CN102914776B - 基于模糊c均值算法的多通道SAR动目标定位方法 - Google Patents

Abstract

本发明公开了一种基于模糊c均值算法的多通道SAR动目标定位方法，主要解决现有技术无法获得动目标隶属度信息，无法实现正确干涉相位的提取及目标定位不准确的问题。其实现步骤是：(1)对接收雷达回波信号的不同通道进行通道均衡操作；(2)对各个通道的雷达回波数据分别进行成像处理，得到各通道的SAR图像，并对其进行图像配准和杂波相消；(3)利用恒虚警检测对杂波相消后的图像进行检测，得到目标位置坐标；(4)以得到的目标位置坐标作为待聚类样本，利用模糊c均算值法对待聚类样本进行聚类，获得聚类中心和隶属度信息；(5)根据隶属度信息提取的动目标干涉相位和聚类中心将目标定位到真实位置。本发明实用性强，可用于多通道SAR动目标位置的精确定位。

Description

基于模糊c均值算法的多通道SAR动目标定位方法

技术领域

本发明属于雷达技术领域，涉及多通道SAR体制下动目标的精确定位方法，可作为进一步的目标跟踪和参数估计基础。

背景技术

在现代化高科技复杂战争背景下，及时有效的获取战场上的信息至关重要，合成孔径雷达SAR作为一种重要的微波遥感成像雷达以其独特的全天时、全天候以及功能多样化的特点，使其在诸多领域得到了广泛的应用，尤其是它能够在成像的同时实现地面运动目标的检测和定位。多通道SAR动目标检测体制不需要空时两维算法中的杂波协方差矩阵的估计过程，运算量少，便于进行数据的实时处理，具有很强的实用性。

在高分辨的SAR图像中实现动目标的精确位置检测和定位是战场感知的关键，但是由于运动目标本身的速度特性，在SAR成像的脉压过程中对动目标而言不可避免的存在失配现象，导致了杂波对消后恒虚警检测得到的多个位置坐标围绕动目标的真实位置占有多个像素单元，使得动目标的真实位置难以确定，也就无法实现动目标的精确定位。对此问题目前还没有相关文献，工程实践中往往采用直接将坐标位置取平均的方法来确定目标的质心位置，精度差，没有利用各目标的隶属度信息，无法实现运动目标相位信息的正确提取，也就无法提取出理想的干涉相位，继而使得相关参数估计的准确性无法保证，不利于后续的目标跟踪和进一步的参数估计等处理。

发明内容

本发明的目的在于提供一种基于模糊c均值算法的多通道SAR动目标精确定位方法，以解决现有技术无法获得动目标的隶属度信息，无法实现动目标定位所需要的干涉相位的准确提取问题。

实现本发明目的的技术思路是，采用模糊c均值算法FCM在确定聚类中心的同时记录各个位置点所属类别，保留运动目标的正确相位信息，以成功地提取出干涉相位，实现动目标位置的精确定位。具体步骤包括如下：

(1)对接收雷达回波信号的各通道进行通道均衡操作，提高不同通道间幅相特性的一致性；

(2)对经过通道均衡后的各通道雷达回波信号分别进行成像处理，得到不同通道的SAR图像；

(3)从不同通道中选择其中一个通道作为参考通道，以此参考通道的SAR图像作为基准，对其他通道的SAR图像进行图像配准，并对配准后的图像利用相位偏置中心DPCA法得到杂波相消后的复图像I_q,q＝[1,2,...Q]，Q为SAR系统通道的总数;

(4)利用恒虚警检测CFAR法对杂波相消后的复图像进行检测，得到动目标所在的位置坐标，将所得的各位置坐标作为一个待聚类样本，采用模糊c均值算法对其进行聚类处理，得到目标的聚类中心x_i和动目标的隶属度信息，其中i表示动目标所属的类别号；

