一种合成孔径雷达图像噪声功率估计新方法与流程

本发明涉及一种估计雷达图像噪声功率的新方法。

背景技术：

雷达图像超分辨率重建通常需要使用雷达成像系统点扩散函数（PSF）和平均噪声功率的先验知识。雷达PSF可以利用信号带宽及雷达接收机匹配滤波器中降低副瓣的窗函数等知识进行估计，也可通过记录强点散射体（如三面角反射器）的散射数据进行测定。系统噪声功率通常建模为雷达接收机热噪声，噪声的大小取决于接收机的温度，所以理论上如果温度已知，则可计算出噪声功率。但实际系统中的噪声还应包含发射机/接收机非线性、气相干扰以及模型未曾考虑的其它寄生杂散效应等非热噪声的影响。对于宽带雷达，这是尤其需要考虑的情况。

在雷达图像超分辨率重建中，如果假定的噪声太小，则超分辨率重建算法将过拟合数据，这将导致估计场景中寄生能量很高但相位相反的交替象素。PSF矩阵的平滑作用倾向于消除此类现象并产生近乎实测数据的图像，但估计场景将不再是真实场景的准确重建。如果假定的噪声太大，则不管场景包含的是点目标、展布式目标还是杂波，估计场景都将由非常少的点目标构成，这是因为实测数据中任何对正确PSF的偏离都被认为是噪声而非目标结构导致的。由于我们不知道（或不能测出）非热噪声的影响，因此需要根据实测图像数据本身估计总体系统噪声。

假定雷达目标具有高分辨率二维后向散射系数，当从某一角度对目标进行成像时，将产生一幅特定的实测图像。雷达成像过程可等效为雷达系统PSF与高分辨率目标场景的卷积，在数学上可表示为：

这里f为高分辨率目标场景；T是反映雷达成像系统PSF作用的矩阵（即成像算子）；g为低分辨率实测图像；n为系统噪声。

设潜在场景的一个估计为f_est，则对于每个距离单元，其平均噪声功率的一种估计为：

这里N是距离单元的数目。

说明书附图1为利用上述噪声功率估计算法，对某多目标一维场景噪声功率（相对于最强目标，加入了-30dB的噪声功率；假定目标多普勒频率已知）进行估计所得的结果与输入给上述算法的假定噪声功率的对比曲线（实线），曲线通过多次运行上述噪声功率估计算法得到，假定噪声功率在-140～40dB范围内。图中同时给出了一条一致线（自洽线），在该线上估计噪声功率等于假定噪声功率。从说明书附图1可以看出，当假定噪声功率处于-30dB～-45dB之间时，由算法获得的噪声功率与假定噪声功率近似一致，该噪声功率区间包含了-30dB的真实噪声功率值。

技术实现要素：

上述噪声功率估计算法只能确定图像真实噪声功率的大致范围，不能确定图像真实噪声功率的具体准确值。为了克服上述噪声功率估计算法的不足，本发明提供了一种新颖的雷达图像噪声功率估计方法，以实现对雷达图像噪声功率的准确估计。

本发明所采用的具体技术方案即噪声功率估计方法如下：

假定噪声的标准偏差是σ_in，我们首先定义一个自洽度参量如下：

其中σ_est为噪声功率估计值的标准偏差。显然，。当输入的假定噪声功率与估计噪声功率相等时，SC达到最大值。对一系列输入噪声功率进行测量，获得的自洽度曲线如说明书附图2中的实线所示。可以看出，如果利用自洽度作为估计真实噪声功率大小的唯一依据，将存在不确定之处：真实噪声功率应为-30dB还是-45dB。

确定估计场景数据是否过拟合的一种方法是比较估计场景与实测图像的功率大小。当数据被过拟合时，估计场景中将寄生能量很大但相位相反的交替像素，这些像素通常具有比实测数据更大的幅值。这里我们定义一个无寄生测度（SF）参量进行度量：当估计场景功率小于实测图像功率时，SF等于1，否则SF等于实测图像功率与估计场景功率的比值，其数学表达式如下：

显然，该值处于0~1之间。对所有像素的SF求平均即得整个场景的SF：

当SF接近1时，数据不会过拟合，估计场景中将不会寄生能量很大但相位相反的交替像素。SF与输入给算法的假定噪声功率的比较曲线如说明书附图2中的点划线所示。当假定的噪声功率很大时，SF等于1；随着假定噪声功率的减小，当减小到刚好低于实际噪声功率-30dB时，SF迅速下降到0.1；对于所有低于该值的假定噪声功率，SF基本保持为0.1不变。这说明SF值对导致估计场景寄生交替像素的低假定噪声否决效果好。

本发明定义一种联合参量对噪声功率进行估计，这种联合参量定义为上述自洽度与无寄生测度两个参量的乘积：

联合参量曲线如说明书附图2中的虚线所示，从该曲线可以看出，在真实噪声功率-30dB处具有一明确的峰值。利用这种噪声功率估计方法，对具有不同目标数目和不同实际噪声功率的图像的噪声功率进行估计，发现噪声功率估计结果与实际噪声功率均基本一致，误差很小，通常在几个dB之内。

现有技术将雷达成像系统噪声功率建模为雷达接收机热噪声，根据接收机的温度人工确定图像噪声功率的大小，但实际雷达成像系统特别是宽带雷达成像系统中的噪声还应包含发射机/接收机非线性、气相干扰以及其它寄生杂散效应等非热噪声的影响。因此，与现有技术相比，本发明的有益效果是：（1）利用本文方法对雷达图像噪声功率进行估计，同时考虑了热噪声和非热噪声，估计结果更全面准确；（2）本文方法实现了对雷达图像噪声功率的自动估计，无需人工根据雷达接收机温度进行计算确定；（3）利用本文方法求得的噪声功率，能得到更好的超分辨率重建图像。

附图说明

图1为估计噪声功率与假定噪声功率对比曲线；图2为噪声功率估计的优化图。

具体实施方式

为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面结合说明书附图2对本发明进一步说明。

本发明所提出的噪声功率估计方法的实现步骤如下：

（1）首先定义一个自洽度参量如下：

其中σ_in为假定噪声的标准偏差，σ_est为噪声功率估计值的标准偏差，。当输入的假定噪声功率与估计噪声功率相等时，SC达到最大值。对一系列输入噪声功率进行测量，获得的自洽度曲线如说明书附图2中的实线所示。可以看出，利用自洽度作为估计真实噪声功率大小的唯一依据，将存在不确定之处：真实噪声功率应为-30dB还是-45dB；

（2）然后定义一个无寄生测度（SF）参量：当估计场景功率小于实测图像功率时，SF等于1，否则SF等于实测图像功率与估计场景功率的比值，其数学表达式如下：

显然，该值处于0~1之间。对所有像素的SF求平均即得整个场景的SF：

SF与输入给算法的假定噪声功率的关系曲线如说明书附图2中的点划线所示。当假定的噪声功率很大时，SF等于1；随着假定噪声功率的减小，当减小到刚好低于实际噪声功率-30dB时，SF迅速下降到0.1；对于所有低于该值的假定噪声功率，SF基本保持为0.1不变。这说明SF值对导致估计场景寄生交替像素的低假定噪声否决效果好。

（3）最后定义一种联合参量（自洽度与无寄生测度的乘积）对噪声功率进行估计：

联合参量曲线如说明书附图2中的虚线所示，从该曲线可以看出，在真实噪声功率-30dB处具有一明确的峰值。从而成功实现了对图像真实噪声功率的估计。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。