基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法技术

本发明专利技术属于微波遥感技术领域，公开了一种基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，包括：建立宽带干扰条件下的SAR回波表征模型；结合时频等效噪声的Laplace分布先验假设与宽带干扰时频矩阵的低秩特性，构建最大似然意义下的SAR宽带干扰重构模型；利用贝叶斯推断对模型参数进行估计，实现SAR宽带干扰时频矩阵的重构，并在数据域进行相消处理，获得干扰抑制后的SAR回波数据。本发明专利技术能够对宽带干扰进行有效抑制，提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。同时，将SAR宽带干扰抑制问题转化为贝叶斯框架下的优化求解问题，提高了模型参数估计精度。提高了模型参数估计精度。提高了模型参数估计精度。

【技术实现步骤摘要】
基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法


[0001]本专利技术属于微波遥感
，特别涉及一种基于贝叶斯理论与低秩分 解的SAR宽带干扰抑制方法。可用于抑制SAR回波信号中的宽带干扰，恢复 被干扰遮盖的目标信息，获得高质量的目标成像效果，显著增强SAR图像的 解译能力。

技术介绍

[0002]合成孔径雷达(SAR)由于具有全天时、全天候、高分辨率以及作用距 离远等特点，广泛应用于成像识别、资源勘探、海洋观测、地质测绘和环境 感知等军事、民用领域。通常SAR为了实现高分辨率会采用具有大带宽的发 射信号，这样就导致SAR回波数据中不可避免的混入同频段射频干扰。射频 干扰通常来自机场雷达、信号基站、GPS设备等。射频干扰的存在会对SAR 成像质量造成严重影响。一方面，这些射频干扰具有较强的能量，会显著降 低SAR回波信号的信噪比，甚至导致SAR接收机饱和。另一方面，射频干扰 的存在使得SAR系统关键的多普勒参数估计不准确，从而导致SAR成像结果 模糊和散焦。此外，射频干扰还会降低特征提取的准确性，不利于SAR图像 的解译。因此，研究有效的SAR干扰抑制算法具有重要的应用价值。
[0003]当前干扰抑制算法按原理主要包括两大类：数据驱动类和模型驱动类。 数据驱动类算法主要是通过设计一个合理的滤波器来实现有用信号和干扰在 特定数据域分离的目的。数据驱动类干扰抑制算法中，张双喜等将短时傅里 叶变换(STFT)与小波变换相结合，将时域SAR回波瞬时频谱映射到小波域， 对干扰分量所对应的小波系数进行识别与滤波，实现了宽带干扰的抑制。但 是该方法要进行多次变换，需要较多的计算资源，且一定程度上会造成部分 信号损失。樊伟伟等提出基于深度残差网络的干扰抑制算法，通过大量仿真 干扰的时频图样本对整个网络进行优化训练，对目标信号的时频特性进行提 取并重构，从而实现对实测干扰数据的有效抑制。然而，该方法依赖于仿真 SAR回波干扰数据的逼真度与样本容量。
[0004]模型驱动类算法主要是利用数学模型对SAR回波进行表征，并依据特定 约束优化准则对参数进行优化求解。该类算法中，粟嘉等利用干扰的时频低 秩特性以及目标信号的稀疏假设，利用GoDec(Go Decomposition)算法进行时 频矩阵分解重构干扰时频信息，最终实现干扰抑制。但是，该方法的抑制效 果与模型精确程度息息相关，对于宽带干扰的抑制效果需要进一步分析与提 升。黄岩等在假设干扰具有方位向连续性的基础上，将回波数据构建时域张 量模型并进行低秩稀疏分解，从而实现干扰与目标信号的分离。然而，宽带 干扰沿方位向连续的假设对于实测数据的普适性并没有得到有效验证。