(5)利用动目标的隶属度信息，判定动目标所属类别，提取对应类别动目标的干涉相位，获得动目标的距离向速度v_y，计算出动目标的偏移量Δx_i＝y_iv_y/v_a，其中y_i为距离向上动目标到雷达航迹的最近距离，v_a为雷达平台的运动速度；

(6)将动目标的聚类中心与偏移量相加，得到动目标的最终的正确定位位置。

本发明与现有技术相比具有以下优点：

1）目标位置定位精确

本发明利用模糊c均值算法获得动目标的聚类中心和隶属度信息，利用动目标的隶属度信息，判定动目标所属类别，成功提取对应类别动目标的干涉相位，通过干涉相位获得距离向速度，从而计算出动目标的偏移量，能实现动目标的最终精确定位。而现有技术在工程实践中直接通过求取所得目标位置的平均值作为目标的定位位置，精度差，没有利用目标的隶属度信息，无法获得正确的干涉相位。

2）为雷达数据后处理提供参考

本发明可以为雷达数据的后处理过程提供参考，如对动目标的质心运动轨迹提取和进一步的参数估计，获得的聚类中心即为动目标的质心。

仿真和实测数据的实验结果表明，本发明基于FCM算法的多通道SAR动目标定位方法可以有效的实现动目标的精确定位，有利于后续的目标跟踪和进一步的参数估计。

附图说明

图1是本发明的总流程图；

图2是本发明对仿真数据在只有距离向速度情形下处理所得的聚类结果示意图；

图3是本发明对仿真数据在同时具有距离向速度和方位向速度情形下处理所得的聚类结果示意图；

图4是本发明所用实测数据的动目标布置示意图；

图5是本发明对实测数据处理所得的聚类结果示意图；

图6是本发明对实测数据处理所得的聚类结果中一个点的局部放大结果；

图7是本发明对实测数据处理所得的动目标定位示意图。

具体实施方式

参照图1，本发明的实现步骤如下：

步骤1:对接收雷达回波信号的各通道进行通道均衡操作，提高不同通道间幅相特性的一致性。

(1a)将各通道雷达回波信号进行两维傅里叶变换，使其变换到二维频率域，再分别对信号的幅度和相位误差进行多项式拟合，对因通道特性不一致所造成的信号幅相特性差异进行一次补偿；

(1b)对经过一次幅相特性差异补偿后的各通道回波信号，进行逆傅里叶变换，使其变换到距离多普勒域，再次对信号的幅度和相位误差进行多项式拟合，对距离多普勒域中通道间幅相特性差异进行二次补偿，进一步提高通道间信号的相干性。

步骤2:对经过通道均衡后的各通道雷达回波信号分别进行成像处理，得到不同通道的SAR图像。

对各通道信号的成像过程可根据SAR的不同工作模式来选择现有的成熟雷达成像算法进行处理，如对条带模式SAR数据，可采用线频调变标CS算法，距离多普勒域RD算法，距离徙动RMA算法和非线性变标NCSA算法等成像算法对雷达回波信号进行成像处理；对聚束模式SAR数据，则可采用频率变标FS算法，极坐标PFA算法和非线性频率变标NFS算法等成像处理算法。

步骤3:从不同通道中选择其中一个通道作为参考通道，以该参考通道的SAR图像作为基准，对其他通道的SAR图像进行图像配准，并对配准后的图像利用相位偏置中心DPCA法得到杂波相消后的复图像。

步骤4:利用恒虚警检测CFAR法对杂波相消后的复图像进行检测，得到动目标所在的位置坐标，将所得的各位置坐标作为一个待聚类样本，采用模糊c均值算法对其进行聚类处理，得到目标的聚类中心x_i和动目标的隶属度信息，其中i表示动目标所属的类别号；

