基于圖割的雷達微弱目標檢測

董秀青，郭春生，趙捷珍

(杭州電子科技大學通信工程學院，浙江 杭州 310008)

摘要：低信噪比、強機動條件下的雷達目標檢測是目前的研究難點和熱點。提出了一種基于圖割的雷達目標全局優(yōu)化檢測方法。首先對距離-多普勒信號進行空域積累，形成一定的目標圖像序列；然后對背景和目標建模，在最大后驗概率準則下，采用圖割算法對目標圖像序列進行全局優(yōu)化檢測，獲取雷達目標圖像序列；最后利用卡爾曼濾波器預測目標圖像特征，完成目標模型的更新。仿真結果表明，在低信噪比、強機動條件下，能夠有效地實現對雷達微弱目標的檢測。

關鍵詞：雷達微弱目標檢測；圖割優(yōu)化；距離-多普勒視頻幀；低信噪比

DOI: 10.13954/j.cnki.hdu.2015.02.006

基于圖割的雷達微弱目標檢測

董秀青，郭春生，趙捷珍

(杭州電子科技大學通信工程學院，浙江 杭州 310008)

摘要：低信噪比、強機動條件下的雷達目標檢測是目前的研究難點和熱點。提出了一種基于圖割的雷達目標全局優(yōu)化檢測方法。首先對距離-多普勒信號進行空域積累，形成一定的目標圖像序列；然后對背景和目標建模，在最大后驗概率準則下，采用圖割算法對目標圖像序列進行全局優(yōu)化檢測，獲取雷達目標圖像序列；最后利用卡爾曼濾波器預測目標圖像特征，完成目標模型的更新。仿真結果表明，在低信噪比、強機動條件下，能夠有效地實現對雷達微弱目標的檢測。

關鍵詞：雷達微弱目標檢測；圖割優(yōu)化；距離-多普勒視頻幀；低信噪比

DOI:10.13954/j.cnki.hdu.2015.02.006

收稿日期：2014-06-06

基金項目：國家自然科學基金資助項目(61372157)

通信作者：

作者簡介：董秀青(1988-)，女，河南安陽人，在讀研究生，信號與信息處理.郭春生教授，E-mail: guo.chsh@gmail.com.

中圖分類號：TN911.73

文獻標識碼：A

文章編號：1001-9146(2015)02-0020-05

Abstract:Now radar weak target detection is the focus of research in the condition of low SNR and strong maneuverability. A method of radar weak target detection based on graph cuts is proposed in this paper. Firstly， the range-Doppler image sequence is constructed through the spatial accumulation; Secondly， based on the target and background models， the target sequence is detected by the optimization algorithm of the graph cuts under the criterion of MAP; Finally， the parameters of target model are predicted by Karman filter to update the target model. The tests demonstrate the effectiveness of this algorithm on detecting the radar weak target in the condition of low SNR， especially for the strong maneuverability．

0引言

由于雷達微弱目標具有隱身、遠距離、高機動等特點，這給低信噪比時的目標檢測造成一定的困難。為了解決該難點研究者們提出了多種檢測方法，如相干積累檢測法通過利用回波信號的相位信息來改善目標檢測性能[1]，但是這個檢測方法的時間受限于目標分辨單元，特別是在高分辨、高速目標雷達系統中這種限制更為明顯。對于這個問題，可以利用長時間非相干積累的方法緩解[2]。基于粒子濾波的檢測前跟蹤(TBD)方法是一種重要的非相干積累法[3]，但是如果目標有著復雜的運動軌跡，檢測時采用非相干積累的方法也變得非常困難[4]。為了在低信噪比且目標運動軌跡較復雜的情況下，能夠較好地檢測到雷達微弱目標，本文提出了基于圖割的全局優(yōu)化弱目標檢測方法[4-5]。本方法不同于相干積累和非相干積累法利用時間積累來增強微弱目標的檢測能力，而是通過空域積累將周期性回波信號拼接成圖像序列，然后再利用圖割算法和卡爾曼預測來檢測拼接圖像中微弱目標的檢測。該方法為雷達微弱目標檢測提供了一個新的理論方法。

1基于圖割的雷達微弱目標檢測算法

本文提出的雷達微弱目標檢測算法，在貝葉斯最大后驗概率準則下，基于圖割算法對空域積累得到的距離-多普勒圖像序列實施目標全局優(yōu)化分割。算法的具體流程如圖1所示，其中輸入為雷達脈沖回波信號，輸出是檢測到的雷達目標信號，其過程表述為：

1)仿真產生包含雜波噪聲和微弱目標的雷達脈沖回波目標信號，經過積累形成距離-多普勒圖像序列；

2)利用混合高斯法對距離-多普勒圖像建立模型，獲取雜波背景模型；

3)根據目標、雜波背景模型，對待檢測的距離-多普勒圖像構造網絡圖并確定流量參數；

4)利用最大流/最小割算法求解網絡圖最小割，提取屬于目標的像素，實現距離-多普勒視頻圖像中雷達目標的檢測；

5)利用卡爾曼濾波器對檢測到的目標圖像進行邊長、面積的特征預測，完成目標模型的更新。更新后的目標模型和背景模型一起計算下一幀圖像的網絡參數，再執(zhí)行步驟4。如此循環(huán)實現距離-多普勒圖像序列的檢測。

