李文杰，閆世強(qiáng)，胡 磊，吳亞宏，王成良，歐陽琰

（1.空軍預(yù)警學(xué)院，湖北 武漢 430019；2.解放軍95806部隊(duì)，北京 100076）

0 引言

紅外預(yù)警衛(wèi)星是一種先進(jìn)的星載紅外探測系統(tǒng)，其功能是探測和跟蹤彈道導(dǎo)彈飛行時(shí)的高溫尾焰紅外輻射，判明敵方彈道導(dǎo)彈發(fā)射地點(diǎn)和飛行方向并進(jìn)行告警，是反導(dǎo)預(yù)警體系中的重要組成部分。同地面導(dǎo)彈預(yù)警雷達(dá)相比較，具有監(jiān)視區(qū)域大、預(yù)警時(shí)間長、反應(yīng)靈敏、不易受地形干擾等優(yōu)點(diǎn)。

美國和俄羅斯發(fā)展紅外預(yù)警衛(wèi)星系統(tǒng)已有數(shù)十年，在實(shí)際作戰(zhàn)值班的過程中發(fā)現(xiàn)存在虛警問題。虛警是對欺騙或錯誤事件的報(bào)告，會導(dǎo)致不必要的作戰(zhàn)資源浪費(fèi)，此外，虛警問題還會導(dǎo)致值班人員降低警惕性，影響決策者的判斷，從而嚴(yán)重影響反導(dǎo)預(yù)警的整體作戰(zhàn)效能。因此，研究紅外預(yù)警衛(wèi)星系統(tǒng)的虛警問題與其抑制技術(shù)的必要性十分迫切。

針對上述問題，本文從紅外預(yù)警衛(wèi)星系統(tǒng)虛警問題的表現(xiàn)形式出發(fā)，分析虛警的產(chǎn)生原因與分類，最后探討了當(dāng)前虛警抑制的關(guān)鍵技術(shù)和主要研究方向。

1 虛警問題概述

虛警的定義為[1]：“電子系統(tǒng)接收機(jī)在無目標(biāo)信號的情況下，檢測出有信號的指示，這是由于系統(tǒng)內(nèi)部噪聲、外部噪聲或干擾超過門限所致，這種錯誤稱為虛警”。由此可見，虛警是錯誤的告警事件，即當(dāng)沒有目標(biāo)時(shí)系統(tǒng)卻對非目標(biāo)事件進(jìn)行告警。

歷史上曾出現(xiàn)過多次紅外預(yù)警衛(wèi)星系統(tǒng)的虛警事件，1979年11月9日，美國北美防空司令部夏延山基站、五角大樓的國家軍事指揮中心、馬里蘭州里奇堡的國家預(yù)備軍事指揮中心同時(shí)收到導(dǎo)彈來襲告警[2]，后經(jīng)查證原始數(shù)據(jù)確定該事件為虛警，原因是由于技術(shù)人員錯誤地在預(yù)警系統(tǒng)中運(yùn)行反導(dǎo)作戰(zhàn)想定程序，模擬蘇聯(lián)對美國本土的導(dǎo)彈襲擊。1980年6月3日，美國預(yù)警系統(tǒng)發(fā)出蘇聯(lián)發(fā)射核導(dǎo)彈的來襲告警，預(yù)警系統(tǒng)顯示的來襲導(dǎo)彈數(shù)量成隨機(jī)變化，后經(jīng)查證該事件原因是由于計(jì)算機(jī)芯片故障導(dǎo)致。1983年9月26日，蘇聯(lián)剛啟用的紅外預(yù)警衛(wèi)星系統(tǒng)發(fā)出了一次導(dǎo)彈來襲虛警。當(dāng)時(shí)由于太陽和美國導(dǎo)彈基地相對于蘇聯(lián)紅外預(yù)警衛(wèi)星位于同一方向，陽光在高空云層中的強(qiáng)烈反射引發(fā)系統(tǒng)告警，被誤判為來自美國的導(dǎo)彈襲擊[3]。1990年12月2日，在伊拉克發(fā)射“飛毛腿”導(dǎo)彈前數(shù)小時(shí)，美國國防支援計(jì)劃DSP衛(wèi)星發(fā)出導(dǎo)彈來襲警告，經(jīng)查證告警目標(biāo)為一架飛行中的B-52轟炸機(jī)[4]。2014年全年，由美國空軍太空司令部第460部隊(duì)負(fù)責(zé)管理運(yùn)行的天基紅外預(yù)警衛(wèi)星系統(tǒng)（space based infrared system，SBIRS）共發(fā)生8000多次紅外事件，其中僅有403次為導(dǎo)彈事件。

