星載SAR在軌成像及艦船目標檢測方法

李宗凌 汪路元 禹霽陽 郝梁 程博文

(北京空間飛行器總體設計部，北京 100094)

作為一種主動航天、航空遙感手段，SAR成像技術具有全天時、全天候的特點，在環境保護、災害監測、海洋觀測、資源勘查、精細農業、地質測繪等方面有廣泛的應用。SAR載荷可以搭載在飛機、導彈、飛艇和衛星等平臺上，對地物進行高分辨率成像。其中，衛星平臺軌道高度高，相對于其它平臺具備成像幅寬大、成像區域不受領空主權限制、平臺穩定度高等優點，顯著提升了SAR成像的應用效能，成為世界各國重點開發的遙感技術之一[1]。

為滿足星載遙感SAR成像高精度和高覆蓋度需要，對高分衛星分辨率和幅寬要求成倍提高。同時，帶來星上數據處理、存儲、下傳數據成倍增長的問題，星上數據傳輸速率將達到20 Gbit/s，星地數傳速率需優于4×2 Gbit/s。傳統的星上數據處理和管理技術難以滿足上述需求。同時，海量遙感數據傳輸到地面，給地面的接收、存儲、處理帶來巨大壓力，關鍵信息獲取時效性受到嚴重影響。星上在軌SAR實時成像及檢測技術能夠有效地解決這一問題，近年來已經成為當前遙感領域的研究熱點[2]。

文獻[3]采用了現場可編程門陣列(FPGA)+數字信號處理器(DSP)的實施方案，實現了基于Xilinx公司Kintex7 FPGA和TMS320C6678(DSP)高性能實時信號處理平臺，可滿足雷達成像系統的算法需求。文獻[4]設計了一個基于FPGA+DSP的斜視SAR實時處理系統。文獻[5]對FPGA+TMS320C6678(DSP)的SAR/InSAR(干涉合成孔徑雷達)實時信號處理系統進行了研究。文獻[6-7]提出了基于傳統的恒虛警目標檢測算法，在多目標和雜波邊界復雜環境背景下，該算法具有較穩定的檢測性能和虛警抑制能力。文獻[8-9]提出了基于機器學習的目標檢測算法，對弱小目標實現檢測, 獲得了更好的檢測效果。通過分析相關文獻可知，基于FPGA+DSP的傳統處理架構具有處理能力強、靈活、便于工程實現等特點，但同時存在功耗過高，能效比低的缺點。相對于傳統方法，基于機器學習的目標檢測算法具有魯棒性強，目標檢測率和正確率高等優點，是當前研究的熱點，但同時存在需要大量樣本進行訓練，參數存儲量和計算量巨大等劣勢。

針對上述情況，本文提出了一種高能效比的星載SAR成像及艦船目標檢測實時處理方法，充分發揮FPGA的全并行流水處理以及數據格式可定制的優勢，能夠快速實現SAR成像處理和獲取SAR圖像中重點偵察區域圖像切片的需求。

1 SAR成像實時實現

1.1 需求分析

星載SAR成像遙感衛星具備全天時全天候實現全球海洋和陸地信息的監視監測， 通過構建星載實時處理器，可實現星上多種工作模式的SAR實時成像、幾何校正等0～2級產品處理功能，具備在軌感興趣目標檢測處理能力，從而提高衛星數據獲取時效性。圖1為某高分辨率星載SAR成像實時處理框圖。圖2為某星載SAR實時處理器內部框圖，由大量高性能FPGA，片上處理系統(SoC)和DSP組成，功耗高達百瓦以上，影響在軌工作時間、壽命及使用效能。

1.2 成像算法及實時實現

距離多普勒算法(RDA)[10]是在1976年至1978年為處理海洋衛星SAR數據而提出的，該算法于1978年處理出第一幅機載SAR數字圖像，是經典的SAR處理方法。隨著技術的發展和衛星遙感應用對高品質SAR圖像的需求，RDA算法已無法滿足應用需求。

變換線性調頻尺度(Chirp Scaling)算法[11]是當前星載SAR成像采用的主流算法，利用GPS信息計算或者雜波鎖定自聚焦的方法獲取多普勒參數，完成精細條帶/全極化條帶的精確成像，相比RDA算法能夠獲得更高的信噪比[12]。針對星載SAR多種工作模式成像處理要求，分析多種模式SAR成像算法，總結其中共有的計算特征。對算法流程進行合并后，對應的算法框圖如圖3所示。SAR成像算法中，“復乘-快速傅立葉變換/快速傅立葉逆變換(FFT/IFFT)”作為一個主體運算步驟，反復執行多次，可提煉為基本運算單元。

