这项研究由哈尔滨工程大学智能科学与工程学院的博士生温宝田、导师卢志忠教授以及团队成员茅永峰和周博文共同完成，于2024年7月29日发表在期刊 IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 的第17卷上，论文标题为《基于空时自适应滤波与霍夫变换的船用雷达图像序列目标检测》(Marine Radar Image Sequence Target Detection Based on Space–Time Adaptive Filtering and Hough Transform)。
一、 研究的学术背景与目标
这项研究聚焦于船用导航雷达在复杂海况下的目标检测问题。在海洋监测、海上安全防卫等领域，船用雷达扮演着至关重要的角色。然而，雷达在探测目标时，其发射的电磁波会在海面产生后向散射，形成海杂波。海杂波的物理机制复杂，具有强烈的非高斯、非线性和非平稳特性，其时空变化极为剧烈。在恶劣海况下，弱小目标的信号往往会被强大的海杂波能量所淹没，导致传统雷达检测方法出现大量的漏报和虚警。因此，如何在复杂的海杂波背景下有效、准确地检测目标，是该领域一个长期存在的挑战和热点问题。
现有的一些目标检测方法，如基于统计模型的空间域处理、基于分形理论的时域处理、基于多普勒频移的频域处理以及时频域处理等，在应对复杂多变的海杂波时均存在一定的局限性，例如模型失配、无法检测快速目标或仅适用于线性调频信号。近年来，通过联合处理连续多幅雷达图像序列的空时域处理方法展现出潜力，因为它能累积更多信息以实现稳健检测。
该研究旨在进一步提升旋转扫描式非相干船用雷达的目标检测性能。其核心目标是提出一种新颖的、两阶段的检测算法，首先在粗检测阶段最大限度地抑制海杂波并提取目标信号，以提升图像的信杂比；随后在精检测阶段，通过一种能反映真实背景杂波分布的恒虚警率检测方法，实现对目标的精确判定，从而在保证高检测概率的同时，有效降低虚警率。
二、 研究的详细工作流程
该研究提出了一种创新的“粗检测-精检测”两阶段目标检测算法，其核心工作流程如下：
1. 粗检测阶段：海杂波抑制与目标信号提取
该阶段是整个算法的基础，旨在大幅提升图像序列的信杂比。它包含两个连续的步骤：
步骤一：基于空时杂波抑制的海杂波能量滤除 研究团队首先利用三维快速傅里叶变换，将原始的雷达图像序列η(x, y, t)变换到三维的频率-波数域，得到图像谱F(kx, ky, ω)。在这个域中，海杂波的能量分布遵循特定的物理规律，即它主要集中在由重力波色散关系曲线所定义的范围内。与此同时，运动目标因为自身具有恒定的速度，其能量在频率-波数域中表现为不遵循色散关系的直线或平面特征。 基于此差异，研究采用了一种名为空时杂波抑制 (STCS) 的滤波器。该滤波器通过估计的主导波长和最大相对流速，计算出一个动态的、基于色散关系的通带范围[kn, kp]。落入此通带内的频谱能量被认为是海杂波，将被置零，从而形成一个海杂波被抑制的频谱E(kx, ky, ω)。此步骤能有效滤除大部分海杂波能量，使得之前被淹没的运动目标频谱得以显现。
步骤二：基于霍夫变换的目标能量提取 在海杂波被有效抑制后，目标能量虽然可见，但仍混杂着静态/准静态频谱、高阶谐波和背景噪声。为了精确提取目标能量，研究团队设计了一个名为空时域目标提取 (STTE) 的环节。 首先，他们从三维频谱中选取两个接近零频平面的波数平面，在这些平面上，运动目标的频谱表现为一条直线。然后，研究利用经典的霍夫变换 (Hough Transform) 算法，在二维波数平面中检测这些直线。通过匹配两个平面上属于同一目标的直线（它们具有相同的角度θ，但截距ρ不同），可以计算出目标频谱在频率-波数域中的平移信息，从而建立该目标在所有波数平面上的谱线模型。最后，构建一个只保留目标谱线附近能量的滤波器，以此从E(kx, ky, ω)中提取出以目标能量为主、杂波能量大幅减少的新频谱。经三维逆快速傅里叶变换，得到一幅海杂波被抑制、目标被提取的处理后图像序列ηm(x, y, t)。
