CN106842143B - 基于滤波的雷达目标快速cfar检测方法 - Google Patents

基于滤波的雷达目标快速cfar检测方法 Download PDF

Info

Publication number
CN106842143B
CN106842143B CN201710052763.4A CN201710052763A CN106842143B CN 106842143 B CN106842143 B CN 106842143B CN 201710052763 A CN201710052763 A CN 201710052763A CN 106842143 B CN106842143 B CN 106842143B
Authority
CN
China
Prior art keywords
matrix
detected
image
moving
target
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
CN201710052763.4A
Other languages
English (en)
Other versions
CN106842143A (zh
Inventor
孙光才
章林
李健
邢孟道
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 CN201710052763.4A priority Critical patent/CN106842143B/zh
Publication of CN106842143A publication Critical patent/CN106842143A/zh
Application granted granted Critical
Publication of CN106842143B publication Critical patent/CN106842143B/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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9064—Inverse SAR [ISAR]

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于滤波的雷达目标快速CFAR检测方法，其主要思路为：获取SAR雷达成像数据；将所述SAR雷达成像数据记为待检测图像的幅度矩阵I，I中包含感兴趣动目标和感兴趣动目标的背景杂波，且I中的感兴趣动目标所占像素个数为然后依次计算待检测图像的X×Y维能量矩阵S和待检测图像的M×N维统计矩阵，并计算待检测图像的维频域待滤波矩阵，进而计算背景杂波滤波处理后的维统计矩阵；依次计算待检测图像的R×G维杂波能量矩阵和感兴趣动目标的R'×G'维判定矩阵；并计算感兴趣动目标的X'×Y'维有效判定矩阵；得到感兴趣动目标的X'×Y'维有效判定矩阵中X'行、Y'列元素对应感兴趣目标中的个像素；进而检测到了SAR雷达成像中的感兴趣动目标。

