張 晰, 張 杰, 孟俊敏

基于旋翼無人機雷達的船只目標成像與類型識別研究進展綜述

張 晰, 張 杰, 孟俊敏

(自然資源部第一海洋研究所, 山東 青島 266061)

載有成像雷達的旋翼無人機具有成本低廉、對起降條件要求低、飛行姿態(tài)靈活多樣等優(yōu)點, 可以在熱點區(qū)域進行普查、詳查或長時間懸停凝視等多模式成像監(jiān)測, 現(xiàn)已成為海上船只目標監(jiān)測識別的重要手段。本文分別從旋翼無人機雷達硬件系統(tǒng)、無人機載雷達動目標成像、船只目標類型識別和目標三維結(jié)構(gòu)特征提取等四方面開展國內(nèi)外研究進展綜述?？偨Y(jié)分析發(fā)現(xiàn)當前利用旋翼無人機雷達進行船只目標成像和類型識別, 尚存在運動船只成像散焦、三維結(jié)構(gòu)重建難度大、類型識別精度低等問題, 迫切需要推動相關(guān)技術(shù)的發(fā)展。

旋翼無人機; 無人機雷達; 船只目標; 三維成像; 類型識別

我國是一個海洋的大國, 海域遼闊、海島眾多、資源豐富, 海洋已成為我國經(jīng)濟可持續(xù)發(fā)展的戰(zhàn)略空間和國家安全的重要屏障。隨著海洋開發(fā)力度的不斷加大, 用海供需矛盾日益升級, 領(lǐng)海爭議和海洋侵權(quán)問題時有發(fā)生。當前我國的海洋維權(quán)形勢非常嚴峻, 部分國家船只經(jīng)常非法進入我國管轄海域獲取水文、地質(zhì)資料等重要信息, 布設(shè)水下監(jiān)視監(jiān)聽設(shè)備; 在我國專屬經(jīng)濟區(qū)內(nèi)進行石油、天然氣開采, 海底礦藏挖掘, 漁業(yè)捕撈等活動, 大肆掠奪我國海洋資源, 極大的侵害了我國的海洋權(quán)益。因此, 為維護我國海洋權(quán)益, 亟需探索海上船只目標監(jiān)測識別技術(shù), 提升海上目標預(yù)警管控能力, 維護國家領(lǐng)海主權(quán)和海洋權(quán)益。

與光電傳感器、高頻超視距地波雷達、導(dǎo)航雷達等船只目標遙感探測手段相比, 合成孔徑雷達(Synthetic Aperture Radar, SAR)或逆合成孔徑雷達(Inverse Synthetic Aperture Radar, ISAR)等微波成像雷達具有二維成像、高分辨率(米級甚至亞米級)、不受光照云霧影響、全天時全天候工作的優(yōu)勢, 長期以來都是船只目標監(jiān)視監(jiān)測的主要手段。岸/島基是ISAR的主要工作平臺, 其通常受場地限制, 架設(shè)高度有限, 只能監(jiān)測近岸固定區(qū)域, 無法勝任大范圍監(jiān)測的需求。衛(wèi)星、飛機是SAR的最主要工作平臺。星載SAR雖然分辨率高、觀測范圍大, 但也存在圖像獲取周期長、過境時間固定、無法長時間連續(xù)觀測等缺點。與衛(wèi)星平臺相比, 無人機特別是旋翼無人機作為一種新型遙感監(jiān)測手段, 具有成本低廉、對起降條件要求低、飛行姿態(tài)靈活多樣等優(yōu)點。近幾年在電子技術(shù)的推動下, 搭載有體積小、重量輕、成本低的微型成像雷達(兼具SAR和ISAR模式)的輕小型旋翼無人機日益普及, 已成為國內(nèi)外競相研究的重要裝備。實踐發(fā)現(xiàn), 搭載有成像雷達的旋翼無人機可以在熱點區(qū)域進行普查、詳查或長時間懸停凝視等多模式成像監(jiān)測, 已成為海上船只目標監(jiān)測識別的重要手段, 逐漸在軍事、民事應(yīng)用中發(fā)揮重要作用。

本文將對旋翼無人機雷達在船只目標的成像識別領(lǐng)域中的文獻進行綜述, 總結(jié)分析目前尚存在的問題, 并對未來的發(fā)展方向進行探討。

1 旋翼無人機雷達硬件系統(tǒng)研究進展

進入新世紀后無人機技術(shù)發(fā)展迅速, 逐漸在環(huán)境監(jiān)測、情報偵察和邊境監(jiān)視等方面發(fā)揮重要作用, 推動了小型化成像雷達的研制?，F(xiàn)階段基于小型無人機的SAR/ISAR裝備研發(fā)進入高速發(fā)展階段, 國內(nèi)外多個研究機構(gòu)已成功研制出多款無人機載小型/微型成像雷達系統(tǒng)。

