紅外預警衛(wèi)星系統(tǒng)虛警抑制技術綜述

李文杰，閆世強，胡 磊，吳亞宏，王成良，歐陽琰

（1.空軍預警學院，湖北 武漢 430019；2.解放軍95806部隊，北京 100076）

0 引言

紅外預警衛(wèi)星是一種先進的星載紅外探測系統(tǒng)，其功能是探測和跟蹤彈道導彈飛行時的高溫尾焰紅外輻射，判明敵方彈道導彈發(fā)射地點和飛行方向并進行告警，是反導預警體系中的重要組成部分。同地面導彈預警雷達相比較，具有監(jiān)視區(qū)域大、預警時間長、反應靈敏、不易受地形干擾等優(yōu)點。

美國和俄羅斯發(fā)展紅外預警衛(wèi)星系統(tǒng)已有數(shù)十年，在實際作戰(zhàn)值班的過程中發(fā)現(xiàn)存在虛警問題。虛警是對欺騙或錯誤事件的報告，會導致不必要的作戰(zhàn)資源浪費，此外，虛警問題還會導致值班人員降低警惕性，影響決策者的判斷，從而嚴重影響反導預警的整體作戰(zhàn)效能。因此，研究紅外預警衛(wèi)星系統(tǒng)的虛警問題與其抑制技術的必要性十分迫切。

針對上述問題，本文從紅外預警衛(wèi)星系統(tǒng)虛警問題的表現(xiàn)形式出發(fā)，分析虛警的產(chǎn)生原因與分類，最后探討了當前虛警抑制的關鍵技術和主要研究方向。

1 虛警問題概述

虛警的定義為[1]：“電子系統(tǒng)接收機在無目標信號的情況下，檢測出有信號的指示，這是由于系統(tǒng)內(nèi)部噪聲、外部噪聲或干擾超過門限所致，這種錯誤稱為虛警”。由此可見，虛警是錯誤的告警事件，即當沒有目標時系統(tǒng)卻對非目標事件進行告警。

歷史上曾出現(xiàn)過多次紅外預警衛(wèi)星系統(tǒng)的虛警事件，1979年11月9日，美國北美防空司令部夏延山基站、五角大樓的國家軍事指揮中心、馬里蘭州里奇堡的國家預備軍事指揮中心同時收到導彈來襲告警[2]，后經(jīng)查證原始數(shù)據(jù)確定該事件為虛警，原因是由于技術人員錯誤地在預警系統(tǒng)中運行反導作戰(zhàn)想定程序，模擬蘇聯(lián)對美國本土的導彈襲擊。1980年6月3日，美國預警系統(tǒng)發(fā)出蘇聯(lián)發(fā)射核導彈的來襲告警，預警系統(tǒng)顯示的來襲導彈數(shù)量成隨機變化，后經(jīng)查證該事件原因是由于計算機芯片故障導致。1983年9月26日，蘇聯(lián)剛啟用的紅外預警衛(wèi)星系統(tǒng)發(fā)出了一次導彈來襲虛警。當時由于太陽和美國導彈基地相對于蘇聯(lián)紅外預警衛(wèi)星位于同一方向，陽光在高空云層中的強烈反射引發(fā)系統(tǒng)告警，被誤判為來自美國的導彈襲擊[3]。1990年12月2日，在伊拉克發(fā)射“飛毛腿”導彈前數(shù)小時，美國國防支援計劃DSP衛(wèi)星發(fā)出導彈來襲警告，經(jīng)查證告警目標為一架飛行中的B-52轟炸機[4]。2014年全年，由美國空軍太空司令部第460部隊負責管理運行的天基紅外預警衛(wèi)星系統(tǒng)（space based infrared system，SBIRS）共發(fā)生8000多次紅外事件，其中僅有403次為導彈事件。

上述事件表明造成紅外預警衛(wèi)星系統(tǒng)虛警的原因多樣，總體上可分為軟硬件故障、環(huán)境輻射干擾兩類。同時，虛警會導致作戰(zhàn)人員警惕性的降低，也會影響決策者的判斷，甚至進行錯誤地反擊而引發(fā)嚴重后果，因此對紅外預警衛(wèi)星的虛警問題進行深入研究和分析是十分必要的。