本步骤的具体实现如下：

(4a)给定聚类类别数c₀，设定迭代停止阈值ε，初始化聚类原始模型设置迭代计数器b＝0，计算第k个样本属于第i类的隶属度

${\mathrm{\μ}}_{\mathrm{ik}}^{\left(b\right)}={\left\{\underset{j=1}{\overset{c_0}{\mathrm{\Σ}}}\right[{\left(\frac{l_{\mathrm{ik}}^b}{l_{\mathrm{jk}}^b}\right)}^{\frac{2}{m-1}}\left]\right\}}^{-1}---1)$

其中l_ik＝||z_k-p_i||₂＝(z_k-p_i)^T(z_k-p_i)，表示样本z_k与聚类原型p_i之间的欧式距离，||·||₂表示二范数，T表示向量的转置，m为加权系数，k＝1,2,...N，N表示样本的总个数，如果 $l_{\mathrm{ik}}^{\left(b\right)}=0,$ 则 ${\mathrm{\μ}}_{\mathrm{ik}}^{\left(b\right)}=1;$

(4b)用获得的隶属度计算聚类原型

$p_i^{(b+1)}=\frac{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\left[{\mathrm{\μ}}_{\mathrm{ik}}^{(b+1)}\right]}^m\·z_k}{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\left[{\mathrm{\μ}}_{\mathrm{ik}}^{(b+1)}\right]}^m}---2)$

(4c)如果则停止聚类处理，输出隶属度信息μ_ik和聚类中心p_i，否则b＝b+1，返回步骤(4a)。

步骤5:利用动目标的隶属度信息，判定动目标所属类别，提取对应类别动目标的干涉相位，通过下式获得动目标的距离向速度v_y：

其中，v_a为雷达平台的运动速度，λ为发射信号的波长，R_i为动目标到雷达航线的最近距离,y_i为距离向上动目标到雷达航迹的最近距离，d_a为通道a与参考通道的间距，d_b为通道b与参考通道的间距，为第i类动目标的干涉相位：

其中4)式中的angle(·)为取相位函数，*表示取共轭；

I_a为通道a图像与参考通道图像的杂波相消结果：

$I_a=G\·\exp \left[j(\frac{2\mathrm{\π}{y}_i^2{v}_y^2}{v_a^2\mathrm{\λ}{R}_i}--\frac{4\mathrm{\π}{x}_i{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})\right]\·\exp \left(j\frac{\mathrm{\π}{d}_a{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i}\right)\·\sin \left(\frac{\mathrm{\π}{d}_a{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i}\right)---5)$

I_b为通道b图像与参考通道图像的杂波相消结果：

$I_b=G\·\exp \left[j(\frac{2\mathrm{\π}{y}_i^2{v}_y^2}{v_a^2\mathrm{\λ}{R}_i}-\frac{4\mathrm{\π}{x}_i{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})\right]\·\exp (-j\frac{\mathrm{\π}{d}_b{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})\·\sin (-\frac{\mathrm{\π}{d}_b{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})---6)$

G为图像包络：

$G={\mathrm{\σ}}_i\sin c\left[\mathrm{\Δ}{f}_r(\mathrm{\τ}-\frac{2R_i}{c})\right]\sin c\left[\mathrm{\Δ}{f}_a(\mathrm{\η}-\frac{2x_i{v}_a-2y_i{v}_y}{2v_a^2})\right]---7)$

其中，σ_i为动目标后向散射系数，sinc(x)=sin(x)/x为辛克函数，Δf_r为发射信号的带宽，τ为快时间，c为光速，η为慢时间，x_i为聚类中心确定的动目标方位位置坐标，Δf_a为多普勒带宽。

步骤6:根据动目标的距离向速度v_y和动目标聚类中心位置所确定的y_i，按下式计算动目标的偏移量Δx_i

Δx_i＝y_iv_y/v_a               8)

