宋蘇杭 高 節(jié)

（中國兵器裝備集團(tuán)成都火控技術(shù)中心，四川 成都 611731）

基于多特征融合相關(guān)的弱小目標(biāo)檢測技術(shù)應(yīng)用

宋蘇杭 高 節(jié)

（中國兵器裝備集團(tuán)成都火控技術(shù)中心，四川 成都 611731）

弱小目標(biāo)的檢測與跟蹤是當(dāng)前雷達(dá)信號處理研究的熱點(diǎn)。文章介紹了一種新的弱小目標(biāo)檢測跟蹤技術(shù)，該技術(shù)基于生物視覺感知機(jī)理，將圖像處理方法融入雷達(dá)信號處理，分析目標(biāo)特征和雜波、噪聲等背景特性，在此基礎(chǔ)上探討有效的背景抑制方法，并結(jié)合多特征信息融合方法實(shí)現(xiàn)在復(fù)雜背景下對弱小目標(biāo)的檢測與跟蹤。

弱小目標(biāo)檢測；視覺感知；多特征融合

1 引言

未來空襲與防空的對抗依然是體系與體系之間的對抗。隨著科學(xué)技術(shù)的進(jìn)步和大規(guī)模殺傷武器的擴(kuò)散，戰(zhàn)術(shù)彈道導(dǎo)彈（TBM）、巡航導(dǎo)彈（CM）、無人機(jī)等已成為空襲體系中必不可少的組成部分，加上攻擊時(shí)采用低空或超低空突防、掠地（海）飛行的技戰(zhàn)術(shù)，飛行高度僅10～100米，導(dǎo)致探測系統(tǒng)接收的目標(biāo)回波雜波強(qiáng)、信噪比低、多徑效應(yīng)明顯，目標(biāo)往往湮沒在雜波和噪聲中。而伴隨著隱身技術(shù)的日趨成熟，飛機(jī)、導(dǎo)彈等目標(biāo)的RCS減小了一到兩個數(shù)量級，極大地影響了雷達(dá)威力?？偠灾?，對現(xiàn)代雷達(dá)的要求仍然是“四抗”，即抗干擾、抗偵察、抗摧毀、抗隱身和低空突防。

為了對付這些威脅，整個防空反導(dǎo)系統(tǒng)的探測器應(yīng)包括能在嚴(yán)重的雜波中探測出小目標(biāo)的監(jiān)視及跟蹤雷達(dá)，可以邊跟蹤邊掃描，作為后續(xù)跟蹤及打擊裝置的基礎(chǔ)。因此，對微弱目標(biāo)的檢測與跟蹤成為在防空反導(dǎo)體系中雷達(dá)急需解決的技術(shù)問題。

在弱小目標(biāo)檢測方面，目前主要的研究方向是采用多信息融合以及TBD等技術(shù)。其中，采用多傳感器信息融合的探測方法，系統(tǒng)復(fù)雜，造價(jià)昂貴，在實(shí)際應(yīng)用上受到限制；而TBD技術(shù)在雷達(dá)系統(tǒng)中，主要有動態(tài)規(guī)劃算法[1]，以及正在嘗試的粒子濾波和時(shí)頻分析方法等，但由于需要考慮時(shí)間和空間信息的相關(guān)性，它們的計(jì)算量和存儲量都偏大，處理也相對復(fù)雜。本文提出了一種新型的弱小目標(biāo)檢測與跟蹤的技術(shù)方法，該方法基于生物視覺感知機(jī)理，對單個傳感器獲取的目標(biāo)信息，結(jié)合信號處理與圖像處理技術(shù)，采用多特征分析及融合的多種處理算法，完成多特征提取、自學(xué)習(xí)以及融合相關(guān)處理等，可以克服常規(guī)采用單一特征處理可能帶來的弱信號提取性能與提取可靠性之間的矛盾，能夠在防空反導(dǎo)系統(tǒng)中從強(qiáng)雜波背景干擾中探測出目標(biāo)。