技术实现思路

[0005]针对现有技术中存在的问题，本专利技术的目的在于提供一种基于贝叶斯理 论与低秩分解的SAR宽带干扰抑制方法，提出了Laplace分布的先验分布假 设，构建宽带干扰的低秩时频矩阵重构模型，能够对宽带干扰进行有效抑制， 并提高模型对含有异常值与重尾噪
声SAR数据的鲁棒性。同时，将宽带干扰 抑制问题扩展至贝叶斯框架，简化模型参数估计。
[0006]本专利技术的技术原理是：首先，建立SAR沿方位向的单次回波模型。其 次，结合回波信号时频矩阵的Laplace分布先验假设与宽带干扰时频矩阵的低 秩特性，形成最大似然意义下的宽带干扰重构模型。之后，在贝叶斯框架下 形成完整的模型参数后验概率，并利用贝叶斯推断对模型参数进行估计，实 现宽带干扰时频矩阵的重构，在数据域进行相消处理，获得干扰抑制后的回 波数据。最后，通过SAR成像处理获得高质量的SAR图像，并对干扰抑制效 果进行评估。
[0007]为了达到上述目的，本专利技术采用以下技术方案予以实现。
[0008]步骤1，建立SAR沿方位向的单次回波模型，得到原始回波信号；
[0009]步骤2，采用Laplace先验分布假设，结合宽带干扰的时频低秩性，构建 最大似然意义下的宽带干扰重构模型；
[0010]步骤3，引入宽带干扰时频矩阵分解因子的复高斯先验分布约束，在贝叶 斯框架下构建宽带干扰时频矩阵恢复模型参数的后验概率模型；采用变分贝 叶斯推断估计宽带干扰的后验概率模型参数，精确重构宽带干扰；
[0011]步骤4，将重构的宽带干扰进行逆短时傅里叶变换后，再与原始回波信号 进行相消处理，得到宽带干扰抑制后的时域回波信号。
[0012]与现有技术相比，本专利技术的有益效果为：
[0013](1)本专利技术在充分分析SAR回波与干扰时频特征的基础上，充分利用 目标信号的时频统计特征与宽带干扰的时频低秩特性，提出Laplace分布的先 验分布假设，构建宽带干扰的低秩时频矩阵重构模型，可以对宽带干扰进行 有效抑制，并提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。
[0014](2)本专利技术将宽带干扰抑制问题扩展至贝叶斯框架，并利用变分贝叶斯 方法对贝叶斯后验概率模型进行参数估计，有效简化了宽带干扰时频矩阵重 构过程中复杂概率模型参数的直接推断问题。
附图说明
[0015]下面结合附图和具体实施例对本专利技术做进一步详细说明。
[0016]图1为本专利技术提供的基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方 法的实现流程图；
[0017]图2为本专利技术实施例中无干扰单次SAR回波数据的时频域统计结果图； 其中，(a)为单次SAR回波时频图；(b)为该次SAR回波的概率密度拟合结 果图；
[0018]图3为本专利技术实施例中两次实测宽带干扰SAR回波数据的时频域表征结 果图；其中，(a)对应一次实测方位回波数据；(b)对应另一次实测方位回 波数据；
[0019]图4为本专利技术实施例中原始无干扰信号与加仿真宽带干扰回波的比较； 其中，(a)为时域干扰前后对比图；(b)为频域干扰前后对比图；(c)为干扰 前的信号时频图，(d)为干扰后的信号时频图；
[0020]图5为本专利技术实施例中仿真数据干扰抑制处理结果图；其中，(a)为重 构干扰信号时频域表征图；(b)为恢复目标信号时频域表征图；(c)为恢复 信号与原始信号时域对比图；(d)为恢复信号概率密度函数拟合结果图；
[0021]图6为本专利技术实施例中Sentinel-1A VH极化模式下海岸场景实测数据干 扰抑制结果对比图；其中，(a)为原始SAR数据成像结果；(b)为GoDee算 法干扰抑制处理后的成像结果；(c)为本专利技术所述方法干扰抑制处理后的成 像结果；
[0022]图7为本专利技术实施例中Sentinel-1B VH极化模式下舰船场景实测数据干 扰抑制结果对比图；其中，(a)为原始SAR数据成像结果；(b)为GoDee算 法干扰抑制处理后的成像结果；(c)为本专利技术方法干扰抑制处理后的成像结 果。