Description

基于滤波的雷达目标快速CFAR检测方法
技术领域
本发明属于雷达信号处理技术领域，是一种合成孔径雷达中的目标检测技术，特别涉及一种基于滤波的雷达目标快速CFAR检测方法，即基于滤波的雷达目标快速恒虚警率(Constant False Alarm Rate，CFAR)检测方法，适用于瑞利背景下合成孔径雷达和逆合成孔径雷达中的雷达动目标检测。
背景技术
在大场景高分辨合成孔径雷达(Synthetic Aperture Radar，SAR)图像检测中，恒虚警率(Constant False Alarm Rate，CFAR)算法是SAR图像目标检测领域中应用最广泛的一类算法，传统CFAR算法具体实现过程是：根据经典的统计检测理论，在给定的虚警概率条件下，首先根据目标所处周围背景杂波的统计特性自适应求取检测阈值，然后将待检测像素和自适应阈值进行比较，判断其是否为目标点；通过参考窗口的滑动，实现对所有像素的自适应检测，目标周围背景杂波的统计特性通常由目标像素周围参考窗口内的像素确定；在高分辨率SAR图像中，由于感兴趣目标呈分布式，因而为了去除目标像素对杂波模型参数估计的影响，在参考滑动窗口中根据检测目标的大小设立保护警戒区域的空心滑窗，绝大多数CFAR算法是在空心滑窗的基础上发展而来。
CFAR检测速度是决定目标检测算法实用性的一个重要指标，传统CFAR检测本质上是局部滑窗的检测方法，局部动态使每一个像素多次参与了滑窗运算，导致传统CFAR算法运算量大且计算效率较低，并且目标检测速度慢；由于检测面对的是整幅场景，操作的数据量很大，如果计算效率低，势必影响了整个系统的性能，降低了系统的实时性，增加了硬件实现系统的要求。
发明内容
针对现有技术中CFAR检测器存在的计算量大、检测效率低的问题，本发明的目的在于提出一种基于滤波的雷达目标快速CFAR检测方法，该种基于滤波的雷达目标快速CFAR检测方法能够快速检测SAR图像中的动目标，且计算量小、检测效率高。
为达到上述目的，本发明采用如下技术方案予以实现。
一种基于滤波的雷达目标快速CFAR检测方法，包括以下步骤：
步骤1，获取SAR雷达回波数据，并对SAR雷达回波数据进行成像，得到SAR雷达成像数据；
将所述SAR雷达成像数据记为待检测图像的幅度矩阵I，其中待检测图像的像素数为X”×Y”，X”表示待检测图像的幅度矩阵行数对应包含的像素个数，Y”表示待检测图像的幅度矩阵列数对应包含的像素个数；所述待检测图像的幅度矩阵I中包含感兴趣动目标和感兴趣动目标的背景杂波，且待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数为X”>Y”，为大于0的正整数；
然后计算待检测图像的X×Y维能量矩阵S，X表示待检测图像的X×Y维能量矩阵S的行数，Y表示待检测图像的X×Y维能量矩阵S的列数，X和Y分别为大于0的整数；
步骤2，对待检测图像的X×Y维能量矩阵S进行补零操作，得到待检测图像的M×N维统计矩阵A，所述待检测图像的M×N维统计矩阵A为经过补零操作后待检测图像的能量矩阵，M表示待检测图像的M×N维统计矩阵A的行数，N表示待检测图像的M×N维统计矩阵A的列数，M＝X+L，N＝Y+L，1<L<min(X,Y)，min为取最小值操作，L为待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数，L为大于1的整数，M和N分别为大于1的整数；
步骤3，对待检测图像的M×N维统计矩阵A中的每一列分别做列快速傅里叶变换处理，得到快速傅里叶变换处理后的维统计矩阵，和分别为大于1的整数；
步骤4，对快速傅里叶变换处理后的维统计矩阵中的每一行分别做行快速傅里叶变换处理，得到待检测图像的维频域待滤波矩阵B，和分别为大于1的整数；
步骤5，根据待检测图像的维频域待滤波矩阵B，分别构造L阶频域滤波器WL和P阶频域滤波器WP，其中L阶频域滤波器WL为M'×N'维矩阵，P阶频域滤波器WP为M”×N”维矩阵，P<L；所述频域滤波器WL的阶数与待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数相等；
使用L阶频域滤波器WL和P阶频域滤波器WP对待检测图像的维频域待滤波矩阵B分别进行背景杂波滤波处理，进而得到背景杂波滤波处理后的维统计矩阵C；
步骤6，对背景杂波滤波处理后的维统计矩阵C的每一行分别进行行逆快速傅里叶变换处理，得到逆快速傅里叶变换处理后的统计矩阵；
步骤7，对逆快速傅里叶变换处理后的统计矩阵的每一列分别进行列逆快速傅里叶变换处理，得到待检测图像的R×G维杂波能量矩阵D；R和G分别为大于1的整数；
步骤8，利用待检测图像的M×N维统计矩阵A和待检测图像的R×G维杂波能量矩阵D，计算得到感兴趣动目标的R'×G'维判定矩阵E；
步骤9，根据待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数为从感兴趣动目标的R'×G'维判定矩阵E中的第L/2行、第L/2列元素开始，截取大小为X'×Y'维的矩阵，将所述X'×Y'维的矩阵记为感兴趣动目标的X'×Y'维有效判定矩阵F；X'和Y'分别为0的整数；
步骤10，根据待检测图像的R×G维杂波能量矩阵D，计算得到动目标判定门限值-lnPfa，然后将感兴趣动目标的X'×Y'维有效判定矩阵F中每一个元素分别与动目标判定门限值-lnPfa作比较，得到感兴趣动目标的X'×Y'维有效判定矩阵F中大于或等于动目标判定门限值-lnPfa的所有元素各自对应的像素，记为感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的个像素；
