基于稀疏分解的海面微动目标识别

基于稀疏分解的海面微动目标识别

刘俊宜,龚成

中国船舶集团第七一〇研究所湖北宜昌443000

摘要：海洋环境是典型的强杂波环境，当使用地波雷达探测海上目标时，回波会与来自海洋各种尺度的海浪（海杂波）的散射回波的干扰混合在一起。海杂波干扰的一阶分量的幅度非常大，极易超过或等于目标的检测阈值，使其易于产生漏警和虚警。传统的海杂波抑制方法譬如动目标指（MovingTargetIndication，MTI），动目标检测（MovingTargetDetection，MTD）等方法依靠的是多普勒效应，通过提取目标与杂波的径向速度，算出他们的不同多普勒频移。但是实际情况下的海杂波多普勒频谱很宽，目标信号往往陷入海杂波多普勒频宽中导致检测不力。此时采用MTI、MTD等方法很难检测成功。近年来，有学者将原本用于解构自然图像的稀疏理论引入海杂波的研究中，取得了一定成果。

关键词：稀疏分解；海面微动；目标识别

引言

态势的准确评估决定着战争的结果，目标微动特征能够反映目标特有的物理结构信息以及表面电磁特性信息，本文首先总结了海洋目标雷达探测的常用方法及其不足，与传统算法相比，本文介绍了一种新的的算法，杂波抑制效果更好，收敛速度更快。

一、基于稀疏分解的海面微动目标识别阻碍

目标、海杂波类别非平衡

在海洋观测方面，海洋场景较大，而在海面的小目标相对于海面的回声有限。因此，获得的绝大多数数据都是海洋回波数据，而目标回波数据远低于海洋回声数据，在自动学习和模型识别中，这被称为类别不平衡问题。在管理不平衡的类别时，传统的模型识别和自动学习方法可能会导致分类性能下降，在探测海浪背景下的小目标方面也遇到困难。

由于目标类型的不断出现和雷达系统的演变，雷达探测海上小目标是一个长期课题。

二、基于稀疏分解的海面微动目标识别方法

（一）回波数据预处理

在计算灰度共生矩阵前，首先对雷达接收信号进行处理。由于雷达采用线性调频脉冲信号，接收信号在｜ｔ｜＞τ／２的情况下值为0，因此在雷达接收信号经过解线频调处理后，对接收信号矩阵截取｜ｔ｜≤τ／２的部分。接着对所截取的接收信号矩阵进行灰度化处理，具体方法为：将接收信号矩阵中的复数值取模并进行归一化处理，接着将数值扩展到0～255并取整，即可得到雷达接收信号矩阵的灰度图像。为了便于后续灰度共生矩阵的构造，减少灰度共生矩阵阶数以及运算量，同时尽可能保留灰度图原有的纹理以保证识别率，将灰度图像压缩成16级。

（二）微动目标分类与识别

微动力学特性是雷达目标的基本特性之一，与传统表面材料的形状、结构和电磁参数等其他目标特性相比，在目标分类识别应用中具有以下优点:(1)观测条件相对较弱，可以研究表明，高分辨率雷达能够检测目标表面的微米级振动和偏移。对于弹道导弹目标的识别，成像激光雷达可观测再入舰射程超过700公里。对于低截获率目标，1-2s雷达曝光可收集足够的信息对目标进行分类，从而大大降低雷达平台反向检测的可能性；(2)与HRRP和ISAR等特征相比，微观动态特征对目标态度变化的敏感度相对较低，对非合作目标的分类和识别要求较低；     

(三)雷达系统的硬件要求较低，可通过宽带或窄带雷达实现。我国主动雷达以窄带为主，无需对现有雷达系统进行重大改进，即可实现目标微动力特性的采集和处理。因此，微移动目标的分类和识别技术在雷达目标识别领域中占有越来越重要的地位。微观主动目标的分类和识别可分为两个层次:一是确定微观动态形式，通过微观行动对目标进行分类；二是根据获得的微动力特性对目标进行精确识别。通过设计分类识别方法，提取的微动态特征将从特征空间映射到被观测对象的属性空间，从而识别目标或目标的微动态形状。

