CN103454634B - 基于多普勒谱分析的sar运动目标检测方法 - Google Patents

Abstract

本发明提供一种基于多普勒谱分析的SAR运动目标检测方法，用于对一SAR图像中的地面运动目标进行检测，主要解决现有检测方法检测概率不够高的问题，以提高检测概率。该方法对SAR图像中的散射点取矩形邻域，对每个邻域内的多普勒频谱进行杂波锁定，从而得到多普勒中心频率，再对杂波锁定后的多普勒谱求标准偏差，以表征多普勒带宽。对SAR图像中全部散射点进行遍历，作相同处理，而后进行统计，使用得到的统计量构造一个测度，使其检测边界为椭圆，并使用恒虚警率法（CFAR）确定检测门限。由于检测边界为椭圆。在恒虚警率相同的条件下，椭圆检测边界比矩形检测边界的检测概率更高，目标不容易被漏检。

Description

基于多普勒谱分析的SAR运动目标检测方法

技术领域

本发明属于合成孔径雷达（SAR）技术领域，具体涉及一种基于多普勒谱分析的SAR运动目标检测方法。

背景技术

合成孔径雷达（SAR,SyntheticApertureRadar）图像的地面运动目标检测（GMTI）在军事及民用邻域都有广泛的应用，其中有使用多天线SAR的检测方法，也有使用单天线SAR的检测方法。使用多天线SAR的检测方法，如偏移相位中心天线（DPCA）方法、空时自适应滤波（STAP）等技术都是使用多个天线或天线阵列消除地杂波信号，从而检测出运动目标；另有顺轨干涉（ATI）方法，使用多个天线生成多幅SAR图像，检测这些图像间的相位差异，从而检测出运动目标。由于多天线SAR结构复杂，数据量和运算量非常庞大，在硬件成本和时间成本有限的情况下，采用单天线SAR进行动目标检测更合适。SAR图像中运动目标的速度可以被分解为沿距离向的分量和沿方位向的分量，这两个方向的速度分量都会对回波信号的多普勒谱造成影响。使用单天线SAR检测运动目标时，可通过分析回波信号的多普勒频谱检测出运动目标。

雷达成像平面的几何示意图如图7所示。在t=0时刻，雷达位于坐标原点(0,0)，雷达以速度V沿x轴方向（方位向）运动，此时某一点目标的位置是(x₀,R₀)，其速度可以分解为沿x轴方向的v_a和沿R轴方向（距离向）的v_r。其中，方位向是指沿雷达运动轨道的方向，距离向是指沿着雷达波发射的方向。目标回波信号的多普勒带宽B受目标的方位向速度影响，如公式（1）所示：

$B=\frac{{2(V-v_2)}^{2}T}{{\mathrm{\λR}}_0}---\left(1\right)$

其中，λ为载波波长。运动目标回波的多普勒中心偏移由目标的距离向速度引起，多普勒中心频率f_c与距离向速度的关系如公式（2）所示：

$f_c=\frac{{2v}_r}{\mathrm{\λ}}---\left(2\right)$

由公式（1）和公式（2）可以看出，运动目标的多普勒带宽B和多普勒中心频率f_c必定与静止目标（v_a=0,v_r=0）不同，因此，通过遍历图像上的散射点，求取各点邻域内的B和f_c，再与静止背景的B和f_c对比即可检测出运动目标。传统的检测方法会对多普勒谱进行分析，计算多普勒带宽B和多普勒中心频率f_c，以表征方位向速度和距离向速度，并分别设定门限检测，再对两次检测结果取并集，这种方法的检测边界为矩形，如图8所示。然而，在恒虚警率确定的条件下，这种方法的检测概率无法达到最大，即目标被漏检的可能性较大。

发明内容

为了克服现有技术中SAR运动目标检测方法存在的检测概率不高缺陷，本发明提供一种将多普勒带宽B和多普勒中心频率f_c结合为一个测度，且只设定一个门限的SAR运动目标检测方法，具体的技术方案如下：

