Ku波段SAR拋撒雷目標方位特性研究

孫涵濤,常文革,劉兆和

(1.國防科技大學電子科學與工程學院,湖南長沙410073;2.近地面探測與感知技術國防重點實驗室,江蘇無錫214035)

0 引言

為了適應現代高技術局部戰爭戰場,布雷手段也更加多樣化。例如采用火箭布雷、火炮布雷、飛機布雷和導彈布雷等方式。地雷撒布在地表,這為高波段SAR實現拋撒雷目標檢測提供了可能。然而,地雷檢測作為一項世界性難題[1],利用高波段SAR實現拋撒雷檢測具有許多困難,譬如,地雷目標的雷達散射截面(Radar Cross Section,RCS)小,是極其微弱的雷達目標,同時地表還存在著雜草、石塊、樹樁等雜物,這些因素使拋撒雷檢測異常困難。因此,拋撒雷檢測是一個典型的強雜波環境下的小目標檢測問題。

在SAR探雷領域,目前的研究更多是關注超寬帶低波段SAR條件下淺埋地雷的探測,對高波段下拋撒雷目標特性的分析研究較少,而目標特性分析是實現有效檢測的基礎。因此,考慮到拋撒雷近似于圓柱體的特點,而大多數目標不具備這樣的特點,在國防科學技術大學研制的Ku波段微小型化合成孔徑雷達系統實測數據的支持下,本文對拋撒雷的方位特性進行分析和研究。

首先,本文通過子孔徑成像處理算法,得到子孔徑圖像序列。然后,在子孔徑圖像序列中提取目標幅度和相位信息,研究分析了拋撒雷目標方位不變性和方位相干性。最后,為了驗證分析結果,在CFAR檢測的基礎上結合方位相干性特征,以CFAR-IHP檢測算法實現地雷目標檢測。實驗結果顯示,地雷目標的方位不變性有利于降低虛警概率。

1 子孔徑處理

本文首先通過獲得子孔徑圖像序列來分析目標方位散射特征[2-3]。

由成像原理可知,方位向的多普勒頻率與方位向視角的關系如下:

式中,fd為方位向多普勒頻率,v為載機運動速度,λ為波長,φ為方位向視角。因此,不同的方位視角對應不同的多普勒頻率。對應的關系圖如圖1所示。

圖1 多普勒頻率與方位視角的對應關系

通常,子孔徑圖像生成有兩種方式,第一種是對原始回波數據,在成像處理前對多普勒頻譜進行子孔徑劃分,然后分別進行成像處理;第二種是對單視復圖像數據(Single Look Complex,SLC),將成像處理后得到的復圖像在方位向進行傅里葉變換到距離-多普勒域,然后進行子孔徑分割,再進行逆傅里葉變化就得到子孔徑圖像。本文采用第二種方法,具體處理流程如圖2所示。

由于不同方位角對應的目標距離不同,再加上天線方向圖的加權影響,使得各個子孔徑的功率分布并不均勻。以實測數據為例,本文對距離向平均后,沿多普勒域,畫出距離向平均幅度值,得到如圖3所示結果。該圖表示不同方位角視角下回波能量的分布情況。從圖3可見,對應于不同的多普勒頻率,回波能量很不均勻。因此,為了便于子孔徑處理,必須消除該現象。具體采用如下方法[4]:1)在距離-多普勒域進行權重函數的估計,權重函數的幅度可以由距離向幅度值的平均得到;2)計算權重函數的逆函數并歸一化,得到校正函數;3)將校正函數作用于圖像距離-多普勒域,即可消除權重的影響。實驗發現,在權重函數的估計中,為避免強目標對其估計精度的影響,應選擇對地物均勻的區域求平均而不是對整個距離向求平均。圖4為經過權重消除前后,在一維方位剖線上不同方位視角下回波能量的分布對比,可以看出,加權影響得到了較好的校正。

圖2 子孔徑圖像序列生成

此外,在形成子孔徑圖像時,還需要將它們的頻譜重疊[4]。假設距離雷達r0處有一點目標,則匹配濾波后信號響應有如下形式:

