CN100470255C - 基于多视子图像对的单通道合成孔径雷达动目标检测方法 - Google Patents

Abstract

本发明涉及合成孔径雷达单通道SAR运动目标检测领域，其特征在于该方法利用静止场景方位向频谱关于多普勒中心频率对称的特点，将合成孔径雷达数据的多视成像组成多个对称的子图像对，每个子图像对由两个关于中心频率对称的子视图像组成，通过子图像对的子视图像相互对消，并将所有对消结果沿着方位向和距离向进行二维联合积累，能够在有效抑制强烈的背景杂波干扰的同时，实现运动目标能量的积累，然后采用恒虚警技术完成运动目标的检测。

Description

基于多视子图像对的单通道合成孔径雷达动目标检测方法

技术领域

本发明涉及雷达系统的单通道合成孔径雷达运动目标检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，以下用SAR表示)是一种全天候、全天时、高分辨率雷达，通过距离向上对大时间带宽积的线性调频信号进行脉冲压缩和方位向的回波信号相干积累获得二维高分辨率的图像。

当飞行高度为H的雷达平台沿着直线飞行时，朝飞行方向的正侧方发射波束，如附图1所示，波束主瓣在地面覆盖一定面积，随着平台的运动，就会形成一条测绘带，定义雷达平台飞行的方向为方位向，与之垂直的方向为距离向，将雷达天线到测绘带内任意点目标C的距离称为斜距，其中，在雷达照射期间，天线到C点的最短距离称为该目标的最短斜距。雷达对点目标C的观测，如附图2所示，在某个时刻T₀，雷达波束在方位向上覆盖B～C的范围，此时点目标C刚刚进入波束；经过一段时间T_s后，波束在方位向上覆盖C～D段，C点刚刚脱离波束照射，雷达平台在T_s时间内走过的距离为L_s称为一个合成孔径长度，将T_s称为一个合成孔径时间，在此时间内，点目标C一直处于雷达波束照射下，点目标与雷达位置的几何关系，如附图3所示，其中，定义β为仰角，θ为斜视角。

雷达向地面发射脉冲，在一定时间延迟后，接收到地面场景内不同散射点反射的回波，经过距离向离散采样，积累多次回波得到数据阵列，如附图4所示，平行于距离向的数据代表一条距离线，平行于方位向的数据代表一条方位线，其中，距离向采样率对应的采样间隔构成的平行方位向的单元称为距离单元。在雷达平台直线运动过程中，同一目标到天线的斜距不断变化，如附图5所示，导致了回波的瞬时频率成线性调频特性，使SAR能够获得方位向的高分辨率，与此同时，也引入了距离徙动。距离徙动是指在合成孔径雷达数据积累过程中，雷达与目标之间的斜距变化超过距离分辨率，使得来自同一目标的回波信号经过采样，在数据阵列存放时，在不同方位向中分布在不同距离单元内，如附图6所示。距离徙动校正就是将来自同一目标的信号调整到一条方位线上，实现能量的有效积累。由于方位向和距离向的信号均为线性调频信号，对SAR信号成像的过程就是一个消除距离徙动，实现方位向和距离向二维脉冲压缩的过程。

合成孔径雷达成像系统，与其它成像系统如光学成像系统相比较，具有以下优点：

I.合成孔径雷达采用主动式微波成像，具有全天候、全天时成像的特点：

II.选择合适波长，利用微波的穿透性，可以对被植被、沙漠、极冰或浅水覆盖的地域甚至地表下目标成像；

III.合成孔径雷达的分辨率与雷达工作波长、平台飞行高度、雷达作用距离无关，在太空或高空都能有效工作；

IV.合成孔径雷达作用距离远，测绘带宽；

V.可以实现对地物进行多参数、多频段、多极化和多视角测绘。

目前，多种合成孔径雷达系统已广泛应用于资源勘探、战场侦察、环境保护、灾情检测、水文地质等国防和国民经济的重要领域，并在国民经济发展和军事领域中发挥着越来越重要的作用。