上述事件表明造成紅外預(yù)警衛(wèi)星系統(tǒng)虛警的原因多樣，總體上可分為軟硬件故障、環(huán)境輻射干擾兩類。同時(shí)，虛警會導(dǎo)致作戰(zhàn)人員警惕性的降低，也會影響決策者的判斷，甚至進(jìn)行錯誤地反擊而引發(fā)嚴(yán)重后果，因此對紅外預(yù)警衛(wèi)星的虛警問題進(jìn)行深入研究和分析是十分必要的。

2 虛警原因分析

在紅外探測系統(tǒng)中，虛警率（false alarm rate, FAR）是檢驗(yàn)裝備是否具有實(shí)戰(zhàn)價(jià)值的一項(xiàng)重要指標(biāo)，用來表示虛警事件發(fā)生的頻率。虛警率的定義為“單位時(shí)間內(nèi)系統(tǒng)發(fā)生虛警事件的平均次數(shù)”，其數(shù)學(xué)模型可表示為：

式中：NFA為發(fā)生虛警事件的次數(shù)；T為系統(tǒng)的工作總時(shí)間。

由此可見，降低系統(tǒng)虛警率需要減少單位時(shí)間內(nèi)發(fā)生的虛警事件數(shù)目，而分析虛警事件的表現(xiàn)形式和產(chǎn)生機(jī)理是預(yù)防和降低系統(tǒng)虛警問題的前提和基礎(chǔ)。經(jīng)分析，虛警事件產(chǎn)生的因素可分為環(huán)境因素和系統(tǒng)因素，具體內(nèi)容如圖1所示。

2.1 環(huán)境因素

環(huán)境因素造成的虛警問題主要來自外部環(huán)境中的虛警源干擾，使得接受到的熱輻射超過了紅外探測系統(tǒng)的告警閾值，從而引發(fā)虛警。根據(jù)虛警源方位的不同，分為空間虛警源、空中虛警源和地表虛警源。

1）空間虛警源

空間虛警源主要是太空中的星體（如月球）以及航天器反射的太陽光[5]，其中包含了紅外預(yù)警衛(wèi)星能夠響應(yīng)的探測波段，而且空間虛警源相對紅外預(yù)警衛(wèi)星的運(yùn)動特性與彈道導(dǎo)彈相似，因此在空間虛警源進(jìn)入紅外預(yù)警衛(wèi)星探測器視野時(shí)可能會引發(fā)告警。

圖1 虛警信號的產(chǎn)生因素 Fig.1 Causes of false alarm signals

2）空中虛警源

空中虛警源主要是高空卷云反射的太陽光，高空卷云由高空分布稀疏的細(xì)小冰晶組成，具有強(qiáng)烈的散射特性[6]。當(dāng)太陽光朝紅外預(yù)警衛(wèi)星方向集中反射時(shí)，探測器將接收到強(qiáng)烈的紅外輻射，引發(fā)系統(tǒng)告警。此外，高分辨率的紅外預(yù)警衛(wèi)星探測器也有可能捕獲空中戰(zhàn)斗機(jī)尾噴管的熱輻射，從而造成虛警。

3）地表虛警源

地表虛警源主要是地表高溫點(diǎn)和地表強(qiáng)反射區(qū)域。地表高溫點(diǎn)為地表燃燒（如森林燃燒）和其他熱輻射源（如工廠熱排放），其強(qiáng)烈的紅外輻射信號與周圍環(huán)境形成鮮明對比；地表強(qiáng)反射區(qū)域主要是通過反射太陽光進(jìn)入探測器視野形成耀斑而引發(fā)虛警，常見的地強(qiáng)高反射區(qū)域有冰雪覆蓋的土地，沙漠地區(qū)以及平穩(wěn)的海面[7]等。

