠整體地衡量視數(shù)改變對檢測性能的改善,不妨繼續(xù)考慮特定虛警區(qū)間內(nèi)檢測概率的改善,基于AUC的定義,多視增益G(m)定義為

(39)

式中,AUC(m)、AUC(1)分別表示TCR確定的在特定虛警區(qū)間內(nèi)的AUC指標,單視增益為0 dB．通過對AUC的計算可得TCR為0 dB、虛警區(qū)間為(10-5,10-2)時(即為(-50 dB,-30 dB))的不同視數(shù)的多視增益如表3所示．

表3 不同多視極化檢測器的多視增益 dB

比較不同視數(shù)的多視增益可見:4視處理已能使多數(shù)極化檢測器獲得7 dB左右的多視增益,就工程應(yīng)用而言已可獲得實際的效益;若一味增加視數(shù),檢測性能將不再提高那么明顯,且由于多視處理是以犧牲分辨率為代價的,因而工程應(yīng)用中多視極化檢測器視數(shù)取4為好．由表3還可看出:視數(shù)增加時,單極化的SCD和不利用先驗信息的SD檢測性能改善較緩慢,即多視處理對這類檢測器帶來的“好處”?。?/p>

以上檢測性能仿真均是在雜波協(xié)方差參數(shù)已知情形下進行的,但由于實際檢測中通常不能事先預(yù)知,往往需要從測量的極化散射矢量數(shù)據(jù)中估計得到,參考文獻[12]的估計方法有

(40)

(41)

表4 不同估計點數(shù)零位元素估計方差

圖5 采用16點協(xié)方差估計結(jié)果得到的多視檢測器ROC

對比圖4、圖5可以發(fā)現(xiàn):協(xié)方差矩陣估計點數(shù)對于SD這種不依賴先驗信息的檢測器影響較小;而對PMF這種綜合利用統(tǒng)計先驗信息的檢測器影響較大．文獻[10]指出,對于單視數(shù)據(jù)協(xié)方差矩陣估計時點數(shù)取64為好．對于4視數(shù)據(jù)協(xié)方差矩陣而言,當(dāng)估計點數(shù)為16時可初步擬合預(yù)期檢測性能;估計點數(shù)為64時可較好地擬合;估計點數(shù)取32即可滿足需求．

圖1至圖5均為蒙特卡洛仿真得到的多視檢測性能,仿真時間較長,快速獲取檢測性能則需通過解析方法,結(jié)合式(14)、(2)、(22)、(24)以及本文推導(dǎo)的式(31)、(32),設(shè)置TCR為0 dB,仍然采用表1所示的檢測場景,可以得到圖6所示的解析ROC,以及式(32)、(33)的擬合效果圖7．

圖6 不同視數(shù)下的解析方法計算得到的ROC曲線

圖7 不同視數(shù)下解析檢測性能的擬合效果 (圖例中的 ‘a(chǎn)naly’ 代表解析結(jié)果,‘mc’代表蒙特卡洛仿真結(jié)果)

觀察圖7可見,解析檢測性能結(jié)果與蒙特卡洛方法所得結(jié)果基本一致．由圖7可得:不同視數(shù)條件下,本文推導(dǎo)的SD、OSD、SCD的解析檢測性能與107次蒙特卡洛仿真結(jié)果吻合性較好,說明式(31)與(32)的推導(dǎo)結(jié)果是有效的．

雖然多視SD、OSD的檢測性能不如多視OPD或PWF,但因其檢測時所需的先驗信息較少,故計算速度較快,適合一些需要快速計算的場合,為此基于式(31)和(32)反推出解析檢測門限是有必要的．由推導(dǎo)過程可見,式(31)與(32)的物理本質(zhì)是相同的,只是在數(shù)學(xué)表達形式上分別采用了級數(shù)求和與Gamma函數(shù)的方式,但式(32)的Gamma函數(shù)的表達形式使用時更加靈活,通過Gamma函數(shù)求逆可以得到式(33)所示的檢測門限的表達形式．采用32點協(xié)方差估計,結(jié)合表1所示的檢測場景并設(shè)置TCR為0 dB,可以估計出不同視數(shù)、不同虛警概率對應(yīng)的檢測門限,結(jié)果如圖8所示．