2. 精检测阶段：基于真实杂波背景分布的恒虚警率检测
经过粗检测阶段，图像序列中的大部分海杂波和噪声已被滤除，但目标提取时为确保完整性而进行的谱线宽度扩展，也保留了少量残余杂波。为了对这些残余杂波进行精确检测，研究提出了一种全新的真实杂波背景分布恒虚警率检测器 (RCBD-CFAR)。 传统的CFAR方法通常离线地用某种固定的复合高斯分布模型去拟合海杂波，但在复杂多变的真实环境中，固定的模型无法准确描述动态变化的残余杂波背景。RCBD-CFAR方法巧妙地解决了这一问题：它利用粗检测阶段生成的处理后图像序列，通过一个更窄的提取系数再次进行目标提取，从而移除其中的大部分目标信号，得到一个仅包含实时背景杂波分布的图像序列ηc(x, y, t)。通过对ηc进行在线统计，可以动态地获得当前时刻最真实的杂波背景幅度分布模型f(x)。基于此模型和预先设定的虚警率pfa，可以直接计算出整个图像的全局检测阈值T。最后，将处理后的图像ηm中的每个点与T进行比较，超过阈值的点即被判定为目标点，反之则为杂波点，从而完成精确检测。
三、 主要实验结果
研究团队利用2017年在中国东海采集的X波段船用雷达实测数据验证了所提算法的性能。实验涵盖了低、中、高三种不同海况及多种信杂比条件。
信杂比提升效果：实验结果表明，本文提出的方法能显著提升信杂比。在低海况下，提升值可达17 dB以上；即便在高海况、原始信杂比极低的情况下，也能实现10 dB以上的提升。与单独使用STCS的方法相比，平均信杂比提升高出约6.76 dB；与基于奇异值分解和分数阶傅里叶变换的方法 (SVD-FRFT) 相比，平均提升高出约9.99 dB。这证实了STTE环节在进一步滤除噪声、提取目标方面的有效性。
目标检测性能：在虚警率设定为0.0001时，本文提出的方法在低、中、高海况下的检测概率分别达到了99.89%、95.34%和94.44%，在所有对比方法中均为最高。从信杂比-检测概率曲线来看，本文方法在信杂比约为2 dB时检测概率即可超过90%，在约6.5 dB时达到100%。相比之下，基于STCS的CFAR方法、基于广义最大顺序统计量 (GMOS) 的CFAR、基于威布尔对数加权似然 (WHOS) 的CFAR 以及SVD-FRFT-CFAR方法要达到100%的检测概率，分别需要约7 dB、8 dB、10.5 dB和11.5 dB。特别是与传统的GMOS-CFAR和WHOS-CFAR相比，本文方法的平均检测概率分别提升了16.6%和10.1%，这证明RCBD-CFAR方法通过利用实时真实背景分布，在复杂海况下具有更强的鲁棒性和准确性。
四、 结论与价值
该研究成功提出并验证了一种基于空时自适应滤波与霍夫变换的船用雷达图像序列目标检测算法。其科学价值在于，它不仅建立了运动目标在三维频率-波数域的谱特征模型，并巧妙地利用霍夫变换进行提取，为从频域角度分离目标与杂波提供了新思路；更重要的是，它创新性地提出了基于真实杂波背景分布的恒虚警率检测概念，彻底摆脱了传统方法依赖固定分布模型的局限性，实现了对动态变化背景的自适应检测。在应用价值方面，该算法能够在复杂的海况下，特别是低信杂比条件下，显著提升船用雷达的目标检测概率并降低虚警率，对于提升海上交通安全、海洋环境监测和海上安防能力具有重要的实际意义。
五、 研究亮点
此外，研究虽然在处理非均匀线性运动的目标以及在计算效率（需累积约80秒的图像序列）方面尚存提升空间，但其提出的方法论为后续研究指明了方向，如探索更精细的滤波边界和更优化的目标模型宽度扩展系数。