机载雷达作为安装在各种高空飞机上的雷达,主要用于控制和制导武器,实施空中警戒、侦察以及保障飞行准确与安全。与地基雷达相比,机载雷达具有检测盲区小、监视范围大等优点。从最初的测距机,到脉冲多普勒雷达,再到相控阵雷达,机载雷达技术得到了迅速的发展[1]。而在机载雷达系统中,合成孔径雷达(SAR)成像模式和运动目标指示(MTI)模式是最常用的工作模式。
SAR 通过宽带信号脉冲压缩以及虚拟孔径合成来实现高分辨率图像,不受时间和天气的约束,被广泛应用于军事和民用领域中。SAR 模式主要包括聚束SAR 模式、条带SAR 模式以及扫描模式等[2]。作为一种主动微波成像系统,SAR 发射脉冲并通过处理回波信号获得与光学图像类似的目标场景图,在遥感测绘、资源勘探、区域侦察等多领域中发挥着重要的作用[3-4]。
雷达探测的目标大多为运动目标,如飞机、舰船、导弹等,而在接收信号中,却包含静止或慢速目标所带来的无源干扰[5]。MTI 技术则可以利用运动目标所带来的多普勒频移特性,抑制固定物回波,提高雷达的信杂比,从而检测并指示运动目标[6]。
然而,当探测区域为海面时,目标的空间特征和结构特征存在多样化,目标类型也包含军用舰船及民用船只等。海面背景环境受天气、气候等因素影响,会表现出不同强度的背景噪声。目标的多样性及海洋环境所带来的强噪声,给探测海面目标带来了巨大的挑战。此外,受限于机载雷达工作机理,单一SAR、MTI模式存在功能缺陷,具体表现为:1)MTI 仅能对运动目标检测、跟踪和定位,无法对目标进行属性判断,由于背景杂波影响不可避免存在虚警,在高海况及近距大视角情况下虚警问题尤为突出[7];2)海面建设了不同类型的固定设施(如风力发电机、深海采油采矿等),对此类目标进行MTI 探测,会生成大量的虚假航迹[8];3)探测海面小目标时需采用相对较大的带宽设计,但对于大中型舰船会造成目标距离航迹分裂,必须解决大目标航迹分裂与小目标高分辨率探测需求之间的矛盾;4)通过SAR 可获取目标二维灰度图像用于目标分类识别,但由于波浪作用,目标舰船存在复杂运动形式,导致图像距离向展宽和方位向散焦[9];5)通过运动补偿后ISAR 模式不受船身运动影响,可利用船身转动进行二维成像,但其严重受限于探测视角、船只晃动幅度及成像积累处理时机等不确定因素影响,成像效果具有很大随机性[10];6)现代化机载雷达基本均采用相控阵天线体制,受天线方位扫描角及不同工作模式波束控制限制,单航线只能完成SAR、ISAR、MTI一种模式探测,难以实现SAR和MTI的高效能探测[3]。
鉴于上述问题,本文设计了一种新的海面目标图迹综合一体化探测模式,它通过一体化波束控制、结合子阵数字化天线体制及自适应帧率选择的方式,有效地将SAR 和MTI 模式的优点融合、缺点互补。传统的动目标检测方法主要针对单通道相参波形体制,通过多普勒滤波器组实现杂波的抑制和目标的相参积累,该方法结构简单、运算量低,得到了大量工程应用,但当杂波增加,目标落入杂波背景被淹没时,传统目标检测方法受限。为了提高目标的检测能力,本文针对多通道机载雷达提出了一种基于海杂波多普勒自适应目标检测方法,具有较强的海杂波环境适应性;为有效对目标属性进行判别,在目标检测的同时进行长时凝视成像处理,获取目标二维图像特征,以用于目标特性识别[11-12]。通过该模式可以同时实现对海面目标进行成像及定位跟踪。目前该图迹综合一体化模式在国内雷达上未见相关应用案例。
本文首先剖析了机载雷达常规模式对海面目标探测应用中的关键问题,并在此基础上给出了图迹综合一体化模式探测模型、帧率设计方案,基于模型进行回波处理算法,最后通过实测飞行数据分析,验证了设计可行性。
