專利名稱：結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于雷達(dá)信號(hào)處理技術(shù)領(lǐng)域，更進(jìn)一步涉及動(dòng)目標(biāo)檢測(cè)技術(shù)領(lǐng)域中的一種結(jié)合合成孔徑雷達(dá)SAR圖像極化分類與功率分組指導(dǎo)的樣本篩選方法，本發(fā)明可以應(yīng)用于運(yùn)動(dòng)平臺(tái)合成孔徑雷達(dá)地面動(dòng)目標(biāo)檢測(cè)。本發(fā)明在缺乏先驗(yàn)知識(shí)的情況下，可通過極化分類及功率分組挑選與待檢測(cè)單元樣本的雜波特性近似的樣本，提高雜波協(xié)方差矩陣的估計(jì)精度和動(dòng)目標(biāo)的檢測(cè)性能。
背景技術(shù)：
合成孔徑雷達(dá)地面動(dòng)目標(biāo)檢測(cè)技術(shù)(SAR-GMTI)通過采用多通道SAR圖像數(shù)據(jù)結(jié)合自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法可對(duì)觀測(cè)區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，但是對(duì)于實(shí)際的復(fù)雜觀測(cè)場(chǎng)景，圖像中各像素點(diǎn)樣本的雜波特性存在差異，表現(xiàn)在雜波功率和雜波協(xié)方差矩陣結(jié)構(gòu)兩方面，如果不加選擇地使用所有樣本估計(jì)雜波協(xié)方差矩陣，將存在較大的估計(jì)誤差，影響自適應(yīng)檢測(cè)的性能。曾操，廖桂生，楊志偉，劉聰鋒在“基于樣本加權(quán)的三通SAR-GMTI機(jī)載數(shù)據(jù)處理分析”(電子學(xué)報(bào)，2009年37卷第3期506 512頁)一文中提出結(jié)合相位、功率聯(lián)合挑選獲取功率足夠強(qiáng)、相位分布近似于待檢測(cè)單元的雜波樣本集，并估計(jì)雜波協(xié)方差矩陣，可改善復(fù)雜觀測(cè)場(chǎng)景下雜波協(xié)方差矩陣與待檢測(cè)單元雜波特性差異較大的問題，提高自適應(yīng)處理的性能。但是該方法存在的不足是，由于篩選的樣本功率強(qiáng)于待檢測(cè)點(diǎn)的實(shí)際雜波功率，影響系統(tǒng)的最小可檢測(cè)速度值，同時(shí)，該方法沒有考慮不同地物類型間樣本的差異，雜波協(xié)方差矩陣結(jié)構(gòu)的估計(jì)準(zhǔn)確度較差。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提出一種結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法。該方法利用SAR圖像極化信息對(duì)各像素單元及對(duì)應(yīng)的樣本進(jìn)行分類，并在分類結(jié)果的基礎(chǔ)上進(jìn)行功率分組，改善了樣本差異導(dǎo)致的雜波協(xié)方差矩陣估計(jì)精度差的問題，提高了自適應(yīng)處理的動(dòng)目標(biāo)檢測(cè)性能。本發(fā)明的基本思路是:首先采用SAR圖像極化分類方法對(duì)圖像中所有像素單元的樣本進(jìn)行分類；接著將同一類別中的樣本按照功率劃分為多個(gè)小組，并檢查每一個(gè)功率小組的樣本個(gè)數(shù)是否滿足要求；然后使用與待檢測(cè)單元樣本同一功率小組的所有樣本估計(jì)雜波協(xié)方差矩陣，并計(jì)算權(quán)矢量、自適應(yīng)抑制待檢測(cè)單元的雜波；最后，對(duì)動(dòng)目標(biāo)進(jìn)行恒虛警檢測(cè)。本發(fā)明的具體步驟如下:1.一種結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法，包括如下步驟:(I) SAR圖像極化分類Ia)采用極化分類法，對(duì)合成孔徑雷達(dá)(SAR)圖像中的所有像素單元進(jìn)行分類；Ib)將同類像素單元對(duì)應(yīng)的樣本歸為一類，獲得樣本分類結(jié)果；
(2)初始化功率分組2a)按照下式計(jì)算各像素單元的樣本功率:
權(quán)利要求
1.一種結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法，包括如下步驟: (1)SAR圖像極化分類 Ia)采用極化分類法，對(duì)合成孔徑雷達(dá)(SAR)圖像中的所有像素單元進(jìn)行分類； Ib)將同類像素單元對(duì)應(yīng)的樣本歸為一類，獲得樣本分類結(jié)果； (2)初始化功率分組 2a)按照下式計(jì)算各像素單元的樣本功率:
2.根據(jù)權(quán)利要求1所述的結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法，其特征在于:步驟(I)所述的極化分類方法可使用基于極化熵H和平均散射角a分解的H/a-ffisahrt方法或者基于平面散射、二面角散射、體散射三分量分解方法的Freeman-Wisahrt 方法。
3.根據(jù)權(quán)利要求1所述的結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法，其特征在于:步驟3a)和步驟3b)中所述的限定值是指功率小組中樣本個(gè)數(shù)的最小值。
4.根據(jù)權(quán)利要求1所述的結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法，其特征在于:步驟4b)中，如果待檢測(cè)單元的樣本數(shù)據(jù)屬于第η類下的第m個(gè)功率小組，則使用計(jì)算待檢測(cè)單元的自適應(yīng)處理權(quán)矢量，其中，:》=表示步驟4a)中第η類下第m個(gè)功率小組中的所有樣本估計(jì)獲得的雜 波協(xié)方差矩陣。
全文摘要
一種結(jié)合極化分類和功率分組的自適應(yīng)動(dòng)目標(biāo)檢測(cè)方法，主要解決非均勻場(chǎng)景下雜波協(xié)方差矩陣估計(jì)精度低，動(dòng)目標(biāo)檢測(cè)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(gè)數(shù)檢查；4、自適應(yīng)抑制雜波；5、恒虛警檢測(cè)。本發(fā)明由于采用極化分類方法指導(dǎo)樣本的篩選，克服了現(xiàn)有的樣本篩選未考慮地雜波特性差異的問題，使得本發(fā)明具有雜波協(xié)方差矩陣結(jié)構(gòu)估計(jì)的精度高、動(dòng)目標(biāo)檢測(cè)性能好的優(yōu)點(diǎn)；本發(fā)明由于采用功率分組方法指導(dǎo)樣本的篩選，克服了現(xiàn)有樣本功率挑選的功率估計(jì)過大問題，使得本發(fā)明具有雜波協(xié)方差矩陣功率估計(jì)的準(zhǔn)確性高、慢速運(yùn)動(dòng)目標(biāo)檢測(cè)性能好的優(yōu)點(diǎn)。
文檔編號(hào)G01S7/41GK103149555SQ20131004705
公開日2013年6月12日 申請(qǐng)日期2013年1月25日 優(yōu)先權(quán)日2013年1月25日
發(fā)明者楊志偉, 廖桂生, 杜文韜, 陳筠力, 陳國(guó)忠, 束宇翔, 何嘉懿, 劉志凌 申請(qǐng)人:西安電子科技大學(xué)