基于圖像分割的高頻雷達射頻干擾提取算法

羅忠濤, 吳太鋒, 何子述, 陳緒元

(1. 重慶郵電大學通信與信息工程學院, 重慶 400065; 2. 電子科技大學電子工程學院, 四川 成都 611731; 3. 南京電子技術研究所, 江蘇 南京 210013)

0　引　言

高頻雷達工作于高頻段,其性能容易受到由其他設備發射的同頻段射頻干擾(radio frequency interference, RFI)的影響。強RFI信號被雷達接收并經信號處理后,會在距離-多普勒(range-Doppler, RD)圖上形成直線,影響目標檢測和海雜波譜探測[1],因此RFI抑制是高頻雷達必須考慮的問題。

高頻雷達的RFI問題在高頻雷達研究中一直廣受關注。人們提出了基于不同原理的多種抑制方法,例如空域波束形成[2-3]、RD譜子空間投影[4-7]。近年來,文獻[8-10]提出基于信號時頻域分析的信號分解和消除,文獻[11-12]曾提出波形和濾波器設計方法。以上算法均采用實測數據驗證了其有效性,其中大部分要求采用不含或少含海雜波作為訓練數據。否則,要求將RFI與海雜波信號相區分,這對于算法在不同海雜波狀況下的穩健性提出了很高要求。

實際上,在RD域中實現RFI與海雜波的區分是一個有效方法,而訓練數據可通過在RD圖中選取干擾區域再逆處理至時域恢復得到。該方法對于地波雷達容易運用,對于天波雷達則必須考慮海雜波因素[11]。目前,高頻段海雜波譜特性的研究,尚不能對RD圖中雜波進行準確建模[12]。高頻海雜波譜特性復雜且隨機性大,從信號處理的角度難以給出一個有效且穩健的RD圖干擾檢測和提取的方法。

針對于此,本文首次提出將干擾提取，由信號處理問題轉化為圖像分割問題。首先采用灰度轉換函數將RD圖轉化為灰度圖;然后利用LOG算子降低高灰度的海雜波影響;最后研究直線提取算法,準確檢測RFI,定位干擾直線在RD圖中的位置,從而提取出干擾區域和干擾數據。

1　問題描述

一般情況下,RFI在RD圖上表現為平行于距離維的直線,海雜波則為零多普勒附近的帶狀區域[9]。圖1是根據文獻[9]天波雷達RD圖,進行數據恢復和RFI模型而生成的RD圖。當干擾靠近海雜波區域時,射頻干擾直線會與強海雜波相接觸甚至被淹沒。當干擾帶寬較寬時,干擾線會覆蓋全圖。這些RFI線不僅會影響目標檢測,也會影響基于海雜波特性的海態探測。因此引入RFI檢測與抑制技術對于高頻雷達來說是必須的。

圖1　天波高頻雷達RD圖

如前所述,高頻雷達RFI已不乏研究。實際經驗表明,傳統基于空域或時頻域的干擾抑制方法可以很有效,前提是訓練數據包含所有干擾分量且不被掩蓋。發射站靜默情況下錄取環境數據是可行的,但降低了雷達工作效率和訓練數據的實時性。高頻雷達一般采用當前幀數據,從中提取訓練數據,但也因此容易受到海雜波的影響。

從雷達工作狀態恢復訓練數據,海雜波是不可忽略的因素。尤其是在天波雷達中,由于大功率發射連續波,其RD圖的每個距離單元均含有強大的海雜波。因此,基于訓練數據的RFI抑制的關鍵點在于如何在海雜波影響下精確提取干擾數據。

根據海雜波形成原理可知,海雜波無法通過時域或頻域清除,只能利用其多普勒特征進行抑制。因此,如果能基于RD圖將海雜波區域予以區分,準確提取出RFI區域,那么就可以恢復出高質量的干擾數據,從而提高干擾抑制算法的性能。

分析一般的高頻雷達的RD圖,大致可分為3個區域:

(1) 海雜波區域,一般位于Bragg頻率附近,為邊緣不整齊的帶狀;

(2) 射頻干擾區域,表現為平行距離維且遍布整個距離維的直線;

(3) 噪聲區域,幅度比海雜波低很多且幅度分布差別較小。

傳統方法劃定海雜波區域是在RD圖中取多倍Bragg頻率以內區域,以外則認為含有潛在的射頻干擾。顯然,傳統方法難以解決靠近海雜波區域的窄帶RFI線。因此,有必要研究一種能夠在RD圖中檢測海雜波附近的RFI線的方法。而這在信號處理領域是個難題,盡管人眼往往能直觀分辨出海雜波附近的RFI直線。