典型的微型SAR系統(tǒng)主要有德國防御通信公司的Ka波段“MiSAR”系統(tǒng)、德國Fraunhofer FHR的W波段SAR系統(tǒng)、美國的C波段SAR系統(tǒng)、以及荷蘭Delft理工大學(xué)研制的X波段SAR系統(tǒng)。這些微型SAR系統(tǒng)不僅重量低于4 kg, 而且分辨率可達0.5 m以上。除了SAR系統(tǒng)外, 加拿大國防研究與發(fā)展部的無人機載XWEAR雷達系統(tǒng)、美國海軍MQ-4C Triton無人偵察機和MQ-8B無人直升機配備的MFAS雷達系統(tǒng)都設(shè)計有圓掃ISAR工作模式, 目標分辨率優(yōu)于1 m。

國內(nèi)中科院電子所、航天23所、北京遙測技術(shù)研究所(航天704所)、中電38所、西安電子科技大學(xué)、北京航空航天大學(xué)、北京理工大學(xué)、國防科技大學(xué)、哈爾濱工業(yè)大學(xué)等單位已成功研制出重量輕、體積小、功耗低、成像分辨率高的無人機載SAR系統(tǒng)。由自然資源部第一海洋研究所和北京遙測技術(shù)研究所在海洋公益性行業(yè)科研項目“海上非法艦船SAR和地波雷達立體監(jiān)視監(jiān)測應(yīng)用技術(shù)系統(tǒng)”和“海上船只目標星–機–島立體監(jiān)視監(jiān)測技術(shù)系統(tǒng)”連續(xù)兩個項目的支持下, 研制了適配小型旋翼無人機和中型無人機的多款機載搜索與成像一體化雷達, 該雷達具備廣域搜索、SAR和ISAR三種工作模式, 并結(jié)合中國海警的業(yè)務(wù)工作, 已開展了多次海上船只目標探測示范應(yīng)用。

總的來看, 國內(nèi)外在無人機載成像雷達硬件系統(tǒng)研制方面已發(fā)展的較為成熟, 能夠為無人機載雷達動目標成像、船只目標類型識別和目標三維結(jié)構(gòu)特征提取等技術(shù)研究奠定較好的硬件基礎(chǔ)。

2 海面動目標成像研究進展

SAR和ISAR成像技術(shù)是通過脈沖壓縮來獲得距離向的高分辨, 通過沿方位向的回波相干積累來實現(xiàn)方位向高分辨。由于相干積累要求回波信號間必須是相干的, 因而雷達回波在方位向上對相位的變化非常敏感, 雷達與目標間非常微小的非合作運動都會引起方位相位的較大變化, 從而造成相位誤差。引入相位誤差的原因主要有兩種情況: ①雷達的真實運動軌跡與建立的信號幾何模型失配; ②觀測目標的非合作運動。要實現(xiàn)精確成像必須對上述相位誤差進行補償。

2.1 對雷達平臺的運動補償

該補償方法常用于SAR成像技術(shù)。理想的SAR信號幾何模型要求平臺做勻速直線運動, 然而無人機機體小、飛行高度低, 載機受氣流影響較大, 運動平穩(wěn)性很難達到SAR成像的要求。針對這一情況, 國外的無人機SAR成像可以利用高精度的慣導(dǎo)和GPS來補償平臺非理想運動所帶來的誤差。然而由于技術(shù)封鎖和載重限制, 國內(nèi)的小型無人機無法使用高精度的慣導(dǎo)。為克服上述問題, 實際工作中國產(chǎn)無人機SAR系統(tǒng)通常采用“Two-Step”的運動補償處理流程: 先用中等/低精度的慣導(dǎo)系統(tǒng)對回波數(shù)據(jù)進行粗補償, 然后再基于回波數(shù)據(jù)的自適應(yīng)運動補償技術(shù)進行相位誤差精補償[1-3]。因此研究穩(wěn)健的高精度相位補償是無人機系統(tǒng)雷達成像的關(guān)鍵環(huán)節(jié)。

自聚焦算法是典型的高精度相位補償技術(shù)。根據(jù)成像場景中是否含有孤立散射點, 可以將自聚焦算法分為兩類: ①圖像偏移[4-5]、單特顯點處理[6]、相位梯度自聚焦[7]等適合有孤立散射點場景的算法; ②基于相位調(diào)整的對比度增強[8]、最小熵自聚焦[9]、相干圖像偏移[10]等比較適合對無強點目標、均勻場景的算法。上述相位誤差補償方法均假設(shè)相位誤差是隨慢時間變化的函數(shù), 并沒有考慮相位誤差的方位空變性, 即不同方位位置有不同的相位誤差函數(shù)。對于低分辨的雷達, 相位誤差的空變分量對于圖像的聚焦影響不大。當雷達的分辨率較高、波束較寬時, 相位誤差的方位空變性對聚焦精度的影響是必須要考慮的。針對相位誤差的空變性問題, 基于天線相位中心誤差估計的自聚焦算法[11]、后向投影自聚焦算法[12]和適用于后向投影成像的改進相位梯度自聚焦算法[13]相繼提出, 能夠比較好的解決方位空變特性引起的目標散焦問題。

