基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法*

李少书，陈华杰，林萍

（杭州电子科技大学通信信息传输与融合技术国防重点学科实验室，杭州310018）

基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法*

李少书，陈华杰，林萍

（杭州电子科技大学通信信息传输与融合技术国防重点学科实验室，杭州310018）

叶簇环境下，当动杂波比较复杂时，常规的目标检测算法CFAR和DPCA不能有效地滤除杂波。提出了一种基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法（HD），该算法在叶簇杂波比较复杂的情况下能够有效滤除动杂波，提取出动目标。首先，介绍了叶簇扰动环境下的场景建模，并且给出了建模分析和建模场景仿真；其次，给出了HD算法推导过程；最后，在建模基础上对该算法和常规算法进行了对比仿真实验。实验结果表明，该算法在较低信噪比情况下也能保持较高的检测概率。

SAR/GMTI，动目标检测，杂波建模，霍夫变换

0 引言

合成孔径雷达地面运动目标检测（SAR-GMTI）技术综合了对地观测和运动目标检测、测速定位能力，具有重要的民用和军事价值。然而，地面叶簇会受天气影响产生扰动，这会对SAR目标检测产生很大的干扰。一方面，信号在叶簇扰动环境中传递时，随着环境杂波复杂度的增加，信号的双程衰减也就越明显，最后引起目标信杂比严重下降，产生较高的虚警率。另一方面，叶簇的扰动会对回波数据产生干扰，影响真实目标的检测。

在杂波抑制方面，经典的杂波抑制方法有空时自适应处理（Space-Time Adaptive Processing，简称STAP）方法、天线相位中心偏置（Displaced Phase Center Antenna，简称DPCA）技术［1］。DPCA方法简单、可靠，相比STAP方法而言，被广泛应用于通道数较少情况下的杂波处理中。在双通道SAR图像回波中，DPCA方法能够较好地对消双通道的静止杂波，但不能有效地滤除动杂波。因此，DPCA方法通常用来配合其他的算法进行目标检测。

到目前为止，在致力于发展高性能的SAR图像动目标检测算法方面，研究者们做了大量工作。主要研究思路是根据目标和背景散射特性的不同来完成目标与背景的分离。常用的目标检测方法有恒虚警（CFAR）方法、基于动态规划的检测前跟踪（TB-TBD）算法等［2］。基于TB-TBD算法能够充分利用目标信号回波的信息，利用原始信号能量进行多帧积累，提取出动目标。该算法能够在常规雷达目标检测中取得较好的动目标检测效果，但考虑到实际叶簇扰动下的SAR/GMTI目标检测环境中，单位合成孔径时间内，很难完成对多帧图像的采集［3］。传统的CFAR算法主要是在均匀杂波环境中进行的，在实际检测时的雷达环境中，如果存在风吹、雨水等干扰时，叶簇杂波是非均匀的。对于一定的检测门限，当杂波干扰增大时，虚警率会大大增加，导致无法检测出真实目标［4］。

本文提出了一种基于Hough变换的叶簇扰动环境下SAR/GMTI动目标检测（HD）算法。该算法的主要优点在于将霍夫变换应用叶簇环境下的SAR/GMTI目标检测以处理叶簇杂波干扰问题。相比现有的CFAR、DPCA等方法，该算法在信噪比（SNR）较低的情况下也有较高的检测概率。本文深入探讨了HD算法，并给出了仿真结果及其分析。

1 叶簇扰动场景建模及特性分析

1.1叶簇扰动场景建模

在叶簇环境下，叶簇扰动是地面动目标检测中较强的一种杂波干扰。在一个给点的距离分辨率的单元内，在t时刻的雷达回波x（t）为在该单元内k个散射点的回波的累加，x（t）记为：