2 虛警原因分析

在紅外探測系統(tǒng)中，虛警率（false alarm rate, FAR）是檢驗裝備是否具有實戰(zhàn)價值的一項重要指標，用來表示虛警事件發(fā)生的頻率。虛警率的定義為“單位時間內(nèi)系統(tǒng)發(fā)生虛警事件的平均次數(shù)”，其數(shù)學模型可表示為：

式中：NFA為發(fā)生虛警事件的次數(shù)；T為系統(tǒng)的工作總時間。

由此可見，降低系統(tǒng)虛警率需要減少單位時間內(nèi)發(fā)生的虛警事件數(shù)目，而分析虛警事件的表現(xiàn)形式和產(chǎn)生機理是預防和降低系統(tǒng)虛警問題的前提和基礎。經(jīng)分析，虛警事件產(chǎn)生的因素可分為環(huán)境因素和系統(tǒng)因素，具體內(nèi)容如圖1所示。

2.1 環(huán)境因素

環(huán)境因素造成的虛警問題主要來自外部環(huán)境中的虛警源干擾，使得接受到的熱輻射超過了紅外探測系統(tǒng)的告警閾值，從而引發(fā)虛警。根據(jù)虛警源方位的不同，分為空間虛警源、空中虛警源和地表虛警源。

1）空間虛警源

空間虛警源主要是太空中的星體（如月球）以及航天器反射的太陽光[5]，其中包含了紅外預警衛(wèi)星能夠響應的探測波段，而且空間虛警源相對紅外預警衛(wèi)星的運動特性與彈道導彈相似，因此在空間虛警源進入紅外預警衛(wèi)星探測器視野時可能會引發(fā)告警。

圖1 虛警信號的產(chǎn)生因素 Fig.1 Causes of false alarm signals

2）空中虛警源

空中虛警源主要是高空卷云反射的太陽光，高空卷云由高空分布稀疏的細小冰晶組成，具有強烈的散射特性[6]。當太陽光朝紅外預警衛(wèi)星方向集中反射時，探測器將接收到強烈的紅外輻射，引發(fā)系統(tǒng)告警。此外，高分辨率的紅外預警衛(wèi)星探測器也有可能捕獲空中戰(zhàn)斗機尾噴管的熱輻射，從而造成虛警。

3）地表虛警源

地表虛警源主要是地表高溫點和地表強反射區(qū)域。地表高溫點為地表燃燒（如森林燃燒）和其他熱輻射源（如工廠熱排放），其強烈的紅外輻射信號與周圍環(huán)境形成鮮明對比；地表強反射區(qū)域主要是通過反射太陽光進入探測器視野形成耀斑而引發(fā)虛警，常見的地強高反射區(qū)域有冰雪覆蓋的土地，沙漠地區(qū)以及平穩(wěn)的海面[7]等。

2.2 系統(tǒng)因素

造成虛警的系統(tǒng)因素主要是系統(tǒng)噪聲和系統(tǒng)故障。系統(tǒng)噪聲是探測信號中的隨機成份，是系統(tǒng)中固有的、不可消除的，會造紅外探測圖像亮度分別隨機起伏，若無有效地進行濾除，可能會引發(fā)虛警；系統(tǒng)故障是由于系統(tǒng)軟件或硬件非正常工作導致的異常行為。

1）系統(tǒng)噪聲

系統(tǒng)噪聲的組成如圖2所示，主要分為熱噪聲、電路噪聲和探測器噪聲。

熱噪聲是任何絕對零度溫度以上的導體和半導體內(nèi)部電子均發(fā)生的熱震動，其強弱主要受系統(tǒng)內(nèi)部的溫度變化影響，而太陽輻射作用和電路熱輻射作用會導致系統(tǒng)內(nèi)部溫度變化。