2.2 系統(tǒng)因素

造成虛警的系統(tǒng)因素主要是系統(tǒng)噪聲和系統(tǒng)故障。系統(tǒng)噪聲是探測信號中的隨機(jī)成份，是系統(tǒng)中固有的、不可消除的，會造紅外探測圖像亮度分別隨機(jī)起伏，若無有效地進(jìn)行濾除，可能會引發(fā)虛警；系統(tǒng)故障是由于系統(tǒng)軟件或硬件非正常工作導(dǎo)致的異常行為。

1）系統(tǒng)噪聲

系統(tǒng)噪聲的組成如圖2所示，主要分為熱噪聲、電路噪聲和探測器噪聲。

熱噪聲是任何絕對零度溫度以上的導(dǎo)體和半導(dǎo)體內(nèi)部電子均發(fā)生的熱震動，其強(qiáng)弱主要受系統(tǒng)內(nèi)部的溫度變化影響，而太陽輻射作用和電路熱輻射作用會導(dǎo)致系統(tǒng)內(nèi)部溫度變化。

電路噪聲發(fā)生在信息傳輸?shù)拿總€環(huán)節(jié)，主要包括線纜噪聲、調(diào)理電路、電源及偏壓噪聲和數(shù)字模擬轉(zhuǎn)換（analog-to-digital converter，ADC）模塊噪聲[8]，理想條件下電路噪聲通常保持在一定水平，但惡劣的空間環(huán)境會對其穩(wěn)定性造成影響。

圖2 系統(tǒng)噪聲組成 Fig.2 System noise composition

探測器噪聲是影響紅外系統(tǒng)成像質(zhì)量的關(guān)鍵因素，主要來自兩個方面，一方面來自探測器自身的噪聲，例如凝視相機(jī)探測器中的非均勻性和非線性造成的噪聲等；另一方面來自掃描相機(jī)探測器引入的噪聲。按照噪聲的產(chǎn)生機(jī)理可以分為散粒噪聲、光子噪聲和1/f噪聲等。

2）系統(tǒng)故障

系統(tǒng)故障可分為軟件故障和硬件故障，是由于系統(tǒng)自身軟、硬件的設(shè)計(jì)缺陷或外界破壞因素導(dǎo)致的，使系統(tǒng)處于非正常工作狀態(tài)，可能造成信息輸入或信息處理過程中出現(xiàn)不可預(yù)料的錯誤而引發(fā)系統(tǒng)告警。

3 虛警抑制相關(guān)技術(shù)

通過對虛警事件的表現(xiàn)形式進(jìn)行描述及虛警的產(chǎn)生原因進(jìn)行分析，為研究紅外預(yù)警衛(wèi)星虛警問題的抑制技術(shù)奠定了基礎(chǔ)。下文主要從紅外成像噪聲抑制技術(shù)、紅外圖像背景抑制技術(shù)、紅外目標(biāo)檢測與跟蹤算法技術(shù)、故障診斷技術(shù)以及虛警目標(biāo)識別技術(shù)5個方面展開論述。

3.1 紅外成像噪聲抑制技術(shù)

紅外成像系統(tǒng)的噪聲是影響紅外成像質(zhì)量的主要因素，是造成虛警的重要因素，因此在成像的過程中就需要對系統(tǒng)進(jìn)行噪聲抑制。根據(jù)紅外成像噪聲的產(chǎn)生機(jī)理可分為動態(tài)噪聲和非均勻性噪聲。

