張海馨，張正龍，李曉奇，孔祥雨，劉智超

?

基于尾焰光譜分布特性分析的高速目標識別系統(tǒng)

張海馨，張正龍，李曉奇，孔祥雨，劉智超

（長春理工大學光電信息學院，吉林 長春 130000）

為了實現(xiàn)對高速運動目標的快速識別，設(shè)計了一種基于尾焰光譜分布特征分析的識別系統(tǒng)。系統(tǒng)由跟蹤成像模塊和光譜分析模塊組成，跟蹤成像模塊用于對準目標，光譜分析模塊用于目標識別。在此基礎(chǔ)上，研究了基于多特征波段峰均值與谷均值比例的區(qū)分因子識別算法。該算法設(shè)置了有效區(qū)分區(qū)間，并通過區(qū)分因子比例關(guān)系實現(xiàn)高速目標的識別。分析了目標高速運動對光譜獲取的影響，給出了決定光譜偏移量大小的徑向和切向速度的函數(shù)關(guān)系。實驗采用少量火箭彈燃燒部作為被測目標，在距探測系統(tǒng)0.5km、1.0km、2.0 km以及4.0km處分別以10.0m/s～100.0m/s的速度進行光譜探測實驗。實驗結(jié)果顯示，對于不同速度的被測目標而言，在相等的采樣周期內(nèi)系統(tǒng)檢測的光譜分布產(chǎn)生了明顯的光譜偏移，但其光譜分布形態(tài)基本一致；對于不同測試距離而言，距離越遠能量衰減越強，雖然光譜整體振幅差異很大，但光譜形態(tài)無明顯變化。通過計算相應波段上峰均值和谷均值的區(qū)分因子與區(qū)分區(qū)間的包含關(guān)系，完成了對被測目標的有效識別。

高速運動目標；光譜分析；光譜偏移量；區(qū)分因子

0 引言

火箭彈是由火箭發(fā)動機形成機動能力的非制導彈藥，種類主要分為單兵肩扛式和車載多管聯(lián)裝式[1]。其主要被應用于對有生力量的殺傷及壓制，炸毀敵方武裝工事及輕甲機動部隊等。相比火炮而言，其機動性、快速反應能力以及大面積殺傷能力都更為出色[2-3]。相比激光制導炸彈、巡航導彈而言，雖然精確度及殺傷力都相對遜色，但其成本優(yōu)勢明顯。故火箭彈雖產(chǎn)生于19世紀初，但至今仍出現(xiàn)在世界各地的戰(zhàn)場上，以美國為首的世界級軍事強國也仍然在開發(fā)研究新型的火箭彈系統(tǒng)，如AT4改型等。

對火箭彈的有效識別、快速反應常常是戰(zhàn)時部隊是否能生存的重要保障，故研究能有效識別火箭彈類型、速度、殺傷區(qū)域的探測系統(tǒng)具有重要意義。對于高速攻擊目標的識別方法主要包括雷達探測[4]、圖像識別[5]以及光譜識別[6-9]。雷達探測技術(shù)探測范圍廣、信號穩(wěn)定性高，但對于近地火箭彈而言，其受地面環(huán)境影響明顯。圖像識別利用火箭彈尾焰高溫特性構(gòu)成目標紅外圖像，可實現(xiàn)遠距離被動檢測，隱蔽性高，但無法識別目標類型，并且易受戰(zhàn)場中其它炮火閃光等干擾。光譜識別通過分析火箭彈尾焰光譜強度及分布特性識別其類型速度等信息。其具有探測速度快、隱蔽性好的特點，并且基本不受環(huán)境中炮火閃光等的影響。但傳統(tǒng)方法中需要預先獲取被測目標的光譜特征分布，從而完成目標種類的識別，并且目標速度等參數(shù)需要其他探測系統(tǒng)輔助。

本文研究的主要內(nèi)容為基于火箭彈尾焰光譜識別系統(tǒng)，目的是通過光譜分布特性分析與處理，實時完成火箭彈目標類型、速度等重要參數(shù)的同時獲取。通過設(shè)計的光譜數(shù)據(jù)處理算法提高系統(tǒng)對火箭彈目標的識別能力。