電路噪聲發(fā)生在信息傳輸?shù)拿總€環(huán)節(jié)，主要包括線纜噪聲、調(diào)理電路、電源及偏壓噪聲和數(shù)字模擬轉(zhuǎn)換（analog-to-digital converter，ADC）模塊噪聲[8]，理想條件下電路噪聲通常保持在一定水平，但惡劣的空間環(huán)境會對其穩(wěn)定性造成影響。

圖2 系統(tǒng)噪聲組成 Fig.2 System noise composition

探測器噪聲是影響紅外系統(tǒng)成像質(zhì)量的關鍵因素，主要來自兩個方面，一方面來自探測器自身的噪聲，例如凝視相機探測器中的非均勻性和非線性造成的噪聲等；另一方面來自掃描相機探測器引入的噪聲。按照噪聲的產(chǎn)生機理可以分為散粒噪聲、光子噪聲和1/f噪聲等。

2）系統(tǒng)故障

系統(tǒng)故障可分為軟件故障和硬件故障，是由于系統(tǒng)自身軟、硬件的設計缺陷或外界破壞因素導致的，使系統(tǒng)處于非正常工作狀態(tài)，可能造成信息輸入或信息處理過程中出現(xiàn)不可預料的錯誤而引發(fā)系統(tǒng)告警。

3 虛警抑制相關技術

通過對虛警事件的表現(xiàn)形式進行描述及虛警的產(chǎn)生原因進行分析，為研究紅外預警衛(wèi)星虛警問題的抑制技術奠定了基礎。下文主要從紅外成像噪聲抑制技術、紅外圖像背景抑制技術、紅外目標檢測與跟蹤算法技術、故障診斷技術以及虛警目標識別技術5個方面展開論述。

3.1 紅外成像噪聲抑制技術

紅外成像系統(tǒng)的噪聲是影響紅外成像質(zhì)量的主要因素，是造成虛警的重要因素，因此在成像的過程中就需要對系統(tǒng)進行噪聲抑制。根據(jù)紅外成像噪聲的產(chǎn)生機理可分為動態(tài)噪聲和非均勻性噪聲。

動態(tài)噪聲以高斯白噪聲、椒鹽噪聲和低頻噪聲為主。高斯白噪聲隨機分布，在頻域具有高斯特征，高斯濾波器對其有很好的抑制作用，其基本原理與均值濾波器相似，不同之處是高斯濾波器的模板系數(shù)隨著距離模板中心的增大而減小，通過將濾波器窗口內(nèi)的像素加權(quán)求均值進行輸出，可有效抑制噪聲，平滑圖像。椒鹽噪聲在紅外成像中隨機出現(xiàn)且灰度值較為固定，中值濾波器通過對濾波器窗口內(nèi)的圖像灰度值進行排序并取中值作為輸出，可有效消除紅外圖像中的椒鹽噪聲。低頻噪聲為紅外成像系統(tǒng)的1/f噪聲，其功率譜與頻率呈反比，對紅外圖像的幀間起伏影響較大，可通過小波變換將1/f噪聲變?yōu)橐子谇宄陌自肼?，從而滿足降噪的目的[9]。

非均勻性噪聲是由于探測器材料和制造工藝等因素造成的，是紅外成像系統(tǒng)的固有缺陷，因此紅外成像系統(tǒng)必須進行非均勻性校正。常用的非均勻性校正采用基于定標的方法，主要有一點校正、兩點校正、多點校正以及基于神經(jīng)網(wǎng)絡的改進方法[10]等。紅外成像系統(tǒng)的設計階段就需要進行非均勻性校正，但在系統(tǒng)的使用過程中可能會發(fā)生溫漂效應，最終影響成像效果，因此在軌定標是實現(xiàn)空間紅外成像系統(tǒng)準確探測的基本前提，目前星上定標[11]主要采用太陽、月球、宇宙冷空間和經(jīng)校準的黑體源等作為定標校準源。

3.2 紅外圖像背景抑制技術

紅外成像系統(tǒng)在對目標進行檢測和跟蹤前，背景抑制是不可缺少的環(huán)節(jié)，通過對紅外圖像進行預處理，抑制復雜背景和雜波干擾，可以提高目標信噪比以降低虛警率，保證探測的準確性。

