纪瑞东，王长宇

(沈阳飞机工业(集团)有限公司， 沈阳110850)

0 引言

检测具有一定运动速度的海面目标，如小型快艇、运动的潜望镜等，称为海面动目标检测，是机载对海搜索雷达的重要任务之一。由于易受海杂波虚警影响，采用常规的非相参处理检测这类目标时效果不佳。类似的地面动目标检测，如坦克车等，已有多种成熟技术，如双接收通道干涉技术、采用运动补偿的DPCA技术［1］、多接收通道的 SAR-GMTI技术［2］和 STAP-GMTI技术等。由于海杂波形成的复杂背景，这类技术还未在对海搜索雷达中有过成功应用［3］。文献［4］认为动目标的回波信号可以近似建模为线性调频信号(LFM)，文献［5-6］基于分数阶傅里叶变换(FRFT)对动目标的检测进行了理论分析和仿真验证，但实际海面动目标的切向和法向速度较小，线性调频参数特征不明显且估算困难，加之FRFT运算量较大，需进一步研究方可实际使用。

低重复频率的DP(Doppler Processing)处理是一种检测海面动目标的有效方法，在美军的对海搜索雷达(137、143系列、Sea Vue)中广泛应用。由于传统的主杂波跟踪、凹口技术等在处理海杂波时会遇到困难，未被消隐的杂波会形成大量虚警或降低部分清晰区的检测能力，因而在陆海杂波联合分布时会严重影响检测结果。

针对上述问题，本文提出了一种基于图像处理的DP相参处理方法，介绍了方法的参数设计，分析了海杂波以及陆海杂波在二维频谱上的分布特性，详细阐述了基于图像处理技术的动目标检测过程和方法，最后用实测数据验证了该方法的性能和可实现性。

1 海杂波背景特性分析

1.1 海面动目标检测方式

海面动目标检测的主要对象是海面低速运动的目标，由于这类目标的速度通常在10节～35节(1节=1.852 km/h)，需要选择低重复频率，一般取1.5 kHz～5.0 kHz。为了保证检测性能，需要积累足够的脉冲数和一定扫描的速度，这使得对海动目标检测选用重频数较少，一般选用2/3或2/4检测准则。

1.2 海杂波的距离频率维特性

风速、风向、温度、洋流、海水成分以及陆地等都会引起海洋的复杂运动，因此海表面对雷达来说是一个动态的、不断变化的平面［7］，在距离频率二维分布上体现了一定的无规律性。图1为海杂波经DP处理后，距离频率二维平面显示的结果。从图中可以看出:

1)海杂波的幅度较低。经统计，比同等条件下的地杂波低约15 dB～20 dB，强目标在海杂波区内清晰可见。

2)海杂波所占频率维单元数约为地杂波1.5～2.5倍。由于采用低重复频率，频率维高度折叠，距离维模糊度低。

3)海杂波中心出现的频率单元无明显的统计规律。在离海岸较远的海区，海杂波形状较为规则，如图1a)所示，可以近似认为关于某个频率单元对称。当受到陆地影响时，会产生形变，如图1b)所示。

图1 低重复频率下海杂波二维频谱图

当主波束同时照射到海面和陆地即海陆联合分布时，情况将更为复杂，如图2所示，图中7～16号频率单元内为地杂波，16～32号频率单元为海杂波。

图2 陆海杂波二维频谱图

2 基于图像处理技术的海面动目标检测

由于海杂波出现频率范围的无规律性和海陆杂波的复杂性，使得海杂波的中心频率和宽度无法根据经验公式估算和修正，同时杂波区域的边界不规则，使得基于频率维的凹口设计较为困难。因此，传统杂波跟踪算法不能形成准确凹口，即使形成凹口也会损失部分清晰区，图2中圈出的目标将与杂波一起被消隐。

