基于壓縮感知的步進頻雷達目標檢測算法

李 瑩，張 弓，陶 宇，文方青，賁 德，2

(1. 雷達成像與微波光子技術教育部重點實驗室， 南京 210016) (2. 南京電子技術研究所， 南京 210039)

?

·信號/數據處理·

基于壓縮感知的步進頻雷達目標檢測算法

李 瑩1，張 弓1，陶 宇1，文方青1，賁 德1，2

(1. 雷達成像與微波光子技術教育部重點實驗室， 南京 210016) (2. 南京電子技術研究所， 南京 210039)

為了解決壓縮感知步進頻雷達在低信噪比下的目標檢測問題，結合傳統雷達的恒虛警檢測和壓縮感知雷達重構思想，建立基于壓縮感知的步進頻雷達的目標檢測模型，利用復近似消息傳遞消息的特性，提出了一種基于多脈沖的重構算法，并結合恒虛警檢測實現了低信噪比下的壓縮感知步進頻雷達目標檢測。仿真結果表明：文中所提的方法提高了檢測概率，改善了目標檢測性能。

壓縮感知; 步進頻雷達；目標檢測；低信噪比

0 引 言

隨著雷達技術的發展，大帶寬、高分辨率等信號處理方式成為雷達領域的焦點。步進頻雷達(Step Frequency Radar，SFR)以一串載頻線性跳變的脈沖為發射信號，可以在獲得高分辨率的同時降低對數字信號處理機瞬時帶寬的要求；然而，SFR所產生的大數據量給后端的硬件帶來了巨大的壓力[1]。

近年來，由Donoho等[2-3]提出的壓縮感知(Compressive Sensing，CS)理論為解決上述高分辨率問題提供了一種新穎的思路。CS理論指出如果信號是稀疏的或者在某個變換域內是稀疏的，則可以從其低維的觀測數據中精確地重構出原始信號。由于CS理論能夠降低系統的數據率，使它在雷達領域受到普遍關注，形成了基于CS框架的雷達信號處理技術，CS理論下的高分辨率雷達成像已取得大量成果[4-5]。

盡管傳統的雷達檢測理論已經相當成熟[6]，但目前CS雷達的檢測還研究甚少。而且，壓縮率、稀疏度等這些參數或者需從壓縮觀測中估計或者需根據先驗知識設置，因此，它們和傳統檢測理論中的虛警概率、檢測概率之間的關系仍需進一步研究。文獻[7-9]首次提出CS雷達目標檢測。本文結合傳統恒虛警檢測(Constant False Alarm Rate, CFAR)和復近似消息傳遞(Complex Approximate Message Passing, CAMP)算法特性[10-11]，提出了兩種復高斯背景下的CS雷達目標檢測方案。分析了基于CAMP算法的檢測器性能，證明CS-CFAR方案下的檢測性能明顯優于僅CS的檢測性能。然而，上述兩種方案在信噪比較低時很難實現重構，檢測性能很差。因此，低信噪比重構是CS雷達系統面臨的一個重大挑戰。

針對上述問題，本文將CS理論應用于步進頻雷達目標檢測，以所檢測目標空間分布滿足稀疏條件為前提，充分利用目標散射系統的先驗信息，采用多脈沖積累的信號增強方法。然后，通過一種具有特殊性能的CAMP重構算法完成目標重建。最后，用CFAR檢測器檢測目標。這種處理方式完全不同于傳統的時域相關法，它可以在降低雷達系統數據率的同時提高目標距離檢測的精度。

1 CS雷達目標檢測

1.1 CS基本理論

由壓縮感知理論可知，離散信號x∈CN可以用一組基Ψ∈[φ1,φ2,…,φN]的線性組合表示，即

(1)

式中：α是N×1的稀疏向量；αi=。顯然，x和α是同一個信號的等價表示，x是信號在時域的表示，α則是信號在Ψ域的表示。如果α中僅有K(K?N)個非零系數，則信號x在基Ψ上是稀疏的或者可壓縮的，稱Ψ為x的稀疏基或者稀疏字典，K為信號的稀疏度。

當信號稀疏表示后就需對其進行采樣，CS理論采樣與傳統奈奎斯特采樣不同， 它通過一組非相關變換將該信號投影到一組低維的測量向量上，該過程可描述為

y=Φx=ΦΨα=Θα

(2)

