田 斌 王 偉

(西安電子工程研究所 西安 710100)

0 引言

地面運(yùn)動(dòng)目標(biāo)檢測(cè)和SAR(合成孔徑雷達(dá))成像是現(xiàn)代機(jī)載雷達(dá)的兩個(gè)基本功能。隨著SAR成像技術(shù)的不斷發(fā)展和應(yīng)用，人們提出了基于SAR圖像的地面運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)，即將SAR成像技術(shù)和其他處理技術(shù)相結(jié)合，既實(shí)現(xiàn)了對(duì)地面靜止場(chǎng)景的高分辨率成像，又實(shí)現(xiàn)對(duì)該區(qū)域時(shí)敏目標(biāo)的檢測(cè)。人們最初對(duì)SAR地面慢動(dòng)目標(biāo)檢測(cè)和成像技術(shù)的研究是基于單通道SAR系統(tǒng)的。然而，從以往的研究結(jié)果可知，單通道SAR系統(tǒng)雖然可以用來(lái)實(shí)現(xiàn)SAR圖像中的慢動(dòng)目標(biāo)檢測(cè)，但它只能檢測(cè)到頻譜全部或者部分落在雜波譜之外的動(dòng)目標(biāo)，對(duì)于頻譜淹沒(méi)在雜波譜內(nèi)的慢動(dòng)目標(biāo)，它往往無(wú)法實(shí)現(xiàn)檢測(cè)。為此，在隨后的研究中，學(xué)者們又提出用雙通道SAR系統(tǒng)來(lái)實(shí)現(xiàn)慢動(dòng)目標(biāo)的檢測(cè)。目前常用的雙通道SAR動(dòng)目標(biāo)檢測(cè)方法有：相位中心偏置技術(shù)(DPCA)和方位向干涉技術(shù)(ATI)[1-4]。DPCA技術(shù)的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單準(zhǔn)確，缺點(diǎn)是對(duì)雷達(dá)系統(tǒng)設(shè)計(jì)提出苛刻要求，要求雷達(dá)工作時(shí)系統(tǒng)孔徑中心間距、脈沖重復(fù)頻率與平臺(tái)飛行速度必須滿足一定條件，這一約束條件往往難以在機(jī)載平臺(tái)上實(shí)現(xiàn)。ATI技術(shù)雖然能檢測(cè)到雜波譜內(nèi)的慢速運(yùn)動(dòng)目標(biāo)，但受信雜比的影響較大，信雜比越小，越難以有效提取出動(dòng)目標(biāo)信息。

