CN106597445A - 一种基于自适应Chirp分解的SAR动目标检测方法 - Google Patents

Abstract

一种基于自适应Chirp分解的SAR动目标检测方法，本发明涉及基于自适应Chirp分解的SAR动目标检测方法。本发明的目的是为了解决现有WVD技术对多目标参数估计不准确的问题。一种基于自适应Chirp分解的SAR动目标检测方法具体过程为：步骤一、对SAR回波进行预处理，得到预处理结果；步骤二、对预处理结果进行自适应chirp分解，得到分解结果；步骤三、根据分解结果进行时频重构，得到时频重构结果；步骤四、根据重构结果对目标进行检测，得到检测目标结果。本发明用于SAR动目标检测领域。

Description

一种基于自适应Chirp分解的SAR动目标检测方法

技术领域

本发明涉及基于自适应Chirp分解的SAR动目标检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar-SAR)是一种高分辨率、二维成像雷达，它借助于脉冲压缩技术实现距离维的高分辨，方位向的高分辨则通过合成孔径实现。继常规成像技术深入发展之后，其对运动目标的检测已成为当前SAR技术研究的一个主要方面。

地面运动目标回波可以近似线性调频信号(Chirp信号)，因此可以认为对地面运动目标的检测是在噪声和杂波背景下的线性调频信号的检测。考虑到线性调频信号在时频域内良好的聚集性可以使用参数估计的时频方法，如Radon-Wigner变换(RWT)，Radon-Ambiguity变换(RAT)，分数阶傅立叶变换(FRFT)。其中Wigner-Ville分布(WVD)与Radon变换(又称为Hough变换)相结合是现在线性调频信号检测和参数估计中最常用的一种方法，能够得到比较理想的效果。但是WVD只有在单一目标的情况下才具有比较理想的性能，在多目标情况下信号间交叉项的干扰很严重，从而导致弱信号被淹没。为了克服交叉项的干扰，人们提出了多种基于科恩类时频分布的改进方法，但都是以牺牲时频聚集性为代价，降低了参数估计的精度。

发明内容

本发明的目的是为了解决现有WVD技术对多目标参数估计不准确的问题，而提出一种基于自适应Chirp分解的SAR动目标检测方法。

一种基于自适应Chirp分解的SAR动目标检测方法具体过程为：

步骤一、对SAR回波进行预处理，得到预处理结果；

步骤二、对预处理结果进行自适应chirp分解，得到分解结果；

步骤三、根据分解结果进行时频重构，得到时频重构结果；

步骤四、根据重构结果对目标进行检测，得到检测目标结果；

所述，SAR为合成孔径雷达，chirp为线性调频信号。

本发明的有益效果为：

本发明提出的基于自适应Chirp分解的SAR运动目标检测方法，可以实现对多个目标的检测。当信噪比大于临界值时，对信噪比不敏感，检测估值结果稳定，且对弱信号具有一定的检测能力。

常用的Wigner-Ville分布的信号检测在多目标情况下交叉项很严重，对弱目标的检测十分不利。本发明提出的自适应Chirp分解方法能够在一定条件下，实现对噪声干扰不敏感的多运动目标检测和调频参数估计，其对弱信号的检测能力大大优于Wigner-Ville分布。本发明同样实现了对其检测、估值的任务。在多目标处理中抗噪声干扰的能力要次于单目标情况，主要原因是信号间彼此影响造成算法对检测环境要求的提高。在本试验条件下，临界信噪比为-2dB，当信噪比小于-2dB时无法正确检测出全部目标。同时，算法收敛速度很快，易于硬件实现在工程实用具有重要的意义，是一种可以应用在机载SAR运动目标检测中的好方法。

附图说明

图1为运动目标的SAR几何特性示意图；

图2为单目标信号的Wigner-Ville分布示意图，Wigner-Ville分布为一种信号频率随时间的表示方法；

图3为单目标信号自适应chirp分解重构结果示意图；

图4为多目标信号Wigner-Ville分布示意图；

图5为多目标信号自适应chirp分解重构结果示意图。

具体实施方式

具体实施方式一：本实施方式的一种基于自适应Chirp分解的SAR动目标检测方法具体过程为：

步骤一、对SAR回波进行预处理，得到预处理结果；

步骤二、对预处理结果进行自适应chirp分解，得到分解结果；

步骤三、根据分解结果进行时频重构，得到时频重构结果；

步骤四、根据重构结果对目标进行检测，得到检测目标结果；

所述，SAR为合成孔径雷达，chirp为线性调频信号。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中对SAR回波进行预处理，得到预处理结果；具体过程为：