1 高速目標識別系統(tǒng)設(shè)計

如圖1所示，火箭彈目標沿飛行軌跡穿過系統(tǒng)探測區(qū)域，系統(tǒng)分為兩部分，一部分為可見光目標跟蹤系統(tǒng)，完成對被測目標的粗定位，從而使光譜獲取系統(tǒng)可以有效對準目標。另一部分為光譜獲取系統(tǒng)，采用空間干涉模塊與CCD相結(jié)合的方式實現(xiàn)，避免了由于機械掃描造成的檢測誤差，更適用于野外環(huán)境工作。僅采集一次干涉條紋數(shù)據(jù)，大大縮短了光譜數(shù)據(jù)獲取的時間，實現(xiàn)了對高速目標的實時數(shù)據(jù)處理。經(jīng)干涉系統(tǒng)得到目標尾焰的光譜分布，該光譜強度明顯高于背景光譜，并且根據(jù)不同導彈的類型具有不同的光譜特性，從而可以準確地反演目標的類型。由于系統(tǒng)檢測針對高速飛行目標，故基本不受變化緩慢的背景光譜所影響，不需要預先獲取背景光譜數(shù)據(jù)。但由于目標距離會影響光譜能量，所以需要分析計算光譜分布特性，通過比例運算或者特征算法求解其所屬的目標類型。

2 目標高速運動對光譜識別的影響

2.1 光譜獲取

進入系統(tǒng)干涉模塊的待測光被半透半反膜分為2束光強相等的光，其光強設(shè)為0，則可知，當2束光相干于CCD感光面時，其光強分布可以表示為：

圖1 基于目標尾焰定位識別系統(tǒng)原理圖

＝20[1＋cos(2p)] (1)

式中：表示波數(shù)（＝－1）；表示被測點到干涉具中零光程差點的距離。通過對干涉數(shù)據(jù)進行傅里葉變換[10]，即可解出被測紅外輻射的光譜分布函數(shù)有：

由上式可解出被測目標尾焰的光譜分布函數(shù)，從而根據(jù)光譜分布特征進行目標種類的識別。

2.2 光譜偏移量的產(chǎn)生

通過光譜分析技術(shù)完成遠距離、帶偽裝等靜止機動目標的快速識別已經(jīng)早有研究，其工作過程是將被測目標光譜分布與背景光譜分布進行差譜處理，從而得到目標是否存在及其種類的信息。無論是主動光源照射還是被動輻射測量，該種測試過程中目標和探測系統(tǒng)都是靜止不動的，從而構(gòu)成穩(wěn)定的測試模式，而對于高速運動目標而言，不能簡單地將回波光譜直接進行特征提取，因為高速運動目標會造成光譜獲取過程中產(chǎn)生相應的光譜偏移效果。

如圖2所示，由于可見光目標跟蹤系統(tǒng)不可能使光學干涉系統(tǒng)實時對準目標，實際上該物理過程為在一個校準周期（或跟蹤周期）內(nèi)，光學干涉系統(tǒng)實際采集的光譜信息是從點到點的一段時間內(nèi)的變化光譜信息，目標從點到點的經(jīng)歷時間等于系統(tǒng)根據(jù)可見光跟蹤系統(tǒng)對系統(tǒng)瞄準方向的校準周期。雖然被測目標到系統(tǒng)的距離往往從幾十公里到幾百公里不等，而跟蹤校準時間也很短，即角是一個很小的值，但其對光譜分布特性的影響卻很明顯。

首先，將點的瞬時速度分解為平行于光學干涉系統(tǒng)光軸的¤¤|和垂直于光學干涉系統(tǒng)光軸的^|，將點的瞬時速度分解為平行于光學干涉系統(tǒng)光軸的¤¤|和垂直于光學干涉系統(tǒng)光軸的^|。

1）對于^而言，光源相對于探測器有一個反向的速度，從而產(chǎn)生多普勒效應，根據(jù)多普勒效應[11]公式，探測器接收頻率T有

式中：0為被測光頻率；為光速。由于常規(guī)火箭彈的速度大約為3～6（1＝340m/s），而光速為3.0×108m/s，則理論上，即使為徑向運動其光譜頻率量大約引入3.4×10－6～1.2×10－5的一個校正因子，故其對光譜分布的影響是較小的。

2）對于¤¤而言，在一個校準周期內(nèi)，光源位置從點運動到點，相當于光源入射角發(fā)生了微小的位移，此位移由目標的速度與采樣周期所決定，再結(jié)合被測目標與探測的幾何關(guān)系可知：

式中：v表示速度；表示采樣校準周期；表示被測目標到探測器的距離。當有速度為3.5的火箭彈進入探測區(qū)域時，更新時間為100ms，探測距離100km，則其產(chǎn)生的角度偏移量為0.068°。當采用的干涉具有效尺寸為50.0mm時，其產(chǎn)生的光程變化量為59.5mm。故由此造成的光譜偏移量是比較明顯的，實驗中會對模擬目標進行測試獲取其具體的光譜偏移量值。

