[发明专利]一种SAR回波数据中脉冲式干扰信号的抑制方法和装置

说明书

本发明提供一种SAR回波数据中脉冲式干扰信号的抑制方法和装置，方法包括如下步骤：步骤一，将合成孔径雷达的时域回波数据进行第一变换得到变换域回波数据；步骤二，将变换域回波数据划分为含干扰区域的第一变换域回波数据和不含干扰区域的第二变换域回波数据；步骤三，对第一变换域回波数据进行第二变换，得到时域干扰回波数据；对第二变换域回波数据进行第二变换，得到时第二时域回波数据；步骤四，对时域干扰回波数据的每条脉冲进行处理，得到第三时域回波数据；步骤五，基于第三时域回波数据和第二时域回波数据得到干扰抑制后的SAR回波数据。通过本申请的抑制方法得到的SAR回波数据精度更好。

技术领域

本发明属于信号处理技术领域，具体涉及一种SAR回波数据中脉冲式干扰信号的抑制方法和装置。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)属于微波成像雷达，具有全天时、全天候、能够穿透云、雨、雾的优点。因此，合成孔径雷达技术在农作物监测、地表形变监测、海洋探测等应用发挥出了不可替代的作用。但是，日益复杂的电磁环境使得合成孔径雷达在正常工作时难免遭受到干扰，这些干扰的出现导致合成孔径雷达图像上出现条纹、亮条等非正常信息，使合成孔径雷达的应用受到了阻碍。

目前，国内外提出的抑制合成孔径雷达干扰的方法包括参数化抑制方法、非参数化抑制方法以及半参数化抑制方法。

参数化抑制方法是指建立干扰信号的数学模型，认为干扰信号是一系列正弦波的组合，通过一些优化准则对干扰信号的振幅、频率和相位进行估计从而重构干扰信号，最后将重构的干扰信号从SAR回波数据中消除。针对早期合成孔径雷达系统的干扰问题，最大似然估计(Maximum Likelihood Estimate，MLE)算法、参数化最大似然算法(ParametricMaximum Likelihood，PML)、最小均方误差估计算法(Least-Mean Square Estimate，LMSE)等方法被用来估计干扰信号的参数。对于精细建模的干扰信号来说，这些参数估计方法可以准确的估计出干扰信号的参数，达到较好的干扰抑制效果；但干扰信号的数学模型往往不容易被准确的建立，这就导致了数学模型失配的情形，参数化方法将出现较大的估计误差，影响干扰抑制效果。

非参数化抑制方法通常利用干扰信号高功率的特性，将掺杂干扰的回波数据变换至变换域(如频域、时频域等)，放大干扰信号的表征从而进行抑制处理，该类方法不需要对干扰信号进行建模也不需要任何先验知识。频域陷波法是一种经典的非参数化干扰抑制方法，该方法将数据变换至频域，观察频谱得到干扰信号频率范围并构建陷波器，在干扰所在的位置进行陷波操作从而实现了抑制干扰的效果。但针对宽带干扰而言，陷波法损失了大量的有用信号，这使得频域陷波法在面对宽带干扰时往往达不到理想的效果。基于复数经验模态分解(Complex Empirical Mode Decomposition，CEMD)的干扰抑制方法逐条将合成孔径雷脉冲分解为若干条本征模态函数(Intrinsic Mode Function，IMF)，将干扰信号对应的IMF滤除并重构信号达到抑制干扰的目的。但基于CEMD的方法由于需要逐条将SAR脉冲分解，其运算效率较低，而且如果对含宽带干扰信号的数据进行分解，分解效果往往不佳。子带对消法(Sub-band Spectral Cancelation，SSC)是一种基于图像域的非参数化方法，该方法利用合成孔径雷达任意子带均能成像且幅度相同的特点，通过图像距离子带频谱对消来实现抑制效果。虽然SSC方法易于工程实现、适应性强，但SSC要求频谱严格对称，否则对消失效，抑制效果较差。

半参数抑制方法是一种参数化与非参数化相结合的方法，将干扰信号分离问题转化为超参数优化问题。早期相关研究从稀疏重构的理论出发，分别针对窄带干扰和宽带干扰建立提取干扰信号的稀疏重构优化模型，求解优化问题得到干扰信号再进行抑制操作，但优化问题的求解往往伴随着迭代，这使得半参数化抑制方法相对于其他两类方法计算复杂度较高。

综上所述，尽管目前存在许多合成孔径雷达干扰技术，但这些技术存在着各种各样的局限性。因此，需要提供一种针对上述现有技术中不足的改进技术方案。