SAR动目标检测系列:【2】多通道动目标检测

文章介绍了多通道SAR系统在动目标检测中的应用,主要探讨了DPCA、ATI和STAP三种技术。DPCA通过相减处理实现杂波抑制,但存在盲速问题。ATI利用干涉相位检测运动目标,适用于海洋速度测量。STAP是一种自适应处理技术,能有效抑制杂波和干扰,提高信噪比,适合复杂电磁环境。
摘要由CSDN通过智能技术生成

       在SAR的动目标检测应用中,要到达更好的检测性能,必须依赖于多通道检测方案。前文讲了单通道MTI的方法,与单通道系统相比,多通道SAR系统增加了系统自由度,可以通过杂波抑制提高运动目标的图像信杂噪比,改善系统的最小可检测速度和定位能力,同时与多基线处理技术相结合,还能获得场景的三维或多维成像。

        多通道SAR MTI的检测机理是非常简单的,就是获取同一时刻同一场景的图像,并对这些图像进行比较以并现其中变化的信号,从而确定运动目标的位置,并从复信号中估计其运动参数。

       常用的多通道SAR运动目标检测技术包括偏置相位中心天线(Displaced Phase Center Antenna, DPCA)技术、沿航迹干涉(Along Track Interferometry, ATI)技术和空时自适应处理(Space-time Adaptive Processing, STAP)技术。

         DPCA和ATI技术只考虑了两个天线接收数据的情况,因而存在杂波对消器的分辨率低、盲速等问题,虽然这两项技术对高速运动的目标检测性能较好,但在检测慢速目标时,DPCA对信噪比要求高,ATI对信杂比要求高,因此,一般在基线数目较少的情况下,可考虑使用这两种技术;STAP利用杂波与动目标在二维空时谱的差异,并以信噪比最优为准则,对地杂波抑制的同时有效保留动目标后向散射能量,有效提高慢速运动目标的检测概率,因此该技术具有巨大的发展潜力,也是MTI中研究多的方向。

(1)DPCA

        DPCA是根据两通道系统的回波信号模型,在时域将其中一个通道的回波信号与另一通道的回波信号相减来实现杂波抑制。这一过程可以在图像域进行,也可以直接在距离压缩后的数据域进行。

        在信号域上要实现杂波对消,需要满足一定的条件,即载机速度、脉冲重复频率、相位中心间距满足:

\frac{d}{V}=\frac{n}{PRF}

        在图像域上,即使不满足上述条件,也能够实现静止杂波对消。此时,需要对两通道获得相同场景的两幅图像进行图像插值、配准以及相减等操作,如此可实现静止杂波的抑制。经过杂波对消后,在SAR图像中就剩下了运动目标。

        在DPCA中存在不能检测的动目标速度,称为盲速。盲速产生的根本原因是目标回波相位存在2\pi周期的模糊性。盲速可以表示为:

v_b=m\frac{\lambda V}{2d}

        这里,m为整数。

        DPCA的第二个指标是最小可检测速度(第一盲速的0.25倍)。最小可检测速度为:

MDV=\frac{\lambda V}{8d}
        最小可检测速度也对应于DPCA滤波器的3dB损失(能量减少半)。
(2)ATI

        ATI技术最早主要应用于对海洋表面速度的测量。目前成功应用ATI进行动目标检测的SAR系统主要有美国的SRTM干涉测高系统,德国的TerraSAR-X/DEM星载双基SAR系统和加拿大的RADARSAT星载双基SAR系统等。
        ATI也是在图像域进行处理。但不是对两个通道的图像进行相减处理,而是通过计算同一场景两幅图像的干涉相位进行动目标检测分析。

        假设两通道SAR系统不存在杂波去相干,并且不考虑噪声的影响,则两个通道获取的两幅SAR图像经过配准后,图中的静止目标的像素间的干涉相位应为零,而两幅图像中运动目标的像素间的干涉相位可能不为零。通过设置一定的门限相位,就可以把静止目标和运动目标区分开。因此,通过计算两幅图像的干涉相位就有可能检测运动目标并进行速度估计。
(3)STAP

        DPCA和ATI技术不仅对通道一致性有较高要求,而且没有任何干扰抑制能力,很难胜任复杂电磁环境下的任务,因此发展出STAP技术。

        STAP技术的基本思想是根据某一最佳准则,在含有确知信号的高斯杂波背景下,利用空域和时域信息对信号进行自适应处理,达到最佳输出信噪比。该技术最早主要用于脉冲多普勒(PD)雷达中抑制杂波和干扰。

        若N个通道的回波信号表示为\mathbf{Z}=[Z_1,Z_2,...,Z_N]^T,根据假设检验理论:

H_1:Z=S(\theta _s)+C+N
H_0:Z=C+N

        其中,H1表示目标存在,H2表示目标不存在,S为目标回波,C为杂波,N为噪声。一般认为杂波和噪声信号为独立的零均值复高斯信号,噪声方差为\sigma _n^2。用Rc和Rn表示杂波和噪声协方差矩阵。干扰的协方差矩阵为:

R=R_c+R_n=R_c+\sigma_n^2I_{N\times N}

        在实际处理中,选取在H0假设下具有独立同分布的若干距离单元作为训练样本进行干扰协方差估计,称其为采样矩阵求逆算法。设W 为滤波器的权矢量,STAP滤波器的输出应为

Z_{out}=W^HZ

        权矢量W可以通过线性约束最优化求解。

min\, \, \, W^HRW \, \, \, \, \, \, \, \, \, \, s.t.\, \, \, W^Hd(\theta_s)=1

        求解的最优滤波器权矢量为:

W_{opt}=\frac{R^{-1}d(\theta_s)}{d^H(\theta_s)R^{-1}d(\theta_s)}

        最优滤波器实质上是一个广义维纳滤波器,首先对杂波进行白化处理,然后对目标信号进行匹配滤波处理,使得在杂波位置形成凹陷,而在目标区域则保持较好增益。因此,STAP 技术可以充分利用通道优势有效抑制杂波和干扰,实现动目标检测。 

        STAP的处理步骤为:首先对各通道的回波信号进行距离向脉冲压缩和距离徙动校正,然后将信号变换到距离多普勒域进行空时自适应处理。数据多普勒域 STAP 是对每一个多普勒单元分别进行自适应处理。在杂波抑制的同时,对回波数据进行方位向脉冲压缩以提高输出信杂噪比。最后通过 CFAR 检测使,提取运动目标。

        STAP的核心是干扰协方差矩阵的估计。这需要已知运动目标的运动参数。因此,在算法实现中需要对运动目标参数进行搜索。 因此造成STAP计算量非常庞大。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值