基于多特征结合的MIMO穿墙雷达“鬼影”抑制

许强　金添　邱磊

摘 要：穿墙雷达由于其工作环境的复杂性，导致接收的目标信号十分微弱，即使通过背景对消抑制了天线耦合波、墙体直达波等强杂波，目标信号也难以突显，同时传统的检测方法并不能解决目标与墙体等环境响应产生“鬼影”目标的问题。为解决这一问题，建立了点目标、扩展目标以及运动目标等模型对虚假“鬼影”目标的产生原因进行分析，并提出了一种基于幅度和空间位置等特征相结合的图像检测方法。仿真和实验结果证明了“鬼影”的理论分析和方法的有效性。

关键词： 穿墙雷达； 多特征； MIMO天线阵列； “鬼影”抑制

中图分类号： TN957?34 文献标识码： A 文章编号： 1004?373X（2015）19?0001?07

Abstract： The work environment of the through?the?wall radar is complicated， which makes the received target signal completely weak. Even though the antenna coupling wave， the wall direct wave and other strong clutter waves have been restrained by background compensation， the target signal is hard to appear. Traditional detection methods can′t eliminate the “ghost” target generated by the environmental response. To settle this problem， models of point target， extended target and moving target were established to analyze the generation reasons of false “ghost” target. A new image detection method based on the combination of amplitude and spatial location features is proposed for the through?the?wall radar. The validity of “ghost” theoretical analysis and this method was verified by simulation and experiments.

Keywords： through?the?wall radar； multi?feature； MIMO antenna array； “ghost” suppression

0 引 言

穿墙雷达（Through?the?Wall Radar，TWR）能够穿透房间对隐蔽墙后的目标进行探测，现如今被广泛应用于安全防卫、灾害救援等方面[1?3]。实际情况中TWR通常工作在复杂的电磁环境中，由于墙体的存在，墙后多目标之间相互交叉作用，目标信杂比较低，使得回波呈现杂乱、微弱以及模糊等现象。传统的门限检测技术[4]，虽然能够有效抑制绝大多数的静止杂波，但是由于墙体以及房间内其他物体的相互作用产生的干扰回波，其所获取的图像具有“鬼影”现象，无法实现墙后目标的有效检测。

无论是对“鬼影”现象的抑制[5]，还是将其作为有用信号加以利用[6]，以提高雷达探测性能，都需要建立“鬼影”模型。基于此背景，本文首先针对传统检测方法，分别对点目标、扩展点目标以及运动的扩展目标建模，分析各种“鬼影”的形成原因。考虑现有方法以及相关技术方面存在的不足和短板，分别考虑幅度、目标的空间位置两个信息的提取与子图的生成，提出适用有效的检测方法，通过仿真和实验数据的处理进行验证。

1 传统的雷达检测方法

对于穿墙探测系统，为了探测墙后的运动目标，传统方法是背景对消和CFAR，其处理流程为简单的开环式结构，如图1所示，数据在整个处理链路中单向流动。

由于墙体的存在，目标散射得到的电磁波能量相对于墙体散射回波而言非常微弱，为了探测墙后目标，必须抑制墙体杂波。针对动目标，传统方法是背景对消，原始雷达图像经过背景对消之后，在一定程度上增强了目标回波；其次经过后向投影（Back Projection，BP）算法成像[7]，使图像在计算机上显示；再通过基于Neyman?Pearson准则的CFAR检测器进行检测，得出结果。CFAR检测器是利用滑窗机制遍历全图，能够消除部分伪目标，然而在实际过程当中，电磁波需要两次穿透墙体，加之实际场景的电磁环境十分复杂，使得信号回波的信杂比很低，即便抑制了强杂波，但是无法避免某些因人体目标与环境响应所引起的“鬼影”目标，不足以从雷达图像中检测出实际所要探测的目标，因此需要进一步的检测。

2 “鬼影”产生的机理

2.1 点目标

在目前绝大多数的穿墙检测研究中，通常假设在以下两个方面建立点目标模型：

（1） 假设待检测目标为各项同性的点目标；

（2） 通常假设目标位于单堵墙体的后方[7]。

然而，对于实际应用而言，必须考虑房间内其他墙体对人体目标探测的影响。实际情况当中，目标除了产生回波直接反射到接收天线以外，还通过房间内的墙面或者其他物品的反射面将电磁波反射到接收天线，这种现象称为“多径效应”。为了简化问题，首先忽略前墙的折射，做如下假设：假如目标位于点[AxA，yA，]墙体位于点[A]的右侧，那么对于多输入多输出（Multiple Inputs Multiple Output，MIMO）天线阵列中某接收天线[R1]而言，除了直接经过目标反射作用后到达接收机的回波路径Path?A之外，还存在着经过墙体wall一次作用返回的其他回波路径Path?B，Path?C以及Path?D等，如图2所示。endprint

式中：[k0，][k1]分别为电磁波在空气中和墙体中的传播波数；[ph，][pv]分别为对应于信号的[h]极化波和[v]极化波；[εr]为相对介电常数；[d]为墙体厚度；[Γ]为墙体反射系数。在已知周围环境以及电磁波性质的情况下，可给出该解。相对于路径Path?A所接收的回波而言，路径Path?B所经历的回波多一个路径延迟损耗以及墙面的反射损耗。同理可得路径Path?C，路径Path?D的回波信息。

