基于聲吶歷程累積圖像的弱回波目標檢測方法

斯佳成，鄧紅超

(上海船舶電子設備研究所，上海 201108)

0 引 言

反蛙人探測聲吶是探測蛙人、無人潛航器(Unmanned Underwater Vehicle, UUV)等慢速小目標的主要手段，對于港口警戒、防御具有重要作用[1]。目標檢測技術是聲吶信號處理中的重要組成部分。然而在淺海近海環境下，主動聲吶目標檢測不僅受到海面、海底及海洋中大量散射體產生的混響干擾[2]，還會受到非平穩的海洋環境噪聲[3]的影響。除此以外，蛙人回波強度起伏也是目標檢測的一大難點[4]，當蛙人回波信噪比較低時，經典的自適應門限檢測技術容易丟失目標[5]，影響目標檢測及后續跟蹤、識別處理的穩定性。

為了提高目標檢測的穩定性，尤其在低信噪比條件下的目標檢測性能，本文借鑒檢測前跟蹤技術[6]的原理，利用連續多幀聲吶圖像的歷程累積信息，輔助實現對慢速小目標的檢測：對單幀聲吶圖像做背景歸一化處理，并更新聲吶歷程累積圖像，對圖像各方位的數據進行 Radon恒虛警率(Radon Constant False Alarm Rate, Radon-CFAR)檢測提取目標軌跡，輔助實現對運動目標的檢測。

背景歸一化處理的目的是抑制聲吶背景中突發性噪聲和靜態混響等強回波干擾，以降低干擾信號在變換域的幅值。它主要利用強回波干擾的相關性：突發性噪聲(如航船經過的噪聲)一般會持續一段時間，它在單幀聲吶圖像上表現為距離維的亮線特征，即空間相關性；靜態混響在海洋中的位置固定，且由于水聲信道的慢時變特性，它在相鄰多幀聲吶圖像的相同像素點上表現出時間相關性。本文根據這一特性采用空時背景歸一化處理技術，使顯示背景均勻平滑，而目標回波以信噪比的形式顯示，更有利于后續能量累積處理。

聲吶圖像經背景歸一化處理后，通過多幀累積形成聲吶歷程累積圖像。由于目標運動的連續性，圖像上的目標回波亮點形成亮線特征[7]，其斜率代表目標的運動速度；而經處理后的“剩余”噪聲、混響則表現出隨機性。通過 Radon變換將圖像做域變換，采用CFAR檢測算法檢測變換域上目標軌跡對應的亮點，可實現聲吶歷程累積圖像上弱回波目標運動軌跡的檢測。

1 算法流程

1.1 空時背景歸一化處理

主動聲吶接收信號經波束形成、匹配濾波、數據壓縮處理后，得到聲吶圖像 f1,f2,…fn，空時背景歸一化處理示意圖如圖1所示。假設當前幀聲吶圖像fn距離維上相鄰像素單元的幅度服從獨立同分布，通過對空域參考單元做平均，如式(1)所示，得到每個檢測單元的空域背景估計強度 B1,n(x, y)，它能夠有效反應突發性噪聲干擾的強度。假設相鄰多幀聲吶圖像 f1,f2,…fn在同一像素單元的幅度服從相同的統計分布，對時域參考單元做平均可得到每個檢測單元的時域背景估計強度，考慮到水聲信道的慢時變特性可轉化為遞推形式，如式(2)所示[8]，它能有效估計靜態混響干擾的強度。

圖1 空時背景歸一化處理示意圖Fig.1 Diagram of normalization processing of space-time background

式中：(x , y)表示聲吶圖像上像素點的坐標；l表示選取的空域參考單元數量；c表示背景學習速率。

空時背景歸一化的處理方法是目標回波強度減去背景強度。對空域和時域背景估計值進行比較，當檢測單元位于突發性噪聲區時，空域背景估計值較大；當檢測單元位于靜態混響區時，時域背景估計值較大，因此背景強度由空域、時域估計值取大得到，如式(3)所示，g為空時歸一化處理后的聲吶圖像：

1.2 聲吶歷程累積圖像

聲吶歷程累積圖像I集成了最近K幀聲吶圖像g的信息，每個方位上最左側的數據對應當前幀聲吶圖像k個方位數據的最大值，它的數據更新公式為

式中：(x′,y)表示聲吶歷程累積圖像的方位和距離，其中方位總數壓縮為單幀聲吶圖像的1/k。目標回波經多幀能量累積后，與“剩余”噪聲、混響的差異性逐漸顯著：聲吶歷程累積圖像中的蛙人回波亮點由于運動的連續性，形成亮線特征；而經歸一化處理后的“剩余”噪聲、混響由于隨機性，其經多幀累積后在圖像上不具有相關性，不能形成明顯的線性軌跡。

1.3 Radon-CFAR檢測

本文利用連續多幀聲吶圖像的歷程累積信息，通過Radon變換實現域變換，將圖像中目標短時線性運動軌跡變換為亮點信息，在變換域上采用單元平均CFAR檢測完成目標軌跡提取，輔助實現對運動目標的檢測。

Radon變換[9]是圖像領域檢測線性特征的有效手段，其處理方法是將單個方位的聲吶歷程累積圖像I沿著投影角為θ的直線x cosθ+y sin θ- p= 0做線積分：

式中：R為Radon域圖像；δ為Dirac函數；(θ,p)為變量確定線積分的路徑。它反映了圖像沿不同角度θ和不同距離p的投影特征，通過域變換將線檢測問題轉化為點檢測問題。對于蛙人等弱回波強度的慢速小目標而言，其在一個歷程周期內的運動軌跡呈一條傾斜的線段，通過Radon變換將軌跡上的蛙人回波幅值進行能量累加，將弱回波目標軌跡變換為Radon域的亮點特征。