传统SAR是针对场景大面积静止目标的成像，不具备对运动目标成像的能力。在许多应用场合，用户在得到大面积场景成像的同时，希望能够检测运动目标，尤其是处于强杂波背景中的地面慢速运动目标，并得到聚焦运动目标图像。由于地面目标的非合作性运动，对成像带来三个方面的影响：目标运动导致距离单元走动，从而降低了信噪比，减弱了检测性能，同时缩短动目标的相干处理时间，降低了方位向分辨率；目标运动引起的相位移动导致最终成像目标的方位向定位错误；目标运动还将导致图像散焦或者模糊。

近年来，围绕着SAR动目标的检测和成像，出现了多种技术。一种是基于空时信号处理理论，采用多天线收发系统和处理通道，利用空间、时间(频域)的信息，有效抑制地、海杂波以及多种干扰，检测主杂波覆盖范围内运动目标信号。另一种是建立在地面运动目标和地面场景的多普勒频谱或者时频联合分布可以分离的假设上，采用单通道体制SAR进行运动目标检测与成像。正在研究的主要方法包括：相位匹配法、时频域滤波法、时频分析等SAR运动目标检测与成像方法。相位匹配法采用匹配滤波器组，滤波器的多普勒参数覆盖所有可能取值范围，分别对回波信号进行成像，然后将匹配滤波器组的输出叠加，其优点是思路简单，不需要运动目标的参数估计，但是滤波器组结构复杂，运算量大，当参数不能完全匹配真实回波时，图像会出现散焦和方位偏移。时频域滤波法基于机载SAR成像中静止目标回波频谱的中心频率为零的思想，当运动目标有距离向速度时，中心频率发生移动，移出或者部分移出杂波带，这时采用滤波器去除静止目标的频谱，将运动目标的信息保留下来。存在问题是滤波会损失有用目标信息，降低信杂比，另外，对于慢速目标，其频谱被杂波谱覆盖，则无法检测成像。从上世纪90年代初，意大利的S.Barbarossa提出基于Wigner-Ville分布(WVD)的SAR运动目标检测和成像方法，各种时频分析方法如短时傅立叶变换(STFT)、小波变换等均用于SAR运动目标检测与成像研究。时频分析方法虽然能较好分析时变非平稳信号，但是也带来新的问题，如多运动目标情况下交叉项问题，计算复杂度问题，工程不易实现等。

目前，投入使用的机载和星载SAR大多数是单通道体制SAR。基于单通道SAR实现运动目标检测，可以进一步扩展现有系统的功能，具有良好的应用前景。从20世纪90年代末，参考阵列信号处理的思想，多视成像处理引入单通道SAR运动目标检测的技术领域。

在欧洲专利局EPO网上专利检索数据库中检索到1988年6月申请的日本专利JP63131090，提出了完成距离压缩的SAR方位向数据在频域分成4个部分，分别做子视成像，得到4个图像分成两部分，相互对消后输出运动目标信息。对于真实数据，由于存在相干噪声，4视对消结果残存一定的乘性噪声能量，会导致较高的虚警。该专利没有做运动目标能量积累，检测概率很低，无法检测低信噪比目标。另外，该专利没有对结果进行统计分析，无法确定分布参数做恒虚警处理。

美国专利商标局USPTO网上专利检索数据库检索到2002年7月申请的专利US6426718，提出了利用单通道SAR的二视成像检测地面运动目标，该专利认为每个子视成像中都由运动目标和来自静止场景的杂波组成，要求在场景中心存在一个已知观测斜距的公共参考点，且所有子孔径都包含该点信息，由该点参数构造各个子孔径的去斜函数，分别完成方位向脉冲压缩，得到两个子视图像。当场景中存在运动目标时，该专利认为两个子视图像中运动目标的脉压结果是不同的，但是杂波脉压结果是相同的，因此可以通过两个子视图像抑制杂波。该专利所述方法需要确定观测场景中心一个固定目标，并已知其观测斜距，用于构造去斜函数，在实际应用中，很难满足上述要求，其方法有很大局限性。

2004年4月在期刊IEEE Transactions on Geoscience and Remote Sensing第42卷第4期发表了Christoph H.Gierull的论文《Statistical Analysis of Multilook SAR Interferograms for CFARDetection of Ground Moving Target》。文中提出对多视成像处理得到子视图像做相位干涉，对干涉结果的分布做统计分析，然后根据统计信息设置门限，检测运动目标。实际SAR数据由于受到相干噪声的污染，位于两个子视图像中相同坐标的静态目标的像素点的相位无法有效对消，其对消结果有时服从均匀分布，无法检测运动目标。因此，该文提出算法不能有效抑制场景杂波的干扰，不具有通用性。

