一种近距离主动式毫米波圆柱扫描成像系统的降噪方法
【专利摘要】本发明公开一种近距离主动式毫米波圆柱扫描成像系统的降噪方法，该降噪方法将近距离主动式毫米波圆柱扫描成像系统的噪声模型引入到ICA模型中，来扩展成像系统的观测数据，利用高阶累积，对多维加噪的观测信号进行盲源分离（BBS），从而得到有用的信号，实现系统噪声的印制。本发明降噪方法能够有效的抑制成像系统中的噪声分量，并且保留有用信号的完整信息。
【专利说明】一种近距离主动式毫米波圆柱扫描成像系统的降噪方法
【技术领域】
[0001]本发明涉及一种近距离主动式毫米波圆柱扫描成像系统的降噪方法。
【背景技术】
[0002]随着近距离主动毫米波圆柱扫描成像系统的不断推广，成像系统中的噪声信号限制了系统的成像质量以及危险品的有效检测，如何有效的抑制成像系统中的噪声信号成为了近距离主动毫米波圆柱扫描成像的关键技术。
[0003]目前，已经申请和相关的学术论文中采用的降噪方法可以分为:相参平均的方法、距离窗和背景对消的方法、傅立叶变换分离方法以及基于统计特性的目标特征提取方法。传统的相参平均的方法要求噪声信号的均值为零，并且是高斯平稳随机过程，每次的观测不相关，该方法对于实际的时变系统效果非常有限，对于除了高斯白噪声的其他噪声没有任何作用。采用距离窗和背景对消的方法对于相参系统的直接散射的背景噪声信号有很好的效果，但是对背景和目标之间的多次反射引起的噪声信号没有很好的效果。傅立叶变换分离方法是通过对信号傅立叶变换后分离噪声信号和目标信号，该方法是通过对信号进行空间频率域和空间域的变换后通过相应的滤波器分离噪声干扰信号，通过该方法只能够分离部分的噪声干扰信号，由于滤波器的使用也会引入一定的噪声干扰信号。基于统计特性的目标特征提取方法是利用信号的统计特性进行目标特征提取的算法，由于信号往往表现出非稳态性及非高斯性，都对特征提取方法提出了较高要求，现有的特征提取方法如主分量分析(PCA)等，往往仅利用信号的二阶统计信息，这对于高斯型数据分析来说通常是足够了，当数据呈现非高斯特性时，则变得无能为力。小波变换(WAVELET)虽然可提取信号的非稳态特征，但它也是线性的，而且，WAVELET的表征往往是非自适应的，另外，传统的WAVELET特征提取方法往往使用复杂，且提取的信号特征信息难以量化表达，这在某种程度上限制了它的应用。独立统计分析(ICA)采用高阶特征提取方法，以获取典型的、独立的信号源量化特征，ICA可视作是PCA的高阶扩展。ICA问题可归纳为:仅从观测样本出发，实现传输信道的辨识和源信号的估计，是一种盲的信号处理方法。
【发明内容】
[0004]针对以上现有技术的不足，本发明提供一种近距离主动式毫米波圆柱扫描成像系统的降噪方法，以使能有效抑制成像系统中的噪声信号，提高成像系统的成像质量。
[0005]本发明的目的通过以下技术方案来实现:
[0006]一种近距离主动式毫米波圆柱扫描成像系统的降噪方法，该降噪方法包括如下步骤:
[0007]S1.在成像系统的成像区域没有目标条件下，对成像系统进行采样，得到采样数据
Xnoise=S ( ω，θ , ζ);
[0008]S2.在成像系统的成像区域有目标条件下，对成像系统进行采样，得到采样数据S' (ω，θ，ζ)，并将所述S' (ω，θ，ζ)和Xmise合并在一起构建观测矩阵χ，并对该矩阵进行白化处理；
[0009]S3.对所述白化后的观测矩阵构建四阶累积矩阵Qz(M)；
[0010]S4.对Qz (M)进行特征分解，得到酉矩阵U ；
[0011]S5.根据酉矩阵U确定估计矩阵3得到信源s的估计。
[0012]所述观测矩阵进行白化处理结果为:
【权利要求】
1.一种近距离主动式毫米波圆柱扫描成像系统的降噪方法，其特征在于，该降噪方法包括如下步骤: S1.在成像系统的成像区域没有目标条件下，对成像系统进行采样，得到采样数据
2.根据权利要求1所述的一种近距离主动式毫米波圆柱扫描成像系统的降噪方法，其特征在于，所述观测矩阵进行白化处理结果为
3.根据权利要求1所述的一种近距离主动式毫米波圆柱扫描成像系统的降噪方法，其特征在于，所述四阶累积矩阵Qz(M)为: Q-XM)，其中，是矢量 ζ 中第 i，j, k, I 四个分量的四维累积，i≥ 1，j≤η，η为白化观测矩阵ζ⑴中包含的分量个数，mlk是矩阵M的第k, I元素。
【文档编号】G01S7/36GK103630883SQ201310716754
【公开日】2014年3月12日 申请日期:2013年12月23日 优先权日:2013年12月23日
【发明者】温鑫, 方维海, 费鹏, 年丰 申请人:北京无线电计量测试研究所