圖8 基于32點協(xié)方差估計獲取各視CFAR檢測門限曲線

圖8表明:在視數(shù)和TCR確定時,通過式(33)可以快速計算出檢測門限,也就是說通過式(41)對雜波協(xié)方差進行估計后,針對不同視處理的極化檢測器可快速計算出不同虛警水平的極化檢測門限,且視數(shù)可以不是整數(shù),這為線性加權(quán)類的極化CFAR檢測提供了新的實現(xiàn)途徑．

4 實測數(shù)據(jù)驗證

前文基于理論推導(dǎo)和仿真實驗對多視極化檢測器的檢測性能進行了對比分析,下面將采用實測數(shù)據(jù)對上述結(jié)果進行驗證．

圖9(a)所示為2000年美航局對日本玉野地區(qū)成像得到的全極化數(shù)據(jù),選取圖中A區(qū)放大后得到圖9(b),該區(qū)圖像尺寸為153行、96列,共14 688組像素數(shù)據(jù)．由圖可見,A區(qū)中有兩艘艦船目標,下面主要針對該區(qū)域數(shù)據(jù)進行驗證．

(a) CFAR檢測區(qū)域 (b) 艦船目標圖9 選取的極化SAR數(shù)據(jù)成像結(jié)果 (下載網(wǎng)址https://vertex.daac.asf.alaska.edu/)

采用文獻[17]提出的方法進行模型辨識,得到圖10所示結(jié)果,該圖中k2、k3分別表示2階、3階對數(shù)累積量.從圖10可以看出,區(qū)域A的分布接近Wishart分布結(jié)果,表明該區(qū)域雜波基本服從復(fù)Wishart分布,因而本文的推導(dǎo)結(jié)果對此適用．為了檢測的需要,采用文獻[18]提出的等效視數(shù)估計方法可得該區(qū)域等效視數(shù)為3.692 5,比較接近4視,也符合對多視檢測性能驗證的實驗要求．

圖10 區(qū)域A雜波模型辨識結(jié)果

4.1多視極化檢測器性能比較

針對圖9(b)對應(yīng)的全極化SAR數(shù)據(jù),采用文獻[1]中協(xié)方差矩陣估計方法,估計出目標與雜波的協(xié)方差矩陣后,分別采用上述7種極化檢測器計算出檢測量,結(jié)果如圖11所示．

(a) OPD (TCR:35.709 4 dB) (b) ILRT (TCR:29.813 4 dB)

(c) PWF (TCR:28.897 3 dB) (d) PMF (TCR:28.865 1 dB)

(e) OSD (TCR:20.540 3 dB) (f) SD (TCR:20.133 2 dB)

(g) SCD (VV極化, TCR:14.640 4 dB)圖11 選取的極化SAR數(shù)據(jù)成像結(jié)果

由于區(qū)域A僅有14 688組像素數(shù)據(jù),故設(shè)置虛警率為0.001,對圖11所示的檢測量計算結(jié)果進行二值化檢測,可得圖12所示的檢測結(jié)果．

圖12 不同檢測器得到的二值檢測結(jié)果

進一步,可得表5所示的檢測性能對比結(jié)果,根據(jù)TCR的計算結(jié)果可以得到針對實測數(shù)據(jù)的檢測性能排序為:OPD>ILRT>PWF>PMF> OSD≈SD> SCD．這與前文仿真得到的結(jié)果比較貼近,不同之處在于PWF與OSD檢測性能略微下降．導(dǎo)致這一現(xiàn)象原因主要有二,其一是這一區(qū)域雜波統(tǒng)計特性不完全服從復(fù)Wishart分布;其二是對雜波協(xié)方差矩陣估計時存在誤差．

表5 不同檢測器針對實測數(shù)據(jù)的檢測性能對比

盡管OPD、ILRT、PMF這三種利用了目標協(xié)方差矩陣的檢測器能夠得到較優(yōu)的檢測性能,但其極易受協(xié)方差矩陣的估計精度影響,稍微改變目標協(xié)方差矩陣的估計范圍,就會導(dǎo)致這三者的檢測性能急劇減小,但SD、SCD檢測器卻不受協(xié)方差矩陣估計誤差絲毫影響．