2005年11月国际空间信息技术会议上发表了Gan Rongbing等人发表了《Moving targetparameter estimation of SAR after two looks cancellation》。文中介绍了两视成像对消提取运动目标参数算法。在检测运动目标过程中，对SAR数据作两视成像，然后分别对两个子视图像做滤波处理后，进行图像对消。最后采用恒虚警技术在对消结果中检测运动目标。该文所提算法无法有效抑制相干噪声，也没有对运动目标能量做积累，同时在滤波中损失了信号能量，因此，只能检测高信噪比的运动目标，同时，该算法需要根据不同的场景设计滤波器，不具有通用性。

发明内容

本发明要解决的问题是提供一种基于多视子图像对的单通道SAR动目标检测方法。该方法利用静止场景方位向频谱关于多普勒中心频率对称的特点，将SAR数据的多视成像组成多个子图像对，每个子图像对由两个关于中心频率对称的子视图像组成，通过子图像对的子视图像相互对消，并将所有对消结果沿着方位向和距离向进行二维联合积累，能够在有效抑制强烈的背景杂波干扰的同时，实现运动目标能量的积累，提高信噪比，然后采用恒虚警技术完成运动目标的检测。

本发明的特征在于

合成孔径雷达多视成像处理，通常分为距离向和方位向的二维处理，在完成距离向脉冲压缩的基础上，对方位向频谱划分子孔径，进行多视成像处理，获得多个二维子视图像。本发明提出的单通道SAR动目标检测方法，就是基于多视子图像对的图像域运动目标检测方法。通常采用附图7所示的系统平台，场景回波信号经过高速模数转换采样后得到SAR原始数据，输入SAR成像处理器进行多视成像，然后采用本发明的方法检测运动目标。

合成孔径雷达发射线性调频信号，设发射波长为λ的信号为：

$f\left(t\right)=\underset{m=-M}{\overset{+M}{\mathrm{\Σ}}}u(t-\mathrm{mT})---\left(1\right)$

$u\left(t\right)=a\left(t\right)\exp (2\mathrm{\π}{f}_{0}t+\frac{b}{2}{t}^2)---\left(2\right)$

其中，T为脉冲重复周期；τ为发射脉宽，a(t)为矩形窗函数，在[0，τ]内为1，其它时刻为0：u(t)为发射的线性调频信号波形函数，f₀为线性调频信号的中心频率，b为线性调频信号的调频斜率，m表示发射脉冲的序列，m＝1，2，…，M，M为设定值。

观测场景中位于r₀(t)处点目标的回波信号经过正交检波和高速模数转换采样，并输入成像处理器积累，得到距离向为N_r点，方位向为N_a点的数据阵列(N_r和N_a是设定值，其中，N_r>f_sτ，N_a≥T_s/T，f_s为合成孔径雷达距离向采样频率)。SAR原始数据可以表示为

$s(x,r)=\mathrm{\σ}{W}_a\left(x\right)\exp [-j\frac{4\mathrm{\π}{r}_0\left(x\right)}{\mathrm{\λ}}]\mathrm{\δ}[r-r_0\left(x\right)]\⊗\frac{2}{\mathrm{vc}}\mathrm{\δ}\left(x\right)a\left(\frac{2r}{c}\right)\exp \{-j\frac{b}{2}{\left(\frac{2r}{c}\right)}^2\}---\left(3\right)$

式中，σ为目标的后向反射系数；W_a(x)为雷达对位于r₀(t)处点目标的增益函数，x＝vt，为雷达平台在方位向所处位置，v为雷达平台飞行速度，r为斜距，c为光速，δ(x)为冲激函数，

表示卷积运算。

数据阵列在SAR成像处理器中进行多视成像和运动目标检测，首先完成距离向脉冲压缩。利用发射的线性调频信号构造距离向频域参考函数为

H_r(ω)＝FFT{conj[u(t)]}   (4)

