[发明专利]一种全极化合成孔径雷达的目标非相干分解方法

说明书

技术领域

本发明涉及全极化合成孔径雷达极化信息处理的目标分解领域，特别涉及一种全极化合成孔径雷达的目标非相干分解方法。

背景技术

在微波遥感领域，全极化合成孔径雷达发挥着重要的作用。它可以获得目标全面的极化信息。极化数据的常用存储形式是3×3的相干T矩阵(Coherency Matrix)或4×4的米勒矩阵(Mueller Matrix)。众所周知，目标分解是解读这些数据的最常用和最重要的方法(参见S.R.Cloude and E.Pottier,“A review of target decomposition theorems in radar polarimetry,”IEEE Trans.Geosci.Remote Sensing,vol.34,pp.498-518,Mar.1996.)。最先建立目标分解概念和理论的是Huynen，他用九个自由度来全面描述分布目标，每个自由度有明确的物理意义，发展出了雷达目标的“现象学”理论。由于Huynen的“现象学”理论无法定量的描述目标，以及其目标分解理论在形式上不唯一，Cloude提出了基于特征值分解的目标分解理论。基于特征分解的目标分解理论，在形式上是唯一的，保证了分解的唯一性。为了定量化的描述目标，Cloude和Pottier提出了用α-β模型对特征分解的三个特征矢量参数化，由此发展出了Cloude非相干分解。但是，这种非相干分解产生了15个参数，造成了严重的参数增殖。另外，α-β参数模型的缺点是参数的物理意义不明确。对此，Touzi提出了参数物理意义更加明确的TSVM散射矢量模型，并且除了取向角其余参数都是旋转不变的，并由此发展出了Touzi非相干分解(参见R.Touzi,“Target scattering decomposition in terms of roll-invariant target parameters,”IEEE Trans.Geosci.Remote Sens.,vol.45,no.1,pp.73-84,Jan.2007.)，但是该非相干分解的缺点亦是造成了严重的参数增殖。为了提出一种没有参数增殖、参数物理意义明确的目标分解，Paladini等人进行了类似的尝试，提出了一种没有参数增殖的乘性非相干分解，而且该分解的参数除了取向角都是旋转不变的(参见Paladini,L.R.Ferro-Famil,E.Pottier,M.Martorella,F.Berizzi,and E.Dalle Mese,“Lossless and sufficient orientation invariant decomposition of random reciprocal target,”IEEE Trans.Geosci.Remote Sens.,vol.50,no.9,pp.3487-3501,Sep.2012.)。但是，Paladini非相干分解的缺点是某些参数的物理意义仍尚未明确。Paladini分解对基于圆极化基下的相干G矩阵进行非相干分解，分解参数中的某些参数物理意义并不明确，例如表示主散射体螺旋度的β_C，当散射类型α＝0时，该参数失去意义，不得不引入一个辅助的混合参数来描述主散射体的螺旋度；另外，表示次散射矢量的两个自由度的物理意义Paladini也没有探究清楚。

发明内容

本发明的目的在于，为解决现有的全极化合成孔径雷达目标分解方法存在着严重的参数增殖、某些参数的物理意义不明确的技术问题，本发明提出一种全极化合成孔径雷达的目标非相干分解方法，该目标非相干分解方法克服了Paladini分解中某些参数物理意义不明确的缺点，也克服了Touzi分解出现参数增殖的缺点。具体步骤如下：

步骤1)读入全极化合成孔径雷达的极化数据，得到目标的相干T矩阵；

步骤2)对目标的相干T矩阵进行特征分解，得到三个特征值和三个散射矢量，特征分解得到的相干T矩阵表示为：

T＝UΛU^-1

其中，Λ＝diag(λ₁,λ₂,λ₃)表示三个特征值λ₁,λ₂,λ₃组成的矩阵，U＝[u₁,u₂,u₃]表示三个散射矢量u₁,u₂,u₃组成的矩阵，λ₁＞λ₂＞λ₃；