楊志偉,張 蕊,許華健,廖桂生,楊 劍

(西安電子科技大學雷達信號處理重點實驗室,陜西西安 710071)

多特征輔助的SAR-GMTI雷達擴展動目標檢測方法

楊志偉,張 蕊,許華健,廖桂生,楊 劍

(西安電子科技大學雷達信號處理重點實驗室,陜西西安 710071)

在遠程監(jiān)視模式下,高分辨率SAR-GMTI雷達系統(tǒng)面臨目標擴散、信噪比低等挑戰(zhàn),傳統(tǒng)基于點目標檢測方法性能惡化明顯.本文提出一種目標形狀與陰影輔助的高分辨率SAR-GMTI雷達擴展動目標檢測方法.該方法首先對雜波抑制后的殘差圖聚類并生成目標形狀信息;然后依據(jù)目標陰影形成的幾何模型計算與目標形狀相匹配的陰影模板,并利用目標徑向速度估計值生成陰影位置匹配條件;最后綜合利用陰影形狀、位置及幅度信息,剔除不符合匹配條件的虛假目標,降低虛警.仿真驗證了所提方法對低信噪比擴展目標檢測性能的改善.

合成孔徑雷達;地面運動目標檢測;擴展目標;目標形狀與陰影輔助;模板匹配

1 引言

合成孔徑雷達(SAR)技術與地面運動目標檢測(GMTI)技術相結合,能夠高分辨成像的同時,完成地面運動目標的檢測、參數(shù)估計與定位.在機載遠程監(jiān)視應用背景下,提高分辨率一方面可以獲得更加清晰的SAR圖像,另一方面也可以減少與地面運動目標相競爭的雜波能量,利于挑選滿足獨立同分布的訓練數(shù)據(jù);不過,提高SAR圖像分辨率后,地面運動目標散焦會更加顯著,面臨目標擴散、信噪比降低等問題,有必要發(fā)展新的運動目標檢測方法.

近年來,在SAR動目標檢測方面,國內(nèi)外學者提出了多種解決途徑,大致可分為兩類:第一類是基于單通道SAR系統(tǒng)的動目標檢測方法,此類方法主要利用目標與雜波回波的差異(如多普勒中心頻率[1]、調(diào)頻率[2]和時頻特性[3～6])來檢測動目標;第二類則是基于多通道SAR系統(tǒng)的方法,該類典型方法主要從雜波抑制的角度出發(fā),利用動目標與場景回波的空時特性差異(如相位中心偏置天線(DPCA)技術[5]、沿航跡干涉(ATI)技術[12],空時自適應處理(STAP)技術[8～10]及其改進技術[11～13]等)來進行動目標檢測.

在中等分辨率(例如10m×10m)下,典型地面運動目標可視為點目標,上述檢測算法具有較好的檢測性能,但是,它們均僅利用了動目標的徑向速度信息.隨著分辨率的提高,運動目標會占據(jù)多個分辨單元,呈現(xiàn)擴展目標特性(形狀、尺寸等);此外,雷達遠距離探測時,運動目標因遮擋產(chǎn)生的陰影也凸顯出來.靜止目標陰影在SAR圖像解譯,包括SAR圖像目標檢測與識別等方面已經(jīng)有廣泛應用[15～17],動目標陰影信息的利用則相對較少.文獻[16]首先通過提取目標的正射陰影來得到目標形狀信息,然后結合單幅SAR圖像的強度檢測結果與道路輔助信息來提高檢測、定位性能.不過,該方法要求動目標在單幅SAR圖像上可檢測,即需要較高的信雜比;此外,實際SAR圖像上的道路區(qū)域接近噪聲電平,準確提取動目標的正射陰影較為困難.文獻[17]針對聚束模式,提出了利用多視SAR圖像序列陰影位置變化來檢測、跟蹤動目標的方法,檢測性能不受信雜比影響.不過,該方法需要對多視SAR圖像序列進行精確配準,并且需要在較大范圍內(nèi)改變觀察視角來區(qū)分動目標與地物場景陰影的變化.