针对上述关键问题,设计用于大范围目标搜索的广域目标搜索模式和单目标/区域目标凝视确认模式。广域目标搜索主要针对大范围区域未知目标进行搜索发现,工作于该模式时,采用传统的扫描方式,天线波束在方位向排布紧密,在一帧扫描周期内目标可被多个波位检测,一帧扫描后进行多普勒锐化(Doppler Beam Sharpening, DBS)成像及MTI 检测,同时得到海面大范围区域DBS 图像及目标点迹态势,将DBS 图像与点迹进行融合处理,确认目标发现准确性,对于搜索到的重点关注目标,利用当前检测到的目标位置信息引导转入单目标/区域目标凝视确认。
单目标/区域目标凝视确认模式下采用宽带发射信号对目标进行持续观察,获取观察时间内目标回波数据,设置适当的处理帧率,分别进行成像与航迹数据划分,以子孔径目标成像处理获取目标的图像结果进而进行目标的属性判别;通过航迹处理获取目标的运动信息,将两者处理结果进行关联,从而为运动目标的判别提供图像属性和运动特征信息。同时MTI 检测和图像域检测融合印证,提高目标检测性能,为剔除虚假目标提供了有效支撑。下文主要针对单目标/区域目标凝视确认模式展开详细论述。
飞机可沿直线飞行或曲线飞行,对于单个目标或区域波束一直处于凝视状态,如图1所示。该模式可由广域目标搜索模式点迹定位信息引导或同平台/外平台其他侦察传感器粗定位信息引导,用于目标跟踪成像,获取目标RCS、速度、航向、位置、运动轨迹、二维灰度图像视频等综合信息,以进行目标识别及属性判断。根据目标所在方位,采用适配天线扫描角度的宽带信号,以便进行高分辨率成像,天线指向位置根据目标运动航迹情况进行调整,以保证目标被波束连续跟踪照射[13]。
图1 单目标/区域目标凝视确认模式工作原理示意图
单目标/区域目标凝视探测历程中,目标连续被观测到,为同时进行SAR 成像和MTI 检测处理需要分别确定合成孔径时间和跟踪数据率,可采用脉冲滑窗分割的方式,如图2所示。分别确定两种处理的脉冲序列,将一个连续的凝视时间分为多个子孔径进行成像和多个帧周期,获得所需分辨率的SAR 图像序列和帧序列,对各子孔径处理获得的图像序列之间的相干性加权处理获得动态SAR图像帧序列,对各帧周期的MTI点迹进行关联处理,形成目标航迹。
图2 滑窗设计示意图
Tr为凝视探测脉冲重复周期,若MTI所需数据率(相干处理脉冲数)或SAR 成像所需合成孔径时间为Ta,相邻窗口间的时间间隔Tr 设置为帧率的倒数,则滑窗的交叠率为
图3为机载雷达凝视工作空间几何示意图,载机沿方位向以速度Va 飞行,天线设置为正侧视阵,采用单发多收体制,共N 个接收通道,T1 到TN,天线波束在工作期间凝视同一区域,设场景内的任意点目标P( R,θ ),R 为雷达发射通道到目标的斜距,θ为波束斜视角。
图3 凝视模式工作几何示意图
则对于目标P,雷达第n 个通道的回波信号可以表示为
式中,c 为光速,fc 为发射信号载频,Kr 为调频率,tr为距离向时间,ta为方位向时间,Rtr( ta )为发射通道到点目标瞬时斜距,一般取最中间的通道,Rn( ta)为第n个接收通道到点目标的瞬时斜距,有
其中,上式进行了泰勒展开,dn为第n个通道与发射通道的天线间距,目标径向速度vr=vy sin θ+vx cos θ。
利用广域目标搜索模式或其他先验信息引导进行单目标/区域目标凝视确认模式探测,该模式下需同时进行SAR 成像和MTI检测处理[14-15],根据1.2 节介绍的帧率设计,将一个连续的凝视时间分为多个子孔径进行成像和多个帧周期,获得所需分辨率的SAR 图像序列和帧序列。MTI 检测处理包括相参处理、杂波抑制、CFAR 检测、参数估计,输出点迹结果;SAR 成像处理包括距离压缩、距离徙动校正、方位压缩,输出图像序列,最后点迹结果和图像结果进行图迹融合,提高目标检测识别率,降低虚警率。完整的处理算法流程如图4所示。
图4 凝视模式处理算法流程图
