[发明专利]基于多特征自动分割的多通道近海岸模糊杂波抑制方法

摘要

本发明提出一种基于多特征自动分割的近海岸模糊杂波位置确定与抑制方法，主要解决现有技术在方位多通道SAR体制下对近海岸模糊杂波位置确定与抑制准确性差的问题。其方案是：首先建立多视干涉有限混合杂波模型；然后结合杂波模型利用期望最大化算法实现SAR图像自动分割，并利用马尔科夫随机场平滑技术剔除孤立错分点；最后根据获得的模糊杂波位置和训练样本构造杂波协方差矩阵实现方位模糊杂波抑制。本发明在不依赖于精确的系统参数和方位模糊源位置信息的前提下，能够获得精确的方位模糊位置信息和良好的杂波抑制性能，可应用于近海岸区域慢速动目标的检测。

主权项

基于多特征自动分割的多通道近海岸模糊杂波抑制方法，其特征在于，包括：(1)获取沿航迹多视SAR图像的干涉幅度η、干涉相位ψ和干涉复图像；(2)获得沿航迹多视SAR图像的归一化干涉幅度和干涉相位的联合概率密度函数：gϵ,Ψ(η,ψ)=Σp=1Pαpfϵ,Ψ(p)(η,ψ;Θp)]]>其中，P表示杂波类数，αp表示第p类杂波所占的比例，表示参数为Θp＝{np,ρp,θp,σp,1,σp,2}的第p类杂波的归一化干涉幅度和干涉相位联合概率密度函数，n表示多视数，ρ表示两个通道输出间的实相干系数，θ表示杂波多视干涉相位均值，和分别表示第1通道和第2通道的功率，Ψ为干涉相位随机变量，ε为归一化幅度随机变量。(3)对SAR干涉复图像进行降采样处理，得到降采样后的干涉复图像；(4)利用最大期望算法EM对降采样后的干涉复图像进行杂波分类，得到不同参数特征的杂波集合；(5)利用杂波有限混合模型和步骤(4)获得的不同参数特征的杂波集合构造皮尔逊卡方拟合检测统计量χ2；(6)对统计量χ2进行检测：若检测统计量χ2满足则结束分类过程，执行步骤(7)，否则，继续对分类结果进行分类，其中表示卡方分布χ2(Ac‑1)的上α分位点，1‑α表示置性水平，Ac表示样本总体所有可能取值组成的全体所划分成的互不相交子集的个数；(7)用MRF方法对分类结果进行平滑，得到平滑后的杂波分类结果；(8)根据杂波分类结果获得模糊杂波的位置，记模糊杂波的位置集合为Ωamb。由此可以获取模糊杂波多通道的训练样本数据集合其中x(i,j)＝[x1(i,j),...,xM(i,j)]T表示SAR图像像素点(i,j)处的通道数为M的方位多通道数据，xm(i,j)表示第m个方位通道SAR图像像素点(i,j)处的复数值，其中m＝1,...,M，上标T表示矩阵转置操作；(9)利用平滑之后的杂波分类结果构造杂波抑制矢量：wamb=R^amb-1as(vr)asH(vr)R^amb-1as(vr)]]>表示利用模糊杂波的训练数据集合估计的模糊杂波样本协方差矩阵，其中，L表示模糊杂波的训练数据集合的元素个数，上标H表示矩阵复共轭转置操作，(·)‑1为矩阵求逆操作，表示径向速度为vr的目标方位多通道导向矢量，dm是第m个方位通道与参考通道间的等效相位中心间距，m＝2,...,M，va为雷达平台的恒定速度，λ为波长；(10)将杂波抑制矢量wamb加权于SAR图像上像素点(i,j)处的方位多通道数据x(i,j)，即wamb乘以x(i,j)后可以获得模糊杂波抑制后的SAR图像像素点(i,j)处的复数值y(i,j):y(i,j)=wambHx(i,j).]]>