基于多普勒谱分析的SAR运动目标检测方法，用于对一SAR图像中的地面运动目标进行检测，包括如下步骤：

步骤S1，对SAR图像上的散射点取一矩形的邻域；

步骤S2，对邻域内沿方位向的所有序列分别做基-2时间抽取的快速傅里叶变换（FFT），得到邻域的第一多普勒谱；

步骤S3，对第一多普勒谱进行杂波锁定，得到第二多普勒谱以及多普勒中心频率f_c；

步骤S4，根据第二多普勒谱，求得一标准偏差s；

步骤S5，若SAR图像上的所有散射点均已遍历，进入步骤S6；否则，取SAR图像上的下一个散射点，回到步骤S1；

步骤S6，统计所有散射点的标准偏差s的均值s₀，再统计Δs=s-s0的均值μ_Δs、标准差σ_Δs；统计所有散射点的多普勒中心频率f_c的均值μ_fc、标准差σ_fc；设定测度T，使得检测边界为椭圆，并求得每个散射点领域的测度T；

步骤S7，对每个散射点领域的测度T用高斯分布进行拟合，得到测度T的均值μ_T和标准差σ_T，使用恒虚警率法设定一自适应检测的门限T_hT；根据门限T_hT对SAR图像上的散射点进行标记；

步骤S8，对经标记的SAR图像进行中值滤波，获得检测结果。

作为优化方案，步骤S2中的快速傅里叶变换的方法具体包括如下步骤：

步骤S201，取领域内沿方位向的一个序列作为待变换序列，令S_tg取≥log₂M的最小整数，其中，M为待变换序列的长度，S_tg为FFT蝶形运算的总次数；在待变换序列的末尾垫“0”，得到第一序列，使得第一序列的长度为；

步骤S202，求出第一序列中每个数的序号的二进制数，将各个二进制数的各个位前后颠倒；将第一序列重新排列，排列的索引是颠倒位序后的二进制，将重新排序后获得的第二序列作为步骤S203的输入序列；设置蝶形运算的次数w为1；

步骤S203，将输入序列每2^w个数分为一组，每组进行2^w点蝶形运算，将每组的运算结果按分组顺序排列，获得输出序列；将蝶形运算的次数w加1；

步骤S204，若w>S_tg，则结束运算，截取输出序列前N个点，所得即为N点基-2时间抽取的快速傅里叶变换的结果；若w≤S_tg，则将输出序列作为步骤S203的输入序列，继续执行步骤S203。

作为优化方案，步骤S3中杂波锁定的方法为：

先设定一步长，步长大于等于1，以第一多普勒谱的平均功率谱的0频点处为起始点，由起始点出发，先向右搜索，若第一个值小于起始点的值，则向左搜索，在步长的范围内搜索到一个峰值；按预设的比例缩小步长，以搜索到的峰值为起始点，重复上述步骤再次搜索；直至步长缩小为1，则为最后一次搜索；最后一次搜索的峰值点与最初的起始点的位置偏移量即为多普勒中心频率f_c；根据位置偏移量对第一多普勒谱矩阵内的每个频谱进行平移，即得到第二多普勒谱。

作为优化方案，峰值的搜索方法为：若沿搜索方向的目标值增加，则继续搜索，一旦目标值下降，则认为已找到峰值；使用余弦函数赋予权重值，为指向值赋予最大权重，序列中其他值的权重随着位置远离而指向值逐渐减小。