二十一世紀(jì)初，I.C. Sikaneta和J. Y. Chouinard等學(xué)者通過(guò)分析和研究雙通道SAR回波數(shù)據(jù)組成協(xié)方差矩陣及其特征值分解信息，提出利用分解得到的特征元素來(lái)實(shí)現(xiàn)SAR圖像上的動(dòng)目標(biāo)檢測(cè)，相應(yīng)的特征元素包括第二特征值、干涉相位和相似度。其中，第二特征值和相似度元素是利用樣本協(xié)方差矩陣的幅度信息來(lái)實(shí)現(xiàn)SAR圖像中的動(dòng)目標(biāo)檢測(cè)，而干涉相位元素是利用樣本協(xié)方差矩陣的相位信息來(lái)實(shí)現(xiàn)SAR圖像中的動(dòng)目標(biāo)檢測(cè)。由于上述三個(gè)特征元素僅利用了樣本協(xié)方差矩陣的幅度或相位的單方面信息實(shí)現(xiàn)目標(biāo)檢測(cè)，因而造成目標(biāo)的檢測(cè)結(jié)果并不理想。鑒于上述三個(gè)特征元素自身所存在的缺點(diǎn)，在隨后的研究中，I.C. Sikaneta和J. Y. Chouinard等人通過(guò)對(duì)上述三個(gè)特征元素進(jìn)行有效組合，又提出了兩種新的動(dòng)目標(biāo)檢測(cè)方法——?dú)w一化相位檢測(cè)和雙曲線檢測(cè)[6-7]。歸一化相位檢測(cè)量是通過(guò)對(duì)干涉相位和相似度進(jìn)行函數(shù)變換得到的新的動(dòng)目標(biāo)檢驗(yàn)統(tǒng)計(jì)量，它有效利用了兩幅SAR圖像的干涉相位信息和相似度信息；雙曲線檢測(cè)量是通過(guò)對(duì)干涉相位、相似度以及第二特征值進(jìn)行函數(shù)變換得到的新的動(dòng)目標(biāo)檢驗(yàn)統(tǒng)計(jì)量，它充分利用了上述三個(gè)動(dòng)目標(biāo)檢測(cè)量的信息，提高SAR系統(tǒng)對(duì)慢動(dòng)目標(biāo)的檢測(cè)性能。由文獻(xiàn)[6]的分析結(jié)果可知，由于歸一化相位檢測(cè)量中相似度信息對(duì)動(dòng)目標(biāo)的敏感度不高，所以其檢測(cè)性能與干涉相位檢測(cè)量的性能基本相當(dāng)；雙曲線檢測(cè)量雖然能有效提高SAR系統(tǒng)的目標(biāo)檢測(cè)性能，但檢測(cè)量表達(dá)式中第二特征值階數(shù)的選取通常與實(shí)際的雜波環(huán)境有關(guān)(第二特征值階數(shù)的如何選取目前還在研究之中)，不同的雜波環(huán)境其第二特征值階數(shù)的取值也隨之不同，即檢測(cè)量的穩(wěn)健性較差。為了解決上述問(wèn)題，本文將歸一化相位、第二特征值門限預(yù)處理與雙曲線檢測(cè)相結(jié)合，來(lái)提高系統(tǒng)在不同的雜波環(huán)境的檢測(cè)性能。

1 基于樣本協(xié)方差矩陣特征分解的動(dòng)目標(biāo)檢測(cè)算法

假設(shè)Z1(x,y)表示A1路回波信號(hào)經(jīng)SAR成像處理后圖像的各像素單元，Z2(x,y)表示A2路回波信號(hào)經(jīng)SAR成像處理后圖像的各像素單元，構(gòu)造向量Z=[Z1(x,y),Z2(x,y)]T，則該像素對(duì)應(yīng)的樣本協(xié)方差矩陣為(有效視數(shù)為n)

(1)

其中，

表示兩通道信號(hào)的方差，γ0ejΔ表示通道之間的復(fù)相關(guān)系數(shù)，復(fù)相關(guān)系數(shù)的幅度γ0稱為相關(guān)度。

(2)

(3)

將式(3)展開(kāi)可得到分解前后各變量之間的對(duì)應(yīng)關(guān)系為

(4)

(5)

(6)

(7)

其中：0<λ2≤λ1，Δ∈[-π,π)，Θ∈[0,π/2)。

由文獻(xiàn)[5]的分析可知，上述四個(gè)特征分解量中的雙通道干涉相位Δ，相似度Θ以及協(xié)方差矩陣的第二特征值λ2都能用作檢測(cè)動(dòng)目標(biāo)的判斷依據(jù)。下面我們對(duì)上述三個(gè)動(dòng)目標(biāo)檢測(cè)量的原理以及各自存在的缺點(diǎn)進(jìn)行分析討論：

由式(7)中容易看出，第二特征值檢測(cè)量?jī)H包含了樣本協(xié)方差矩陣的幅度信息，未包含樣本協(xié)方差矩陣的相位信息。第二特征值檢測(cè)量主要存在的缺點(diǎn)是受雜波環(huán)境、信雜比的影響較大，尤其是當(dāng)雜波環(huán)境和信雜比的變化呈現(xiàn)不規(guī)則、不規(guī)律的變化時(shí)，其檢測(cè)性能將顯著下降。

2)干涉相位檢測(cè)量：樣本協(xié)方差矩陣經(jīng)過(guò)特征值分解后得到的干涉相位Δ，即ATI相位。理想情況下，雜波像素單元對(duì)應(yīng)的干涉相位為0；對(duì)于包含動(dòng)目標(biāo)信號(hào)的像素單元，由于動(dòng)目標(biāo)徑向速度分量的存在，使得該像素單元對(duì)應(yīng)的干涉相位不為0，因此利用干涉相位可消除雜波，保留動(dòng)目標(biāo)。在作恒虛警檢測(cè)時(shí)，可根據(jù)干涉相位的概率分布以及給定的恒虛警概率求解得到檢測(cè)門限，然后將該檢測(cè)門限與待檢測(cè)像素單元的干涉相位進(jìn)行比較，來(lái)判斷其是否為動(dòng)目標(biāo)像素。