以地面坐标系(x-y-z)为参考坐标系，不考虑地球自转，图1画出了运动目标的SAR几何特性。

假设雷达处在正侧视工作状态，载机飞行速度为v_a，在t＝0时刻，载机坐标为(0,0,h)，地面运动目标P位于(x₀,y₀,0)，设t＝0时刻地面运动目标P的位置为其真实位置；地面运动目标P点到载机飞行航线的距离为R_c，地面运动目标P到载机的斜距为R₀，地面运动目标P距离向地面速度和加速度分别为v_x和a_x，地面运动目标P方位向地面速度和加速度分别为v_y和a_y，地面运动目标P径向速度和加速度分别为v_r和a_r，由图1中几何关系可得：在t时刻地面运动目标P运动到(x_t,y_t,0)，地面运动目标P到载机的斜距为R(t)，t为信号时间，则

载机为装载雷达的飞机；

应用菲涅尔近似，并忽略高次项，高次项为三次及三次以上项，可得

假设雷达发射连续波信号，则雷达接收机接收的回波信号为

其中，t为信号时间，f₀为发射信号的载频；σ_T为一常数，取决于目标的雷达反射截面积；为目标反射回波的起始相位，ρ(t)为雷达天线方位向的方向图，λ为载波波长，j为虚数，j²＝-1；经过去载频处理后，得到

在进行地面运动目标检测时，不考虑σ_T、ρ(t)，令把(3)代入(4)，得

s(t)＝exp(j2πf_dt)exp(jπKt²) (5)

其中

其中，f_d为多普勒质心，K为调频斜率，此时SAR地面运动目标P的回波可近似成线性调频信号。由于式(4)是近似得到的，故有一定的逼近范围，当积累时间过长时回波信号变化将趋于平稳，不再具有明显的调频形式。但一般SAR合成孔径的时间都在允许范围内。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二中对预处理结果进行自适应chirp分解，得到分解结果；具体过程为：

将步骤一得到的预处理结果s(t)看作是n个线性调频小波基g_i(t)的线性叠加，即：

其中，σ_i、t_i、ω_i、β_i分别代表第i个线性调频小波基的宽度、时间中心、初始频率和调频率，n为线性调频小波基g_i(t)的个数，取值为正整数；c_i为第i个线性调频小波基的系数；

g_i(t)的WVD分布表示为：WVD为维格纳-威利分布；

得出线性调频小波基g_i(t)的WVD分布集中在直线上，令ω为线性调频小波基的初始频率；因此，采用传统的Radon-Wigner变换方法计算待分析信号s(t)的调频率，得到其估计值；

对于式(8)，当n＝1，chirp分解过程为：

(1)对信号s(t)进行Radon-Wigner变换，得到第一组调频斜率估计值和的估计值

(2)构造线性调频信号并计算s(t)*r₁(t)的快速傅里叶变换(FFT)，求得其快速傅里叶变换结果的最大值

(3)设计一带通滤波器把附近的窄谱滤除，并做傅里叶反变换(IFT)，得到近似正弦信号u(t)；

带通滤波器为：其中f_l、f_r的数值根据窄谱的宽度确定；f_l、f_r分别为频率最小值和最大值，由这两个值来确定带通滤波器的通带频率；附近为

(4)计算近似正弦信号u(t)的Wigner-Ville分布WVD_u(t,ω)，得到s(t)的时间中心估计值即

ω为信号频率；

(5)通过下式计算信号s(t)的初始频率估计值

(6)通过下式计算信号s(t)宽度的估计值

(7)根据下式计算信号s(t)系数的估计值

对于式(8)，当n>1，自适应chirp分解过程为：

1)对信号s(t)进行上述(1)到(7)处理，得到第一组估计值

2)根据式(9)构造g₁(t)，由下式得到s₂(t)

s₂(t)＝s(t)-C₁g₁(t) (16)

