一种针对SAR系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法与流程

一种针对sar系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法
技术领域
1.本发明涉及sar数据处理的技术领域，特别是涉及一种针对sar系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法。


背景技术：

2.在极端天气条件下，普通的光学雷达无法提供清晰的成像，而合成孔径雷达(sar)是一种能够提供观测场景的高分辨率图像的微波传感器，由于现在的频谱越发拥堵，在成像过程中，sar系统可能会受到其他系统的干扰，例如通信系统和其他雷达系统，其中存在着大量的压制宽带干扰。因此针对如何去除或减轻在sar系统中的压制窄带干扰引起了学术界的极大关注。
3.目前，关于去除sar系统中的压制宽带干扰，传统方法存在着非参数法，参数法和半参数法。
4.对于非参数法来说，虽然传统的非参数法具有简单快捷的优点，且不依赖于干扰的波形特征，但在干扰较弱的情况反而会失效，因此，该类算法在时变复杂干扰环境下不够稳健；同时，雷达真正接收的信号是干扰、真实回波和噪声的组合，非参数化算法仅考虑了干扰的强度特征，缺乏对真实回波的约束，从而无法对其进行有效保护。
5.对于参数化方法来说，能够较为理想的去除相应干扰，但要求干扰为孤立单一类型的干扰，且计算复杂度高，同样没有考虑到真实回波信号的特征，缺乏对其的保护。
6.对于半参数化方法来说，它不仅利用优化模型来约束干扰，还考虑到了真实回波信号的特征，但同样只能同时针对一种类型的干扰，并且在大规模矩阵运算时，计算量庞大。