干涉相位檢測(cè)算法的最大優(yōu)點(diǎn)在于實(shí)現(xiàn)簡(jiǎn)單、快速；其相應(yīng)的缺點(diǎn)有：一是受信雜比的影響較大，信雜比越小，越難以有效提取出動(dòng)目標(biāo)信息；二是由于其對(duì)隨機(jī)噪聲、相位漂移等干擾因素較為敏感，造成干涉相位圖中具有較大相位的像素點(diǎn)并不一定是目標(biāo)像素點(diǎn)，進(jìn)而導(dǎo)致恒虛警檢測(cè)結(jié)果圖中虛警過(guò)高。

由以上分析可知，第二特征值，干涉相位以及相似度都可用來(lái)實(shí)現(xiàn)SAR圖像上慢動(dòng)目標(biāo)的檢測(cè)，但從檢測(cè)結(jié)果來(lái)看效果均不理想。下面我們首先對(duì)兩種組合(經(jīng)上述三個(gè)特征元素有效組合而得)的動(dòng)目標(biāo)檢測(cè)算法(歸一化相位檢測(cè)算法和雙曲線檢測(cè)算法)的工作原理進(jìn)行分析，并討論兩種算法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，將第二特征值、歸一化相位門限預(yù)處理引入到雙曲線檢測(cè)算法中，提出了一種穩(wěn)健性的雙通道SAR地面慢動(dòng)目標(biāo)檢測(cè)算法。

2 改進(jìn)的雙曲線檢測(cè)算法

2.1 雙曲線檢測(cè)算法

I.C. Sikaneta和J. Y. Chouinard等人首先通過(guò)對(duì)干涉相位和相似度進(jìn)行函數(shù)變換得到歸一化相位檢驗(yàn)統(tǒng)計(jì)量，其具體表達(dá)式可以表示為

(8)

歸一化相位檢測(cè)量雖然能實(shí)現(xiàn)SAR圖像上的動(dòng)目標(biāo)檢測(cè)，但是由于檢測(cè)量中的相似度信息對(duì)動(dòng)目標(biāo)的敏感程度不高，造成歸一化相位檢測(cè)量的檢測(cè)性能和干涉相位檢測(cè)量的檢測(cè)性能基本相當(dāng)。

為了充分利用樣本協(xié)方差矩陣的幅度和相位信息，I.C. Sikaneta，J. Y. Chouinard等人在歸一化相位檢測(cè)算法的基礎(chǔ)上，將歸一化相位檢測(cè)量和第二特征值檢測(cè)量相結(jié)合，提出了一種新的動(dòng)目標(biāo)檢測(cè)算法——雙曲線檢測(cè)算法。

雙曲線檢測(cè)量的表達(dá)式如式(9)所示。

(9)

其中，p為第二特征值的階數(shù)，也稱權(quán)重調(diào)節(jié)因子，其值的選取與實(shí)際的雜波環(huán)境和信雜比等因素有關(guān)。

由式(9)容易看出，雙曲檢測(cè)量有效地利用樣本協(xié)方差矩陣的幅度和相位信息，來(lái)實(shí)現(xiàn)SAR圖像上的動(dòng)目標(biāo)檢測(cè)，因此是一種性能較優(yōu)的慢動(dòng)目標(biāo)檢測(cè)量。由文獻(xiàn)[6]的分析結(jié)果可知，該檢測(cè)量的優(yōu)越性能主要表現(xiàn)在以下兩個(gè)方面：一是雜波抑制能力強(qiáng)；二是抗干擾性能好。相應(yīng)地，該檢測(cè)量主要存在的缺點(diǎn)是對(duì)實(shí)際的雜波環(huán)境和信雜比等因素較為敏感，使得其在不同的雜波環(huán)境和信雜比條件下的性能差異較大，即檢測(cè)量的穩(wěn)健性較差。文獻(xiàn)[6-7]的分析指出，可通過(guò)改變權(quán)重調(diào)節(jié)因子，來(lái)提高該檢測(cè)量的穩(wěn)健性；然而，如何自適應(yīng)地根據(jù)不同的雜波環(huán)境和信雜比選擇權(quán)重因子的大小，目前還尚未解決，還有待進(jìn)一步研究。