針對該問題,本文提出采用圖像分割技術,從RD圖中準確提取與海雜波鄰近的RFI區域,從而精確地恢復出干擾數據,支撐干擾抑制算法。在此過程中,需重點考慮一個情況,即干擾線在與強海雜波相接區域被覆蓋的情形。

2　RFI檢測與提取方法

RFI線可能存在于RD圖的任何多普勒位置,臨近海雜波區域的干擾線是檢測方法設計的重點。盡管RD圖中干擾線一般為直線,但海雜波區域形狀不定,導致兩個區域的邊緣模糊,傳統直線檢測算法不能準確有效檢測出干擾線所在位置。

本文設計的RFI區域的檢測和提取方法,其基本思路是:將傳統RD圖轉換為灰度圖像,采用高斯-拉普拉斯(Laplacian of Gaussian, LOG)算子去海雜波,結合邊緣檢測算法,分段檢測再整段確定干擾線位置,提取出干擾區域。該方法的流程框圖如圖2所示,下面對各步進行詳細分析和具體介紹。

圖2　RFI區域提取的流程框圖

2.1　灰度圖像轉換

首先將RD圖轉化為灰度圖,作為后續圖像分割的對象。一般RD圖采用dB單位來呈現,以便觀察絕對幅度比海雜波小得多的噪聲和目標。本文方法將雷達常規處理得到的RD圖轉化為RD灰度圖,通過對數變換的灰度變換方法實現。

對數變換需設置合理的最小值,以控制原數據的動態范圍。灰度變換函數可以表示為

Y(p,m)=c·ln(1+b|X(p,m)|)

(1)

式中,X∈CP×M為RD圖對應矩陣;b和c分別控制動態范圍和灰度級。

在RD灰度圖中的干擾線檢測可歸為經典的直線檢測問題,但采用傳統直線檢測方法,例如邊緣檢測算子與Hough變換結合,并不能理想地檢測和定位，因此干擾線檢測算法必須專門設計。

2.2　LOG算子去海雜波

采用LOG算法處理RD灰度圖,能夠淡化海雜波區域而突出干擾邊緣線。LOG算子曾被用于數字圖像中的噪點模糊與邊緣銳化[13-15]。其中高斯平滑濾波器可以對原始灰度圖像進行平滑濾波處理,拉普拉斯銳化濾波器可以使得平滑處理過后的直線與海雜波之間的邊緣更加明顯。

LOG算子去海雜波運算如下:首先,對灰度圖像Y(p,m)進行高斯平滑濾波處理,即利用高斯平滑函數G(p,m)與Y(p,m)進行卷積得到平滑濾波后的圖像H(p,m)為

(2)

式中，G(p,m)是高斯濾波函數，表示為

(3)

然后,由線性系統卷積運算性質可得

(4)

最后,計算得到LOG算子為

(5)

式中,參數σ為濾波器的標準差,可默認為0.5。

實踐經驗發現,LOG算子在濾波與銳化處理過程中對像素點求取平均閾值,可有效降低或消除圖像中孤立噪點以及較小的噪聲組織,同時保留灰度圖像中的邊緣信息。因此,其能夠有效地去除區域內灰度漸變的海雜波。

2.3　干擾線邊緣檢測

從去雜波后圖像中檢測干擾,本文方法采用了經典邊緣檢測算子,舍棄傳統Hough變換,轉而根據干擾線特性分析,專門設計了“先檢測子線段,再連接為整線段”的方法。

首先,采用Canny算子對去海雜波后的灰度圖像H進行邊緣檢測,并對邊緣檢測后的灰度值二值化處理,凸顯區域邊緣界線。設Canny算子和二值化處理之后所得矩陣為D。

然后,基于D矩陣檢測干擾直線所在位置。設置待檢測干擾線段最小長度為m0。針對多普勒單元p、中心為k、寬度為m0線段灰度值的序列,計算其元素灰度值是否為1的比例,記錄為

(6)

之后,設定閾值α∈[0,1],判斷該線段是否可能為干擾邊緣線之子線段,并將判定為干擾直線的線段灰度值全部設為1。同時對待檢測區域上每一段的λ(p,k)和α進行比較,并重新賦值,即

(7)