除載機運動姿態(tài)產(chǎn)生的相位誤差之外, 無人機旋翼的高速轉(zhuǎn)動會造成雷達作用距離出現(xiàn)周期性波動, 從而引入高頻周期性相位誤差, 若不能得到很好的補償, 則會出現(xiàn)方位重影現(xiàn)象, 嚴重影響圖像的質(zhì)量。針對這一問題張紅波等提出利用相位梯度自聚集算法提取高頻相位進行補償[14]; 李亞超等通過短孔徑數(shù)據(jù)的頻域去斜成像, 以消除高頻抖動影響[15]。Zhang等提出了一種直升機旋翼震動頻點的估計方法[16], 該方法在震動幅度恒定或震動頻點單一的情況下, 能夠得到較好的聚焦圖像。Gao等[17]和景國彬等[18]進一步改進了針對直升機平臺的SAR方位重影抑制方法, 即便直升機存在多個震動頻點時, 所提出的方法也能夠有效消除震動誤差相位。

2.2 對非合作船只目標的運動補償

非合作船只目標的平動、橫滾、俯仰和偏航等運動狀態(tài)未知。在SAR成像時, 目標的運動會產(chǎn)生散射點跨越分辨單元的問題, 導(dǎo)致圖像距離向展寬和方位向散焦。在ISAR成像時, 雷達更多的是依賴目標三軸轉(zhuǎn)動進行成像, 而目標的平動必須被補償?shù)簟Ｋ詫Ψ呛献鬟\動目標精確成像, 需要進行特殊的聚焦處理。

當前SAR動目標成像算法主要分為五種: ①特顯點跟蹤法, 其通過目標的多個特顯點來計算多個自由度的目標旋轉(zhuǎn)參數(shù)[19]; ②時頻分析法, 其通過時頻分析技術(shù)計算目標的方位調(diào)頻率, 用以補償動目標的方位散焦[20]; ③最優(yōu)參數(shù)搜索法, 其通過對動目標不斷成像, 以目標圖像對比度(有時也為梯度)最大或熵值最小為最優(yōu)參數(shù), 以得到最高質(zhì)量的成像結(jié)果[21]; ④Keystone變換法, 先利用Keystone變換進行距離向補償和方位向聚焦, 再利用方法②或③去除方位剩余的二次及以上相位, 從而提升動目標聚焦效果[22]; ⑤SAR與ISAR聯(lián)合處理法, 其先用SAR方法進行粗成像, 然后從SAR圖像中提取出船只目標子圖像, 最后對各目標子圖像進行ISAR處理, 從而得到清晰的目標圖像[23]。

與SAR不同, ISAR是利用動目標相對雷達視線方向的轉(zhuǎn)動角度積累來獲取方位向高分辨率, 所以實現(xiàn)高質(zhì)量ISAR成像要對動目標進行平動和轉(zhuǎn)動兩種補償, 其中平動補償又包括包絡(luò)對齊和相位校正兩個步驟。包絡(luò)對齊的常用算法有相鄰相關(guān)法[24]、整體最優(yōu)法[25]和最小熵法[26]等; 相位校正的常用算法包含特顯點法、多普勒中心跟蹤法、相位梯度自聚焦法[27]和最小熵自聚焦法[28]等。轉(zhuǎn)動補償常用算法有極坐標法[29]和Keystone變換法[30]等。然而, 船只隨海浪的擺動在回波信號中表現(xiàn)出明顯的非平穩(wěn)特征, 使得傳統(tǒng)的ISAR成像算法失效[31]。針對這類問題常采用短時傅里葉變換、連續(xù)小波變換、EMD、Wigner-Ville變換和分數(shù)階傅里葉變換[32]等時頻分析工具替代傳統(tǒng)方法, 呈現(xiàn)良好的成像效果。

最近, 微動目標成像算法的研究發(fā)展為ISAR成像領(lǐng)域又一技術(shù)熱點, 美國的“輻射亡命徒”先期技術(shù)演示計劃(radiant outlaw ATD)[33]和國內(nèi)外的學(xué)者初步證明了利用船只目標的微動信息能夠?qū)幽繕诉M行成像和識別[34-35]。

總體來講, 我國在動目標SAR和ISAR成像理論的研究方面處于國際領(lǐng)先地位, 但針對旋翼無人機的海上動目標雷達成像研究還處于起步階段, 雖然已發(fā)展了較多的方法, 但由于慣導(dǎo)精度低、飛行環(huán)境復(fù)雜以及旋翼高速震動等多種不利因素共同作用, 增加了運動補償難度, 成像能力還有待進一步提高。

