CN102621534A

CN102621534A - 基于噪声失效奇异值分解的地基雷达杂波抑制方法

Info

Publication number: CN102621534A
Application number: CN2011100281514A
Authority: CN
Inventors: 许鑫; 林志伟; 张晓娟
Original assignee: Institute of Electronics of CAS
Current assignee: Institute of Electronics of CAS
Priority date: 2011-01-26
Filing date: 2011-01-26
Publication date: 2012-08-01

Abstract

本发明公开了一种基于噪声失效奇异值分解的地基雷达杂波抑制方法，涉及雷达成像技术，包括步骤：1)将地基雷达二维回波图像做奇异值分解；2)用噪声失效法确定去噪阈值；3)对奇异值按照上一步确定的阈值做软阈值去噪，并将最大奇异值置零；4)将得到的新的奇异值矩阵与左右奇异向量矩阵相乘得到抑制杂波之后的图像。本发明方法，克服了现有技术中的不足，滤除了地基图像中的杂波成分，使地基图像的后分析简便、快捷、准确。

Description

基于噪声失效奇异值分解的地基雷达杂波抑制方法

技术领域

本发明涉及地基雷达成像技术领域，是一种基于噪声失效奇异值分解的地基雷达杂波抑制方法。

背景技术

地基雷达作为机载和星载雷达的地面试验验证系统，现已广泛应用于农业检测、地形测绘、环境学习以及地表变形监测等领域。

地基雷达利用一个天线发射低频宽带电磁波，并通过另一个天线接收回波信号。由于目标不同的距离向位置和电磁散射特性，回波中包含了这样一类的信息，因而可以在回波图像中确定目标的位置和电磁特性。另外地基雷达可以在水平方向上运动，利用合成孔径的技术可以得到二维的扫描图像。

地基雷达成像结果一方面环境噪声的影响，另一方面由于地基雷达系统本身和天线之间的互耦，使得回波图像存在很多的杂波成分，对地基雷达图像做杂波抑制具有重要的意义，它是地基图像后分析得以成功的重要保证。

发明内容

本发明的目的是提供一种基于噪声失效奇异值分解的地基雷达杂波抑制方法，以克服现有技术中的不足，滤除地基图像中的杂波成分，使地基图像的后分析简便、快捷、准确。

为实现上述目的，本发明的技术解决方案是：

一种基于噪声失效奇异值分解的地基雷达杂波抑制方法，其包括步骤：

1)将二维时域图像做奇异值分解；

2)用噪声失效法确定去噪阈值；

3)对奇异值施加软阈值去噪，并将最大奇异值置零；

4)将得到的新的奇异值矩阵与左右奇异向量矩阵相乘得到抑制杂波之后的图像。

所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其所述步骤1)的二维时域图像奇异值分解，其奇异值按从大到小排列。

所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其所述步骤2)的噪声失效法，用于确定噪声系数的门限值，选择所有门限值中使得噪声向量最接近高斯向量的那个值。

所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其所述确定噪声系数的门限值方法，其中，噪声的均值和方差用随机产生得到的高斯随机变量来近似，随机变量的长度为低于噪声系数门限值的系数的个数。

所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其所述步骤3)中，对奇异值施加软阈值去噪，是指对于小于阈值的奇异值将其置零，对于大于阈值的奇异值，将其减去阈值。

本发明基于噪声失效奇异值分解的地基雷达杂波抑制方法，克服了现有技术中的不足，滤除了地基图像中的杂波成分，使地基图像的后分析简便、快捷、准确。

附图说明

图1为地基雷达原始二维回波图像；

图2为本发明基于噪声失效奇异值分解的地基雷达杂波抑制方法的奇异值分解后的奇异值(按从大到小排列)示意图；

图3为本发明方法中用噪声失效法确定的阈值示意图；

图4为本发明方法用软阈值去噪并置最大奇异值为0后的奇异值示意图；

图5为本发明方法用新奇异值矩阵与左右奇异向量矩阵相乘的图像；

图6为本发明基于噪声失效奇异值分解的地基雷达杂波抑制方法流程图。

具体实施方式

本发明基于噪声失效奇异值分解的地基雷达杂波抑制方法，利用目标、杂波和噪声不同的统计特性，其中不同道的回波中，杂波信号是相关的，因而其能量聚集在最大奇异值；而噪声信号是互相独立的，其能量分布在各个奇异值中；目标信号之间存在一定的相关性，其能量集中在较大的一些奇异值中。通过选择去噪的阈值，可以用软阈值法去除噪声，同时通过将最大奇异值置0，可以去除耦合杂波。

