基于图割的雷达微弱目标检测

董秀青，郭春生，赵捷珍

(杭州电子科技大学通信工程学院，浙江 杭州 310008)

摘要：低信噪比、强机动条件下的雷达目标检测是目前的研究难点和热点。提出了一种基于图割的雷达目标全局优化检测方法。首先对距离-多普勒信号进行空域积累，形成一定的目标图像序列；然后对背景和目标建模，在最大后验概率准则下，采用图割算法对目标图像序列进行全局优化检测，获取雷达目标图像序列；最后利用卡尔曼滤波器预测目标图像特征，完成目标模型的更新。仿真结果表明，在低信噪比、强机动条件下，能够有效地实现对雷达微弱目标的检测。

关键词：雷达微弱目标检测；图割优化；距离-多普勒视频帧；低信噪比

DOI: 10.13954/j.cnki.hdu.2015.02.006

基于图割的雷达微弱目标检测

董秀青，郭春生，赵捷珍

(杭州电子科技大学通信工程学院，浙江 杭州 310008)

摘要：低信噪比、强机动条件下的雷达目标检测是目前的研究难点和热点。提出了一种基于图割的雷达目标全局优化检测方法。首先对距离-多普勒信号进行空域积累，形成一定的目标图像序列；然后对背景和目标建模，在最大后验概率准则下，采用图割算法对目标图像序列进行全局优化检测，获取雷达目标图像序列；最后利用卡尔曼滤波器预测目标图像特征，完成目标模型的更新。仿真结果表明，在低信噪比、强机动条件下，能够有效地实现对雷达微弱目标的检测。

关键词：雷达微弱目标检测；图割优化；距离-多普勒视频帧；低信噪比

DOI:10.13954/j.cnki.hdu.2015.02.006

收稿日期：2014-06-06

基金项目：国家自然科学基金资助项目(61372157)

通信作者：

作者简介：董秀青(1988-)，女，河南安阳人，在读研究生，信号与信息处理.郭春生教授，E-mail: guo.chsh@gmail.com.

中图分类号：TN911.73

文献标识码：A

文章编号：1001-9146(2015)02-0020-05

Abstract:Now radar weak target detection is the focus of research in the condition of low SNR and strong maneuverability. A method of radar weak target detection based on graph cuts is proposed in this paper. Firstly， the range-Doppler image sequence is constructed through the spatial accumulation; Secondly， based on the target and background models， the target sequence is detected by the optimization algorithm of the graph cuts under the criterion of MAP; Finally， the parameters of target model are predicted by Karman filter to update the target model. The tests demonstrate the effectiveness of this algorithm on detecting the radar weak target in the condition of low SNR， especially for the strong maneuverability．

0引言

由于雷达微弱目标具有隐身、远距离、高机动等特点，这给低信噪比时的目标检测造成一定的困难。为了解决该难点研究者们提出了多种检测方法，如相干积累检测法通过利用回波信号的相位信息来改善目标检测性能[1]，但是这个检测方法的时间受限于目标分辨单元，特别是在高分辨、高速目标雷达系统中这种限制更为明显。对于这个问题，可以利用长时间非相干积累的方法缓解[2]。基于粒子滤波的检测前跟踪(TBD)方法是一种重要的非相干积累法[3]，但是如果目标有着复杂的运动轨迹，检测时采用非相干积累的方法也变得非常困难[4]。为了在低信噪比且目标运动轨迹较复杂的情况下，能够较好地检测到雷达微弱目标，本文提出了基于图割的全局优化弱目标检测方法[4-5]。本方法不同于相干积累和非相干积累法利用时间积累来增强微弱目标的检测能力，而是通过空域积累将周期性回波信号拼接成图像序列，然后再利用图割算法和卡尔曼预测来检测拼接图像中微弱目标的检测。该方法为雷达微弱目标检测提供了一个新的理论方法。

1基于图割的雷达微弱目标检测算法

本文提出的雷达微弱目标检测算法，在贝叶斯最大后验概率准则下，基于图割算法对空域积累得到的距离-多普勒图像序列实施目标全局优化分割。算法的具体流程如图1所示，其中输入为雷达脉冲回波信号，输出是检测到的雷达目标信号，其过程表述为：

1)仿真产生包含杂波噪声和微弱目标的雷达脉冲回波目标信号，经过积累形成距离-多普勒图像序列；

2)利用混合高斯法对距离-多普勒图像建立模型，获取杂波背景模型；

3)根据目标、杂波背景模型，对待检测的距离-多普勒图像构造网络图并确定流量参数；

4)利用最大流/最小割算法求解网络图最小割，提取属于目标的像素，实现距离-多普勒视频图像中雷达目标的检测；

5)利用卡尔曼滤波器对检测到的目标图像进行边长、面积的特征预测，完成目标模型的更新。更新后的目标模型和背景模型一起计算下一帧图像的网络参数，再执行步骤4。如此循环实现距离-多普勒图像序列的检测。

