机场场面监视雷达目标检测新方法

机场场面监视雷达目标检测新方法
陈建军;孙俊;李申;王涛;凌云;于立;张煜婕;李文娟
【摘要】机场场面监视雷达可得到高分辨率实孔径图像,常规的雷达目标检测方法难以检测出其中的目标.本文首先分析了场面监视雷达目标检测中的问题,然后根据场面监视雷达回波信号的特点,提出了一种基于数字图像处理思想的目标检测新方法.给出了算法处理的基本流程和主要模块的具体实现方法.国内机场实测数据的处理结果表明本文算法可靠地检测出目标区域,目标团簇凝聚处理可有效消除孤立虚警点并填充目标区域内部漏警块.本文提出的方法对于场面监视雷达系统的研制有一定借鉴意义.
【期刊名称】《数据采集与处理》
【年(卷),期】2016(031)003
【总页数】7页(P555-561)
【关键词】目标检测;场面监视雷达;机场场面监视;高分辨实孔径图像;团簇凝聚【作者】陈建军;孙俊;李申;王涛;凌云;于立;张煜婕;李文娟
【作者单位】南京电子技术研究所,南京,210039;中国电子科技集团公司智能感知技术重点实验室,南京,210039;南京电子技术研究所,南京,210039;中国电子科技集团公司智能感知技术重点实验室,南京,210039;南京电子技术研究所,南京,210039;南京电子技术研究所,南京,210039;南京电子技术研究所,南京,210039;中国电子科技集团公司智能感知技术重点实验室,南京,210039;南京电子技术研究所,南
京,210039;中国电子科技集团公司智能感知技术重点实验室,南京,210039;南京电
子技术研究所,南京,210039;中国电子科技集团公司智能感知技术重点实验室,南京,210039;南京理工大学电子工程与光电技术学院,南京,210094
【正文语种】中文
【中图分类】TN957
Novel Method for Radar Target Detection of Airport Surface Movement
引言
当前，全球航空运输业发展迅速，导致机场内飞机起降流量迅速增加。

同时，发生机场跑道事故的风险也大大提高[1]。

自2008年以来，美国机场平均每天发生约3起错误“入侵跑道”的事故，每年平均有1 000起[2]。

单凭机场塔台管制员目视、语音通信指挥以及地勤人为干预来维持机场的正常运转，会受到气候、地理环境以及人身体疲劳等方面的影响，已经越来越难以满足航空业快速发展的需要，也对机场的安全运行提出了严峻挑战[3]。

机场场面监视雷达通过收发电磁信号探测机场
场面上的飞机和车辆等目标，成为机场场面监控的重要手段。

与广播式自动相关监视系统(Automatic dependent surveillance-broadcast,ADS-B)[4]、基于应答机的多基站定位系统等其他监测手段相比，机场场面监视雷达具有不需要目标合作、作用距离远、数据率高以及全天时和全天候条件下工作等优点[5]。

从20世纪60
年代开始，国外开始将场面监视雷达用于机场地面监控[2]。

目前国际上生产场面
监视雷达(Surfare movement radar,SMR)的主要厂家有法国的THALES公司、丹麦的TERMA公司和西班牙的INDRA公司等。

