斯佳成，鄧紅超

(上海船舶電子設(shè)備研究所，上海 201108)

0 引 言

反蛙人探測聲吶是探測蛙人、無人潛航器(Unmanned Underwater Vehicle, UUV)等慢速小目標的主要手段，對于港口警戒、防御具有重要作用[1]。目標檢測技術(shù)是聲吶信號處理中的重要組成部分。然而在淺海近海環(huán)境下，主動聲吶目標檢測不僅受到海面、海底及海洋中大量散射體產(chǎn)生的混響干擾[2]，還會受到非平穩(wěn)的海洋環(huán)境噪聲[3]的影響。除此以外，蛙人回波強度起伏也是目標檢測的一大難點[4]，當蛙人回波信噪比較低時，經(jīng)典的自適應(yīng)門限檢測技術(shù)容易丟失目標[5]，影響目標檢測及后續(xù)跟蹤、識別處理的穩(wěn)定性。

為了提高目標檢測的穩(wěn)定性，尤其在低信噪比條件下的目標檢測性能，本文借鑒檢測前跟蹤技術(shù)[6]的原理，利用連續(xù)多幀聲吶圖像的歷程累積信息，輔助實現(xiàn)對慢速小目標的檢測：對單幀聲吶圖像做背景歸一化處理，并更新聲吶歷程累積圖像，對圖像各方位的數(shù)據(jù)進行 Radon恒虛警率(Radon Constant False Alarm Rate, Radon-CFAR)檢測提取目標軌跡，輔助實現(xiàn)對運動目標的檢測。

背景歸一化處理的目的是抑制聲吶背景中突發(fā)性噪聲和靜態(tài)混響等強回波干擾，以降低干擾信號在變換域的幅值。它主要利用強回波干擾的相關(guān)性：突發(fā)性噪聲(如航船經(jīng)過的噪聲)一般會持續(xù)一段時間，它在單幀聲吶圖像上表現(xiàn)為距離維的亮線特征，即空間相關(guān)性；靜態(tài)混響在海洋中的位置固定，且由于水聲信道的慢時變特性，它在相鄰多幀聲吶圖像的相同像素點上表現(xiàn)出時間相關(guān)性。本文根據(jù)這一特性采用空時背景歸一化處理技術(shù)，使顯示背景均勻平滑，而目標回波以信噪比的形式顯示，更有利于后續(xù)能量累積處理。

聲吶圖像經(jīng)背景歸一化處理后，通過多幀累積形成聲吶歷程累積圖像。由于目標運動的連續(xù)性，圖像上的目標回波亮點形成亮線特征[7]，其斜率代表目標的運動速度；而經(jīng)處理后的“剩余”噪聲、混響則表現(xiàn)出隨機性。通過 Radon變換將圖像做域變換，采用CFAR檢測算法檢測變換域上目標軌跡對應(yīng)的亮點，可實現(xiàn)聲吶歷程累積圖像上弱回波目標運動軌跡的檢測。

1 算法流程

1.1 空時背景歸一化處理

主動聲吶接收信號經(jīng)波束形成、匹配濾波、數(shù)據(jù)壓縮處理后，得到聲吶圖像 f1,f2,…fn，空時背景歸一化處理示意圖如圖1所示。假設(shè)當前幀聲吶圖像fn距離維上相鄰像素單元的幅度服從獨立同分布，通過對空域參考單元做平均，如式(1)所示，得到每個檢測單元的空域背景估計強度 B1,n(x, y)，它能夠有效反應(yīng)突發(fā)性噪聲干擾的強度。假設(shè)相鄰多幀聲吶圖像 f1,f2,…fn在同一像素單元的幅度服從相同的統(tǒng)計分布，對時域參考單元做平均可得到每個檢測單元的時域背景估計強度，考慮到水聲信道的慢時變特性可轉(zhuǎn)化為遞推形式，如式(2)所示[8]，它能有效估計靜態(tài)混響干擾的強度。

圖1 空時背景歸一化處理示意圖Fig.1 Diagram of normalization processing of space-time background

式中：(x , y)表示聲吶圖像上像素點的坐標；l表示選取的空域參考單元數(shù)量；c表示背景學(xué)習速率。

空時背景歸一化的處理方法是目標回波強度減去背景強度。對空域和時域背景估計值進行比較，當檢測單元位于突發(fā)性噪聲區(qū)時，空域背景估計值較大；當檢測單元位于靜態(tài)混響區(qū)時，時域背景估計值較大，因此背景強度由空域、時域估計值取大得到，如式(3)所示，g為空時歸一化處理后的聲吶圖像：