作为优化方案，步骤S3中杂波锁定的方法进一步包括如下步骤：

步骤S301，对第一多普勒谱求第一平均多普勒功率谱，即对第一多普勒谱矩阵内的每个频谱各频点值求模的平方，得到每个频谱的功率谱，再对这些功率谱求平均；设定步长dc，令步长dc≥1；设定第一指针c1，令第一指针c1指向第一平均多普勒功率谱的频谱序列起始点，即0频点处；求出邻域内长为M的第一平均多普勒功率谱，第一平均多普勒功率谱的每个频点值乘以权重cos(2πm/M)，其中m为频点在第一平均多普勒功率谱的频谱序列中的序号（从0开始）；再将这些加权后的功率值相加得到第一参考值r；

步骤S302，判断步长dc是否大于等于1，若是，则转到步骤S303，若否，则转到步骤S312；

步骤S303，设置第二指针c0，令第二指针c0指向第一指针c1所在的位置；设置第二参考值r0，令第二参考值r0取计算机最小负数；

步骤S304，判断是否r>r0，若是，则转到步骤S305，若否，则转到步骤S306；

步骤S305，令第一指针c1右移dc个单位，令r0=r，第一平均多普勒功率谱的每个频点值乘以权重cos(2π(m-c1)/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号（从0开始）；再将这些加权后的功率值相加得到第一参考值r；

步骤S306，令第一指针c1左移dc个单位，令r=r0；

步骤S307，判断是否c1=c0，若是，则转到步骤S308，若否，则转到步骤S311；

步骤S308，令第二参考值r0取计算机最小负数；

步骤S309，判断是否r>r0，若是，则转到步骤S310，若否，则转到步骤S311；

步骤S310，令第一指针c1左移dc个单位，令r0=r，第一平均多普勒功率谱的每个频点值乘以权重cos(2π(m-c1)/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号（从0开始）；再将这些加权后的功率值相加得到第一参考值r；

步骤S311，令第一指针c1右移dc个单位，令r=r0，步长dc按预设的比例缩小，回到步骤S302；

步骤S312，若第一指针c1为正，则将第一多普勒谱矩阵中的每个频谱向左循环移位c1个单位，若第一指针c1为负，则向右循环移位-c1个单位，完成杂波锁定，得到位置偏移量|c1|和第二多普勒谱，位置偏移量|c1|即为多普勒中心频率f_c。

作为优化方案，步骤S4中标准偏差s的计算方法进一步包括：

步骤S401，对第二多普勒谱求第二平均多普勒功率谱；

步骤S402，求第二平均多普勒功率谱的标准偏差s，如式（3）所示：

$s=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{(f_n-f_{N/2})p_{\mathrm{fn}}}{P}---\left(3\right)$

其中，f₀…f_N-1为邻域内的第二平均多普勒功率谱的各个频点；P_fn为频点f_n的功率，P为各个频点的功率之和。

作为优化方案，步骤S6中测度T的计算方法如式（4）所示：

$T=\sqrt{{\left(\frac{f_c}{{\mathrm{\σ}}_{\mathrm{fc}}}\right)}^2}+{\left(\frac{\mathrm{\Δs}}{{\mathrm{\σ}}_{\mathrm{\Δs}}}\right)}^2---\left(4\right)$

