黄 聪 刘 寅



基于多普勒频偏估计的单帧图像低速运动目标检测方法

黄 聪*刘 寅

(中国舰船研究设计中心 武汉 430064)

常用的图像域运动目标检测跟踪方法对虚警率较敏感，当虚警率较高时，目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率，进而提高目标检测跟踪的实时性，该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法，通过发射多普勒不敏感的LFM脉冲对，忽略多普勒效应对成像结果的影响，但在图像域检测的同时，利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除，基于单帧数据，减小运动目标检测的虚警率，实现单帧图像的运动目标检测，从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测，再利用宽带时域波束形成和复相关频率测量法，对检测亮点处的波束输出信号进行多普勒测频，仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能，利用2阶锥规划设计滤波器的系数，用9阶FIR滤波器实现了0.01倍采样点的小数时延，提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。

2维成像；动目标检测；多普勒频偏估计；小数时延

1 引言

对于运动目标探测，当发射信号为多普勒敏感信号时，目标回波与本地信号存在多普勒失配，为了有效进行目标检测，需要对目标回波进行多普勒补偿，但目标速度的不确定性给多普勒补偿带来了困难，因此，通常选用多普勒不敏感信号作为发射信号。例如，对于速度仅为1~2 m/s的蛙人[1,2]等低速目标，选用多普勒不敏感信号进行成像时，多普勒效应对成像结果的影响可以忽略，进而可以进行图像域的目标检测和跟踪。

常用的图像域运动目标检测跟踪方法一般可以分为先检测后跟踪(Detect Before Track, DBT)和检测前跟踪(Track Before Detect, TBD)[3,4]两大类。其中，DBT算法先对单帧图像进行检测，获取目标亮点，再通过多帧图像进行点迹关联动目标跟踪；而TBD算法先对目标回波进行多帧累积的联合处理，再利用时间维度上的累积航迹进行动目标跟踪。这两种检测方法都是基于多帧图像处理的，其运算量对目标初始检测的虚警率非常敏感，当初始检测虚警率较高时，其运算量会成倍地增加，无法满足实时性较高的检测跟踪需求。为了提高动目标检测跟踪的实时性，则有必要降低目标初始检测的虚警率。为此，本文提出了一种基于多普勒频偏估计的单帧图像低速运动目标检测方法，发射多普勒不敏感的LFM脉冲对，忽略多普勒效应对成像带来的影响，在图像域检测的同时，利用目标回波的多普勒频偏信息对静目标和杂波点进行剔除，降低单帧图像检测的虚警率，实现单帧数据的运动目标检测，从而为目标跟踪奠定良好基础。

2 基于多普勒频偏估计的单帧图像运动目标检测

本文提出了一种基于多普勒频偏估计的单帧图像运动目标检测算法，在忽略多普勒效应对成像影响的同时，通过对目标回波的多普勒频偏估计，进一步减小动目标检测的虚警率，为后续的目标跟踪带来便利。具体的流程图如图1所示。

图1 算法流程图

2.1 宽带2维声成像算法

对运动目标而言，目标回波中包含多普勒频偏。为了保证2维成像脉冲压缩的相关增益，同时避免目标速度不确定性给多普勒补偿带来的困难，并有利于后续的宽带多普勒频偏估计，此处选用多普勒不敏感的LFM脉冲对作为发射信号。LFM脉冲对信号由两个相同的LFM脉冲组成，单个LFM的脉宽为2 ms，频带为90~110 kHz，其模糊函数[5]如图2所示。由图2可以看出，LFM脉冲对信号具有多普勒不敏感的特性，在多普勒频偏为100 Hz时，相关能量只下降了2 dB。

图2 LFM脉冲对信号的模糊度图

宽带2维成像[6,7]先根据扫描位置对脉冲压缩后的信号在时域上进行滑动窗处理，再对滑动窗内截取的信号进行频域波束形成，得到距离和方位的2维声图像，其流程图如图3所示。