3 船只目標類型識別研究進展

隨著成像技術(shù)的快速發(fā)展, 雷達分辨率從十米級提高到米級甚至亞米級, 船只在雷達圖像中由點目標變?yōu)槊婺繕? 類型識別成為可能。利用高分辨率成像雷達識別船只類型, 關(guān)鍵在于①挖掘能夠凸顯同類船只相似性和異類船只相異性的有效特征; ②構(gòu)建穩(wěn)定可靠的分類器。

有效特征選擇是船只類型識別的核心問題。最常用的是船只目標幾何特征, 代表性工作有: 美國海軍實驗室在1996年利用船只目標的船頭和船尾、輪廓寬度、桅桿高度等特征進行類型識別[36]; 董江曼等采用的是船只面積、周長、積分光學(xué)密度和主軸方向角等特征量[37]; 杜琳琳等利用船只目標的中心線特征進行識別[38], Lang等利用非嚴格計算的樸素幾何特征進行船只類型識別[39]。除了船只幾何特征, 船只上層建筑會引起雷達散射分布的變化, 張晰等利用船只目標的散射強度分布實現(xiàn)了貨船、油輪和集裝箱船三種船只類型的識別[40]。Jiang等[41]和Wang等[42]將散射強度分布與船只幾何、紋理特征相結(jié)合進行船只類型識別, 取得了較好的實驗結(jié)果。

分類器的選擇和設(shè)計是影響船只分類準確率的另一關(guān)鍵問題。研究者廣泛采用結(jié)合船只類型先驗知識的監(jiān)督分類器進行類型識別, 主要有: 模糊邏輯[43]、最近鄰分類器[44]和樹狀分層分類器[45]等。但這些分類器的船只類型識別精度依賴于訓(xùn)練樣本和選用的船只特征。相同的特征輸入到不同分類器中, 所得的分類效果并不相同, 需要找到每個分類器所對應(yīng)的最適特征才能得到較好的船只類型識別結(jié)果。最近提出的深度學(xué)習(xí)技術(shù)能夠?qū)崿F(xiàn)自學(xué)習(xí), 具備自己發(fā)現(xiàn)特征提取規(guī)則的能力, 部分學(xué)者開展了基于卷積神經(jīng)網(wǎng)絡(luò)的船只類型識別實驗[46-47]。不過由于深度學(xué)習(xí)方法需要大量的訓(xùn)練樣本支持, 在當前可用船只樣本較少的情況下, 其識別能力還有待進一步挖掘和提高。Lang等針對分類器的選擇難以與船只類型特征有效匹配的問題, 發(fā)展了多特征與分類器集合學(xué)習(xí)選擇的船只類型識別方法, 找到了不同分類器所需的最適船只類型特征, 有效提高了船只類型識別精度[48], 為解決成像雷達船只類型識別問題提供了新思路。

總的來說, 目前利用成像雷達進行船只類型識別主要使用的是幾何、紋理、散射分布等二維圖像特征。但二維圖像特征存在魯棒性差、缺乏穩(wěn)定性的問題, 受環(huán)境因素和成像參數(shù)影響大。不同類型的船只可能具有相同的幾何特征和散射特性; 而且同一艘船只在不同視角、運動狀態(tài)下, 其幾何特征和散射特性變化較大[49]。這一方面會降低不同類型船只間的可分性, 另一方面還會引發(fā)分類器在訓(xùn)練上的問題。導(dǎo)致所采集的訓(xùn)練樣本需要應(yīng)對類別特征各種可能的變化, 降低了實際可操作性。因此需要挖掘新的魯棒性、穩(wěn)定性強的特征進行船只類型識別。

4 船只目標三維特征提取技術(shù)研究進展

雷達圖像實質(zhì)上是三維目標在二維平面上壓縮后的投影圖像, 如SAR獲取的是目標俯視圖; 而ISAR是依靠目標轉(zhuǎn)動進行成像, 獲得的是目標側(cè)視圖。如果能夠從二維雷達圖像中重構(gòu)出船只目標的三維結(jié)構(gòu), 這將會成為適合于船只目標類似識別的新的魯棒性、穩(wěn)定性強的特征。目前SAR和ISAR船只目標三維重構(gòu)方法主要有基于多方位或時間序列的三維重構(gòu)和基于干涉技術(shù)的三維重構(gòu)兩大類。

基于多方位或時間序列的船只目標三維重構(gòu)方法, 這類方法是根據(jù)剛體目標的幾何不變性約束, 從不同方位/角度、不同時間的目標二維SAR/ISAR圖像中提取出能代表目標的特征點構(gòu)建矩陣, 利用解投影變換或因子分解的方法進行目標結(jié)構(gòu)三維重構(gòu)。目前這些方法多應(yīng)用于飛機、衛(wèi)星等空中目標的三維結(jié)構(gòu)探測[35, 50-52], 海上船只目標的三維探測可查的文獻很少。主要有McFadden利用ISAR時間序列數(shù)據(jù), 對船只目標進行了三維模型重建[53]; 湯立波等在McFadden的基礎(chǔ)上, 引入因子分解方法, 實現(xiàn)了單天線ISAR運動船只目標的三維形狀重構(gòu)[54]。