至此,初步判斷中心位于(p,k)、長度m0的子線段是否為干擾邊緣。

最后,利用RFI線必貫穿所有多普勒單元的特點,對已判子線段進行再判斷,以排除非干擾邊緣的虛警。設定再判斷的閾值為β∈[0,1],計算多普勒單元p的整個距離維上元素灰度值為1的比例,記錄為

(8)

當γ(p)≥β,則確定此直線為干擾線邊緣;否則認為是虛警,并舍棄。

2.4　干擾區域與數據提取

由已檢測的干擾線邊緣,可以快速且方便地提取干擾區域,進而恢復干擾數據。

可令干擾直線所確定的干擾區域為矩陣B,其元素值為1或0,分別表示干擾和非干擾。至此完成干擾區域的提取工作。

欲恢復干擾數據,可將矩陣B與常規處理的RD圖元素值矩陣X對應元素相乘,得到矩陣

Z=B⊙X

(9)

矩陣Z即為RD圖中干擾區域的數據。將Z進行逆多普勒和逆脈沖壓縮處理,即可恢復出RFI的時域樣本數據。

3　算法性能分析與應用示例

3.1　算法性能分析

基于圖像分割技術的干擾提取算法步驟可總結為:

步驟1將接收時域數據進行脈沖壓縮和多普勒處理,得到RD圖X;

步驟2將RD圖的幅度進行對數運算,轉化為灰度圖Y,使用LOG算子去海雜波得到灰度圖H;

步驟3針對去海雜波后圖像H,采用Canny算子計算梯度并二值化,得到二值化圖像D；

步驟4通過兩次判決(子線段初判和整線段再判),確定干擾邊緣線所在的多普勒單元;

步驟5根據邊緣得到干擾區域B,對應于RD頻譜圖中干擾數據為矩陣Z。

本文圖像分割的對象是干擾線受海雜波影響下的圖像(類似圖1)。高頻雷達中有兩種情況會造成RD圖遍布條紋,需抑制后再使用本文方法。第一種是接收數據含有瞬態干擾,可采用傳統時域消除-內插的方法[1]。第二種是接收數據含有寬帶RFI,可采用濾波器設計穩定抑制,其樣本可取自于高多普勒區域。本文算法可直接用于處理雷達接收的時域數據,或經處理后的RD圖。與高頻雷達正常信號處理相比,該算法應用不需要額外知識。

前面介紹算法時處理對象是全RD圖,實際上可以通過減少多普勒單元來縮小圖像分割區域,從而降低運算量。考慮到海雜波只存在于低多普勒域,因此可取多倍(如20倍)Bragg頻率區域內為待處理區域,檢測和提取潛在的干擾線。在恢復訓練數據時,將干擾線與高多普勒區域合并為潛在干擾區域,足以抑制所有多普勒域的干擾。實踐驗證表明,如此處理能大幅減小運算量,提高運算速度,達到實時處理要求。

3.2　算法應用示例

本文算法應用的一大優勢在于,由于采用圖像分割得到了精確的干擾數據,可以支撐基于傳統思路的干擾抑制算法發揮出應有的性能且不受海雜波影響而降低性能。下面給出兩個例子:

(1) RFI數據提取用于輔助波束形成。已有的波束形成算法,需要精確的干擾樣本區域選取[2]。當高頻雷達陣列數據可用時,可采用本文方法對常規波束形成的RD圖進行干擾圖像分割,提取其區域矩陣B。然后,對每個陣元處理的RD圖,采用B提取其干擾數據Z。進而基于陣列的干擾數據,設計出抑制干擾來向的波束形成。

(2) RFI數據提取用于輔助濾波器設計。基于濾波器設計的RFI抑制方法不受空域限制,其思路是從RD圖中恢復出時域干擾數據,從而輔助濾波設計,然后用于脈沖壓縮階段抑制干擾[12]。

下面介紹本文提出的RFI提取算法如何改進基于濾波器設計的RFI抑制方法。濾波器設計以抑制干擾方法的基本思路:從當前幀接收數據中恢復干擾數據,估計干擾協方差矩陣,進行相似度約束下的濾波器設計,再通過脈沖壓縮處理來抑制RFI。

該方法的干擾抑制性能與其所恢復的干擾數據是否高質量、支持精確的干擾協方差估計有關。結合圖像分割提取干擾區域,濾波器設計抑制RFI的處理框圖如圖3所示。具體的設計算法可參考文獻[11]。

