基于恒虛警檢測的圖像聲吶目標跟蹤

呂曜輝，胡明陽，唐勝雨，徐 媛，李興順

（中國海洋大學 信息科學與工程學部，山東 青島 266404）

0 引言

聲吶是利用聲波對水下目標進行探測并獲取目標相關信息的重要設備。由于聲波是目前已知唯一能在海洋環境中遠距離傳播的能量形式，人們常用聲吶對海面及海面下的目標進行檢測，這在民用和軍用方面都起著關鍵的作用。最初的聲吶起源于對冰山的探測，能夠避免航行的船只觸碰前方海面及海面下隱藏的冰山和礁石，后續被用到軍事方面，如偵測潛藏在水底的潛艇，對海面的監控或對魚雷的檢測。此外，聲吶技術還廣泛應用于魚群探測、資源勘探、船舶導航、水下作業等各方面。其中，在海雜波背景下對各種目標的探測，可以說是水下信號處理的重要領域[1]。

受制于海洋特殊的環境，其傳播空間通常較為狹窄，且海水成分具有較強的不均勻性，和聲吶載具通常應用在海洋邊界等特點，使聲吶發出的聲波在海洋中傳播時易發生散射，散射后聲波相互疊加會形成強烈的混響。非平穩的混響是主動聲吶的主要干擾之一[2-3]，因此對混響干擾的抑制具有重要意義。

對于聲吶信號或雷達信號，目標檢測的根本任務就是判斷所關注的目標是否存在。目標的信息全部體現在聲吶的接收信號中，但接收信號同時還混雜著雜波和接收機、發射機等的噪聲干擾，因此聲吶信號處理中的核心任務就是要對聲吶接收到的回波數據進行處理，判斷背景環境中目標是否存在，進而計算出目標的運動參數等更多信息。

水下目標跟蹤通常是指利用不同種類的傳感器取得探測范圍內距離、方位等的量測信息，通過濾波算法對目標的速度、位置等狀態在時間上進行連續地估計與預測[4]。傳統的水下目標跟蹤技術主要有基于聲吶圖像的目標跟蹤和基于聲吶陣列的目標跟蹤。主要應用在濾波方面，即糾正海洋目標軌跡。且隨著無人化、智能化探測成為水下目標探測的趨勢[5-6]，針對水下移動小目標的跟蹤問題，本文設計了一套時域聯系的處理方法，在傳統恒虛警處理的基礎上[7]，為門限的判決引入過去時間的參數，減少靜態干擾影響。并在恒虛警處理的基礎上，通過聲吶圖像的目標運動位置預測與保持，實現水下移動目標的探測跟蹤。

1 恒虛警檢測

信號檢測的基本問題可以看成在有噪聲存在的目標信號中，確定研究目標是否存在，或者對目標在何種希望的約束條件下進行最優判決的問題。比如典型的二元信號檢測理論模型，將接收到的回波數據按最小分辨單元構成檢測序列，利用某種門限對其判決，如果序列的值達到設定的門限，則認為對應單元存在目標；若小于設定的門限，則認為其單元不存在目標。

如用H0表示接收到的回波信號中只有雜波，沒有目標存在；H1表示接收到的回波中目標和雜波同時存在，則將Pfa＝P(H1|H0)稱為虛警概率。所謂恒虛警技術就是一種保持恒定虛警率的濾波手段[8]，在實際聲吶信號的處理中，虛警問題是目標檢測要解決的首要問題。在聲吶接收的回波數據中，由于回波信號會受到時間、空間、信號頻率、環境參數等多重因素的改變而產生較大的變化，其接收的信號強度也會不斷變化，因此，想要控制較低且相對恒定的虛警率，通常需要依據具體的回波數據來對接收回波的背景特性進行估計，隨之產生動態的判決門限，以適應復雜多變的海洋壞境。

為了解決上述問題，降低混響等干擾的影響，在信號處理方面，人們通常利用恒虛警檢測技術[9]。由于混響是一個復雜的非平穩隨機過程，在回波檢測過程中需要使用動態的門限對目標的存在與否進行判決。恒虛警檢測方法通過估計回波信號的局部噪聲功率，動態設定檢測門限，來提高聲吶對信號在各種噪聲和混響背景情況下的檢測能力。

其檢測原理如圖1所示，若假定海雜波的干擾幅度服從瑞利分布，即

圖1 單元平均恒虛警檢測器原理圖Fig.1 Principle diagram of CA-CFAR detector

虛警率的表達式為

可得動態門限與功率的關系：

以上述假設為例，要保持恒定的虛警率，也就是預設相同的Pfa，此時動態門限T僅取決于功率估計E(x)。由于通常聲吶接收到的回波信號存在時空相關性，因此，可以考慮使用其周圍相鄰的雜波樣本來估計背景雜波功率。傳統的恒虛警處理就是利用回波數據單元周圍的局部功率來代替E(x)[11]，從而得到動態的檢測門限T，能夠有效抑制混響干擾。

如圖1所示，在待檢測單元周圍選取一個參考窗，將其中參考單元取均值作為該點的E(x)，同時為了避免高分辨率下一個目標占據多個分辨單元，自己屏蔽自己的情況，通常設計一定保護單元。將整個窗口在信號中滑動，或直接卷積或頻域處理可以得到所有單元的動態門限，完成目標檢測。