式中FFT表示快速傅立叶变换，conj()表示共轭运算，ω表示频域。在频域实现距离向脉冲压缩得到

g(t)＝IFFT{FFT[s(x，r)]*H_r(ω)}   (5)

式中IFFT表示逆傅立叶变换，*表示点积运算。

然后对完成距离向处理的数据进行方位向处理。对每条方位线做快速傅立叶变换，转换到方位向频域，得到方位向频谱，对每个数据进行距离徙动校正。

在频域，计算数据阵列中每个采样点的距离徙动量为

ΔR＝R_B/cosθ   (6)

式中，R_B为雷达平台到每个采样点的最短斜距，θ为雷达平台到该点的斜视角。设ρ_r为SAR距离向采样间隔，ρ_r＝c/(2f_s)，则沿距离向徙动的距离单元个数为ΔN＝ΔR/ρ_r，然后进行该点的距离徙动校正。如果ΔN不是整数，且|ΔN-round(ΔN)|>V_m(round表示取整运算，V_m为设定值，通常取0.1，||表示取绝对值)，需要采用插值算法完成该点的距离徙动校正。插值算法有多种，常用的是Shannon插值。当前采样点的数值y(n_r)的插值结果表示为

$y\left(n_r\right)=\underset{N_i=-M_c/2}{\overset{M_c/2}{\mathrm{\Σ}}}y(n_r+\mathrm{round}\left(\mathrm{\ΔN}\right)+N_i)\sin c(\mathrm{remain}\left(\mathrm{\ΔN}\right)-N_i)---\left(7\right)$

式中M_c为设定值，通常取6，remain表示取小数运算，n_r是当前采样点的距离向坐标，取1，2，…，N_r-M_c/2；sinc函数定义如下：当x＝0，sinc(x)＝1，当x≠0，sinc(x)＝sin(x)/x。如果ΔN是整数，或者|ΔN-round(ΔN)|<V_m，则当前采样点的数值可以直接沿着距离向通过数据搬移得到，y(n_r)＝y(n_r+round(ΔN))，不必进行插值运算。

基于距离徙动校正后的数据阵列，采用多视成像算法进行方位向处理。根据地面静止目标的方位向频谱关于多普勒中心频率对称的思想，在频域划分子孔径，将方位向频谱分成长度相等且相互独立、互不重叠的2N部分(N是设定值，通常取2～8)，分别用S_Rl和S_Li表示，i是序号，i＝1，2，……N。每部分分别成像，组成关于多普勒中心频率f_dc对称的N个子图像对，如附图8所示。如果该距离单元内没有运动目标，且估计的多普勒参数没有误差时，对于静止目标的一个子图像对I_Ri和I_Li，在不考虑热噪声和相干噪声的影响的条件下，有下列关系成立：

I_Rl＝I_Li，i＝1，2，…N.   (8)

当距离单元内存在运动目标时，其方位向频谱由于运动目标产生的多普勒频移不再关于静止目标的中心频率对称，导致每个子图像对的两个子视图像在幅度上存在误差。如果运动目标的信杂噪比足够高，通过子图像对之间对消，可以实现静止目标的背景杂波对消，同时提取运动目标的信息，从而实现对运动目标的检测。

但是，实际的SAR多视成像结果存在大量的热噪声和相干噪声的干扰，导致中心频率两侧的方位向频谱存在波动，各个子视成像的对消结果存在较大的误差，造成较高的虚警率。本发明提出的方法采用多视子图像对对消和二维联合积累方法抑制上述因素的影响，实现对运动目标的检测。

考虑热噪声和相干噪声的影响，对于多视成像结果，设两个对称子孔径所成图像组成一个子图像对，其中，两个子视图像中对应于坐标(p，q)的像素点分别记为A_Ri(p.q)和A_Li(p.q)，其静止目标的真实幅度为A_si(p，q)，i表示第i对子图像，两个像素点模型为A_Ri(p，q)＝A_si(p，q)(1+k_Ri)+n_Ri＝A_si(p，q)+(n_Ri+A_sik_Ri)，|k_Ri|<<1，i＝1，2，…N.

                                              (9)

A_Li(p，q)＝A_si(p，q)(1+k_Li)+n_Li＝A_si(p，q)+(n_Li+A_sik_Li)，|k_Li|<<1，i＝1，2，…N.