針對上述利用陰影檢測動目標方法的不足,結合高分辨率SAR-GMTI雷達遠程監(jiān)視地面運動目標的特點,通過建立動目標陰影幾何計算模型提出了目標形狀與陰影輔助的地面運動目標檢測方法(S2A-MTD).該方法首先對多通道數(shù)據(jù)進行自適應雜波抑制處理,提高強雜波區(qū)的動目標檢測性能,并通過提取潛在目標區(qū)域的最小外接矩形生成目標形狀信息;然后依據(jù)形成目標陰影的幾何模型計算與目標形狀相匹配的陰影模板,并利用目標徑向速度估計值生成陰影位置匹配條件,剔除地物陰影;最后綜合利用陰影形狀、位置及目標幅度信息,剔除不符合匹配條件的強地形雜波區(qū)域,降低虛警概率.相比于傳統(tǒng)點目標檢測方法而言,所提方法通過對動目標形狀、速度及陰影進行匹配,顯著提高了對低信噪比擴展目標的檢測性能.仿真實驗驗證了所提方法的有效性.

2 問題描述

2.1 多通道信號模型

假設多通道SAR系統(tǒng)的雷達陣列沿航跡分布并工作于正側視狀態(tài),其空間坐標系和觀測示意圖如圖1所示:x軸方向表示沿航跡方向(方位向);y軸垂直于航跡方向(距離向).va表示雷達平臺速度,H為平臺的高度,α為平臺下視角;t=0時刻動目標中心P點處于(x0,y0)處,與沿航跡方向的最短斜距為R0,以恒定速度(vx,vr)運動,其中vx為方位向速度(定義與平臺運動方向一致為正),vr為徑向速度(定義靠近航向為正).為簡便起見,將地面運動目標(例如卡車、大型拖車、裝甲車等)抽象為剛性長方體結構,圖1中的斜線白色區(qū)域為動目標的陰影,其具體形成過程將在2.2節(jié)詳細展開說明.

在t時刻P點與通道m(xù)的瞬時斜距經(jīng)泰勒展開并忽略二階以上的項可得:

(1)

設雷達發(fā)射信號的基帶復包絡為sT(τ)=gr(τ)exp(jπγrτ2),距離快時間τ∈[-Tp/2,Tp/2](Tp發(fā)射線性調(diào)頻信號的時寬),γr是發(fā)射線性調(diào)頻信號的調(diào)頻率,gr(·)為信號的窗函數(shù),一般為矩形窗.于是第m個通道接收信號經(jīng)同步檢波后的基帶信號可表示為:

(2)

其中,gam(t)表示通道m(xù)的方位向窗函數(shù);t∈[-Tm/2,Tm/2]表示方位慢時間(Tm為方位積累時間);σt表示目標的后向散射系數(shù),c表示光速,λ為雷達工作波長.

(3)

其中,

實現(xiàn)方位脈壓的同時可完成通道間的時間校正,Ar和Aa分別表示各通道回波信號經(jīng)距離壓縮后和方位壓縮后目標信號的增益,Br為線性調(diào)頻信號的帶寬,Ba為方位多普勒帶寬.可以看出,相比于靜止目標,運動目標成像后的m通道與參考通道間還存在一個固定相位差exp(-j2πdmvr/λ/va),而該相位差則是檢測動目標的關鍵.動目標在經(jīng)過SAR成像后的空域?qū)蚴噶繛?/p>

(4)

同時,運動目標方位向上成像的實際位置x=x0+vrR0/va與真實位置x0的偏差為:

(5)

具有較大幾何尺寸或散焦均導致目標占據(jù)多個距離-方位分辨單元,呈現(xiàn)擴展目標特性.對于自身占據(jù)多個分辨單元的大尺寸目標而言,鑒于目標為剛體,每個分辨對應的散射點具有相同的運動模型,即具有相同的干涉相位;對于散焦后占據(jù)多個分辨單元的擴展目標而言,鑒于不同通道采用了相同的方位匹配函數(shù),動目標散焦將具有一致性,散焦后的干涉特性與散焦前保持一致.

