[发明专利]一种多分量联合重构的SAR回波宽带干扰抑制方法

权利要求书

1.一种多分量联合重构的SAR回波宽带干扰抑制方法，其特征在于，包括以下步骤：

步骤1，对原始SAR回波信号进行自适应窗宽的短时傅里叶变换，得到对应的二维时频图；

所述对原始SAR回波信号进行自适应窗宽的短时傅里叶变换，具体步骤为：

(1.1)对于离散时间信号，短时傅里叶变换表示为：

其中，j表示虚数单位，n表示时间采样序号，m表示窗内的时间采样序号，k表示频率采样序号，N是样本数，s(n)和h(2)分别表示离散时间信号和窗函数；

(1.2)采用高斯窗作为窗函数进行短时傅里叶变换，高斯窗定义为：

其中，σ是标准差，高斯窗的范围为[-3σ,3σ]；

将高斯窗带入步骤(1.1)即得到信号s的高斯窗的短时傅里叶变换；

(1.3)为了获得高聚集度的时频图，对高斯窗的标准差进行优化，即求解以下优化问题：

其中，CM表示聚集度测度，STFT_s,σ是信号s的高斯窗的短时傅里叶变换，其标准差是σ，而σ_opt是优化后的标准差；

步骤2，对所述二维时频图进行干扰分量的瞬时频率估计，得到干扰分量的瞬时频率估计值；

所述对所述二维时频图进行干扰分量的瞬时频率估计，具体为：

(2.1)利用Viterbi算法对原始SAR回波信号的时频图W_s(n,k)进行脊路径检测，得到初始脊路径及其对应的瞬时频率估计：

(2.2)对于初始瞬时频率估计为的第i个分量，从与其对应的原始SAR回波信号的时频图W_i(n,k)构造一个新的时频表示W_i′(n,k)：

其中，δ表示连续点之间允许的最大瞬时频率变化量阈值：

(2.3)使用Viterbi算法对每个新的时频表示W_i′(n,k)进行步骤(2.1a)的脊路径检测，获得重检后的脊路径，即为重检后的瞬时频率估计：

(2.4)对重检后的脊路径进行切断重组，得到新的脊路径，每个新的脊路径对应一个WBI分量的最终瞬时频率估计；

步骤3，使用多分量联合重构法对所述干扰分量的瞬时频率估计值进行联合重构，完成对原始SAR回波的宽带干扰抑制，得到宽带干扰抑制后的SAR回波，即重构SAR回波；

所述使用多分量联合重构法对所述干扰分量的瞬时频率估计值进行联合重构，具体为：

(3.1)将包含M_c个干扰分量的离散采样SAR回波表示为：

其中，IF_m(u)表示第m个干扰分量对应的瞬时频率估计；N是样本数，z(t)是有用回波和噪声之和，是第m个干扰分量的复包络，设其是带限信号，展开为：

其中，是第m个分量的复包络的复傅里叶系数：f₀＝f_s/(QN)是基频，Q是正整数，f_s是采样频率：

将上式代入s(t)的表达式，则包含M_c个干扰分量的离散采样SAR回波表示为：

其中，将上式写成：

s＝Ax+z

其中，s＝[s(t₀),…,s(t_N-1)]^T，z＝[z(t₀),…,z(t_N-1)]^T，(·)^T表示转置，A＝[A₁,…,A_M]，矩阵A_m的第p行第q列元素是：

(A_m)_pq＝exp(j2π(q-K-1)f₀t_p-1+jψ_m(t_p-1))

p＝1,2,…,N；q＝1,2,…,2K+1

(3.2)考虑以下优化问题来估计系数:

其中，||·||₂和||·||₁分别表示l₂-范数和l₁-范数，λ是正则化参数，为常数；

(3.3)通过快速迭代收缩阈值算法求解上述优化问题，即l₁范数最小化问题，得到包络复傅里叶系数估计

(3.4)通过包络复傅里叶系数估计重构每个干扰分量，并得到干扰抑制后的SAR回波。