作为优化方案，步骤S7中设定门限T_hT的方法如式（5）所示：

Th_T＝μ_T+α·σ_T     （5）

其中，系数α查标准高斯分布表可得，α的值与虚警概率一一对应。

作为优化方案，步骤S7中根据门限T_hT对SAR图像上的散射点进行标记的方法如下：

若散射点邻域的测度T超过门限Th_T，则在该散射点的位置标记“1”，认为邻域内有运动目标；否则标记“0”，认为邻域没有运动目标。

与现有技术相比，本发明具有以下有益效果：

（1）本发明的检测边界呈椭圆形，如图6所示，在恒虚警率相同的条件下，与传统检测方法的矩形检测边界相比，检测概率更高，目标不容易漏检；

（2）本发明中门限的选取是根据输入数据自适应的，因此具有较强的普适性，对SAR图像中运动目标能够起到良好的检测效果。

附图说明

图1为本发明的总体流程图；

图2为蝶形运算的计算方法示意图；

图3为杂波锁定的方法流程图；

图4为实施例1中采用的SAR图像；

图5为实施例1中的检测结果图；

图6为本发明椭圆检测边界的示意图；

图7为雷达成像的平面几何示意图；

图8为现有检测方法矩形检测边界的示意图；

图9为标准高斯分布表。

具体实施方式

下面结合附图以实施例的方式详细描述本发明。

实施例1：

如图1所示，基于多普勒谱分析的SAR运动目标检测方法，用于对一SAR图像中的地面运动目标进行检测。在本实施例中选用的SAR图像是一组外场数据，场景是陕西某机场，其灰度图像如图4所示。该图像尺寸大小为4096*4096，场景中有两辆机动车在运动，其速度沿方位向有较大分量，沿距离向有较小分量，在图4中分别被标记为T₁和T₂。对该图像按照本发明的技术方案进行处理，具体包括如下步骤：

步骤S1，对SAR图像上的散射点取一矩形的邻域，矩形邻域沿方位向长度为65像素，沿距离向长度为33像素。

步骤S2，对邻域内沿方位向的所有序列分别做65点基-2时间抽取的快速傅里叶变换，得到邻域的第一多普勒谱，该第一多普勒谱是一个矩阵，矩阵内共有33个频谱序列，每个频谱序列的长度为65。

快速傅里叶变换的方法具体包括如下步骤：

步骤S201，取领域内沿方位向的一个序列作为待变换序列，令S_tg取≥log₂M的最小整数，其中，M=65，即为该待变换序列的长度，S_tg为FFT蝶形运算的总次数；在待变换序列的末尾垫“0”，得到第一序列，使得第一序列的长度为。

步骤S202，求出第一序列中每个数的序号的二进制数，将各个二进制数的各个位前后颠倒；将第一序列重新排列，排列的索引是颠倒位序后的二进制，将重新排序后获得的第二序列作为步骤S203的输入序列；设置蝶形运算的次数w为1。

下面举例对步骤S202进行说明：若第一序列为x(0)，x(1)，x(2)，x(3)，x(4)，x(5)，x(6)，x(7)，各数的序号分别为0、1、2、3、4、5、6、7，序号的二进制数分别为：000，001，010，011，100，101，110，111，颠倒位序后的二进制数分别为000，100，010，110，001，101，011，111，变换回十进制数为0、4、2、6、1、5、3、7，则重排后的第二序列为x(0)，x(4)，x(2)，x(6)，x(1)，x(5)，x(3)，x(7)。

步骤S203，将输入序列每2^w个数分为一组，每组进行2^w点蝶形运算，将每组的运算结果按分组顺序排列，获得输出序列；将蝶形运算的次数w加1。

下面结合附图2对步骤S203中蝶形运算进行说明：

将输入序列按奇数序号和偶数序号抽取为奇序列和偶序列。N点蝶形运算的计算过程如图2所示，其中圆形节点表示“加法”，圆形节点下方有一负号表示“减法”。带箭头的线段上方有系数，则表示箭头左端的数乘以该系数；若没有标明系数，则表示系数为1。

步骤S204，若w>S_tg，则结束运算，截取输出序列前N个点，所得即为N点基-2时间抽取的快速傅里叶变换的结果；若w≤S_tg，则将输出序列作为步骤S203的输入序列，继续执行步骤S203。

步骤S3，对第一多普勒谱进行杂波锁定，得到第二多普勒谱以及多普勒中心频率f_c。杂波锁定的总体思路如下：先用较大的步长搜索“峰值”，再逐渐缩小步长搜索“峰值”，以找到多普勒中心所在位置，从而对频谱进行平移，使得多普勒中心位于0频点。

