CN106249219B - 基于自适应匹配滤波响应的sar动目标检测方法 - Google Patents

基于自适应匹配滤波响应的sar动目标检测方法 Download PDF

Info

Publication number
CN106249219B
CN106249219B CN201610846492.5A CN201610846492A CN106249219B CN 106249219 B CN106249219 B CN 106249219B CN 201610846492 A CN201610846492 A CN 201610846492A CN 106249219 B CN106249219 B CN 106249219B
Authority
CN
China
Prior art keywords
indicate
clutter
detection
sar image
plus noise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610846492.5A
Other languages
English (en)
Other versions
CN106249219A (zh
Inventor
杨志伟
田敏
廖桂生
曾操
贺亚鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201610846492.5A priority Critical patent/CN106249219B/zh
Publication of CN106249219A publication Critical patent/CN106249219A/zh
Application granted granted Critical
Publication of CN106249219B publication Critical patent/CN106249219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter

Abstract

本发明公开了一种基于自适应匹配滤波响应的SAR动目标检测方法，主要解决现有技术对地面慢速运动目标检测困难和检测性能不稳健的问题。其实现步骤是：(1)生成数据矢量；(2)对每一个像素点进行幅度检测，得到潜在目标；(3)估计每一个潜在目标的径向速度值；(4)估计潜在目标的能量损失值；(5)确定能量损失量的检测门限；(6)剔除虚警；(7)确定检测结果，将动目标作为最终的检测结果。本发明与现有技术相比，提高了合成孔径雷达对地面动目标检测的稳健性的同时，也提高了合成孔径雷达对地面动目标检测的准确率。