目前，欧洲正在开展统一欧洲空中交通管理研究(Single European sky ATM research, SESAR)。

主要推行全航线流程的计划、规划和控制。

为了适应民航事业的发展，中国也开展了场面监视雷达系统的研究工作[3]。

虽然在系统研究方面取得了一定成果，但发展的速度太慢，目
前还处于原理样机研制阶段，研制的速度远远跟不上航空事业的发展。

相比而言，
国外场面监视雷达已经开始向系统集成、全航路优化、自动告警、路线规划以及机场和驾驶舱信息共享等方向发展。

中国场面监视雷达的研制工作在整体系统框架、数据处理相关核心算法以及界面的友好显示和操作方便等方面还有很大提高空间。

本文首先分析了机场场面监视雷达的主要特点，并对场面监视雷达中目标检测存在的问题开展分析，指出其中的难点。

接着本文基于数字图像处理方法，提出一种场面目标检测的方法，给出了算法的详细流程及其核处理模块的实现方法。

通过中国某机场实测数据，对本文算法验证，实测数据处理结果表明，该方法可有效地检测目标点，并能有效滤除强杂波的影响。

机场场面监视雷达是机场地面监控和交通管制的有效工具。

机场场面监视雷达与对空探测雷达不同，传统的雷达目标检测方法无法用于场面监视雷达的目标检测。

1.1 机场场面监视雷达特点
目前，机场场面监视雷达在国外很多大型机场中得到了广泛应用。

自1998年开始，中国北京国际机场、上海浦东和虹桥机场与广州白云机场等多家机场陆续采用机场场面监视雷达系统。

目前中国安装的机场场面监视雷达都是从欧美等国家引进，场面监视雷达的售价也比较高。

开展机场场面监视雷达自主研发工作，研究制造拥有自主产权、性能优良和工作可靠的场面监视雷达已势在必行。

传统的机场场面监视雷达系统比较简单，只用作监视机场中飞行区域(如机场跑道、滑行道等)内的运动目标，为塔台和战坪的管制员提供原始的视频信号，没有经过相关数字处理，需要靠管制人员的经验和视频信号的大小来判定目标的类型[6]。

随着计算机技术、网络技术和高分辨率雷达技术的迅速发展，机场场面监视雷达也取得了越来越快的发展。

其通过使用宽带宽信号获得距离上的高分辨率，通过方位向上窄波束工作实现方位上高分辨，从而获得二维高分辨实孔径图像。

因此，现在机场场面监视雷达得到的已经不再是一个个目标点，而是可初步辨别目标类型的高分辨图像。

其与二次雷达等系统联合，还可以辨别运行航班号、飞机机型、飞机速
度和将停靠的登机桥等信息。

通过对多类传感器数据进行融合、综合处理，可以向机场管制员和飞行员等提供监视、告警、管制、路径优化选择和引导等多种功能，组成全新概念的先进的地面引导和控制系统(Advanced-surface movement guidance and control system，A-SMGCS)[7]。

在A-SMGCS系统中，监视功能是其中最为核心的功能，也是系统实现其他各项功能的基础和前提，而监视功能的实现依靠鲁棒性的目标检测方法。

1.2 场面监视雷达目标检测问题分析
根据国家民航组织(International civil aviation organization， ICAO)对机场场面监视雷达系统的基本性能要求，SMR需要具有较高的距离和方位分辨率，通过回波信号的相关处理，可以初步分辨出运动或静止的目标的形状，并有效提取目标特征，从而为目标的分类和识别提供依据。

对于1 m2(X波段)雷达散射截面目标的检测概率为90%，要求作用距离达到3～5 km，要求系统能够在降雨量为16 mm/h的气象条件下工作。

现阶段要求SMR的分辨率优于10 m，未来发展要求分辨率优于3 m，局部情况要求优于0.3 m(如跑道等关键区域)[8]。

机场场面监视雷达与其他雷达的一个重要区别在于其分辨率非常高。

机场地面目标回波并不是点信号，而是在距离向和方位向都扩展了多个单元的实孔径图像。

所以，机场场面监视雷达目标检测问题是高分辨率图像中目标检测问题。

机场场面监视雷达目标检测存在的问题主要包括[9]：
(1)遮挡问题。

因为场面监视雷达天线架高度有限，因此雷达几乎是水平的照射目标，导致目标的一些部分会被其他部分遮挡。

甚至是整个目标都可能被距离较近的大目标或者障碍物遮挡，如飞机可能会遮挡引导车或者加油车等。

(2)目标区域扩展。

即使目标是被场面监视雷达照射的部分，其目标回波信号也不均匀。

大部分信号的能量都是边缘和不规则区域，例如窗框、起落架和襟翼等反射。

而一些比较平整和光滑的区域，如机身、机尾和机首等会将雷达信号反射到别的方向。

由于这些
因素的影响，整个目标的图像不是一个完整的图像区域，而可能会分裂成多个不相连的图像块。

(3)强地面杂波。

机场场面监视雷达从高处照射地面探测目标，因此其接收的回波信号中可能包含了大量的地面杂波。

杂波可能是跑道、滑行道等水泥地面的回波，也可能是草地等的回波。

因此需要在强杂波条件下检测目标。

(4)多路径问题。

机场场面监视雷达在机场内工作，周边存在建筑物，因此可能存在多路径引起的短时虚假目标问题。

从以上分析可以看出，机场场面监视雷达的回波信号与常规雷达回波信号有很大区别，传统的雷达杂波背景和目标检测方法以及恒虚警率处理(Constant false-alarm rate,CFAR)等会存在目标径向速度慢、目标点迹凝聚复杂等问题，无法准确地检测目标[11]。