2.2 陰影區(qū)域計算模型

盡管SAR成像機理復雜,但是在忽略電磁波透射與繞射效應后,SAR圖像中的陰影形成機理可用幾何光學理論進行描述.地面運動目標陰影區(qū)域的計算示意如圖2所示,根據(jù)幾何光學理論,對陰影形成主要起作用的是陰面(即背向雷達方向)與陽面(即面向雷達方向)的交界線上的頂點(圖2(a)中黑點所示).與靜止目標類似,合成孔徑內(nèi)雷達相對目標視角的變化會導致形成如圖2(a)中①和③所示的半陰影區(qū)域與②所示的全陰影區(qū)域.此外,對運動目標而言,由于存在徑向速度,成像后會發(fā)生方位位置偏移,在目標真實位置處留下正射陰影(圖2(a)中④所示區(qū)域).

(6)

(7)

3 目標形狀與陰影輔助的檢測方法

對于地面運動目標而言,雖然成像后由于其徑向速度導致目標方位向的位置偏移,以致難以直接找到與運動目標對應的陰影區(qū)域;但是利用目標測速和重定位以及運動目標幾何尺寸與其陰影的對應關系,可實現(xiàn)目標與陰影的匹配處理.本文所提的擴展目標檢測方法的具體實現(xiàn)流程如圖3所示.

在圖像域自適應抑制雜波后,采用恒虛警率技術(CFAR)初步檢測出潛在運動目標的位置.然后通過聚類處理提取出潛在目標的形狀信息,進而依據(jù)形成目標陰影的幾何模型計算與目標形狀相匹配的陰影模板,并利用目標徑向速度估計值生成陰影位置匹配條件;同時利用圖像分割與形態(tài)學處理對單幅SAR圖像進行處理以獲取處于噪聲水平的閉合區(qū)域及其尺寸信息.根據(jù)陰影在形狀與位置上的匹配模板,對定位后的搜索區(qū)域進行動目標陰影的匹配篩選,剔除虛假目標,降低虛警.

3.1 目標測速定位與陰影區(qū)域模板生成

為了設計目標及其陰影的匹配條件,首先需要估計目標的徑向速度,并對潛在目標進行重定位.對M個通道SAR成像結果進行自適應雜波抑制與CFAR檢測后,可利用自適應匹配濾波(AMF)方法估計各潛在目標的徑向速度[18],動目標的徑向速度估計值為

(8)

由于擴展目標占據(jù)多個像素,并且在剛體運動假設下,動目標的徑向速度具有一致性[19],可以利用目標內(nèi)的所有像素估計的徑向速度的中值作為該目標的估計速度,則該潛在目標的定位結果為

(9)

根據(jù)2.2小節(jié)的分析,生成目標陰影區(qū)域需要目標的尺寸信息.為獲取目標的尺寸信息,本文對于CFAR檢測后的結果進行目標聚類,以獲得各類的聚類中心及對應的像素群,圖4是CFAR檢測后一個目標的聚類結果示意圖,其中C表示該聚類目標的聚類中心,實線框A表示該目標的外接矩形,而虛線框B表示該目標的最小外接矩形[20],從中我們可以看出虛線框B所得到的最小外界矩形能夠更好的貼近目標的真實形狀.因此對于目標聚類的結果,本文通過提取其最小外接矩形來獲取目標的尺寸信息.

(10)

其中,hmin和hmax分別表示實際目標高度的下界和上界,根據(jù)典型車輛的先驗高度信息,本文中hmin和hmax分別取1.2m和5m,則獲得目標i所對應的陰影匹配模板為:

(11)

其中,Tpr(i)∈Tw(i)+[min(Sw(i)),max(Sw(i))]為距離向?qū)挾?Tpa(i)為方位向?qū)挾戎?