2.2.1 动目标检测
对凝视回波数据进行子孔径划分,每个子孔径作为一个波位,每个波位的数据单独距离多普勒相参处理进行动目标检测,在距离向上,将每个静止目标进行距离压缩、去距离徙动,使它在一个波位的照射时间内位于同一个距离单元;在方位向上,将每个静止目标去方位调频率,使它在每个波位的照射时间可以认为是单频信号。
首先,对回波sn( tr, ta )进行距离向FFT,变换到距离频域,与距离压缩匹配滤波函数和距离徙动校正函数相乘,滤波函数分别为
式中, fr为距离频域。
再进行距离向IFFT,完成距离压缩和徙动校正后,得到距离压缩回波
下面进行方位二次项补偿,并对其中第n个通道进行通道多普勒偏移补偿,补偿相位函数分别为
将回波S2( tr, ta )与H3( ta )、Hd( ta )相乘,然后进行方位向FFT,得到距离多普勒域信号,为
上述过程实现了单个波位内第n 个通道的动目标回波信号的距离压缩、距离徙动校正和方位向相参处理,得到距离多普勒域结果,将N 个通道回波进行通道综合,得到和波束及差波束回波,利用和差波束进行目标定位。动目标检测采用恒虚警检测方法。
当观测场景杂波不强,或者目标速度较快落入清洁区时,目标的能量大于杂波能量,频率域动目标检测算法对于目标检测效果较好;当杂波较强,或目标落入主瓣杂波区时,目标会被杂波淹没,影响检测。此时,利用多通道的时空联合信息进行杂波抑制,可提高目标检测能力。
2.2.2 SAR成像
对凝视回波选取一个通道进行SAR 成像处理[16],成像算法采用扩展ωK算法[17]。
首先,对SAR 回波sn( tr, ta )进行距离向FFT 和方位向FFT,变换到两维频率域,这里进行距离压缩和距离一致徙动校正,距离压缩匹配滤波函数H4( fr )如式(4)所示,距离方位一致徙动校正函数为
式中,Rref为选取的参考斜距,一般选测绘带中心。
两维频域回波与H4( fr )、Hrcmc(t a; Rref )相乘,完成距离压缩和距离方位一致徙动校正,有
接着利用Stolt 插值,实现距离向频率的变换,将原来的距离频率fr 插值为新的距离频率f′r,完成残余的距离徙动校正,表示为
经过以上处理,对回波距离向平移、距离向IFFT,进入距离多普勒域,有
这里进行方位压缩,滤波函数为
式(12)与式(13)相乘,进行方位向IFFT,得到聚焦SAR图像。
针对本文提出的凝视模式,设计场景进行验证,试验参数如表1所示,场景几何示意图如图5所示,凝视场景内设置近距、中距和远距3 个小船目标,目标沿着船头方向平动和速度为5 m/s,同时沿着船身转动速度为0.25°/s,对试验回波按照本文提出的算法进行处理。
表1 凝视模式试验参数
参数载频/GHz带宽/MHz采样率/MHz脉宽/μs PRF/Hz平台速度/(m·s-1)飞行高度/m中心作用距离/km方位向波束宽度/(°)单幅图积累角度/(°)参数值10.0 100 120 100 500 120 8 000 120 2 1.2
图5 试验场景几何示意图
在动目标检测处理上,对凝视回波进行子孔径划分,每个子孔径对应一个波位,在每一波位内进行动目标检测,得到点迹结果。根据设计参数,将128条脉冲划分为一个滑窗波位,120 km作用距离对应方位分辨率约60 m,图6为连续多个子孔径波位动目标检测结果。
图6 连续10个波位点迹检测结果
对于SAR成像处理,按照2 m分辨率进行子孔径划分成像,根据设计参数,4 096条脉冲作为一帧进行成像处理。多帧SAR 图像序列处理结果如图7所示,图7(a)第一帧的波束中心斜视角为0.68°,图7(b)第三帧的波束中心斜视角为0°,图7(c)第五帧的波束中心斜视角为-0.68°。
图7 图像序列的图迹融合叠加结果