杂波锁定的方法具体为：

先设定一步长，步长大于等于1，以第一多普勒谱的平均功率谱的0频点处为起始点，由起始点出发，先向右搜索，若第一个值小于起始点的值，则向左搜索，在步长的范围内搜索到一个峰值；按预设的比例缩小步长，以搜索到的峰值为起始点，重复上述步骤再次搜索；直至步长缩小为1，则为最后一次搜索；最后一次搜索的峰值点与最初的起始点的位置偏移量即为多普勒中心频率f_c；根据位置偏移量对第一多普勒谱矩阵内的每个频谱进行平移，即得到第二多普勒谱，第二多普勒谱是一个大小与第一多普勒谱相同的矩阵。其中，峰值的搜索方法为：如果沿搜索方向目标值增加，则继续搜索，一旦目标值下降，则认为已找到峰值。为了避免毛刺的影响，同时也为了方便搜索的循环移位，在判别峰值时，将当前指向的值附近的值纳入考虑，具体做法是使用余弦函数赋予权重值，为指向值赋予最大权重，序列中其他值的权重随着位置远离指向值而逐渐减小。

上文中提到的“值”为一个参考值，举例说明：假设搜索步长是16，每隔16个单位都会求得一个参考值，这里设为r，如果这个参考值r一直在增加，就记录下最新得到的参考值r，一旦下一个参考值r减小，就认为之前最新的参考值r是“峰值”。再从这个“峰值”处用较小步长搜索下一个“峰值”，直到步长达到最小。

如图3所示，杂波锁定的具体流程包括如下步骤：

步骤S301，对第一多普勒谱求第一平均多普勒功率谱，即对第一多普勒谱矩阵内的每个频谱各频点值求模的平方，得到每个频谱的功率谱，再对这些功率谱求平均。设定步长dc，令步长dc≥1；设定第一指针c1，令第一指针c1指向第一平均多普勒功率谱的频谱序列起始点，即0频点处。第一平均多普勒功率谱的每个频点值乘以权重cos(2πm/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号（从0开始）；再将这些加权后的功率值相加得到第一参考值r。在本实施例中，设步长dc=16，M为65。

步骤S302，判断步长dc是否大于等于1，若是，则转到步骤S303，若否，则转到步骤S312。

步骤S303，设置第二指针c0，令第二指针c0指向第一指针c1所在的位置；设置第二参考值r0，令第二参考值r0取计算机最小负数；由于电脑硬件软件条件的不同，该计算机最小负数的取值可能会发生变化，在本实例中，计算机最小负数取-1.7977×10³⁰⁸。

步骤S304，判断是否r>r0，若是，则转到步骤S305，若否，则转到步骤S306。

步骤S305，令第一指针c1右移dc个单位，令r0=r，第一平均多普勒功率谱的每个频点值乘以权重cos(2π(m-c1)/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号（从0开始）；再将这些加权后的功率值相加得到第一参考值r。

步骤S306，令第一指针c1左移dc个单位，令r=r0；

步骤S307，判断是否c1=c0，若是，则转到步骤S308，若否，则转到步骤S311；

步骤S308，令第二参考值r0取计算机最小负数。

步骤S309，判断是否r>r0，若是，则转到步骤S310，若否，则转到步骤S311；

步骤S310，令第一指针c1左移dc个单位，令r0=r，第一平均多普勒功率谱的每个频点值乘以权重cos(2π(m-c1)/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号（从0开始）；再将这些加权后的功率值相加得到第一参考值r；

步骤S311，令第一指针c1右移dc个单位，令r=r0，将步长dc按预设的比例缩小，在本实施例中，步长dc缩小为原来的1/4，回到步骤S302；

步骤S312，若第一指针c1为正，则将第一多普勒谱矩阵中的每个频谱向左循环移位c1个单位，若第一指针c1为负，则向右循环移位-c1个单位，完成杂波锁定，得到位置偏移量|c1|和第二多普勒谱，位置偏移量|c1|即为多普勒中心频率f_c。