3.2 匹配條件設計

在單幅SAR圖像提取出陰影區(qū)域的基礎上,我們設計的目標形狀與陰影輔助的匹配處理流程如圖5所示.其中提取陰影區(qū)域的步驟包括:首先采用Ostu算法[21]對SAR圖像進行分割;然后運用形態(tài)學處理方法(包括閉運算與開運算)提取陰影的閉合區(qū)域;最后獲得各閉合區(qū)域的最小外接矩形信息,確定各陰影區(qū)域的尺寸信息.

(12)

根據(jù)以上兩式,即可完成對SAR圖像上陰影部分的初步篩選.該步驟用于去除包括河流、道路等在內(nèi)的陰影區(qū)域.

然后進一步設計如下兩個匹配條件.

(13)

(2)陰影形狀尺寸匹配條件:陰影區(qū)域的方位向?qū)挾萐acon(j)和距離向?qū)挾萐rcon(j)應分別滿足

(14)

其中,Δa>0為方位向允許誤差,Tpa(i)和Tpr(i)分別表示目標i所確定的陰影匹配模板的方位向?qū)挾群途嚯x向?qū)挾?inf(·)和sup(·)分別表示下確界和上確界.

如果潛在目標經(jīng)過相應處理后同時滿足上述兩個匹配條件,則認為該潛在目標為感興趣目標,進而可以利用與其相匹配的陰影區(qū)域重新估計目標的徑向速度、方位向速度以及尺寸等信息;否則認為其為虛假目標,應予以剔除.

4 仿真實驗

下面進行計算機仿真驗證本文所提S2A-MTD方法的有效性.首先根據(jù)表1所示的系統(tǒng)參數(shù),仿 真雜波場景.然后根據(jù)表2的目標參數(shù)結合2.1節(jié)的陰影形成幾何模型,仿真4個運動目標及其陰影.

表1 系統(tǒng)參數(shù)

表2 目標參數(shù)

多通道SAR回波仿真采用正側視條帶式成像模式,以天線1為發(fā)射通道(參考通道),采用一發(fā)多收模式,基線長度滿足DPCA條件.其中方位向接方向圖加泰勒權,二維脈壓前的輸入信噪比和輸入雜噪比分別為SNR=-5dB(即目標各個分辨單元的信噪比),CNR=-5dB.由于本文暫不考慮散焦問題,因此運動目標僅存在徑向速度.仿真的運動目標及其陰影與仿真的雜波場景SAR圖像如圖6(a)所示,由于信雜比小,目標淹沒在雜波背景中,因此圖6(a)中無法看到動目標,但是可以很清楚的看到4個目標成像后對應的陰影.

自適應雜波抑制后利用CA-CFAR進行目標檢測,然后再利用S2A-MTD進一步檢測.其中目標聚類窗可以根據(jù)實際中可能出現(xiàn)最大目標的尺寸以及圖像的分辨率確定,本文選取聚類窗的大小為30×30,且目標1、2、3和4的徑向速度估計值分別為1.0m/s、1.05m/s、0.85m/s和0.95m/s.圖6(b)為雜波抑制后的效果圖,可以觀察到雜波對消后,動目標的能量被有效的保留.經(jīng)統(tǒng)計發(fā)現(xiàn),抑制后的背景近似服從零均值復高斯分布.同時SAR圖像的陰影分割結果如圖7(a)所示,為了消除河流等散射系數(shù)低的非“陰影”區(qū)域的影響,需要利用目標的經(jīng)驗尺寸信息,計算運動目標陰影的尺寸范圍,將不符合該范圍的“陰影”予以剔除,剔除后的結果如圖7(b)所示.圖6(c)和(d)給出了CA-CFAR檢測結果和S2A-MTD在其基礎上的檢測結果,可以明顯地看出S2A-MTD具有很好的降低虛警的能力,并且能夠有效地保留4個目標.而圖8表示了在給定的仿真參數(shù)下S2A-MTD進行再檢測后的虛警概率與CA-CFAR虛警概率的關系曲線.從圖8中我們可以很明顯地看出相比于CA-CFAR,S2A-MTD的虛警概率有很明顯地改善.

