一种用于估计散射中心的类型参数的方法
【专利摘要】公开了一种用于估计散射中心的类型参数的方法，包括：将带宽为Bz的散射回波数据划分成M个频域区间，并对频域区间的数据成像，以获取M个子图像；对每个子图像进行局部峰值点搜索，以获取该子图像的局部峰值点的信息；对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值点作为散射中心；对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。本方法综合多幅子图像进行散射中心类型参数估计，有效消除了SPLIT方法对类型参数估计的任意性，提高了散射中心类型参数的估计精度。
【专利说明】
一种用于估计散射中心的类型参数的方法
技术领域
[0001] 本发明涉及ISAR(逆合成孔径雷达）图像的目标识别领域，尤其涉及一种用于估计 散射中心的类型参数的方法。
【背景技术】
[0002] 散射中心的类型参数a是区别不同散射结构的重要依据。在现有技术中，通常采用 SPLIT(子带拼接)算法估计散射中心的类型参数。SPLIT算法认为，散射中心的幅度系数模 值IA |与中心频率f c的a次幂成正比关系，即M /f。也就是说，SPLIT算法认为，ln ( | A | ) 与ln(|fc|)呈准确的线性关系。因此，根据SPLIT算法，只需在宽带二维回波数据中任意截 取足够带宽的两段频域数据，并根据两段频域数据对应的单个散射中心的幅度系数模值 &|、|A 2|，以及两段频域数据对应的中心频率fcl、fc2,即可通过公式1对散射中心类型参数 进行估计。
[0004] 但是，在实际情况下，由于相邻的其他散射中心可能会对待测散射中心类型参数 的估计造成影响，使得ln( |A| )与ln( |fc|)之间不再呈现准确的线性关系。因此，采用SPLIT 算法估计散射中心的类型参数存在一定的偏差。
[0005] 针对SPLIT算法的缺陷，现有技术中需要一种能够提高散射中心类型参数估计的 精度的方法。
【发明内容】
[0006] 本发明的目的在于提出一种用于估计散射中心的类型参数的方法，以对SPLIT算 法进行改进，提高散射中心类型参数的估计精度。
[0007] 本发明提供了一种用于估计散射中心的类型参数的方法，包括：
[0008] S1、将带宽为Bz的散射回波数据划分成M个频域区间，并对所述频域区间的数据成 像，以获取M个子图像;其中，第i个频域区间的中心频率为f i，i = 1，2，3，M为大于1的整 数；
[0009] S2、对每个子图像进行局部峰值点搜索，以获取该子图像上的局部峰值点的位置、 幅度系数模值信息；
[0010] S3、对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值 点作为目标的散射中心；
[0011] S4、对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数 为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜 率作为该散射中心的类型参数的估计值。
[0012] 优选的，所述局部峰值点搜索具体为:将子图像上任一像素点的像素值与其邻域 内的8个相邻像素点的像素值进行比较，若所述像素点的像素值大于其邻域像素点的像素 值，则所述像素点为局部峰值点。
[0013]优选的，第i个频域区间的中心频率f i满足：
[0014] fi = fi+(i-l)* A f ；
[0015] 式中，h为第一频域区间的中心频率为第i个频域区间的中心频率，A f为相邻 频域区间的中心频率步进值。
[0016] 优选的，所述M个频域区间的子带宽均为B，且B<BZ。
[0017] 优选的，M满足：
[0023] 优选的，对所述频域区间的数据成像具体为:通过滤波-逆投影算法对所述频域区 间的数据进行成像，以获取M个子图像。