图3 宽带2维成像的流程图

最后，进行宽带频域波束形成，得到距离和方位的2维成像结果为

在低速运动的目标探测中，利用发射信号多普勒不敏感的特性，可以忽略目标回波多普勒频偏对2维成像的影响，同时估计出目标的距离和方位。为了获得目标的距离和方位信息，需要先对2维成像结果进行图像域的目标检测。2维声图像的CFAR检测[8]在检测出目标亮点的同时，可能产生大量的虚假亮点，给后续检测跟踪算法的实时性带来较大影响。为进一步减小动目标检测的虚警率，本文通过检测亮点位置的多普勒频偏估计，对图像域中的静目标和杂波点进行剔除。

2.2 LFM脉冲对的多普勒测频算法

本节通过复相关频率测量法对CFAR检测亮点处的波束输出信号进行多普勒频偏估计。假设目标正对接收阵的径向速度为，相对于中心频率的多普勒频偏,为包含多普勒频偏的回波信号，LFM脉冲对的多普勒测频流程图如图4所示。其中，和分别为正交解调信号，,。

图4 多普勒测频流程图

将式(6)，式(7)代入到式(5)中可得

由式(9)可以看出，多普勒频偏估计可以利用复信号相关函数的相位在处的导数来计算。由于为奇函数，可得

由反正切函数的性质可得

下面对算法进行计算机仿真，仿真条件为：发射LFM脉冲对信号，单个LFM的脉宽为2.0 ms，频带为90~110 kHz，采样率为500 kHz。静目标位于，动目标位于，正对接收阵运动的径向速度为，对应中心频率的频偏为133 Hz，基元域信噪比, 2维成像以及CFAR检测后的多普勒频偏估计结果如图5所示。

图5 测频精度随信噪比的变化曲线

图6 基于多普勒频偏的动目标检测结果

2.3 宽带信号的小数时延FIR波束形成

由2.2节可知，多普勒频偏估计需要获取CFAR检测亮点位置处的目标回波，其中最经典方法的便是常规时域波束形成，通过对接收阵各阵元信号进行数字时延，相加后得到波束输出。目标回波获取的精度决定了多普勒频偏估计的精度，但时域波束形成只能对整数倍采样点进行移位，在低倍采样的情况下，波束形成的输出信号将产生较大误差。而频域波束形成是对各子窄带进行频域波束形成后再通过傅里叶反变换转化为时域输出，这种方式得到的时域信号并不是真正连续的，且时频转换带来能量损失[12]。本节通过2阶锥规划[13]，仅利用9阶的FIR滤波器实现宽带信号的小数时延，小数时延的精度为，只牺牲较小的运算量，即可提高时域波束形成器的精度。

假设FIR滤波器阶数为，其中为奇数，期望的小数时延为。由于FIR滤波器具有个采样点的群时延，则滤波器设计所期望的频率响应为

下面对宽带信号的小数时延FIR滤波器进行仿真，仿真条件为：FIR滤波器的阶数=9，设计频带为70~130 kHz，采样频率为500 kHz，小数时延的精度为。FIR滤波器频率响应的设计误差分布和滤波器的时延分布如图7和图8所示。可以看出，FIR滤波器设计频率响应与期望频率响应误差在整个设计频带中均达到-100 dB以下，仅用9阶FIR滤波器便可以实现精度的小数时延。

图7 频率响应的误差分布

图8 FIR滤波器的时延分布

图9 多普勒频偏估计精度随采样频率的变化曲线

图10 多普勒频偏估计误差随基元级信噪比的变化曲线

3 水池试验

水池试验采用收发同置的声呐对运动目标进行探测，声源发射LFM脉冲对信号，单个脉冲长度为2 ms，频带为90~110 kHz，发射信号的触发周期为0.25 s。接收为阵元间距为1 cm的16元圆弧阵，采样频率。拉动水杯靠近接收阵做径向运动，利用基于多普勒频偏估计的单帧图像低速运动目标检测算法对运动水杯进行单帧检测。水池试验配置如图11所示。