雖然S2A-MTD能夠在CA-CFAR的基礎上進一步降低虛警,但是同時也有一定的檢測概率損失.為了進一步驗證所提方法的有效性,我們在上述仿真參數(shù)下給定10-6的虛警概率,對設計的四個非起伏目標進行了100次蒙特卡洛實驗,對比了在相同虛警條件下,S2A-MTD與CA-CFAR的檢測概率(只要檢測到擴展目標的一個像素,就認為該目標的檢測概率為1)隨雜波抑制后平均輸出信雜噪比的變化關系,其檢測性能曲線如圖9所示.圖9中的四幅子圖分別表示CA-CFAR和S2A-MTD對目標1、2、3和4的檢測性能曲線.從圖9中的檢測性能曲線圖中可以看出,對于擴展目標而言,S2A-MTD相比于CA-CFAR具有更好的檢測性能.目標1與目標2的平均輸出SCNR可改4dB～5dB,目標3與目標4的平均輸出SCNR可改2dB～3dB.從圖9中還可看出目標1和2的檢測性能優(yōu)于目標3和4,這是因為目標1和2的尺寸大于目標3和4的尺寸.由此可知,S2A-MTD的檢測性能不僅與目標的輸出信雜噪比有關,還與目標的本身特性(如尺寸等)有關.目標的輸出信雜噪比除了直接影響目標的檢測性能外,對S2A-MTD還有兩方面的間接影響:第一,由于S2A-MTD很大程度地依賴于目標的尺寸等信息,輸出信雜噪比較低時嚴重地影響了目標的尺寸,引起畸變;第二,輸出信雜噪比還影響了目標的徑向速度估計,從而影響定位精度.而這些最終都會影響S2A-MTD對目標的檢測性能.對擴展目標的形狀特性而言,由檢測性能曲線可以看出擴展目標的尺寸越大,特別是沿方位向的尺寸越大,那么其對應的陰影匹配條件越容易滿足,因此檢測性能也越好.

5 結束語

本文提出了一種基于目標形狀與陰影輔助的高分辨率機載遠程監(jiān)視SAR擴展目標檢測方法(S2A-MTD),即利用動目標與其陰影在尺寸與位置上的對應關系來實現(xiàn)陰影輔助檢測匹配條件的設計.實驗仿真分析表明,當目標具有顯著的幾何特征和陰影特征時,本文所提S2A-MTD方法相比于傳統(tǒng)CFAR檢測方法,可以有效的降低虛警概率,提高了對擴展目標的檢測性能.因為目標的陰影位置匹配條件與陰影形狀尺寸匹配條件是兩個動態(tài)范圍,所以對于動目標形狀上的變化(如形狀不規(guī)則目標)具有一定的穩(wěn)健性.

本文僅考慮了是否有陰影與目標相匹配的問題,對于目標與陰影間的誤匹配(多匹配或錯誤匹配),以及具有目標散焦和密集目標環(huán)境時的檢測問題,將是我們下一步需要重點開展的工作.

[1]Chen H,McGillem C D.Target motion compensation by spectrum shifting in synthetic aperture radar[J].IEEE Transactions on Aerospace and Electronic Systems,1992,28(3):895-901.

[2]Fienup J R.Detecting moving targets in SAR imagery by focusing[J].IEEE Transactions on Aerospace and Electronic Systems,2001,37(3):794-809.

[3]李剛,朱敏慧.基于擴展小波變換的機載SAR運動目標參數(shù)估計[J].電子與信息學報,2001,23(11):1154-1161. Li Gang,Zhu Min-hui.Airborne SAR moving target parameter estimation based on extended wavelet transform[J].Journal of Electronics and Information Technology,2001,23(11):1154-1161.(in Chinese)

[4]Sun H,Liu G,Gu H,et al.Application of the fractional Fourier transform to moving target detection in airborne SAR[J].IEEE Transactions on Aerospace and Electronic Systems,2002,38(4):1416-1424.