其中，感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的像素个数取值与待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数取值相同；进而检测到了待检测图像的幅度矩阵I中包含的感兴趣动目标，即检测到了SAR雷达成像中的感兴趣动目标。
本发明与现有方法相比，具有以下优点：
本发明方法能够减少传统CFAR检测算法的运算量，提高运算效率，并能够快速实现SAR图像中的动目标检测，且能够扩展为不同分布模型下采用CFAR检测器的目标检测算法。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的一种基于滤波的雷达目标快速CFAR检测方法流程图；
图2(a)为使用传统CFAR算法对实测数据进行目标检测后得到的检测结果示意图，
图2(b)为使用本发明方法对实测数据进行目标检测后得到的检测结果示意图；
图3为使用传统CFAR算法、快速迭代CFAR算法和本发明方法分别对不同像素数图形进行目标检测所用时间的对比图。
具体实施方式
参照图1，为本发明的一种基于滤波的雷达目标快速CFAR检测方法流程图；所述下基于滤波的雷达目标快速CFAR检测方法，包括以下步骤：
步骤1，获取SAR雷达回波数据，并对SAR雷达回波数据进行成像，得到SAR雷达成像数据；由于SAR雷达成像数据可能服从不同的分布模型，对应的各种分布模型分别随着SAR雷达成像的分辨率和成像参数变化而不同，高斯分布、负指数分布、对数正态分布、K分布都能够用来拟合目标并检测目标的背景杂波，本发明实施例采用瑞利分布拟合目标并检测目标的背景杂波。
将所述SAR雷达成像数据记为待检测图像的幅度矩阵I，其中待检测图像的像素数为X”×Y”，X”表示待检测图像的幅度矩阵行数对应包含的像素个数，Y”表示待检测图像的幅度矩阵列数对应包含的像素个数；所述待检测图像的幅度矩阵I中包含感兴趣动目标和感兴趣动目标的背景杂波，且待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数为X”>Y”，为大于0的正整数。
然后根据S＝I2计算待检测图像的X×Y维能量矩阵S，所述待检测图像的X×Y维能量矩阵S服从负指数分布，X和Y分别为大于0的整数。
X表示待检测图像的X×Y维能量矩阵S的行数，Y表示待检测图像的X×Y维能量矩阵S的列数，且该待检测图像的X×Y维能量矩阵S的行数X取值与待检测图像的幅度矩阵长度对应包含的像素个数X”取值相同，该待检测图像的X×Y维能量矩阵S的列数Y取值与待检测图像的幅度矩阵宽度对应包含的像素个数Y”相同。
步骤2，构造滤除感兴趣动目标的背景杂波的滤波器，确定滤波器的阶数为L，并对待检测图像的X×Y维能量矩阵S进行补零操作，得到待检测图像的M×N维统计矩阵A，所述待检测图像的M×N维统计矩阵A为经过补零操作后待检测图像的能量矩阵，M表示待检测图像的M×N维统计矩阵A的行数，N表示待检测图像的M×N维统计矩阵A的列数，M＝X+L，N＝Y+L，1<L<min(X,Y)，min为取最小值操作，L为待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数，L为大于1的整数，X和Y分别为大于0的整数，M和N分别为大于1的整数。
步骤3，对待检测图像的M×N维统计矩阵A中的每一列分别做列快速傅里叶变换FFT处理，即对待检测图像的M×N维统计矩阵A按列进行快速傅里叶变换FFT操作，得到快速傅里叶变换FFT处理后的维统计矩阵，和分别为大于1的整数。
其中，表示快速傅里叶变换FFT处理后的维统计矩阵的行数，表示快速傅里叶变换FFT处理后的维统计矩阵的列数，且该快速傅里叶变换FFT处理后的维统计矩阵的行数取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该快速傅里叶变换FFT处理后的维统计矩阵的列数取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
步骤4，对快速傅里叶变换FFT处理后的维统计矩阵中的每一行分别做行快速傅里叶变换FFT处理，即对快速傅里叶变换FFT处理后的维统计矩阵按行进行快速傅里叶变换FFT操作，得到待检测图像的维频域待滤波矩阵B，和分别为大于1的整数。
其中，表示待检测图像的维频域待滤波矩阵B的行数，表示待检测图像的维频域待滤波矩阵B的列数，且该待检测图像的维频域待滤波矩阵B的行数取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该待检测图像的维频域待滤波矩阵B的列数取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
步骤5，根据待检测图像的维频域待滤波矩阵B，分别构造L阶频域滤波器WL和P阶频域滤波器WP，其中L阶频域滤波器WL为M'×N'维矩阵，P阶频域滤波器WP为M”×N”维矩阵，P<L；所述频域滤波器WL的阶数与待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数相等。
使用L阶频域滤波器WL和P阶频域滤波器WP对待检测图像的维频域待滤波矩阵B分别进行背景杂波滤波处理，进而得到背景杂波滤波处理后的维统计矩阵C。
5a)根据待检测图像的维频域待滤波矩阵B，构造L阶频域滤波器WL，该L阶频域滤波器WL为M'×N'维矩阵，将其中第i行、第j列元素记为WL(i,j)，计算表达式为：