其中，ak是k个散射点的幅度，vk是对应的径向速度，λ是雷达波长。针对叶簇扰动环境，可假设{ak}是一个均值为0，方差为δ2的独立随机变量，并且{ak}满足：

杂波的频谱特性直接取决于径向速度vk，由于风向风速等参数在一个合成孔径时间内可大体视为一个常数［5］。因此，k个散射点的径向速度总体上应该呈现出一种规律性，并且这个规律与当时的风向风速是相关的。通常用来描述地杂波分布的典型杂波模型，有高斯分布、对数正态分布、韦布尔分布等。大多数情况下，高斯分布能较好拟合叶簇环境下杂波速度运动特性［6］。一个比较简单的方法，可假设vk服从一个均值为零，方差为1的高斯分布。即{vk}满足：

进一步考察vk，每一片树叶中的速度可分解为不同尺度上速度的累加：如树叶的速度、树枝的速度等。尺度的个数取决于树的结构以及风速。

1.2场景建模仿真

根据上面场景建模分析，本文建立叶簇扰动场景仿真模型。设定运动目标的初始位置为（10 000，50），目标的径向速和切向速度均为15 m/s，这个速度符合地面的车辆等真实目标。针对叶簇杂波环境，随机产生n个动杂波点。杂波的切向速度接近于零，径向速度服从高斯分布。

图1和图2分别表示没有杂波和杂波在200个情况下的双通道仿真回波信号。图1反映了在没有杂波情况下的仿真图，图1（a）为平面图，空心圆代表真实目标点，箭头方向为运动目标的方向；图1（b）表示无杂波回波仿真3D图。

图2反映了在杂波为200个，切向速度为零，径向速度服从高斯分布的仿真图，图2（a）为平面图，空心圆代表真实目标点，实心圆代表杂波点，箭头方向为目标的运动方向；图2（b）表示有杂波时回波仿真3D图。

图1 无杂波情况下建模仿真图

图2 加入叶簇杂波情况下建模仿真

1.3叶簇扰动环境特性分析

在目标检测中，雷达杂波是除了真实目标以外的其他物体的雷达散射回波，它会干扰目标信号影响雷达的检测功能。在叶簇扰动环境中，随着叶簇动杂波的增强，回波信号的双程衰减也越明显，最后引起信噪比下降，影响对真实目标的检测。为了对后续的动目标进行检测，需采用杂波抑制手段来进行杂波抑制，然后再利用相关算法检测出动目标。DPCA杂波抑制算法处理的流程图如图3所示。

图3 DPCA处理的过程

双通道距离向压缩后，对通道2进行相位补偿，然后进行杂波对消。为了说明动杂波对目标检测的干扰，根据双通道DPCA技术做一次场景仿真。设定的真实运动目标位置是（10 000，50），目标的径向速度和切向速度分别为10 m/s。情形1：随机产生300个静杂波点，仿真图为图4。情形2：随机产生300个动杂波点。杂波的切向速度接近于零，径向速度服从高斯分布，仿真图为图5。图4（a）、图4（b）表示静止杂波下双通道回波信号经过DPCA技术之后的结果处理图；图5（a）、图5（b）表示动杂波下双通道回波信号经过DPCA技术之后的结果处理图。

从仿真图可以看出DPCA对于叶簇遮蔽下的动目标的杂波抑制效果不是很理想，虽然部分杂波能够被消除掉，但是强度较大且距离目标较近的杂波没有被滤除干净。因此，在DPCA杂波抑制后还需要目标检测算法来对目标进行检测。

图4 静杂波情况下DPCA处理

图5 动杂波情况下DPCA处理

2 基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法

DPCA杂波抑制处理后的数据空间中，距离向和方位向空间上点目标呈现出一条直线。本算法的主要目的是滤除叶簇动杂波直线的干扰，检测出数据空间中真实目标的直线。

本文算法的主要优点在于将霍夫变换运用于叶簇环境下的SAR/GMTI目标检测，在进行霍夫变换之前采用均值K方法来获得二值化所需阈值，大大减少了计算量。传统的CFAR方法是通过单个像素灰度和设定的门限值进行比较达到提取目标像素的目的，当杂波干扰增大时，传统CFAR方法的检测率大大减低。在叶簇扰动环境中，由于真实目标回波信号幅值高于叶簇杂波的回波信息幅值，因此，本文算法在霍夫变换后累加器中的最大峰值即对应于回溯后真实目标直线数据。当信噪比降低时，本算法依然能够保证较高的检测率。