图11 水池试验配置图

图12 第14帧处理结果

图13 第15帧处理结果

4 结论

本文提出了一种基于多普勒频偏估计的单帧图像低速运动目标检测算法，通过发射多普勒不敏感的LFM脉冲对，忽略多普勒效应对成像结果的影响，但在图像域检测的同时，利用宽带时域波束形成和复相关频率测量法，对检测亮点处的波束输出信号进行多普勒测频。利用目标回波的多普勒频偏信息对静目标和杂波亮点进行剔除，减小运动目标检测的虚警率，实现了单帧图像的运动目标检测，为后续的检测跟踪带来了便利。由于宽带波束形成的性能直接影响多普勒频偏的估计精度，为了改善低倍采样下宽带时域波束形成的性能，本文利用2阶锥规划设计滤波器的系数，用9阶FIR滤波器实现了0.01倍采样点的小数时延，提高了多普勒频偏的估计精度。通过计算机仿真和水池试验验证了该算法的有效性。

[1] 张伟豪, 许枫. 水下蛙人被动探测技术实验研究[J]. 声学学报, 2012, 37(3): 301-307. doi: 10.15949/j.cnki.0371-0025.2012.03. 006.

ZHANG Weihao and XU Feng. Experiment and study for passive acoustic detection of underwater divers[J]., 2012, 37(3): 301-307. doi: 10.15949/j.cnki.0371- 0025.2012.03.006.

[2] BREKKE E, HALLINGSTAD O, and GLATTETRE J. Tracking small targets in heavy-tailed clutter using amplitude information[J]., 2010, 35(2): 314-392.

[3] 高文, 汤洋, 朱明. 复杂背景下目标检测的级联分类器算法研究[J]. 物理学报, 2014, 63(9): 94204-94207. doi: 10.7498/aps. 63.094204.

GAO Wen, TANG Yang, and ZHU Ming. Study on the cascade classifier in target detection under complex background[J]., 2014, 63(9): 94204-94207. doi: 10.7498/aps.63.094204.

[4] 易伟. 基于检测前跟踪技术的多目标跟踪算法研究[D]. [博士论文], 电子科技大学, 2012.

YI Wei. Research on Track-before-detect algorithms for multiple-target detection and tracking[D]. [Ph. D. disser- tation], University of Electronic Science and Technology of China, 2012.

[5] YANG T C, SCHINDALL J, and HUANG C F. Clutter reduction using Doppler sonar in a harbor environment[J]., 2012, 132(5): 3053-3067.

[6] 黄聪, 孙大军, 张殿伦. 强相干干扰下基于二阶锥规划的圆弧阵宽带二维成像[J]. 电子与信息学报, 2014, 36(11): 2634-2639. doi: 10.3724/SP.J.1146.2013.01796.

HUANG Cong, SUN Dajun, and ZHANG Dianlun. Wideband two-dimensional imaging with arc array based on second-order cone programming under strong coherent interference[J].&, 2014, 36(11): 2634-2639. doi: 10.3724/SP.J.1146. 2013.01796.

[7] 黄聪, 孙大军, 张殿伦. 双基地多输入多输出虚拟阵列的稳健低旁瓣波束优化技术[J]. 物理学报, 2014, 63(18): 188401-188406. doi: 10.7498/aps.63.188401.

HUANG Cong, SUN Dajun, and ZHANG Dianlun. Optimizations for robust low sidelobe beamforming of bistatic MIMO virtual array[J]., 2014, 63(18): 188401-188406. doi:10.7498/aps.63.188401.

[8] 陈建军, 黄孟俊, 赵宏钟. 相参雷达时频域CFAR检测门限获取方法研究[J]. 电子学报, 2013, 41(8): 1634-1639. doi: 10.3969/j.issn.0372-2112.2013.08.029.

CHEN Jianjun, HUANG Mengjun, and ZHAO Hongzhong. Research on estimated threshold of CFAR detection in time frequency domain for coherent radar[J]., 2013, 41(8): 1634-1639. doi: 10.3969/j.issn. 0372-2112. 2013.08.029.

[9] 李想. 水下高速运动目标轨迹测量技术研究[D]. [博士论文], 哈尔滨工程大学, 2011.

LI Xiang. Research on the techniques of underwater high-speed moving target’s trace measuring[D]. [Ph.D. dissertation], Harbin Engineering University, 2011.

[10] 马海涛, 彭东立, 王华亮. 宽带多普勒技术中模糊速度处理方法改进[J]. 声学学报, 2011, 36(2): 226-230. doi: 10.15949/ j.cnki.0371-025.2011.02.004.