[5]鄭明潔,楊汝良.一種改進的DPCA運動目標檢測方法[J].電子學報,2004,32(9):1429-1432. Zheng Ming-jie,Yang Ru-liang.An improved DPCA moving targets detecting algorithm[J].Acta Electronica Sinica,2004,32(9):1429-1432.(in Chinese)

[6]Ender J H G.Space-Time processing for multichannel synthetic aperture radar[J].Electronics & Communication Engineering Journal,1999,11(1):29-38.

[7]Cerutti-Maori D,Sikaneta I.Optimum GMTI processing for space-based SAR/GMTI systems—theoretical derivation[A].European Conference on Synthetic Aperture Radar (EUSAR)[C].Aachen,Germany:VDE，2010.1-4.

[8]Cerutti-Maori D,Gierull C H,Ender J H G.Optimum SAR/GMTI processing and its application to the radar satellite RADARSAT-2 for traffic monitoring [J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(10):3868-3881.

[9]Cerutti-Maori D,Sikaneta I.A generalization of DPCA processing for multichannel SAR/GMTI radars[J].IEEE Transactions on Geoscience and Remote Sensing,2013,51(1):560-572.

[10]Bidon S,Besson O,Tourneret J Y.Knowledge-aided STAP in heterogeneous clutter using a hierarchical bayesian algorithm[J].IEEE Transactions on Aerospace and Electronic Systems,2011,47(3):1863-1879.

[11]He Ming-dong,Cao Jian-shu.Recursive KA-STAP algorithm based on QR decomposition[A].2013 International Workshop on Microwave and Millimeter Wave Circuits and System Technology (MMWCST)[C].Chengdu：IEEE,2013.391-394.

[12]Chapin E,Chen C W.Airborne along-track interferometry for GMTI[J].IEEE Transactions on Aerospace and Electronic Systems,2009,24(5):13-18.

[13]Yin Kui-ying,Jin Lin,Zhang Chang-chun,et al.SAR automatic target recognition based on shadow contour[A].2013 Fourth International Conference on Digital Manufacturing and Automation (ICDMA)[C].Qingdao:IEEE,2013.1179-1183.

[14]Tison C,Tupin F,et al.Retrieval of building shapes from shadows in high resolution SAR interferometric images[A].Proceedings of the 2004 IEEE International Geoscience and Remote Sensing Symposium(IGARSS)[C].Alaska,USA:IEEE,2014.1788-1791.

[15]J Cui,J Gudnason,M Brookes.Radar shadow and superresolution features for automatic recognition of MSTAR targets[A].Proceeding of IEEE International Radar Conference[C].Arlington,VA:IEEE,2005.534-539.

[16]史洪印,侯志濤,郭秀花,等.基于陰影檢測的單幅高分辨SAR圖像動目標檢測方法[J].信號處理,2012,28(12):1706-1713. Shi Hong-yin,Hou Zhi-tao,Guo xiu-hua.Moving targets indication method in single high resolution SAR imagery based on shadow detection[J].Signal Processing,2012,28(12):1706-1713.(in Chinese)

[17]Jahangir M.Moving target detection for synthetic aperture radar via shadow detection[A].2007 IET International Conference on Radar Systems[C].Edinburgh,UK:IET,2007.1-5.

[18]束宇翔,廖桂生,楊志偉.維納濾波最優(yōu)權修正導向矢量的SAR-GMTI動目標徑向速度估計方法[J].電子學報,2011,39(9):1986-1991. Shu Yu-xiang,Liao Gui-sheng,Yang Zhi-wei.Radial velocity estimation of moving targets based on modifying the steering vector with wiener optimal weights in SAR-GMTI radar system[J].Acta Electronica Sinica,2011,39(9):1986-1991.(in Chinese)

[19]Liu Bao-chang,Yin Kui-ying,Li Yong-kang,et al.An improvement in multichannel SAR-GMTI detection in heterogeneous environments[J].IEEE Transactions on Geoscience and Remote Sensing,2015,52(2):810-827.