若信号s₂(t)的能量满足(其中ε为设定的阈值，是某一常数，一般小于1即可，当信号能量小于ε时，则认为可以忽略这个信号)，则不对信号s₂(t)进行chirp分解，自适应chirp分解过程结束；否则对信号s₂(t)继续进行chirp分解得到第二组估计结果

3)仿照步骤2)，由式(9)构造g₂(t)，可得

此时若信号s₃(t)的能量满足则不再对信号s₃(t)进行chirp分解，自适应chirp分解过程结束，否则对信号s₃(t)继续进行chirp分解得到第三组估计结果ε为人为设定阈值；

4)直到剩余信号的能量满足则不再对信号s_m+1(t)进行chirp分解，自适应chirp分解过程结束，共得到m组估计结果；m为正整数。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中根据分解结果进行时频重构，得到时频重构结果；具体过程为：

步骤三一、采用自适应chirp分解结果其中i＝1,2,3,...,m，m取值为正整数；根据式(9)，构造线性调频小波基g_i(t)；

步骤三二、根据式(10)，求解线性调频小波基g_i(t)的WVD WVD_i(t,ω)并作图，根据图中线段数目判断运动分量的个数。

其它步骤及参数与具体实施方式一至三之一相同。

采用以下实施例验证本发明的有益效果：

实施例一：

本实施例基于自适应Chirp分解的SAR动目标检测方法具体是按照以下步骤制备的：

设SAR处于正侧视工作状态，雷达脉冲重复频率PRF为500Hz，平台运动速度158m/s，波长0.24m，信号带宽30M，距地高度9000m，采样频率33M。仅存在一个只有径向速度的运动目标，其运动速度v_r为-6m/s，散射系数为1。则其回波信号的多普勒中心频率f_d0＝-50Hz，调频率k＝23.115Hz/s。在信号中加入均值为零方差为1的高斯白噪声，信噪比-5dB。图2为回波信号的Wigner-Ville分布图，此时信噪比很低信号几乎完全被噪声淹没，很难分辨。将该回波信号进行自适应Chirp分解，图3为其分解的结果。由于信号与分解使用的基函数之间良好的匹配，运动目标信号能量被有效聚集，从而实现信号检测和调频参量估计的目的。

接下来讨论多目标的情况。仿真试验中，设有4个运动目标其速度参数分别为：v_r1＝1m/s、v_y1＝0m/s、a_r1＝0m/s，v_r2＝-6m/s、v_y2＝10m/s、a_r2＝0m/s，v_r3＝7m/s、v_y3＝0m/s、a_r3＝1m/s，v_r4＝3m/s、v_y4＝5m/s、a_r4＝1m/s，信号强度分别为1、0.6、1、1.2。则其回波信号的多普勒中心频率分别为：8.333、-50、58.333、25Hz，调频率分别为：23.115、20.282、14.782、13.342Hz/s。这里仍在回波信号中加入零均值高斯白噪声，信噪比为5dB、0.6dB、5dB、6.58dB。图4为回波信号的Wigner-Ville分布图，由图可知交叉项非常明显，常规的Radon-Wigner变换受交叉项的影响无法对各个目标信号进行检测。图5中给出了多个目标信号分解的重构结果，可以看到四个信号都被准确的检测出来。其中目标2的信噪比明显小于其他几个信号为弱信号，本算法同样实现了对其检测、估值的任务。算法在多目标处理中抗噪声干扰的能力要次于单目标情况，主要原因是信号间彼此影响造成算法对检测环境要求的提高。在本试验条件下，临界信噪比为-2dB，当信噪比小于-2dB时无法正确检测出全部目标。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (4)