MA Haitao, PENG Dongli, and WANG Hualiang. An improvememt method to the ambiguous velocity in broad-band Doppler technique[J]., 2011, 36(2): 226-230. doi: 10.15949/j.cnki.0371-025.2011.02.004.

[11] 时洁, 杨德森, 时胜国. 基于矢量阵的运动声源柱面聚焦定位方法试验研究[J]. 物理学报, 2012, 61(12): 124302-124307.

SHI Jie, YANG Desen, and SHI Shengguo. Experimental research on cylindrical focused beamforming localization method of moving sound sources based on vector sensor array[J]., 2012, 61(12): 124302-124307.

[12] 梁国龙, 马巍, 范展. 矢量声纳高速运动目标稳健高分辨方位估计[J]. 物理学报, 2013, 62(14): 144302-144307. doi: 10.7498 /aps.62.144302.

LIANG Guolong, MA Wei, and FAN Zhan. A high resolution robust localization approach of high speed target based on vector sonar[J]., 2013, 62(14): 144302-144307. doi: 10.7498/aps.62.144302.

[13] 杨涛, 苏涛, 何学辉. 基于波束域导向矢量估计的稳健自适应波束形成方法[J]. 电子与信息学报, 2013, 35(11): 2759-2763. doi: 10.3724/SP.J.1146.2012.01334.

YANG Tao, SU Tao, and HE Xuehui. Robust adaptive beamforming based on beamspace steering vector estimation[J].&, 2013, 35(11): 2759-2763. doi: 10.3724/SP.J.1146. 2012.01334.

[14] 鄢社锋, 马远良. 基于二阶锥规划的任意传感器阵列时域恒定束宽波束形成[J]. 声学学报, 2005, 30(4): 309-315. doi: 10.15949/j.cnki.0371-025.2005.04.006.

YAN Shefeng and MA Yuanliang. Broadband constant beamwidth beamforming for arbitrary sensor arrays in time domain via second-order cone programming[J]., 2005, 30(4): 309-315. doi: 10.15949/j.cnki.0371-025.2005.04. 006.

Low-speed Moving Target Detection of Single Frame Image Based on Doppler Shift Estimation

HUANG Cong LIU Yin

(,430064,)

The regular algorithms of target detection and tracking in image domain are very sensitive to the false alarm rate, and the real time performance of target detection and tracking is limited with high false alarm rate. In order to reduce the false alarm rate of original target detection and improve the real time performance, an algorithm of low-speed moving target detection of single frame image based on Doppler shift estimation is proposed. Through transmitting LFM plus pair signal which is non-sensitive to the Doppler shift, the influence on image by Doppler shift can be ignored. But during the detection in image domain, the Doppler shift of target echo is used to remove static targets and clutter highlights. The false alarm rate of moving target detection is reduced based on single frame data, the moving target detection is achieved through a single frame image to make a good foundation for target tracking later. First, the CFAR determination in image domain is carried out in the algorithm. Then, the Doppler shift of the beamforming signal at the highlights detected is estimated through time-domain broadband beamforming and complex correlation frequency measurement. The static targets and clutter highlights are removed effectively through single frame image. In order to improve the performance of time-domain broadband beamforming, the filter coefficients are designed by second order cone programming. The 0.01 times sampling point of the fractional delay is achieved by a 9-order FIR filter and the estimation accuracy of the Doppler shift is improved. The validity of the proposed method is verified by the computer simulation and pool experiment.

Two-dimensional imaging; Moving target detection; Doppler shift estimation; Fractional delay

TP391

A

1009-5896(2016)07-1638-07

10.11999/JEIT151078

2015-09-21；改回日期：2016-01-29；网络出版：2016-03-30

黄聪 huangcong32@163.com

国家重点实验室基金(9140C200406110C2001)，国防基础科研计划(B2420132004)，国家863计划项目 (2012AA 090901-4)

The National Key Laboratory Foundation (9140C200406110C2001), The National Defense Basic Scientific Research Program of China (B2420132004), The National 863 Program of China (2012AA090901-4)

黄 聪： 男，1988年生，博士，研究方向为水下阵列信号处理.

刘 寅： 男，1987年生，博士，研究方向为水声信号处理.