式中，k_Ri和k_Li是与像素点真实幅度有关的随机的乘性因子，n_Ri和n_Li是随机高斯分布的白噪声。(9)式表明每个像素点的幅度由其真实幅度、随机相干噪声和高斯白噪声组成，即每个像素点的幅度可以分成真实幅度和随机噪声两部分。采用多视成像处理，得到N个子图像对，相互对消，得到的对消结果ΔI_i表示如下：

ΔI_i＝A_Ri(p，q)-A_Li(p，q)＝(n_Ri-n_Li)+A_si(p，q)(k_Ri-k_Li)

                                 (10)

＝n_i+A_si(p，q)k_i，    |k_i|<<1，i＝1，2，…N.

式中，n_i为白噪声的累加和，k_i为随机变量。由(10)式可知子图像对对消结果全部由随机噪声组成。

将上述N次对消结果相互叠加，有

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{I}_i=n.---\left(11\right)$

其结果n为白噪声和乘性噪声的累加和。

如果成像区域内存在运动目标，上述两个像素点模型修正为

A_Ri(p，q)＝A_mRi(p，q)+A_si(p，q)+(n_Ri+k_Ri(A_mRi(p，q)+A_si(p，q)))，k_Ri<<1，i＝1，2，…N.

                                         (12)

A_Li(p，q)＝A_mLi(p，q)+A_si(p，q)+(n_Li+k_Li(A_mLi(p，q)+A_si(p，q)))，k_Li<<1，i＝1，2，…N.

式中A_mRi和A_mLi分别为第i对子图像中运动目标在两个子图像中的幅度，图像对消结果为

ΔI_i＝(A_mRi(p，q)-A_mLi(p，q))+(n_Ri-n_Li)+k_Ri(A_mRi(p，q)+A_si(p，q))-k_Li(A_mLi(p，q)+A_si(p，q))，

                                                               (13)

＝(A_mRi(p，q)-A_mLi(p，q)+n_i+n_s   |k_Ri|<<1，|k_Li|<<1，i＝1，2，…N.

式中n_i为白噪声的累加和，n_s为乘性噪声的累加和。

由于运动目标的多普勒频移使其频谱分布不关于静止目标的中心频率对称，即频域能量分布必然有一侧积累多，因此，成像结果A_mRi(p，q)≠A_mLi(p，q)，将N个子图像对对消结果进行积累，有

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{I}_i=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(A_{\mathrm{mRi}(p,q)}-A_{\mathrm{mLi}(p,q)})+n.---\left(14\right)$

经过多次累加，乘性噪声可近似由加性噪声表示，白噪声和乘性噪声的积累结果n近似服从高斯分布，包络服从瑞利分布。由(14)式可知，对消结果的叠加可以实现对运动目标信息的积累，改善信噪比，提高检测概率，降低虚警率。为了提高信噪比，进一步在距离向将N_c条相邻方位线对消结果进行累加；实现方位向和距离向的二维联合积累，其中，N_c是设定值，通常取1～8。

经过上述积累，一方面克服运动目标的距离徙动，使信号能量得到增强，另一方面降低随机噪声n的方差，使其包络近似服从瑞利分布，由此将SAR场景中运动目标的检测转化为对多视子图像对对消积累结果的均值门限恒虚警检测。

设A表示对消积累后图像的幅度，其中坐标(p，q)的像素点幅度为A_(p，q)，A近似服从瑞利分布，表示如下

$P\left(A\right)=\frac{A}{{\mathrm{\&epsiv;}}^2}\exp (-\frac{A^2}{2{\mathrm{\&epsiv;}}^2}),A\&GreaterEqual;0.---\left(15\right)$

