[发明专利]一种基于低秩和一维稀疏分解的SAR-GMTI方法

说明书

本申请实施例公开了一种基于低秩和一维稀疏分解的SAR‑GMTI方法，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个数据矩阵分别按照列的方向进行堆叠，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。

技术领域

本发明涉及信息处理技术，尤其涉及一种基于低秩和一维稀疏分解的SAR-GMTI方法。

背景技术

合成孔径雷达是一种全天时、全天候、覆盖范围广的雷达体制，在国民经济方面有着广泛的应用。但除去地面静止目标高分辨率成像，把握运动目标的动向也很重要。利用合成孔径雷达地面运动目标检测(Synthetic Aperture Radar-Ground Moving TargetIndication，SAR-GMTI)，就可以观察到陆地车辆、海面船只的运行情况。

由于目标运动的不确定性，导致动目标以散焦、模糊、方位位置偏移的形式叠加在合成孔径雷达(Synthetic Aperture Radar，SAR)图像上，所以必须寻求和发展动目标检测和成像技术，如何有效检测到运动目标是地面运动目标检测(Ground Moving TargetIndication，GMTI)的首要任务。图1为多通道SAR-GMTI模式的几何关系示意图，如图1所示，对于雷达来说，载体在一定高度上飞行，工作在下视状态，回波中不可避免的包含大量强的地杂波信号，运动目标在大多数情况下被杂波信息所覆盖，大大降低了雷达的探测性能。

发明内容

本申请实施例提供一种基于低秩和一维稀疏分解的SAR-GMTI方法，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个数据矩阵均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。

在一些实施例中，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

在一些实施例中，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。

在一些实施例中，所述通过迭代计算确定S，包括以下步骤：