結合極化分類和功率分組的自適應動目標檢測方法
2023-06-06 02:20:41
專利名稱：結合極化分類和功率分組的自適應動目標檢測方法
技術領域：
本發明屬於雷達信號處理技術領域，更進一步涉及動目標檢測技術領域中的一種結合合成孔徑雷達SAR圖像極化分類與功率分組指導的樣本篩選方法，本發明可以應用於運動平臺合成孔徑雷達地面動目標檢測。本發明在缺乏先驗知識的情況下，可通過極化分類及功率分組挑選與待檢測單元樣本的雜波特性近似的樣本，提高雜波協方差矩陣的估計精度和動目標的檢測性能。
背景技術：
合成孔徑雷達地面動目標檢測技術(SAR-GMTI)通過採用多通道SAR圖像數據結合自適應動目標檢測方法可對觀測區域內的運動目標進行檢測，但是對於實際的複雜觀測場景，圖像中各像素點樣本的雜波特性存在差異，表現在雜波功率和雜波協方差矩陣結構兩方面，如果不加選擇地使用所有樣本估計雜波協方差矩陣，將存在較大的估計誤差，影響自適應檢測的性能。曾操，廖桂生，楊志偉，劉聰鋒在「基於樣本加權的三通SAR-GMTI機載數據處理分析」(電子學報，2009年37卷第3期506 512頁)一文中提出結合相位、功率聯合挑選獲取功率足夠強、相位分布近似於待檢測單元的雜波樣本集，並估計雜波協方差矩陣，可改善複雜觀測場景下雜波協方差矩陣與待檢測單元雜波特性差異較大的問題，提高自適應處理的性能。但是該方法存在的不足是，由於篩選的樣本功率強於待檢測點的實際雜波功率，影響系統的最小可檢測速度值，同時，該方法沒有考慮不同地物類型間樣本的差異，雜波協方差矩陣結構的估計準確度較差。
發明內容
本發明的目的在於克服上述現有技術的不足，提出一種結合極化分類和功率分組的自適應動目標檢測方法。該方法利用SAR圖像極化信息對各像素單元及對應的樣本進行分類，並在分類結果的基礎上進行功率分組，改善了樣本差異導致的雜波協方差矩陣估計精度差的問題，提高了自適應處理的動目標檢測性能。本發明的基本思路是:首先採用SAR圖像極化分類方法對圖像中所有像素單元的樣本進行分類；接著將同一類別中的樣本按照功率劃分為多個小組，並檢查每一個功率小組的樣本個數是否滿足要求；然後使用與待檢測單元樣本同一功率小組的所有樣本估計雜波協方差矩陣，並計算權矢量、自適應抑制待檢測單元的雜波；最後，對動目標進行恆虛警檢測。本發明的具體步驟如下:1.一種結合極化分類和功率分組的自適應動目標檢測方法，包括如下步驟:(I) SAR圖像極化分類Ia)採用極化分類法，對合成孔徑雷達(SAR)圖像中的所有像素單元進行分類；Ib)將同類像素單元對應的樣本歸為一類，獲得樣本分類結果；
(2)初始化功率分組2a)按照下式計算各像素單元的樣本功率:
權利要求
1.一種結合極化分類和功率分組的自適應動目標檢測方法，包括如下步驟: (1)SAR圖像極化分類 Ia)採用極化分類法，對合成孔徑雷達(SAR)圖像中的所有像素單元進行分類； Ib)將同類像素單元對應的樣本歸為一類，獲得樣本分類結果； (2)初始化功率分組 2a)按照下式計算各像素單元的樣本功率:
2.根據權利要求1所述的結合極化分類和功率分組的自適應動目標檢測方法，其特徵在於:步驟(I)所述的極化分類方法可使用基於極化熵H和平均散射角a分解的H/a-ffisahrt方法或者基於平面散射、二面角散射、體散射三分量分解方法的Freeman-Wisahrt 方法。
3.根據權利要求1所述的結合極化分類和功率分組的自適應動目標檢測方法，其特徵在於:步驟3a)和步驟3b)中所述的限定值是指功率小組中樣本個數的最小值。
4.根據權利要求1所述的結合極化分類和功率分組的自適應動目標檢測方法，其特徵在於:步驟4b)中，如果待檢測單元的樣本數據屬於第η類下的第m個功率小組，則使用計算待檢測單元的自適應處理權矢量，其中，:》=表示步驟4a)中第η類下第m個功率小組中的所有樣本估計獲得的雜 波協方差矩陣。
全文摘要
一種結合極化分類和功率分組的自適應動目標檢測方法，主要解決非均勻場景下雜波協方差矩陣估計精度低，動目標檢測性能差的問題。其步驟包括1、SAR圖像極化分類；2、初始化功率分組；3、小組樣本個數檢查；4、自適應抑制雜波；5、恆虛警檢測。本發明由於採用極化分類方法指導樣本的篩選，克服了現有的樣本篩選未考慮地雜波特性差異的問題，使得本發明具有雜波協方差矩陣結構估計的精度高、動目標檢測性能好的優點；本發明由於採用功率分組方法指導樣本的篩選，克服了現有樣本功率挑選的功率估計過大問題，使得本發明具有雜波協方差矩陣功率估計的準確性高、慢速運動目標檢測性能好的優點。
文檔編號G01S7/41GK103149555SQ20131004705
公開日2013年6月12日 申請日期2013年1月25日 優先權日2013年1月25日
發明者楊志偉, 廖桂生, 杜文韜, 陳筠力, 陳國忠, 束宇翔, 何嘉懿, 劉志凌 申請人:西安電子科技大學