式中ε表示被检测距离单元幅度的方差。

当设定目标检测的虚警概率为F_fa时，取检测门限V＝KU_m，U_m为被检测距离单元幅度的均值，K为与分布参数有关的系数，对于瑞利分布，

。最终门限判决如下

与现有技术相比，本发明的优点如下：

1、采用多视成像组成子图像对，每个子图像对的子视图像相互对消，抑制场景杂波的干扰；

2、对所有子图像对对消结果采用方位向和距离向二维联合积累方法，实现运动目标的能量积累，提高了信噪比；

3、对所有子图像对对消结果采用方位向和距离向二维联合积累方法，经多次累加，将乘性噪声近似为加性噪声，有效抑制相干噪声；

4、本发明提出的方法可以对杂波谱内和杂波谱外的具有一定低信噪比的运动目标进行检测；

5、方法与SAR平台系统无关，可以应用于单通道机载SAR和星载SAR系统，实时检测运动目标；

6、本发明提出的方法运算量相对较少，存储量要求低，可以通过分布式并行处理系统进行实时处理，满足实时运动目标检测的要求，具有良好的实时性和工程应用价值。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细说明。

图1为合成孔径雷达工作示意图；

图2为合成孔径雷达对点目标的观测示意图；

图3为合成孔径雷达与点目标的位置几何关系示意图；

图4为合成孔径雷达采样得到的数据阵列示意图；

图5为合成孔径雷达到目标的斜距变化示意图；

图6为目标回波信号在数据阵列中距离徙动示意图；

图7为本发明的系统平台示意图；

图8为本发明的方位频谱分割，分别成像组成子图像对的示意图；

图9为本发明的运动目标检测流程图；

图10为采用本发明的方法处理RADARSAT-I北京地区数据的流程图；

图11为本发明的RADARSAT-I北京地区数据成像及检测结果：

(a)：RADARSAT-I北京地区数据成像中检测的运动目标1；

(b)：RADARSAT-I北京地区数据成像中检测的运动目标2；

(c)：RADARSAT-I北京地区数据成像中检测的运动目标3。

具体实施方式

本发明的方法可以分为10个步骤，具体流程如附图9所示：

(1)雷达平台发射线性调频信号，接收来自被观测场景的回波，通过高速AD采样获得SAR原始数据；

(2)对SAR原始数据做距离向脉冲压缩，完成距离向处理；

(3)沿着方位向做快速傅立叶变换(FFT)；

(4)在方位向频域进行距离徙动校正；

(5)方位向频谱分割，得到S_R1、S_L1、S_R2、S_L2......S_RN、S_LN等2N个子孔径；

(6)对各个子孔径进行多视成像，得到I_R1、I_L1、I_R2、I_L2......I_RN、I_LN等2N个子视成像，按照附图1所示方法组成N个子图像对；

(7)每个子图像对的子视图像相互对消，得到N个对消结果ΔI₁、ΔI₂......ΔI_N；

(8)N个子图像对的对消结果叠加，完成方位向积累；

(9)沿着距离向每若干相邻距离单元进行累加，至此完成方位向和距离向二维联合积累；

(10)采用恒虚警技术完成对运动目标的检测，输出判决结果。

根据上述流程，采用RADARSAT-I北京地区数据检测不同场景中的运动目标，如附图10所示。RADARSAT-I是加拿大1995年发射的民用星载SAR平台，数据格式为4bit(1bit符号位，3bit数据位)，采样率为32317076Hz，发射脉冲宽度为4.2e-05Seconds，发射脉冲调频斜率为-7.2142855e+11Hz/s²，脉冲重复频率为1257.2781Hz，雷达孔径时间为0.584s。选取北京西部地区数据，方位向为8192点，距离向为2048点，首先对SAR数据进行距离脉冲压缩，然后做方位向8192点快速傅立叶变换，转换到方位向频域，得到方位向频谱，在频域中进行距离徙动校正，然后根据附图8所示方法将方位向频谱分割成10个子孔径S_R1、S_L1、S_R2、S_L2......S_R5、S_L5，多视成像得到10个子视图像I_R1、I_L1、I_R2、I_L2......I_R5、I_L5，在图像域组成5组对称的子图像对，每个子图像对的两个子视图像相互对消，一共得到5个对消图像ΔI₁、ΔI₂......ΔI₅，将这些对消图像叠加实现方位向信号能量积累，然后对叠加结果沿距离向每相邻4条方位线叠加，完成距离向信号能量积累，最后采用均值恒虚警技术检测场景中的运动目标，结果如附图11所示。附图11的上图是对北京市西部地区的精成像，中图是采用本文方法对该地区运动目标的检测结果，下图给出了三个检测出的典型目标，其中，目标1来自北京市丰台地区某个路口，目标2位于颐和园东部某道路附近，目标3位于西北部原野的道路附近，3个运动目标由于多普勒参数失配，出现了散焦，并偏离了道路。检测结果显示本发明的方法能够有效抑制来自城区、山区、平原等背景的干扰，尤其是建筑的强烈杂波，同时实现对运动目标的检测。