技术实现要素：

7.有鉴于此，本发明的目的在于提供一种针对sar系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法，用于解决当前sar系统中存在着大量弱压制宽带干扰，难以便捷去除弱压制宽带干扰的技术问题。
8.为了实现上述目的，本发明采用如下技术方案：
9.一种针对sar系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法，该方法包括：
10.步骤s1、获取被干扰的原始sar图像数据，其中，该原始sar图像数据上存在弱压制宽带干扰；
11.步骤s2、针对步骤s1中获取的原始sar图像数据，执行稀疏分解，获得总优化问题，其中，该总优化问题为：通过针对原始矩阵数据使用增广拉格朗日法求解低秩项的干扰和l2稀疏项的有用信号；
12.步骤s3、针对步骤s2中得到的总优化问题，将其分解为两个子优化问题，其中，第
一子优化问题为求解低秩项干扰的优化问题，第二子优化问题为求解稀疏项有用信号的优化问题；
13.步骤s4、针对步骤s3中得到的第一子优化问题和第二子优化问题，执行交替优化求解，得到稀疏项和低秩项。
14.进一步的，在所述步骤s1中，所述的原始sar图像数据，其为按距离时间域和方位时间域排列的矩阵数据。
15.进一步的，在所述步骤s2中，所述的总优化问题为：
[0016][0017]
在公式(1)中，r是sar图像的原始数据，a是低秩项的矩阵形式的干扰，s是稀疏项的矩阵形式的有用信号，λ是调节求解结果a和s之间关系的超参数，μ是惩罚参数，y1是拉格朗日乘子，rank(
·
)表示矩阵的秩，‖
·
‖2表示矩阵的l2范数，‖
·
‖f表示矩阵的f范数。
[0018]
进一步的，在所述步骤s3中，求解第一子优化问题的方法为：对低秩项a执行时频域陷波滤波法。
[0019]
进一步的，在所述步骤s3中，求解第二子优化问题的方法为求解公式(2)，具体为：
[0020][0021]
进一步的，所述步骤s4具体包括：
[0022]
步骤s401、执行算法参数初始化，其包括：设定p＝0，设定s
(p)
、y
1(p)
、μ
(p)
和a
(p)
的初始值，其中，p表示迭代次数；
[0023]
步骤s402、将s
(p)
、μ
(p)
和y
1(p)
代入第一子优化问题中，并且求解低秩项a；
[0024]
其中，通过采用时频域陷波滤波法对低秩项a进行求解，其包括：
[0025]
步骤s4021、针对公式(3)的每一个脉冲在距离维进行短时傅里叶变换(stft)，得到f
i(p)
，其中，i表示共有i个脉冲，短时傅里叶变换后有i个时频矩阵f
(p)
；
[0026][0027]
步骤s4022、设置阈值t
(p)
，将f
i(p)
中小于t
(p)
的数据置为0，得到f1
i(p)
；
[0028]
步骤s4023、对f1
i(p)
在距离维进行短时傅里叶逆变换(istft)，得到z1
(p)
；
[0029]
步骤s4024、令a
(p+1)
等于z1
(p)
；
[0030]
步骤s403、将y
1(p)
、μ
(p)
和a
(p+1)
代入到第二子优化问题中，也即是带入到公式(2)中，并且求解得到稀疏项s
(p+1)
；
[0031]
步骤s404、执行更新y
1(p+1)
、μ
(p+1)
，通过下面两个式子来执行更新：
[0032]y1(p+1)
＝y
1(p)
+μ
(p)
(r-a
(p+1)-s
(p+1)
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0033]
μ
(p+1)
＝min{ρμ
(p)
,μ
max
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0034]
在公式(5)中，μ
max
和ρ都是循环前设定好的固定值；
[0035]
步骤s405、执行p＝p+1；
[0036]
步骤s406、循环执行步骤s402至步骤s405，直到满足收敛或达到最大迭代次数为止，输出低秩项a和稀疏项s。
[0037]
进一步的，在所述步骤s403中，通过如下的方法求解得到稀疏项s
(p+1)
：
[0038]
首先，对下式执行压缩处理：
[0039][0040]
然后，再针对得到的k
(p)
乘以
[0041]
最后，得到s
(p+1)
。
[0042]
本发明的有益效果是：
[0043]
本发明可直接应用于sar系统原始数据中或sar图像中，能够实现在sar系统中抑制弱压制宽带干扰，保护真实回波的效果。
附图说明
[0044]
图1为实施例1中提供的一种针对sar系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法的流程示意图；
[0045]
图2为实施例1中采用的sentinel-1a原始图像；
[0046]
图3为对sentinel-1a原始图像执行本实施例方法之后得到的图像。
具体实施方式
[0047]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0048]
实施例1
[0049]
参见图1-图3，本实施例提供一种针对sar系统弱压制宽带干扰的半参数时频域陷波滤波抑制方法，该方法的具体流程如图1所述，具体包括如下的步骤：
[0050]
步骤s1、获取被干扰的原始sar图像数据，其中，该原始sar图像数据上存在弱压制宽带干扰；
[0051]
具体的说，使用matlab软件读取sentinel-1a的原始sar图像数据，其图像局部上存在压制宽带干扰，原始图像效果如图2所示。
[0052]
步骤s2、针对步骤s1中获取的原始sar图像数据，执行稀疏分解，获得总优化问题，其中，该总优化问题为：过针对原始矩阵数据使用增广拉格朗日法求解低秩项的干扰和l2稀疏项的有用信号；
[0053]
具体的说，在本实施例中，该步骤s2中的总优化问题具体表示为：
[0054][0055]
在公式(1)中，r是sar图像的原始数据，a是低秩项的矩阵形式的干扰，s是稀疏项的矩阵形式的有用信号，λ是调节求解结果a和s之间关系的超参数，μ是惩罚参数，y1是拉格朗日乘子，rank(
·
)表示矩阵的秩，‖
·
‖2表示矩阵的l2范数，‖
·
‖f表示矩阵的f范数；
[0056]
步骤s3、针对步骤s2中得到的总优化问题，将其分解为两个子优化问题，其中，第
一子优化问题为求解低秩项干扰的优化问题，第二子优化问题为求解稀疏项有用信号的优化问题；
[0057]
具体的说，在本实施例中，该步骤s3包括：
[0058]
求解第一子优化问题的方法为：
[0059]
对低秩项a执行时频域陷波滤波法。
[0060]
求解第二子优化问题的方法为：
[0061]
求解公式(2)，具体为：
[0062][0063]
步骤s4、针对步骤s3中得到的第一子优化问题和第二子优化问题，执行交替优化求解，得到稀疏项s和低秩项a；
[0064]
具体的说，在本实施例中，该步骤s4包括：
[0065]
步骤s401、执行算法参数初始化，其包括：设定p＝0，设定s
(p)
、y
1(p)
、μ
(p)
和a
(p)
的初始值，其中，p表示迭代次数；
[0066]
步骤s402、将s
(p)
、μ
(p)
和y
1(p)
代入第一子优化问题中，并且求解低秩项a；
[0067]
更具体的说，在本实施例中，通过采用时频域陷波滤波法对低秩项a进行求解，其包括：
[0068]
步骤s4021、针对公式(3)的每一个脉冲在距离维进行短时傅里叶变换(stft)，得到f
i(p)
，其中，i表示共有i个脉冲，短时傅里叶变换后有i个时频矩阵f
(p)
；
[0069][0070]
步骤s4022、设置阈值t
(p)
，将f
i(p)
中小于t
(p)
的数据置为0，得到f1
i(p)
，具体的说，阈值t
(p)
为每次迭代中手动输入的一个合适值；
[0071]
步骤s4023、对f1
i(p)
在距离维进行短时傅里叶逆变换(istft)，得到z1
(p)
；
[0072]
步骤s4024、令a
(p+1)
等于z1
(p)
；
[0073]
步骤s403、将y
1(p)
、μ
(p)
和a
(p+1)
代入到第二子优化问题中，也即是带入到公式(2)中，并且求解得到稀疏项s
(p+1)
；
[0074]
更具体的说，首先，对下式执行压缩处理：
[0075][0076]
然后，再针对得到的k
(p)
乘以
[0077]
最后，得到s
(p+1)
。
[0078]
步骤s404、执行更新y
1(p+1)
、μ
(p+1)
；
[0079]
具体的说，在本实施例中，通过下面两个式子来执行更新：
[0080]y1(p+1)
＝y
1(p)
+μ
(p)
(r-a
(p+1)-s
(p+1)
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0081]
μ
(p+1)
＝min{ρμ
(p)
,μ
max
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0082]
在公式(6)中，μ
max
和ρ都是循环前设定好的固定值。
[0083]
步骤s405、执行p＝p+1；
[0084]
步骤s406、循环执行步骤s402至步骤s405，直到满足收敛或达到最大迭代次数为止，输出低秩项a和稀疏项s，其成像效果如图3所示。
[0085]
综上所述，本发明提供了一种针对sar弱宽带干扰的时频域半参数化抑制方法，设计了一种能够抑制弱压制宽带干扰的算法，可直接应用于sar系统原始数据中或sar图像中，，能够实现在sar系统中抑制弱压制宽带干扰，保护真实回波的效果。
[0086]
本发明未详述之处，均为本领域技术人员的公知技术。
[0087]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。