動態(tài)噪聲以高斯白噪聲、椒鹽噪聲和低頻噪聲為主。高斯白噪聲隨機(jī)分布，在頻域具有高斯特征，高斯濾波器對其有很好的抑制作用，其基本原理與均值濾波器相似，不同之處是高斯濾波器的模板系數(shù)隨著距離模板中心的增大而減小，通過將濾波器窗口內(nèi)的像素加權(quán)求均值進(jìn)行輸出，可有效抑制噪聲，平滑圖像。椒鹽噪聲在紅外成像中隨機(jī)出現(xiàn)且灰度值較為固定，中值濾波器通過對濾波器窗口內(nèi)的圖像灰度值進(jìn)行排序并取中值作為輸出，可有效消除紅外圖像中的椒鹽噪聲。低頻噪聲為紅外成像系統(tǒng)的1/f噪聲，其功率譜與頻率呈反比，對紅外圖像的幀間起伏影響較大，可通過小波變換將1/f噪聲變?yōu)橐子谇宄陌自肼?，從而滿足降噪的目的[9]。

非均勻性噪聲是由于探測器材料和制造工藝等因素造成的，是紅外成像系統(tǒng)的固有缺陷，因此紅外成像系統(tǒng)必須進(jìn)行非均勻性校正。常用的非均勻性校正采用基于定標(biāo)的方法，主要有一點(diǎn)校正、兩點(diǎn)校正、多點(diǎn)校正以及基于神經(jīng)網(wǎng)絡(luò)的改進(jìn)方法[10]等。紅外成像系統(tǒng)的設(shè)計(jì)階段就需要進(jìn)行非均勻性校正，但在系統(tǒng)的使用過程中可能會發(fā)生溫漂效應(yīng)，最終影響成像效果，因此在軌定標(biāo)是實(shí)現(xiàn)空間紅外成像系統(tǒng)準(zhǔn)確探測的基本前提，目前星上定標(biāo)[11]主要采用太陽、月球、宇宙冷空間和經(jīng)校準(zhǔn)的黑體源等作為定標(biāo)校準(zhǔn)源。

3.2 紅外圖像背景抑制技術(shù)

紅外成像系統(tǒng)在對目標(biāo)進(jìn)行檢測和跟蹤前，背景抑制是不可缺少的環(huán)節(jié)，通過對紅外圖像進(jìn)行預(yù)處理，抑制復(fù)雜背景和雜波干擾，可以提高目標(biāo)信噪比以降低虛警率，保證探測的準(zhǔn)確性。

傳統(tǒng)的紅外探測圖像背景抑制算法基于單幀圖像，經(jīng)典算法有高通濾波算法、中值濾波算法、形態(tài)學(xué)濾波算法、羅賓遜濾波算法等[12]，目前已得到了廣泛的實(shí)際應(yīng)用。上述算法適用于簡單背景，例如海面和沙漠等單一物理成分構(gòu)成的區(qū)域圖像。當(dāng)背景起伏較大時(shí)，傳統(tǒng)背景抑制方法會有一定殘留，特別當(dāng)探測圖像中既有簡單背景也有復(fù)雜背景時(shí)，無法自適應(yīng)地抑制不同復(fù)雜程度的背景。

針對傳統(tǒng)背景抑制算法的不足，部分學(xué)者研究了復(fù)雜背景下的紅外弱小目標(biāo)背景抑制技術(shù)，比如基于背景分類的方法[13]，基于粒子濾波的方法[14]，基于空域?yàn)V波的方法[15]，基于小波變換的方法[16]，基于復(fù)濾波器組的方法[17]，基于自適應(yīng)頻域?yàn)V波的方法[18]，基于光流估計(jì)的方法[19]等，均取得較好的背景圖像抑制效果。針對不同應(yīng)用場景選擇適當(dāng)?shù)乃惴?，可以有效提升紅外小目標(biāo)的信噪比，減少虛警率。

3.3 紅外目標(biāo)檢測與跟蹤技術(shù)

紅外目標(biāo)檢測與跟蹤算法是影響紅外探測系統(tǒng)虛警率的決定性因素。根據(jù)算法檢測和跟蹤過程的先后順序不同，可分為跟蹤前檢測（detection before track，DBT）和檢測前跟蹤（track before detection，TBD）兩類。