步骤S4，由于多普勒带宽不易直接求得，因此，根据第二多普勒谱，求得一标准偏差s，用该标准偏差s表征多普勒带宽。标准偏差s的计算方法如下：

步骤S401，对第二多普勒谱求第二平均多普勒功率谱，即对第二多普勒谱矩阵内的每个频谱各频点值求模的平方，得到每个频谱的功率谱，再对这些功率谱求平均。

步骤S402，求第二平均多普勒功率谱的标准偏差s，如式（3）所示：

$s=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{(f_n-f_{N/2})p_{\mathrm{fn}}}{P}---\left(3\right)$

其中，f₀…f_N-1为邻域内的第二平均多普勒功率谱的各个频点，N=65；P_fn为频点f_n的功率，P为各个频点的功率之和。

步骤S5，若SAR图像上的所有散射点均已遍历，进入步骤S6；否则，取SAR图像上的下一个散射点，回到步骤S1。

步骤S6，统计所有散射点的标准偏差s的均值s₀，再统计Δs=s-s0的均值μ_Δs、标准差σ_Δs；统计所有散射点的多普勒中心频率f_c的均值μ_fc、标准差σ_fc；设定测度T，使得检测边界为椭圆，并求得每个散射点领域的测度T。

测度T的计算方法如式（4）所示：

$T=\sqrt{{\left(\frac{f_c}{{\mathrm{\σ}}_{\mathrm{fc}}}\right)}^2+{\left(\frac{\mathrm{\Δs}}{{\mathrm{\σ}}_{\mathrm{\Δs}}}\right)}^2}---\left(4\right)$

步骤S7，统计每个散射点邻域的测度T，得到测度T的均值μ_T和标准差σ_T，使用恒虚警率法设定一自适应检测的门限T_hT；根据门限T_hT对SAR图像上的散射点进行标记。

设定门限T_hT的方法如式（5）所示：

Th_T＝μ_T+α·σ_T     （5）

其中，系数α是本方法中一个确定的参数，不随处理图像不同而改变。系数α可查标准高斯分布表得到，该标准高斯分布表如图9所示，α的值与虚警概率一一对应。

在公式（5）中，均值μ_T和标准差σ_T都是分析多普勒谱得到的，而系数α是根据设定的虚警概率查标准高斯分布表得到的。根据一般的检测要求，虚警概率在千分之一以下算是很低，检测性能比较好，0.02%这个虚警概率足够低，符合检测的要求，而且一旦确定之后，不再改变。在本实施例中，根据一般SAR运动目标检测的要求，将虚警概率设置为P_A=0.02%，查找标准高斯分布表中对应的1-P_A=0.9998的值为3.49，即为α。

根据门限T_hT对SAR图像上的散射点进行标记的方法如下：

若散射点邻域的测度T超过门限Th_T，则在该散射点的位置标记“1”，认为邻域内有运动目标；否则标记“0”，认为邻域没有运动目标。

步骤S8，对经标记的SAR图像进行中值滤波，中值滤波的窗口大小取80*40，获得检测结果，如图5所示。

由于本发明的检测边界为椭圆，故与现有的SAR运动目标检测方法相比，在虚警概率确定（等同于系数α确定）的情况下，检测概率更高，避免漏检目标，从而使得检测结果更为准确。由本实施例的检测结果中可以看出，本发明提供的检测方法能准确地检测出场景中的两个运动目标，没有出现漏检现象，对于原图像场景中较强的点目标，也没有出现虚警。由于本方法中，系数α是固定不变的，改变的只有均值μ_T和标准差σ_T，而这两个参数又是分析多普勒谱得到的，而多普勒谱只和我们处理的图像相关。由此可见，门限的选取是根据步骤S7中得到的每个邻域的测度T的统计量（即均值μ_T和标准差σ_T）自适应的，故本方法有较强的普适性，对SAR图像中的动目标能够起到良好的检测效果。