1.一种基于自适应Chirp分解的SAR动目标检测方法，其特征在于：一种基于自适应Chirp分解的SAR动目标检测方法具体过程为：

步骤一、对SAR回波进行预处理，得到预处理结果；

步骤二、对预处理结果进行自适应Chirp分解，得到分解结果；

步骤三、根据分解结果进行时频重构，得到时频重构结果；

步骤四、根据重构结果对目标进行检测，得到检测目标结果；

所述，SAR为合成孔径雷达，Chirp为线性调频信号。

2.根据权利要求1所述一种基于自适应Chirp分解的SAR动目标检测方法，其特征在于：所述步骤一中对SAR回波进行预处理，得到预处理结果；具体过程为：

以地面坐标系(x-y-z)为参考坐标系，不考虑地球自转，假设雷达处在正侧视工作状态，载机飞行速度为v_a，在t＝0时刻，载机坐标为(0,0,h)，地面运动目标P位于(x₀,y₀,0)，地面运动目标P到载机飞行航线的距离为R_c，地面运动目标P到载机的斜距为R₀，地面运动目标P距离向地面速度和加速度分别为v_x和a_x，地面运动目标P方位向地面速度和加速度分别为v_y和a_y，地面运动目标P径向速度和加速度分别为v_r和a_r，由几何关系可得：在t时刻地面运动目标P运动到(x_t,y_t,0)，地面运动目标P到载机的斜距为R(t)，t为信号时间，则

$\begin{array}{c}{R}^2\left(t\right)=h^2+{(v_{a}t-y_0-v_{y}t-\frac{1}{2}{a}_y{t}^2)}^2+{(x_0+v_{x}t+\frac{1}{2}{a}_x{t}^2)}^2\\ =R_0^2+{(v_{a}t-v_{y}t-\frac{1}{2}{a}_y{t}^2)}^2+{(v_{x}t+\frac{1}{2}{a}_x{t}^2)}^2\\ -2y_0(v_{a}t-v_{y}t-\frac{1}{2}{a}_y{t}^2)+2x_0(v_{x}t+\frac{1}{2}{a}_x{t}^2)\end{array}---\left(1\right)$

应用菲涅尔近似，并忽略高次项，高次项为三次及三次以上项，可得

$\begin{array}{c}R\left(t\right)\≈R_0+\frac{1}{2R_0}\[-2y_0{v}_{a}t+v_a^2{t}^2+(2y_0{v}_y+2x_0{v}_x)t\\ +(v_y^2-2v_a{v}_y+v_x^2+y_0{a}_y+x_0{a}_x)t^2\]\end{array}---\left(2\right)$

假设雷达发射连续波信号，则雷达接收机接收的回波信号为

其中，t为信号时间，f₀为发射信号的载频；σ_T为一常数；为目标反射回波的起始相位，ρ(t)为雷达天线方位向的方向图，λ为载波波长，j为虚数，j²＝-1；经过去载频处理后，得到

在进行地面运动目标检测时，不考虑σ_T、ρ(t)，令把(3)代入(4)，得

s(t)＝exp(j2πf_dt)exp(jπKt²) (5)

其中

$K=-\frac{2}{{\mathrm{\λR}}_0}(v_x^2+v_y^2+v_a^2-2v_a{v}_y+y_0{a}_y+x_0{a}_x)---\left(7\right)$

其中，f_d为多普勒质心，K为调频斜率，此时SAR地面运动目标P的回波近似成线性调频信号。

3.根据权利要求2所述一种基于自适应Chirp分解的SAR动目标检测方法，其特征在于：所述步骤二中对预处理结果进行自适应chirp分解，得到分解结果；具体过程为：

将步骤一得到的预处理结果s(t)看作是n个线性调频小波基g_i(t)的线性叠加，即：

$s\left(t\right)=\underset{i=1}{\overset{n}{\Σ}}{c}_i{g}_i\left(t\right)---\left(8\right)$

$g_i\left(t\right)={\left({\mathrm{\π\σ}}_i^2\right)}^{-0.25}\exp \{-\frac{{(t-t_i)}^2}{2{\mathrm{\σ}}_i^2}+{\mathrm{j\ω}}_i(t-t_i)+{\mathrm{j\β}}_i{(t-t_i)}^2\}---\left(9\right)$