傳統(tǒng)的紅外探測圖像背景抑制算法基于單幀圖像，經(jīng)典算法有高通濾波算法、中值濾波算法、形態(tài)學濾波算法、羅賓遜濾波算法等[12]，目前已得到了廣泛的實際應用。上述算法適用于簡單背景，例如海面和沙漠等單一物理成分構(gòu)成的區(qū)域圖像。當背景起伏較大時，傳統(tǒng)背景抑制方法會有一定殘留，特別當探測圖像中既有簡單背景也有復雜背景時，無法自適應地抑制不同復雜程度的背景。

針對傳統(tǒng)背景抑制算法的不足，部分學者研究了復雜背景下的紅外弱小目標背景抑制技術，比如基于背景分類的方法[13]，基于粒子濾波的方法[14]，基于空域濾波的方法[15]，基于小波變換的方法[16]，基于復濾波器組的方法[17]，基于自適應頻域濾波的方法[18]，基于光流估計的方法[19]等，均取得較好的背景圖像抑制效果。針對不同應用場景選擇適當?shù)乃惴?，可以有效提升紅外小目標的信噪比，減少虛警率。

3.3 紅外目標檢測與跟蹤技術

紅外目標檢測與跟蹤算法是影響紅外探測系統(tǒng)虛警率的決定性因素。根據(jù)算法檢測和跟蹤過程的先后順序不同，可分為跟蹤前檢測（detection before track，DBT）和檢測前跟蹤（track before detection，TBD）兩類。

DBT算法的流程如圖3所示，首先對包含目標的紅外圖像進行背景抑制，再通過計算單幀圖像的檢測概率和虛警概率確定檢測門限，即可對目標信息進行分割，在分割后得到的二值化圖像序列中根據(jù)目標的運動特性進行目標軌跡關聯(lián)，剔除虛警點，實現(xiàn)目標跟蹤。經(jīng)典的DBT算法主要有遞歸最大濾波法[20]、管道濾波法[21]和光流法[22]等。

圖3 DBT算法流程 Fig.3 DBT algorithm flow

TBD算法的流程如圖4所示，首先對包含目標的紅外圖像進行背景抑制，根據(jù)目標的運動特性，跟蹤所有候選目標的運動軌跡，再根據(jù)相鄰若干幀圖像間的目標灰度特性或能量變化特性來計算各候選目標運動軌跡的后驗概率，根據(jù)預先設定的閾值，當滿足閾值條件時則認為該目標軌跡是真實的。經(jīng)典的DBT算法主要有基于三維匹配濾波器方法[23]、基于動態(tài)規(guī)劃方法[24]、基于高階相關方法[25]、基于粒子濾波方法[26]和基于多級假設檢驗方法[27]等。

圖4 TBD算法流程 Fig.4 TBD algorithm flow

DBT算法和TBD算法均是基于多幀信息的紅外小目標檢測算法，區(qū)別在于兩種算法對于圖像序列中幀間信息的利用順序有所不同。DBT算法簡單直觀，易于實現(xiàn)，目前得到了廣泛應用，但是存在抗干擾能力差，虛警概率高，檢測概率低的缺點。TBD算法適合用來檢測圖像中低信噪比弱小目標，相比于DBT算法，相同條件下TBD算法的虛警概率更低，檢測概率更高，抗干擾能力更強的優(yōu)點，但TBD算法的實現(xiàn)較為復雜，計算量大，存儲量大，對硬件的性能要求高，很難滿足實時性要求，因此應根據(jù)具體應用需求選擇合適的檢測算法。