2 生物視覺感知與信息融合

圖1 視覺感知模型框圖

視覺可以看作是一個完善的信息處理系統(tǒng)。對于計(jì)算機(jī)視覺而言，值得研究的是圖1中的第2部分，即信息處理過程的技術(shù)實(shí)現(xiàn)問題。人類視覺的顯著特征之一就是對比感知，其核心首先是強(qiáng)調(diào)了整體背景的支撐襯托作用，其次才突出并體現(xiàn)了圖形（目標(biāo)）的視覺反差，使目標(biāo)與背景相分離。分離的過程實(shí)際上就是目標(biāo)提取的操作過程[2]。

根據(jù)以上探討的相關(guān)理論，在此提出一種基于生物視覺原理的多特征融合智能相關(guān)技術(shù)，根據(jù)目標(biāo)特征(尺度、外形、運(yùn)動等特性)具有一致性和關(guān)聯(lián)性，而噪聲則是隨機(jī)漲落的特點(diǎn)，遵循視覺感知對運(yùn)動目標(biāo)的認(rèn)知過程，設(shè)計(jì)若干相互獨(dú)立的處理通道，對多特征進(jìn)行融合，從而建立檢測、識別與跟蹤策略。算法主要內(nèi)容包括：背景預(yù)測、特征提取與信息融合以及目標(biāo)信號的檢測與跟蹤。

圖2 基于生物視覺原理的目標(biāo)檢測跟蹤

2.1 背景預(yù)測

采用時(shí)間遞歸算法，根據(jù)目標(biāo)、雜波模板中存儲的特征信息和上一次的目標(biāo)信號處理結(jié)果進(jìn)行背景學(xué)習(xí)，可預(yù)測雜波背景、確定雜波特征。接收到下一周期的回波數(shù)據(jù)后，在特征域中進(jìn)行雜波抑制。

采用基于卡爾曼濾波理論的時(shí)間遞歸方法來預(yù)測背景。這種方法是基于這樣的事實(shí)：背景在幀間的變化較目標(biāo)在幀間的變化要緩慢一些，可以采取學(xué)習(xí)的方法來預(yù)測背景。背景遞歸預(yù)測公式為

其中 i, j代表一個像素的坐標(biāo)，k是時(shí)間坐標(biāo)及幀號，Ib(i, j, k)表示k幀時(shí)的背景特征，I( i, j, k)表示k幀時(shí)的圖像特征， g( i, j, k)是增益因子。 g( i, j, k)表達(dá)式為

λ和μ是介于0和1之間的常量，決定了背景預(yù)測的自適應(yīng)特征， M( i, j, k)是二值化輪廓。λ必須足夠小，以便運(yùn)動點(diǎn)目標(biāo)能夠從背景序列中有效地分離出來；μ必須大于λ，表征背景變化快慢。

由于預(yù)測背景中不包括目標(biāo)，目標(biāo)可以通過輸入圖像序列與預(yù)測背景比較檢測出來。

其中I( i, j, k + 1)表示 k+ 1幀時(shí)的圖像特征。

選擇一個恰當(dāng)?shù)拈撝祵a(chǎn)生一個二值化的目標(biāo)輪廓。閾值T可以通過恒虛警率計(jì)算出。若 D( r , k + 1)≥ T，則M( r, k+ 1)=1；否則 M( r , k+ 1)= 0。

2.2 特征提取與信息融合

目標(biāo)檢測跟蹤的前提與關(guān)鍵是目標(biāo)特征提取。在雷達(dá)回波信號中，除強(qiáng)度和頻率特征外，其它還有空間特征、時(shí)頻特征等，充分利用目標(biāo)的物理、數(shù)學(xué)等多方面特征信息，可有效提高系統(tǒng)對目標(biāo)和干擾的分辨能力。

在特征融合中，采用“平行多級同步整合”機(jī)制，選定目標(biāo)的若干穩(wěn)健特征，按系統(tǒng)中的特征穩(wěn)定性差異來確定各特征的置信度，并根據(jù)能量函數(shù)最小準(zhǔn)則計(jì)算各特征歸一化加權(quán)系數(shù)，然后進(jìn)行特征融合，形成能反映目標(biāo)屬性的組合特征，再根據(jù)相應(yīng)的決策準(zhǔn)則進(jìn)行目標(biāo)判識。在實(shí)際實(shí)現(xiàn)中針對不同特征采用不同的處理方式。由訓(xùn)練樣本觀察均值和標(biāo)準(zhǔn)差差異較小且可以直接提取向量的特征，通過對稱及并行組合后由K-L變換至一個新的組合特征域進(jìn)行處理。取兩個特征的融合為例進(jìn)行說明。設(shè)A、B為樣本空間Ω上的兩組特征，任意樣本ξ∈Ω，其對應(yīng)的兩個特征向量分別為 α∈ A和 β∈ B，用復(fù)向量 γ = α+ iβ 來表示ξ的并行組合特征，此時(shí)若兩組特征α與β的維數(shù)不等，低維的特征向量用0補(bǔ)足。例如，則組合特征為。