其中，σ_i、t_i、ω_i、β_i分别代表第i个线性调频小波基的宽度、时间中心、初始频率和调频率，i＝1,2,3,...,n，n为线性调频小波基g_i(t)的个数，取值为正整数；c_i为第i个线性调频小波基的系数；

g_i(t)的WVD分布表示为：WVD为维格纳-威利分布；

${\mathrm{WVD}}_{g_i}(t,\mathrm{\ω})=\frac{1}{\mathrm{\π}}\exp \{-\frac{{(t-t_i)}^2}{2{\mathrm{\σ}}_i^2}-4{\mathrm{\σ}}_i^2{\[(\mathrm{\ω}-{\mathrm{\ω}}_i)/2-{\mathrm{\β}}_i(t-t_i)\]}^2\}---\left(10\right)$

$\mathrm{\ω}=2{\mathrm{\β}}_{i}t+({\mathrm{\ω}}_i-2{\mathrm{\β}}_i{t}_i)=2{\mathrm{\β}}_{i}t+{\stackrel{\‾}{\mathrm{\ω}}}_i---\left(11\right)$

得出线性调频小波基g_i(t)的WVD分布集中在直线上，令ω为线性调频小波基的初始频率；采用传统的Radon-Wigner变换方法计算信号s(t)的调频率，得到其估计值；

一、对于式(8)，当n＝1，chirp分解过程为：

(1)对信号s(t)进行Radon-Wigner变换，得到第一组调频斜率估计值和的估计值

(2)构造线性调频信号并计算s(t)*r₁(t)的快速傅里叶变换，求得其快速傅里叶变换结果的最大值

(3)设计一带通滤波器把附近的窄谱滤除，并做傅里叶反变换，得到近似正弦信号u(t)；

带通滤波器为：其中f_l、f_r的数值根据窄谱的宽度确定；f_l、f_r分别为频率最小值和最大值；附近为

(4)计算近似正弦信号u(t)的WVD_u(t,ω)，得到s(t)的时间中心估计值即

${\hat{t}}_1=\arg \underset{t}{max}\[{\mathrm{WVD}}_u(t,\mathrm{\ω})\]---\left(12\right)$

ω为信号频率；

(5)通过下式计算信号s(t)的初始频率估计值

${\widehat{\mathrm{\ω}}}_1={\widehat{\stackrel{\‾}{\mathrm{\ω}}}}_1+2{\widehat{\mathrm{\β}}}_1{\hat{t}}_1---\left(13\right)$

(6)通过下式计算信号s(t)宽度的估计值

${\widehat{\mathrm{\&sigma;}}}_1=\arg \underset{\mathrm{\&sigma;}}{max}|<s\left(t\right),g\left(t\right)>{|}^2---\left(14\right)$

(7)根据下式计算信号s(t)系数的估计值

$|{\hat{C}}_1{|}^2=\underset{g}{max}|<s\left(t\right),g\left(t\right)>{|}^2---\left(15\right)$

二、对于式(8)，当n>1，自适应chirp分解过程为：

1)对信号s(t)进行上述(1)到(7)处理，得到第一组估计值

2)根据式(9)构造g₁(t)，由下式得到s₂(t)

s₂(t)＝s(t)-C₁g₁(t) (16)

若信号s₂(t)的能量满足忽略信号s₂(t)，则不对信号s₂(t)进行chirp分解，自适应chirp分解过程结束；否则对信号s₂(t)继续进行chirp分解得到第二组估计结果

3)由式(9)构造g₂(t)，可得

此时若信号s₃(t)的能量满足则不再对信号s₃(t)进行chirp分解，自适应chirp分解过程结束，否则对信号s₃(t)继续进行chirp分解得到第三组估计结果ε为人为设定阈值；

4)直到剩余信号的能量满足则不再对信号s_m+1(t)进行chirp分解，自适应chirp分解过程结束，共得到m组估计结果；m为正整数。

4.根据权利要求3所述一种基于自适应Chirp分解的SAR动目标检测方法，其特征在于：所述步骤三中根据分解结果进行时频重构，得到时频重构结果；具体过程为：

步骤三一、采用自适应chirp分解结果其中i＝1,2,3,...,m，m取值为正整数；根据式(9)，构造线性调频小波基g_i(t)；

步骤三二、根据式(10)，求解线性调频小波基g_i(t)的WVD，表示为WVD_i(t,ω)并作图，根据图中线段数目判断运动分量的个数；

WVD_i(t,ω)为随信号时间t的变化，信号频率ω的WVD分布。