本文中所提HD算法的基本思路是在原始空间数据进行二值化后，利用霍夫变换将数据从直线参数映射到参数平面单元，并将配对两点的幅值累加到该单元的累加器中，最后通过投票方式选出局部峰值（具体实现为设定一定阈值，高于阈值的就是局部峰值），该峰值对应于数据平面上的点目标直线［7］。程序流程图如图6所示。

图6 算法流程图

DPCA杂波抑制后得到的数据空间，记M×N表示其大小，像素的灰度值为I（xi，yj）。算法的具体实现步骤如下：

步骤1：二值化处理，通过均值K方法［8］获得二值化的阈值，该方法是一种自适应获取阈值的方法，随着杂波的增加。K值的获取通过累积整个图像中每个像素值再求平均得到。设门限为K，I（xi，yj）处理方程为：

在真实叶簇环境下，真实目标的幅值会高于叶簇动杂波和其他静杂波的幅值，并且在实际目标检测中不需要考虑丢失的部分像素［9］。因此，均值K方法适合本场景下目标检测中二值化阈值的选取。

步骤2：将二值化处理后的原始平面分割成XP×Xθ个分辨单元，原始平面数据集合记为{Z}。其包含Nθ×NP个点坐标及其对应的信号强度，并且记为：

步骤3：将集合Z中超过门限T的点存储在集合Zp中，则Zp={（iΔx，jΔy，Zp（i，j）＞η）}。为表述方便记：

其中，M表示第M个超过门限数据的点，L为超过门限的总个数。

步骤4：接着将集合Zp中所有点按照式（7）进行霍夫变换求取对应的ρ，θ值，同时进行幅值的积累［10］。Hough变换采用极坐标形式来表示其方程为：

其中，n为距离单元数，m为回波次数，ρ和θ分别表示Hough参数空间的距离和角度参数。

步骤5：接着建立累加器Ω，Ω为XP×Xθ大小的零矩阵，对于参数空间中每个点，若参数（ρ，θ）满足下式：

则将其投影到参数平面对应单元中，同时将幅值存储到参数平面对应的累加器Ω中。若不满足式（8），则继续寻找下一个满足条件的参数进行投影。

步骤6：对累计器集合中的回波点门限选取，本文门限的选取是根据仿真时经验取值来确定的；接下来对累加器Ω求局部最大值，每一个局部最大值对于ρ和θ即是一条直线的两个参数，若累加器中Ω的值小于阈值则放弃。

最后，根据累加器Ω得到的值进行回溯，得到动目标距离向压缩后直线，进一步进行方位向压缩可得到动目标的具体位置。

3 仿真分析

为了验证本文提出的算法，本文在不同信杂比情况下对常规算法CFAR和HD算法进行了仿真对比。首先，给出信噪比和检测概率的定义；其次，对不同信噪比情况下运用两种算法进行目标检测，并且给出算法仿真图；最后，给出不同信噪比下的检测概率。

3.1场景仿真参数

在进行算法验证前，先进行场景仿真建模。场景中的雷达参数为：合成孔径大小为4 m，距离分辨率为75 km，扫描角度为0.3 m。目标和杂波的参数为：目标初始位置（10 000，50），目标径向速度和切向速度都为15 m/s，杂波的切向速度为零，径向速度随机产生且符合高斯分布。

3.2性能指标定义

检测概率pt定义如下：

其中Q是仿真次数，μs代表第s次仿真中是否包含正确目标直线参数。

信噪比定义［11］：其中Sn表示真实信号的幅值、Nn表示杂波信号的幅值。

3.3不同信噪比时，两种算法仿真比较

图7反映了SNR=20 dB时，两种算法目标检测处理结果。此时，真实目标信号强度大于叶簇杂波的信号强度。图7（a）为CFAR检测后结果；图7（b）为HD算法检测后结果。图8反映了SNR=10 dB时，两种算法目标检测处理结果。此时，真实目标信号强度和叶簇杂波的信号强度相当。图8（a）为CFAR检测后结果；图8（b）为HD算法检测后结果。