Description

基于自适应匹配滤波响应的SAR动目标检测方法
技术领域
本发明属于通信技术领域，更进一步涉及运动平台雷达技术领域中的一种基于自适应匹配滤波响应的SAR动目标检测方法。本发明可用于基于运动平台的多通道合成孔径雷达SAR(Synthetic aperture radar)对非均匀地面场景进行运动目标检测。
背景技术
合成孔径雷达地面运动目标检测SAR-GMTI(Synthetic aperture radar-Groundmoving target identification)技术，能够对观测场景高分辨成像，同时完成地面动目标的检测与定位，被广泛地应用于城市交通监视与军事侦察预警领域。
目前，针对合成孔径雷达地面运动目标检测技术的研究主要分为幅度检测，相位检测和幅度相位联合检测三类，幅度检测是对自适应杂波抑制后的SAR图像利用其幅度信息进行动目标检测。相位检测主要是对雷达两个通道的SAR图像数据作干涉处理，并提取干涉相位，之后基于信号的干涉相位信息实现地面运动目标检测。幅度相位联合检测是联合SAR图像自适应杂波抑制后的幅度信息和SAR图像的两通道干涉相位共同作为判定准则实现地面动目标检测。
C.H.Gierull,Ishuwa Sikaneta等人在其发表的论文“Two-Step detector forRADARSAT-2’s experimental GMTI mode”(IEEE Transactions on Geoscience&RemoteSensing)中提出一种两步检测方法。该方法第一步对多通道SAR图像数据采用相位中心偏置天线DPCA(Displaced Phase Center Antenna)技术进行杂波抑制，利用杂波抑制后的信号幅度信息构造第一步检测统计量对SAR图像进行初步检测，然后利用两通道沿航迹干涉ATI(Along track interferometric)相位对SAR图像进行第二步检测，最终检测结果是两步检测作逻辑与的结果。该方法存在的不足之处是，第二步ATI相位检测统计量仅利用了两个通道回波数据，对于多通道雷达系统而言空域自由度浪费，而且该相位统计量对于回波数据测量误差比较敏感，导致检测性能不稳定。
上海交通大学在其申请的专利“基于多普勒分析的SAR运动目标检测方法”(申请号：201310345345.6，公开号：CN103454634A)中提出一种基于多普勒分析的SAR运动目标检测方法。该方法对SAR图像中的散射点取矩形邻域，并对每个邻域内的多普勒频谱通过杂波锁定来求解多普勒频率中心和多普勒标准差，然后据此构造检测测度，并基于恒虚警率法确定检测门限，实现动目标检测。该方法存在的不足之处是，仅利用单通道SAR图像数据，空域自由度利用低，而且运算复杂度较高，不易实现实时处理。
高桂等人在其发表的论文“The CFAR detection of ground moving targetsbased on a joint metric of SAR interferogram’s magnitude and phase”(IEEETransactions on Geoscience&Remote Sensing国防科技大学)中提出一种联合SAR图像沿航迹干涉幅度与干涉相位的动目标检测方法IMP(Interferometric Magnitude Phase)。该方法对两个通道的SAR图像数据沿航迹作干涉处理，然后利用干涉后的信号幅度和ATI相位构造检测统计量，对SAR图像进行检测，得到运动目标。该方法存在的不足之处是，对于多通道合成孔径雷达系统而言,空域自由度利用率低，且检测统计量对通道误差以及系统噪声敏感，导致对地面慢速运动目标检测困难，检测性能不稳健。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种基于自适应匹配滤波响应的SAR动目标检测方法，可以更好地利用强杂波与动目标的空时差异和多通道合成孔径雷达的空域自由度，以解决现有技术对地面慢速运动目标检测困难和检测性能不稳健的问题。
本发明实现的具体步骤如下：
(1)生成数据矢量：
(1a)将雷达的每一个通道接收的回波数据进行通道配准和误差校正，得到规范后的回波数据；
(1b)对雷达的每一个通道规范后的回波数据，逐一进行方位距离二维压缩，生成与各个通道对应的SAR图像；
(1c)选取雷达的第一个通道对应的SAR图像作为参考SAR图像，将参考SAR图像上任意一个像素点处对应的规范后的数据与其他通道的SAR图像中同一像素点处对应的规范后的数据，按照通道序数升序排列，得到参考SAR图像上该像素点对应的数据矢量；
(2)对每一个像素点进行幅度检测：
(2a)利用最大似然估计公式，估计参考SAR图像上杂波加噪声的平均剩余能量；
(2b)利用幅度检测值公式，根据参考SAR图像上杂波加噪声的平均剩余能量与每一个像素点的数据矢量，计算幅度检测值；
(2c)利用杂波加噪声的统计特性，估计参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数；
(2d)根据参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数，利用幅度检测的虚警概率公式，计算达到给定的幅度检测的虚警概率时所对应的幅度判决门限；
(2e)将参考SAR图像上幅度检测值大于幅度判决门限的像素点分别作为独立的潜在目标；
(3)利用子空间投影公式，估计每一个潜在目标的径向速度值；
(4)估计潜在目标的能量损失值：
(4a)利用子空间斜投影公式，计算每一个潜在目标沿杂波空间向目标空间的斜投影矩阵；
(4b)按照下式，利用斜投影矩阵估计每一个潜在目标在杂波抑制之前的能量：
其中，Ep表示第p个潜在目标在杂波抑制之前的能量，p＝1,…,P，P表示潜在目标的总数，Zp表示第p个潜在目标所对应的数据矢量，H表示共轭转置操作，Mp表示第p个潜在目标沿杂波空间向目标空间的斜投影矩阵；
(4c)按照下式，计算每一个潜在目标在杂波抑制之后的能量：
其中，Fp表示第p个潜在目标在杂波抑制之后的能量，p＝1,…,P，P表示潜在目标的总数，w表示归一化自适应杂波抑制权矢量，Zp表示第p个潜在目标对应的数据矢量，H表示共轭转置操作；
(4d)用潜在目标在杂波抑制之后的能量除以潜在目标在杂波抑制之前的能量，得到潜在目标对应的能量损失值；