基于干涉技術(shù)的船只目標三維重構(gòu)方法, 是通過設(shè)置具有嚴格位置關(guān)系的多收發(fā)天線, 對目標進行同時觀測, 利用干涉處理重構(gòu)出目標的三維圖像。這類方法對天線配置要求較高, 實現(xiàn)復(fù)雜且還需要解決圖像標定、相位解纏繞等難點, 目前哈工大的王勇教授利用仿真數(shù)據(jù), 初步證明了干涉ISAR進行船只目標三維成像的有效性[55-56], 但其性能還需用真實數(shù)據(jù)進行檢驗。

總之, 當前利用SAR和ISAR等成像雷達進行目標三維重構(gòu)已在飛機、衛(wèi)星等空中目標的探測中得到了應(yīng)用, 但大多依靠的是對硬件系統(tǒng)和基線設(shè)計有較高要求的干涉技術(shù)。文獻未見利用旋翼無人機SAR或ISAR進行船只目標三維重構(gòu)的應(yīng)用, 亟待加強該項技術(shù)的研究探索。

5 總結(jié)與展望

旋翼無人機作為新興的遙感技術(shù)手段, 具有成本低廉、對起降條件要求低、飛行姿態(tài)靈活多樣等優(yōu)點, 已成為目標監(jiān)測識別的重要手段, 逐漸在軍事、民事應(yīng)用中發(fā)揮重要作用。本文對旋翼無人機雷達在船只目標的成像識別領(lǐng)域中的文獻進行綜述。由文獻綜述可知, 當前國內(nèi)外在無人機載成像雷達硬件系統(tǒng)研制方面已發(fā)展的較為成熟, 能夠為數(shù)據(jù)獲取和實驗開展打下較好的硬件基礎(chǔ)。但在船只目標成像和類型識別方面, 仍有較大的問題, 主要表現(xiàn)在:

①在雷達成像方面, 除了船只目標復(fù)雜運動, 導(dǎo)致的散焦、拖影和虛影之外; 由于無人機受重量、成本及功耗的限制, 難以安裝高精度的慣導(dǎo)/GPS設(shè)備, 且飛行高度低、受氣流影響較大、飛行軌跡復(fù)雜, 大大影響了雷達成像質(zhì)量。另外, 無人機旋翼的高速轉(zhuǎn)動引入的周期性高頻相位誤差, 進一步增加了成像難度。②在船只類型識別方面, 由于船只目標在雷達圖像中的表現(xiàn)取決于目標姿態(tài)以及雷達觀測方位和角度, 導(dǎo)致不同構(gòu)造的船只在雷達圖像上可能表現(xiàn)非常相似, 或同一船只目標由于目標姿態(tài)及觀測角度的變化使其在雷達圖像上表現(xiàn)迥異。因此僅通過單一維度的雷達信息很難對船只類型進行有效識別。③在船只目標三維結(jié)構(gòu)重構(gòu)方面, 由于無人機慣導(dǎo)精度較低、基線保持困難且船只目標一直處于運動狀態(tài), 難以通過干涉技術(shù)提取目標的三維高程。上述原因限制了旋翼無人機載船只目標探測應(yīng)用, 迫切需要針對旋翼無人機這種新型平臺發(fā)展船只目標雷達成像、三維重構(gòu)與類型識別技術(shù), 實現(xiàn)海上船只目標的高精度監(jiān)視監(jiān)測。

[1] Jiang R, Zhu D, Shen M, et al. Synthetic aperture radar autofocus based on projection approximation subspace tracking[J]. IET Radar, Sonar & Navigation, 2012, 6(6): 465-471.

[2] Schulz J. Optimal sharpness function for SAR autofocus[J]. IEEE Signal Processing Letters, 2007, 14(1): 27-30.

[3] Zhang L, Qiao Z, Xing M, et al. A robust motion compensation approach for UAV SAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing. 2012, 50(8): 3202-3218.

[4] Bezvesilniy O, Gorovyi M, Vavriv M. Estimation of phase errors in SAR data by Local-Quadratic map-drift autofocus[C]// IRS 2012, 19th International Radar Symposium, May 23-25, Warsaw, Poland. IEEE, 2012: 376-381.

[5] 侯育星, 邢孟道, 陳士超, 等. 穩(wěn)健多子孔徑圖像偏移的SAR自聚焦算法[J]. 系統(tǒng)工程與電子技術(shù), 2014, 36(9): 1731-1736. Hou Yuxing, Xing Mengdao, Chen Shichao, et al. Robust autofocus algorithm of multiple subaperture mapdrift in SAR[J]. Systems Engineering and Electronics, 2014, 36(9): 1731-1736.

