A Priori Knowledge-Based Post-Doppler STAP for Traffic Monitoring with Airborne Radar

Die Verkehrsüberwachung gewinnt aufgrund des weltweiten Anstiegs der Verkehrsteilnehmer immer mehr an Bedeutung. Sicherer und effizierter Straßenverkehr erfordert detaillierte Verkehrsinformationen. Häufig sind diese lediglich stationär, räumlich stark begrenzt und meist nur auf Hauptverkehrsstraßen verfügbar. In dieser Hinsicht ist ein Ausfall des Telekommunikationsnetzes, beispielsweise im Falle einer Katastrophe, und der damit einhergehende Informationsverlust als kritisch einzustufen. Flugzeuggetragene Radarsysteme mit synthetischer Apertur (eng. Synthetic Aperture Radar - SAR) können für dieses Szenario eine Lösung darstellen, da sie großflächig hochauflösende Bilder generieren können, unabhängig von Tageslicht und Witterungsbedingungen. ... mehrSie ermöglichen aufgrund dieser Charakteristik die Detektion von Bewegtzielen am Boden (eng. ground moving target indication – GMTI).
Moderne GMTI-Algorithmen und -Systeme, die prinzipiell für die Verkehrsüberwachung verwendbar sind, wurden in der Literatur bereits diskutiert. Allerdings ist die Robustheit dieser Systeme oft mit hohen Kosten, hoher Hardwarekomplexität und hohem Rechenaufwand verbunden. Diese Dissertation stellt einen neuartigen GMTI-Prozessor vor, der auf dem Radar-Mehrkanalverfahren post-Doppler space-time adaptive processing (PD STAP) basiert. Durch die Überlagerung einer Straßenkarte mit einem digitalen Höhenmodell ist es mithilfe des PD STAP möglich, Falschdetektionen zu erkennen und auszuschließen sowie die detektierten Fahrzeuge ihren korrekten Straßenpositionen zu zuordnen. Die präzisen Schätzungen von Position, Geschwindigkeit und Bewegungsrichtung der Fahrzeuge können mit vergleichsweise geringerer Hardware-Komplexität zu niedrigeren Kosten durchgeführt werden.
Ferner wird im Rahmen dieser Arbeit ein effizienter Datenkalibrierungsalgorithmus erläutert, der das Ungleichgewicht zwischen den Empfangskanälen sowie die Variation des Dopplerschwerpunkts über Entfernung und Azimut korrigiert und so das Messergebnis verbessert. Darüber hinaus werden neue und automatisierte Strategien zur Erhebung von Trainingsdaten vorgestellt, die für die Schätzung der Clutter-Kovarianzmatrix wegen ihres direkten Einflusses auf die Clutter-Unterdrückung und Zieldetektion essentiell für PD STAP sind.
Der neuartige PD STAP Prozessor verfügt über drei verschiedene Betriebsarten, die für militärische und zivile Anwendungen geeignet sind, darunter ein schneller Verarbeitungsalgorithmus der das Potential für eine zukünftige Echtzeit-Verkehrsüberwachung hat. Alle Betriebsarten wurden erfolgreich mit Radar-Mehrkanaldaten des flugzeuggetragenen F-SAR-Radarsensors des DLR getestet.

Traffic monitoring is currently a trending topic due to the worldwide increase of road users. Safe and efficient roadway operations require detailed traffic information that relies on stationary ground infrastructure often available only for the major highways. Particularly in case of catastrophes (when mobile internet and phone communication are impossible), the actual road systems could fail altogether due to extensive power blackouts or ground infrastructure damages, resulting in complete lack of information. Synthetic aperture radar (SAR) offers a remarkable solution for this scenario due to its unique capability in providing high-resolution images independent of daylight and weather conditions, allowing applications in ground moving target indication (GMTI).
... mehr
State-of-the-art GMTI algorithms have been proposed in the literature using a priori knowledge information, whereas their robustness is often achieved with high costs, high hardware complexity and high computational effort. This doctoral thesis presents a GMTI processor based on the powerful multi-channel technique post-Doppler space-time adaptive processing (PD STAP). This GMTI processor blends a road map with a digital elevation model in order to recognize and to reject false detections, and to assign the detected vehicles to their correct positions on the roads. Accurate position, velocity and moving direction estimates of the vehicles are obtained with decreased processing hardware complexity and low costs compared to state-of-the-art systems.
This doctoral thesis also includes an efficient data calibration algorithm that corrects the channel imbalances and the Doppler centroid variations over range and azimuth. In addition, novel and automatic training data selection strategies are presented for the clutter covariance matrix estimation, which is essential for the PD STAP processor, since it impacts directly its clutter cancellation and target detection capabilities.
The novel PD STAP processor has three operational modes designed for military and civilian applications, including a fast processing mode that paves the way for real-time traffic monitoring. All modes were tested on multi-channel data acquired by DLR’s airborne system F-SAR, containing scenarios with controlled vehicles and real-traffic.