(5)确定能量损失量的检测门限：
(5a)根据参考SAR图像上杂波加噪声的径向速度的概率密度函数，按照下式，计算达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值：
其中，P2表示给定的能量损失检测的虚警概率，∫dt表示积分操作，ε表示达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值，f(v)表示参考SAR图像上杂波加噪声的径向速度的概率密度函数，v表示参考SAR图像上杂波加噪声的径向速度值；
(5b)采用径向速度的估计误差的克拉美罗界限值，对达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值进行修正，得到修正后的径向速度的门限值；
(5c)利用自适应匹配滤波响应公式，计算达到给定的能量损失检测的虚警概率时所对应的能量损失量的检测门限值；
(6)剔除虚警：
(6a)将能量损失值大于能量损失检测门限的潜在目标作为动目标，能量损失值小于或者等于能量损失检测门限的潜在目标作为虚警；
(6b)将虚警剔除；
(7)确定检测结果：
将动目标作为最终的检测结果。
本发明与现有技术相比具有以下优点：
第一，由于本发明利用了所有通道的SAR图像数据来构造能量损失量，克服了现有技术对空域自由度利用率低的不足，使得本发明具有在工程实践中不容易受通道误差以及系统热噪声的影响，提高了合成孔径雷达对地面动目标检测的稳健性的优点。
第二，由于本发明在对每一个像素点进行幅度检测之后，利用潜在目标在自适应杂波抑制前后的能量损失量进一步剔除虚警，克服了现有技术对于非均匀杂波场景下，地面动目标检测虚警概率升高、误检测增多的不足，使得本发明能够提高合成孔径雷达对地面动目标检测的准确率。
附图说明
图1是本发明的流程图；
图2是虚警概率为10-6时，本发明与现有技术的检测性能对比图；
图3是虚警概率为10-8时，本发明与现有技术的检测性能对比图；
图4是对于慢速运动目标，本发明与现有技术的检测性能对比图；
图5是对于快速运动目标，本发明与现有技术的检测性能对比图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照图1，本发明的实现步骤如下：
步骤1，生成数据矢量。
将雷达的每一个通道接收的回波数据进行通道配准和误差校正，得到规范后的回波数据。
对雷达的每一个通道规范后的回波数据，逐一进行方位距离二维压缩，生成与各个通道对应的SAR图像。
选取雷达的第一个通道对应的SAR图像作为参考SAR图像，将参考SAR图像上任意一个像素点处对应的规范后的数据与其他通道的SAR图像中同一像素点处对应的规范后的数据，按照通道序数升序排列，得到参考SAR图像上该像素点对应的数据矢量。
步骤2，对每一个像素点进行幅度检测。
利用最大似然估计公式，估计参考SAR图像上杂波加噪声的平均剩余能量。
最大似然估计公式如下：
其中，σ表示杂波加噪声的平均剩余能量，K表示独立同分布训练样本的总数，∑表示求和操作，w表示归一化自适应杂波抑制权矢量，H表示共轭转置操作，Zk表示第k个独立同分布训练样本所对应的数据矢量，k＝1,2,…,K。
利用幅度检测值公式，根据参考SAR图像上杂波加噪声的平均剩余能量与每一个像素点的数据矢量，计算幅度检测值。
幅度检测值公式如下：
其中，Tm表示参考SAR图像上第m个像素点所对应的幅度检测值，m＝1,2,…,M，M表示参考SAR图像上的像素点的总数，w表示归一化自适应杂波抑制权矢量，H表示共轭转置操作，Zm表示参考SAR图像上第m个像素点所对应的数据矢量，σ表示杂波加噪声的平均剩余能量。
利用杂波加噪声的统计特性，估计参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数。
利用杂波加噪声的统计特性，估计参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数的具体步骤如下：
第1步，根据雷达所照射的地面场景，建立与该地面场景回波对应的杂波加噪声的分布模型。
第2步，利用杂波加噪声的分布模型，计算参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数。
本发明估计参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数的具体实例如下：
第1步，把杂波加噪声的分布模型建立为复合高斯分布模型。
关于建立复合高斯分布模型的具体步骤，参考下面文献：
(1)C.H.Gierull,I.Sikaneta,and D.Cerutti-Maori,Two-Step detector forRADARSAT-2's experimental GMTI mode.IEEE Transactions on Geoscience&RemoteSensing,2013,51(1):436-454.
第2步，利用复合高斯分布模型的统计特性，推导参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数，如下式所示：
其中，f0(t；θ)表示杂波加噪声所对应的幅度检测量的概率密度函数，t表示参考SAR图像上杂波加噪声所对应的幅度检测值，θ表示服从逆卡方分布的地形参数，θ的表达式为m2表示杂波加噪声所对应的幅度检测量的二阶原点矩。
根据参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数，利用幅度检测的虚警概率公式，计算达到给定的幅度检测的虚警概率时所对应的幅度判决门限。
幅度检测的虚警概率公式如下：
其中，P1表示幅度检测的虚警概率，∫dt表示积分操作，η表示达到给定的幅度检测的虚警概率时所对应的幅度判决门限，h(t)表示参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数，t表示参考SAR图像上杂波加噪声所对应的幅度检测值。
将参考SAR图像上幅度检测值大于幅度判决门限的像素点分别作为独立的潜在目标。
步骤3，利用子空间投影公式，估计每一个潜在目标的径向速度值。
子空间投影公式如下：