圖3　結合干擾區域提取的RFI抑制處理框圖

假設干擾提取算法所得干擾區域B并得到干擾數據Z,恢復至時域可估計協方差矩陣為R。由于Z中干噪比足夠高且海雜波很少,R能夠精確表達干擾信息,那么設計的濾波器用于再處理原數據時,脈沖壓縮可以高效率地抑制干擾。

4　仿　真

下面采用文獻[9]中天波雷達圖像進行數據恢復并模擬RFI,驗證本文提出的干擾區域精確提取算法和改進的干擾抑制方法。設天波雷達發射連續波,采用波形帶寬為20 kHz,采樣頻率50 kHz,波形周期為10 ms,相干積累周期數512。模擬RFI,合并為雷達接收數據,信號處理采用傳統匹配濾波器和快速傅里葉變換做多普勒處理,所得RD圖如圖1所示,其中多普勒單元約為0.2 Hz,距離單元約為3 km。由圖1可見,位于多普勒單元160處的RFI直線很清晰,而位于多普勒單元240處和280處的RFI處于海雜波過渡區域而難以檢測,其邊緣所在位置難以確定。

采用本文方法進行干擾區域提取和干擾抑制處理。設置動態范圍為80 dB,灰度級為255,將RD圖轉換為灰度圖像,如圖4所示。可見此時靠近海雜波的干擾直線不明顯。采用LOG算子5×5模板運算,處理灰度圖像結果如圖5所示。可以看到,強海雜波被消除,其幅度和分布規律與噪聲區域相近。同時,多普勒單元160的RFI直線邊緣清晰可見,多普勒單元240與280處干擾直線的邊緣也較清晰。這說明LOG算法能夠有效消除海雜波區域和突出干擾線邊緣。

圖4　含RFI線的RD灰度圖

圖5　LOG算子處理后圖像

采用Canny算子并進行二值化邊緣檢測,算法參數設置為高斯平滑參數2,高閾值參數0.3,低閾值為高閾值的0.4倍。結果如圖6所示。可見,多普勒單元160和280處干擾線邊緣清晰,多普勒單元240處的邊緣則不明顯,甚至出現被截斷。這也是本文算法提出要分兩次檢測來確定邊緣線的原因。

圖6　Canny算子邊緣檢測圖像

Canny算子邊緣檢測后,采用分段直線檢測算法,設置參數m0=0.1M,α=0.7,β=0.3,檢測和提取的射頻干擾直線如圖7所示。其中，藍色線段表示初步檢測的邊緣子線段,紅色實線表示再次檢測確認的邊緣整線段。可以看到,一條明顯的RFI直線被檢測到,兩條與海雜波相接甚至部分覆蓋的RFI直線也被準確提取。最后提取的干擾區域B矩陣的1元素位于162～167、237～242、278～283多普勒單元之間。

圖7　RFI位置提取結果

下面采用濾波器設計的思路, 進行干擾抑制并觀察抑制效果。采用本文提出的干擾提取算法,設計濾波抑制干擾,結果如圖8所示。可見,各條干擾線均被抑制干凈,海雜波譜基本保持不變。這是因為,干擾區域精確覆蓋干擾線,恢復的干擾樣本承載所有干擾信息且不被海雜波影響,因而設計的濾波器能夠抑制干擾直線的效果良好。

最后仿真傳統的邊緣直線檢測算法,采用傳統Canny梯度算子結合Hough變換,檢測結果如圖9所示。可以看到,不使用LOG算子而直接采用Canny邊緣檢測算子,鄰近海雜波的RFI直線的邊緣變得模糊,尤其是靠近海雜波一側的邊緣難以觀測。對比圖6,說明了采用LOG算子以去除海雜波影響、突出干擾線的必要性。

圖8　干擾抑制后的RD圖

圖9　Ganny算子、Hough變換方法的提取結果

仿真中Hough變換只取斜率為零的直線,且令其長度為M,具體做法可參考文獻[16]。通過優化Hough變換參數,能夠實現的最佳檢測結果如圖9所示。可以看到,其一大缺陷在于多普勒單元280附近RFI只能檢測出單邊緣,無法檢測靠近海雜波一側的邊緣。如果降低門限以檢測該邊緣,則會因為門限過低出現虛警。

為考察本文算法對于靠近海雜波的干擾線檢測能力,統計檢測性能時以干擾線被海雜波覆蓋的百分比為指標。例如,圖1中多普勒單元280處干擾線的覆蓋率為40%。實踐經驗顯示,本文所提算法能夠對覆蓋率達75%的干擾線實現成功檢測,具有很好的實用性。

