本发明涉及一种利用极化干涉信息探测林下隐藏目标的方法，属于微波测量领域。
背景技术：
：文献“基于压缩多信号分类算法的森林区域极化SAR层析成像，电子信息学报，2015，37(3)：625-630”提出了一种基于压缩多信号分类算法的森林区域极化SAR层析成像方法，该方法通过全极化SAR接收成像区域的反射回波，利用各极化通道的信号建立多观测向量模型，应用小波基对高程向结构进行稀疏表示，采用压缩多信号分类算法对观测区域的高程后向散射系数进行重建，实现对森林区域层析成像。相对常见的SAR层析方法，可以准确估计地表和树冠散射中心位置，同时降低虚假目标出现概率。但对于林下隐藏目标的探测未作出分析，文献只是可以降低虚假目标的出现概率，实际可以利用L波段极化干涉信息来探测目标，利用极化图像将目标识别出来，通过干涉方式获得目标的位置信息，从而实现对林下隐目标的探测。技术实现要素：要解决的技术问题为了解决CS-MUSIC算法仅仅可以适用于森林区域极化SAR层析成像，单单地将地面和冠层区区分开，而不能对林下隐藏目标进行探测。本发明提出一种利用极化干涉信息探测林下隐目标的方法。技术方案本发明提出一种利用极化干涉信息探测林下隐目标的方法，利用极化干涉合成孔径雷达模式下林下目标探测的实验数据，完成目标探测，然后对建模和参数反演算法进行验证。利用L波段对森林植被具有较强的穿透性，及L波段的分辨率较低，通过图像的对比，可以清晰的将目标从极化图像中识别出来，再通过干涉的方式反演目标的高度信息，确定目标位置。一种利用极化干涉信息探测林下隐目标的方法，其特征在于步骤如下：步骤1：搭建测试环境：将多通道矢量网络分析仪放置于取样架上，多通道矢量网络分析仪具有A和B两个端口，A端的发射端和接收端分别连接2个H极化天线，B端的发射端和接收端分别连接2个V极化天线，在取样架对面设有低散射泡沫支架，在低散射泡沫支架上放置模拟树林的场景，在低散射泡沫支架和取样架之间设有吸波材料，所述的取样架下设有导轨；所述的极化天线向下20度；所述的场景包括三棵南洋杉以及隐藏在三棵树之间的目标；步骤2：将多通道矢量网络分析仪分别在开路、短路、匹配及通路四种模式下进行双通道校准；步骤3：设置测量参数3a)取样架扫描面尺寸设置为3m×3m3b)取样架采样间隔设置为1.5cm3c)矢量网络分析仪测量频率设置为1GHz-6GHz3d)采样频率间隔为12.5MHz步骤4：进行测量开启扫描架，同时触发矢量网络分析仪进行数据采集步骤5：数据分析5a)干涉信息处理：利用矢量网络分析仪获得的干涉高度图，从而得到目标的位置信息；5b)全极化信息处理：利用矢量网络分析仪获得的全极化图像，获得目标的识别信息。有益效果本发明提出一种利用极化干涉信息探测林下隐目标的方法，采用步进式频率，一次性采集目标极化散射数据，利用相位差异与目标体各散射单元物理高度相关的干涉测高原理，从目标二维散射强度分布获得目标高程坐标。本发明可以利用L波段1GHz信号带宽多极化成像，利用L波段对森林的强穿透性，及土壤的漫反射性，将目标(坦克)从极化图像分离出来，从而完成目标识别。本发明将极化和干涉方式相结合，实现对目标识别和高程数据获取，进而实现对林下隐目标的探测。附图说明图1为系统组成图图2为多极化测量示意图图3为三维成像几何模型图4为L波段植被的极化图像图5为高度干涉图具体实施方式现结合实施例、附图对本发明作进一步描述：1)搭建测量系统：图1为系统组成图，系统由取样架、矢量网络分析仪、宽带天线及场景四部分组成。取样架可沿导轨进行横向移动，模拟合成孔径雷达的飞行轨迹，利用取样探头的纵向移动进行干涉测量，在取样架内设计了一个用来放置矢量网络分析仪的托板。2)系统参数设置：天线向下倾斜，保持20度的入射角，距离场景中心的距离为6m。场景由三棵1.5m的南洋杉“品”字形摆放，它们分别种在花盆内，土壤层的厚度为0.2m，从土壤表面到植被顶端的距离为1.3m。南洋杉树干直径约为2cm，树干上每隔一定的距离有5-6个长约0.5m的树枝构成，每个树枝的直径大约为1cm。缩比坦克模型的尺寸分别为：长0.36m、宽0.12m、高0.1m，将其隐藏在三棵树之间。3)多极化测量：图2为多极化测量图，测量时，A端的源端口做发射使用，连接到一个H极化的天线上，A端的接收端口连接到另一个H极化的天线上，B端的接收端口连接到一个V极化的天线上，测量目标的S11和S21参数，这样可同时获得HH、VH极化的散射数据；同样，通过B端源端口馈到另一个V极化的天线上，测量目标的S22和S12参数，这样可获得VV、HV极化的散射数据。