[6] Carrara G, Goodman S, Majewski M. Spotlight synthetic aperture radar: signal processing algorithm[M]. Boston, MA: Artech House, 1995.

[7] Ye W, Yeo S, Bao Z. Weighted least-squares estimation of phase errors for SAR/ISAR autofocus[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2487-2494.

[8] Kolman J PACE: An autofocus algorithm for SAR[C]// IEEE International Radar Conference, 2005, 9-12 May, Arlington, VA, USA. IEEE, 2005: 310-314.

[9] Xiong T, Xing M, Wang Y, et al. Minimum-entropy based autofocus algorithm for SAR data using chebyshev approximation and method of series reversion, and its implementation in a data processor[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(3): 1719-1728.

[10] Samczynski P. Super-convergent velocity estimator for an autofocus coherent map-drift technique[J]. IEEE Geoscience Remote Sensing Letters, 2012, 9(2): 204-208.

[11] Hu K, Zhang X, Shi J, et al. A novel antenna phase center estimation method for Synthetic Aperture Radar[C]// IEEE National Radar Conference - Proceedings, 10-15 May, 2015, Arlington, VA, USA. IEEE, 2015: 1340-1344.

[12] Zhang L, Li H, Qiao Z, et al. Integrating autofocus techniques with fast factorized back-projection for high-resolution spotlight SAR imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1394-1398.

[13] 王昕, 蔣銳, 朱岱寅, 等. 一種改進的SAR反投影圖像相位梯度自聚焦方法[J]. 現(xiàn)代雷達, 2016, 38(1): 17-21. Wang Xin, Jiang Rui, Zhu Daiyin, et al. A modified phase gradient autofocus processing method for SAR imagery reconstruction via backprojection algorithm[J]. Modern Radar, 2016, 38(1): 17-21.

[14] 張紅波, 何濤, 陳德民. 一種去除回波頻譜調(diào)制的直升機SAR成像方法[J]. 數(shù)據(jù)采集與處理, 2012, 27(5): 58l-585. Zhang Hongbo, He Tao, Chen Demin. Removal of spectral modulation from echoes for helicopter-borne SAR imaging[J]. Journal of Data Acquisition & Processing, 2012, 27(5): 58l-585.

[15] 李亞超, 周峰, 邢孟道, 等. 一種直升機的艦船Dechirp實測數(shù)據(jù)SAR成像方法[J]. 電子與信息學(xué)報, 2007, 29(8): 1794-l798. Li Yachao, Zhou Feng, Xing Mengdao, et al. An effective method for Ship Dechirp data imaging in helicopter SAR system[J]. Journal of Electronics & Information Technology, 2007, 29(8): 1794-l798.

[16] Zhang Y, Sun J, Lei P, et a1. SAR-based paired echo focusing and suppression of vibrating targets[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(12): 7593-7605.

[17] Gao Y, Zhang Z, Xing M, et al. Paired echo suppression algorithm in helicopter-borne SAR imaging[J]. IET Radar, Sonar & Navigation, 2017, 11(11): 1605-1612.

[18] 景國彬, 王輝, 鄭世超, 等. 基于直升機平臺SAR的方位重影抑制方法[J]. 上海航天, 2018, 35(6): 92-97. Jing Guobin, Wang Hui, Deng Shichao, et al. Azimuth ghost reduction method for Helicopter-borne synthetic aperture radar systems[J]. Aerospace Shanghai, 2018, 35(6): 92-97.

[19] Perry P, Dipietro C, Fante L. SAR imaging of moving targets[J]. IEEE Transactions on Aerospace and Electronic Systems, 1999, 35(1): 188-200.

[20] Yu W, Su W, Gu H. Ground maneuvering target detection based on discrete polynomial-phase transform and Lv’s distribution[J]. Signal Processing, 2018, 144: 364-372.

[21] Cristallini D, Pastina D, Colone F, et al. Efficient detection and imaging of moving targets in SAR images based on Chirp Sealing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(4): 2403-2416.

[22] Yang J, Zhang Y. An airborne SAR moving target imaging and motion parameters estimation algorithm with azimuth-dechirping and the second-order keystone transform applied[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(8): 3967-3976.

[23] Zhang Y, Sun J, Lei P, et al. High-resolution SAR-based ground moving target imaging with defocused ROI data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(2): 1062-1073.

[24] Chen C, Andrews C. Target-motion-induced radar imaging[J]. IEEE Transactions on Aerospace & Electronic Systems, 2007, 16(1): 2-14.

[25] 王勇, 姜義成. 一種估計ISAR成像轉(zhuǎn)角的新方法[J]. 電子與信息學(xué)報, 2007, 29(3): 521-523. Wang Yong, Jiang Yicheng. A new method for estimating the rotation angle of ISAR image[J]. Journal of Electronics & Information Technology, 2007, 29(3): 521-523.