图7 SNR=20 dB的处理结果

图8 SNR=10 dB的处理结果

在信噪比较高的情况下，CFAR算法和基于HD算法都能够较好地检测出目标轨迹。随着信杂比的降低，CFAR检测率明显下降，不能较好地检测出目标，而HD依然能够较好地检测出动目标轨迹。不同信噪比下的检测率如表1所示。

表1 不同信噪比情况下的检测概率

经过HD算法处理后能够得到动目标距离向压缩后的位置（距离向压缩后呈现出一条直线），进一步进行方位向压缩可得到动目标的具体位置。虽然距离迁移会造成距离向和方位向之间的耦合，导致真实目标位置出现偏差，但是通过参数估计等方法可以进行位置校正，检测出真实目标位置。

4 结论

本文提出了一种基于Hough变换的叶簇扰动环境下SAR/GMTI动目标检测算法。该算法结合了霍夫变换算法并使之运用于叶簇环境下SAR/GMTI动目标检测。该算法不需要对多帧数据进行积累，相比CFAR等常规算法，能够在杂波情况更为复杂的情况下保持较高的检测率，弥补因杂波造成信号双程衰减而引起的信噪比下降等问题。实验结果表明，和传统的检测算法相比，本文提出的算法取得了更好的效果。

［1］黄大羽.复杂环境下弱目标检测与跟踪算法研究［D］.上海：华东理工大学，2012.

［2］SOUMEKH M，HIMED B.SAR-MTI processing of multi-channel airborne radar measurement data［C］//IEEE International Radar Conference.Piscataway，NJ，USA：IEEE publishing，2002.24-28.

［3］钱骏.一种新的恒虚警处理方法简介［J］.火控雷达技术，2005，34（3）：46-49.

［4］左臣婕.分布式小卫星SAR地面运动目标检测及速度估计［D］.北京：中国科学院研究生院（电子学研究所），2007.

［5］雷鹏正.机载Scan-GMTI技术研究［D］.长沙：国防科学技术大学，2009.

［6］胡海荣.基于分数阶fourier变换的合成孔径雷达动目标检测方法［D］.杭州：浙江工业大学，2009.

［7］KEIRH R R.Synthetic aperture imaging radar and moving targets［J］.Aerospace and Electronic Systems，IEEE Transactions on，1971，（3）：499-505.

［8］赵雪松，陈淑珍.综合全局二值化与边缘检测的图像分割方法［J］.计算机辅助设计与图形学学报，2011，13（2）：118-121.

［9］王伟华，付启众，李铁军.Hough积累及其在搜索雷达中的应用［J］.雷达科学与技术，2006，4（6）：280-310.

［10］魏兰玲.基于随机霍夫变换的微弱目标检测方法研究［D］.成都：电子科技大学，2011.

［11］王国宏，孔敏，何友.Hough变换及其在信息处理中的应用［M］.北京：兵器工业出版社，2005.

SAR/GMTI Moving Target Detection Algorithm for Foliage Environment Based on Hough Transform

LI Shao-shu，CHEN Hua-jie，LIN Ping
（Key Laboratory of Fundamental Science for National Defense-Communication Information Transmission and Fusion Technology，Hangzhou Dianzi University，Hangzhou 310018，China）

Under foliage disturbance environment，the conventional CFAR and DPCA algorithm can’t effectively filter clutter when moving clutter become more complicated.This paper proposes a SAR/GMTI moving target detection algorithm for disturbance environment foliage based on Hough Transform that can effectively filter out moving clutter and extract out the moving target.Firstly，this paper introduces the foliage disturbance scenario modeling，and the modeling analysis and simulation modeling scenarios are given.Secondly，derivation algorithm is based on HD simulation experiments；Finally，this paper give a comparative experiment between HD algorithm and conventional.The simulation results show that this algorithm at lower SNR can maintain a high probability of detection.

SAR/GMTI，moving target detection，clutter modeling，hough transfor

TN953

A

1002-0640（2016）11-0070-05

2015-09-16

2015-11-20

“十二五”国家预研基金资助项目

李少书（1990-），男，湖南永州人，硕士研究生。研究方向：SAR雷达图像处理。