4)成像算法：测量得到的场与像的关系如式(1)所示：g^(x,y)=∫θminθmax∫kminkmaxkG(k,θ)exp[j2πk(ycosθ-xsinθ)]dkdθ---(1)]]>式中x-y坐标系是固定于目标上的一组坐标，坐标原点在o点，它随目标变化而变化。即所要恢复目标的像，k＝2f/c，G(k,θ)＝E(f,θ)为目标数据与标准球的数据之后的目标净响应，θ为目标方位角。由于式(1)中积分式的积分限不满足IFFT条件，故在实际的算法实现中需要对k做频移kmin，相当于解调过程，令B′＝kmax-kmin，B′是空间频率k的带宽，因此有：Pθ(l)=∫0B(k+kmin)G(k+kmin,θ)exp(j2πkl)dkk=2f/cG(k,θ)=E(f,θ)---(2)]]>g^(x,y)=∫θminθmaxPθ(l)exp(j2πkminl)dθ---(3)]]>l＝ycosθ-xsinθ(4)系统采用的是步进频率信号，所以频率点是离散的，根据采样的频率点数N，可以对k进行离散化，令k＝n·B′/N,n＝0,1,2,…,N-1。于是式(2)改写成：Pθ(l)=Σk=0(N-1)B′/N(B′N·n+kmin)G(n,θ)ej2πB′N·n·l---(5)]]>投影线l按照距离分辨率进行等间距离散化lm＝m·c/2B＝m/B′,m＝0,1,…,N-1，令Gθ(θ)＝(B′·n/N+kmin)G(n,θ)，则式(5)可表示为：Pθ(lm)=Σn=0N-1Gθ(n)ej2πmNn=IFFT[Gθ(n)]---(6)]]>Pθ(lm)是在不同的lm点上所得的投影值，但是积分过程中的投影线l是随θ角变化，对于空间任一点的每个θ对应不同的l，因此Pθ(l)是在离散的l处得到的投影值，所以需要通过对Pθ(lm)进行插值来获得Pθ(l)。插值公式如下：Pθ(l)＝Pθ(lm-1)+(l-lm-1)tgα(7)tgα＝[Pθ(lm)-Pθ(lm-1)]/(lm-lm-1)(8)做完插值后，便可对角度进行积分，公式如下：g^(x,y)=∫θminθmaxPθ(l)exp(j2πkminl)dθ=ΣθPθ(l)ej2πkminl---(9)]]>其中为重建出的像，Pθ(l)为滤波后投影值，l＝ycosθ-xsinθ为参量，k为空间频率，θ为目标方位角。5)干涉高度反演：雷达双天线与目标之间的关系参照图3，以z轴为目标旋转轴，x轴正向为雷达入射方向，按右手螺旋法则建立坐标系。设任一散射中心A的静止直角坐标为(x0,y0,z0)，静止柱坐标为(r0cosβ,r0sinβ,z0)，两个接收天线的坐标分别为(-H,0,-d1)和(-H,0,-d2)，两天线的中心入射线都对准坐标原点，与x轴的夹角分别为α1和α2，则d1＝Htanα1，d2＝Htanα2，且α1∈[0°,90°)，α2∈(-90°,0°]。两天线的双程相位差为：φ=4πλ(r2-r1)=4πλ[(Hcosα2-Hcosα1)+x0(cosα2-cosα1)+z0(sinα2+sinα1)]---(10)]]>当α1＝α2时，φ＝8πz0sinα1/λ，即得到A点的高度：z0＝λφ/8πsinα1(11)6)极化信息处理：采用双脊喇叭宽带天线获取1GHz-6GHz的全极化散射矩阵数据，采样频率间隔为12.5MHz。取样架以场景为中心，横向走动3m，距离采样间隔为1.5cm。假设沿着信号投射的方向为距离向，与取样架平行的方向为方位向，选取带宽为1GHz的信号进行分析，则方位向及距离向的分辨率分别为0.17m、0.15m。分析L波段的数据，同样选取1GHz的信号带宽进行多极化成像，横向及纵向的距离分辨率分别为0.17m、0.15m，参考图4。从实验结果可以看出：1)图中没有出现树叶及树枝大面积的散射源，验证了L波段对森林植被具有较强的穿透性。2)图像中比较强的散射点来自于树木底部的土壤，由于土壤具有漫反射特性，因而它产生了较强的交叉极化能量，但对于金属目标而言，其主要的回波还是同极化分量。3)由于L波段的分辨率较低，因此图像的质量比较粗糙，通过与原始的森林植被比较，还是能很清晰地将坦克从HH极化图像中识别出来，在横向上占据两个分辨单元，纵向约为一个分辨单元，这与实际的大小和位置基本一致。对于其它极化图像而言，并不是很明显，因而体现出了多极化测量的优点，即通过增加极化信息，寻找最优的极化组合，能极大地提高目标识别的可信度。采用干涉的方式反演坦克目标的高度信息。从图5中两个高度具有一定差别的地方可以判别坦克的位置。在图5中(-0.5,0,1.8)和(0.5,0,2)两点上高度微小差异可以获得目标位置。当前第1页1 2 3