一种用于估计散射中心的类型参数的方法技术

公开了一种用于估计散射中心的类型参数的方法，包括：将带宽为Bz的散射回波数据划分成M个频域区间，并对频域区间的数据成像，以获取M个子图像；对每个子图像进行局部峰值点搜索，以获取该子图像的局部峰值点的信息；对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值点作为散射中心；对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。本方法综合多幅子图像进行散射中心类型参数估计，有效消除了SPLIT方法对类型参数估计的任意性，提高了散射中心类型参数的估计精度。

【技术实现步骤摘要】

本专利技术涉及ISAR(逆合成孔径雷达)图像的目标识别领域，尤其涉及一种用于估计散射中心的类型参数的方法。
技术介绍
散射中心的类型参数α是区别不同散射结构的重要依据。在现有技术中，通常采用SPLIT(子带拼接)算法估计散射中心的类型参数。SPLIT算法认为，散射中心的幅度系数模值|A|与中心频率fc的α次幂成正比关系，即 也就是说，SPLIT算法认为，ln(|A|)与ln(|fc|)呈准确的线性关系。因此，根据SPLIT算法，只需在宽带二维回波数据中任意截取足够带宽的两段频域数据，并根据两段频域数据对应的单个散射中心的幅度系数模值|A1|、|A2|，以及两段频域数据对应的中心频率fc1、fc2，即可通过公式1对散射中心类型参数进行估计。但是，在实际情况下，由于相邻的其他散射中心可能会对待测散射中心类型参数的估计造成影响，使得ln(|A|)与ln(|fc|)之间不再呈现准确的线性关系。因此，采用SPLIT算法估计散射中心的类型参数存在一定的偏差。针对SPLIT算法的缺陷，现有技术中需要一种能够提高散射中心类型参数估计的精度的方法。
技术实现思路
本专利技术的目的在于提出一种用于估计散射中心的类型参数的方法，以对SPLIT算法进行改进，提高散射中心类型参数的估计精度。本专利技术提供了一种用于估计散射中心的类型参数的方法，包括：S1、将带宽为Bz的散射回波数据划分成M个频域区间，并对所述频域区间的数据成像，以获取M个子图像；其中，第i个频域区间的中心频率为fi，i＝1,2,3…M，M为大于1的整数；S2、对每个子图像进行局部峰值点搜索，以获取该子图像上的局部峰值点的位置、幅度系数模值信息；S3、对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值点作为目标的散射中心；S4、对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。优选的，所述局部峰值点搜索具体为：将子图像上任一像素点的像素值与其邻域内的8个相邻像素点的像素值进行比较，若所述像素点的像素值大于其邻域像素点的像素值，则所述像素点为局部峰值点。优选的，第i个频域区间的中心频率fi满足：fi＝f1+(i-1)*Δf；式中，f1为第一频域区间的中心频率，fi为第i个频域区间的中心频率，Δf为相邻频域区间的中心频率步进值。优选的，所述M个频域区间的子带宽均为B，且B＜Bz。优选的，M满足： M ≤ B z - B Δ f . ]]>优选的，B满足： B = 1 10 B z . ]]>优选的，Δf满足： Δ f = 1 10 B . ]]>优选的，对所述频域区间的数据成像具体为：通过滤波-逆投影算法对所述频域区间的数据进行成像，以获取M个子图像。在本专利技术的技术方案中，通过将散射回波数据划分成M个频域区间，并对所述频域区间的数据成像，获取了M个子图像；通过对M个子图像进行局部峰值点搜索、并对M个子图像上的局部峰值点进行对比，确定了目标的散射中心；然后，对于每个散射中心，通过以该散射中心在M个子图像上的幅值的自然对数为因变量、以M个子图像的中心频率的自 然对数为自变量，进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。本方法综合多幅子图像、并通过线性拟合对散射中心类型参数进行估计，有效提高了散射中心类型参数的估计精度。附图说明通过以下参照附图而提供的具体实施方式部分，本专利技术的特征和优点将变得更加容易理解，在附图中：图1(a)是在Δr＝δr处存在散射中心干扰时，α＝-0.5的散射中心对应的ln(|A|)与ln(|fc|)之间的关系曲线；图1(b)是在Δr＝2δr处存在散射中心干扰时，α＝-0.5的散射中心对应的ln(|A|)与ln(|fc|)之间的关系曲线；图1(c)是在Δr＝5δr处存在散射中心干扰时，α＝-0.5的散射中心对应的ln(|A|)与ln(|fc|)之间的关系曲线；图2是根据本专利技术实施例的用于估计散射中心的类型参数的方法流程图。具体实施方式下面参照附图对本专利技术的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本专利技术及其应用或用法的限制。由于SPLIT方法认为ln(|A|)与ln(|fc|)之间的依赖关系是完全的线性关系，因此该方法在选取子频带时具有任意性，即可任意选取两个中心频率不相等的子频带。然而，在实际情况下，由于相邻的其他散射中心可能会对待测散射中心的类型参数估计造成干扰，使得ln(|A|)与ln(|fc|)不再呈现完全的线性关系。图1示出了在不同距离Δr处存在其他散射中心干扰时，类型参数为-0.5的散射中心对应的ln(|A|)与ln(|fc|)之间的关系。其中，Δr为相邻的干扰散射中心相对待估计散射中心的距离，δr为一个距离分辨单元。图1中的实线为ln(|A|)与ln(|fc|)之间的关系曲线，图1中的虚线为过实线两端点的直线。从图1(a)、图1(b)、图1(c)可看出，ln(|A|)与ln(|fc|)之间不再为完全的线性关系，而是呈现波动的正比关系。而且，该波动随着相邻散射中心距离的减小而增大。此时，如果采用SPLIT方法，即任意选取两个子频带的数据进行散射中心类型参数估计，则会导致对类型参数α的估计也具有任意性。比如，在图1(a)上，过实线两端点的直线斜率为-0.66；在图1(b)上，过实线两 端点的直线斜率为-0.69；在图1(c)上，过实线两端点的直线斜率为-0.67。如果我们在图1(a)、图1(b)、图1(c)上选取实线上的另外两点，则由此确定的直线斜率又会发生变化。也就是说，采用SPLIT方法对类型参数α的估计结果具有任意性。此外，SPLIT方法仅选取两个子频带的数据进行参数估计，如果其中一个子频带对应的散射中心的幅值误差较大，也会给散射中心类型参数的估计带来不利影响。针对SPLIT方法存在的缺陷，本申请的专利技术人想到，可以将宽带回波数据划分为多个频域区间，然后综合该多段频域区间的数据进行散射中心的类型参数估计，以消除SPLIT方法中对类型参数估计的任意性。进一步的，本申请的专利技术人发现，虽然相邻散射中心的干扰会使ln(|A|)与ln(|fc|)之间的依赖关系呈现非线性变化，但是其变化的总趋势仍然大致符合的变化规律。因此，本申请的专利技术人想到，可以根据多频域区间的数据，对ln(|A|)与ln(|fc|)之间的关系进行线性拟合，并以拟合曲线的斜率作为散射中心类型参数的估计值，以进一步提高类型参数估计的精度。下面结合附图2对本专利技术实施例中的技术方案进行详细说明。图2为本专利技术实施例中的用于估计散射中心的类型参数的方法流程图。从图2可见，所述方法始于步骤S1。本文档来自技高网...