上述过程中目标模型、基于图割的目标检测及目标参数预测是本文算法的3个关键点。

图1　基于图割的雷达微弱目标检测算法流程图

1.1　目标模型

基于马尔科夫随机场(Markov Random Field， MRF)模型对二值化目标图像进行建模，设在二值化的目标图像序列中，数值1表示雷达目标，数值0表示杂波背景，则二值化的目标图像X可以采用MRF模型描述，即：

(1)

(2)

1.2　目标检测

设图像序列Yn中各个像素点yi处的杂波服从均值为0，方差为σ2的高斯分布且相互独立。图像序列Yn在二值图像X下的似然函数为：

(3)

(4)

对式(4)两边取对数变为：

(5)

求解式(5)最大值等价于在对应的网络图中利用最大流/最小割求最小割的问题。具体求解方法为：首先对距离-多普勒图像序列构建一个网络流图，然后为网络流图分配流量。流量分配的方法为：如果λi-α≥0，那么将源点到像素节点i的流量设为λi-α，将像素节点i到汇点的流量设为0；若λi-α<0，则将源点到i的流量设为0，将i到汇点的流量设为为α-λi；像素节点之间的流量设为β。最后利用最大流最小割算法[6]实现前、背景分割达到目标检测的目的。

1.3　目标模型更新

根据卡尔曼预测公式和状态方程，能够对目标的边长和面积进行实时预测，从而及时更新目标模型，改善算法的检测性能。

2实验与分析

在实验部分首先仿真产生距离-多普勒图像序列，然后通过与常规雷达微弱目标检测方法和TBD方法进行比较，验证本文方法在低信噪比、强机动情况下对雷达弱目标检测的有效性和可行性。

2.1　距离-多普勒图像序列的产生

2.2　算法间的比较与分析

分别采用常规检测方法和本文的方法对对上述产生的距离-多普勒图像进行检测，检测结果如图2所示，检测性能指标如表1所示。

图2　距离-多普勒序列帧的检测结果

表1　本文算法与常规法的比较

由图2可以观察到在低信噪比下，基于图割算法检测到的雷达弱目标的运动轨迹要比常规检测方法更加清晰。由表1可以知道在虚警概率相同的情况下，基于图割的雷达弱目标检测方法的检出率较高、误检率更低。这表明了在低信噪比条件下，基于图割的雷达弱目标检测算法优于常规检测方法。

为了进一步验证基于图割的雷达弱目标检测的有效性，与TBD方法进行比较。利用TBD方法检测的性能指标如表2所示。

表2　本文算法与TBD法的比较

由表2可以得到在低信噪比下，基于图割优化的检测方法通过预测周长、面积等鲁棒性的目标特征来更新目标模型实时检测雷达微弱目标的检出率和误检率明显优于基于粒子滤波的TBD方法，验证了基于图割的全局优化检测方法在低信噪比条件下检测雷达微弱目标的有效性。

3结束语

本文提出了基于图割全局优化的雷达微弱目标检测方法，通过卡尔曼滤波器预测的目标模型参数，并与背景模型共同构成网络图模型，利用最大流/最小割算法求解网络图模型实现雷达弱目标检测。本方法通过空域积累，将图割理论应用到雷达弱目标检测之中，较好地实现了低信噪比、强机动情况下对复杂运动目标的有效检测。仿真结果和检测性能指标表明了本算法在雷达微弱目标检测中的有效性。

参考文献

[1]Chen X， Guan J， Liu N， et al. Maneuvering Target Detection via Radon-fractional Fourier Transform-based Long-time Coherent Integration[J]. Signal Processing， IEEE Transactions on，2014，62(4):939-953．

[2]李涛，冯大政，夏宇垠.一种新的非相干积累算法[J].西安电子科技大学学报，2010，37(2):267-272．

[3]Wu Z， Su T. Radar target detect using particle filter[C]//Radar Conference， 2010 IEEE. IEEE，2010:955-958．

[4]王智玉.基于图切优化的雷达微弱目标检测研究[D].杭州电子科技大学，2013．

[5]Yi F， Moon I. Image segmentation: A survey of graph-cut methods[C]//Systems and Informatics (ICSAI)， 2012 International Conference on. IEEE，2012:1 936-1 941．

[6]Boykov Y， Kolmogorov V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision[J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on，2004，26(9):1124-1137．

[7]王盼.视频中运动目标检测与跟踪技术研究[D].杭州电子科技大学，2009．

Radar Weak Target Detection Based on Graph-cuts

Dong Xiuqing， Guo Chunsheng， Zhao Jiezhen

(SchoolofCommunicationEngineering，HangzhouDianziUniversity，HangzhouZhejiang310008，China)

Key words: radar weak target; graph cuts; range-Doppler sequence; low SNR