其中，sin c表示辛格函数，i∈{1,2,…,M'}，j∈{1,2,…,N'}，M'表示L阶频域滤波器WL的行数，N'表示L阶频域滤波器WL的列数，且L阶频域滤波器WL的行数M'取值与表示待检测图像的M×N维统计矩阵A的行数M取值相同，该L阶频域滤波器WL的列数N'取值与表示待检测图像的M×N维统计矩阵A的列数N取值相同；1<L<min(X,Y)，min为取最小值操作，L为待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数，L为大于1的整数，X和Y分别为大于0的整数。
5b)根据待检测图像的维频域待滤波矩阵B，构造P阶频域滤波器WP，该P阶频域滤波器WP为M”×N”维矩阵，将其中第i'行、第j'列元素记为WP(i',j')，计算表达式为：
其中，sin c表示辛格函数，i'∈{1,2,…,M”}，j'∈{1,2,…,N”}，M”表示P阶频域滤波器WP的行数，N”表示P阶频域滤波器WP的列数，且该P阶频域滤波器WP的行数M”取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该P阶频域滤波器WP的列数N”取值与待检测图像的M×N维统计矩阵A的列数N取值相同， 表示待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数；所述频域滤波器WL的阶数与待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数相等。
5c)将待检测图像的维频域待滤波矩阵B与L阶频域滤波器WL和P阶频域滤波器WP分别相乘，即对待检测图像的维频域待滤波矩阵B分别进行背景杂波滤波处理，分别得到经过L阶频域滤波器的滤波矩阵和经过P阶频域滤波器的滤波矩阵。
5d)将经过L阶频域滤波器的滤波矩阵和经过P阶频域滤波器的滤波矩阵相减，进而得到背景杂波滤波处理后的维统计矩阵C，其表达式为：
C＝BWL-BWP
其中，表示背景杂波滤波处理后的维统计矩阵C的行数，表示背景杂波滤波处理后的维统计矩阵C的列数，且该背景杂波滤波处理后的维统计矩阵C的行数取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该背景杂波滤波处理后的维统计矩阵C的列数取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
步骤6，对背景杂波滤波处理后的维统计矩阵C的每一行分别进行行逆快速傅里叶变换IFFT处理，即对背景杂波滤波处理后的维统计矩阵C按行进行逆快速傅里叶变换IFFT操作，得到逆快速傅里叶变换IFFT处理后的统计矩阵。
步骤7，对逆快速傅里叶变换IFFT处理后的统计矩阵的每一列分别进行列逆快速傅里叶变换IFFT处理，即对逆快速傅里叶变换IFFT处理后的统计矩阵按列进行逆快速傅里叶变换IFFT操作，得到待检测图像的R×G维杂波能量矩阵D，R和G分别为大于1的整数。
其中，R表示待检测图像的R×G维杂波能量矩阵D的行数，G表示待检测图像的R×G维杂波能量矩阵D的列数，且该待检测图像的R×G维杂波能量矩阵D的行数R取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该待检测图像的R×G维杂波能量矩阵D的列数G取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
步骤8，利用待检测图像的M×N维统计矩阵A和待检测图像的R×G维杂波能量矩阵D，根据下面的公式计算感兴趣动目标的R'×G'维判定矩阵E：
其中，R'表示感兴趣动目标的R'×G'维判定矩阵E的行数，G'表示感兴趣动目标的R'×G'维判定矩阵E的列数，且该感兴趣动目标的R'×G'维判定矩阵E的行数R'取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该感兴趣动目标的R'×G'维判定矩阵E的列数G'取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
步骤9，根据待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数为从感兴趣动目标的R'×G'维判定矩阵E中的第L/2行、第L/2列元素开始，截取大小为X'×Y'维的矩阵，将所述X'×Y'维的矩阵记为感兴趣动目标的X'×Y'维有效判定矩阵F；X'和Y'分别为0的整数，为大于0的正整数。
X'表示感兴趣动目标的X'×Y'维有效判定矩阵F的行数，Y'表示感兴趣动目标的X'×Y'维有效判定矩阵F的列数，且该感兴趣动目标的X'×Y'维有效判定矩阵F的行数X'取值与待检测图像的幅度矩阵长度对应包含的像素个数X”取值相同，该感兴趣动目标的X'×Y'维有效判定矩阵F的列数Y'取值与待检测图像的幅度矩阵宽度对应包含的像素个数Y”相同。
步骤10，设定虚警率Pfa，0<Pfa<1，并计算动目标检测门限值T，其计算公式为：
动目标检测门限值T的表达式为：T＝-D×lnPfa
根据动目标检测门限值T计算得到动目标判定门限值-lnPfa，
如果待检测图像的M×N维统计矩阵A大于或等于动目标检测门限值T，则待检测图像的M×N维统计矩阵A中存在感兴趣动目标，由此依次可得A≥-D×lnPfa，E≥-lnPfa，F≥-ln Pfa。
然后，将感兴趣动目标的X'×Y'维有效判定矩阵F中第m行、第n列元素记为Fmn，并将该第m行、第n列元素Fmn与动目标判定门限值-lnPfa进行比较，进行感兴趣动目标检测判定，其判定条件为：
如果符合判定条件，则认为该感兴趣动目标的X'×Y'维有效判定矩阵F中第m行、第n列元素对应的像素为感兴趣动目标中的第h个像素，h∈{1,2,…,m}。