1.2 聲吶歷程累積圖像

聲吶歷程累積圖像I集成了最近K幀聲吶圖像g的信息，每個方位上最左側(cè)的數(shù)據(jù)對應(yīng)當前幀聲吶圖像k個方位數(shù)據(jù)的最大值，它的數(shù)據(jù)更新公式為

式中：(x′,y)表示聲吶歷程累積圖像的方位和距離，其中方位總數(shù)壓縮為單幀聲吶圖像的1/k。目標回波經(jīng)多幀能量累積后，與“剩余”噪聲、混響的差異性逐漸顯著：聲吶歷程累積圖像中的蛙人回波亮點由于運動的連續(xù)性，形成亮線特征；而經(jīng)歸一化處理后的“剩余”噪聲、混響由于隨機性，其經(jīng)多幀累積后在圖像上不具有相關(guān)性，不能形成明顯的線性軌跡。

1.3 Radon-CFAR檢測

本文利用連續(xù)多幀聲吶圖像的歷程累積信息，通過Radon變換實現(xiàn)域變換，將圖像中目標短時線性運動軌跡變換為亮點信息，在變換域上采用單元平均CFAR檢測完成目標軌跡提取，輔助實現(xiàn)對運動目標的檢測。

Radon變換[9]是圖像領(lǐng)域檢測線性特征的有效手段，其處理方法是將單個方位的聲吶歷程累積圖像I沿著投影角為θ的直線x cosθ+y sin θ- p= 0做線積分：

式中：R為Radon域圖像；δ為Dirac函數(shù)；(θ,p)為變量確定線積分的路徑。它反映了圖像沿不同角度θ和不同距離p的投影特征，通過域變換將線檢測問題轉(zhuǎn)化為點檢測問題。對于蛙人等弱回波強度的慢速小目標而言，其在一個歷程周期內(nèi)的運動軌跡呈一條傾斜的線段，通過Radon變換將軌跡上的蛙人回波幅值進行能量累加，將弱回波目標軌跡變換為Radon域的亮點特征。

空時歸一化處理后聲吶圖像g上的像素單元一般符合高斯分布，經(jīng)多幀累積及Radon變換處理后R(θ,p)的分布可以等效為多個獨立同高斯分布的和，即R(θ,p)仍然符合高斯分布，因此采用單元平均CFAR檢測算法檢測Radon域的亮點特征。

CFAR檢測器首先對輸入的背景數(shù)據(jù)進行處理后確定門限，將此門限與輸入信號相比，如輸入信號超過了此門限則判定為有目標，否則，判定為無目標。單元平均CFAR檢測算法的背景數(shù)據(jù)處理方式與1.1節(jié)中空域背景估計方式相同，通過檢測單元附近的參考單元做平均可得到背景功率，它在高斯噪聲背景下的檢測門限Th[10]為

式中：l表示參與背景估計的單元格數(shù)量；Pf表示檢測設(shè)定的虛警概率；α表示CFAR檢測門限的系數(shù)，由式(7)計算得到。

經(jīng)單元平均CFAR檢測可以得到目標軌跡在變換域上的位置(θ,p)，由此可得到目標短時運動的速度v= t an θ /T，T表示聲吶脈沖發(fā)射周期，目標軌跡所在位置y = p / cosθ。

2 算法性能分析

本文算法利用聲吶多幀累積信息，通過檢測目標短時運動軌跡輔助完成目標檢測，實現(xiàn)弱目標檢測，本節(jié)研究算法的檢測性能。聲吶圖像經(jīng)空時背景歸一化處理后近似服從高斯分布，單個像素單元的統(tǒng)計分布為

式中：K表示歷程圖累積的幀數(shù)，多幀圖像累積后做Radon變換，其本質(zhì)是對多幀圖像的能量進行累加。目標由于運動的連續(xù)性形成回波亮線，因此目標在一個歷程周期上的回波能夠有效累加，而“剩余”混響經(jīng)歸一化處理后，在相鄰多幀回波圖像間不具有關(guān)聯(lián)性，因此Radon變換的處理增益G為

