一种SAR系统强压制干扰加权张量抑制方法技术方案

本发明专利技术公开了一种SAR系统强压制干扰加权张量抑制方法，包括1.接收带干扰的原始SAR图像；2.叠成张量：将步骤1中的矩阵在距离维进行快速傅里叶变换；将2中矩阵分成D份子阵，再将子阵叠成D层的张量形式的信号3.对张量形式的信号进行稀疏分解；4.将稀疏分解转化为优化问题；5.选择加权范数求解优化问题；6.分离出有用信号：将有用信号的每一层进行快速傅里叶逆变换；7.张量展开：将有用信号进行快速傅里叶逆变换后的信号，按叠加形式，重新恢复成原始数据的形状。本发明专利技术解决当前SAR图像中存在的强压制干扰，半参数法中存在的过度惩罚较大奇异值，核范数最小化的技术问题。核范数最小化的技术问题。核范数最小化的技术问题。

【技术实现步骤摘要】
一种SAR系统强压制干扰加权张量抑制方法


[0001]本专利技术属于SAR图像处理领域，尤其涉及一种SAR系统强压制干扰加权张量抑制方法。

技术介绍

[0002]由于合成孔径雷达(SAR)能够在恶劣天气和光照条件差的情况下提供观测场景的高分辨率图像，合成孔径雷达(SAR)成了近年来雷达发展的热门方向。然而，在得到成像图的过程中，SAR图像可能会带有部分条纹和阴影，这是由于外界的干扰所导致的，这些外界干扰可以简单分为有源干扰和无源干扰。其中无源干扰是指非目标的物体对电磁波的反射、折射、散射或吸收等现象产生的干扰；有源干扰是指由辐射电磁波的能源所产生的干扰，其可以进一步分为压制干扰和欺骗干扰，其中具有强能量的强压制干扰对SAR系统形成了严重干扰，形成的图像质量大幅降低，因此针对如何去除或减轻在SAR图像上的强压制干扰引起了学术界的极大关注。
[0003]目前，关于去除SAR系统中的强压制干扰，存在着非参数法，参数法和半参数法。
[0004]对于非参数法来说，传统的非参数法在计算量上非常小，因此具有计算速度快的优点，且不要求干扰的波形特征先验知识，但要求干扰强度远大于回波信号，因此，该类算法在时变复杂干扰环境下鲁棒性不够；并且雷达真正接收的信号是干扰、真实回波和噪声的组合，非参数化算法仅考虑了干扰的强度特征，缺乏对真实回波的约束，从而无法对其进行有效保护。
[0005]对于参数化方法来说，要求干扰为孤立单一类型的干扰，且计算复杂度高，虽然能够较为理想的去除相应干扰，但是前提条件太高，并且没有考虑到真实回波信号的特征，缺乏对原始回波的保护。
[0006]对于半参数化方法来说，它考虑到了真实回波信号的特征，利用优化模型来约束干扰和真实回波信号，相对于非参数法和半参数法来说，半参数法起到了保护原始信号的作用，但计算量通常较大，在迭代计算时容易过度惩罚较大的奇异值，这样会导致剩余一些依旧足够强的压制干扰掩盖了真实信号，半参数法在求解优化问题时将矩阵的秩松弛为核范数时容易引起核范数最小化问题，核范数最小化问题会带来干扰过度抑制情况，同样导致恢复的信号还包含部分干扰。