其中，v_a为雷达平台的运动速度。

步骤7:将动目标的聚类中心x_i与偏移量Δx_i相加，得到动目标的最终的正确定位位置。

本发明的效果可以通过以下仿真和实测数据实验进一步说明：

1.仿真条件

仿真三通道SAR动目标系统，选取通道2为参考通道，通道1和通道3到参考通道的间距都为0.96m，脉冲重复频率PRF＝600Hz，雷达运动速度v_a＝120m/s，距离向上目标到雷达航迹的最近距离为7600m，在SAR图像中，动目标位于(525,302)位置，动目标具有1.2m/s的距离向速度，图像方位向相邻两点间的间距为v_a/PRF＝0.25m。

2.仿真内容

仿真1，本发明对只具有的距离向速度情形下动目标进行聚类，获取聚类中心，结果如图2所示。

图2中"x"为检测到的目标位置，"o"为经FCM算法得到的聚类中心位置(221,302)，经动目标偏移量公式计算可知，方位偏移量为304个位置单元，所得最终的定位结果为(525,302)，与动目标的真实位置吻合。

仿真2，本发明对同时具有距离向速度和方位向速度情形下动目标进行聚类，获取聚类中心，结果如图3所示。

由图3可见，在成像散焦程度加重的情形下，本发明仍然可以实现动目标位置的精确定位。

实测数据实验

录取数据为分辨率为4m×4m的机载三通道SAR-GMTI数据，采用正侧视一发三收模式，雷达工作在X波段，波长λ＝0.0333m，载机的飞行高度为5000m，飞行速度为v_a＝120m/s，通道间距d＝0.559m，带有角反射器的地面运动目标按逆时针方向行进，如图4所示。

对图4中的动目标进行聚类处理，获取聚类中心，结果如图5所示，图6为图5中一个点的局部放大结果。

在图5中的聚类中心位置加上动目标的偏移量得到最终的动目标定位结果，如图7所示，图7中圆圈位置为经FCM算法所得聚类中心，"x"标记为动目标的最终定位位置，由图7可见，动目标被准确地定位在道路的两旁。

在实测数据的处理过程中，由于各种非理想因素的存在，比如雷达的飞行过程中不可避免的存在偏航俯仰等，使得我们对动目标真实的位置无法预先判定，采用本发明实现动目标位置的精确定位是一种有效的解决方法。

Claims (3)

1.一种基于模糊c均值算法的多通道SAR动目标定位方法，包括以下步骤：

(1)对接收雷达回波信号的各通道进行通道均衡操作，提高不同通道间幅相特性的一致性；

(2)对经过通道均衡后的各通道雷达回波信号分别进行成像处理，得到不同通道的SAR图像；

(3)从不同通道中选择其中一个通道作为参考通道，以此参考通道的SAR图像作为基准，对其他通道的SAR图像进行图像配准，并对配准后的图像利用相位偏置中心DPCA法得到杂波相消后的复图像I_q,q＝[1,2,...Q]，Q为SAR系统通道的总数;

(4)利用恒虚警检测CFAR法对杂波相消后的复图像进行检测，得到动目标所在的位置坐标；

(5)将所得的各位置坐标作为一个待聚类样本，采用模糊c均值算法对其进行聚类处理，得到目标的聚类中心x_i和动目标的隶属度信息，其中i表示动目标所属的类别号：

(5a)给定聚类类别数c₀，设定迭代停止阈值ε，初始化聚类原始模型设置迭代计数器b＝0，计算第k个样本属于第i类的隶属度

${\mathrm{\μ}}_{\mathrm{ik}}^{\left(b\right)}={\left\{\underset{j=1}{\overset{c_0}{\mathrm{\Σ}}}\right[{\left(\frac{l_{\mathrm{ik}}^b}{l_{\mathrm{jk}}^b}\right)}^{\frac{2}{m-1}}\left]\right\}}^{-1}---1)$

其中l_ik＝||z_k-p_i||₂＝(z_k-p_i)^T(z_k-p_i)，表示样本z_k与聚类原型p_i之间的欧式距离，||·||₂表示二范数，T表示向量的转置，m为加权系数，k＝1,2,...N，N表示样本的总个数，如果则