DBT算法的流程如圖3所示，首先對包含目標(biāo)的紅外圖像進(jìn)行背景抑制，再通過計(jì)算單幀圖像的檢測概率和虛警概率確定檢測門限，即可對目標(biāo)信息進(jìn)行分割，在分割后得到的二值化圖像序列中根據(jù)目標(biāo)的運(yùn)動特性進(jìn)行目標(biāo)軌跡關(guān)聯(lián)，剔除虛警點(diǎn)，實(shí)現(xiàn)目標(biāo)跟蹤。經(jīng)典的DBT算法主要有遞歸最大濾波法[20]、管道濾波法[21]和光流法[22]等。

圖3 DBT算法流程 Fig.3 DBT algorithm flow

TBD算法的流程如圖4所示，首先對包含目標(biāo)的紅外圖像進(jìn)行背景抑制，根據(jù)目標(biāo)的運(yùn)動特性，跟蹤所有候選目標(biāo)的運(yùn)動軌跡，再根據(jù)相鄰若干幀圖像間的目標(biāo)灰度特性或能量變化特性來計(jì)算各候選目標(biāo)運(yùn)動軌跡的后驗(yàn)概率，根據(jù)預(yù)先設(shè)定的閾值，當(dāng)滿足閾值條件時(shí)則認(rèn)為該目標(biāo)軌跡是真實(shí)的。經(jīng)典的DBT算法主要有基于三維匹配濾波器方法[23]、基于動態(tài)規(guī)劃方法[24]、基于高階相關(guān)方法[25]、基于粒子濾波方法[26]和基于多級假設(shè)檢驗(yàn)方法[27]等。

圖4 TBD算法流程 Fig.4 TBD algorithm flow

DBT算法和TBD算法均是基于多幀信息的紅外小目標(biāo)檢測算法，區(qū)別在于兩種算法對于圖像序列中幀間信息的利用順序有所不同。DBT算法簡單直觀，易于實(shí)現(xiàn)，目前得到了廣泛應(yīng)用，但是存在抗干擾能力差，虛警概率高，檢測概率低的缺點(diǎn)。TBD算法適合用來檢測圖像中低信噪比弱小目標(biāo)，相比于DBT算法，相同條件下TBD算法的虛警概率更低，檢測概率更高，抗干擾能力更強(qiáng)的優(yōu)點(diǎn)，但TBD算法的實(shí)現(xiàn)較為復(fù)雜，計(jì)算量大，存儲量大，對硬件的性能要求高，很難滿足實(shí)時(shí)性要求，因此應(yīng)根據(jù)具體應(yīng)用需求選擇合適的檢測算法。

3.4 故障診斷技術(shù)

故障診斷技術(shù)的定義[28]是：“在不進(jìn)行設(shè)備拆卸的情況下，通過相應(yīng)的方法和技術(shù)手段，在設(shè)備運(yùn)行過程中掌握其運(yùn)行狀態(tài)，確定是否發(fā)生故障并分析出發(fā)生故障的原因，預(yù)報(bào)故障未來的發(fā)展趨勢”。20世紀(jì)70年代，故障診斷技術(shù)起源于美國。1971年，麻省理工學(xué)院的學(xué)者們創(chuàng)新性的提出了運(yùn)用軟件冗余代替硬件冗余的新思想，開啟了故障診斷技術(shù)研究的開端，此后以美國國家航空航天局（NASA）為代表的機(jī)構(gòu)對故障診斷技術(shù)進(jìn)行了廣泛的應(yīng)用。此后，美國、俄羅斯等國在故障診斷技術(shù)方面進(jìn)行了大量的研究工作，經(jīng)過幾十年的發(fā)展，故障診斷技術(shù)逐漸成熟，保證了武器裝備的穩(wěn)定運(yùn)行。

故障診斷技術(shù)大致可以分為3類[29]，如圖5所示，分別是基于模型的方法、基于信號處理的方法和基于人工智能（artificial intelligence，AI）的方法。

