一种星载sar射频干扰抑制方法
【专利摘要】本发明提供一种星载SAR射频干扰抑制方法。技术方案包括：第一步：构建数据矩阵，根据所得的距离线回波构建数据矩阵；第二步：估计协方差相关矩阵，利用所构建的数据矩阵估计其协方差相关矩阵；第三步：特征分解，得到特征值及对应的特征向量并排序；第四步：小波分解估计主特征值数目，利用所估计的主特征值所对应的特征向量构造干扰子空间；第五步：干扰抑制及数据重构，完成宽带射频干扰抑制。本发明对窄带射频干扰抑制和宽带射频干扰抑制均可取得良好的抑制效果，并且性能稳健。
【专利说明】—种星载SAR射频干扰抑制方法
【技术领域】
[0001]本发明属于航天和微波遥感的交叉【技术领域】,特别涉及一种星载SAR (SyntheticAperture Radar,合成孔径雷达)数据中射频干扰抑制方法。
【背景技术】
[0002]星载SAR系统可以完成宽测绘带、高分辨率对地观测，是进行军事测绘和战场监视的有效手段。为了满足日益增长的军事和民用需求，特别是更高分辨率及隐蔽目标侦察的迫切需求，星载SAR的工作频段往更高和更低两个方向逐渐扩展，面临的电磁环境将会越来越复杂，特别是低波段星载SAR系统，工作频谱范围内存在大量的广播电视和通信系统，它们处于连续工作状态，而且发射功率较高，甚至有些系统的工作带宽较宽，比如DVB-T(Digital Video Broadcasting—Terrestrial,数字电视地面广播)系统，带宽有8MHz，这些干扰信号进入到星载SAR系统接收机，将严重影响星载SAR成像质量，导致图像解译和判读困难。 [0003]Feng Zhou提出的基于特征子空间分解的SAR射频干扰抑制方法对窄带射频干扰抑制效果比较好。但对于宽带射频干扰，由于带宽宽、功率高，在进行矩阵特征值分解时会产生数目较多的大特征值，现有的特征子空间分解法采用的主特征值数目判定方法会导致主特征值数目判定的误差。基于小波分解在信号奇异点检测方面的优势，本发明提出一种小波分解和特征子空间分解联合的星载SAR射频干扰抑制方法。本方法对窄带射频干扰和宽带射频干扰均有良好的抑制效果，且性能稳健。
【发明内容】
[0004]本发明的目的是:提出一种小波分解和特征子空间分解联合的星载SAR宽带射频干扰抑制方法，该方法充分利用了小波分解在信号奇异点检测方面的优势，对窄带射频干扰和宽带射频干扰均有良好的抑制效果，且性能稳健。
[0005]本发明技术方案的思路是:首先构造原始数据的协方差相关矩阵，对其进行特征分解，利用小波分解的方法进行主特征值判定，主特征值对应的即为干扰分量，利用主特征值对应的特征向量构造干扰子空间，然后将原始信号在特征干扰子空间上的映射分量减去，即可将干扰信号抑制掉。
[0006]本发明技术方案是:
[0007]假设X表示某一方位时刻星载SAR接收的数据,X = [X1,…，xm,…，xM]T，其中M表示距离向采样点数，上标T表示转置操作。
[0008]第一步、构建数据矩阵
[0009]将数据X分为K个L维的子向量，L根据实际需要确定，通常32≤L≤128，其中K = M-L+1.定义第k个子向量Xk为:
[0010]Xk= [xk,...XmJt, k = 1，2，…，K
[0011]然后，构建LX K的数据矩阵X:[0012]X = [X1,…，xk]
[0013]第二步、估计协方差相关矩阵
[0014]利用数据矩阵X估计其协方差相关矩阵灸:
【权利要求】
1.一种星载SAR射频干扰抑制方法，其特征在于，包括下述步骤， 假设X表示某一方位时刻星载合成孔径雷达接收的数据，X = [X1,..., Xm,…，χΜ]τ，其中M表示距离向采样点数,上标T表示转置操作； 第一步、构建数据矩阵: 将数据X分为K个L维的子向量，其中K = M-L+1 ;定义第k个子向量Xk为:
Xj5 — [xk，...Xk+L-1]，k — 1，2，...，K 然后，构建LXK的数据矩阵X:
X — [X”...，Xj5] 第二步、估计协方差相关矩阵: 利用数据矩阵X估计其协方差相关矩阵焱:
2.根据权利要求1所述的星载SAR射频干扰抑制方法，其特征在于，32128。
【文档编号】G01S7/36GK103675768SQ201310693687
【公开日】2014年3月26日 申请日期:2013年12月17日 优先权日:2013年12月17日
【发明者】张永胜, 赵腾飞, 董臻, 李力, 何峰, 余安喜, 黄海风, 孙造宇, 金光虎, 何志华, 杜湘瑜 申请人:中国人民解放军国防科学技术大学