3 實驗

3.1 實驗條件

實驗室采用模擬實驗的方法完成對光譜數(shù)據(jù)的分析。選取少量火箭彈燃燒部進行光譜測試，對高速運動的模擬目標的回波光譜進行分析對比。結(jié)合實際目標輻射能與探測距離的比例關(guān)系，模擬測試通過等比例縮放該物理過程的方法進行近似處理。由于目標的輻射強度主要取決于目標到探測器的距離（μ－2），所以根據(jù)測試場地的實際情況及尾焰燃燒能值，按照強度-距離關(guān)系，將模擬被測目標分別放置于距探測器0.5km、1.0km、2.0km以及4.0km處。為了獲取不同速度條件下目標輻射對光譜探測的影響程度，測試目標的實際速度分別約為10.0m/s、30.0m/s、60.0m/s、100.0m/s，從而觀察不同速度對回波光譜數(shù)據(jù)的影響。

圖2 目標運動特性分解示意圖

3.2 實驗數(shù)據(jù)與分析

實驗采用有效邊長為50.0mm的靜態(tài)干涉棱鏡構(gòu)成，由干涉系統(tǒng)獲取的干涉條紋數(shù)據(jù)，干涉條紋通過柱面鏡匯聚為一維像，由HONEYWELL公司的InGaAs線陣CCD接收。由于篇幅限制，僅給出了2.0km位置處的實驗結(jié)果，對模擬目標（點燃的少量火箭彈燃燒部）分別以10.0m/s、30.0m/s、60.0m/s、100.0m/s的速度切向運動時，光譜數(shù)據(jù)分布如圖3(a)、圖3(b)、圖3(c)、圖3(d)所示。

由圖3所示的光譜分布可知，對于同一個模擬目標而言，其光譜分布形態(tài)相近，可通過光譜數(shù)據(jù)處理算法獲取合適的特征波長位置，從而利用該特征波長比例關(guān)系反演被測目標的種類。由VS平臺編寫的光譜數(shù)據(jù)窗口顯示可知，模擬目標在不同的4個速度狀態(tài)下，其最大光譜響應位置發(fā)生了偏移。當模擬目標速度為10.0m/s時，光譜最大值位置為1422.3nm，隨著速度的增大，經(jīng)傅里葉變換得到的光譜分布發(fā)生偏移。最終，當模擬目標速度為100.0m/s時，光譜最大值位置為1425.1nm。以上是2.0km位置處的實驗結(jié)果，而0.5km、1.0km以及4.0km處的結(jié)果與此結(jié)果類似，但回波能量強度不盡相同，0.5km處回波強度振幅均值約2200，相比2.0km處約高一個數(shù)量級；而1.0km處大約為840左右，4.0km處約為130左右，超過4.0km后信噪比過低，譜形特征不能有效識別。由此可見，回波光譜形態(tài)雖然類似，但是測試距離對回波信噪比的影響是比較明顯的，分析其主要原因認為距離越遠，空氣吸收、反射、散射對初始光的干擾越強所造成的。

模擬目標速度遠小于光速，因此光學多普勒效應產(chǎn)生的紅移是不可能產(chǎn)生如此大光譜偏移量的，故實際上造成光譜偏移量的主要來源于在系統(tǒng)一個采樣校準周期內(nèi)目標切向運動構(gòu)成的入射目標輻射角度偏移量。雖然目標光譜發(fā)生了偏移，并且振幅略有改變，但由于其光譜分布形態(tài)基本一致，保留了采用特征波長位置求解光譜分布比例的特點，故證明了基于特征光譜分布反演高速運動被測目標種類的可行性。同時，由此也提出了探測過程需要滿足的一項限制條件，即需要被測目標具有較大的切向速度和一定的采樣校準周期（累計時間）。

圖3 靜止目標與運動目標的特征光譜圖

在本實驗中采用的是900～1700nm的近紅外光光譜進行分析的。雖然3～5mm和8～14mm的中波、長波波段是大氣窗波段，對于測試距離的要求基本可以忽略，也有利于遠距離的目標識別，但是由于中波紅外CCD探測器價格昂貴，且需要制冷裝置才能運行，所以其實用性受到了影響。并且制作可實現(xiàn)中紅外波段的干涉設(shè)備從材料、成本以及工藝的角度都是較為困難的。