技术实现思路

[0007]本专利技术目的在于提供一种SAR系统强压制干扰加权张量抑制方法,以解决当前SAR图像中存在的强压制干扰，半参数法中存在的过度惩罚较大奇异值，核范数最小化等的技术问题。
[0008]为解决上述技术问题，本专利技术的具体技术方案如下：
[0009]一种SAR系统强压制干扰加权张量抑制方法，包括以下步骤：
[0010]步骤S1.接收SAR系统中带干扰的原始SAR图像，将原始数据记为M*N的矩阵
signal：
[0011]步骤S2.叠成张量：
[0012]步骤S2.1.将所述步骤S1中的M*N的矩阵signal在距离维进行快速傅里叶变换，得到的矩阵记为data；
[0013]步骤S2.2.将步骤S2中矩阵data分成D份子阵，再将子阵叠成D层的张量形式的信号
[0014]步骤S3.对张量形式的信号进行稀疏分解；
[0015]步骤S4.将稀疏分解转化为优化问题
[0016]其中，是张量形式的信号，是低秩项的张量形式的干扰，是稀疏项的张量形式的有用信号，ε是允许的噪声误差，λ是调节求解结果和之间关系的超参数，表示张量的核范数，‖
·
‖
T1
表示张量的l1范数，‖
·
‖
TF
表示张量的F范数；
[0017]步骤S5.选择加权范数求解优化问题：
[0018]选择权值和范数，将化问题改为求解优化问题解出低秩项的张量形式的干扰和稀疏项的张量形式的有用信号
[0019]其中，‖
·
‖
RTPN
表示为其中为张量，w
j
为设定的权重,P为设定的加权范数，为的第i层，为的第j个奇异值；
[0020]步骤S6.分离出有用信号：
[0021]将所述步骤S5中的稀疏项的张量形式的有用信号的每一层进行快速傅里叶逆变换；
[0022]步骤S7.张量展开：
[0023]将所述步骤S6中的稀疏项的张量形式的有用信号进行快速傅里叶逆变换后的信号，按步骤S2.2的叠加形式，重新恢复成原始数据的形状；所述稀疏项的张量形式的有用信号进行快速傅里叶逆变换后的信号为去除干扰后的SAR图像。
[0024]进一步的，步骤S2.2将矩阵数据沿方位维分成几块并叠成张量形式时，将矩阵数据沿方位维分成几块并叠成张量形式时，将该矩阵平均分成若干块形状相同的子矩阵，若无法平均分成若干块相同的子矩阵，在矩阵方位维补零后再分成若干块形状相同的子矩阵。
[0025]进一步的，不同的P值对应不同的加权范数选择，p的取值选择[1,2]区间内的数值。
[0026]进一步的，求解相应的优化问题时，采用的方法包括拉格朗日乘子法与增广拉格朗日乘子法。
[0027]本专利技术的一种SAR系统强压制干扰加权张量抑制方法，具有以下优点：
[0028]本专利技术通过所述构建张量模型，并赋予合适的权值，对所述原始信号进行处理，避免了有用信号中还保留强压制干扰信号，最终实现了在SAR系统中抑制强压制干扰的效果。
附图说明
[0029]图1为本专利技术的流程示意图；
[0030]图2为本专利技术的矩阵叠成张量示意图；
[0031]图3为本专利技术的使用的Sentinel
‑
1A原始图像示意图；
[0032]图4为Sentinel
‑
1A原始图像经过本专利技术处理后的图像示意图。
具体实施方式
[0033]下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0034]本专利技术公开的一种SAR系统强压制干扰加权张量抑制方法，选择使用Sentinel
‑
1A的SAR图像数据实施本专利技术，如图1所示，本专利技术的具体实施方法如下：
[0035]步骤1、使用matlab软件读取Sentinel
‑
1A的原始的带干扰的SAR图像数据，将原始数据记为M*N的矩阵signal，其图像上存在大量压制干扰，成像效果如图3所示。
[0036]步骤2、使用matlab软件的函数fft将矩阵signal进行距离维的快速傅里叶变换(FFT)，得到的矩阵记为data。
[0037]步骤3、将矩阵data分成D份子阵，将D份子阵叠成D层的张量形式的信号如图2所示，本实施例中D为2。
[0038]其中，叠加形式为将矩阵数据沿方位维分成几块并叠成张量形式时，将该矩阵平均分成若干块形状相同的子矩阵，若无法平均分成若干块相同的子矩阵，可以在矩阵方位维补零后再分成若干块形状相同的子矩阵。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SAR系统强压制干扰加权张量抑制方法，其特征在于，包括以下步骤：步骤S1.接收SAR系统中带干扰的原始SAR图像，将原始数据记为M*N的矩阵signal：步骤S2.叠成张量：步骤S2.1.将所述步骤S1中的M*N的矩阵signal在距离维进行快速傅里叶变换，得到的矩阵记为data；步骤S2.2.将步骤S2中矩阵data分成D份子阵，再将子阵叠成D层的张量形式的信号步骤S3.对张量形式的信号进行稀疏分解；步骤S4.将稀疏分解转化为优化问题其中，是张量形式的信号，是低秩项的张量形式的干扰，是稀疏项的张量形式的有用信号，ε是允许的噪声误差，λ是调节求解结果和之间关系的超参数，‖
·
‖
T*
表示张量的核范数，‖
·
‖
T1
表示张量的l1范数，‖
·
‖
TF
表示张量的F范数；步骤S5.选择加权范数求解优化问题：选择权值和范数，将优化问题改为求解优化问题解出低秩项的张量形式的干扰和稀疏项的张量形式的有用信号其中，‖
·
‖
RTPN
...

【专利技术属性】
技术研发人员：黄岩，毛源，陈筠力，王韵旋，刘江，刘艳阳，余旭涛，洪伟，
申请(专利权)人：上海卫星工程研究所，
类型：发明
国别省市：