当m＝1时，令n分别取1至Y'，分别得到感兴趣动目标的X'×Y'维有效判定矩阵F中第1行、第1列元素对应的像素至感兴趣动目标的X'×Y'维有效判定矩阵F中第1行、第Y'列元素对应的像素，然后分别与-lnPfa作比较，Pfa为设定的虚警率，ln表示以为e底的对数操作，进而得到感兴趣动目标的X'×Y'维有效判定矩阵F中第1行、Y'列元素对应感兴趣动目标中的m1个像素，且该m1个像素分别在感兴趣动目标的X'×Y'维有效判定矩阵F中有确定唯一的行值和列值，
然后令m分别取2至X'，分别得到感兴趣动目标的X'×Y'维有效判定矩阵F中第2行、Y'列元素对应感兴趣动目标中的m2个像素至感兴趣动目标的X'×Y'维有效判定矩阵F中第X'行、Y'列元素对应感兴趣动目标中的mX'个像素，并记为感兴趣动目标中的个像素，d∈{2,…,X'}，md表示感兴趣动目标的X'×Y'维有效判定矩阵F中第d行、Y'列元素对应感兴趣动目标中的像素个数，且感兴趣动目标的X'×Y'维有效判定矩阵F中第d行、Y'列元素对应感兴趣动目标中的md个像素分别在感兴趣动目标的X'×Y'维有效判定矩阵F中有确定唯一的行值和列值，
最后计算得到感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的个像素，感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的像素个数取值与待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数取值相同；进而检测到了待检测图像的幅度矩阵I中包含的感兴趣动目标，即检测到了SAR雷达成像中的感兴趣动目标。
下面结合仿真实验对本发明效果作进一步验证说明。
(一)实测数据采集系统参数
动目标检测实验中，本发明方法将与传统CFAR算法进行比较，仿真采用机载多通道SAR杂波对消后的动目标粗聚焦图像，截取大小为512×512点像素的SAR图像。为了去除其他目标对检测像素的干扰，实验中采用空心滑窗对背景杂波进行统计特性估计，考虑到SAR图像中动目标尺寸和场景分辨率，保护窗的大小设为51×51，背景数据窗的大小为71×71；仿真中认为背景杂波是均匀的，设定的虚警率Pfa取值为10-2。
(二)实测数据目标检测处理内容及结果
图2(a)为使用传统CFAR算法对实测数据进行目标检测后得到的检测结果示意图，图2(b)为使用本发明方法对实测数据进行目标检测后得到的检测结果示意图；从图2(a)和图2(b)可以看出，在检测结果方面，传统CFAR算法检测到目标的像素个数为132，本发明方法检测到目标的像素个数为132，因此本发明方法与传统CFAR算法具有相同的目标检测性能；在检测时间上，根据实验设定的仿真参数，与传统算法相比，理论上本发明方法能够提高检测速度约20倍。
实际测试结果如下，传统CFAR算法检测用时4.9s，本发明方法用时0.35s；实测结果与理论值基本相同，说明了在相同仿真环境下，本发明方法在目标检测性能与传统CFAR算法相同的情况下，所用检测时间大大缩短，具有更高的目标检测效率。
(三)检测结果分析
为了进一步说明本发明方法的快速检测性能，这里对不同数据大小的SAR图像进行目标检测仿真实验；仿真中对包含256×256个像素数的SAR图像、包含512×512个像素数的SAR图像、包含1024×1024个像素数的SAR图像、包含2048×2048个像素数的SAR图像分别进行动目标检测，图3为使用传统CFAR算法、快速迭代CFAR算法和本发明方法分别对不同像素数图形进行目标检测所用时间的对比图。
从图3中可以看出，检测时间随着图像像素的变化线性增长；并且与传统CFAR算法相比，快速迭代CFAR算法能够减少检测时间，提高检测速度；本发明方法通过降低算法复杂度有效减少CFAR检测算法的运算量，降低检测时间，进一步提高SAR图像动目标检测效率，在精确得到背景杂波的分布模型统计参数的同时，快速实现SAR图像动目标实时检测。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围；这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，包括以下步骤：
步骤1，获取SAR雷达回波数据，并对SAR雷达回波数据进行成像，得到SAR雷达成像数据；
将所述SAR雷达成像数据记为待检测图像的幅度矩阵I，其中待检测图像的像素数为X”×Y”，X”表示待检测图像的幅度矩阵行数对应包含的像素个数，Y”表示待检测图像的幅度矩阵列数对应包含的像素个数；所述待检测图像的幅度矩阵I中包含感兴趣动目标和感兴趣动目标的背景杂波，且待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数为X”>Y”，为大于0的正整数；
然后计算待检测图像的X×Y维能量矩阵S，X表示待检测图像的X×Y维能量矩阵S的行数，Y表示待检测图像的X×Y维能量矩阵S的列数，X和Y分别为大于0的整数；
步骤2，对待检测图像的X×Y维能量矩阵S进行补零操作，得到待检测图像的M×N维统计矩阵A，所述待检测图像的M×N维统计矩阵A为经过补零操作后待检测图像的能量矩阵，M表示待检测图像的M×N维统计矩阵A的行数，N表示待检测图像的M×N维统计矩阵A的列数，M＝X+L，N＝Y+L，1<L<min(X,Y)，min为取最小值操作，L为待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数，L为大于1的整数，M和N分别为大于1的整数；
步骤3，对待检测图像的M×N维统计矩阵A中的每一列分别做列快速傅里叶变换处理，得到快速傅里叶变换处理后的维统计矩阵，和分别为大于1的整数；
步骤4，对快速傅里叶变换处理后的维统计矩阵中的每一行分别做行快速傅里叶变换处理，得到待检测图像的维频域待滤波矩阵B，和分别为大于1的整数；