在高速目標識別中最重要的種類的快速識別，因為速度的測試往往采用雷達可以很快實現(xiàn)（甚至實時提供準確的坐標）；而種類判斷是難點，本文的主要研究內(nèi)容就是利用光譜分布特性的不同，實現(xiàn)不同目標的快速識別。

3.3 特征光譜數(shù)據(jù)處理

在以上分析的基礎(chǔ)上，需要設(shè)計識別目標種類的光譜分析算法，與在實驗室內(nèi)完成的激光光譜解析或計算物質(zhì)濃度光譜分析算法不同的。雖然被測目標能大致保持原有光譜形態(tài)，但由于目標高速運動引入的振幅變化及光譜偏移是明顯的，故取特征波長位置時應該依據(jù)特征波長位置處的光譜比例關(guān)系，從而保證特征波長的有效選取。取值求比例算法的步驟：

1）在整個探測波長范圍內(nèi)設(shè)置個子區(qū)域，的選取原則根據(jù)探測區(qū)間大小及特征峰位置而定。

3）將A組與B組的比值作為區(qū)分因子。再利用分類算法按照不同區(qū)分因子的分布區(qū)間進行屬性分類就能完成對目標的識別了，分布因子的分布區(qū)間受探測種類及不同目標的光譜重疊量的影響。在本次實驗中，由于實驗中需要區(qū)分的種類個數(shù)較少，故＝3、＝5時，區(qū)分因子的分布區(qū)間為[0.9，1.1]即可滿足檢測要求。

對被測目標1、干擾目標2和3、火光噪聲及太陽光噪聲進行了光譜識別，并給出了各被測物的峰均值A(chǔ)和B，比例系數(shù)及識別概率，如表1所示。

如表1所示，通過在已選定的3個子區(qū)間中分別進行求解，可以得到每個子區(qū)間中的峰均值A(chǔ)與谷均值B，然后求比值得到其區(qū)分因子。由于以被測目標1為測試對象，故之后的峰值組與比例系數(shù)均以目標1的光譜選定為準，則有干擾目標2和3、火光、太陽光對應波段上的比例系數(shù)。由于本系統(tǒng)中區(qū)分區(qū)間設(shè)定為[0.9，1.1]，故得到3個特征帶的范圍分別是1.926～2.354，1.548～1.892和1.008～1.232。也就是說，當被測光譜數(shù)據(jù)的區(qū)分因子介于該范圍內(nèi)時無法識別，而僅被測目標的區(qū)分因子在此區(qū)間時，目標可識別。由此可見，實驗中采用的被測目標1可以通過特征波長區(qū)1獨立識別，2和3不能識別。但要注意的時，即使當3個區(qū)域中都存在2個及以上區(qū)分因子介于區(qū)分區(qū)間時，還可以通過分析干擾物光譜符合區(qū)分區(qū)間位置或計算干擾物光譜區(qū)分因子比率等方法實現(xiàn)目標的有效識別。

4 結(jié)論

本文設(shè)計了一種基于尾焰光譜分布特征分析的識別系統(tǒng)。將傳統(tǒng)的基于光譜分析的目標識別系統(tǒng)應用于高速運動的目標，諸如火箭彈等。通過理論推導分析了高速運動目標對光譜反演過程中的主要影響，并給出了相關(guān)函數(shù)。實驗以少量火箭彈燃燒部作為被測目標，對目標在不同速度條件下的光譜分布進行了分析，論證了在光譜偏移的條件下仍能完成目標的識別。并通過在多個波段中求解峰均值與谷均值的區(qū)分因子的方法構(gòu)成了特征光譜比例識別算法。并通過對區(qū)分因子與區(qū)分區(qū)間對應關(guān)系的分析實現(xiàn)了在多種干擾源中有效識別目標的功能。

表1 被測目標與干擾物及背景噪聲的光譜特征峰均值及比例系數(shù)對照表

[1] Ludwig C B, Klier A M, Malkmus W, et al. Infrared radiation from rocket plumes[J]., 1900, 253: 410-422.

[2] Avitalg, Cohen Y, Gamss L, et al. Experimental and computational study of infrared emission from under expanded rocket exhaust plumes[J]., 2001, 15(4): 377-383.

[3] 康紅霞, 黃樹彩, 凌強, 等. 基于導彈尾焰特征譜的SVDD檢測方法[J]. 紅外技術(shù), 2015, 37(8): 696-700.