4.2理論門限CFAR檢測效果分析

針對圖11(f) 所示SD檢測量的計算結(jié)果進行CFAR檢測．虛警概率仍然設(shè)置為0.001,首先采用圖像幅度值排序方法得到CFAR檢測的標準門限,然后再用式(33)自適應(yīng)地計算理論CFAR門限．這里,理論計算時多視視數(shù)取值采用估計得到的等效視數(shù)3.692 5,最后計算得到標準門限大小為0.017 95,而理論門限的計算結(jié)果為0.018 27,與實際結(jié)果較為接近．

同時采用兩種門限對區(qū)域A進行目標檢測得到圖13所示的二值結(jié)果,檢測效果相當(dāng),這也驗證了理論推導(dǎo)結(jié)果的有效性．

(a) 標準門限 (b)理論門限圖13 理論門限與標準門限檢測效果對比

5 結(jié) 論

本文在將ILRT、OSD以及SCD檢驗統(tǒng)計量擴展至多視情形的基礎(chǔ)上,推導(dǎo)了多視SD解析檢測性能的兩種數(shù)學(xué)形式,即公式(31)、(32),指出所有進行常系數(shù)加權(quán)的檢測器都適用于該公式;分別采用蒙特卡洛仿真和解析方法獲取7種多視極化檢測器的檢測性能;提出了公式(33)所示的一種基于Gamma函數(shù)的CFAR門限計算方法,從而適用于多視處理視數(shù)為非整數(shù)的情形;實測數(shù)據(jù)處理結(jié)果表明,檢測性能對比分析結(jié)果與門限計算方法可靠有效．

[1] 王娜. 極化SAR圖像人造目標檢測技術(shù)研究[D]. 長沙:國防科技大學(xué), 2012.

WANG N.Research on artificial target detection in polarimetric SAR images[D].Changsha: National University of Defense Technology,2012. (in Chinese)

[2] NOVAK L M, SECHTIN M B, CARDULLO M J. Studies of target detection algorithms that use polarimetric radar data[J]. IEEE transactions on aerospace and electronic systems,1989, 25(2):150-165.

[3] MARINO A. 基于幾何擾動濾波的極化合成孔徑雷達目標檢測方法[M].萬群, 譯. 北京:國防工業(yè)出版社, 2014.

[4] NOVAK L M, BURL M C, IRVING W W. Optimal polarimetric processing for enhanced target detection [J].IEEE transactions on aerospace and electronic systems, 1993, 29(1): 234-244.

[5] CHANEY R D, BURL M C, NOVAK L M. On the performance of polarimetric target detection algorithms [J]. IEEE transactions on aerospace and electronic systems, 1993, 29(1): 234-244.

[6] VAN ZYL J, KIM Y J. Synthetic aperture radar polarimetry [M]. Hoboken: John Wiley & Sons, 2011.

[7] 劉國慶, 黃順吉, TORRE A, 等. 一種新的多視全極化SAR目標檢測器及其性能分析[J]. 信號處理, 1998(2): 110-116.

LIU G Q, HUANG S J, TORRE A, et al. A new multi detector full Pol-SAR target detector and its performance analysis[J]. Signal processing, 1998(2): 110-116. (in Chinese)

[8] 匡綱要, 陳強, 蔣詠梅,等. 極化合成孔徑雷達基礎(chǔ)理論及其應(yīng)用 [M]. 長沙: 國防科技大學(xué)出版社, 2011.

[9] 張賢達. 矩陣分析引論[M]. 北京:清華大學(xué)出版社, 2004.

[10] 肖順平, 楊勇, 馮德軍, 等. 雷達極化檢測器性能對比分析[J]. 宇航學(xué)報, 2014, 35(10): 1198-1204.

XIAO S P, YANG Y, FENG D J, et al. Contrastive analysis of the performances of radar polarimetric detectors[J]. Journal of astronautics, 2014, 35(10): 1198-1204.(in Chinese)

[11] 肖可可. 極化SAR圖像相干斑抑制研究[D].長沙: 中南大學(xué), 2012.

XIAO K K. Speckle reduction in polarimetric SAR images[D].Changsha:Central South University,2012.

[12] 劉國慶,黃順吉,熊紅,等.多視全極化合成孔徑雷達圖像的統(tǒng)計分析[J].電子科學(xué)學(xué)刊,1998,20(1):62-67.

LIU G Q, HUANG S J, XIONG H,et al. Analysis of multi look polarimetric synthetic aperture radar image statistics[J]. Journal of electronics, 1998,20(1):62-67. (in Chinese)

[13] 羅鵬飛. 隨機信號分析與處理[M]. 北京:清華大學(xué)出版社, 2012.