[26] 王根原, 保錚. 逆合成孔徑雷達運動補償中包絡(luò)對齊的新方法[J]. 電子學(xué)報, 1998, 26(6): 5-8. Wang Genyuan, Bao Zheng. A new algorithm of range alignment in ISAR motion compensation[J]. Acta Electronica Sinica, 1998, 26(6): 5-8.

[27] Huang D, Feng C, Tong N, et al. 2D spatial-variant phase errors compensation for ISAR imagery based on contrast maximisation[J]. Electronics Letters, 2016, 52(17): 1480-1482.

[28] Zeng T, Wang R, Li F. SAR image autofocus utilizing minimum-entropy criterion[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1552-1556.

[29] Liu Y, Xu S, Chen Z, et al. MTRC compensation in high-resolution ISAR imaging via improved polar format algorithm based on ICPF[C]. EURASIP Journal on Advances in Signal Processing, 2014, 2014(1): 179.

[30] Zhao J, Zhang M, Wang X. ISAR imaging algorithm of multiple targets with complex motions based on the fractional tap length keystone transform[J]. IEEE Transactions on Aerospace and Electronic Systems, 2018, 54(1): 64-76.

[31] 趙佳. 復(fù)雜運動多目標ISAR成像研究[D]. 西安: 西安電子科技大學(xué), 2017. Zhao Jia. Study on ISAR Imaging of Multiple Maneuvering Targets[D]. Xi’an: Xidian University, 2017.

[32] Wang B, Xu S, Wu W, et al. Adaptive ISAR imaging of maneuvering targets based on a modified fourier transform[J]. Sensors, 2018, 18(5): 1370.

[33] Shen N, Waeber B, Girata L. Project radiant outlaw[C]//Proceedings of SPIE on Airborne Reconnaissance XVIII. San Diego, America, 1994, p63-74.

[34] 張群, 胡健, 羅迎, 等. 微動目標雷達特征提取、成像與識別研究進展[J]. 雷達學(xué)報, 2018, 7(5): 531-547.Zhang Qun, Hu Jian, Luo Ying, et al. Research progresses in radar feature extraction, imaging, and recognition of target with micro-motions[J]. Journal of Radars. 2018, 7(5): 531-547.

[35] 惠葉, 白雪茹. 基于RID序列的微動目標高分辨三維成像方法[J]. 雷達學(xué)報, 2018, 7(5): 548-556.Hui Ye, Bai Xueru. RID image series-based high-resolution three-dimensional imaging of micromotion targets[J]. Journal of Radars, 2018, 7(5): 548-556.

[36] Musman S, Kerr D, Bachman C. Automatic recognition of ISAR ship images[J]. IEEE Transactions of Aerospace and Electronic Systems, 1996, 32(4): 1392-1404.

[37] 董江曼, 李應(yīng)岐, 鄧飚. SAR圖像艦船目標的特征識別[J]. 陜西師范大學(xué)學(xué)報, 2004, (s1): 203-205. Dong Jiangman, Li Yingqi, Deng Biao. Ship targets recognition by ship’s feature in SAR image[J]. Journal of Shaanxi Normal University, 2004, (s1): 203-205.

[38] 杜琳琳, 安成錦, 陳曾平. 一種艦船ISAR圖像中心線特征提取新方法[J]. 電子與信息學(xué)報, 2010, 32(5): 1023-1027. Du Linlin, An Chengjin, Chen Zengping. A new algorithm for ship center line extraction in ISAR image[J]. Journal of Electronics & Information Technology, 2010, 32(5): 1023-1027.

[39] Lang H, Wu S. Ship Classification in moderate-resolu-tion SAR image by naive geometric features-combined multiple kernel learning[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(10): 1765-1769.

[40] 張晰, 張杰, 紀永剛, 等. 基于結(jié)構(gòu)特征的SAR船只類型識別能力分析[J]. 海洋學(xué)報(中文版), 2010, 32(1): 146-152. Zhang Xi, Zhang Jie, Ji Yonggang, et al. The capability analysis of ship classification by structure feature using SAR images[J]. Acta Oceanologic Sinica, 2010, 32(1): 146-152.

[41] Jiang M, Yang X, Dong Z, et al. Ship classification based on superstructure scattering features in SAR images[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(5): 616-620.

[42] Wang C, Zhang H, Wu F, et al. A novel hierarchical ship classifier for COSMO-SkyMed SAR data[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11: 484-488.

[43] Margarit G, Tabasco A. Ship classification in single-pol SAR images based on fuzzy logic[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 99: 1-10.

[44] Jiang S, Wang C, Zhang H, et al. Civilian ship classification based on structure features in high resolution SAR images[C]//Proceedings of SPIE—Remote Sensing of the Marine Environment II, 2012, 8525: 852505.