[0024] 在本发明的技术方案中，通过将散射回波数据划分成M个频域区间，并对所述频域 区间的数据成像，获取了 M个子图像;通过对M个子图像进行局部峰值点搜索、并对M个子图 像上的局部峰值点进行对比，确定了目标的散射中心;然后，对于每个散射中心，通过以该 散射中心在M个子图像上的幅值的自然对数为因变量、以M个子图像的中心频率的自然对 数为自变量，进行线性拟合，并将拟合曲线的斜率作为该散射中心的类型参数的估计值。本 方法综合多幅子图像、并通过线性拟合对散射中心类型参数进行估计，有效提高了散射中 心类型参数的估计精度。
【附图说明】
[0025] 通过以下参照附图而提供的【具体实施方式】部分，本发明的特征和优点将变得更加 容易理解，在附图中：
[0026] 图1 (a)是在A r = Sr处存在散射中心干扰时，a = -〇. 5的散射中心对应的In( | A | ) 与ln(lfcl)之间的关系曲线；
[0027]图1 (b)是在A r = 2Sr处存在散射中心干扰时，a = -〇. 5的散射中心对应的In( | A | ) 与ln(lfcl)之间的关系曲线；
[0028]图1(c)是在A r = 5Sr处存在散射中心干扰时，a = -〇. 5的散射中心对应的ln( | A | ) 与ln(lfcl)之间的关系曲线；
[0029] 图2是根据本发明实施例的用于估计散射中心的类型参数的方法流程图。
【具体实施方式】
[0030] 下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描 述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。
[0031]由于SPLIT方法认为ln( |A| )与ln( |fc| )之间的依赖关系是完全的线性关系，因此 该方法在选取子频带时具有任意性，即可任意选取两个中心频率不相等的子频带。然而，在 实际情况下，由于相邻的其他散射中心可能会对待测散射中心的类型参数估计造成干扰， 使得ln( |A|)与ln( |乜|)不再呈现完全的线性关系。
[0032]图1示出了在不同距离Ar处存在其他散射中心干扰时，类型参数为-0.5的散射中 心对应的ln( |A| )与ln( |fc| )之间的关系。其中，Ar为相邻的干扰散射中心相对待估计散 射中心的距离，Sr为一个距离分辨单元。图1中的实线为ln( |A| )与ln( |fc| )之间的关系曲 线，图1中的虚线为过实线两端点的直线。从图1(a)、图1(b)、图1(c)可看出，ln(|A|)与ln( fc|)之间不再为完全的线性关系，而是呈现波动的正比关系。而且，该波动随着相邻散射中 心距离的减小而增大。此时，如果采用SPLIT方法，即任意选取两个子频带的数据进行散射 中心类型参数估计，则会导致对类型参数a的估计也具有任意性。比如，在图1(a)上，过实线 两端点的直线斜率为-0.66;在图1(b)上，过实线两端点的直线斜率为-0.69;在图1(c)上， 过实线两端点的直线斜率为-0.67。如果我们在图1(a)、图1(b)、图1(c)上选取实线上的另 外两点，则由此确定的直线斜率又会发生变化。也就是说，采用SPLIT方法对类型参数a的估 计结果具有任意性。此外，SPLIT方法仅选取两个子频带的数据进行参数估计，如果其中一 个子频带对应的散射中心的幅值误差较大，也会给散射中心类型参数的估计带来不利影 响。
[0033]针对SPLIT方法存在的缺陷，本申请的发明人想到，可以将宽带回波数据划分为多 个频域区间，然后综合该多段频域区间的数据进行散射中心的类型参数估计，以消除SPLIT 方法中对类型参数估计的任意性。进一步的，本申请的发明人发现，虽然相邻散射中心的干 扰会使ln( |A| )与ln( |匕| )之间的依赖关系呈现非线性变化，但是其变化的总趋势仍然大 致符合的变化规律。因此，本申请的发明人想到，可以根据多频域区间的数据，对In (|A| )与ln( |f。！）之间的关系进行线性拟合，并以拟合曲线的斜率作为散射中心类型参数 的估计值，以进一步提高类型参数估计的精度。
[0034]下面结合附图2对本发明实施例中的技术方案进行详细说明。图2为本发明实施例 中的用于估计散射中心的类型参数的方法流程图。从图2可见，所述方法始于步骤S1。