然而，不管如何假定背景雜波模型與處理方式，傳統恒虛警處理只能一定程度上抑制背景雜波，對于相對恒定的強干擾，如地形山脈、沉船等非目標的干擾并無直接去除能力。

基于目標的移動特點，即為了消除相對靜態的干擾，本文將單元平均恒虛警算法與時域處理相結合，在恒虛警處理的門限選擇時，引入過去時間的相同空間位置處的權重，即

式中：T（n）是第n時刻的某位置門限，例如式（3），由恒虛警處理得到；f（n–1）是第n–1時刻某位置的強度值；nω為前n時刻的權重。在動態門限的計算時，通過引入過去時間強度的積累，使靜態干擾的門限變高，進而抑制在時間上始終存在的恒定干擾。

2 自動目標跟蹤

為了進一步驗證恒虛警處理效果，并從抑制噪聲后的聲吶圖中得到移動目標，本文配套提出了一套基于目標移動的自動跟蹤方法，不同于傳統目標跟蹤方法，如卡爾曼濾波、粒子濾波等。該方法并沒有涉及過多目標參數，也無需大量的迭代濾波，更偏向于從較為干凈的連續聲吶圖像中自動提取移動目標。

圖2為跟蹤方法的大體流程，方法的核心是建立一個二維矩陣，稱之為目標的跟蹤矩陣。利用該矩陣，可以將每一幀圖像中可能的目標點進行比較與聯系。在跟蹤處理之前可以對輸入矩陣進行適當壓縮，如距離維度分辨率過高的情況下，可以將多個數據看為一個單元來提高運算效率。

圖2 目標跟蹤算法流程Fig.2 Target tracking algorithm flow

首先是對聲吶圖像所有單元的掃描，根據能量大小保留出前N個可能的單元，將單元的距離、角度和能量信息一并保存，此時可以認為其中包含了移動的目標單元。將每一幀N點信息保存為跟蹤矩陣的一行，每一列則代表著一組連續的觀察點，只有被判定為和上行該列的點為連續運動的點才會被存儲到其中。

通過存儲每一幀聲吶圖像中強度較大的點的位置信息，逐幀之間進行比較，通過信號強度、距離、方位的關系判決是否能與之前幀的點聯系起來，構成連續運動的目標。若下一幀的點未能與前幀的點聯系起來，則在跟蹤矩陣的后面新增一列來對其引入跟蹤觀察。同時允許目標暫時的丟失，給每一組點線性的位置預測，若丟失目標后續能與預測點重新聯系即視為預測正確，清除記錄狀態；若一定時間容限后仍未聯系成功的點，則進行刪除；一定時間后仍聯系成功的點，將之前的位置信息一并框出，形成軌跡，以達到目標的自動跟蹤。

3 實驗數據處理

湖試實驗選自新安江水域，選用直徑40 cm的目標小球，布放深度9 m，以最慢航速航行，基陣布放深度6.8 m，主動發出并接收一定時間的聲吶信號。經過信號的補償、解調等處理后的某幀聲吶圖像如圖3所示。

圖3 原始聲吶圖像Fig.3 Original sonar image

如圖3所示為解調后某幀的聲吶圖像，表明了探測范圍360°和150 m內回波信號，其中存在大量雜波干擾，移動的目標小球在圖中用紅框圈出。為了抑制混響干擾、減少噪聲，對二維的聲吶圖像進行恒虛警處理，從角度維和距離維上滑動處理窗，得到門限對聲吶數據進行判決，能夠有效減少背景干擾。恒虛警處理結果如圖4所示。

圖4 恒虛警處理后圖像Fig.4 Image processed with constant false alarm

時域聯合恒虛警處理結果如圖5所示。

圖5 聯合時域處理后圖像Fig.5 Image processed with joint time-domain

如圖5所示，目標左側的一片隨時間相對恒定的非目標干擾基本消失。同時在目標框外進行掃描，以10×1大小為一個單位，超出一定閾值的單元被認為是噪聲。統計噪聲數量如圖6所示，能夠看出恒虛警處理對去除噪聲的效果，時域聯合的恒虛警方法可以進一步去除靜態噪聲。

圖6 各處理噪聲對比Fig.6 Comparison of noise of each processing method

圖7是其中某一幀時展現的跟蹤效果，紅框自動圈出的是目標移動的歷史軌跡。可見，時域聯合的恒虛警處理過后能夠有效減少干擾，并能通過自動檢測方法跟蹤到移動目標。

圖7 目標跟蹤效果（單幀）Fig.7 Single frame target tracking effect

為了從單張圖片中獲得更好的效果展示，圖8和圖9將時間上數十幀疊加到一起得到歷史軌跡，表現出處理前后的差距。由于疊加了過多張圖像，分辨率有所下降，且單張圖片中的少量干擾疊加后表現出一些數值強烈的點，但在實時單幀圖像中無需擔心。

圖8 保持疊加的原始圖像Fig.8 Superimposed original image

圖9 保持疊加的處理后原始圖像Fig.9 Superimposed processed image

4 結束語

針對水文條件不特別惡劣的聲吶圖像水下移動小目標的探測問題，本文設計了一套處理方法。首先，利用恒虛警處理去除混響干擾，在門限判決時引入時間上的歷史強度，使位置固定的靜態干擾的門限比正常恒虛警空域處理得到的門限更高，一定程度上抑制靜態干擾。之后，在處理基礎上進行目標的位置跟蹤，湖試數據的實驗證明該方法能夠有效去除干擾，自動探測跟蹤目標。