具体实施方式
[0023]下面将结合实施例对本专利技术的实施方案进行详细描述，但是本领域的技 术人员将会理解，下列实施例仅用于说明本专利技术，而不应视为限制本专利技术的 范围。
[0024]参考图1，本专利技术提供的基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，其特征在于，包括以下步骤：步骤1，建立SAR沿方位向的单次回波模型，得到原始回波信号；步骤2，采用Laplace先验分布假设，结合宽带干扰的时频低秩性，构建最大似然意义下的宽带干扰重构模型；步骤3，引入宽带干扰时频矩阵分解因子的复高斯先验分布约束，在贝叶斯框架下构建宽带干扰时频矩阵恢复模型参数的后验概率模型；采用变分贝叶斯推断估计宽带干扰的后验概率模型参数，精确重构宽带干扰；步骤4，将重构的宽带干扰进行逆短时傅里叶变换后，再与原始回波信号进行相消处理，得到宽带干扰抑制后的时域回波信号。2.根据权利要求1所述的基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，其特征在于，所述建立SAR沿方位向的单次回波模型，具体为：首先，方位向单次回波模型表示为信号、干扰、噪声的线性叠加形式：s(k)＝x(k)+i(k)+n(k)其中，s(k)代表第k个距离快拍的原始回波信号，x(k)代表第k个距离快拍的目标回波信号，i(k)代表第k个距离快拍的干扰，n(k)代表第k个距离快拍的噪声；然后，由于目标信号呈现类噪声分布，故将方位向的单次回波简化为如下形式：s(k)＝i(k)+n
x
(k)其中，n
x
(k)＝n(k)+x(k)为等效噪声，代表着信号与噪声的叠加；s(k)记为原始回波信号。3.根据权利要求2所述的基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，其特征在于，所述采用Laplace先验分布假设，结合宽带干扰的时频低秩性，构建最大似然意义下的宽带干扰重构模型，具体步骤为：子步骤2a，采用Laplace先验分布假设，构建最大似然意义下的宽带干扰恢复模型；子步骤2b，结合宽带干扰时频矩阵的低秩特性，利用矩阵满秩分解原理，形成最大似然意义下的宽带干扰低秩时频矩阵精确重构模型。4.根据权利要求3所述的基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，其特征在于，所述采用Laplace先验分布假设，构建最大似然意义下的宽带干扰恢复模型，具体为：首先，利用短时傅里叶变换将原始回波信号映射到距离时频域，在时频域，原始回波信号模型为：S＝WRI+N其中，分别表示原始回波信号时频矩阵、宽带干扰时频矩阵以及等效噪声时频矩阵；然后，设等效噪声时频矩阵N服从Laplace先验分布，则对于宽带干扰的重构问题需要最小化重构误差，使用似然函数确定该重构问题的损失函数：其中，S
ij
为矩阵S的第i行第j列元素，WBI
ij
为矩阵WBI的第i行第j列元素；Ω表示时频矩
阵元素的下标集合，||
·
||1表示L1范数，C为常数项，p(
·
|0，b)表示位置参数为0，尺度参数为b的Laplace分布；省略系数项与常数项，得到宽带干扰时频矩阵重构问题的优化函数为：上式即为最大似然意义下的宽带干扰恢复模型。5.根据权利要求4所述的基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，其特征在于，所述结合宽带干扰时频矩阵的低秩特性，利用矩阵满秩分解原理，形成最大似然意义下的宽带干扰低秩时频矩阵精确重构模型，其具体过程为：首先，设宽带干扰的时频矩阵具有低秩特性，结合宽带干扰在时频域的聚集特性，则...

【专利技术属性】
技术研发人员：周峰，张致忠，丁毅，樊伟伟，石晓然，刘磊，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：