[20]程鵬飛,閆浩文,韓振輝.一個求解多邊形最小面積外接矩形的算法[J].工程圖學學報,2008,29(1):128-132. Cheng Peng-fei,Yan Hao-wen,Han Zhen-hui.A solving minimum area bounding rectangle algorithm for a polygon[J].Journal of Engineering Graphics,2008,29(1):128-132.(in Chinese)

[21]Otsu N.A Threshold Selection Method from Gray-Level Histogram[J].IEEE Transactions on Systems Man and Cybernetics,1979,9(1):62-66.

楊志偉 男,1980年出生于四川省南充市.現(xiàn)為西安電子科技大學雷達信號處理重點實驗室副教授,博士生導師.從事多維陣列自適應抗干擾和動目標偵察、監(jiān)視與預警技術研究.近五年,在“十二五”航天背景預研,航空高分辨率對地觀察專項,國家自然科學基金重點項目,“軍863”項目等持續(xù)資助下,為提升對地監(jiān)視能力提供了處理核心技術,發(fā)表學術論文80余篇,國家發(fā)明專利授權9項,獲得軍隊科技進步三等獎1項.

E-mail:yangzw@xidian.edu.cn

張 蕊 女,1990年生于江蘇徐州市,西安電子科技大學碩士研究生,研究方向為運動平臺雷達動目標檢測.

E-mail:cheerone@sina.com

許華健 男,1990年生于福建政和縣,西安電子科技大學博士研究生,研究方向為運動平臺雷達動目標檢測、空時自適應處理.

E-mail:huajianxu@stu.xidian.edu.cn

廖桂生 男,1963年生于廣西桂林市.現(xiàn)為西安電子科技大學雷達信號處理重點實驗室教授,博士生導師,現(xiàn)主要從事雷達探測系統(tǒng)信號處理、包括空時自適應處理,天基預警和陣列信號處理等研究領域.

E-mail:gsliao@xidian.edu.cn

A Multi-features-Aided Method for Extended Target Detection of SAR-GMTI

YANG Zhi-wei,ZHANG Rui,XU Hua-jian,LIAO Gui-sheng,YANG Jian

(NationalLaboratoryofRadarSignalProcessing,XidianUniversity,Xi’an,Shaanxi710071,China)

This paper deals with the target-detection issue that a high-resolution synthetic aperture radar (SAR)-ground moving target indication (GMTI) system under remote surveillance mode faces many challenges,i.e.,target-diffusing and low signal-to-noise ratio,and based on the fact that extended targets with conventional target detection methods based on the poin target cause decrease in detection performance,a Shape-Shadow-Aided Moving Target Detector(S2A-MTD) is proposed for extended target detection of airborne multichannel SAR-GMTI.First,the shaped information of a target is obtained when the residual image with adaptive clutter suppression clustered.Then,shadow-template matched with shaped information of a target is evaluated,which is based on the model of the geometric relationship on a moving extended target and its shadow.Meanwhile,according to estimative radial velocity,position-matched condition with shadow is generated.Finally,taking all the information in shape,position and amplitude of shadow into consideration is to eliminate false targets that not satisfy with matching conditions,so as to reduce false alarms.the simulation results show the validity that this method improves the detection performance of the extended target under low signal-to-noise ratio.

synthetic aperture radar (SAR);ground moving target indication (GMTI);extended target;shaped-shadow-aided;template matching

2015-05-12;

2015-12-09;責任編輯：藍紅杰

國家自然科學基金(No.61501471);國防預研基金(No.9140xxx005)

TN957

A

0372-2112 (2016)12-2916-08

??學報URL:http://www.ejournal.org.cn

10.3969/j.issn.0372-2112.2016.12.015