李少書，陳華杰，林萍

（杭州電子科技大學通信信息傳輸與融合技術國防重點學科實驗室，杭州310018）

基于Hough變換的葉簇環(huán)境下SAR/GMTI動目標檢測算法*

李少書，陳華杰，林萍

（杭州電子科技大學通信信息傳輸與融合技術國防重點學科實驗室，杭州310018）

葉簇環(huán)境下，當動雜波比較復雜時，常規(guī)的目標檢測算法CFAR和DPCA不能有效地濾除雜波。提出了一種基于Hough變換的葉簇環(huán)境下SAR/GMTI動目標檢測算法（HD），該算法在葉簇雜波比較復雜的情況下能夠有效濾除動雜波，提取出動目標。首先，介紹了葉簇擾動環(huán)境下的場景建模，并且給出了建模分析和建模場景仿真；其次，給出了HD算法推導過程；最后，在建?；A上對該算法和常規(guī)算法進行了對比仿真實驗。實驗結(jié)果表明，該算法在較低信噪比情況下也能保持較高的檢測概率。

SAR/GMTI，動目標檢測，雜波建模，霍夫變換

0 引言

合成孔徑雷達地面運動目標檢測（SAR-GMTI）技術綜合了對地觀測和運動目標檢測、測速定位能力，具有重要的民用和軍事價值。然而，地面葉簇會受天氣影響產(chǎn)生擾動，這會對SAR目標檢測產(chǎn)生很大的干擾。一方面，信號在葉簇擾動環(huán)境中傳遞時，隨著環(huán)境雜波復雜度的增加，信號的雙程衰減也就越明顯，最后引起目標信雜比嚴重下降，產(chǎn)生較高的虛警率。另一方面，葉簇的擾動會對回波數(shù)據(jù)產(chǎn)生干擾，影響真實目標的檢測。

在雜波抑制方面，經(jīng)典的雜波抑制方法有空時自適應處理（Space-Time Adaptive Processing，簡稱STAP）方法、天線相位中心偏置（Displaced Phase Center Antenna，簡稱DPCA）技術［1］。DPCA方法簡單、可靠，相比STAP方法而言，被廣泛應用于通道數(shù)較少情況下的雜波處理中。在雙通道SAR圖像回波中，DPCA方法能夠較好地對消雙通道的靜止雜波，但不能有效地濾除動雜波。因此，DPCA方法通常用來配合其他的算法進行目標檢測。

到目前為止，在致力于發(fā)展高性能的SAR圖像動目標檢測算法方面，研究者們做了大量工作。主要研究思路是根據(jù)目標和背景散射特性的不同來完成目標與背景的分離。常用的目標檢測方法有恒虛警（CFAR）方法、基于動態(tài)規(guī)劃的檢測前跟蹤（TB-TBD）算法等［2］。基于TB-TBD算法能夠充分利用目標信號回波的信息，利用原始信號能量進行多幀積累，提取出動目標。該算法能夠在常規(guī)雷達目標檢測中取得較好的動目標檢測效果，但考慮到實際葉簇擾動下的SAR/GMTI目標檢測環(huán)境中，單位合成孔徑時間內(nèi)，很難完成對多幀圖像的采集［3］。傳統(tǒng)的CFAR算法主要是在均勻雜波環(huán)境中進行的，在實際檢測時的雷達環(huán)境中，如果存在風吹、雨水等干擾時，葉簇雜波是非均勻的。對于一定的檢測門限，當雜波干擾增大時，虛警率會大大增加，導致無法檢測出真實目標［4］。

本文提出了一種基于Hough變換的葉簇擾動環(huán)境下SAR/GMTI動目標檢測（HD）算法。該算法的主要優(yōu)點在于將霍夫變換應用葉簇環(huán)境下的SAR/GMTI目標檢測以處理葉簇雜波干擾問題。相比現(xiàn)有的CFAR、DPCA等方法，該算法在信噪比（SNR）較低的情況下也有較高的檢測概率。本文深入探討了HD算法，并給出了仿真結(jié)果及其分析。

1 葉簇擾動場景建模及特性分析

1.1葉簇擾動場景建模

在葉簇環(huán)境下，葉簇擾動是地面動目標檢測中較強的一種雜波干擾。在一個給點的距離分辨率的單元內(nèi)，在t時刻的雷達回波x（t）為在該單元內(nèi)k個散射點的回波的累加，x（t）記為：

其中，ak是k個散射點的幅度，vk是對應的徑向速度，λ是雷達波長。針對葉簇擾動環(huán)境，可假設{ak}是一個均值為0，方差為δ2的獨立隨機變量，并且{ak}滿足：