式中,B為信號帶寬,t0=2r0/c,?0為一個常數,s(t)的Fourier變換為

作頻譜分割,B/2頻寬的子孔徑圖像s1和s2有如下的Fourier變換:

對應時域為

圖3 方位幅度譜

圖4 權重消除前后方位向幅度值比較

2 目標方位特性分析

2.1 方位不變性分析

如圖5所示,從物理形態上看,圓柱體目標各個方向RCS相同,不同方位角下回波能量基本相同,具有方位不變性[5-6]。地雷光學圖片如圖6所示,地雷近似為一個圓柱體,因此,本文分析其方位不變性。

場景布置如圖7所示,放置目標包括拋撒雷、9.5 cm三角角反射器、10 cm直角角反射器,放置背景為瀝青背景和雜草背景,拋撒雷直徑約為10 cm、高約為15 cm。

圖5 圓柱體方位不變性示意圖

圖6 地雷光學圖片

圖7 目標布置示意圖

圖8為實測數據進行子孔徑處理得到的子孔徑圖像序列(為了便于顯示,圖中只截取了部分場景,包括一個直角反射器和一顆拋撒雷,在圖中分別對應上下兩個亮點)。子孔徑圖像分辨率為0.3 m×0.3 m,圖像聚焦效果良好,波束寬度約為10°。

提取每幅子孔徑圖像中地雷散射中心和角反射器散射中心處的幅度值,以及地物雜波散射幅度值得到方位向散射特征圖,如圖9所示。分別對拋撒雷、三角角反射器、直角角反射器、雜草進行統計分析。文獻[7]中指出,直角角反射器波束角約為25°,三角角反射器波束角約為40°,10 cm直角角反射器的RCS大約是9.5 cm三角角反射器的兩倍。圖9中這兩個角反射器也是相差6 dB左右,說明實測結果與理論結果一致性較好。從圖9中還可以發現,在雷達波束寬度范圍內,拋撒雷目標的方位不變性相對于角反射器,其方位不變性略差。這是由于拋撒雷在物理形態上并不是理想圓柱體目標的因素引起的。因此,只是利用方位散射幅度信息對于地雷目標的檢測而言仍然存在困難。

圖8 子孔徑圖像序列(截取部分場景)

圖9 方位散射特征圖

2.2 方位相干性分析

由人造目標和自然地物的散射特性可知,在方位向上,目標在很大的角度失配范圍內都具有強相干性,而自然地物需要亞象元級的配準才能形成強相干[8]。因此,可以分析拋撒雷目標的方位相干性。

計算相關性時一般采用下式:

分別求取不同子孔徑間隔下拋撒雷、三角角反射器、直角角反射器和雜草的相干系數值,得到如圖10的結果。從圖中可以發現,人造目標包括拋撒雷和角反射器方位相干性明顯高于雜草背景,但是拋撒雷和角反射器之間方位相干性沒有明顯的區分。

考慮到幅度信息和相位信息在目標檢測中都非常重要,為了更好地獲取這兩部分信息,可以用內厄密積(Internal Hermitian Product)[4]來計算相干系數:

式中,〈·〉表示空間領域平均。圖11為用內厄密積計算相干系數取對數(dB)到的結果。可以發現,拋撒雷和角反射器目標隨子孔徑間隔增加方位相干性減小較為緩慢,而雜草背景隨子孔徑間隔增加方位相干性減小較為迅速。因此地雷、角反射器與雜波相比,方位相干性差異較為明顯,在較寬的波束范圍內,拋撒雷和角反射器目標之間有相似的變化趨勢。

理論上,在較大積累角條件下,如在聚束SAR和圓周SAR條件下,方位向波束角較大。此時子孔徑間隔可以取到很大。當子孔徑間隔大于角反射器波束角時,角反射器相干系數將會急劇下降,而拋撒雷相干系數將不會有明顯變化,這將有利于進一步區分拋撒雷和角反射器目標。