雙曲線檢測(cè)量的概率密度函數(shù)的推導(dǎo)過(guò)程可參考文獻(xiàn)[6]，在這對(duì)其就不作詳細(xì)地介紹。由文中的分析結(jié)果可知，p=1時(shí)的雙曲線檢測(cè)量的概率密度函數(shù)可表示成式(10)形式。

(10)

其中，ψ(·)表示第二類退化的超幾何函數(shù)。圖1分別給出了雜噪比CNR=5,10,15,20dB,n=2，δ2=8時(shí)的雙曲線測(cè)量的概率密度函數(shù)。

圖1 CNR=5,10,15,20dB,n=2，δ2=8 時(shí)的雙曲線測(cè)量的概率密度函數(shù)

在給定恒虛警概率的情況下，相應(yīng)地，雙曲線檢測(cè)算法的檢測(cè)門限為

(11)

其中，Pfa,u表示給定的恒虛警概率值。

2.2 改進(jìn)的雙曲線檢測(cè)算法

由上一小節(jié)的分析可知，雙曲線檢測(cè)算法雖然具有雜波抑制能力和抗干擾能力強(qiáng)等特點(diǎn)，但算法的穩(wěn)健性較差，即在權(quán)重因子一定的條件下，算法在不同雜波環(huán)境和信雜比條件下的性能差異較大。為了解決算法的上述缺點(diǎn)，本節(jié)將第二特征值、歸一化相位門限預(yù)處理引入原算法中去，來(lái)提高算法在不同的雜波環(huán)境下的穩(wěn)健性。

以往的研究結(jié)果表明[9]，實(shí)驗(yàn)場(chǎng)景中，導(dǎo)致雙曲線檢測(cè)算法性能下降的干擾信號(hào)主要可分為兩類：第一類是受相位漂移和噪聲影響所產(chǎn)生的雜波信號(hào)；第二類是雜波背景中的強(qiáng)點(diǎn)狀雜波。對(duì)于第一類干擾信號(hào)，與慢動(dòng)目標(biāo)信號(hào)相比，其第二特征值幅度較小，表現(xiàn)在第二特征值——?dú)w一化相位分布圖上為0第二特征值附近有許多歸一化相位大的離散點(diǎn)；對(duì)于第二類干擾信號(hào)，與慢動(dòng)目標(biāo)信號(hào)相比，其歸一化相位較小，表現(xiàn)在第二特征值——?dú)w一化相位分布圖上為0歸一化相位附近有許多第二特征值較大的離散點(diǎn)。以上兩類干擾信號(hào)可通過(guò)設(shè)置適當(dāng)?shù)牡诙卣髦甸T限和歸一化相位門限將其去除，兩門限Tλ2和T?取值可通過(guò)式(12)算得

(12)

其中，λ2(i)為每個(gè)像素點(diǎn)對(duì)應(yīng)的第二特征值，?Δ為所有像素點(diǎn)歸一化相位的統(tǒng)計(jì)標(biāo)準(zhǔn)差，N為像素點(diǎn)的總個(gè)數(shù)。k1，k2是兩個(gè)可調(diào)常數(shù)，其經(jīng)驗(yàn)取值分別為1～2.5，1～1.5，k1過(guò)大會(huì)造成信雜比較小的慢動(dòng)目標(biāo)的漏檢，而過(guò)大的k2則會(huì)造成最小可檢測(cè)速度的增大。