雜波的頻譜特性直接取決于徑向速度vk，由于風向風速等參數(shù)在一個合成孔徑時間內(nèi)可大體視為一個常數(shù)［5］。因此，k個散射點的徑向速度總體上應該呈現(xiàn)出一種規(guī)律性，并且這個規(guī)律與當時的風向風速是相關的。通常用來描述地雜波分布的典型雜波模型，有高斯分布、對數(shù)正態(tài)分布、韋布爾分布等。大多數(shù)情況下，高斯分布能較好擬合葉簇環(huán)境下雜波速度運動特性［6］。一個比較簡單的方法，可假設vk服從一個均值為零，方差為1的高斯分布。即{vk}滿足：

進一步考察vk，每一片樹葉中的速度可分解為不同尺度上速度的累加：如樹葉的速度、樹枝的速度等。尺度的個數(shù)取決于樹的結(jié)構(gòu)以及風速。

1.2場景建模仿真

根據(jù)上面場景建模分析，本文建立葉簇擾動場景仿真模型。設定運動目標的初始位置為（10 000，50），目標的徑向速和切向速度均為15 m/s，這個速度符合地面的車輛等真實目標。針對葉簇雜波環(huán)境，隨機產(chǎn)生n個動雜波點。雜波的切向速度接近于零，徑向速度服從高斯分布。

圖1和圖2分別表示沒有雜波和雜波在200個情況下的雙通道仿真回波信號。圖1反映了在沒有雜波情況下的仿真圖，圖1（a）為平面圖，空心圓代表真實目標點，箭頭方向為運動目標的方向；圖1（b）表示無雜波回波仿真3D圖。

圖2反映了在雜波為200個，切向速度為零，徑向速度服從高斯分布的仿真圖，圖2（a）為平面圖，空心圓代表真實目標點，實心圓代表雜波點，箭頭方向為目標的運動方向；圖2（b）表示有雜波時回波仿真3D圖。

圖1 無雜波情況下建模仿真圖

圖2 加入葉簇雜波情況下建模仿真

1.3葉簇擾動環(huán)境特性分析

在目標檢測中，雷達雜波是除了真實目標以外的其他物體的雷達散射回波，它會干擾目標信號影響雷達的檢測功能。在葉簇擾動環(huán)境中，隨著葉簇動雜波的增強，回波信號的雙程衰減也越明顯，最后引起信噪比下降，影響對真實目標的檢測。為了對后續(xù)的動目標進行檢測，需采用雜波抑制手段來進行雜波抑制，然后再利用相關算法檢測出動目標。DPCA雜波抑制算法處理的流程圖如圖3所示。

圖3 DPCA處理的過程

雙通道距離向壓縮后，對通道2進行相位補償，然后進行雜波對消。為了說明動雜波對目標檢測的干擾，根據(jù)雙通道DPCA技術做一次場景仿真。設定的真實運動目標位置是（10 000，50），目標的徑向速度和切向速度分別為10 m/s。情形1：隨機產(chǎn)生300個靜雜波點，仿真圖為圖4。情形2：隨機產(chǎn)生300個動雜波點。雜波的切向速度接近于零，徑向速度服從高斯分布，仿真圖為圖5。圖4（a）、圖4（b）表示靜止雜波下雙通道回波信號經(jīng)過DPCA技術之后的結(jié)果處理圖；圖5（a）、圖5（b）表示動雜波下雙通道回波信號經(jīng)過DPCA技術之后的結(jié)果處理圖。

從仿真圖可以看出DPCA對于葉簇遮蔽下的動目標的雜波抑制效果不是很理想，雖然部分雜波能夠被消除掉，但是強度較大且距離目標較近的雜波沒有被濾除干凈。因此，在DPCA雜波抑制后還需要目標檢測算法來對目標進行檢測。

圖4 靜雜波情況下DPCA處理

圖5 動雜波情況下DPCA處理

2 基于Hough變換的葉簇環(huán)境下SAR/GMTI動目標檢測算法

DPCA雜波抑制處理后的數(shù)據(jù)空間中，距離向和方位向空間上點目標呈現(xiàn)出一條直線。本算法的主要目的是濾除葉簇動雜波直線的干擾，檢測出數(shù)據(jù)空間中真實目標的直線。

本文算法的主要優(yōu)點在于將霍夫變換運用于葉簇環(huán)境下的SAR/GMTI目標檢測，在進行霍夫變換之前采用均值K方法來獲得二值化所需閾值，大大減少了計算量。傳統(tǒng)的CFAR方法是通過單個像素灰度和設定的門限值進行比較達到提取目標像素的目的，當雜波干擾增大時，傳統(tǒng)CFAR方法的檢測率大大減低。在葉簇擾動環(huán)境中，由于真實目標回波信號幅值高于葉簇雜波的回波信息幅值，因此，本文算法在霍夫變換后累加器中的最大峰值即對應于回溯后真實目標直線數(shù)據(jù)。當信噪比降低時，本算法依然能夠保證較高的檢測率。