其中 ,X YC∈ ，H為共軛轉(zhuǎn)置符號。

定義了以上內(nèi)積的復(fù)空間稱為酉空間。酉空間內(nèi)的類間散布矩陣、類內(nèi)散布矩陣和總體散布矩陣分別定義為：

其中 P(ωi) 為第i類訓(xùn)練樣本的先驗(yàn)概率，為第i類訓(xùn)練樣本的均值，為全體訓(xùn)練樣本的均值。由上式的定義可知，wS、bS、tS均為 Hermite矩陣，且非負(fù)定。當(dāng)wS可逆時(shí)，wS、tS均為正定矩陣。

下面以總體散布矩陣 St為例來介紹酉空間內(nèi)的K-L變換方法，可設(shè) St的特征向量為，且彼此正交，所對應(yīng)的特征值為，滿足。選擇前d個最大特征值所對應(yīng)的特征向量作為投影軸，由于酉空間內(nèi) St的特征值均為非負(fù)實(shí)數(shù)，組合特征向量在軸 ξj上投影后的總體散布量為 λj。在酉空間內(nèi)，以 St為產(chǎn)生矩陣的K-L變換為：

此外，具有相對意義的特征一般用于定性分析，通過樣本難以提取特征向量，針對該類特征，在決策階段則通過D-S證據(jù)理論進(jìn)行特征權(quán)重的取舍，從而達(dá)到多特征融合的目的。

2.3 目標(biāo)信號的檢測和跟蹤

目標(biāo)特征信息通過K-L變換和D-S證據(jù)理論融合后，即進(jìn)入目標(biāo)信號的檢測和跟蹤。該模塊通過訓(xùn)練樣本的學(xué)習(xí)，建立目標(biāo)和雜波的初始模板，采用模板進(jìn)行信息匹配。目標(biāo)模板包含了整個信號處理過程到當(dāng)前時(shí)刻所提取的所有目標(biāo)信息及其各階融合特征，并根據(jù)當(dāng)前時(shí)刻的檢測和跟蹤狀況對模板進(jìn)行實(shí)時(shí)修正。雜波模板包含最近時(shí)刻（一般3～5幀）所判讀為雜波的信號信息，并根據(jù)當(dāng)前數(shù)據(jù)中的雜波狀態(tài)進(jìn)行實(shí)時(shí)修正。觀測域匹配于目標(biāo)模板的判斷為目標(biāo)，匹配于雜波模板的判斷為雜波，否則為噪聲。模板匹配采用卷積的方式進(jìn)行，可以通過FIR濾波器實(shí)現(xiàn)。

3 弱小目標(biāo)信號處理的硬件設(shè)計(jì)

弱小目標(biāo)信號處理硬件系統(tǒng)由兩塊信號處理板組成，主板負(fù)責(zé)處理和通道信號，并完成與雷達(dá)系統(tǒng)的通信與數(shù)據(jù)傳輸，從板負(fù)責(zé)處理方位差、俯仰差通道信號。每塊信號處理板都采用FPGA+DSP的架構(gòu)模式，采用FPGA完成采樣控制及中頻信號的預(yù)處理，采用DSP完成后續(xù)部分的弱小目標(biāo)信號處理算法，同時(shí)設(shè)計(jì)較大的數(shù)據(jù)吞吐通道，降低對后端的速率要求。具體框圖如圖3所示。