上述過程中目標模型、基于圖割的目標檢測及目標參數預測是本文算法的3個關鍵點。

圖1　基于圖割的雷達微弱目標檢測算法流程圖

1.1　目標模型

基于馬爾科夫隨機場(Markov Random Field， MRF)模型對二值化目標圖像進行建模，設在二值化的目標圖像序列中，數值1表示雷達目標，數值0表示雜波背景，則二值化的目標圖像X可以采用MRF模型描述，即：

(1)

(2)

1.2　目標檢測

設圖像序列Yn中各個像素點yi處的雜波服從均值為0，方差為σ2的高斯分布且相互獨立。圖像序列Yn在二值圖像X下的似然函數為：

(3)

(4)

對式(4)兩邊取對數變?yōu)椋?/p>

(5)

求解式(5)最大值等價于在對應的網絡圖中利用最大流/最小割求最小割的問題。具體求解方法為：首先對距離-多普勒圖像序列構建一個網絡流圖，然后為網絡流圖分配流量。流量分配的方法為：如果λi-α≥0，那么將源點到像素節(jié)點i的流量設為λi-α，將像素節(jié)點i到匯點的流量設為0；若λi-α<0，則將源點到i的流量設為0，將i到匯點的流量設為為α-λi；像素節(jié)點之間的流量設為β。最后利用最大流最小割算法[6]實現前、背景分割達到目標檢測的目的。

1.3　目標模型更新

根據卡爾曼預測公式和狀態(tài)方程，能夠對目標的邊長和面積進行實時預測，從而及時更新目標模型，改善算法的檢測性能。

2實驗與分析

在實驗部分首先仿真產生距離-多普勒圖像序列，然后通過與常規(guī)雷達微弱目標檢測方法和TBD方法進行比較，驗證本文方法在低信噪比、強機動情況下對雷達弱目標檢測的有效性和可行性。

2.1　距離-多普勒圖像序列的產生

2.2　算法間的比較與分析

分別采用常規(guī)檢測方法和本文的方法對對上述產生的距離-多普勒圖像進行檢測，檢測結果如圖2所示，檢測性能指標如表1所示。

圖2　距離-多普勒序列幀的檢測結果

表1　本文算法與常規(guī)法的比較

由圖2可以觀察到在低信噪比下，基于圖割算法檢測到的雷達弱目標的運動軌跡要比常規(guī)檢測方法更加清晰。由表1可以知道在虛警概率相同的情況下，基于圖割的雷達弱目標檢測方法的檢出率較高、誤檢率更低。這表明了在低信噪比條件下，基于圖割的雷達弱目標檢測算法優(yōu)于常規(guī)檢測方法。

為了進一步驗證基于圖割的雷達弱目標檢測的有效性，與TBD方法進行比較。利用TBD方法檢測的性能指標如表2所示。

表2　本文算法與TBD法的比較

由表2可以得到在低信噪比下，基于圖割優(yōu)化的檢測方法通過預測周長、面積等魯棒性的目標特征來更新目標模型實時檢測雷達微弱目標的檢出率和誤檢率明顯優(yōu)于基于粒子濾波的TBD方法，驗證了基于圖割的全局優(yōu)化檢測方法在低信噪比條件下檢測雷達微弱目標的有效性。

3結束語

本文提出了基于圖割全局優(yōu)化的雷達微弱目標檢測方法，通過卡爾曼濾波器預測的目標模型參數，并與背景模型共同構成網絡圖模型，利用最大流/最小割算法求解網絡圖模型實現雷達弱目標檢測。本方法通過空域積累，將圖割理論應用到雷達弱目標檢測之中，較好地實現了低信噪比、強機動情況下對復雜運動目標的有效檢測。仿真結果和檢測性能指標表明了本算法在雷達微弱目標檢測中的有效性。

參考文獻

[1]Chen X， Guan J， Liu N， et al. Maneuvering Target Detection via Radon-fractional Fourier Transform-based Long-time Coherent Integration[J]. Signal Processing， IEEE Transactions on，2014，62(4):939-953．

[2]李濤，馮大政，夏宇垠.一種新的非相干積累算法[J].西安電子科技大學學報，2010，37(2):267-272．

[3]Wu Z， Su T. Radar target detect using particle filter[C]//Radar Conference， 2010 IEEE. IEEE，2010:955-958．

[4]王智玉.基于圖切優(yōu)化的雷達微弱目標檢測研究[D].杭州電子科技大學，2013．

[5]Yi F， Moon I. Image segmentation: A survey of graph-cut methods[C]//Systems and Informatics (ICSAI)， 2012 International Conference on. IEEE，2012:1 936-1 941．

[6]Boykov Y， Kolmogorov V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision[J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on，2004，26(9):1124-1137．

[7]王盼.視頻中運動目標檢測與跟蹤技術研究[D].杭州電子科技大學，2009．

Radar Weak Target Detection Based on Graph-cuts

Dong Xiuqing， Guo Chunsheng， Zhao Jiezhen

(SchoolofCommunicationEngineering，HangzhouDianziUniversity，HangzhouZhejiang310008，China)

Key words: radar weak target; graph cuts; range-Doppler sequence; low SNR