[0035]步骤S1、将带宽为Bz的散射回波数据划分成M个频域区间，并对所述频域区间的数 据成像，以获取M个子图像;其中，第i个频域区间的中心频率为fi，i = 1，2，3?，，M为大于1 的整数。
[0036]具体的，在步骤S1中，我们可以将获取的散射回波数据划分为M个相同子带宽的频 域区间。其中，每个频域区间的子带宽均为B。并且，所述M个频域区间的中心频率满足：
[0037] fi = fi+(i_l)*Af公式 2
[0038] 在公式2中，心为第一频域区间的中心频率，fi为第i个频域区间的中心频率，A f为 相邻频域区间的中心频率步进值。
[0039]并且，频域区间的个数M满足：
[0041] 在具体实施时，Af、B的取值可根据实际需要进行确定。比如，Af可以取0.1B，B可 以取0.1BZ。通过采取上述划分方式，能够将散射回波数据划分成相同子带宽的多个频域区 间，并且使得频域区间对应的中心频率的取值均匀。这样一来，不仅能够充分利用有限的 散射回波数据，提高子图像的样本量，而且通过数据的均匀划分，间接提高了散射中心类型 参数的估计精度。
[0042]在通过以上划分方式获得M个频域区间后，我们可根据一定的成像算法对M个频域 区间的数据分别进行成像，以获取M个子图像。比如，我们可以通过滤波-逆投影算法进行成 像。
[0043]需要指出的是，以上散射回波数据的划分方式只是一种优选的实施方式，而并不 是本发明唯一的实施方式。在具体实施时，我们可以采取多种方式对散射回波数据进行划 分。比如，我们可以将散射回波数据划分为相同子带宽的M个频域区间，也可以将散射回波 数据划分为不同子带宽的M个频域区间。又比如，在将散射回波数据划分成M个频域区间时， 可以使相邻两个或多个频域区间存在相互重叠的部分，也可以使任意两个频域区间均不存 在重叠的部分。只要不影响本发明的实施，无论采取何种方式进行频域区间的划分，都在本 发明的保护范围内。
[0044] 步骤S2、对每个子图像进行局部峰值点搜索，以获取该子图像上的局部峰值点的 位置、幅度系数模值信息。
[0045] 其中，在步骤S2中，所述局部峰值点搜索具体为:将子图像上任一像素点的像素值 与其邻域内的8个相邻像素点的像素值进行比较。其中，所述像素点与其8个相邻像素点构 成九宫格结构。若所述像素点的像素值大于其邻域像素点的像素值，则所述像素点为局部 峰值点。否则，所述像素点不为局部峰值点。在对每个子图像进行局部峰值点搜索后，获取 该子图像上的局部峰值点信息。比如，中心频率为fi的第一个子图像上存在1^个局部峰值 点，并且，每个峰值点的位置记为rlj，每个峰值点的幅度系数模值为|A^|，其中，j = l，2， 3 - U。中心频率为f2的第二个子图像上存在1^2个局部峰值点，并且，每个峰值点的位置记为 r2k，每个峰值点的幅度系数模值为,其中，k = 1，2，3…L2。中心频率为fM的第M个子图 像上存在Lm个局部峰值点，并且，每个峰值点的位置记为rMq，每个峰值点的幅度系数模值 为|AMq|，其中，q=l，2,3…Lm。需要指出的是，每个子图像上的局部峰值点的个数根据实际 局部峰值点搜索结果进行确定，不同子图像上的局部峰值点的个数可以相等，也可以不 等。
[0046] 步骤S3、对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部 峰值点作为目标的散射中心。
[0047] 具体的，在步骤S3中，将获取的M个子图像上的局部峰值点的位置进行对比，将在M 个子图像上占据相同位置的局部峰值点作为目标的散射中心。其中，目标的散射中心的个 数为L个，每个散射中心的位置记为RP，并且，位置为心处的散射中心在第i个子图像上的幅 度系数模值记为|A' pi|。其中，口=1，2,3 - 1，1 = 1，2,3^1通过将多个子图像上的局部峰值 点的位置进行对比、以目标的确定散射中心，有效避免了将背景干扰误认为散射中心的情 况，间接提高了散射中心类型参数的估计精度。