圖10 方位相干性對比

圖11 內厄密積計算相干系數結果對比

3 檢測實驗

CFAR檢測是目前發展較為成熟、應用較為廣泛的目標檢測方法,它是基于圖像對比度特征的一類檢測方法,即根據目標和雜波的幅度或強度差異進行檢測[9-10]。本文在CFAR檢測基礎上,結合方位相干性,通過CFAR-IHP方法對目標進行檢測,其算法流程如圖12所示,其中,?表示對應元素相乘,門限值為經驗值。

圖12 CFAR-IHP檢測流程

圖13為場景成像結果。圖14給出了CFAR檢測(圖14(a))和CFAR-IHP檢測結果(圖14(b))情況對比。CFAR檢測時,為了保證檢測概率的同時使虛警盡量減少,比較不同虛警概率下的檢測結果后設置虛警概率為Pfa=10-2。

比較圖14(a)和圖14(b)可以看出,加入方位相干性特征后,虛警明顯減少。其中左上角3個虛警為人造目標,為機場指示牌。對CFAR檢測結果中的拋撒雷目標、角反射器和部分地物雜波的相干系數進行統計得到如表1所示的結果。

表1 相干系數比較

圖13 成像結果

圖14 CFAR和CFAR-IHP檢測結果對比

4 結束語

本文基于Ku波段SAR實測數據,首先介紹了子孔徑處理方法,并通過該方法得到了子孔徑圖像序列,從而對高波段下拋撒雷等目標的方位散射特征和方位相干性特征進行了分析。最后結合CFAR檢測和方位相干性提出了CFAR-IHP檢測算法,驗證了方位相干性在高波段SAR拋撒雷目標檢測中的可行性和有效性。實測數據結果表明,方位相干性特征有助于降低拋撒雷檢測中的虛警。

在本文研究中,由于高波段SAR天線波束角較小,在條帶式成像模型下,獲取的目標方位信息還不夠豐富。為了獲取更加豐富的方位信息,將考慮聚束SAR和圓周SAR條件下拋撒雷目標方位特性研究。這些研究將是下一步的研究內容。

[1]SCHREINER K.Landmine Detection Research Pushes Forward,Despite Challenges[J].IEEE Intelligent Systems,2002,17(2):4-7.

[2]梁福來,宋千,王玉明,等.基于方位散射熵的旋轉體目標增強成像[J].電子與信息學報,2013,35(6):1442-1448.

[3]WANG T,KELLER J M,GADER P D,et al.Frequency Subband Processing and Feature Analysis of Forward-Looking Ground-Penetrating Radar Signals for Land-Mine Detection[J].IEEE Trans on Geoscience and Remote Sensing,2007,45(3):718-729.

[4]SOUYRIS J C,HENRY C,ADRAGNA F.On the Use of Complex SAR Image Spectral Analysis for Target Detection:Assessment of Polarimetry[J].IEEE Trans on Geoscience and Remote Sensing,2003,41(12):2725-2734.

[5]王鑫運,宋千,張漢華,等.基于方位不變性的SAR圖像旋轉體檢測[J].雷達科學與技術,2014,12(4):395-405.WANG Xin-yun,SONG Qian,ZHANG Han-hua,et al.Body-of-Revolution Target Detection Algorithm Based on Aspectual Invariance in SAR Image[J].Radar Science and Technology,2014,12(4):395-405.(in Chinese)

[6]王玉明,施云飛,王建,等.基于方位特征序列的地雷鑒別算法[J].國防科技大學學報,2013,35(6):88-95.

[7]黃培康,殷紅成,許小劍.雷達目標特性[M].北京:電子工業出版社,2005:54-61.

[8]皮亦鳴,楊建宇,付毓生,等.合成孔徑雷達成像原理[M].成都:電子科技大學出版社,2007:188-189.

[9]王鑫運.基于機載SAR圖像的地雷目標檢測技術研究[D].長沙:國防科學技術大學,2014.

[10]魏中平.基于CFAR的SAR目標檢測[J].電子科技,2013,26(3):26-29.