[14] 代大海.POLSAR圖像模擬及目標檢測與分類方法研究 [D].長沙:國防科學(xué)技術(shù)大學(xué),2003.

DAI D H. Research on POLSAR image simulation, target detection and classification[D]. Changsha: National University of Defense Technology, 2012.

[15] HANLEY J A, MCNEI B J. The meaning and use of the area under a receiver operating characteristic curve[J]. Radiology,1982,143: 29-36.

[16] GRADSHTEYN I S, RYZHIK I M. Table of integrals, series, and products[M]. San Diego: CA Academic Press, 2007: 106.

[17] 崔浩貴, 劉濤, 單洪昌, 等. 一種PolSAR圖像統(tǒng)計模型辨識新方法[J]. 西安電子科技大學(xué)學(xué)報, 2015, 42(2): 199-205.

CUI H G, LIU T, SHAN H C. A new method for PolSAR image statistical model identification[J]. Journal of Xidian University, 2015, 42(2): 199-205. (in Chinese)

[18] LIU T, CUI H G, XI Z M, et al. Novel estimators of equivalent number of looks in polarimetric SAR imagery based on sub-matrices[J]. Science China information sciences, 2016, 59(6): 1-13.

張鵬(1996—),男,安徽人,研究方向為極化雷達目標檢測算法、雷達極化統(tǒng)計理論以及地面動目標檢測算法等理論工作．

張嘉峰(1993—),男,河北人,研究方向為極化雷達目標檢測算法、雷達極化統(tǒng)計理論以及海上目標檢測等工作．

劉濤(1978—),男,山東人,博士,現(xiàn)為海軍工程大學(xué)教授,研究興趣為雷達極化統(tǒng)計理論、極化信息處理、雷達極化檢測與識別、電子戰(zhàn)系統(tǒng)建模與仿真．已在IEEE Transactions,Science in China,China Physics B,中國科學(xué),自然科學(xué)進展,物理學(xué)報,電子學(xué)報等期刊發(fā)表論文多篇．

Contrastiveanalysisoftheperformancesofradarmulti-lookpolarimetricdetectors

ZHANGPengZHANGJiafengLIUTao

(SchoolofElectronicEngineering,NavalUniversityofEngineering,Wuhan430000,China)

Contrastive analysis of the performances of radar polarimetric detectors can provide important reference for its design, while the detection performance evaluation theory is still imperfect, especially lacking of the analysis results for multi-look case. Based on the complex Wishart distribution of the polarimetric radar multi-look covariance matrix, a contrastive analysis of the performance of 7 classical polarimetric detectors is presented using both Monte Carlo simulations and analytical method after an area under curve (AUC) index is proposed for evaluation. The ranking result for 4-look case is: optimal polarimetric detector (OPD)> polarimetric whitening filter (PWF)≈identity likelihood ratio test (ILRT)> optimal sapn detector (OSD)> polarimetric matched filter (PMF)≈ span detector (SD)> single channel detector (SCD). At the same time, a novel approach to compute the constant false-alarm rate (CFAR) threshold is proposed based on Gamma function, and two kinds of general mathematical expressions of the theoretical performances of those detectors with linearly weighted form are also derived for multi-look case. Finally, the polarimetric SAR data is used to verify the above results.

radar polarimetry; multi-look processing; detection performance; CFAR threshold

張鵬, 張嘉峰, 劉濤. 雷達多視極化檢測器性能對比分析[J]. 電波科學(xué)學(xué)報,2017,32(4):416-426.

10.13443/j.cjors.2017022401

ZHANG P, ZHANG J F, LIU T. Contrastive analysis of the performances of radar multi-look polarimetric detectors[J]. Chinese journal of radio science,2017,32(4):416-426. (in Chinese). DOI: 10.13443/j.cjors.2017022401

TN95

A

1005-0388(2017)04-0416-11

DOI10.13443/j.cjors.2017022401

2017-02-24

國家自然科學(xué)基金(基于對數(shù)空間理論的極化SAR圖像艦船目標檢測新方法61372165，基于協(xié)方差矩陣的極化干涉SAR圖像海面慢動目標檢測新方法研究61771483)

聯(lián)系人： 劉濤 E-mail: liutao1018@sina.com