其中，表示潜在目标p的径向速度估计值，p＝1,…,P，P表示潜在目标的总数，表示在约束条件内，反解出当表达式|(·)|2取到最大值时所对应的一个径向速度值v0的操作，|·|表示取模值，I表示单位矩阵，c表示杂波的理想空域导向矢量，c的表达式为c＝[1,1,…,1]T，T表示转置操作，H表示共轭转置操作，a(v)表示径向速度为v的信号所对应的空域导向矢量，a(v)的表达式为exp(·)表示以e为底的指数操作，j表示虚数符号，Q表示雷达的通道总数，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，Zp表示第p个潜在目标所对应的数据矢量，s.t.表示约束条件，v表示约束条件内的任意一个径向速度值，vmax表示空域最大不模糊速度。
步骤4，估计潜在目标的能量损失值。
利用子空间斜投影公式，计算每一个潜在目标沿杂波空间向目标空间的斜投影矩阵。
子空间斜投影公式如下：
其中，O(p)表示潜在目标p沿杂波空间向目标空间的斜投影矩阵，p＝1,…,P，P表示潜在目标的总数，表示潜在目标p所对应的空域导向矢量，的表达式为 表示潜在目标p的径向速度估计值，exp(·)表示以e为底的指数操作，j表示虚数符号，Q表示雷达的通道总数，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，T表示转置操作，I表示单位矩阵，c表示杂波的理想空域导向矢量，c的表达式为c＝[1,1,…,1]T，H表示共轭转置操作，(·)-1表示矩阵求逆操作。
按照下式，利用斜投影矩阵估计每一个潜在目标在杂波抑制之前的能量：
其中，Ep表示第p个潜在目标在杂波抑制之前的能量，p＝1,…,P，P表示潜在目标的总数，Zp表示第p个潜在目标所对应的数据矢量，H表示共轭转置操作，Mp表示第p个潜在目标沿杂波空间向目标空间的斜投影矩阵。
按照下式，计算每一个潜在目标在杂波抑制之后的能量：
其中，Fp表示第p个潜在目标在杂波抑制之后的能量，p＝1,…,P，P表示潜在目标的总数，w表示归一化自适应杂波抑制权矢量，Zp表示第p个潜在目标对应的数据矢量，H表示共轭转置操作。
用潜在目标在杂波抑制之后的能量除以潜在目标在杂波抑制之前的能量，得到潜在目标对应的能量损失值。
步骤5，确定能量损失量的检测门限。
参考SAR图像上杂波加噪声的径向速度的概率密度函数，按照如下步骤估计：
第1步，按照下式，计算参考SAR图像上杂波加噪声与其他每一个通道的SAR图像上杂波加噪声的干涉相位值：
其中，表示参考SAR图像上杂波加噪声与第k个通道的SAR图像上杂波加噪声的干涉相位值，k表示雷达的第k个通道的通道序数，k＝2,3,…Q，Q表示雷达的通道总数，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，v表示参考SAR图像上杂波加噪声的径向速度值，v∈[-vmax,vmax]，vmax表示空域最大不模糊速度。
第2步，按照下式，估计参考SAR图像上杂波加噪声的径向速度的概率密度函数：
其中，f(v)表示参考SAR图像上杂波加噪声的径向速度的概率密度函数，v表示参考SAR图像上杂波加噪声的径向速度值，v∈[-vmax,vmax]，vmax表示空域最大不模糊速度，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，∏表示连乘操作，Q表示雷达的通道总数，Γ(·)表示伽马函数，ρk表示第k个通道与第一个通道的相关系数，k＝2,3,…Q，表示参考SAR图像上杂波加噪声与第k个通道的SAR图像上杂波加噪声的干涉相位值，2F1(·)表示高斯核函数。
根据参考SAR图像上杂波加噪声的径向速度的概率密度函数，按照下式，计算达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值：
其中，P2表示给定的能量损失检测的虚警概率，∫dt表示积分操作，ε表示达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值，f(v)表示参考SAR图像上杂波加噪声的径向速度的概率密度函数，v表示参考SAR图像上杂波加噪声的径向速度值。
采用径向速度的估计误差的克拉美罗界限值，对达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值进行修正，得到修正后的径向速度的门限值。
采用径向速度的估计误差的克拉美罗界限值，对径向速度的门限值进行修正的具体步骤如下：
第1步，对幅度检测量作数值平均操作，得到参考SAR图像上幅度检测量的均值。
第2步，按照下式，估计参考SAR图像上杂波加噪声的相关矩阵：
其中，R表示参考SAR图像上杂波加噪声的相关矩阵，K表示独立同分布训练样本的总数，∑表示求和操作，Zk表示第k个独立同分布训练样本所对应的数据矢量，k＝1,2,…,K，H表示共轭转置操作。
第3步，按照下式，计算径向速度的估计误差的克拉美罗界限值：
其中，θ表示径向速度的估计误差的克拉美罗界限值，表示开根号操作，α表示参考SAR图像上幅度检测量的均值，|·|表示取模值操作，a(ε)表示径向速度为ε的信号所对应的空域导向矢量，a(ε)的表达式为ε表示径向速度的门限值，exp(·)表示以e为底的指数操作，j表示虚数符号，d表示雷达相邻两个通道的间距，Q表示雷达通道的总数，λ表示雷达的工作波长，V表示雷达平台的运动速度，T表示转置操作，R表示参考SAR图像上杂波加噪声的相关矩阵，H表示共轭转置操作，表示求微分操作。
第4步，用径向速度的门限值减去径向速度的估计误差的克拉美罗界限值，得到修正后的径向速度的门限值。
利用自适应匹配滤波响应公式，计算达到给定的能量损失检测的虚警概率时所对应的能量损失量的检测门限值。
自适应匹配滤波响应公式如下：
其中，G(ε)表示能量损失量的检测门限值，ε表示径向速度的门限值，R表示杂波加噪声协方差矩阵，(·)-1表示矩阵求逆操作，a(β)表示径向速度为β的信号所对应的空域导向矢量，a(β)的表达式为β表示修正后的径向速度的门限值，exp(·)表示以e为底的指数操作，j表示虚数符号，d表示雷达相邻两个通道的间距，Q表示雷达的通道总数，λ表示雷达的工作波长，V表示雷达平台运动速度，T表示转置操作，H表示共轭转置操作，a(ε)表示径向速度为ε的信号所对应的空域导向矢量，a(ε)的表达式为 表示开根号操作。