3.4 故障診斷技術

故障診斷技術的定義[28]是：“在不進行設備拆卸的情況下，通過相應的方法和技術手段，在設備運行過程中掌握其運行狀態(tài)，確定是否發(fā)生故障并分析出發(fā)生故障的原因，預報故障未來的發(fā)展趨勢”。20世紀70年代，故障診斷技術起源于美國。1971年，麻省理工學院的學者們創(chuàng)新性的提出了運用軟件冗余代替硬件冗余的新思想，開啟了故障診斷技術研究的開端，此后以美國國家航空航天局（NASA）為代表的機構(gòu)對故障診斷技術進行了廣泛的應用。此后，美國、俄羅斯等國在故障診斷技術方面進行了大量的研究工作，經(jīng)過幾十年的發(fā)展，故障診斷技術逐漸成熟，保證了武器裝備的穩(wěn)定運行。

故障診斷技術大致可以分為3類[29]，如圖5所示，分別是基于模型的方法、基于信號處理的方法和基于人工智能（artificial intelligence，AI）的方法。

圖5 故障診斷技術分類 Fig.5 Classification of fault diagnosis technology

其中基于人工智能的故障診斷方法已經(jīng)成為主要的研究方向。通過積累海量歷史數(shù)據(jù)，建立故障檢測數(shù)據(jù)庫，利用定性模型、專家系統(tǒng)、數(shù)據(jù)挖掘等手段對衛(wèi)星與地面站數(shù)據(jù)集進行分析，形成系統(tǒng)綜合測試知識庫。通過對衛(wèi)星系統(tǒng)、分系統(tǒng)、設備等參數(shù)歷史數(shù)據(jù)進行分析，設置故障發(fā)生的判別指標，可對系統(tǒng)的健康狀態(tài)進行評估，并對可能發(fā)生的故障做出預警，從而最大限度地保證了系統(tǒng)運行的可靠性。

3.5 虛警目標識別技術

近些年，隨著深度學習、圖像識別等人工智能技術的發(fā)展以及計算機運算能力的大幅提升，使得利用人工智能方法對虛警目標進行識別成為可能。虛警目標識別的前提是充分了解虛警目標的特性，可利用事件記錄、反演信息和圖像信息等數(shù)據(jù)，并研究虛警目標特征的提取方法。利用全球地表高溫點數(shù)據(jù)集、全球地表反射率數(shù)據(jù)集、氣象衛(wèi)星數(shù)據(jù)集、軌道預報數(shù)據(jù)集等資源以形成虛警目標特征庫，虛警目標的特征屬性包含虛警目標出現(xiàn)的時間和方位以及虛警目標的輻射強度和幾何信息等。此外，為避免“維數(shù)災難”而影響后期虛警目標識別的效果，需要對特征數(shù)據(jù)進行降維，圖6為常用的降維方法的技術分類[30-31]。

虛警目標識別的關鍵在于設計合適的分類算法，實現(xiàn)高準確率的虛警目標識別，目前常用的分類算法[32]主要有貝葉斯分類算法、支持向量機（support vector machine, SVM）分類算法、基于關聯(lián)規(guī)則的分類算法、人工神經(jīng)網(wǎng)絡（artificial neural networks，ANN）分類算法等。利用虛警目標的特征庫對分類算法進行訓練，并設置合理的評估方法，使得模型達到最佳的識別效果。當有紅外目標達到系統(tǒng)告警閾值時，自動將告警目標的特征信息輸入模型進行屬性判別，若識別為虛警目標，則進行系統(tǒng)提示以輔助作戰(zhàn)人員進行判別，并記錄虛警事件的特征信息，不斷完善虛警目標識別技術。

圖6 降維技術分類示意圖 Fig.6 Dimension reduction technology classification diagram

4 結(jié)語

本文針對紅外預警衛(wèi)星系統(tǒng)的虛警問題與其抑制技術展開研究，概述了紅外預警衛(wèi)星虛警問題的表現(xiàn)形式并進行了分類，在此基礎上對其產(chǎn)生原因進行分析，最后從紅外成像噪聲抑制技術、紅外圖像背景抑制技術、紅外目標檢測與跟蹤算法技術、故障診斷技術以及虛警目標識別技術5個方面探討了當前紅外預警衛(wèi)星系統(tǒng)虛警抑制的相關技術和研究方向，為相關領域的研究提供了參考信息。