[0048]步骤S4、对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然 对数为因变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线 的斜率作为该散射中心的类型参数的估计值。
[0049] 具体的，在步骤S4中，对于L个散射中心，分别进行线性拟合，以确定每个散射中心 的类型参数的估计值。比如，对于位置为Rl处的第一个散射中心，我们对该散射中心在 M个 子图像上的幅度系数模值I A'n |、| A'121、| A'131、…| A'1M |分别取自然对数，以得到ln( | A'n | )、ln( | A' 121 )、ln( | A' 131 )、…、ln( | A' im | )。接下来，我们以ln( | A' ii | )、ln( | A' 121 )、ln( | AS3| )、…、ln( IA^mI )为因变量，以M个子图像的中心频率的自然对数lnmhlnadUn (f3)、…、ln(fM)为自变量，进行线性拟合，以得到第一条拟合曲线。最后，将该拟合曲线的斜 率匕作为第一个散射中心的类型参数的估计值。类似的，对于位置为办处的第二 个散射中心，我们可拟合得到第二条拟合曲线的斜率k 2,并将该拟合曲线的斜率1?作为第二 个散射中心的类型参数的估计值a2,即a2 = k2。。对于位置为Rl处的第L个散射中心，我们可 拟合得到第L条拟合曲线的斜率k，并将该拟合曲线的斜率k作为第L个散射中心的类型参 数的估计值aL，即a L = k。。
[0050] 在本发明的实施例中，通过在整个散射回波数据中选取多段频域数据联合进行散 射中心类型参数估计，有效消除了SPLIT算法中对类型参数估计的任意性。进一步的，基于 每个散射中心在多个子图像上的幅度系数模值、以及多个子图像对应的中心频率，进行线 性拟合，并将拟合曲线的斜率作为该散射中心的类型参数估计值，有效提高了散射中心类 型参数的估计精度。
[0051] 虽然参照示例性实施方式对本发明进行了描述，但是应当理解，本发明并不局限 于文中详细描述和示出的【具体实施方式】，在不偏离权利要求书所限定的范围的情况下，本 领域技术人员可对所述示例性实施方式做出各种改变。
【主权项】
1. 一种用于估计散射中心的类型参数的方法，其特征在于，所述方法包括： 51、 将带宽为Bz的散射回波数据划分成M个频域区间，并对所述频域区间的数据成像，以 获取M个子图像;其中，第i个频域区间的中心频率为fi，i = 1，2，3??，，M为大于1的整数； 52、 对每个子图像进行局部峰值点搜索，以获取该子图像上的局部峰值点的位置、幅度 系数模值信息； 53、 对比M个子图像上的局部峰值点，将在M个子图像上占据相同位置的局部峰值点作 为目标的散射中心； 54、 对于每个散射中心，以该散射中心在M个子图像上的幅度系数模值的自然对数为因 变量、以M个子图像的中心频率的自然对数为自变量进行线性拟合，并将拟合曲线的斜率作 为该散射中心的类型参数的估计值。2. 如权利要求1所述的方法，其中，所述局部峰值点搜索具体为： 将子图像上任一像素点的像素值与其邻域内的8个相邻像素点的像素值进行比较，若 所述像素点的像素值大于其邻域像素点的像素值，则所述像素点为局部峰值点。3. 如权利要求2所述的方法，其中，第i个频域区间的中心频率匕满足： fi = fi+( i-1 )* A f ； 式中，为第一频域区间的中心频率，fi为第i个频域区间的中心频率，A f为相邻频域 区间的中心频率步进值。4. 如权利要求3所述的方法，其中，所述M个频域区间的子带宽均为BiB<Bz。5. 如权利要求4所述的方法，其中，M满足：6. 如权利要求5所述的方法，其中，B满足：7. 如权利要求6所述的方法，其中，A f满足：8. 如权利要求1-7任一所述的方法，其中，对所述频域区间的数据成像具体为： 通过滤波-逆投影算法对所述频域区间的数据进行成像，以获取M个子图像。
【文档编号】G01S13/90GK106054186SQ201610344286
【公开日】2016年10月26日
【申请日】2016年5月23日
【发明人】邢笑宇, 霍超颖, 袁莉, 任红梅
【申请人】北京环境特性研究所