5　結束語

針對高頻雷達的RFI提取問題,本文提出了基于RD圖的干擾區域提取算法,實現從當前幀中精確提取RFI數據。區域提取算法采用LOG算子去海雜波、分段和整段邊緣線檢測等步驟。基于干擾區域恢復的RFI時域數據,可用以輔助提高干擾抑制算法性能。實驗結果表明,本文方法能夠準確提取被海雜波部分覆蓋的RFI區域。本文也以基于濾波器設計的RFI抑制為例,說明了如何結合干擾區域提取算法來改進干擾抑制技術和提高抑制效果的原因。

參考文獻：

[1] 周文瑜, 焦培南. 超視距雷達技術[M]. 北京：電子工業出版社, 2008: 132-134.

ZHOU W Y, JIAO P N. Over-the-horizon radar technology[M]. Beijing: Publishing House of Electronics Industry, 2008: 132-134.

[2] GUO X, SUN H, YEO T S. Interference cancellation for high-frequency surface wave radar[J]. IEEE Trans.on Geoscience and Remote Sensing, 2008, 46(7): 1879-1891.

[3] TURCAJ P, ABRAMOVICH Y I, FRAZER G J. Adaptive transient and CW RF interference mitigation in HF OTH radar experimental results[J]. Proceedings of World Academy of Science, Engineering & Technology, 2008, 41(17):242-247.

[4] 文必洋,韓金柱,周企豪,等.高頻地波雷達射頻干擾抑制新算法的研究[J]. 電波科學學報, 2016,31(4):639-646.

WEN B Y, HAN J Z, ZHOU Q H, et al. New radio frequency interference suppression algorithm in high frequency surface wave radar[J].Chinese Journal of Radio Science,2016,31(4):639-646.

[5] ZHOU H, WEN B. Radio frequency interference suppression in small-aperture high-frequency radars[J]. IEEE Geoscience & Remote Sensing Letters, 2012, 9(4):788-792.

[6] WANG W, WYATT L R. Radio frequency interference cancellation for sea-state remote sensing by high-frequency radar[J]. IET Radar Sonar & Navigation, 2011, 5(4): 405-415.

[7] WANG W, WYATT L. Generalised noise cancellation method for wave estimation by HF surface wave radar[J]. IET Radar Sonar & Navigation, 2014, 8(6):622-631.

[8] 文必洋, 韓金柱, 周企豪,等. 高頻地波雷達空域射頻干擾抑制算法[J]. 西安電子科技大學學報, 2017, 44(4):132-137.

WEN B Y, HAN J Z, ZHOU Q H, et al. Radio frequency interference suppression algorithm in the spatial domian for high-frequency radars[J]. Journal of Xidian University, 2017, 44(4): 132-137.

[9] LIU Z, SU H, HU Q. Radio frequency interference cancelation for sky wave over-the-horizon radar[J]. IEEE Geoscience & Remote Sensing Letters,2016, 13(3): 304-308.

[10] GURGEL K W, BARBIN Y, SCHLICK T. Radio frequency interference suppression techniques in FMCW modulated HF Radars[C]∥Proc.of the IEEE Oceans Conference, 2007:1-4.

[11] 羅忠濤. 新體制天波超視距雷達信號處理研究[D]. 成都:電子科技大學,2015.

LUO Z T. Study on signal processing for future sky-wave over-the-horizon radar system[D]. Chengdu: University of Electronic Science and Technology of China, 2015.

[12] LUO Z, HE Z, LI J. An effective scheme for radio frequency interference suppression in high-frequency radar[C]∥Proc.of the Radar Conference, 2015: 539-544.

[13] HU J, TONG X, XIE Q, et al. An improved, feature-centric LOG approach for edge detection[C]∥Proc.of the International Conference on Computational Science and Its Applications, 2016:474-483.

[14] 賀強,晏立.基于LOG和Canny算子的邊緣檢測算法[J].計算機工程, 2011,37(3):210-212.

HE Q, YAN L. Algorithm of edge detection based on LOG and Canny operator[J].Computer Engineering,2011,37(3):210-212.

[15] RONG W, LI Z, ZHANG W, et al. An improved Canny edge detection algorithm[C]∥Proc.of the International Conference on Mechatronics and Automation, 2014:577-582.

[16] LUO Z T, SONG T C, HE Z S, et al. Approach for transient interference detection based on straight line extraction for high-frequency sky-wave radar[J].Electronics Letters,2017,53(9):618-620.