圖3 弱小目標(biāo)信號處理板框圖

4 驗(yàn)證

4.1 仿真驗(yàn)證

依據(jù)基于多特征融合相關(guān)弱小目標(biāo)信號處理算法的基本原理，開展基于Matlab的仿真驗(yàn)證研究。利用信號源輻射信號模擬不同強(qiáng)度的目標(biāo)回波，將信號源功率設(shè)置為低于原系統(tǒng)靈敏度-6dB，分別采用原常規(guī)信號處理算法以及基于多特征融合相關(guān)的弱小目標(biāo)信號處理算法對輸入信號進(jìn)行仿真處理。仿真結(jié)果見圖4，可以看出，基于多特征融合相關(guān)弱小目標(biāo)信號處理算法的檢測能力明顯優(yōu)于常規(guī)信號處理算法。

圖4 仿真驗(yàn)證結(jié)果

4.2 試驗(yàn)驗(yàn)證

實(shí)際驗(yàn)證以某雷達(dá)作為硬件平臺，通過外掛弱小目標(biāo)信號處理組合實(shí)現(xiàn)某雷達(dá)常規(guī)信號處理系統(tǒng)與弱小目標(biāo)信號處理系統(tǒng)分時(shí)切換工作，驗(yàn)證弱小目標(biāo)信號處理算法對系統(tǒng)檢測跟蹤能力的改善。驗(yàn)證試驗(yàn)系統(tǒng)構(gòu)成框圖見圖5。

圖5 驗(yàn)證試驗(yàn)系統(tǒng)構(gòu)成框圖

通過放球試驗(yàn)跟蹤氣球懸掛的直徑200mm金屬球，定量測試兩種信號處理工作模式下的最大跟蹤距離，評估弱小目標(biāo)檢測與跟蹤技術(shù)對提高最大跟蹤距離的效果。試驗(yàn)總共跟球8次，兩種工作模式各4次。跟球試驗(yàn)結(jié)果見圖6所示。

圖6 跟球驗(yàn)證試驗(yàn)航跡圖

試驗(yàn)結(jié)果表明，對于200mm直徑的金屬球，弱小目標(biāo)信號處理比常規(guī)信號處理的平均跟蹤距離提高了3.2km，折算到信噪比則是提高了3.9dB，對增加雷達(dá)的最大跟蹤距離效果明顯。

5 結(jié)論

基于多特征融合相關(guān)的弱小目標(biāo)檢測與跟蹤技術(shù)的實(shí)施與驗(yàn)證到目前為止已取得了初步成效，其對于弱小目標(biāo)的檢測跟蹤能力較常規(guī)信號處理有較大的提高，若能將本研究成果運(yùn)用到防空反導(dǎo)體系的雷達(dá)設(shè)備中，則可用最便捷可行的方式提高雷達(dá)的系統(tǒng)性能，現(xiàn)役雷達(dá)只需更換信號處理分系統(tǒng)，新研制的雷達(dá)也可省去為增強(qiáng)弱小目標(biāo)探測跟蹤能力而增大天線口徑、增加發(fā)射機(jī)功率等所投入的大量經(jīng)費(fèi)，從而大大降低雷達(dá)設(shè)備乃至整個防空反導(dǎo)系統(tǒng)的研制成本。

[1]強(qiáng)勇,焦李成,保錚.一種有效的用于雷達(dá)弱目標(biāo)檢測的算法[J].電子學(xué)報(bào),2003,31(3):440-443.

[2]余農(nóng),吳常泳,楊心溢,等.紅外成像自動目標(biāo)識別技術(shù)研究－計(jì)算模型與數(shù)據(jù)流程[J].現(xiàn)代防御技術(shù),2003, (6):52-59.

Dim small target detection based on multi-characteristic fusion and application

Dim small target detection and tracking is a hot topic of radar signal processing. This paper introduces a new technique of dim small target detect-and-track. This signal processing technique using of image processing, based on perceptive field in human vision, and analyzed the characteristics of target, clutter and noise background to find the method of background rejection, and then detected and tracked dim small target in complex background with multi-characteristic fusion.

Dim small target detection; visual perception; multi-characteristic fusion

TN95

A

1008-1151(2015)05-0023-03

2015-04-12

宋蘇杭（1983－），男，中國兵器裝備集團(tuán)成都火控技術(shù)中心微波室副主任，從事雷達(dá)發(fā)射機(jī)研制工作。