步骤5，根据待检测图像的维频域待滤波矩阵B，分别构造L阶频域滤波器WL和P阶频域滤波器WP，其中L阶频域滤波器WL为M'×N'维矩阵，P阶频域滤波器WP为M”×N”维矩阵，P<L；所述频域滤波器WL的阶数与待检测图像的M×N维统计矩阵A的行数或者列数进行补零的个数相等；
使用L阶频域滤波器WL和P阶频域滤波器WP对待检测图像的维频域待滤波矩阵B分别进行背景杂波滤波处理，进而得到背景杂波滤波处理后的维统计矩阵C；
步骤6，对背景杂波滤波处理后的维统计矩阵C的每一行分别进行行逆快速傅里叶变换处理，得到逆快速傅里叶变换处理后的统计矩阵；
步骤7，对逆快速傅里叶变换处理后的统计矩阵的每一列分别进行列逆快速傅里叶变换处理，得到待检测图像的R×G维杂波能量矩阵D；R和G分别为大于1的整数；
步骤8，利用待检测图像的M×N维统计矩阵A和待检测图像的R×G维杂波能量矩阵D，计算得到感兴趣动目标的R'×G'维判定矩阵E；
步骤9，根据待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数为从感兴趣动目标的R'×G'维判定矩阵E中的第L/2行、第L/2列元素开始，截取大小为X'×Y'维的矩阵，将所述X'×Y'维的矩阵记为感兴趣动目标的X'×Y'维有效判定矩阵F；X'和Y'分别为0的整数；
步骤10，根据待检测图像的R×G维杂波能量矩阵D，计算得到动目标判定门限值-lnPfa，然后将感兴趣动目标的X'×Y'维有效判定矩阵F中每一个元素分别与动目标判定门限值-lnPfa作比较，得到感兴趣动目标的X'×Y'维有效判定矩阵F中大于或等于动目标判定门限值-lnPfa的所有元素各自对应的像素，记为感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的个像素；
其中，感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的像素个数取值与待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数取值相同；进而检测到了待检测图像的幅度矩阵I中包含的感兴趣动目标，即检测到了SAR雷达成像中的感兴趣动目标。
2.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤1中，所述待检测图像的X×Y维能量矩阵S，其表达式为：
S＝I2；所述待检测图像的X×Y维能量矩阵S服从负指数分布，X表示待检测图像的X×Y维能量矩阵S的行数，Y表示待检测图像的X×Y维能量矩阵S的列数，且该待检测图像的X×Y维能量矩阵S的行数X取值与待检测图像的幅度矩阵长度对应包含的像素个数X”取值相同，该待检测图像的X×Y维能量矩阵S的列数Y取值与待检测图像的幅度矩阵宽度对应包含的像素个数Y”相同。
3.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤3中，所述快速傅里叶变换处理后的维统计矩阵，还包括：
表示快速傅里叶变换处理后的维统计矩阵的行数，表示快速傅里叶变换处理后的维统计矩阵的列数，且该快速傅里叶变换处理后的维统计矩阵的行数取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该快速傅里叶变换处理后的维统计矩阵的列数取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
4.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤4中，所述待检测图像的维频域待滤波矩阵B，还包括：
表示待检测图像的维频域待滤波矩阵B的行数，表示待检测图像的维频域待滤波矩阵B的列数，且该待检测图像的维频域待滤波矩阵B的行数取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该待检测图像的维频域待滤波矩阵B的列数取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
5.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，步骤5的子步骤为：
5a)根据待检测图像的维频域待滤波矩阵B，构造L阶频域滤波器WL，该L阶频域滤波器WL为M'×N'维矩阵，将其中第i行、第j列元素记为WL(i,j)，计算表达式为：
其中，sinc表示辛格函数，i∈{1,2,…,M'}，j∈{1,2,…,N'}，M'表示L阶频域滤波器WL的行数，N'表示L阶频域滤波器WL的列数，且L阶频域滤波器WL的行数M'取值与表示待检测图像的M×N维统计矩阵A的行数M取值相同，该L阶频域滤波器WL的列数N'取值与表示待检测图像的M×N维统计矩阵A的列数N取值相同；
5b)根据待检测图像的维频域待滤波矩阵B，构造P阶频域滤波器WP，该P阶频域滤波器WP为M”×N”维矩阵，将其中第i'行、第j'列元素记为WP(i',j')，计算表达式为：
其中，sinc表示辛格函数，i'∈{1,2,…,M”}，j'∈{1,2,…,N”}，M”表示P阶频域滤波器WP的行数，N”表示P阶频域滤波器WP的列数，且该P阶频域滤波器WP的行数M”取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该P阶频域滤波器WP的列数N”取值与待检测图像的M×N维统计矩阵A的列数N取值相同， 表示待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数；