步骤6，剔除虚警。
将能量损失值大于能量损失检测门限的潜在目标作为动目标，能量损失值小于或者等于能量损失检测门限的潜在目标作为虚警。
将虚警剔除。
步骤7，确定检测结果。
将动目标作为最终的检测结果。
下面结合仿真图对本发明的效果做进一步的说明。
1.仿真条件：
本发明仿真实验的环境为：MATLAB R2010a，Intel(R)Core(TM)2Duo CPU 3.4GHz，Window XP专业版。
2.仿真内容与结果分析：
本发明的仿真实验基于一发多收五通道合成孔径雷达成像系统，把合成孔径雷达的第一个通道作为发射信号通道，合成孔径雷达的所有通道都接受回波信号。合成孔径雷达相邻两个通道的间隔是0.125m，合成孔径雷达的工作波长是0.02m，雷达平台的沿航迹运动速度是120m/s，仿真10000个回波样本，包括均匀杂波、强杂波和运动目标。均匀杂波的杂噪比是10dB，运动目标样本个数是28个，运动目标的信噪比是10dB，运动目标的径向速度在0.3～7.2m/s范围内的等间隔取值，强杂波的样本个数是128个，强杂波的杂噪比是60dB。在仿真实验中，与本发明作对比的方法有：基于广义似然最大比检测方法GLRT，Gierull等人提出的两步检测方法，联合干涉幅度与相位的方法IMP。
图2是当信噪比为10dB，虚警概率为10-6时，本发明与基于广义似然最大比检测方法GLRT(Generalized Likelihood Ratio Test)，Gierull等人提出的两步检测方法，联合干涉幅度与相位的方法IMP的检测性能对比图。图2中的横坐标表示动目标的径向速度，纵坐标表示动目标的检测概率。图2中以三角标示的曲线表示本发明的仿真结果，以正方形标示的曲线表示基于广义似然最大比检测方法GLRT的仿真结果，以圆圈标示的曲线表示Gierull等人提出的两步检测方法的仿真结果，实线表示联合干涉幅度与相位的方法IMP的仿真结果。表1是在信噪比为10dB，虚警概率为10-6，检测概率达到0.8时，本发明的方法，基于广义似然最大比检测方法GLRT，Gierull等人提出的两步检测方法，联合干涉幅度与相位的方法IMP的动目标最小可检测速度对比一览表。
从图中2可见，当信噪比为10dB，虚警概率为10-6时，在三种对比方法中，本发明对动目标的检测概率最高。从表1中可见，本发明的动目标最小可检测速度最小，说明本发明对慢速运动目标的检测性能更好。
表1仿真中动目标最小可检测速度对比一览表
方法 最小可检测速度
本发明的方法 0.3
GLRT方法 1.2
Gierull等人的两步检测方法 2.7
IMP方法 5.2
图3为当信噪比为10dB，虚警概率为10-8时，本发明与基于广义似然最大比检测方法GLRT，Gierull等人提出的两步检测方法，联合干涉幅度与相位的方法IMP的检测性能对比图。图3中的横坐标表示动目标的径向速度，纵坐标表示动目标的检测概率。图3中以三角标示的曲线表示本发明的仿真结果，以正方形标示的曲线表示基于广义似然最大比检测方法GLRT的仿真结果，以圆圈标示的曲线表示Gierull等人提出的两步检测方法的仿真结果，实线表示联合干涉幅度与相位的方法IMP的仿真结果。表2是在信噪比为10dB，虚警概率为10-8，检测概率达到0.7时，本发明的方法，基于广义似然最大比检测方法GLRT，Gierull等人提出的两步检测方法，联合干涉幅度与相位的方法IMP的动目标最小可检测速度对比一览表。
从图3中可见，当信噪比为10dB，虚警概率为10-8时，在三种对比方法中，本发明对动目标的检测概率最高。从表2中可见，本发明的动目标最小可检测速度最小，说明本发明对慢速运动目标的检测性能更好。
表2仿真中动目标最小可检测速度对比一览表
方法 最小可检测速度(m/s)
本发明的方法 0.6
GLRT方法 1.5
Gierull等人的两步检测方法 2.7
IMP方法 5.1
图4是对于径向速度为1.2m/s的慢速运动目标，本发明与基于广义似然最大比检测方法GLRT的检测性能对比图。图4中横坐标表示动目标的信噪比，纵坐标表示动目标的检测概率。图4中以圆圈标示的曲线表示本发明在虚警概率为10-6时的仿真结果，以三角标示的曲线表示本发明在虚警概率为10-8时的仿真结果，以星号标示的曲线表示基于广义似然最大比检测方法GLRT在虚警概率为10-6时的仿真结果，以正方形标示的曲线表示基于广义似然最大比检测方法GLRT在虚警概率为10-8时的仿真结果。
由图4中可以看出，在虚警概率为10-6时，当动目标的信噪比为7dB时，本发明的检测概率达到0.9，而对于基于广义似然最大比检测方法GLRT，当动目标的信噪比为11dB时检测概率达到0.9；在虚警概率为10-8时，当动目标的信噪比为11dB时，本发明的检测概率达到0.9，而对于基于广义似然最大比检测方法GLRT，在动目标的信噪比为12dB时检测概率达到0.9；说明本发明对比与基于广义似然最大比检测方法GLRT，同样达到0.9的检测概率时，能够改善1到4dB的信噪比。
图5是对于径向速度为6m/s的快速运动目标，本发明与基于广义似然最大比检测方法GLRT的检测性能对比图。图5中横坐标表示动目标的信噪比，纵坐标表示动目标的检测概率。图5中以圆圈标示的曲线表示本发明在虚警概率为10-6时的仿真结果，以三角标示的曲线表示本发明在虚警概率为10-8时的仿真结果，以星号标示的曲线表示基于广义似然最大比检测方法GLRT在虚警概率为10-6时的仿真结果，以正方形标示的曲线表示基于广义似然最大比检测方法GLRT在虚警概率为10-8时的仿真结果。
由图5中可以看出，在虚警概率为10-6时，当动目标的信噪比为6dB时，本发明的检测概率达到0.9，而对于基于广义似然最大比检测方法GLRT，当动目标的信噪比为10dB时检测概率达到0.9；在虚警概率为10-8时，当动目标的信噪比为7dB时，本发明的检测概率达到0.9，而对于基于广义似然最大比检测方法GLRT，在动目标的信噪比为11dB时检测概率达到0.9；说明本发明对比与基于广义似然最大比检测方法GLRT，同样达到0.9的检测概率时，能够改善4到5dB的信噪比。
综上所述，对于在非均匀杂波背景下，本发明降低了动目标最小可检测速度，有效提高了地面运动目标检测的检测性能。

