[发明专利]一种基于低秩和一维稀疏分解的SAR-GMTI方法

权利要求书

1.一种基于低秩和一维稀疏分解的SAR-GMTI方法，其特征在于，所述方法包括：

获取N个通道的回波信号，将所述N个通道的回波信号分别成像得到对应的N个数据矩阵；

将所述N个数据矩阵分别按列的方向进行堆叠，合并为第一矩阵；

根据所述第一矩阵确定一维稀疏矩阵；

根据所述一维稀疏矩阵确定动目标检测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一矩阵确定一维稀疏矩阵，包括：

将所述第一矩阵代入结构化行稀疏鲁棒主成分分析SRS-RPCA模型，确定所述一维稀疏矩阵；其中，所述SRS-RPCA模型的表达式为：

其中，D代表所述第一矩阵，D∈C^m×n，L代表低秩矩阵，S代表所述一维稀疏矩阵，m代表所述第一矩阵的行，n代表所述第一矩阵的列，C为复数集，κ和λ为调优参数，‖·‖_*为矩阵的核范数，‖·‖_1,2为矩阵的L12范数，‖·‖_F为矩阵的Frobenius范数，δ>0，且

3.根据权利要求2所述的方法，其特征在于，所述将所述第一矩阵代入SRS-RPCA模型，确定所述一维稀疏矩阵，包括：

根据增广拉格朗日方法将所述SRS-RPCA模型转化为低秩矩阵L、一维稀疏矩阵S和拉格朗日乘子Y三个子问题，表达式为：

Y_k+1＝Y_k+μ_k·(D-L_k+1-S_k+1)

其中，μ为约束因子且μ>0，μ的初始化值为μ_k+1＝ρμ_k，ρ为大于1的常数；

通过迭代计算确定S。

4.根据权利要求3所述的方法，其特征在于，所述通过迭代计算确定S，包括以下步骤：

步骤S1，确定L_k、S_k和Y_k的初始值；

步骤S2，将L_k和S_k代入残差‖D-L_k-S_k‖_F，若所述残差不收敛且未达到最大迭代次数，进行步骤S3；若所述残差收敛或达到最大迭代次数，进行步骤S7；

步骤S3，将S_k代入第一公式j←0,判断是否收敛；若不收敛，进行步骤S4；若收敛，得到进行步骤S5；

步骤S4，根据确定其中S_β(∑)＝sign(Σ)·max(|Σ|-β,0)；DR迭代参数β>0；

根据确定其中，为第一优化方程的解DR迭代参数α∈(0,1)；

确定重复步骤S3；

步骤S5，将L_k+1代入第二公式G^S＝D-L_k+1+Y_k/μ_k，进而得到其中，为第二优化方程的解

步骤S6，确定Y_k+1＝Y_k+μ_k·(D-L_k+1-S_k+1)，μ_k+1＝ρμ_k，k←k+1，L_k←L_k+1和S_k←S_k+1，进行步骤S2；

步骤S7，将S_k作为S。

5.根据权利要求4所述的方法，其特征在于，所述确定L_k、S_k和Y_k的初始值，包括：

将D作为L_k的初始值，将Ο作为S_k的初始值，将Ο作为Y_k的初始值。