5c)将待检测图像的维频域待滤波矩阵B与L阶频域滤波器WL和P阶频域滤波器WP分别相乘，即对待检测图像的维频域待滤波矩阵B分别进行背景杂波滤波处理，分别得到经过L阶频域滤波器的滤波矩阵和经过P阶频域滤波器的滤波矩阵；
5d)将经过L阶频域滤波器的滤波矩阵和经过P阶频域滤波器的滤波矩阵相减，进而得到背景杂波滤波处理后的维统计矩阵C，其表达式为：
C＝BWL-BWP
其中，表示背景杂波滤波处理后的维统计矩阵C的行数，表示背景杂波滤波处理后的维统计矩阵C的列数，且该背景杂波滤波处理后的维统计矩阵C的行数取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该背景杂波滤波处理后的维统计矩阵C的列数取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
6.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤7中，所述待检测图像的R×G维杂波能量矩阵D，还包括：
R表示待检测图像的R×G维杂波能量矩阵D的行数，G表示待检测图像的R×G维杂波能量矩阵D的列数，且该待检测图像的R×G维杂波能量矩阵D的行数R取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该待检测图像的R×G维杂波能量矩阵D的列数G取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
7.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤8中，所述感兴趣动目标的R'×G'维判定矩阵E，其表达式为：
其中，R'表示感兴趣动目标的R'×G'维判定矩阵E的行数，G'表示感兴趣动目标的R'×G'维判定矩阵E的列数，且该感兴趣动目标的R'×G'维判定矩阵E的行数R'取值与待检测图像的M×N维统计矩阵A的行数M取值相同，该感兴趣动目标的R'×G'维判定矩阵E的列数G'取值与待检测图像的M×N维统计矩阵A的列数N取值相同。
8.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤9中，所述X'×Y'维的矩阵记为感兴趣动目标的X'×Y'维有效判定矩阵F，还包括：
X'表示感兴趣动目标的X'×Y'维有效判定矩阵F的行数，Y'表示感兴趣动目标的X'×Y'维有效判定矩阵F的列数，且该感兴趣动目标的X'×Y'维有效判定矩阵F的行数X'取值与待检测图像的幅度矩阵长度对应包含的像素个数X”取值相同，该感兴趣动目标的X'×Y'维有效判定矩阵F的列数Y'取值与待检测图像的幅度矩阵宽度对应包含的像素个数Y”相同。
9.如权利要求1所述的一种基于滤波的雷达目标快速CFAR检测方法，其特征在于，在步骤10中，所述感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的个像素，其得到过程为：
将感兴趣动目标的X'×Y'维有效判定矩阵F中第m行、第n列元素记为Fmn，并将该第m行、第n列元素Fmn与动目标判定门限值-lnPfa进行比较，进行感兴趣动目标检测判定，其判定条件为：
如果符合判定条件，则认为该感兴趣动目标的X'×Y'维有效判定矩阵F中第m行、第n列元素对应的像素为感兴趣动目标中的第h个像素，h∈{1,2,…,m}；
当m＝1时，令n分别取1至Y'，分别得到感兴趣动目标的X'×Y'维有效判定矩阵F中第1行、第1列元素对应的像素至感兴趣动目标的X'×Y'维有效判定矩阵F中第1行、第Y'列元素对应的像素，然后分别与-lnPfa作比较，ln表示以为e底的对数操作，进而得到感兴趣动目标的X'×Y'维有效判定矩阵F中第1行、Y'列元素对应感兴趣动目标中的m1个像素，且该m1个像素分别在感兴趣动目标的X'×Y'维有效判定矩阵F中有确定唯一的行值和列值，
然后令m分别取2至X'，分别得到感兴趣动目标的X'×Y'维有效判定矩阵F中第2行、Y'列元素对应感兴趣动目标中的m2个像素至感兴趣动目标的X'×Y'维有效判定矩阵F中第X'行、Y'列元素对应感兴趣动目标中的mX'个像素，并记为感兴趣动目标中的个像素，d∈{2,…,X'}，md表示感兴趣动目标的X'×Y'维有效判定矩阵F中第d行、Y'列元素对应感兴趣动目标中的像素个数，且感兴趣动目标的X'×Y'维有效判定矩阵F中第d行、Y'列元素对应感兴趣动目标中的md个像素分别在感兴趣动目标的X'×Y'维有效判定矩阵F中有确定唯一的行值和列值，
最后计算得到感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的个像素，感兴趣动目标的X'×Y'维有效判定矩阵F中X'行、Y'列元素对应感兴趣目标中的像素个数取值与待检测图像的幅度矩阵I中的感兴趣动目标所占像素个数取值相同；进而检测到了待检测图像的幅度矩阵I中包含的感兴趣动目标，即检测到了SAR雷达成像中的感兴趣动目标。
CN201710052763.4A 2017-01-24 2017-01-24 基于滤波的雷达目标快速cfar检测方法 Active CN106842143B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710052763.4A CN106842143B (zh) 2017-01-24 2017-01-24 基于滤波的雷达目标快速cfar检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710052763.4A CN106842143B (zh) 2017-01-24 2017-01-24 基于滤波的雷达目标快速cfar检测方法