圖2給出了本文所提的動(dòng)目標(biāo)檢測(cè)算法的基本流程，其實(shí)現(xiàn)過(guò)程可概括為：

1)第1步：以被檢像素為中心，分別截取前向通道圖像和后向通道圖像的一小塊數(shù)據(jù)估計(jì)樣本協(xié)方差矩陣，然后利用式(7)和式(5)求得對(duì)應(yīng)這一像素的第二特征值和歸一化相位。遍歷整幅SAR圖像，得到每個(gè)像素對(duì)應(yīng)的第二特征值和歸一化相位；

2)第2步：利用式(15)、式(16)和式(17)分別求解得到雜波協(xié)方差矩陣的特征值s1，s2和多視數(shù)n，然后把s1，s2和n代入式(10)中，得到雙曲線變量的概率密度函數(shù)；

3)第3步：根據(jù)給定的恒虛警概率，利用式(11)確定雙曲線檢測(cè)門限；

4)第4步：將第1步計(jì)算得到的第二特征值和歸一化相位代入到式(12)中，計(jì)算出第二特征值和歸一化相位的預(yù)處理門限；

5)第5步：利用計(jì)算得到的第二特征值和歸一化相位預(yù)處理門限去除掉雜波背景中的干擾信號(hào)；

6)第6步：利用式(9)計(jì)算得到剩余像素點(diǎn)對(duì)應(yīng)的雙曲線檢測(cè)值，然后將其逐一與第3步求得的門限進(jìn)行比較，給出最終的檢測(cè)結(jié)果。

圖2 改進(jìn)的雙曲線動(dòng)目標(biāo)檢測(cè)算法的基本流程

3 參數(shù)估計(jì)[10-12]

1)樣本協(xié)方差矩陣的求解：以被檢測(cè)像素為中心，分別截取前向通道圖像和后向通道圖像的一小塊數(shù)據(jù)估計(jì)樣本協(xié)方差矩陣，假設(shè)數(shù)據(jù)塊大小為M×N，其中M代表方位的像素點(diǎn)數(shù)，N代表距離像素點(diǎn)數(shù)，且設(shè)兩者都是奇數(shù)，這時(shí)樣本協(xié)方差矩陣的預(yù)估值可寫(xiě)為

(13)

其中，Z(x,y)=[Z1(x,y),Z2(x,y)]T，x和y分別表示中心像素點(diǎn)的方位向位置和距離位置。

2)雜波協(xié)方差矩陣的求解：計(jì)算時(shí)，我們可將SAR圖像作為一個(gè)整體進(jìn)行處理，認(rèn)為圖像中不包含任何有用的目標(biāo)信息，這時(shí)利用SAR圖像中的所有像素點(diǎn)以求均值的方式獲取得到雜波協(xié)方差矩陣。實(shí)際處理中，為了確保雜波協(xié)方差矩陣估計(jì)的準(zhǔn)確性，可預(yù)先設(shè)置第二特征值門限去除雜波背景中少數(shù)的奇異點(diǎn)，由去除剩余的所有像素點(diǎn)進(jìn)行雜波協(xié)方差矩陣估計(jì)，其估計(jì)值可寫(xiě)為

(14)

其中，Z1，Z2分別表示前向通道、后向通道復(fù)圖像。對(duì)其進(jìn)行特征值分解，得到

(15)

而相應(yīng)的雜波相關(guān)度可通過(guò)式(16)獲得

(16)

3)計(jì)算多視數(shù)：用Δx表示SAR圖像方位分辨率，δx表示方位像素分辨率，在滑窗長(zhǎng)度L已知的情況下，多視數(shù)可表示為

(17)

4 仿真實(shí)驗(yàn)

本節(jié)，我們通過(guò)仿真實(shí)驗(yàn)對(duì)上述幾種算法的有效性進(jìn)行驗(yàn)證。試驗(yàn)中，雷達(dá)系統(tǒng)工作在X波段，載機(jī)的飛行高度為5000m，載機(jī)速度為100m/s，天線相位中心到成像區(qū)中心的距離為20000m，脈沖重復(fù)頻率PRF為625Hz，發(fā)射LMF信號(hào)帶寬為50MHz，孔徑之間距離3m，雜噪比CNR為10dB。在地面成像場(chǎng)景中，我們?cè)O(shè)置了5個(gè)慢動(dòng)目標(biāo)，5個(gè)慢動(dòng)目標(biāo)的信雜比分別為7.8dB、6.02dB、10.5dB、4.1dB、4.6dB，它們相應(yīng)的速度處在0.5～7m/s之間。除此之外，我們還在成像場(chǎng)景中設(shè)置了多個(gè)干擾信號(hào)及強(qiáng)雜波點(diǎn)。圖3給出了回波信號(hào)經(jīng)極坐標(biāo)格式成像算法(PFA)處理和像素位置配準(zhǔn)處理后的雙通道SAR圖像[13-14]，從圖3中可以看出，兩個(gè)接收通道對(duì)地面同一場(chǎng)景的SAR圖像基本一致。