[45] Zhang H, Tian X, Wang C, et al. Merchant vessel classification based on scattering component analysis for COSMO-SkyMed SAR images[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6), 1275-1279.

[46] Wang C, Zhang H, Wu F, et al. Ship classification with deep learning using COSMO-SkyMed SAR data[C]// 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). IEEE, 2017: 558-561.

[47] Bentes C, Velotto D, Tings B. Ship classification in TerraSAR-X images with convolutional neural networks[J]. IEEE Journal of Oceanic Engineering, 2018, 43(1): 258-266.

[48] Lang H, Zhang J, Zhang X, et al. Ship classification in SAR image by joint feature and classifier selection[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(2): 212-216.

[49] Liu P, Jin Y Q. A study of ship rotation effects on SAR image[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(6): 3132-3144.

[50] 王昕, 郭寶鋒, 尚朝軒. 基于二維ISAR圖像序列的雷達目標三維重建方法[J]. 電子與信息學(xué)報, 2013, 35(10): 2475-2480. Wang Xin, Guo Baofeng, Shang Chaoxuan. 3D reconstruction of target geometry based on 2D data of inverse synthetic aperture radar images[J]. Journal of Electronics & Information Technology, 2013, 35(10): 2475-2480.

[51] 張穎康, 肖揚, 胡紹海. 非合作雷達目標散射中心關(guān)聯(lián)和三維重建算法[J]. 電子與信息學(xué)報, 2011, 33(9): 2076-2082. Zhang Yingkang, Xiao Yang, Hu Shaohai. Method of scattering centers association and 3D reconstruction for non-cooperative radar target[J]. Journal of Electronics & Information Technology, 2011, 33(9): 2076-2082.

[52] 畢嚴先, 魏少明, 王俊, 等. 基于多假設(shè)跟蹤的散射點關(guān)聯(lián)和三維重建方法[J]. 北京航空航天大學(xué)學(xué)報, 2016, 42(6): 1219-1227. Bi Yanxian, Wei Shaoming, Wang Jun, et al. New method of scatterers association and 3D reconstruction based on multi-hypothesis tracking[J]. Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(6): 1219-1227.

[53] McFadden E. Three-dimensional reconstruction from ISAR sequences[C]//Radar Sensor Technology and Data Visualization. International Society for Optics and Photonics, 2002, 4744: 58-67.

[54] 湯立波, 李道京, 吳一戎. 單天線SAR運動艦船目標三維形狀重構(gòu)[J]. 遙感學(xué)報, 2007, 11(4): 468-472. Tang Libo, Li Daojing, Wu Yirong. Moving ship target 3D reconstruction with the single antenna SAR[J]. Journal of Remote Sensing, 2017, 55(6): 3132-3144.

[55] 王勇, 陳雪飛. 基于稀疏孔徑干涉ISAR技術(shù)的復(fù)雜運動艦船目標三維坐標恢復(fù)方法[J]. 雷達學(xué)報, 2018, 7(3): 320-334. Wang Yong, Chen Xuefei. Three-dimensional geometry reconstruction of ship targets with complex motion for interferometric ISAR with sparse aperture [J]. Journal of Radars, 2018, 7(3): 320-334.

[56] Wang Y, Chen X. 3-D interferometric inverse synthetic aperture radar imaging of ship target with complex motion[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(7): 3693-3708.

Review of ship target imaging and type recognition by unmanned rotorcraft-borne radar

ZHANG Xi, ZHANG Jie, MENG Jun-min

(First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China)

Unmanned rotorcraft-borne imaging radar has the advantages of low cost, low requirements regarding takeoff and landing conditions, and a flexible flight attitude. This radar can be used for general surveys, detailed investigations, or long-term hovering gaze monitoring in hot spot areas. Unmanned rotorcraft-borne imaging radar is becoming increasingly important in marine reconnaissance and surveillance. In this paper, we review research progress on the rotor UAV radar hardware system, moving target imaging by UAV radar, ship-target type recognition, and the extraction of target 3D structure features. Our findings indicate that problem areas with this radar include defocusing when imaging moving ships, difficulty in the reconstruction of 3D structures, and low accuracy with respect to type recognition, all of which must be addressed to promote the development of related technologies.

unmanned rotorcraft; UAV radar; ship target; three-dimensional imaging; type recognition

Nov. 27, 2019

P237

A

1000-3096(2020)06-0141-07

10.11759/hykx20191127001

2019-11-27;

2020-03-09

國家重點研發(fā)計劃(2017YFC1405201); 國家自然科學(xué)基金(61971455)

[The National Key Research and Development Program of China, No. 2017YFC1405201; the National Natural Science Foundation of China, No. 61971455]

張晰(1981-), 男, 山東濰坊人, 副研究員, 博士, 主要從事海洋雷達探測技術(shù)研究, E-mail: xi.zhang@fio.org.cn.

(本文編輯: 趙衛(wèi)紅)