KANG Hongxia, HUANG Shucai, LING Qiang, et al. A Detection Method Based on Spectrum Characteristics of Missile Plume Using SVDD Algorithm[J]., 2015, 37(8): 696-700.

[4] Katie M. Krause, Jerome Genest. Impact of interferometer optical path difference speed profile on the Fourier-transform -spectrometry -derived spectrum of a telecommunications signal[J]., 2006, 45(19): 4684-4694.

[5] 吳瑕, 陳建文, 鮑拯, 等. 火箭尾焰對高頻回波的影響及其頻域能量凝聚檢測方法[J]. 物理學報, 2014, 63(11): 119401.

WU Xia, CHEN Jianwen, BAO Zheng, et al. Effect of rocket flame on high-frequency echo and its frequency energy agglomerated detection method[J]., 2014, 63(11): 119401.

[6] 唐堯文, 曾紅郡. 反艦導彈紅外輻射特性的建模與仿真[J]. 紅外, 2016, 37(7): 33-37.

TANG Yaowen, ZENG Hongjun. Modeling and Simulation of Infrared Radiation Characteristics of Antiship Missile[J]., 2016, 37(7): 33-37.

[7] Acosta Eva, Chamadoira Sara, Blendowske Ralf. Modified point diffraction interferometer for inspection and evaluation of ophthalmic components[J]., 2006, 23(3): 632-637.

[8] Bernier M, Fancher D, Vallée R, et al. Bragg Gratings Photoinduced in ZBLAN Fibers by Femtosecond Pulses at 800nm[J]., 2007, 32(5): 454-456.

[9] 聶萬勝, 蔡紅華. 火箭發(fā)動機尾焰紅外輻射特性研究綜述[J]. 裝備學院學報, 2017, 28(1): 47-51.

NIU Wansheng, CAI Honghua. Overview of Infrared Characteristics Study of Rocket Engine Plume[J]., 2017, 28(1): 47-51.

[10] Jiang Meng, Guan Zuguang, He Sailing. Multiplexing Scheme for Self-Interfering Long-Period Fiber Gratings Using a Low-Coherence Reflectometry[J]., 2007, 28(31): 1283-1286.

[11] 張術(shù)坤, 蔡靜. 尾焰紅外輻射特性計算研究綜述[J]. 激光與紅外, 2010, 40(12): 1277-1282.

ZHANG Shukun, CAI Jing. Overview of Exhaust Plume Infrared Radiation Signatures Calculation[J].. 2010, 40(12): 1277-1282.

High-Speed Parallel Implementation of Spectral Refinement inInfrared Fourier Spectrometer

ZHANG Haixin，ZHANG Zhenglong，LI Xiaoqi，KONG Xiangyu，LIU Zhichao

(,, 130000,)

In order to realize the fast identification of high speed moving targets, a target recognition system was designed based on the characteristics analysis of spectrum distribution of plume. The system consists of tracking imaging module and spectral analysis module. The tracking module is used to align the target and the spectral analysis module is used for target recognition. On this basis, the identification algorithm by distinguishing factor had been studied, and it’s based on the ratio of peak mean and valley mean of multi-feature band. The valid distinction interval was set in the algorithm, and the high-speed target recognition was realized. It was analyzed the effect ofhigh velocity of targetimpact onspectrumacquisition, and it was given the function oftheradial and tangentialvelocity to decide how muchamount ofspectrumoffset. In the experiments,a small amount ofrocketcombustion section was used as a testtarget at the 0.5km, 1.0km, 2.0km and 4.0kmaway from thedetection system, and spectrum detectionexperiments werecarried outseparatelyat a speed ofapproximately10.0m/s to 100.0m/s. Experimental results show that itproduced a significantshiftfor thespectrum distribution in theequivalentsamplingperiod for thedifferent speedsmeasured target, but it hadbasically the sameform of spectrum distribution. For the different test distance, the energy is weaker when the distance farther. Although the overall amplitude of the spectrum is very different, the spectral shape does not change significantly. By calculating inclusion relationship with thedistinctionfactor anddistinguishrange on therespectiveband, effectiverecognition ofthe measured object was completed.

high-speed moving target，spectral analysis，offset of spectrum，distinguish factor

O433.4

A

1001-8891(2017)07-0599-06

2016-12-28；

2017-06-15.

張海馨（1984-），女，漢族，吉林長春人，講師，碩士，主要研究方向為目標檢測技術(shù)。Email：zhanghaixinnuc@cntv.cn。

總裝國防科技基金；國家自然基金（51305409）。