Claims (1)

1、基于多视子图像对的单通道合成孔径雷达动目标检测方法，其特征在于，该方法依次含有以下步骤：

步骤(1).合成孔径雷达发射下述波长为λ的线性调频信号f(t)：

$f\left(t\right)=\underset{m=-M}{\overset{+M}{\mathrm{\&Sigma;}}}u(t-\mathrm{mT})$

$u\left(t\right)=a\left(t\right)\exp ({2\mathrm{\&pi;f}}_{0}t+\frac{b}{2}{t}^2)$

其中，a(t)为矩形窗函数，τ为发射脉宽，在[0，τ]内为1，其它时刻为0；

T为脉冲重复周期；

u(t)为发射的线性调频信号波形函数；

f₀为线性调频信号的中心频率；

b为线性调频信号的调频斜率；

m表示发射脉冲的序列，m＝1，2，…，M，M为设定值；

步骤(2).雷达平台接收来自被观测场景中位于r₀(t)处点目标的回波信号后，经过正交检波和高速模数转换，采样得到距离向为N_r点，方位向为N_a点的数据阵列，其中，N_r和N_a是设定值，其中，N_r>f_sτ，N_a≥T_s/T，f_s为合成孔径雷达距离向采样频率；

合成孔径雷达原始数据可以表示为：

$s(x,r)={\mathrm{\&sigma;W}}_a\left(x\right)\exp [-j\frac{{4\mathrm{\&pi;r}}_0\left(x\right)}{\mathrm{\&lambda;}}]\mathrm{\&delta;}[r-r_0\left(x\right)]\&CircleTimes;\frac{2}{\mathrm{vc}}\mathrm{\&delta;}\left(x\right)a\left(\frac{2r}{c}\right)\exp \{-j\frac{b}{2}{\left(\frac{2r}{c}\right)}^2\}$

其中，σ为目标的后向反射系数；

W_a(x)为雷达对位于r₀(t)处点目标的增益函数，x＝vt，为雷达平台在方位向所处位置；

r为斜距，c为光速，v为雷达平台飞行速度，δ(x)为冲激函数，

表示卷积运算；

步骤(3).将步骤(2)得到的合成孔径雷达数据阵列送入数字信号处理器构成的成像处理器，按照以下步骤对平行于距离向的距离线做距离脉冲压缩：

步骤(3.1).利用步骤(1)所述的线性调频信号构造下述距离向频域参考函数：

H_r(ω)＝FFT{conj[u(t)]}

其中，FFT表示快速傅立叶变换；

conj()表示共轭运算，ω表示频域；

步骤(3.2).在频域实现距离向脉冲压缩得到

g(t)＝IFFT{FFT[s(x，r)]*H_r(ω)}

其中，IFFT表示逆傅立叶变换；

*表示点积运算；

s(x，r)表示步骤(2)得到的合成孔径雷达原始数据；

步骤(4).对步骤(3)得到的数据沿着方位向，对每条平行于方位向的方位线做快速傅立叶变换，转换到方位向频域，得到方位向频谱；

步骤(5).在方位向频域对步骤(4)得到的数据逐点进行距离徙动校正，即：

步骤(5.1).计算各个数据阵列中每个采样点的距离徙动量为

ΔR＝R_B/cosθ

其中，R_B为雷达平台到该采样点的最短斜距，θ为雷达平台到该点的斜视角；

步骤(5.2).计算合成孔径雷达距离向采样间隔ρ_r，ρ_r＝c/(2f_s)，根据采样间隔定义平行方位向的距离单元，确定沿距离向徙动的距离单元个数为ΔN＝ΔR/ρ_r；