参照图6，本发明的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其主要步骤为：

1)将地基雷达二维扫描图像做奇异值分解；

2)用噪声失效法确定去噪阈值；

3)对奇异值施加软阈值去噪，并将最大奇异值置零；

其中，步骤1中的二维图像奇异值分解，其奇异值按从小到大排列。

其中，步骤2中的噪声失效法确定阈值方法，对于不同的m值，假定奇异值分解的前m个值为噪声，用随机产生的高斯分布的长度为m向量来近似其均值和方差。

其中，对于不同的m值，计算噪声向量与概率分布之间的误差，误差最小的m值就是最优的m值，该m值对应的奇异值就是所求的阈值。

其中，步骤3中杂波抑制的理论依据是，地基雷达自身的耦合波是线性相关的，其奇异值只有最后一个分量不为零；噪声是线性相关的，其奇异值的所有分量都不为零；信号既不是线性相关，也不是线性无关，其奇异值分布在后半部分。通过选择阈值，使用软阈值的方法，并将最大的奇异值置零，可以同时抑制耦合波和噪声。

本发明的基于噪声失效奇异值分解的地基雷达杂波抑制方法可以分为以下几步：

(1)将二维回波数据做奇异值分解，其中奇异值按从大到小排列。由于奇异值分解可以看做是一个正交变换过程，因而奇异值可以看做回波信号的稀疏表示。同时，由于耦合波是相关的，故其秩为1，由于正交变换不改变矩阵的秩，因而耦合波的奇异值分解只有最大值不为0；噪声矩阵是满秩的，经过正交变换得到的奇异值矩阵也是满秩的，故所有的奇异值均不为0，且同样满足高斯分布。

(2)利用噪声失效法来确定去噪的阈值。由于低于噪声门限的奇异值的贡献全部来自噪声，因此理论上这些奇异值同样服从高斯分布。不同的噪声门限下，实际的噪声奇异值分量偏离高斯分布的程度也不同，选择使得误差函数最小的那个奇异值作为去噪阈值。

(3)将低于阈值的奇异值置零，高于阈值的奇异值减去阈值，这就是所谓的软阈值去噪法。另外将最大奇异值置零，可以去掉耦合波。

(4)最后将得到的新的奇异值矩阵分别乘上左右奇异值向量矩阵从而得到去噪后的图像。

下面结合附图对本发明基于噪声失效奇异值分解的地基雷达杂波抑制方法加以详细说明，应指出的是，所描述的实施例仅旨在便于对本发明方法的理解，而对其不起任何限定作用。

如图1所示，原始的地基雷达扫描图像包含很多噪声，且目标被杂波所淹没。

如图2所示，对二维图像矩阵做奇异值分解，所得到的奇异值。

如图3所示，用噪声失效法所确定的噪声阈值。对于所得到的噪声阈值，低于阈值的奇异值仅仅来自于噪声的贡献，因此这些奇异值同样服从高斯分布。计算不同阈值下，噪声向量与高斯分布的偏差，使得偏差最小的那个阈值就是我们要求的。

如图4所示，用软阈值法得到的新的奇异值矩阵，其中为了抑制耦合波，已将最大奇异值置零。

如图5所示，将新的奇异值矩阵和左右奇异向量矩阵相乘得到杂波抑制之后的图像，可见目标位于水平方向的中间，相对原始图像清晰了很多。

Claims

1.一种基于噪声失效奇异值分解的地基雷达杂波抑制方法，其特征在于，包括步骤：

1)将二维时域图像做奇异值分解；

2)用噪声失效法确定去噪阈值；

3)对奇异值施加软阈值去噪，并将最大奇异值置零；

2.如权利要求1所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其特征在于，所述步骤1)的二维时域图像奇异值分解，其奇异值按从小到大排列。

3.如权利要求1所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其特征在于，所述步骤2)的噪声失效法，用于确定噪声系数的门限值，选择所有门限值中使得噪声向量最接近高斯向量的那个值。

4.如权利要求3所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其特征在于，所述确定噪声系数的门限值方法，其中，噪声的均值和方差用随机产生得到的高斯随机变量来近似，随机变量的长度为低于噪声系数门限值的系数的个数。

5.如权利要求1所述的基于噪声失效奇异值分解的地基雷达杂波抑制方法，其特征在于，所述步骤3)中，对奇异值施加软阈值去噪，是指对于小于阈值的奇异值将其置零，对于大于阈值的奇异值，将其减去阈值。