圖3 主流星載SAR成像算法框圖Fig.3 SAR imaging algorithm block diagram

通過圖3算法框圖可知，SAR成像算法流程由大量FFT和IFFT組成，因此，FFT和IFFT運算效率直接影響整個算法的實現效率[13]。針對此情況，在算法實現過程中，提出了基于高速并行化混合FFT陣列加速的SAR成像實現架構。如圖4所示，SAR成像計算過程中，距離向處理和方位向處理較為獨立，因此采用分布式并行流水FFT計算方法，設計一種可動態重構的脈沖壓縮處理實現架構，建立計算精度誤差模型，自主調度定/浮點計算，在有效降低硬件資源占用的同時，保障了SAR成像計算的實時性。

圖4 成像算法實現框圖Fig.4 Imaging algorithm realize block diagram

方位向處理完成后，對處理結果進行量化處理，如圖5所示。對方位向處理結果求取絕對值，將結果由單精度浮點數據轉換成32 bit無符號定點數據，以該結果為輸入通過查找灰度映射表得到8 bit灰度數據。量化完成后，得到最終的SAR圖像，如圖6所示(大小為8192×1024像素)。所成圖像為SAR成像應用的典型場景——港口區域中，包含有艦船等感興趣目標，通過感興趣目標提取算法，可以感知港口的態勢。

圖5 SAR圖像數據量化方法

圖6 SAR成像結果Fig.6 SAR imaging results

1.3 性能分析

SAR成像處理過程需占用大量存儲、邏輯以及乘法器資源，FPGA等器件硬件資源有限，需使用外部存儲資源(DDR3等)完成，其中，大小為8192×1024像素的SAR圖像完成整個成像處理流程需使用512 Mbit外部存儲資源。本文算法在Xilinx公司XC7K325T中實現占用硬件資源情況如表1所示。邏輯資源(LUTs)，觸發器(Flip-flops)，存儲資源(Block RAM)以及計算資源(DSP Slices)等硬件資源數量在FPGA內有限(對應表1中的芯片總量)，在FPGA設計過程中需重點考慮。

表1 本文實現SAR成像算法在FPGA(XC7K325T)上實現資源占用情況

本文設計采用順序輸入和逆序輸出的16 bit定點FFT處理，逆序輸入和順序輸出的單精度浮點IFFT處理方法。如表2所示[5]，在處理精度損失不影響成像圖像質量時，相對于傳統順序輸入順序輸出FFT/IFFT單精度浮點處理方法有效節省Block RAM 50%以上， DSP Slices 40%以上， LUTs 15%以上，處理延時降低50%以上。

表2 本文處理方法與傳統處理方法性能對比

2 SAR圖像艦船目標檢測實時實現

2.1 SAR圖像艦船目標檢測算法

由于星載合成孔徑雷達的全天時、全天候等優勢，星載SAR圖像的目標檢測與識別目前已經成為衛星遙感應用中研究的熱點。針對復雜場景的SAR圖像，實現快速、精確、自適應的從星載SAR圖像中檢測出天基目標信息，一直是研究的熱點。由于星載SAR成像過程中相干斑噪聲的存在，以及大場景星載SAR圖像中建筑陰影、山體陰影、水體表面粗糙度的隨機運動等影響，使得設計一個具有高魯棒性的檢測算法變得較為困難。

圖7 基于星載SAR圖像目標檢測算法流程圖Fig.7 Flow chart of target detection algorithm based on SAR image

利用改進拓撲描述子進行虛警剔除的星載SAR圖像自適應目標檢測算法。算法主要流程框圖如圖7所示，分為3個部分：①背景噪聲抑制(圖像預處理)，對原始圖像采用高斯濾波、中值濾波去除周期性和隨機噪聲，并經過形態學閉運算消除由噪聲引起的目標內部孔洞、連接臨近目標和平滑邊界；②疑似目標篩選分割，首先通過對圖像進行切片，比對當前檢測區域與鄰域直方圖方差特性，區分出純海域、陸地、疑似目標三種類別，然后對疑似目標區域進行自適應迭代分割，得到二值圖像后進行連通域標注，得到疑似目標標注結果；③基于形狀特征的目標鑒別，對疑似目標標注結果進行求取圓形度及長寬比進行鑒別，剔除虛警目標，即可得到最終船艦檢測結果。

2.2 SAR圖像目標檢測算法實時實現流程

根據上述算法流程，在實時實現過程中，將算法分解成如圖8所示的實現框圖。星載SAR圖像經過相干斑去噪和二值分割處理效果如圖9所示。星載SAR圖像二值分割后進行連通域標記結果如圖10所示。最終檢測結果如圖11所示。

