专利名称：结合极化分类和功率分组的自适应动目标检测方法
技术领域：
本发明属于雷达信号处理技术领域，更进一步涉及动目标检测技术领域中的一种结合合成孔径雷达SAR图像极化分类与功率分组指导的样本筛选方法，本发明可以应用于运动平台合成孔径雷达地面动目标检测。本发明在缺乏先验知识的情况下，可通过极化分类及功率分组挑选与待检测单元样本的杂波特性近似的样本，提高杂波协方差矩阵的估计精度和动目标的检测性能。
背景技术：
合成孔径雷达地面动目标检测技术(SAR-GMTI)通过采用多通道SAR图像数据结合自适应动目标检测方法可对观测区域内的运动目标进行检测，但是对于实际的复杂观测场景，图像中各像素点样本的杂波特性存在差异，表现在杂波功率和杂波协方差矩阵结构两方面，如果不加选择地使用所有样本估计杂波协方差矩阵，将存在较大的估计误差，影响自适应检测的性能。曾操，廖桂生，杨志伟，刘聪锋在“基于样本加权的三通SAR-GMTI机载数据处理分析”(电子学报，2009年37卷第3期506 512页)一文中提出结合相位、功率联合挑选获取功率足够强、相位分布近似于待检测单元的杂波样本集，并估计杂波协方差矩阵，可改善复杂观测场景下杂波协方差矩阵与待检测单元杂波特性差异较大的问题，提高自适应处理的性能。但是该方法存在的不足是，由于筛选的样本功率强于待检测点的实际杂波功率，影响系统的最小可检测速度值，同时，该方法没有考虑不同地物类型间样本的差异，杂波协方差矩阵结构的估计准确度较差。
发明内容
本发明的目的在于克服上述现有技术的不足，提出一种结合极化分类和功率分组的自适应动目标检测方法。该方法利用SAR图像极化信息对各像素单元及对应的样本进行分类，并在分类结果的基础上进行功率分组，改善了样本差异导致的杂波协方差矩阵估计精度差的问题，提高了自适应处理的动目标检测性能。本发明的基本思路是:首先采用SAR图像极化分类方法对图像中所有像素单元的样本进行分类；接着将同一类别中的样本按照功率划分为多个小组，并检查每一个功率小组的样本个数是否满足要求；然后使用与待检测单元样本同一功率小组的所有样本估计杂波协方差矩阵，并计算权矢量、自适应抑制待检测单元的杂波；最后，对动目标进行恒虚警检测。本发明的具体步骤如下:1.一种结合极化分类和功率分组的自适应动目标检测方法，包括如下步骤:(I) SAR图像极化分类Ia)采用极化分类法，对合成孔径雷达(SAR)图像中的所有像素单元进行分类；Ib)将同类像素单元对应的样本归为一类，获得样本分类结果；
(2)初始化功率分组2a)按照下式计算各像素单元的样本功率:
权利要求
1.一种结合极化分类和功率分组的自适应动目标检测方法，包括如下步骤: (1)SAR图像极化分类 Ia)采用极化分类法，对合成孔径雷达(SAR)图像中的所有像素单元进行分类； Ib)将同类像素单元对应的样本归为一类，获得样本分类结果； (2)初始化功率分组 2a)按照下式计算各像素单元的样本功率:
2.根据权利要求1所述的结合极化分类和功率分组的自适应动目标检测方法，其特征在于:步骤(I)所述的极化分类方法可使用基于极化熵H和平均散射角a分解的H/a-ffisahrt方法或者基于平面散射、二面角散射、体散射三分量分解方法的Freeman-Wisahrt 方法。
3.根据权利要求1所述的结合极化分类和功率分组的自适应动目标检测方法，其特征在于:步骤3a)和步骤3b)中所述的限定值是指功率小组中样本个数的最小值。
4.根据权利要求1所述的结合极化分类和功率分组的自适应动目标检测方法，其特征在于:步骤4b)中，如果待检测单元的样本数据属于第η类下的第m个功率小组，则使用计算待检测单元的自适应处理权矢量，其中，:》=表示步骤4a)中第η类下第m个功率小组中的所有样本估计获得的杂 波协方差矩阵。
全文摘要
一种结合极化分类和功率分组的自适应动目标检测方法，主要解决非均匀场景下杂波协方差矩阵估计精度低，动目标检测性能差的问题。其步骤包括1、SAR图像极化分类；2、初始化功率分组；3、小组样本个数检查；4、自适应抑制杂波；5、恒虚警检测。本发明由于采用极化分类方法指导样本的筛选，克服了现有的样本筛选未考虑地杂波特性差异的问题，使得本发明具有杂波协方差矩阵结构估计的精度高、动目标检测性能好的优点；本发明由于采用功率分组方法指导样本的筛选，克服了现有样本功率挑选的功率估计过大问题，使得本发明具有杂波协方差矩阵功率估计的准确性高、慢速运动目标检测性能好的优点。
文档编号G01S7/41GK103149555SQ20131004705
公开日2013年6月12日 申请日期2013年1月25日 优先权日2013年1月25日
发明者杨志伟, 廖桂生, 杜文韬, 陈筠力, 陈国忠, 束宇翔, 何嘉懿, 刘志凌 申请人:西安电子科技大学