Radon-CFAR檢測算法的性能曲線如下圖2所示，聲吶歷程累積圖像共累計10幀回波數(shù)據(jù)，Pf設(shè)為0.01，參考單元數(shù)取20。虛線為常規(guī)CFAR檢測算法的性能，實線為Radon-CFAR檢測算法的性能，可以發(fā)現(xiàn)經(jīng)多幀累積后，在相同信噪比條件下目標檢測概率大幅提升，尤其在低信噪比的情況下也能達到較高的檢測概率。

圖2 常規(guī)CFAR和Radon-CFAR方法的檢測性能曲線Fig.2 The detection performance curves of common CFAR and Radon-CFAR methods

3 試驗數(shù)據(jù)驗證

3.1 空時背景歸一化處理

圖3為淺海環(huán)境下主動聲吶接收數(shù)據(jù)經(jīng)波束形成、匹配濾波和數(shù)據(jù)壓縮后的單幀聲吶圖像。圖 4為經(jīng)空時歸一化處理后的單幀聲吶圖像。對比可以發(fā)現(xiàn)經(jīng)歸一化處理后聲吶圖像以信噪比形式顯示，回波強度都被拉回到 0附近，且圖像中的靜態(tài)混響、突發(fā)性噪聲等強干擾(大片的紅色區(qū)和黃色區(qū))都得到有效抑制。

圖3 單幀聲吶圖像Fig.3 A single frame of sonar image

圖4 空時歸一化處理后的單幀聲吶圖像Fig.4 A single frame of sonar image after normalization processing of space-time background

為了更直觀地考察空時背景歸一化的處理性能，圖5給出處理前后背景數(shù)據(jù)的統(tǒng)計分布。可以發(fā)現(xiàn)經(jīng)歸一化處理后，背景強度的均值收斂到0附近，方差明顯減小，即背景得到有效抑制，且近似符合高斯分布。

圖5 聲吶圖像背景數(shù)據(jù)的統(tǒng)計分布Fig.5 Statistical distribution of background data on the sonar image

3.2 Radon-CFAR檢測性能

圖6是水下目標相對聲吶由遠及近沿直線運動的聲吶歷程累積圖像，共累積 10幀圖像，它的最左側(cè)代表最新接收的回波數(shù)據(jù)，其中原始聲吶圖像和空時歸一化處理后的圖像如圖 3、4中所示。聲吶圖像中共出現(xiàn)兩個目標，強回波目標在一個歷程中的局部信混比(目標回波的強度與參考單元的平均強度之差)為 10.7 dB，弱回波目標在一個歷程中的局部信混比為6.2 dB，且部分回波點的信混比強度值低至 3 dB，低于 CFAR的檢測門限。經(jīng)Radon-CFAR檢測后的結(jié)果如圖7所示，可以清晰在圖上看到兩個目標的運動軌跡，通過檢測短時運動軌跡實現(xiàn)弱回波目標的檢測。強回波目標位于190°方位上，在一個歷程周期中從相對聲吶88 m處運動到78 m處。弱回波目標位于308°方位上，在一個歷程周期中從相對聲吶 102 m處運動到 92 m處。圖6中220°方位280 m距離處存在一條由不明干擾物散射產(chǎn)生的較粗的亮斜線，將它變換到Radon域后經(jīng)CFAR檢測，由于局部背景能量較高使得檢測門限提高，因此無法通過檢測器，在圖 7的檢測結(jié)果中已經(jīng)被濾除。

圖6 目標的聲吶歷程累積圖像Fig.6 Sonar history accumulative image of target

圖7 聲吶歷程累積圖像的檢測結(jié)果Fig.7 Detection results of sonar history accumulative image of target

4 結(jié) 論

本文采用了空時背景歸一化處理技術(shù)抑制了聲吶圖像中靜態(tài)混響和突發(fā)性噪聲等強回波的干擾，經(jīng)處理后，背景平穩(wěn)性顯著改善，目標回波以相對信噪比的形式顯示，有利于Radon變換能量累積。然后通過檢測目標的短時運動軌跡實現(xiàn)目標檢測，采用Radon-CFAR檢測提取聲吶歷程累積圖像中弱回波目標軌跡。

本文通過檢測聲吶歷程累積圖像中的短時線性運動軌跡，克服了單幀回波數(shù)據(jù)檢測算法容易丟失弱目標的缺陷，對主動聲吶的自動檢測具有參考意義。后續(xù)將進一步研究多幀回波數(shù)據(jù)和單幀回波數(shù)據(jù)組合檢測技術(shù)。