步骤(5.3).如果ΔN不是整数，且|ΔN-round(ΔN)|>V_m，需要采用插值算法完成该点的距离徙动校正，其中，round表示取整运算，V_m为设定值，通常取0.1，||表示取绝对值；如果ΔN是整数，或者|ΔN-round(ΔN)|<V_m，当前采样点的数值y(n_r)可以直接沿着距离向通过数据搬移得到，y(n_r)＝y(n_r+round(ΔN))，不必采用插值运算，其中n_r是当前采样点的距离向坐标，取1，2，…，Nr-M_c/2，M_c为设定值，通常取6；

步骤(6).基于距离徙动校正后的数据，在频域划分子孔径，将方位向频谱分成关于多普勒中心频率f_dc对称的，长度相等且相互独立、互不重叠的2N部分，分别用S_Ri和S_Li表示，分别成像得到N个子图像对，每个子图像对的子图像分别为I_Ri和I_Li，N通常取2～8，i是子图像对序号，i＝1，2，……N；

步骤(7).采用多视子图像对对消和二维联合积累的方法抑制合成孔径雷达多视成像结果中存在的热噪声和相干噪声的干扰，其步骤依次如下：

步骤(7.1).将N个子图像对的子视图像相互对消，得到N个对消结果，用ΔI₁，ΔI₂，…，ΔI_N表示：

ΔI_i＝A_Ri(p，q)-A_Li(p，q)＝n_i+A_si(p，q)k_i，|k_i|<<1，i＝1，2，…N.

其中，对应于两个关于中心频率对称的子孔径所成图像组成的一个图像对，A_Ri(p,q)和A_Li(p,q)分别为两个子视图像中对应于坐标(p，q)像素点的幅度，两个像素点幅度采用模型表示为

A_Ri(p，q)＝A_si(p，q)+(n_Ri+A_sik_Ri)，|k_Ri|<<1，i＝1，2，…N.

A_Li(p，q)＝A_si(p，q)+(n_Li+A_sik_Li)，|k_Li|<<1，i＝1，2，…N.

其中，k_Ri和k_Li是与像素点真实幅度有关的随机的乘性因子，k₁＝(k_Ri-k_Li)，||表示取绝对值；

n_Ri和n_Li是随机高斯分布的白噪声；

n_i＝(n_Ri-n_Li)，是白噪声的累加和；

A_si(p,q)是静止目标的真实幅度；

上述子图像对对消结果ΔI_i全部由随机噪声组成；

步骤(7.2).对所述ΔI_i进行方位向积累，即将上述N次对消结果相互叠加，得到

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&Delta;I}}_i=n.$

其中，n为白噪声和乘性噪声的累加和；

步骤(7.3).当成像区域内存在运动目标时，步骤(7.1)所述的对消结果ΔI_i为

ΔI_i＝(A_mRi(p，q)-A_mLi(p，q))+n_i+n_s    i＝1.2，…N.

其中，A_mRi和A_mLi分别为第i对子图像中运动目标在两个子图像中的幅度；

n_s＝k_Ri(A_mRi(q，q)x+A_si(p,q))-k_Li(A_mLi(p,q)+A_si(p，q))，是乘性噪声的累加和；

步骤(7.2)所述的方位向积累为

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{I}_i=\underset{l=1}{\overset{N}{\mathrm{\&Sigma;}}}(A_{\mathrm{mRi}(p,q)}-A_{\mathrm{mLi}(p,q)})+n.$

步骤(7.4).在距离向将N_c条相邻方位线对消结果进行累加，实现方位向和距离向的二维联合积累，其中，N_c是设定值，通常取1～8；

步骤(8).对步骤(7.4)的结果进行恒虚警门限判决，以确定是否存在运动目标：

设A表示对消积累后图像的幅度，其中坐标(p，q)的像素点幅度为A_(p,q)，A近似服从瑞利分布，表示如下：

$P\left(A\right)=\frac{A}{{\mathrm{\&epsiv;}}^2}\exp (-\frac{A^2}{2{\mathrm{\&epsiv;}}^2}),A\&GreaterEqual;0.$

式中ε表示被检测距离单元幅度的方差，然后对对消积累后图像的每个像素点幅度A_(p,q)判决如下：

其中，检测门限V＝KU_m，U_m为被检测距离单元幅度的均值，K为与分布参数有关的系数，对于瑞利分布，K＝(-4lnF_fa/π)^1/2，F_fa为设定的目标检测虚警概率。

Images