本文中所提HD算法的基本思路是在原始空間數(shù)據(jù)進行二值化后，利用霍夫變換將數(shù)據(jù)從直線參數(shù)映射到參數(shù)平面單元，并將配對兩點的幅值累加到該單元的累加器中，最后通過投票方式選出局部峰值（具體實現(xiàn)為設定一定閾值，高于閾值的就是局部峰值），該峰值對應于數(shù)據(jù)平面上的點目標直線［7］。程序流程圖如圖6所示。

圖6 算法流程圖

DPCA雜波抑制后得到的數(shù)據(jù)空間，記M×N表示其大小，像素的灰度值為I（xi，yj）。算法的具體實現(xiàn)步驟如下：

步驟1：二值化處理，通過均值K方法［8］獲得二值化的閾值，該方法是一種自適應獲取閾值的方法，隨著雜波的增加。K值的獲取通過累積整個圖像中每個像素值再求平均得到。設門限為K，I（xi，yj）處理方程為：

在真實葉簇環(huán)境下，真實目標的幅值會高于葉簇動雜波和其他靜雜波的幅值，并且在實際目標檢測中不需要考慮丟失的部分像素［9］。因此，均值K方法適合本場景下目標檢測中二值化閾值的選取。

步驟2：將二值化處理后的原始平面分割成XP×Xθ個分辨單元，原始平面數(shù)據(jù)集合記為{Z}。其包含Nθ×NP個點坐標及其對應的信號強度，并且記為：

步驟3：將集合Z中超過門限T的點存儲在集合Zp中，則Zp={（iΔx，jΔy，Zp（i，j）＞η）}。為表述方便記：

其中，M表示第M個超過門限數(shù)據(jù)的點，L為超過門限的總個數(shù)。

步驟4：接著將集合Zp中所有點按照式（7）進行霍夫變換求取對應的ρ，θ值，同時進行幅值的積累［10］。Hough變換采用極坐標形式來表示其方程為：

其中，n為距離單元數(shù)，m為回波次數(shù)，ρ和θ分別表示Hough參數(shù)空間的距離和角度參數(shù)。

步驟5：接著建立累加器Ω，Ω為XP×Xθ大小的零矩陣，對于參數(shù)空間中每個點，若參數(shù)（ρ，θ）滿足下式：

則將其投影到參數(shù)平面對應單元中，同時將幅值存儲到參數(shù)平面對應的累加器Ω中。若不滿足式（8），則繼續(xù)尋找下一個滿足條件的參數(shù)進行投影。

步驟6：對累計器集合中的回波點門限選取，本文門限的選取是根據(jù)仿真時經(jīng)驗取值來確定的；接下來對累加器Ω求局部最大值，每一個局部最大值對于ρ和θ即是一條直線的兩個參數(shù)，若累加器中Ω的值小于閾值則放棄。

最后，根據(jù)累加器Ω得到的值進行回溯，得到動目標距離向壓縮后直線，進一步進行方位向壓縮可得到動目標的具體位置。

3 仿真分析

為了驗證本文提出的算法，本文在不同信雜比情況下對常規(guī)算法CFAR和HD算法進行了仿真對比。首先，給出信噪比和檢測概率的定義；其次，對不同信噪比情況下運用兩種算法進行目標檢測，并且給出算法仿真圖；最后，給出不同信噪比下的檢測概率。

3.1場景仿真參數(shù)

在進行算法驗證前，先進行場景仿真建模。場景中的雷達參數(shù)為：合成孔徑大小為4 m，距離分辨率為75 km，掃描角度為0.3 m。目標和雜波的參數(shù)為：目標初始位置（10 000，50），目標徑向速度和切向速度都為15 m/s，雜波的切向速度為零，徑向速度隨機產(chǎn)生且符合高斯分布。

3.2性能指標定義

檢測概率pt定義如下：

其中Q是仿真次數(shù)，μs代表第s次仿真中是否包含正確目標直線參數(shù)。

信噪比定義［11］：其中Sn表示真實信號的幅值、Nn表示雜波信號的幅值。

3.3不同信噪比時，兩種算法仿真比較

圖7反映了SNR=20 dB時，兩種算法目標檢測處理結(jié)果。此時，真實目標信號強度大于葉簇雜波的信號強度。圖7（a）為CFAR檢測后結(jié)果；圖7（b）為HD算法檢測后結(jié)果。圖8反映了SNR=10 dB時，兩種算法目標檢測處理結(jié)果。此時，真實目標信號強度和葉簇雜波的信號強度相當。圖8（a）為CFAR檢測后結(jié)果；圖8（b）為HD算法檢測后結(jié)果。