如果从一幅图像的角度理解二维频谱图，可以将杂波区定义为需要提取的特殊区域，出现在可检测区的目标定义为“噪声”，利用图像处理技术中的边界提取方法从频谱图中剔除杂波，获得最大清晰区，从而提高对海搜索雷达对海面动目标的检测能力。

2.1 数字图像处理技术

图像处理技术最早出现在20世纪50年代，目的是改善图像质量，提高视觉效果。随着其不断发展，已广泛应用于航空航天、工业检测和军事制导等领域［8］。图像的分割提取是数字图像处理技术的一个研究方向，作用是从图像中提取某些特定的信息。在海杂波二维频谱处理中，就是利用图像提取技术将杂波区和清晰区分开。

2.1.1 二值化

二值化目的是从图像中把目标区域(杂波区)和背景区域(清晰区)初步分开。如何选取阈值达到有效的分割效果，是二值化处理的关键，常用的方法有平均灰度值法、类别方差法和最大熵法。后两种方法虽效果良好，但计算量相对较大。由于杂波和噪声的对比度较强，工程上常选择计算简单的平均灰度值法，取所有像素(距离单元和频率单元)幅度值的平均值为二值化阈值，但是清晰区的噪声方差大，平均灰度值法会带来大量“噪声”，增加后续计算负担。

由二维频谱图形成的机理可知，当雷达某些处理参数设定后(例如积累脉冲数、信号带宽等)，杂波图的噪声符合一定的统计规律，而波束指向、发射功率、增益控制和海情等因素影响杂波的表现特性，无明显的统计规律。二值化的阈值可以由二维频谱图的幅度统计得到，如图3所示。

图3 二维杂波图的幅度分布统计

图3是将图1和图2中三组数据的二维频谱图所有点幅度统计的结果。将三组数据针对0至最大值(所有三组数据中的最大值)等分统计，横坐标表示等分间隔，纵坐标表示出现的个数。可以看出:由于三组数据的雷达处理参数一致，噪声统计规律相关性强。三组数据不同的是杂波统计，第62～120号等分间隔。门限则选择在噪声和杂波统计的分界点处，如图中第62个等分间隔。

2.1.2 sobel算子边界提取

sobel算子是一种优化的梯度算子，利用图像的一阶导数来提取边界，它是一组3×3、5×5或是7×7的矩阵，阶数越高边界提取越精细，计算量也越大。本文选择5阶算子，包括8个子矩阵，表示8个方向上的梯度计算参数，如图4所示。

图4 5阶sobel算子

计算频谱图中某点的梯度表达式为

2.1.3 去“噪声”

在梯度矩阵中，被称为“噪声”的目标、虚警与杂波边界点一样会出现大值，需要剔除。常用的图像去噪方法有平滑滤波法、中值滤波法、自适应滤波法等。利用模板进行平滑滤波，虽然对图像边缘有一定的损害，但因其去噪方法原理简单，计算量和存储量都较小，被广泛使用。由图1、2中可以看出，目标在频率维成短线状出现，而杂波则以片状、块状出现，利用平滑滤波模板计算均值，均值数值的大小差异即作为剔除“噪声”的标准。具体做法是，取N×N模板在图像中滑动，计算模块中单元格幅度均值，大于门限的保留，小于门限的除去。

2.1.4 边界细化

梯度矩阵中边界的梯度值连续变化，显得模糊不清，需使用合适的阈值细化，保留梯度局部大值。假设grads(r，f)表示某点梯度值，max(r，f)表示(r，f)规定邻域内最大值，k为控制系数，利用邻域最大值和控制系数对该点进行取舍，得到细化目标。细化结果计算表达式如下

在实际应用中，邻域一般取点(r，f)周围的8个点，k一般取0.7～0.9。

2.2 方法的实现

基于图像处理的海面动目标检测具体实现流程如下:

1)脉压处理，相参积累，FFT后得到二维频谱图。

2)对二维频谱图所有点进行分布统计，选择二值化阈值。选择的阈值可以在雷达处理参数不变的情况下继续使用。

3)二值化处理，取-100和100为二值标准。

4)去“噪声”处理和边界提取处理，使用阶数为5的sobel算子和平滑滤波模板，在边界提取输出时增加平滑滤波的判断，模板平滑值大于0，则作为边界点梯度输出，否则作为“噪声”剔除。

5)边界细化处理。处理后杂波区的边界更加明显。普通PD处理的频率维凹口变成了距离维函数，针对每一个距离单元都存在一个凹口的左右边界。因为图像处理过程的损失，实际使用凹口时，边界值需要放大几个频率单元，以确保杂波被消隐。

6)在清晰区作CFAR处理，检测出目标。

3 实测数据分析

按照上述方法，对图2进行处理，得到如图5所示的过程结果图。

图5 对二维频谱图进行图像处理的过程结果图

图5中分别显示的是二值化、去“噪声”、边界提取和边界细化四个步骤的处理结果。经过图像处理后的二维频谱图，杂波区和清晰区被较准确的分开，图2中圈出的目标将在清晰区中被检测出，以增强检测能力。

4 结束语

将二维频谱图视为一种图像，利用图像处理的边界提取方法区分杂波区和噪声区，提高PD处理的检测能力，是PD处理用于海面动目标检测的一种有效途径。本文对海杂波的二维频谱特性进行了分析，详细阐述了图像处理用于海面动目标检测的算法，并通过实测数据进行了仿真验证。而如何精简算法和提高边界提取的精度，仍是需要进一步研究的问题。

［1］ 沈明威，朱岱寅，朱兆达.和差波束频域自适应DPCA技术研究［J］.现代雷达，2010，32(4):59-62.Shen Mingwei，Zhu Daiyin，Zhu Zhaoda.A study on ΣΔADPCA technique in frequency domain［J］.Modern Radar，2010，32(4):59-62.

［2］ 吕孝雷，齐飞林，邢孟道，等.三通道SAR-GMTI地面快速目标检测［J］.系统工程与电子技术，2009，31(7):1581-1587.Lü Xiaolei，Qi Feilin，Xing Mengdao，et al.Ground fast moving target detection based on trichannel SAR-GMTI［J］.Systems Engineering and Electronics，2009，31(7):1581-1587.

［3］ Gorski T，Le Caillecy J M，Lecornu L，et al.Space-time adaptive processing analysis for the moving target on the sea surface indication purpose［C］//2006 International Conference on Microwaves，Radar and Wireless Communications.Krakow:IEEE Press，2006:199-202.

［4］ Sun H B，Liu G S，Gu H.Application of the fractional Fourier transform to moving target detection in airborne SAR［J］.IEEE Transactions on Aerospace and Electronic Systems，2002(38):1416-1424.

［5］ 杜文超，王国宏，孟小芬.基于分数阶傅立叶变换估计径向加速度算法研究［J］.信号处理，2009，25(3):472-477.Du Wenchao，Wang Guohong，Meng Xiaofen.A method to estimate radial parameters of target based on FRFT［J］.Signal Processing，2009，25(3):472-477.

［6］ 陈小龙，关 键，于仕财，等.海杂波背景下基于FRFT的多运动目标检测快速算法［J］.信号处理，2010，26(8):1174-1180.Chen Xiaolong，Guan Jian，Yu Shicai，et al.A fast detection algorithm of multiple moving targets in sea clutter based on FRFT［J］.Signal Processing，2010，26(8):1174-1180.

［7］ Skolnik M I.Radar Handbook［M］.2nd ed.NewYork:The McGraw-Hill Company，2002.

［8］ 邓继忠，张泰岭.数字图像处理技术［M］.广州:广东科技出版社，2005.Deng Jizhong，Zhang Tailing.Digital image processing technology［M］.Guangzhou:Publishing House of Guangdong，2005.