圖3 目標(biāo)所在區(qū)域的SAR圖像

在獲取得到上述兩幅配準(zhǔn)的SAR圖像后，我們便可依照上節(jié)所述的幾個(gè)動(dòng)目標(biāo)檢測(cè)算法流程進(jìn)行CFAR檢測(cè)。其中，所選窗口的大小為3×3，幾種動(dòng)目標(biāo)檢測(cè)算法(第二特征值檢測(cè)算法、干涉相位檢測(cè)算法、DPCA檢測(cè)算法、歸一化相位檢測(cè)算法、雙曲線檢測(cè)算法及改進(jìn)的雙曲線檢測(cè)算法)的虛警概率都設(shè)為10-4，預(yù)處理門限(改進(jìn)雙曲線檢測(cè)算法)參數(shù)k1，k2分別為1.5，1.5，圖4給出了上述幾種動(dòng)目標(biāo)檢測(cè)算法的CFAR檢測(cè)結(jié)果(圖中，‘·’表示動(dòng)目標(biāo)，‘+’表示虛警點(diǎn))。由圖4可知，第二特征值檢測(cè)器在這塊數(shù)據(jù)中總共檢測(cè)到8個(gè)目標(biāo)點(diǎn)，經(jīng)過(guò)確認(rèn)后，其中1、2、3、4、5為地面場(chǎng)景中的5個(gè)慢動(dòng)目標(biāo)(對(duì)地面配合車輛3漏警)，其它3個(gè)目標(biāo)點(diǎn)為虛警點(diǎn)；干涉相位和歸一化相位檢測(cè)器分別檢測(cè)出了7個(gè)目標(biāo)點(diǎn)，其中1、2、3、4為地面場(chǎng)景中的4個(gè)慢動(dòng)目標(biāo)，兩個(gè)檢測(cè)器都對(duì)目標(biāo)點(diǎn)3產(chǎn)生漏檢，同時(shí)還存在一定數(shù)量虛警點(diǎn)，產(chǎn)生漏檢的主要原因是目標(biāo)運(yùn)動(dòng)速度較小，且目標(biāo)的信雜比??；DPCA檢測(cè)器的檢測(cè)結(jié)果與雙曲線檢測(cè)器的檢測(cè)結(jié)果相同，兩者在這塊數(shù)據(jù)上總共檢測(cè)出6個(gè)目標(biāo)點(diǎn)，其中，5個(gè)慢動(dòng)目標(biāo)點(diǎn)和1個(gè)虛警點(diǎn)；與上述幾種方法相比，改進(jìn)的雙曲線檢測(cè)器不但將所有慢動(dòng)目標(biāo)點(diǎn)都檢測(cè)出，與此同時(shí)未出現(xiàn)漏檢和出現(xiàn)虛警的現(xiàn)象。