以上公开的仅为本申请的几个具体实施例，但本申请并非局限于此任何本领域的技术人员能思之的变化，都应落在本申请的保护范围内。

Claims (9)

1.基于多普勒谱分析的SAR运动目标检测方法，用于对一SAR图像中的地面运动目标进行检测，其特征在于，包括如下步骤：

步骤S1，对所述SAR图像上的散射点取一矩形的邻域；

步骤S2，对所述邻域内沿方位向的所有序列分别做基-2时间抽取的快速傅里叶变换，得到所述邻域的第一多普勒谱；

步骤S3，对所述第一多普勒谱进行杂波锁定，得到第二多普勒谱以及多普勒中心频率f_c；

步骤S4，根据所述第二多普勒谱，求得一标准偏差s；

步骤S5，若所述SAR图像上的所有散射点均已遍历，进入步骤S6；否则，取所述SAR图像上的下一个散射点，回到步骤S1；

步骤S6，统计所有散射点的标准偏差s的均值s₀，再统计Δs＝s-s₀的均值μ_Δs、标准差σ_Δs；统计所有散射点的多普勒中心频率f_c的均值μ_fc、标准差σ_fc；设定测度T，使得检测边界为椭圆，并求得每个散射点领域的测度T；

步骤S7，对每个散射点领域的测度T用高斯分布进行拟合，得到测度T的均值μ_T和标准差σ_T，使用恒虚警率法设定一自适应检测的门限T_hT；根据所述门限T_hT对所述SAR图像上的散射点进行标记；

步骤S8，对经所述标记的SAR图像进行中值滤波，获得检测结果。

2.根据权利要求1所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S2中的快速傅里叶变换的方法具体包括如下步骤：

步骤S201，取领域内沿方位向的一个序列作为待变换序列，令S_tg取≥log₂M的最小整数，其中，M为待变换序列的长度，S_tg为FFT蝶形运算的总次数；在所述待变换序列的末尾垫“0”，得到第一序列，使得所述第一序列的长度为

步骤S202，求出所述第一序列中每个数的序号的二进制数，将各个二进制数的各个位前后颠倒；将所述第一序列重新排列，排列的索引是颠倒位序后的二进制，将重新排序后获得的第二序列作为步骤S203的输入序列；设置蝶形运算的次数w为1；

步骤S203，将所述输入序列每2^w个数分为一组，每组进行2^w点蝶形运算，将每组的运算结果按分组顺序排列，获得输出序列；将蝶形运算的次数w加1；

步骤S204，若w>S_tg，则结束运算，截取所述输出序列前N个点，所得即为基-2时间抽取的快速傅里叶变换的结果；若w≤S_tg，则将所述输出序列作为步骤S203的输入序列，继续执行步骤S203。

3.根据权利要求2所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S3中杂波锁定的方法为：

先设定一步长，所述步长大于等于1，以所述第一多普勒谱的平均功率谱的0频点处为起始点，由所述起始点出发，先向右搜索，若第一个值小于起始点的值，则向左搜索，在所述步长的范围内搜索到一个峰值；按预设的比例缩小步长，以搜索到的所述峰值为起始点，重复上述步骤再次搜索；直至所述步长缩小为1，则为最后一次搜索；最后一次搜索的峰值点与最初的起始点的位置偏移量即为多普勒中心频率f_c；根据所述位置偏移量对所述第一多普勒谱矩阵内的每个频谱进行平移，即得到所述第二多普勒谱。

4.根据权利要求3所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述峰值的搜索方法为：若沿搜索方向的目标值增加，则继续搜索，一旦目标值下降，则认为已找到峰值；使用余弦函数赋予权重值，为指向值赋予最大权重，序列中其他值的权重随着位置远离而指向值逐渐减小。

5.根据权利要求4所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S3中杂波锁定的方法进一步包括如下步骤：