Publications (2)

Publication Number Publication Date
CN106842143A CN106842143A (zh) 2017-06-13
CN106842143B true CN106842143B (zh) 2019-07-09

Family

ID=59120318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710052763.4A Active CN106842143B (zh) 2017-01-24 2017-01-24 基于滤波的雷达目标快速cfar检测方法

Country Status (1)

Country Link
CN (1) CN106842143B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107255804B (zh) * 2017-07-31 2020-04-10 西安电子科技大学 基于杂波轮廓图的动目标显示滤波器滤波方法
CN110261838B (zh) * 2019-07-02 2022-05-17 中国航空工业集团公司雷华电子技术研究所 一种道面外来物探测方法、装置及探测雷达
CN112099103A (zh) * 2020-09-14 2020-12-18 北京数衍科技有限公司 行人信息检测方法、装置及电子设备
CN112649791B (zh) * 2020-12-24 2022-08-05 北京海兰信数据科技股份有限公司 一种雷达回波处理方法及装置
CN112836707B (zh) * 2021-01-11 2022-03-22 西安电子科技大学 一种isar图像空中目标长度特征提取方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928840A (zh) * 2012-10-29 2013-02-13 中国人民解放军空军装备研究院侦察情报装备研究所 多通道sar地面慢动目标检测方法及装置
CN102968799B (zh) * 2012-12-12 2014-12-10 北京航空航天大学 一种基于积分图像的快速acca-cfar sar图像目标检测方法
CN103076602B (zh) * 2012-12-27 2016-06-01 中国人民解放军海军航空工程学院 针对多目标背景的雷达自适应恒虚警率融合检测方法
CN103777189A (zh) * 2014-01-26 2014-05-07 电子科技大学 一种基于信息几何复自回归模型的雷达弱目标检测方法
CN103995259B (zh) * 2014-06-06 2016-05-18 中国人民解放军海军航空工程学院 密集干扰环境下雷达目标自适应滤波融合检测方法

Also Published As

Publication number Publication date
CN106842143A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
CN106842143B (zh) 基于滤波的雷达目标快速cfar检测方法
CN105354541B (zh) 基于视觉注意模型和恒虚警率的sar图像目标检测方法
CN107229918B (zh) 一种基于全卷积神经网络的sar图像目标检测方法
CN103729854B (zh) 一种基于张量模型的红外弱小目标检测方法
Liu et al. Deep learning and recognition of radar jamming based on CNN
CN106772379B (zh) 基于傅里叶变换的双参数cfar舰船检测方法
CN104076360B (zh) 基于压缩感知的二维sar稀疏目标成像方法
CN103605121B (zh) 基于快速稀疏贝叶斯学习算法的宽带雷达数据融合方法
AU2011303657B8 (en) Processing sar imagery
EP2431764A1 (en) Processing SAR imagery
Liu et al. Moving dim and small target detection in multiframe infrared sequence with low SCR based on temporal profile similarity
Wei et al. CARNet: An effective method for SAR image interference suppression
CN111274911A (zh) 基于无线微波衰减特征迁移学习的浓雾监测方法
Krichene et al. Compressive sensing and stretch processing
Shen et al. SAR imaging with structural sparse representation
CN107729903A (zh) 基于区域概率统计和显著性分析的sar图像目标检测方法
CN103903258B (zh) 基于次序统计量谱聚类的遥感图像变化检测方法
Voccola et al. On the relationship between the generalized likelihood ratio test and backprojection for synthetic aperture radar imaging
Lu et al. Research on rainfall identification based on the echo differential value from X-band navigation radar image
Fan et al. A deceptive jamming template synthesis method for SAR using generative adversarial nets
CN107230201A (zh) 基于样本自标定elm的在轨sar图像变化检测方法
Zhuge et al. Automatic target recognition in ultra-wideband 3-D images for concealed weapon detection
Mitchell et al. ISAR Imaging in the Presence of Quasi-Random Multiplicative Noise Using Convolutional Deep Learning
Gueven et al. An augmented Lagrangian method for sparse SAR imaging
Xie et al. Foliage-concealed target detection based on deep learning in low frequency UWB SAR images

Legal Events

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