【技术保护点】
一种用于估计散射中心的类型参数的方法，其特征在于，所述方法包括：S1、将带宽为Bz的散射回波数据划分成M个频域区间，并对所述频域区间的数据成像，以获取M个子图像；其中，第i个频域区间的中心频率为fi，i＝1,2,3…M，M为大于1的整数；S2、对每个子图像进行局部峰值点搜索，以获取该子图像上的局部峰值点的位置、幅度系数模值信息；S3、对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值点作为目标的散射中心；S4、对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。

【技术特征摘要】
1.一种用于估计散射中心的类型参数的方法，其特征在于，所述方法包括：S1、将带宽为Bz的散射回波数据划分成M个频域区间，并对所述频域区间的数据成像，以获取M个子图像；其中，第i个频域区间的中心频率为fi，i＝1,2,3…M，M为大于1的整数；S2、对每个子图像进行局部峰值点搜索，以获取该子图像上的局部峰值点的位置、幅度系数模值信息；S3、对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值点作为目标的散射中心；S4、对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。2.如权利要求1所述的方法，其中，所述局部峰值点搜索具体为：将子图像上任一像素点的像素值与其邻域内的8个相邻像素点的像素值进行比较，若所述像素点的像素值大于其邻域像素点的像素值，则所述像素点为局部峰值点。3.如权利要求2所述的方法，其中，第i个频域区间的中心频率fi满足：fi＝f1+(i-1)*Δf；式中，f1为第一频域区间...

【专利技术属性】
技术研发人员：邢笑宇，霍超颖，袁莉，任红梅，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京;11