步骤S301，对第一多普勒谱求第一平均多普勒功率谱，即对第一多普勒谱矩阵内的每个频谱各频点值求模的平方，得到每个频谱的功率谱，再对这些功率谱求平均；设定步长dc，令步长dc≥1；设定第一指针c1，令第一指针c1指向所述第一平均多普勒功率谱的频谱序列起始点，即0频点处；所述第一平均多普勒功率谱的每个频点值乘以权重cos(2πm/M)，其中m为频点在所述第一平均多普勒功率谱的频谱序列中的序号，该序号从0开始；再将这些加权后的功率值相加得到第一参考值r；

步骤S302，判断步长dc是否大于等于1，若是，则转到步骤S303，若否，则转到步骤S312；

步骤S303，设置第二指针c0，令第二指针c0指向第一指针c1所在的位置；设置第二参考值r0，令第二参考值r0取计算机最小负数；

步骤S304，判断是否r>r0，若是，则转到步骤S305，若否，则转到步骤S306；

步骤S305，令第一指针c1右移dc个单位，令r0＝r，所述第一平均多普勒功率谱的每个频点值乘以权重cos(2π(m-c1)/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号，该序号从0开始；再将这些加权后的功率值相加得到第一参考值r；

步骤S306，令第一指针c1左移dc个单位，令r＝r0；

步骤S307，判断是否c1＝c0，若是，则转到步骤S308，若否，则转到步骤S311；

步骤S308，令第二参考值r0取计算机最小负数；

步骤S309，判断是否r>r0，若是，则转到步骤S310，若否，则转到步骤S311；

步骤S310，令第一指针c1左移dc个单位，令r0＝r，所述第一平均多普勒功率谱的每个频点值乘以权重cos(2π(m-c1)/M)，其中m为频点在第一平均多普勒谱功率谱序列中的序号，该序号从0开始；再将这些加权后的功率值相加得到第一参考值r；

步骤S311，令第一指针c1右移dc个单位，令r＝r0，步长dc按预设的比例缩小，回到步骤S302；

步骤S312，若第一指针c1为正，则将所述第一多普勒谱矩阵中的每个频谱向左循环移位c1个单位，若第一指针c1为负，则向右循环移位-c1个单位，完成杂波锁定，得到所述位置偏移量|c1|和所述第二多普勒谱，所述位置偏移量|c1|即为多普勒中心频率f_c。

6.根据权利要求1所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S4中标准偏差s的计算方法进一步包括：

步骤S401，对所述第二多普勒谱求第二平均多普勒功率谱；

步骤S402，求所述第二平均多普勒功率谱的标准偏差s，如式(3)所示：

$s=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{(f_n-f_{N/2})p_{\mathrm{fn}}}{P}---\left(3\right)$

其中，f₀…f_N-1为所述邻域内的所述第二平均多普勒功率谱的各个频点；P_fn为频点f_n的功率，P为各个频点的功率之和。

7.根据权利要求1所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S6中所述测度T的计算方法如式(4)所示：

$T=\sqrt{{\left(\frac{f_c}{{\mathrm{\σ}}_{\mathrm{fc}}}\right)}^2+{\left(\frac{\mathrm{\Δs}}{{\mathrm{\σ}}_{\mathrm{\Δs}}}\right)}^2}---\left(4\right).$

8.根据权利要求1所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S7中设定门限T_hT的方法如式(5)所示：

Th_T＝μ_T+α·σ_T                             (5)

其中，α为经验系数，α的值与虚警概率一一对应。

9.根据权利要求1或8所述的基于多普勒谱分析的SAR运动目标检测方法，其特征在于，所述步骤S7中根据所述门限T_hT对所述SAR图像上的散射点进行标记的方法如下：

若散射点邻域的测度T超过门限Th_T，则在该散射点的位置标记“1”，认为所述邻域内有运动目标；否则标记“0”，认为所述邻域没有运动目标。