從上述檢測(cè)結(jié)果容易看出，第二特征值檢測(cè)器雖然能把所有的目標(biāo)都能檢測(cè)出來(lái)，但虛警點(diǎn)數(shù)過(guò)多，導(dǎo)致相應(yīng)的檢測(cè)性能下降；歸一化相位檢測(cè)量雖然有效結(jié)合干涉相位和相似度信息，然而由于檢測(cè)量中的相似度信息對(duì)慢動(dòng)目標(biāo)的敏感度不高，導(dǎo)致該檢測(cè)器的性能與干涉相位檢測(cè)器的檢測(cè)性能基本相當(dāng)；由文獻(xiàn)[7]的分析可知，經(jīng)多視處理后，DPCA檢測(cè)量可表示成mDPCA=λ1(1-sin2ΘcosΔ)+λ2(1+sin2ΘcosΔ)，從該表達(dá)式的第一項(xiàng)可以看出，一個(gè)小的干涉相位差很有可能被第一特征值進(jìn)行放大，由于樣本協(xié)方差矩陣的第一特征值集中了雙通道SAR圖像的所有能量(對(duì)于只含靜止目標(biāo)的像素單元)，因此該不期望的放大在一定程度上增加了系統(tǒng)的虛警概率；對(duì)于雙曲線檢測(cè)算法，圖中我們給出了p=1時(shí)的檢測(cè)結(jié)果，仿真數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明，當(dāng)p的取值較大(p>2)時(shí)，此時(shí)的檢測(cè)結(jié)果與第二特征值的檢測(cè)結(jié)果相類似；當(dāng)p的取值較小(p>0.3)時(shí)，其檢測(cè)結(jié)果與歸一化相位的檢測(cè)結(jié)果相類似；此外，對(duì)于p不等于1的情況，由于無(wú)法從理論推導(dǎo)上獲取得到雙曲線檢測(cè)量的概率密度函數(shù)，因此給目標(biāo)的恒虛警檢測(cè)帶來(lái)一定難度(實(shí)際處理過(guò)程中，只能通過(guò)蒙特卡洛實(shí)驗(yàn)得到雙曲線檢測(cè)量的概率密度函數(shù))；對(duì)于改進(jìn)的雙曲線檢測(cè)算法，由于結(jié)合第二特征值、歸一化相位門限預(yù)處理，其有效降低了干擾信號(hào)對(duì)原雙曲線檢測(cè)算法性能的影響，在很大程度上提高了系統(tǒng)對(duì)地面慢動(dòng)目標(biāo)的識(shí)別能力，是一種具有較強(qiáng)工程實(shí)用性的雙通道SAR動(dòng)目標(biāo)檢測(cè)算法。

5 結(jié)束語(yǔ)

基于樣本協(xié)方差矩陣特征分解的動(dòng)目標(biāo)檢測(cè)技術(shù)是近些年新提的一種動(dòng)目標(biāo)檢測(cè)技術(shù)，它利用特征分解得到的第二特征值、干涉相位、相似度3個(gè)檢驗(yàn)統(tǒng)計(jì)量來(lái)實(shí)現(xiàn)SAR圖像上的動(dòng)目標(biāo)的檢測(cè)。然而，從上述分析可知，單純僅利用上述3個(gè)檢測(cè)量來(lái)實(shí)現(xiàn)SAR圖像上的動(dòng)目標(biāo)的檢測(cè)，其效果并不理想。為此在以后的研究中，學(xué)者提出對(duì)上述三個(gè)檢測(cè)量進(jìn)行有效組合，來(lái)實(shí)現(xiàn)SAR圖像中的目標(biāo)檢測(cè)。提出的新檢測(cè)量包括歸一化相位檢測(cè)量和雙曲線檢測(cè)量，但以上兩個(gè)檢測(cè)量也存在各自的缺點(diǎn)，歸一化相位檢測(cè)量的缺點(diǎn)是檢測(cè)量中的相似度信息對(duì)目標(biāo)敏感度太低；雙曲線檢測(cè)量的缺點(diǎn)是檢測(cè)量表達(dá)式中第二特征值階數(shù)的選取通常與實(shí)際的雜波環(huán)境有關(guān)，即該檢測(cè)量的穩(wěn)健性較差。在此基礎(chǔ)上，本報(bào)告將將歸一化相位、第二特征值門限預(yù)處理與雙曲線檢測(cè)相結(jié)合，又提出了一種改進(jìn)的動(dòng)目標(biāo)檢測(cè)算法。從仿真實(shí)驗(yàn)結(jié)果來(lái)看，該檢測(cè)方法具有檢測(cè)能力強(qiáng)、虛警概率低、最小可檢測(cè)速度小等優(yōu)點(diǎn)，是一種工程應(yīng)用價(jià)值較高的動(dòng)目標(biāo)檢測(cè)算法。