机场场面监视雷达的目标检测方法需要根据雷达回波信号本身的特点来开发。

鉴于场面监视雷达回波数据为高分辨实孔径图像，因此借鉴视频图像处理的目标检测方法来检测目标是比较可行的思路。

2.1 算法基本流程
针对机场场面监视雷达回波信号的基本特点和其目标检测所存在的问题，本文提出的目标检测算法的基本流程如图1所示。

其中的虚线框是可选择的处理步骤。

从图中可以看出，新的机场场面监视雷达目标检测算法的处理步骤主要包括：实孔径图像生成、机场活动区域划分、杂波背景图生成、背景法检测目标、目标团簇凝聚、边缘跟踪以及参数估计等步骤。

具体如下：(1)实孔径图像生成是把原始数据转变成一幅高分辨率图像。

距离向上通过宽带信号脉冲压缩获取高分辨率，方位向通过窄波束扫描获得。

(2)结合机场的平面图划分不同区域，去除草地、建筑区等目标不可能出现的区域，尽可能只保留目标可能存在的区域，如机场跑道、滑行道等。

这样既可以减少运算量，又可以直接消除不可能出现目标区域的虚警。

(3)图像预处理是指对生成的实孔径图像进行平滑、滤波去噪和标校等处理。

(4)杂波图
更新是采用新接收的数据更新杂波背景图，以适用由于天气变化等引起的背景图变化。

(5)将获得的每帧高分辨率图像与背景杂波图比较，生成帧差图像，并设定合
理阈值，进行目标对消检测。

(6)通过形态学处理凝聚目标团簇。

杂波背景对消处
理后一方面目标区域会分裂成多个不相连图像块，另外也会存在很多孤立的虚警点，这些都通过形态学处理解决。

(7)边缘跟踪就是在目标团簇凝聚的基础上找出目标
所在的整个图像区域，即目标和背景之间或目标与目标之间的边界。

(8)通过参数
估计出目标块的质心、面积和平均幅度等信息，供后续目标跟踪算法形成目标航迹。

2.2 杂波背景图与杂波背景对消
杂波背景图是指不包括目标时雷达接收回波信号图像。

杂波背景图包括静态杂波图和动态杂波图两种。

静态杂波图是事先生成的固定杂波图像，而动态杂波图是经过新接收回波数据不断更新后的杂波背景图。

机场上完全不存在任何目标的情况是很少存在的，因此需要在机场正常运行期间建立静态杂波背景图。

常采用加权平均的方法建立，则
式中：ClutBack(x, y)为杂波背景图中坐标(x, y)处的数值；Echoi(x, y)为接收的第i 帧坐标(x, y)处回波信号的幅度；Nall为建立杂波图的帧数。

目标回波是指飞机、
汽车等目标的回波，背景区域回波是指地面、草地等区域的回波,目标回波通常比
背景区域回波要强。

因此把包含目标的回波信号联合建立杂波背景图，会导致背景图幅度提高。

Nall应选择得足够大，以减小目标回波信号的影响。

Nall的选择与
目标回波信号平均幅度与背景区域回波信号幅度的比值T(T≥1)，以及建立杂波背
景图时相同位置上目标存在的帧数NTar有关。

假设背景回波平均幅度为1，则目标回波平均幅度为T，若要求建立的杂波图幅度比背景回波幅度高10%以内，则
建立了静态杂波图之后，可保存备用。

场面监视雷达每次接收到1帧数据之后，
可以选择更新杂波，生成动态杂波图，则[11]
式中：ClutBacki (x, y)为第i帧的动态杂波图；ClutBacki-1 (x,y)为第i-1帧杂波
图，Echoi(x,y)为接收的第i帧回波信号；N为更新时间窗的长度。