式中：Φ=[Φ1,Φ2,…,Φn]T(n?N),稱為觀測矩陣；y=[y1,y2,…,yn]T,稱為觀測值；Θ=ΦΨ是n×N(n

理論上，我們以通過求解如下優化問題求解α

min‖α‖l0s.t. y=Θα

(3)

1.2 CS-SFR雷達信號模型

假設雷達系統發射頻率步進信號，第k個脈沖串的回波信號形式如下

(4)

式中：各項的物理意義及其詳細解釋請參考文獻[6]。

(5)

(6)

其中

根據壓縮感知理論可將式(6)寫成矩陣的形式為

x=ΨS

(7)

本文采取對x進行隨機抽取的方式實現降維操作，即隨機抽取Ψ中的n(n?N)行作為觀測矩陣，然后應用CS理論將式(7)投影到低維空間，該過程可描述為

y=Φx+n=ΦΨS+n′=ΘS+n′

(8)

式中：n′是獨立同分布的，均值為0，方差為σ2的復高斯噪聲。顯然，式(8)是欠定的，因此無法直接從y中得到稀疏向量S。 Donoho和Candes等指出，只要Θ滿足約束等距特性(Restricted Isometry Property，RIP)就可以幾乎精確地求解出向量S。文獻[4]已證明感知矩陣Θ=ΦΨ滿足RIP特性。因此，可以通過求解類似式(3)中的問題獲得稀疏信號；但式(3)求解最小l0范數是一個NP-hard問題,無法直接求解。文獻[3]表明式(3)可以轉化為如下無約束的問題

(9)

1.3CS-SFR雷達目標檢測方案

目前，在大多數CS雷達系統中，重構出目標信息就相當于完成了目標檢測，即本文所述的方案1(稀疏域檢測)；但是在中低信噪比時，大多數算法的重構概率較低，很難準確重構出目標信息。在這種情況下，文獻[7]充分利用CAMP算法的特性：可得到信號的含噪估計值，將傳統的恒虛警檢測方法與該算法相結合，即本文所述的方案2(含噪信號包絡檢測)，從而在一定程度上改善了CS雷達在中等信噪比下的目標檢測性能。綜合上述兩種方案的特性，均未解決低信噪比下CS雷達的重構問題，本文提出一種基于多脈沖積累信號增強的重構算法(簡稱這種方法為方案3)，該算法考慮從多脈沖測量向量中恢復未知的稀疏信號，具體的信號增強方法如圖1所示，可以看出P個脈沖的信號群Q經過單個接收通道的積累觀測矩陣Φ觀測，被壓縮成由P′(P′

圖1 單通道脈沖積累觀測過程圖

2 仿真實驗

2.1 參數設置

圖2 檢測方案

2.2 實驗結果

圖3 3種方案下信號的檢測結果(SNR=10 dB)

選用方案3在不同δ對重構結果進行目標檢測，檢測結果如圖4所示。從圖4中可以看出，方案3對重構結果檢測出的目標位置與我們設置的目標位置一一對應。同時，可以看出當下采樣率δ較低時，有些目標會遺漏。因為當測量數減少，即δ下降時，重構的噪聲均方差σ*會增加，導致CAMP重構信噪比降低，進而影響檢測性能。對于給定的虛警概率，δ越大，系統檢測性能越好。

圖4 方案3檢測結果(SNR=13 dB)

綜合圖5和圖6可以看出，方案2(含噪信號包絡檢測)的檢測性能比方案1(稀疏域檢測)好。方案2改善了基于CAMP算法的CS雷達在中等信噪比下的檢測性能，然而，低信噪比下兩種方案的檢測性能仍然不理想。方案3在方案2的基礎上，通過增加多脈沖積累進一步提高了低信噪比下的檢測性能，同時能保持高信噪比下的穩健性。方案3中的檢測性能與信號積累增強的數目有關，脈沖積累數據越多，檢測性能越好。

圖5 不同信噪比下3種方案的檢測性能

圖6 3種方案的ROC曲線

3 結束語

本文以壓縮感知理論為基礎，建立了適用于步進頻雷達目標檢測的CS框架，利用場景中的目標具有稀疏性，通過先構建稀疏基再進行多脈沖積累的方法構建測量矩陣，并選擇CAMP算法進行目標重建，最后結合傳統的雷達目標檢測方法完成CFAR檢測。該方法不僅降低了傳統的雷達數據處理的數據量，而且很大程度上解決CS雷達在低信噪比下的重構問題，提高了系統的檢測性能。

[1]ShahS,YuY,PetropuluA.Step-frequencyradarwithcompressivesampling(SFR-CS)[C]// 2010IEEEInternationalConferenceonAcoustic,SpeechandSignalProcessing.[S.l.]:IEEEPress, 2009.

