[发明专利]基于张量低秩逼近的合成孔径雷达干扰抑制方法

说明书

本发明提供了一种基于张量低秩逼近的合成孔径雷达干扰抑制方法，通过深度挖掘干扰在时频表征空间的低秩性和方位回波之间的相关耦合性，将二维雷达回波构造为三阶频率‑时间‑方位张量，并结合张量低秩逼近技术，利用交替最小二乘优化迭代估计干扰的能量，在张量表征空间中实现干扰与目标回波的有效分离。本发明利用张量低秩逼近技术实现干扰与目标回波的有效分离，从而提升图像成像质量，相对于对特定时刻的单次方位回波逐一处理的传统方法，综合利用了时频空间的低秩性和方位空间的耦合关联性进行迭代优化求解，能够保障干扰分离性能的同时提高运算效率。

技术领域

本发明涉及信号处理领域，尤其是一种雷达信号处理领域中的雷达干扰抑制方法。本发明适用于处理方位时变的干扰，可有效保留有用回波信号，从而实现对雷达回波信号清晰成像。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动微波目标探测设备，具有全天时、全天候和作用距离远等优势，在军事和民用领域应用广泛。高分辨成像需要发射大带宽的信号，容易受到共用同一频带的其它无线电设备的干扰。强干扰的存在会造成回波信号的幅度、相位、频率和极化等特性失真，不仅增加了成像过程中的参数估计难度，而且会使SAR图像散焦变模糊或者呈现伪影，影响目标检测、地物分类等。因此，如何对干扰进行有效的抑制，提升图像质量，是雷达信号处理领域的研究热点与难点问题。

对于单通道SAR系统而言，干扰抑制技术的基本思想是找到一个合适的表征域，使有用回波和干扰之间的特性差异最大化，然后对干扰进行提取相消或直接滤波，同时尽量减小目标回波的损失。目前的干扰抑制技术主要集中在时域、频域或时频域处理，典型的方法有陷波法、特征值分解法、鲁棒主成分分析法、稀疏重构法以及神经网络方法等。以上方法针对特定时刻的单次方位回波逐一处理，采取矩阵代数优化求解，运算效率较低，且并未考虑不同时刻的方位回波之间的耦合关联特性。张量代数是近些年研究的热点工具，其统一了数学表征定义，非常适合描述多维耦合相关的数据。雷达回波本身具有多维度观测资源，加以充分利用可以更有效地表征干扰与目标回波之间的特征差异。

发明内容

为了克服现有技术的不足，本发明提供一种基于张量低秩逼近的合成孔径雷达干扰抑制方法。本发明通过深度挖掘干扰在时频表征空间的低秩性和方位回波之间的相关耦合性，将二维雷达回波构造为三阶频率-时间-方位张量，并结合张量低秩逼近技术，利用交替最小二乘优化迭代估计干扰的能量，在张量表征空间中实现干扰与目标回波的有效分离。本发明不是对特定时刻的单次方位回波逐一处理，而是在张量代数表征的框架下，综合利用了时频空间的低秩性和方位空间的耦合关联性进行迭代优化求解，能够保障干扰分离性能的同时提高运算效率。

本发明解决其技术问题所采用的技术方案的具体步骤如下：

步骤一：合成孔径雷达接收到的原始回波矩阵X表示为有用信号矩阵S、干扰矩阵I和系统噪声矩阵N的叠加：

X(n,m)＝S(n,m)+I(n,m)+N(n,m) (1)

其中，X(n,m)，S(n,m)，I(n,m)，N(n,m)分别表示原始回波矩阵、有用信号矩阵、干扰矩阵和系统噪声矩阵的的第n行，第m列元素，其中1≤n≤N和1≤n≤M，n代表快时间离散采样点，m表示慢时间采样点，N为快时间离散采样点总数，M为慢时间离散采样点总数；

步骤二：将原始回波矩阵X中的每一列方位回波做短时傅里叶变换获得二维频率-时间表征矩阵

其中，X_TF,m(p,q)代表二维频率-时间表征矩阵的第p行，第q列元素，其中1≤p≤P和1≤q≤Q，P为滑窗窗长，Q为滑窗数目,g(·)表示滑窗函数，h表示滑动步长；

然后将M个方位回波的二维频率-时间表征矩阵构成一个三阶的频率-时间-方位张量：