圖8 SAR圖像目標檢測實現框圖

圖9 SAR圖像預處理及分割Fig.9 SAR image pre-processing and segmentation

圖10 SAR圖像連通域標記結果Fig.10 Result of unicom domain mark-up

圖11 SAR圖像艦船目標最終檢測結果Fig.11 Final detection result of SAR image

2.3 性能分析

由于星載SAR成像區域較寬，分辨率較高，如某衛星的SAR載荷分辨率0.3 m，成像區域15 km×15 km，可得到的SAR圖像尺寸為50 000×50 000像素，如果按單幅圖像處理，將會給星載信息處理平臺的數據計算、存儲和傳輸能力帶來極大負擔，在實時處理系統中無法實現。因此，需將圖像進行分塊處理，通過多個處理芯片并行處理提升處理速度，上述目標檢測算法FPGA實現模塊設計均按輸入圖像大小為1024×1024像素設計。

處理過程需占用大量存儲資源，由于FPGA等可編程邏輯器件存儲資源有限，需使用外部存儲資源完成整個處理流程。圖像大小為1024×1024像素完成整個處理流程需使用24 Mbit外部存儲資源。硬件開銷見表3，表中FPGA采用Xilinx公司XC7K325T。

表3 SAR圖像目標檢測算法在XC7K325T上實現資源占用情況

3 系統驗證

3.1 驗證系統搭建

目前，星載高性能處理平臺可選用的FPGA硬件資源規模最大為3300萬門左右，與本文選用的Xilinx公司的FPGA XC7K325T相當。XC7K325T硬件資源規模為3250萬門，且便于找到Xilinx公司官方開發板。因此，本文選用Xilinx公司XC7K325T開發板上完成實時處理功能驗證。結合該板卡外圍千兆以太網總線、DDR3存儲器及視頻圖像陣列(VGA)顯示接口，形成可演示的實時信息處理系統。

功能驗證的主要流程：上位機通過千兆以太網發送參數數據及回波數據給FPGA，FPGA利用DDR3緩存中間處理數據，完成處理后將圖像數據通過VGA接口和千兆以太網輸出顯示。驗證系統架構及采用板卡如圖12和圖13所示。

圖12 SAR圖像檢測驗證系統架構Fig.12 Work diagram of verification system

圖13 SAR成像及目標檢測驗證板卡Fig.13 Imaging and detection verification board

3.2 系統驗證及性能分析

采用RadarSat-1遙感衛星的回波數據，驗證了SAR成像算法的有效性和實時實現的可行性，為后續在軌應用奠定理論和工程基礎。

相對傳統處理方法，本文設計的SAR成像核心處理方法脈沖壓縮處理，通過改變FFT的處理架構和適當降低處理精度，有效節省存儲資源(Block RAM)50%以上、節省計算資源(DSP Slices)40%以上、節省邏輯資源(LUTs)15%以上，處理延時降低50%以上。

在Xilinx公司XC7K325T FPGA實現了SAR成像和艦船目標檢測功能，形成可演示實時處理系統。通過分析該報告可以得知XC7K325T FPGA的功耗為4.168 W，考慮電源轉化效能(預設電源轉換效率為75%)問題，功耗估計為5.84 W，相對于傳統基于FPGA+DSP的處理架構，達到同樣的處理效率，功耗至少為25 W以上。本文提出的星載SAR成像及艦船目標檢測方法能效比為傳統方法的4倍以上。與此同時，考慮星上SAR處理幅寬較寬，常用方法是通過多個處理器并行處理解決實時性問題，本文驗證只考慮單個處理器情況，實際處理機的整機功耗降幅巨大，對信息處理整機設計有較好參考意義。

4 結束語

根據星載SAR成像算法特點，提出基于高速并行化混合FFT陣列加速的SAR成像實時實現方法。在SAR圖像目標檢測算法設計過程中，提出以局部降維統計分類為基礎的艦船目標檢測方法。在FPGA工程實現過程中采取了多種優化設計手段，有效降低了硬件占用率、功耗以及成本。在滿足各項成像技術指標的同時，有效提升處理效率、降低功耗、體積和成本，提高系統可靠性和抗干擾能力，實現多種幅寬、連續星載SAR成像處理功能和艦船目標檢測能力。

本文設計的星載SAR成像及艦船目標檢測方法能效比為傳統方法的4倍以上，經由RadarSat-1遙感衛星數據驗證了算法的有效性和實時性，為星上高速率載荷數據實時處理、數據快速應用、快速提取情報信息提供了一種新的高效途徑。該方法可應用到當前的星載在軌實時信息處理系統中，通過在衛星上完成SAR成像、SAR圖像關注區域及關鍵目標檢測提取等實時處理功能，將大大縮短衛星系統的反應時間、突破數傳瓶頸、提高固存、載荷利用率。另外，隨著處理實時性、有效性及能效比等指標的改善，星載載荷信息處理系統的在軌運行時間將極大增加，可有效提升天基態勢感知系統的應用效能。