杂波背景对消是利用建立的杂波图来检测当前帧中存在的目标，首先通过当前帧图像与杂波背景图得到差分图像，即
然后，通过差分图像与阈值比较得到目标团簇图像，即
式中：Threi (x, y)为第i帧坐标(x, y)处的门限。

该门限可随每帧接收信号更新，更新方法与背景杂波图相似。

2.3 目标团簇凝聚和边缘跟踪
经过杂波背景对消后，即可得到目标团簇图像。

由分析可知,得到的目标团簇图像可能会存在目标分裂成几个图像块和存在较多孤立虚警点的问题。

为此，采用数学形态学处理完成目标团簇凝聚。

[12，13]数学形态学包含腐蚀和膨胀两个基本操作。

腐蚀是把每个像素簇的外围去掉，即把像素簇的外围一圈像素消除掉，同时比结构元素小的像素簇也被消除掉。

膨胀是一个跟腐蚀相反的过程，是在像素簇的外围加上一些像素。

膨胀也会使本来分开的两个像素簇链接起来变成一个像素簇。

假设采用的结构元素为S，则进行膨胀操作的运算为
式中：为S平移z后的影像。

进行腐蚀操作的运算为
式中：(S)z为S相对于z的平移，TarC表示Tar的补集。

经过目标团簇凝聚处理，目标所形成的二维图像应该连通。

但其一般不会是规则的图形，如方块或圆形。

因此需要找出其轮廓，表示出轮廓的每个坐标，从而计算目标的相关参数。

采用连通分支的轮廓跟踪法，其基本步骤如下：(1)读取来自目标团簇凝聚之后的数据；(2)形成来自目标每个像素簇组成的每个分支轮廓的链码，找出每个分支的轮廓；(3)重复上述步骤明确操作直到图像上所有像素簇都形成了独立的分支；(4)计算分支的特征，比如面积和质心。

该方法的优点包括：(1)在复杂的区域不会丢失内边界；(2)保留了空间的连通性；(3)算法执行速度快。

基于从中国某机场采集的场面监视雷达实测数据，对本文算法进行验证。

雷达接收
的当前帧原始回波信号形成的高分辨实孔径图像如图2所示。

传统的在距离向上
做恒虚警处理的检测方法结果如图3所示，给出了1 800～2 000距离单元，863～872方位脉冲之间的结果。

由图3可以看出，传统目标检测方法虽然也可粗略检测出目标块区域，但存在大量虚警点，且目标块内部存在漏警问题。

依靠规则消除孤立虚警点、填补目标内空洞且在方位向合并目标的团簇凝聚算法难度很大。

采用本文提出的处理算法，首先采用多帧数据建立了杂波背景图，如图4所示。

从图4可以看出,通过本文算法建立的静态杂波图在目标可能出现的区域获得了较
好的背景图像，目标所在帧的影响大大降低，静态杂波图干净，非常有利于初始时刻的目标检测。

对原始图像进行杂波背景和目标团簇凝聚处理后的结果分别如图5，6所示。

从图6中可以看出，由于噪声和杂波的影响，杂波背景处理后的图像包含了很多孤立的噪声点，这些噪声点尺寸比目标的尺寸小得多。

而且由于散射特性差异，目标区域也存在不连续现象。

从相关处理结果可以看出，文中提出的方法可以较好地检测出目标。

经过目标团簇凝聚处理，去除了诸多孤立的虚警点，而准确地保留了4个目标区域，数据处理
结果表明所提算法有效。

机场场面监视雷达目标检测中存在严重遮挡、目标区域扩展、强杂波干扰和多路径等复杂问题，常规雷达信号处理方法难以有效检测目标。

本文在充分分析场面监视雷达目标回波信号合成的实孔径图像特点的基础上，借鉴数字图像处理的思想，提出了一种新的机场场面监视雷达目标检测算法。

用国内某机场实录数据对所提算法的性能进行验证，结果表明该算法可有效检测出目标区域，对由强杂波引起的大量虚警点起到较好的抑制效果，对分裂的目标块起到较好的凝聚作用。