(5b)用获得的隶属度计算聚类原型

$p_i^{(b+1)}=\frac{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\left[{\mathrm{\μ}}_{\mathrm{ik}}^{(b+1)}\right]}^m\·z_k}{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\left[{\mathrm{\μ}}_{\mathrm{ik}}^{(b+1)}\right]}^m}---2)$

(5c)如果则停止聚类处理，输出隶属度信息μ_ik和聚类中心p_i，否则b＝b+1，返回步骤(5a)；

（6）利用动目标的隶属度信息，判定动目标所属类别，提取对应类别动目标的干涉相位，获得动目标的距离向速度v_y，计算出动目标的偏移量Δx_i＝y_iv_y／v_a，其中y_i为距离向上动目标到雷达航迹的最近距离，v_a为雷达平台的运动速度；

（7）将动目标的聚类中心与偏移量相加，得到动目标的最终的正确定位位置。

2.根据权利要求1所述的基于模糊c均值算法的多通道SAR动目标定位方法，其中步骤(1)所述的对接收雷达回波信号的各通道进行通道均衡操作，按如下步骤进行：

(2a)将各通道雷达回波信号进行两维傅里叶变换，使其变换到二维频率域，再分别对信号的幅度和相位误差进行多项式拟合，对因通道特性不一致所造成的信号幅相特性差异进行一次补偿；

(2b)对经过一次幅相特性差异补偿后的各通道回波信号，进行逆傅里叶变换，使其变换到距离多普勒域，再次对信号的幅度和相位误差进行多项式拟合，对距离多普勒域中通道间幅相特性差异进行二次补偿，进一步提高通道间信号的相干性。

3.根据权利要求1所述的基于模糊c均值算法的多通道SAR动目标定位方法，其中步骤(6)所述的提取对应类别动目标的干涉相位，获得动目标的距离向速度，通过如下公式进行：

其中，v_a为雷达平台的运动速度，λ为发射信号的波长，R_i为动目标到雷达航线的最近距离,y_i为距离向上动目标到雷达航迹的最近距离，d_a为通道a与参考通道的间距，d_b为通道b与参考通道的间距，为第i类动目标的干涉相位：

其中4)式中的angle(·)为取相位函数，*表示取共轭；

I_a为通道a图像与参考通道图像的杂波相消结果：

$I_a=G\·\mathrm{esp}\left[j(\frac{2\mathrm{\π}{y}_i^2{v}_y^2}{v_a^2\mathrm{\λ}{R}_i}-\frac{4\mathrm{\π}{x}_i{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})\right]\·\exp \left(j\frac{\mathrm{\π}{d}_a{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i}\right)\·\sin \left(\frac{\mathrm{\π}{d}_a{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i}\right)---5)$

I_b为通道b图像与参考通道图像的杂波相消结果：

$I_b=G\·\mathrm{esp}\left[j(\frac{2\mathrm{\π}{y}_i^2{v}_y^2}{v_a^2\mathrm{\λ}{R}_i}-\frac{4\mathrm{\π}{x}_i{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})\right]\·\exp (-j\frac{\mathrm{\π}{d}_b{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})\·\sin (-\frac{\mathrm{\π}{d}_b{y}_i{v}_y}{v_a\mathrm{\λ}{R}_i})---6)$

G为图像包络：

$G={\mathrm{\σ}}_i\sin c\left[\mathrm{\Δ}{f}_r(\mathrm{\τ}-\frac{2R_i}{c})\right]\sin c\left[\mathrm{\Δ}{f}_a(\mathrm{\η}-\frac{2x_i{v}_a-2y_i{v}_y}{2v_a^2})\right]---7)$

其中，σ_i为动目标后向散射系数，sinc(x)=sin(x)x为辛克函数，Δf_r为发射信号的带宽，τ为快时间，c为光速，η为慢时间，x_i为聚类中心确定的动目标方位位置坐标，Δf_a为多普勒带宽。