对图像序列进行基于图像的舰船目标识别,融合动目标检测的点迹结果[18],得到最终目标检测结果,绿色的方框为基于图像检测标注的目标,红色的点为动目标检测标注的目标(定位在平台航迹坐标系下),第三艘小船只有沿航向的速度,没有径向速度,故在动目标检测中无法检测到。从结果上看,设置的3 个小船目标均被检测到,没有漏检第三艘横向运动的目标,并且没有出现虚警目标。
从机载侦察监视雷达对海面目标探测存在的虚警高、识别难和效率低等问题出发,剖析了传统的单一MTI 和SAR 探测手段的短板。本文提出了图迹综合一体化探测模式,将MTI 与SAR 模式有效结合,利用MTI 对运动目标高精度定位性能及目标二维SAR 图像特征,互补两种模式的优势,以解决海上复杂杂波背景情况下目标探测的识别、虚警、漏检等诸多关键问题,可更好地适用于多种复杂场景、目标类型,有效地改善了海面目标探测效能。经构建目标场景,结合试飞数据验证处理方法有效。
[1] 于明飞,陈孝君.机载雷达发展历程及未来趋势[J].航天制造技术,2007(3):49-51.
[2] 保铮,邢孟道,王彤.雷达成像技术[M].北京:电子工业出版社,2005.
[3] 张群,张宏伟,倪嘉成,等.合成孔径雷达深度学习成像研究综述[J].信号处理,2023,39(9):1521-1551.
[4] 焦李成,张向荣,侯彪,等.智能SAR 图像处理与解译[M].北京:科学出版社,2008.
[5] 胡泽宾.SAR干扰技术综述[J].雷达科学与技术,2024,22(4):369-376.
[6] 徐保庆,剡熠琛,拜兵虎,等.基于频率分集的MTI雷达目标检测方法[J].火控雷达技术,2023,52(1):60-63.
[7] 张璘,姜义成.基于速度合成孔径雷达的海面舰船动目标成像方法[J].系统工程与电子技术,2020,42(1):45-51.
[8] 熊艳飞,石志广,郭建,等.基于海浪谱模型和FFT 的海面建模[J].重庆理工大学学报,2014,28(4):77-82.
[9] 汪玲,朱岱寅,朱兆达.基于SAR 实测数据的舰船成像研究[J].电子与信息学报,2007,29(2):401-404.
[10]胡国伟,汪玲,朱岱寅.一种联合TDCM 和PFA 的空间目标大转角ISAR 成像方法[J].雷达科学与技术,2024,22(2):161-169.
[11] 王金峰,刘仍莉,顾庆远.STAP 在机载雷达对海面运动目标检测中的应用[J].火控雷达技术,2023,52(3):25-30.
[12] 王进,冷祥光,孙忠镇,等.复杂运动舰船目标SAR 成像空/时聚焦特性研究[J].系统工程与电子技术,2024,46(7):2237-2255.
[13] 王美凤.机载雷达目标检测及航迹规划方法研究[D].西安:西安电子科技大学,2020.
[14] 武郭珊.海面舰船目标SAR 成像仿真及检测研究[D].西安:长安大学,2024.
[15] 田彪,刘洋,呼鹏江,等.宽带逆合成孔径雷达高分辨率成像技术综述[J].雷达学报,2020,9(5):765-802.
[16] 曾祥书,黄一飞,蒋忠进.基于YOLOX 网络的SAR 图像舰船目标检测[J].雷达科学与技术,2023,21(3):255-263.
[17] 林旭,洪峻,孙显,等.一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法[J].遥感技术与应用,2014,29(1):75-81.
[18] 刘海桥,刘萌,龚子超,等.基于深度学习的图像匹配方法综述[J].航空学报,2024,45(3):82-95.
Research on Integrated Image-Track Fusion Detection Mode for Maritime Targets