三、复杂海面及目标散射特性研究展望

目前国内外学者已在复杂海面及目标散射特性及回波仿真研究方面形成了一系列成果，但这些成果如何对实际目标探测进行支持仍需进行大量的仿真工作，复杂动态海面与目标复合散射及回波仿真的意义体现在如下方面：

弥补实测数据物理意义缺乏、实测数据与表征参数关联度不高的问题。实际工程中复杂海环境下目标检测和识别通常是基于大数据驱动，忽视了雷达回波或者SAR图像的物理特性，纯数据驱动算法天然忽略了物理机理，其预测结果缺乏可解释性，而基于仿真的回波数据，其仿真过程完全基于具体物理过程，仿真结果物理意义明确，与表征参数(包括海洋环境参数、目标参数、雷达平台参数)直接相关，可解释散射随各种参数变化规律的物理机理和散射背后的物理意义。经过校验的仿真数据可为人工智能识别算法提供有效训练数据。

实际情况中，对于非合作目标，很难获取足够的不同参数下的数据作为训练数据成为人工智能识别算法的学习依据，准确的检测器和目标识别算法的设计都需要建立在大量不同情况下的海量数据之上，而准确的基于物理机理的电磁散射仿真可以认为是一种低成本且可靠的数据增广方式，可为人工智能识别算法提供有效训练数据。基于以上分析和梳理，我们总结出未来复杂海洋环境与目标回波仿真及探测中面临的问题，并给出一些后续研究方向和建议：

(一)仿真结果与实测数据进行校验的指标评价

体系研究和建立：仿真结果要想作为实验数据的补充数据集，需要满足与实测数据对比的精度，即满足一定的置信度，否则仿真结果训练的网络用于实测数据中的目标检测和识别必然会面临网络泛化问题。现有算法在计算粗糙面与目标复合散射问题时，通常对算法的验证都是将仿真结果与实测结果进行RCS的比对，以均方根误差在某一dB值之内，即可认为正确。而实际杂波仿真时，回波多普勒谱、杂波数据、幅度分布、时间及空间相关性等特征其实对目标检测与识别可能具备更大的意义，而RCS在一些区间的数值即便不是“绝对精确”，对判别结果也影响并不大。因此，如何论证散射数据潜在数据特征，建立指标体系和评价体系，建立置信度评估模型是理论仿真需要解决的一大问题。

(二)综合考虑海上电磁波传播与散射的电磁仿真模型研究

实际对海环境目标探测中，由于海面上方存在不均匀的盐雾、水凝气等复杂因素，会导致电磁波存在衰减和传播路径的变化，例如海上通常存在蒸发波导，会引起海上电磁波反常传播效应，电磁波首先经过波导到达目标后再散射，又例如天波超视距目标探测中，也要考虑电离层对电磁波的反射引起的电磁波相位、传播方向及极化的影响。大多数文献中学者在考虑散射问题时，只是将雷达波认为是平面波或者波束传播，没有考虑传播路径引起的损耗、衰减、方向及相位变化对散射的影响。而在实际工程问题中，这些因素都严重影响着目标探测及定位的精确度，因此需要更深入地对传播和散射问题进行统一建模，使其更符合实际探测需求，保证数值仿真和实际测量的环境一致性。

结束语

在雷达对海探测数据集下运用数据仿真验证了算法的有效性。与MTI算法和MTD算法相比，本文提出的算法杂波抑制效果更好，收敛速度更快。

参考文献

[1]杨国铮,禹晶,肖创柏,孙卫东.基于形态成分分析的复杂背景SAR图像舰船尾迹检测[J].计算机辅助设计与图形学学报,2016,28(10):1662-1671.

[2]刘宁波,丁昊,黄勇,等.X波段雷达对海探测试验与数据获取年度进展[J].雷达学报,2021,10(1):173-182.

[3]刘宁波,董云龙,王国庆,等.X波段雷达对海探测试验与数据获取[J].雷达学报,2019,8(5):656–667.

[4]潘美艳，杨予昊，李大圣，等．一种基于能量选择的改进TQWT海杂波抑制算法［J］．现代雷达，2018，40(10):32-37.