摘要：紅外預警衛星系統作為先進的紅外探測裝備，是反導預警體系中的重要組成部分，但是紅外預警衛星系統的虛警問題會嚴重影響系統作戰效能的發揮。在概述紅外預警衛星虛警的定義和表現形式的基礎上，分析了虛警的產生原因與分類，最后探討了紅外預警衛星系統虛警抑制的相關技術和研究方向，為相關領域的研究提供參考信息。

0引言

紅外預警衛星是一種先進的星載紅外探測系統，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，具有監視區域大、預警時間長、反應靈敏、不易受地形干擾等優點。

美國和俄羅斯發展紅外預警衛星系統已有數十年，在實際作戰值班的過程中發現存在虛警問題。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效能。因此，研究紅外預警衛星系統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，本文從紅外預警衛星系統虛警問題的表現形式出發，分析虛警的產生原因與分類，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：“電子系統接收機在無目標信號的情況下，檢測出有信號的指示，這是由于系統內部噪聲、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卻對非目標事件進行告警。

歷史上曾出現過多次紅外預警衛星系統的虛警事件，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，后經查證原始數據確定該事件為虛警，原因是由于技術人員錯誤地在預警系統中運行反導作戰想定程序，模擬蘇聯對美國本土的導彈襲擊。1980年6月3日，美國預警系統發出蘇聯發射核導彈的來襲告警，預警系統顯示的來襲導彈數量成隨機變化，后經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，蘇聯剛啟用的紅外預警衛星系統發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紅外預警衛星位于同一方向，陽光在高空云層中的強烈反射引發系統告警，被誤判為來自美國的導彈襲擊。1990年12月2日，在伊拉克發射“飛毛腿”導彈前數小時，美國國防支援計劃DSP衛星發出導彈來襲警告，經查證告警目標為一架飛行中的B-52轟炸機。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星系統（space based infrared system，SBIRS）共發生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星系統虛警的原因多樣，總體上可分為軟硬件故障、環境輻射干擾兩類。同時，虛警會導致作戰人員警惕性的降低，也會影響決策者的判斷，甚至進行錯誤地反擊而引發嚴重后果，因此對紅外預警衛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

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

式中：NFA為發生虛警事件的次數；T為系統的工作總時間。

由此可見，降低系統虛警率需要減少單位時間內發生的虛警事件數目，而分析虛警事件的表現形式和產生機理是預防和降低系統虛警問題的前提和基礎。經分析，虛警事件產生的因素可分為環境因素和系統因素，具體內容如圖1所示。

2.1環境因素

環境因素造成的虛警問題主要來自外部環境中的虛警源干擾，使得接受到的熱輻射超過了紅外探測系統的告警閾值，從而引發虛警。根據虛警源方位的不同，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，其中包含了紅外預警衛星能夠響應的探測波段，而且空間虛警源相對紅外預警衛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星探測器視野時可能會引發告警。

圖1 虛警信號的產生因素

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。當太陽光朝紅外預警衛星方向集中反射時，探測器將接收到強烈的紅外輻射，引發系統告警。此外，高分辨率的紅外預警衛星探測器也有可能捕獲空中戰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境形成鮮明對比；地表強反射區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虛警，常見的地強高反射區域有冰雪覆蓋的土地，沙漠地區以及平穩的海面等。

2.2系統因素

造成虛警的系統因素主要是系統噪聲和系統故障。系統噪聲是探測信號中的隨機成份，是系統中固有的、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，可能會引發虛警；系統故障是由于系統軟件或硬件非正常工作導致的異常行為。

1）系統噪聲

系統噪聲的組成如圖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部電子均發生的熱震動，其強弱主要受系統內部的溫度變化影響，而太陽輻射作用和電路熱輻射作用會導致系統內部溫度變化。

電路噪聲發生在信息傳輸的每個環節，主要包括線纜噪聲、調理電路、電源及偏壓噪聲和數字模擬轉換（analog-to-digital converter，ADC）模塊噪聲，理想條件下電路噪聲通常保持在一定水平，但惡劣的空間環境會對其穩定性造成影響。

圖2 系統噪聲組成

探測器噪聲是影響紅外系統成像質量的關鍵因素，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。按照噪聲的產生機理可以分為散粒噪聲、光子噪聲和1/f噪聲等。

2）系統故障

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

3虛警抑制相關技術

通過對虛警事件的表現形式進行描述及虛警的產生原因進行分析，為研究紅外預警衛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

紅外成像系統的噪聲是影響紅外成像質量的主要因素，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進行噪聲抑制。根據紅外成像噪聲的產生機理可分為動態噪聲和非均勻性噪聲。

動態噪聲以高斯白噪聲、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隨著距離模板中的增大而減小，通過將濾波器窗口內的像素加權求均值進行輸出，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且灰度值較為固定，中值濾波器通過對濾波器窗口內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噪聲變為易于清除的白噪聲，從而滿足降噪的目的。

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，是紅外成像系統的固有缺陷，因此紅外成像系統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網絡的改進方法等。紅外成像系統的設計階段就需要進行非均勻性校正，但在系統的使用過程中可能會發生溫漂效應，最終影響成像效果，因此在軌定標是實現空間紅外成像系統準確探測的基本前提，目前星上定標主要采用太陽、月球、宇宙冷空間和經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

紅外成像系統在對目標進行檢測和跟蹤前，背景抑制是不可缺少的環節，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。

傳統的紅外探測圖像背景抑制算法基于單幀圖像，經典算法有高通濾波算法、中值濾波算法、形態學濾波算法、羅賓遜濾波算法等，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成的區域圖像。當背景起伏較大時，傳統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，基于粒子濾波的方法，基于空域濾波的方法，基于小波變換的方法，基于復濾波器組的方法，基于自適應頻域濾波的方法，基于光流估計的方法等，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的算法，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虛警率的決定性因素。根據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目標的運動特性進行目標軌跡關聯，剔除虛警點，實現目標跟蹤。經典的DBT算法主要有遞歸最大濾波法、管道濾波法和光流法等。

圖3 DBT算法流程

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，根據目標的運動特性，跟蹤所有候選目標的運動軌跡，再根據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。經典的DBT算法主要有基于三維匹配濾波器方法、基于動態規劃方法、基于高階相關方法、基于粒子濾波方法和基于多級假設檢驗方法等。

圖4 TBD算法流程

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，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點，但TBD算法的實現較為復雜，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，確定是否發生故障并分析出發生故障的原因，預報故障未來的發展趨勢”。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，經過幾十年的發展，故障診斷技術逐漸成熟，保證了武器裝備的穩定運行。

故障診斷技術大致可以分為3類，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（artificialintelligence，AI）的方法。

圖5 故障診斷技術分類

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

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據，并研究虛警目標特征的提取方法。利用全球地表高溫點數據集、全球地表反射率數據集、氣象衛星數據集、軌道預報數據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“維數災難”而影響后期虛警目標識別的效果，需要對特征數據進行降維，圖6為常用的降維方法的技術分類。

虛警目標識別的關鍵在于設計合適的分類算法，實現高準確率的虛警目標識別，目前常用的分類算法主要有貝葉斯分類算法、支持向量機（support vector machine，SVM）分類算法、基于關聯規則的分類算法、人工神經網絡（artificial neuralnetworks，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，則進行系統提示以輔助作戰人員進行判別，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

4結語

本文針對紅外預警衛星系統的虛警問題與其抑制技術展開研究，概述了紅外預警衛星虛警問題的表現形式并進行了分類，在此基礎上對其產生原因進行分析，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星系統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。