圖7 SNR=20 dB的處理結(jié)果

圖8 SNR=10 dB的處理結(jié)果

在信噪比較高的情況下，CFAR算法和基于HD算法都能夠較好地檢測出目標軌跡。隨著信雜比的降低，CFAR檢測率明顯下降，不能較好地檢測出目標，而HD依然能夠較好地檢測出動目標軌跡。不同信噪比下的檢測率如表1所示。

表1 不同信噪比情況下的檢測概率

經(jīng)過HD算法處理后能夠得到動目標距離向壓縮后的位置（距離向壓縮后呈現(xiàn)出一條直線），進一步進行方位向壓縮可得到動目標的具體位置。雖然距離遷移會造成距離向和方位向之間的耦合，導致真實目標位置出現(xiàn)偏差，但是通過參數(shù)估計等方法可以進行位置校正，檢測出真實目標位置。

4 結(jié)論

本文提出了一種基于Hough變換的葉簇擾動環(huán)境下SAR/GMTI動目標檢測算法。該算法結(jié)合了霍夫變換算法并使之運用于葉簇環(huán)境下SAR/GMTI動目標檢測。該算法不需要對多幀數(shù)據(jù)進行積累，相比CFAR等常規(guī)算法，能夠在雜波情況更為復雜的情況下保持較高的檢測率，彌補因雜波造成信號雙程衰減而引起的信噪比下降等問題。實驗結(jié)果表明，和傳統(tǒng)的檢測算法相比，本文提出的算法取得了更好的效果。

［1］黃大羽.復雜環(huán)境下弱目標檢測與跟蹤算法研究［D］.上海：華東理工大學，2012.

［2］SOUMEKH M，HIMED B.SAR-MTI processing of multi-channel airborne radar measurement data［C］//IEEE International Radar Conference.Piscataway，NJ，USA：IEEE publishing，2002.24-28.

［3］錢駿.一種新的恒虛警處理方法簡介［J］.火控雷達技術，2005，34（3）：46-49.

［4］左臣婕.分布式小衛(wèi)星SAR地面運動目標檢測及速度估計［D］.北京：中國科學院研究生院（電子學研究所），2007.

［5］雷鵬正.機載Scan-GMTI技術研究［D］.長沙：國防科學技術大學，2009.

［6］胡海榮.基于分數(shù)階fourier變換的合成孔徑雷達動目標檢測方法［D］.杭州：浙江工業(yè)大學，2009.

［7］KEIRH R R.Synthetic aperture imaging radar and moving targets［J］.Aerospace and Electronic Systems，IEEE Transactions on，1971，（3）：499-505.

［8］趙雪松，陳淑珍.綜合全局二值化與邊緣檢測的圖像分割方法［J］.計算機輔助設計與圖形學學報，2011，13（2）：118-121.

［9］王偉華，付啟眾，李鐵軍.Hough積累及其在搜索雷達中的應用［J］.雷達科學與技術，2006，4（6）：280-310.

［10］魏蘭玲.基于隨機霍夫變換的微弱目標檢測方法研究［D］.成都：電子科技大學，2011.

［11］王國宏，孔敏，何友.Hough變換及其在信息處理中的應用［M］.北京：兵器工業(yè)出版社，2005.

SAR/GMTI Moving Target Detection Algorithm for Foliage Environment Based on Hough Transform

LI Shao-shu，CHEN Hua-jie，LIN Ping
（Key Laboratory of Fundamental Science for National Defense-Communication Information Transmission and Fusion Technology，Hangzhou Dianzi University，Hangzhou 310018，China）

Under foliage disturbance environment，the conventional CFAR and DPCA algorithm can’t effectively filter clutter when moving clutter become more complicated.This paper proposes a SAR/GMTI moving target detection algorithm for disturbance environment foliage based on Hough Transform that can effectively filter out moving clutter and extract out the moving target.Firstly，this paper introduces the foliage disturbance scenario modeling，and the modeling analysis and simulation modeling scenarios are given.Secondly，derivation algorithm is based on HD simulation experiments；Finally，this paper give a comparative experiment between HD algorithm and conventional.The simulation results show that this algorithm at lower SNR can maintain a high probability of detection.

SAR/GMTI，moving target detection，clutter modeling，hough transfor

TN953

A

1002-0640（2016）11-0070-05

2015-09-16

2015-11-20

“十二五”國家預研基金資助項目

李少書（1990-），男，湖南永州人，碩士研究生。研究方向：SAR雷達圖像處理。