后期重点要开展的工作是对算法性能的定量分析、对杂波背景图建立方法的优化以及算法的运行效率的提高。

陈建军(1981-)，男，博士，高级工程师，研究方向：雷达目标检测、系统总体技术，E-mail：***************。

孙俊(1974-)，男，高级工程师，研究方向：雷达信号处理、雷达目标识别。

李申(1980-)，男，高级工程师，研究方向：雷达目标检测。

王涛(1981-)，男，高级工程师，研究方向：雷达成像。

凌云(1975-)，男，高级工程师，研究方向：雷达系统仿真、信号处理。

于立(1975-)，男，高级工程师，研究方向：雷达应用。

张煜婕(1983-)，女，工程师，研究方向：雷达数据处理。

李文娟(1990-)，女，博士研究生，研究方向：场面监视雷达信号处理。

【相关文献】
[1] Gaspare G, Mauro L, Alessio C, et al. Airport surveillance processing chain for high resolution radar [J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(3): 1522-1533.
[2] 赵玲玲．场面监视雷达数据处理及软件实现[D]. 成都：电子科技大学，2008.
Zhao Lingling. Surface surveillance radar data processing and software realization [D]. Chengdu: University of Electronic Science and Technology of China, 2008.
[3] 陈亮．场面监视雷达显示与控制软件和数据处理[D]. 成都：电子科技大学，2007.
Chen Liang. Surface surveillance radar display and control software realization and data processing [D]. Chengdu: University of Electronic Science and Technology of China, 2007.
[4] 李敏，王帮峰，丁萌. ADS-B在机场场面监视中的应用研究[J]. 中国民航飞行学院学报, 2014，25(1): 11-14.
Li Min, Wang Bangfeng, Ding Meng. Application of ADS-B for airport surface surveillance [J]. Journal of China Civil Aviation Flying College, 2014，25(1): 11-14.
[5] 张睿，孔金凤. 机场场面监视技术的比较及发展[J]. 中国西部科技, 2010，9(1): 34-35, 52. Zhang Rui. Kong Jinfeng. Airport surface surveillance technology contrast and development [J]. Science and Technology of West China, 2010，9(1): 34-35, 52.
[6] 谢玉兰. 论首都机场场面监视雷达及系统的建设[J]. 民航经济与技术, 1998，12: 21-23.
Xie Yulan, An introduction of constructing the surface surveillance radar and its system in the capital airport [J]. China Civil Aviation Economy and Technology, 1998，12: 21-23. [7] Lanzkron P, Brookner E. Solid state X-band airport surface surveillance radar [C]∥2007 IEEE Radar Conference. Waltham, MA, USA: IEEE,2007:670-676.
[8] 李斌，张冠杰. 场面监视雷达技术发展综述[J]. 火控雷达技术,2010，39(2): 1-7.
Li Bin, Zhang Guanjie. Overview on surface movement radar technology development [J]. Fire Control Radar Technology, 2010，39(2): 1-7.
[9] Garcia H J, Besada P J A, Jimenez R F J, et al. Surface movement radar data processing methods for airport surveillance [J]. IEEE Transactions on Aerospace and Electronic Systems, 2001, 37(2): 563-585.
[10]Schultz H B, Wyschogrod D, Harman W H, et al. Target detection using radar images of an airport surface [C]∥Sensing, Imaging, and Vision for Control and Guidance
of． Orlando, FL, USA： SPIE，1994: 338-356.
[11]王创新, 刘仲云. 一种高速密集视频监控场景背景重构方法[J]. 数据采集与处理, 2012，27(3): 346-352.
Wang Chuangxin, Liu Zhongyun. Background reconstruction of high speed dense surveillance scenes [J]. Journal of Data Acquisition and Processing, 2012，27(3): 346-352.
[12]车宏，孙隆和. 圆形结构形态学滤波器优化设计及应用[J]. 南京航空航天大学学报, 2011，
43(4): 486-490.
Che Hong, Sun Longhe. The optimized design and application of circular morphological filter [J], Journal of Nanjing University of Aeronautics & Astronautics, 2011，43(4): 486-490.
[13]郭业才，康景磊. 形态学算子和小波变换的虹膜去噪算法[J]. 数据采集与处理, 2013，28(5): 586-590.
Guo Yecai, Kang Jinglei. Suppressing eyelash interference algorithm based on morphology and wavelet analysis [J]. Journal of Data Acquisition and Processing, 2013，28(5): 586-590.。