Claims (10)

1.一种基于自适应匹配滤波响应的SAR动目标检测方法，包括如下步骤：
(1)生成数据矢量：
(1a)将雷达的每一个通道接收的回波数据进行通道配准和误差校正，得到规范后的回波数据；
(1b)对雷达的每一个通道规范后的回波数据，逐一进行方位距离二维压缩，生成与各个通道对应的SAR图像；
(1c)选取雷达的第一个通道对应的SAR图像作为参考SAR图像，将参考SAR图像上任意一个像素点处对应的规范后的数据与其他通道的SAR图像中同一像素点处对应的规范后的数据，按照通道序数升序排列，得到参考SAR图像上该像素点对应的数据矢量；
(2)对每一个像素点进行幅度检测：
(2a)利用最大似然估计公式，估计参考SAR图像上杂波加噪声的平均剩余能量；
(2b)利用幅度检测值公式，根据参考SAR图像上杂波加噪声的平均剩余能量与每一个像素点的数据矢量，计算幅度检测值；
(2c)利用杂波加噪声的统计特性，估计参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数；
(2d)根据参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数，利用幅度检测的虚警概率公式，计算达到给定的幅度检测的虚警概率时所对应的幅度判决门限；
(2e)将参考SAR图像上幅度检测值大于幅度判决门限的像素点分别作为独立的潜在目标；
(3)利用子空间投影公式，估计每一个潜在目标的径向速度值；
(4)估计潜在目标的能量损失值：
(4a)利用子空间斜投影公式，计算每一个潜在目标沿杂波空间向目标空间的斜投影矩阵；
(4b)按照下式，利用斜投影矩阵估计每一个潜在目标在杂波抑制之前的能量：
其中，Ep表示第p个潜在目标在杂波抑制之前的能量，p＝1,…,P，P表示潜在目标的总数，Zp表示第p个潜在目标所对应的数据矢量，H表示共轭转置操作，Mp表示第p个潜在目标沿杂波空间向目标空间的斜投影矩阵；
(4c)按照下式，计算每一个潜在目标在杂波抑制之后的能量：
其中，Fp表示第p个潜在目标在杂波抑制之后的能量，p＝1,…,P，P表示潜在目标的总数，w表示归一化自适应杂波抑制权矢量，Zp表示第p个潜在目标对应的数据矢量，H表示共轭转置操作；
(4d)用潜在目标在杂波抑制之后的能量除以潜在目标在杂波抑制之前的能量，得到潜在目标对应的能量损失值；
(5)确定能量损失量的检测门限：
(5a)根据参考SAR图像上杂波加噪声的径向速度的概率密度函数，按照下式，计算达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值：
其中，P2表示给定的能量损失检测的虚警概率，∫dt表示积分操作，ε表示达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值，f(v)表示参考SAR图像上杂波加噪声的径向速度的概率密度函数，v表示参考SAR图像上杂波加噪声的径向速度值；
(5b)采用径向速度的估计误差的克拉美罗界限值，对达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值进行修正，得到修正后的径向速度的门限值；
(5c)利用自适应匹配滤波响应公式，计算达到给定的能量损失检测的虚警概率时所对应的能量损失量的检测门限值；
(6)剔除虚警：
(6a)将能量损失值大于能量损失检测门限的潜在目标作为动目标，能量损失值小于或者等于能量损失检测门限的潜在目标作为虚警；
(6b)将虚警剔除；
(7)确定检测结果：
将动目标作为最终的检测结果。
2.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(2a)中所述的最大似然估计公式如下：
其中，σ表示杂波加噪声的平均剩余能量，K表示独立同分布训练样本的总数，∑表示求和操作，w表示归一化自适应杂波抑制权矢量，H表示共轭转置操作，Zk表示第k个独立同分布训练样本所对应的数据矢量，k＝1,2,…,K。
3.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(2b)中所述的幅度检测值公式如下：
其中，Tm表示参考SAR图像上第m个像素点所对应的幅度检测值，m＝1,2,…,M，M表示参考SAR图像上的像素点的总数，w表示归一化自适应杂波抑制权矢量，H表示共轭转置操作，Zm表示参考SAR图像上第m个像素点所对应的数据矢量，σ表示杂波加噪声的平均剩余能量。
4.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(2c)中所述的利用杂波加噪声的统计特性，估计参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数的具体步骤如下：
第1步，根据雷达所照射的地面场景，建立与该地面场景回波对应的杂波加噪声的分布模型；
第2步，利用杂波加噪声的分布模型，计算参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数。
5.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(2d)中所述的幅度检测的虚警概率公式如下：
其中，P1表示幅度检测的虚警概率，∫dt表示积分操作，η表示达到给定的幅度检测的虚警概率时所对应的幅度判决门限，h(t)表示参考SAR图像上杂波加噪声所对应的幅度检测量的概率密度函数，t表示参考SAR图像上杂波加噪声所对应的幅度检测值。
6.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(3)中所述的子空间投影公式如下：