[2]DonohoDL.Compressivesensing[J].IEEETransactionsonInformationTheory, 2006, 52(4): 1289-1306.

[3]HermanM,StrohmerT.Compressedsensingradar[C]// 2008IEEERadarConference.Rome:IEEEPress, 2008: 1-6.

[4]BaraniukR,SteeghsP.Compressiveradarimaging[C]// 2007IEEERadarConference.Boston,MA:IEEEPress, 2007: 128-133.

[5]HermanMA,StrohmerT.High-resolutionradarviacompressedsensing[J].IEEETransactionsonSignalProcessing,2009,57(6): 2275-2284.

[6]PastinaD,LombardoP,BucciarelliT.Adaptivepolarimetrictargetdetectionwithcoherentradar.I.Detectionagainstgaussianbackground[J].IEEETransactionsonAerospaceandElectronicSystems, 2001, 37(4): 1194-1206.

[7]AnitoriL,MalekiA,OttenM,etal.Designandanalysisofcompressedsensingradardetectors[J].IEEETransactionsonSignalProcessing, 2013, 61(4): 813-827.

[8]AnitoriL,OttenM,vanRossumW,etal.CompressiveCFARradardetection[C]// 2012IEEERadarConference.Atlanta,GA:IEEEPress, 2012: 0320-0325.

[9]AnitoriL,OttenM,HoogeboomP.Detectionperformanceofcompressivesensingappliedtoradar[C]// 2011IEEERadarConference.KansasCity,MO:IEEEPress, 2011: 200-205.

[10]MalekiA,MontanariA.Analysisofapproximatemessagepassingalgorithm[C]// 2010 44thAnnualConferenceonInformationSciencesandSystems.Princeton,NJ:IEEEPress, 2010: 1-7.

[11]MalekiA,AnitoriL,YangZ,etal.AsymptoticanalysisofcomplexLASSOviacomplexapproximatemessagepassing(CAMP)[J].IEEETransactionsonInformationTheory, 2013, 59(7):4290:4308.

李 瑩 女，1989年生，碩士研究生。研究方向為雷達信號處理。

張 弓 男，1964年生，教授，博士生導師。研究方向為雷達信號處理、新體制雷達、SAR圖像分析與處理。

陶 宇 男，1988年生，博士研究生。研究方向為壓縮感知雷達信號處理。

文方青 男，1988年生，博士研究生。研究方向為雷達信號處理、目標探測與識別。

賁 德 男，1938年生，中國工程院院士。研究方向為雷達系統、雷達信號處理。

Target Detection in Compressive Sensing Based on Step Frequency Radar

LI Ying1，ZHANG Gong1，TAO Yu1，WEN Fangqing1，BEN De1,2

(1. Key Laboratory of Radar Imaging and Microwave Photonics, Ministry of Education,Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) (2. Nanjing Research Institute of Electronics Technology, Nanjing 210039, China)

Target detection of step frequency radar (SFR) with compressive sensing (CS) in low signal-to-noise ratio (SNR) scene is addressed. CS radar is combined with conventional constant false alarm rate (CFAR) processing. The model of target detection in CS based SFR is established. Inspired by CAMP algorithm, we propose a CS reconstruction algorithm with multi-pulses. In combination with CFAR detection, radar target detection in CS based SFR is then accomplished in low SNR scene. Simulation results show that the proposed algorithm improves the detection probability and enhances the performance of target detection.

compressive sensing; step frequency radar; target detection; low signal-to-noise ratio

10. 16592/ j. cnki. 1004-7859. 2015. 09. 005

國家自然科學基金資助項目(61071163, 61071164, 61271327, 61471191)；南京航空航天大學博士學位論文創新與創優基金資助項目(BCXJ14)；江蘇高校優勢學科建設工程資助項目(PADA)

李瑩 Email：liying610186793@126.com

2015-04-16

2015-07-20

TN

A

1004-7859(2015)09-0022-04