[发明专利]一种用于合成孔径雷达的目标特征提取方法

摘要

本发明属于雷达技术领域，涉及一种用于合成孔径雷达的目标特征提取方法。本发明联合图像域的峰值区域分割与信号域的稀疏贝叶斯学习进行特征提取，首先通过PRS算法分割强散射区域，以避免强散射点对SBL算法的影响，然后利用SBL算法自主学习提取弱散射特征点，弥补了基于图像域的PRS算法对弱目标分割的不足。该方法充分利用了PRS算法和SBL算法各自的优势，对弱目标特征提取表现出了很好的效果，具有可调参数少，鲁棒性强等优点；并且在PRS算法分割强散射区域后，测量矩阵的维数也相应地下降，减小了运算量，提高了运算效率，从而可以广泛应用于SAR目标特征提取领域，为后续自动目标识别(ATR)提供基础。

主权项

一种用于合成孔径雷达的目标特征提取方法，其特征在于，包括以下步骤：a.构建聚束SAR的成像模型如下公式1所示：g＝Θμ+n  (公式1)公式1中，g为回波向量，μ是场景散射系数向量，Θ为观测矩阵，n表示噪声向量；b.由极坐标成像算法得到目标场景的成像图像；c.根据获得的成像图像，对强散射点进行特征提取，具体方法为：c1.对获得的成像图像进行分割，具体为：c11.设置强散射点门限τ1，利用分水岭算法对强散射区域进行初始分割，得到R1个初始分割区域；c12.设置合并门限τ2，对步骤c11得到的初始分割区域进行合并，当任意两个相邻区域边界上像素点的幅值低于合并门限时，认为这两个相邻区域是由噪声和纹理杂波引起的过分割导致的，因此合并这两个相邻区域，最后得到R2个合并后的分割区域，R2≤R1；c2.获取分割区域所对应的强散射点位置和幅度估计，并将位置索引放入集合Ω中；d.获取成像图像残余散射区域回波，具体为：d1.设回波向量的矩阵形式如下公式2：g＝Θ(A1+A2)μ+n＝g1+g2+n  (公式2)公式2中，A2为区域选择矩阵，其形式为将单位矩阵I中与集合Ω中的原子所对应的列置为零，A1+A2＝I，由此得到维数较小的测量矩阵，g1＝ΘA1μ为强散射区域回波，g2＝ΘA2μ为残余散射区域回波；d2.将残余散射区域回波方程等价描述为如下公式3：g2＝Θ0w  (公式3)公式3中，Θ0表示残余散射区域的测量矩阵，w为相应的散射函数；e.对残余信号的弱散射点进行特征提取，具体为：e1.基于高斯先验假设可得，所述残余散射区域的散射函数w的分布如下公式4：公式4中，M为目标场景中残余散射区域等效散射中心个数，vi为一个非负的参数，控制着w的稀疏度，当vi＝0时，表示wi为零；e2.假设噪声也满足高斯分布，结合公式4可得，w的后验分布可以表示成均值为方差为的高斯分布，其中，β是噪声的方差；当超参数v和β被估计出来后，w的点估计由其后验分布均值确定；超参数v和β由第二类最大似然估计获得，即等效于计算公式5所示函数的极值：公式5中，I为单位矩阵；f.采用期望最大化算法，得到参数v的学习规则如下公式6和β的学习规则如下公式7：其中，N是残余散射区域回波向量g2的维数；g.根本步骤c中获得的强散射点和步骤e‑f中获得的弱散射点，得到SAR目标特征提取结果。