低秩矩阵分解的多维域联合SAR宽带干扰抑制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111239697A(43)申请公布日2020.06.05(21)申请号202010086528.0(22)申请日2020.02.11(71)申请人西北工业大学地址710072陕西省西安市友谊西路127号(72)发明人粟嘉李浩江陶明亮崔国楠范一飞谢坚王伶张兆林韩闯宫延云(74)专利代理机构西北工业大学专利中心61204代理人金凤(51)Int.Cl.G01S7/292(2006.01)G01S13/90(2006.01)权利要求书1页说明书5页附图3页(54)发明名称低秩矩阵分解的多维域联合SAR宽带干扰抑制方法(57)摘要本发明提供了一种低秩矩阵分解的多维域联合SAR宽带干扰抑制方法，当前回波数据多个脉冲内存在宽带干扰信号，分别将脉冲回波信号的短时傅里叶变换矩阵向量化，进行RPCA分解，得到低秩矩阵和稀疏矩阵两个矩阵，将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式，并对重排后的短时傅里叶矩阵进行短时傅里叶逆变换，将原始回波信号与重构出的干扰信号相减，即可实现宽带干扰抑制，利用现有的成像算法对干扰抑制后的数据进行成像，即可得到高分辨的图像。本发明避免了时频滤波引起的有用信号损失的问题，与传统的基于能量特性差异的方法相比，在抑制干扰的同时可有效地保留有用信号信息，能较大程度提升宽带干扰抑制后的图像质量。CN111239697ACN111239697A权利要求书1/1页1.一种低秩矩阵分解的多维域联合SAR宽带干扰抑制方法，其特征在于包括下述步骤：步骤一：假设当前回波数据多个脉冲内存在宽带干扰信号，回波信号表示为X(n,q)，其中n代表快时间采样点，q表示脉冲数；将Q个脉冲的回波信号分别进行短时傅里叶变换，表示为：STFTX,q＝STFTI,q+STFTS,q+STFTN,q,q＝1,2,..,Q(1)其中，STFTX,q、STFTI,q、STFTS,q、STFTN,q分别表示为第q个脉冲的回波信号、宽带干扰信号、有用信号、噪声信号的短时傅里叶变换矩阵，矩阵STFTX,q、STFTI,q、STFTS,q、STFTN,q的维度均为N×M；步骤二：分别将Q个脉冲回波信号的短时傅里叶变换矩阵向量化，即将N×M维度的短时傅里叶变换矩阵拉成维度1×NM的短时傅里叶变换向量，然后，将Q个向量构成一个新的矩阵STFTX：其中，STFTX(q)表示第q个脉冲拉成维度1×NM的短时傅里叶变换向量，则新矩阵STFTX由以低秩的有用信号矩阵STFTS、稀疏的宽带干扰信号矩阵STFTI以及噪声矩阵构成STFTN：步骤三：对STFTX进行RPCA分解，由于信号满足低秩矩阵、稀疏矩阵和噪声矩阵之和的形式，因此经过RPCA分解之后，得到低秩矩阵和稀疏矩阵两个矩阵；步骤四：将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式，即将1×NM维度的短时傅里叶向量重排成维度为N×M的短时傅里叶变换矩阵，并对重排后的短时傅里叶矩阵进行短时傅里叶逆变换，即可得到Q个脉冲内重构后的干扰信号步骤五：将原始回波信号与重构出的干扰信号相减，即可实现宽带干扰抑制最后，利用现有的成像算法对干扰抑制后的数据进行成像，即可得到高分辨的图像。2.根据权利要求1所述的一种低秩矩阵分解的多维域联合SAR宽带干扰抑制方法，其特征在于：步骤三中采用GoDecomposition算法进行低秩矩阵分解：其中，||·||F表示Frobenius范数，rank(·)表示求秩操作，card(·)表示稀疏矩阵的基数，r表示秩，ε表示稀疏度。2CN111239697A说明书1/5页低秩矩阵分解的多维域联合SAR宽带干扰抑制方法技术领域[0001]本发明涉及信号领域，尤其是一种时-频-脉冲多维域联合的干扰抑制方法，适用于在时频平面内具有时频聚集特性的宽带干扰抑制。背景技术[0002]由于合成孔径雷达(SyntheticApertureRadar,SAR)具有全天时、全天候工作和广域监视等特点，在战场侦察和资源勘探等方面的运用受到越来越广泛的重视。近几年，干扰技术的快速发展对SAR精确遥感技术造成巨大的威胁。根据干扰信号的带宽可以把干扰分为窄带干扰(Narrow-BandInterference,NBI)和宽带干扰(Wide-BandInterference,WBI)。[0003]目前窄带干扰抑制方法较为成熟，例如频域限波法、子空间投影法、独立分量分析法、经验模态分解法等，都能够获得比较好的干扰抑制效果。窄带干扰由于其带宽小于有用信号带宽的1％，并且雷达回波建模相对简单，因此通过时域或频域的分析手段能够实现有效的干扰抑制。而对于宽带干扰，其干扰信号带宽一般大于有用信号带宽的10％，并且宽带干扰信号在时域和频域内均与有用信号高度重合，因此仅通