下面采用MIMO阵列对点目标[A]按照上述情况进行Matlab仿真，仿真结果如图3所示。对于Path?C，Path?D路径产生的“鬼影”目标是无法聚焦的。同时，由于墙体反射系数的存在，多径所产生的“鬼影”信号幅度必然弱于目标信号。

2.2 扩展目标

在上述研究中，认为目标是各项同性的点目标，然而在实际情况下，所检测的目标通常是人体，这与假设是不相符合的。如果仍然采用点目标模型，在分析系统成像性能以及算法上，虽然能够提供一定的帮助，但是由于人体目标对电磁波传播的影响会更加复杂多变，其缺点也逐步暴露。

2.3 运动目标

3 “鬼影”目标的抑制

3.1 基于目标的幅度特征

基于上述目标信号模型推导得到，由多径效应产生的虚假目标回波与真实目标的回波相比存在一定程度的损耗，而且相对于真实目标而言，“鬼影”目标无法聚焦。针对这种特性，可以采用相干因子（Coherence Factor，CF）加权算法来消除这种“鬼影”目标。CF加权算法源于微波成像技术，由阵列接收到的信号在图像中某个点的相干性决定CF的大小，它与目标距天线的距离和目标散射系数无关[8?10]。由于多径效应所产生的“鬼影”具有较低的相干性，因此CF可作一个加权因子校正图像域的每一个像素点，减少成像过程中的“鬼影”，同时能够降低栅瓣以及旁瓣，减少杂波。现采用步进频率体制的MIMO穿墙雷达包含[M]个发射阵元、[N]个接收阵元，具有[M×N]个信号通道，目标位于点[AxA，yA]处。则[A]点的BP成像图为：

图11是背景对消的原始雷达图像，显然经历了对消之后，杂波初步得到抑制，但是从成像结果可以看出，由多径效应产生的“鬼影”目标以及由遮蔽带来的“鬼影”现象仍然存在，需要进一步进行检测。根据3.3节步骤，对得到的雷达图像提取房间的墙体分布，如图12所示。同时，对图进行CF处理和CFAR检测器操作以及聚类分析，最后消除墙体之外的点，至此得到检测结果如图13所示。显然，利用本文的方法可以有效消除“鬼影”现象，改善检测结果，提高图像质量。

5 结 论

本文从理论分析和电磁建模两个方面研究了MIMO穿墙雷达体制下的“鬼影”虚假目标，通过建立点目标、扩展目标以及扩展运动目标的常规模型进行分析。特别是位于房间内的扩展运动目标会出现很多新的特性，而这些是难以用通常点目标信号模型进行解释的。并提出CF加权方法和墙体空间位置两个特征方法结合来消除“鬼影”目标。实验结果表明，传统的检测方法不能消除由于多径效应以及遮蔽效应所产生的“鬼影”目标，但是通过CF加权方法和空间位置的判定，能够消除“鬼影”目标，提高检测质量。

参考文献

[1] AMIN M G. Through?the?wall radar imaging [M]. New York： CRC Press， 2011.

[2] AFTANAS M. Through wall imaging with UWB radar system [M]. Saarbrucken： Lap Lambert Academic Publishing， 2009.

[3] TAHMOUSH D， SILVIOUS J， BENDER B. Radar surveillance in urban environments [C]// 2012 IEEE Radar Conference. Atlanta： IEEE， 2012： 220?225.

[4] MO L， WU S L， LI H. Radar detection of range migrated weak target through long term integration [J]. Chinese Journal of Electronics， 2009， 12（4）： 534?539.

[5] GENNARELLI G， SOLDOVIERI F. A linear inverse scattering algorithm for radar imaging in multipath environments [J]. IEEE Geoscience and Remote Sensing Letters， 2013， 10（5）： 1085?1089.

[6] SETLUR P， AMIN M， AHMAD F. Multipath model and exploitation in through?the?wall and urban radar sensing [J]. IEEE Transactions on Geoscience and Remote Sensing， 2011， 49（10）： 4021?4034.

[7] LU B Y， SONG Q， ZHOU Z M， et al. A SFCW radar for through wall imaging and motion detection [C]// 2011 the 8th European Radar Conference. Manchester： IEEE， 2011： 325?328.

[8] SMITH GE， MOBASSERI B G. Analysis and exploitation of multipath ghosts in radar target image classification [J]. IEEE Transactions on Image Processing， 2014， 23（4）： 1581?1592.

[9] LU B Y， SUN X， ZHAO Y， et al. Phase coherence factor for mitigation of sidelobe artifacts in through?the?wall radar ima?ging [J]. Journal of Electromagnetic Waves and Applications， 2013， 27（6）： 716?725.

[10] CAMACHO J， PARRILLA M， FRITSCH C. Grating?lobes reduction by application of phase coherence factors [C]// Proceedings of 2009 IEEE International Symposium on Ultraso?nics. Rome： IEEE， 2009： 341?344.

[11] WANGY M， SONG Q， HUANG X T， et al. Grid clustering in detection image via target prior information [J]. Signal Processing， 2012， 28（11）： 1565?1574.

[12] JIN T， CHEN B， ZHOU Z M. Image?domain estimation of wall parameters for auto focusing of through?the?wall SAR imagery [J]. IEEE Transactions on Geoscience and Remote Sensing， 2013， 51（33）： 1836?1843.endprint