空時歸一化處理后聲吶圖像g上的像素單元一般符合高斯分布，經多幀累積及Radon變換處理后R(θ,p)的分布可以等效為多個獨立同高斯分布的和，即R(θ,p)仍然符合高斯分布，因此采用單元平均CFAR檢測算法檢測Radon域的亮點特征。

CFAR檢測器首先對輸入的背景數據進行處理后確定門限，將此門限與輸入信號相比，如輸入信號超過了此門限則判定為有目標，否則，判定為無目標。單元平均CFAR檢測算法的背景數據處理方式與1.1節中空域背景估計方式相同，通過檢測單元附近的參考單元做平均可得到背景功率，它在高斯噪聲背景下的檢測門限Th[10]為

式中：l表示參與背景估計的單元格數量；Pf表示檢測設定的虛警概率；α表示CFAR檢測門限的系數，由式(7)計算得到。

經單元平均CFAR檢測可以得到目標軌跡在變換域上的位置(θ,p)，由此可得到目標短時運動的速度v= t an θ /T，T表示聲吶脈沖發射周期，目標軌跡所在位置y = p / cosθ。

2 算法性能分析

本文算法利用聲吶多幀累積信息，通過檢測目標短時運動軌跡輔助完成目標檢測，實現弱目標檢測，本節研究算法的檢測性能。聲吶圖像經空時背景歸一化處理后近似服從高斯分布，單個像素單元的統計分布為

式中：K表示歷程圖累積的幀數，多幀圖像累積后做Radon變換，其本質是對多幀圖像的能量進行累加。目標由于運動的連續性形成回波亮線，因此目標在一個歷程周期上的回波能夠有效累加，而“剩余”混響經歸一化處理后，在相鄰多幀回波圖像間不具有關聯性，因此Radon變換的處理增益G為

Radon-CFAR檢測算法的性能曲線如下圖2所示，聲吶歷程累積圖像共累計10幀回波數據，Pf設為0.01，參考單元數取20。虛線為常規CFAR檢測算法的性能，實線為Radon-CFAR檢測算法的性能，可以發現經多幀累積后，在相同信噪比條件下目標檢測概率大幅提升，尤其在低信噪比的情況下也能達到較高的檢測概率。

圖2 常規CFAR和Radon-CFAR方法的檢測性能曲線Fig.2 The detection performance curves of common CFAR and Radon-CFAR methods

3 試驗數據驗證

3.1 空時背景歸一化處理

圖3為淺海環境下主動聲吶接收數據經波束形成、匹配濾波和數據壓縮后的單幀聲吶圖像。圖 4為經空時歸一化處理后的單幀聲吶圖像。對比可以發現經歸一化處理后聲吶圖像以信噪比形式顯示，回波強度都被拉回到 0附近，且圖像中的靜態混響、突發性噪聲等強干擾(大片的紅色區和黃色區)都得到有效抑制。

圖3 單幀聲吶圖像Fig.3 A single frame of sonar image

圖4 空時歸一化處理后的單幀聲吶圖像Fig.4 A single frame of sonar image after normalization processing of space-time background

為了更直觀地考察空時背景歸一化的處理性能，圖5給出處理前后背景數據的統計分布。可以發現經歸一化處理后，背景強度的均值收斂到0附近，方差明顯減小，即背景得到有效抑制，且近似符合高斯分布。

圖5 聲吶圖像背景數據的統計分布Fig.5 Statistical distribution of background data on the sonar image

3.2 Radon-CFAR檢測性能

圖6是水下目標相對聲吶由遠及近沿直線運動的聲吶歷程累積圖像，共累積 10幀圖像，它的最左側代表最新接收的回波數據，其中原始聲吶圖像和空時歸一化處理后的圖像如圖 3、4中所示。聲吶圖像中共出現兩個目標，強回波目標在一個歷程中的局部信混比(目標回波的強度與參考單元的平均強度之差)為 10.7 dB，弱回波目標在一個歷程中的局部信混比為6.2 dB，且部分回波點的信混比強度值低至 3 dB，低于 CFAR的檢測門限。經Radon-CFAR檢測后的結果如圖7所示，可以清晰在圖上看到兩個目標的運動軌跡，通過檢測短時運動軌跡實現弱回波目標的檢測。強回波目標位于190°方位上，在一個歷程周期中從相對聲吶88 m處運動到78 m處。弱回波目標位于308°方位上，在一個歷程周期中從相對聲吶 102 m處運動到 92 m處。圖6中220°方位280 m距離處存在一條由不明干擾物散射產生的較粗的亮斜線，將它變換到Radon域后經CFAR檢測，由于局部背景能量較高使得檢測門限提高，因此無法通過檢測器，在圖 7的檢測結果中已經被濾除。

圖6 目標的聲吶歷程累積圖像Fig.6 Sonar history accumulative image of target

圖7 聲吶歷程累積圖像的檢測結果Fig.7 Detection results of sonar history accumulative image of target

4 結 論

本文采用了空時背景歸一化處理技術抑制了聲吶圖像中靜態混響和突發性噪聲等強回波的干擾，經處理后，背景平穩性顯著改善，目標回波以相對信噪比的形式顯示，有利于Radon變換能量累積。然后通過檢測目標的短時運動軌跡實現目標檢測，采用Radon-CFAR檢測提取聲吶歷程累積圖像中弱回波目標軌跡。

本文通過檢測聲吶歷程累積圖像中的短時線性運動軌跡，克服了單幀回波數據檢測算法容易丟失弱目標的缺陷，對主動聲吶的自動檢測具有參考意義。后續將進一步研究多幀回波數據和單幀回波數據組合檢測技術。