其中，表示潜在目标p的径向速度估计值，p＝1,…,P，P表示潜在目标的总数，表示在约束条件内，反解出当表达式|(·)|2取到最大值时所对应的一个径向速度值v0的操作，|·|表示取模值，I表示单位矩阵，c表示杂波的理想空域导向矢量，c的表达式为c＝[1,1,…,1]T，T表示转置操作，H表示共轭转置操作，a(v)表示径向速度为v的信号所对应的空域导向矢量，a(v)的表达式为exp(·)表示以e为底的指数操作，j表示虚数符号，Q表示雷达的通道总数，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，Zp表示第p个潜在目标所对应的数据矢量，s.t.表示约束条件，v表示约束条件内的任意一个径向速度值，vmax表示空域最大不模糊速度。
7.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(4a)中所述的子空间斜投影公式如下：
其中，O(p)表示潜在目标p沿杂波空间向目标空间的斜投影矩阵，p＝1,…,P，P表示潜在目标的总数，表示径向速度信号所对应的空域导向矢量，的表达式为 表示潜在目标p的径向速度估计值，exp(·)表示以e为底的指数操作，j表示虚数符号，Q表示雷达的通道总数，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，T表示转置操作，I表示单位矩阵，c表示杂波的理想空域导向矢量，c的表达式为c＝[1,1,…,1]T，H表示共轭转置操作，(·)-1表示矩阵求逆操作。
8.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(5a)中所述的参考SAR图像上杂波加噪声的径向速度的概率密度函数，按照如下步骤估计：
第1步，按照下式，计算参考SAR图像上杂波加噪声与其他每一个通道的SAR图像上杂波加噪声的干涉相位值：
其中，表示参考SAR图像上杂波加噪声与第k个通道的SAR图像上杂波加噪声的干涉相位值，k表示雷达的第k个通道的通道序数，k＝2,3,…Q，Q表示雷达的通道总数，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，v表示参考SAR图像上杂波加噪声的径向速度值，v∈[-vmax,vmax]，vmax表示空域最大不模糊速度；
第2步，按照下式，估计参考SAR图像上杂波加噪声的径向速度的概率密度函数：
其中，f(v)表示参考SAR图像上杂波加噪声的径向速度的概率密度函数，v表示参考SAR图像上杂波加噪声的径向速度值，v∈[-vmax,vmax]，vmax表示空域最大不模糊速度，d表示雷达相邻两个通道的间距，λ表示雷达工作波长，V表示雷达平台的运动速度，Π表示连乘操作，Q表示雷达的通道总数，Γ(·)表示伽马函数，ρk表示第k个通道与第一个通道的相关系数，k＝2,3,…Q，表示参考SAR图像上杂波加噪声与第k个通道的SAR图像上杂波加噪声的干涉相位值，2F1(·)表示高斯核函数。
9.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(5b)中所述的采用径向速度的估计误差的克拉美罗界限值，对径向速度的门限值进行修正的具体步骤如下：
第1步，对幅度检测量作数值平均操作，得到参考SAR图像上幅度检测量的均值；
第2步，按照下式，估计参考SAR图像上杂波加噪声的相关矩阵：
其中，R表示参考SAR图像上杂波加噪声的相关矩阵，K表示独立同分布训练样本的总数，∑表示求和操作，Zk表示第k个独立同分布训练样本所对应的数据矢量，k＝1,2,…,K，H表示共轭转置操作；
第3步，按照下式，计算径向速度的估计误差的克拉美罗界限值：
其中，θ表示径向速度的估计误差的克拉美罗界限值，表示开根号操作，α表示参考SAR图像上幅度检测量的均值，|·|表示取模值操作，a(ε)表示径向速度为ε的信号所对应的空域导向矢量，a(ε)的表达式为ε表示达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值，exp(·)表示以e为底的指数操作，j表示虚数符号，d表示雷达相邻两个通道的间距，Q表示雷达通道的总数，λ表示雷达的工作波长，V表示雷达平台的运动速度，T表示转置操作，R表示参考SAR图像上杂波加噪声的相关矩阵，H表示共轭转置操作，表示求微分操作；
第4步，用径向速度的门限值减去径向速度的估计误差的克拉美罗界限值，得到修正后的径向速度的门限值。
10.根据权利要求1所述的基于自适应匹配滤波响应的SAR动目标检测方法，其特征在于，步骤(5c)中所述的自适应匹配滤波响应公式如下：
其中，G(ε)表示能量损失量的检测门限值，ε表示达到给定的能量损失检测的虚警概率时所对应的径向速度的门限值，R表示杂波加噪声协方差矩阵，(·)-1表示矩阵求逆操作，a(β)表示径向速度为β的信号所对应的空域导向矢量，a(β)的表达式为β表示修正后的径向速度的门限值，exp(·)表示以e为底的指数操作，j表示虚数符号，d表示雷达相邻两个通道的间距，Q表示雷达的通道总数，λ表示雷达的工作波长，V表示雷达平台运动速度，T表示转置操作，H表示共轭转置操作，a(ε)表示径向速度为ε的信号所对应的空域导向矢量，a(ε)的表达式为 表示开根号操作。
CN201610846492.5A 2016-09-23 2016-09-23 基于自适应匹配滤波响应的sar动目标检测方法 Active CN106249219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610846492.5A CN106249219B (zh) 2016-09-23 2016-09-23 基于自适应匹配滤波响应的sar动目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610846492.5A CN106249219B (zh) 2016-09-23 2016-09-23 基于自适应匹配滤波响应的sar动目标检测方法