圖5 故障診斷技術(shù)分類 Fig.5 Classification of fault diagnosis technology

其中基于人工智能的故障診斷方法已經(jīng)成為主要的研究方向。通過積累海量歷史數(shù)據(jù)，建立故障檢測數(shù)據(jù)庫，利用定性模型、專家系統(tǒng)、數(shù)據(jù)挖掘等手段對衛(wèi)星與地面站數(shù)據(jù)集進(jìn)行分析，形成系統(tǒng)綜合測試知識庫。通過對衛(wèi)星系統(tǒng)、分系統(tǒng)、設(shè)備等參數(shù)歷史數(shù)據(jù)進(jìn)行分析，設(shè)置故障發(fā)生的判別指標(biāo)，可對系統(tǒng)的健康狀態(tài)進(jìn)行評估，并對可能發(fā)生的故障做出預(yù)警，從而最大限度地保證了系統(tǒng)運(yùn)行的可靠性。

3.5 虛警目標(biāo)識別技術(shù)

近些年，隨著深度學(xué)習(xí)、圖像識別等人工智能技術(shù)的發(fā)展以及計(jì)算機(jī)運(yùn)算能力的大幅提升，使得利用人工智能方法對虛警目標(biāo)進(jìn)行識別成為可能。虛警目標(biāo)識別的前提是充分了解虛警目標(biāo)的特性，可利用事件記錄、反演信息和圖像信息等數(shù)據(jù)，并研究虛警目標(biāo)特征的提取方法。利用全球地表高溫點(diǎn)數(shù)據(jù)集、全球地表反射率數(shù)據(jù)集、氣象衛(wèi)星數(shù)據(jù)集、軌道預(yù)報(bào)數(shù)據(jù)集等資源以形成虛警目標(biāo)特征庫，虛警目標(biāo)的特征屬性包含虛警目標(biāo)出現(xiàn)的時(shí)間和方位以及虛警目標(biāo)的輻射強(qiáng)度和幾何信息等。此外，為避免“維數(shù)災(zāi)難”而影響后期虛警目標(biāo)識別的效果，需要對特征數(shù)據(jù)進(jìn)行降維，圖6為常用的降維方法的技術(shù)分類[30-31]。

虛警目標(biāo)識別的關(guān)鍵在于設(shè)計(jì)合適的分類算法，實(shí)現(xiàn)高準(zhǔn)確率的虛警目標(biāo)識別，目前常用的分類算法[32]主要有貝葉斯分類算法、支持向量機(jī)（support vector machine, SVM）分類算法、基于關(guān)聯(lián)規(guī)則的分類算法、人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks，ANN）分類算法等。利用虛警目標(biāo)的特征庫對分類算法進(jìn)行訓(xùn)練，并設(shè)置合理的評估方法，使得模型達(dá)到最佳的識別效果。當(dāng)有紅外目標(biāo)達(dá)到系統(tǒng)告警閾值時(shí)，自動將告警目標(biāo)的特征信息輸入模型進(jìn)行屬性判別，若識別為虛警目標(biāo)，則進(jìn)行系統(tǒng)提示以輔助作戰(zhàn)人員進(jìn)行判別，并記錄虛警事件的特征信息，不斷完善虛警目標(biāo)識別技術(shù)。

圖6 降維技術(shù)分類示意圖 Fig.6 Dimension reduction technology classification diagram

4 結(jié)語

本文針對紅外預(yù)警衛(wèi)星系統(tǒng)的虛警問題與其抑制技術(shù)展開研究，概述了紅外預(yù)警衛(wèi)星虛警問題的表現(xiàn)形式并進(jìn)行了分類，在此基礎(chǔ)上對其產(chǎn)生原因進(jìn)行分析，最后從紅外成像噪聲抑制技術(shù)、紅外圖像背景抑制技術(shù)、紅外目標(biāo)檢測與跟蹤算法技術(shù)、故障診斷技術(shù)以及虛警目標(biāo)識別技術(shù)5個方面探討了當(dāng)前紅外預(yù)警衛(wèi)星系統(tǒng)虛警抑制的相關(guān)技術(shù)和研究方向，為相關(guān)領(lǐng)域的研究提供了參考信息。