CN103630883A - 一种近距离主动式毫米波圆柱扫描成像系统的降噪方法 - Google Patents

Abstract

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。

Description

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

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

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。

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

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。

本发明的目的通过以下技术方案来实现：

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：

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x_noise=S(ω,θ,z)；

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,z)，并将所述S′(ω,θ,z)和x_noise合并在一起构建观测矩阵x，并对该矩阵进行白化处理；

S3.对所述白化后的观测矩阵构建四阶累积矩阵Q_z(M)；

S4.对Q_z(M)进行特征分解，得到酉矩阵U；

S5.根据酉矩阵U确定估计矩阵

得到信源s的估计。

所述观测矩阵进行白化处理结果为：

其中，z是观测矩阵x白化后的结果，A是一个M×N的满秩线性混合矩阵。

所述四阶累积矩阵Q_z(M)为：

$Q_z\left(M\right)\stackrel{\mathrm{def}}{\⇔}{n}_{i,j}=\underset{k,l=1,n}{\mathrm{\Σ}}\mathrm{Cum}(z_i,z_j^{*},z_k,z_j^{*})m_{\mathrm{lk}},$ 其中， $\mathrm{Cum}(z_i,z_j^{*},z_k,z_j^{*})$ 是矢量z中第i,j,k,l四个分量的四维累积，i≥1,j≤n,n为白化观测矩阵z(t)中包含的分量个数，m_lk是矩阵M的第k,l元素。

本发明的优点在于：

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。

附图说明

图1是近距离主动式毫米波圆柱扫描成像系统示意图。

图2是毫米波圆柱扫描成像系统的降噪方法流程图。

具体实施方式

以下结合附图对本发明进行详细的说明，本发明是通过以下技术方案实现的：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。

如图2所示，一种近距离主动式毫米波圆柱扫描成像系统的降噪方法为：

第一步：建立近距离主动式毫米波圆柱扫描成像系统的噪声模型，该噪声模型由系统工作过程中系统内部噪声，外部固定目标干扰信号以及由于多径效应引入的干扰信号等组成。

在图1所示近距离主动式毫米波圆柱扫描成像系统中，噪声模型也即是成像系统的成像区域没有目标的条件下，成像系统完成空背景的采样，定义采样数据为S(ω,θ,z)，其中，ω表示成像系统发射信号的频率，θ表示天线阵列沿角度方向的采样位置，z表示每个收发通道的天线口面沿着Z轴方向的位置，为了简化表示定义x_noise=S(ω,θ,z)。

第二步：构建观测矩阵x，然后对该矩阵进行白化处理。

成像系统的成像区域有目标的条件下，成像系统完成目标的采样，定义采样数据为S′(ω,θ,z)，其中，ω表示成像系统发射信号的频率，θ表示天线阵列沿角度方向的采样位置，z表示每个收发通道的天线口面沿着Z轴方向的位置。将S′(ω,θ,z)和x_noise合并在一起构建观测矩阵x，观测矩阵x前半部分数据为S′(ω,θ,z)，后半部分数据为x_noise。于是，观测矩阵可以表示为x=As+n，其中，s为N维源向量，n为噪声分量。利用白化矩阵W，白化观测矩阵x。

$z\stackrel{\mathrm{def}}{=}\mathrm{Wx}=W(\mathrm{As}+n)=\mathrm{Us}+\mathrm{Wn}---\left(1\right)$

其中，z是观测矩阵x白化后的结果，A是一个M×N的满秩线性混合矩阵，此时，将矩阵A的确定问题转化为N×N阶酉矩阵U的确定问题。

第三步：对所述白化后的观测矩阵构建四阶累积矩阵Q_z(M)。

U的估计依赖于高阶累积量，通常定义为四阶，z为白化后的N阶观测矩阵，z=[z₁,z₂,...,z_N]^T，M为任意N×N阶矩阵，则z的四阶累积矩阵Q_z(M)定义为 $Q_z\left(M\right)\stackrel{\mathrm{def}}{\⇔}{n}_{i,j}=\underset{k,l=1,n}{\mathrm{\Σ}}\mathrm{Cum}(z_i,z_j^{*},z_k,z_j^{*})m_{\mathrm{lk}},$ 其中， $\mathrm{Cum}(z_i,z_j^{*},z_k,z_j^{*})$ 是矢量z中第i,j,k,l四个分量的四维累积，i≥1,j≤n,n为白化观测矩阵z(t)中包含的分量个数，m_lk是矩阵M的第k,l元素。

第四步：完成Q_z(M)的特征分解，从而得到酉矩阵U。

由于源s和白化数据z的方差为1，且s中各个元素相互独立，z中各个元素相互正交，因此，U必定正交归一，即UU^T=U^TU=I。于是，累积矩阵Q_z(M)=λM，对应其第ij元素可以表示为[Q_z(M)]=λm_ij，式中λ是源s_m的峰度，M是Q_z(M)的特征矩阵。

Q_z(M)=λM，其中，

是一个特征分解，则Q_z(M)必可以写成UΛ(M)U^T的形式，其中， $\mathrm{\Λ}\left(M\right)=U^{T}Q\left(M\right)U=\mathrm{Diag}({\mathrm{\λ}}_1{u}_1{\mathrm{Mu}}_1^T,...,{\mathrm{\λ}}_N{u}_N{\mathrm{Mu}}_N^T),$ 用U矩阵对Q_z(M)作二次型处理得到对角矩阵Λ(M)，就是通过U^TQ(M)U寻找能够将Q(M)对角化的U矩阵。

第五步：估计矩阵

利用公式计算

于是，根据公式（1）可以得到信源s的估计，完成系统噪声的抑制。

通过空背景采样数据得到三维噪声模型，利用此模型与目标的采样数据合并得到观测距离，利用ICA的降噪方法，得到目标信号的估计以及噪声信号的有效抑制。

应当理解，以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (3)

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x_noise=S(ω,θ,z)；

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,z)，并将所述S′(ω,θ,z)和x_noise合并在一起构建观测矩阵x，并对该矩阵进行白化处理；

S3.对所述白化后的观测矩阵构建四阶累积矩阵Q_z(M)；

S4.对Q_z(M)进行特征分解，得到酉矩阵U；

S5.根据酉矩阵U确定估计矩阵得到信源s的估计。

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：

其中，z是观测矩阵x白化后的结果，A是一个M×N的满秩线性混合矩阵。

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Q_z(M)为：

$Q_z\left(M\right)\stackrel{\mathrm{def}}{\⇔}{n}_{i,j}=\underset{k,l=1,n}{\mathrm{\Σ}}\mathrm{Cum}(z_i,z_j^{*},z_k,z_j^{*})m_{\mathrm{lk}},$ 其中， $\mathrm{Cum}(z_i,z_j^{*},z_k,z_j^{*})$ 是矢量z中第i,j,k,l四个分量的四维累积，i≥1,j≤n,n为白化观测矩阵z(t)中包含的分量个数，m_lk是矩阵M的第k,l元素。

Images