Publications (2)

Publication Number Publication Date
CN106249219A CN106249219A (zh) 2016-12-21
CN106249219B true CN106249219B (zh) 2018-08-21

Family

ID=57611924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610846492.5A Active CN106249219B (zh) 2016-09-23 2016-09-23 基于自适应匹配滤波响应的sar动目标检测方法

Country Status (1)

Country Link
CN (1) CN106249219B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL250253B (en) * 2017-01-24 2021-10-31 Arbe Robotics Ltd A method for separating targets and echoes from noise, in radar signals
CN107358162B (zh) * 2017-06-12 2020-04-07 西安电子科技大学 基于深度堆栈网络的极化sar影像变化检测方法
IL260696A (en) 2018-07-19 2019-01-31 Arbe Robotics Ltd Method and device for structured self-testing of radio frequencies in a radar system
IL260694A (en) 2018-07-19 2019-01-31 Arbe Robotics Ltd Method and device for two-stage signal processing in a radar system
IL260695A (en) 2018-07-19 2019-01-31 Arbe Robotics Ltd Method and device for eliminating waiting times in a radar system
IL261636A (en) 2018-09-05 2018-10-31 Arbe Robotics Ltd Deflected MIMO antenna array for vehicle imaging radars
CN109444883A (zh) * 2018-11-15 2019-03-08 北京遥感设备研究所 一种共口径三通道动目标检测系统
CN110109102B (zh) * 2019-04-04 2022-05-03 电子科技大学 一种sar运动目标检测与速度估计的方法
CN110082764B (zh) * 2019-04-26 2023-04-07 西安电子科技大学 基于稳健正则化层析方法的sar图像成像方法
CN110299933A (zh) * 2019-06-29 2019-10-01 广东石油化工学院 一种基于信号表示的plc信号滤波方法和系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6400306B1 (en) * 1999-12-17 2002-06-04 Sicom Systems, Ltd Multi-channel moving target radar detection and imaging apparatus and method
CN102156279A (zh) * 2011-05-12 2011-08-17 西安电子科技大学 基于mimo的双基地雷达地面动目标检测方法
CN103149555A (zh) * 2013-01-25 2013-06-12 西安电子科技大学 结合极化分类和功率分组的自适应动目标检测方法
CN103885057A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 自适应变滑窗多目标跟踪方法
CN104569949A (zh) * 2015-01-27 2015-04-29 西安电子科技大学 基于组合自适应归一化匹配滤波的雷达目标检测方法
CN104851097A (zh) * 2015-05-19 2015-08-19 西安电子科技大学 基于目标形状与阴影辅助的多通道sar-gmti方法
US9268008B1 (en) * 2010-10-07 2016-02-23 Vista Research, Inc. Detection of low observable objects in clutter using non-coherent radars
CN105891828A (zh) * 2016-04-22 2016-08-24 西安电子科技大学 一种机载cssar雷达动目标的检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6400306B1 (en) * 1999-12-17 2002-06-04 Sicom Systems, Ltd Multi-channel moving target radar detection and imaging apparatus and method
US9268008B1 (en) * 2010-10-07 2016-02-23 Vista Research, Inc. Detection of low observable objects in clutter using non-coherent radars
CN102156279A (zh) * 2011-05-12 2011-08-17 西安电子科技大学 基于mimo的双基地雷达地面动目标检测方法
CN103149555A (zh) * 2013-01-25 2013-06-12 西安电子科技大学 结合极化分类和功率分组的自适应动目标检测方法
CN103885057A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 自适应变滑窗多目标跟踪方法
CN104569949A (zh) * 2015-01-27 2015-04-29 西安电子科技大学 基于组合自适应归一化匹配滤波的雷达目标检测方法
CN104851097A (zh) * 2015-05-19 2015-08-19 西安电子科技大学 基于目标形状与阴影辅助的多通道sar-gmti方法
CN105891828A (zh) * 2016-04-22 2016-08-24 西安电子科技大学 一种机载cssar雷达动目标的检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Robust Radial Velocity Estimation of Moving Targets Based on Adaptive Data Reconstruction and Subspace Projection Algorithm;Yuxiang Shu et.al;《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》;20140630;第11卷(第6期);第1101-1105页 *
基于修正自适应匹配滤波器的激动目标检测方法;李海等;《雷达学报》;20151031;第4卷(第5期);第552-559页 *

Also Published As

Publication number Publication date
CN106249219A (zh) 2016-12-21

Similar Documents

Publication Publication Date Title
CN106249219B (zh) 基于自适应匹配滤波响应的sar动目标检测方法
CN104950296B (zh) 基于重加权自适应功率剩余的稳健非均匀检测方法
CN104077498B (zh) 一种结合目标角度的外辐射源雷达多目标跟踪方法
Li et al. Robust human targets tracking for MIMO through-wall radar via multi-algorithm fusion
CN101881822B (zh) 一种针对共享谱雷达同频干扰的抑制方法
CN106842165A (zh) 一种基于不同距离角度分辨率雷达集中式异步融合方法
CN107607916B (zh) 一种抗自卫式速度距离联合欺骗干扰方法
CN109901130B (zh) 一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法
CN107561512A (zh) 一种脉冲多普勒雷达抗压制式拖曳干扰的极化对消方法
CN106526584A (zh) 多雷达系统中目标检测跟踪联合处理方法
CN112612006B (zh) 基于深度学习的机载雷达非均匀杂波抑制方法
CN107015214B (zh) 一种基于稀疏贝叶斯学习的空时自适应处理方法
CN107942308A (zh) 复合高斯环境下基于伽玛纹理的自适应Rao检测方法
Li et al. Scale-adaptive human target tracking for through-wall imaging radar
CN103901409A (zh) 基于自适应波束形成的机载雷达抗转发式干扰方法
CN107632291A (zh) 一种基于极化雷达抗角反射器干扰的方法
CN105445710A (zh) 隐形雷达低截获概率性能评估方法
CN109581303B (zh) 一种基于Wi-Fi穿墙雷达的干扰抑制方法
Yu et al. Polarimetric multiple-radar architectures with distributed antennas for discriminating between radar targets and deception jamming
CN108562877B (zh) 一种基于信号包络特征的欺骗式干扰抑制方法
Xu et al. A generalized sample weighting method in heterogeneous environment for space-time adaptive processing
CN113466797A (zh) 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法
CN110133641B (zh) 一种尺度自适应的穿墙成像雷达目标跟踪方法
CN111999715B (zh) 异质杂波下目标知识辅助自适应融合检测方法
CN107037413A (zh) 基于自适应多普勒域波束对消的直达波抑制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant