CN111239697B - 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 - Google Patents
低秩矩阵分解的多维域联合sar宽带干扰抑制方法 Download PDFInfo
- Publication number
- CN111239697B CN111239697B CN202010086528.0A CN202010086528A CN111239697B CN 111239697 B CN111239697 B CN 111239697B CN 202010086528 A CN202010086528 A CN 202010086528A CN 111239697 B CN111239697 B CN 111239697B
- Authority
- CN
- China
- Prior art keywords
- matrix
- stft
- short
- time fourier
- rank
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种低秩矩阵分解的多维域联合SAR宽带干扰抑制方法,当前回波数据多个脉冲内存在宽带干扰信号,分别将脉冲回波信号的短时傅里叶变换矩阵向量化,进行RPCA分解,得到低秩矩阵和稀疏矩阵两个矩阵,将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式,并对重排后的短时傅里叶矩阵进行短时傅里叶逆变换,将原始回波信号与重构出的干扰信号相减,即可实现宽带干扰抑制,利用现有的成像算法对干扰抑制后的数据进行成像,即可得到高分辨的图像。本发明避免了时频滤波引起的有用信号损失的问题,与传统的基于能量特性差异的方法相比,在抑制干扰的同时可有效地保留有用信号信息,能较大程度提升宽带干扰抑制后的图像质量。
Description
技术领域
本发明涉及信号领域,尤其是一种时-频-脉冲多维域联合的干扰抑制方法,适用于在时频平面内具有时频聚集特性的宽带干扰抑制。
背景技术
由于合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时、全天候工作和广域监视等特点,在战场侦察和资源勘探等方面的运用受到越来越广泛的重视。近几年,干扰技术的快速发展对SAR精确遥感技术造成巨大的威胁。根据干扰信号的带宽可以把干扰分为窄带干扰(Narrow-Band Interference,NBI)和宽带干扰(Wide-Band Interference,WBI)。
目前窄带干扰抑制方法较为成熟,例如频域限波法、子空间投影法、独立分量分析法、经验模态分解法等,都能够获得比较好的干扰抑制效果。窄带干扰由于其带宽小于有用信号带宽的1%,并且雷达回波建模相对简单,因此通过时域或频域的分析手段能够实现有效的干扰抑制。而对于宽带干扰,其干扰信号带宽一般大于有用信号带宽的10%,并且宽带干扰信号在时域和频域内均与有用信号高度重合,因此仅通过一维的时域或频域分析工具难以实现宽带干扰的有效抑制。现有的关于宽带干扰抑制方法基本是针对某种特定类型的干扰形式。现有的宽带干扰抑制方法大致可以分为两大类:参数化方法和非参数化方法。参数化方法是假设WBI为幅度恒定的二次调频信号、三次调频甚至高阶调频信号的叠加,通过Wigner分布、分数阶傅里叶变换、高阶模糊函数等时频分析工具估计干扰信号的频率、二次调频率、高阶调频率等参数,然后在时域重构并对消干扰信号。在实际的干扰信号模型与假设的模型匹配且模型参数精确估计条件下,理论上参数化干扰抑制方法是最优的。但是在实际情况中,干扰信号的数学建模比较复杂,而且模型参数估计误差会导致WBI重构不准确。另一种方法是非参数化方法,将原始回波的信号变换映射到时频二维域上,利用干扰和信号在时频域内的聚集特性差异,实现干扰与有用信号分离,最终实现干扰抑制的目的。非参数化方法不需要干扰模型的先验信息,也避免了高维的参数搜索过程,因此现有的大多数算法均采用非参数方法。短时傅里叶变换(Short Time Frequency Transform,STFT)是最常用的一种时频分析工具,由于该时频分布式一种线性时频分布,且具有逆变换形式,现有的大多数的宽带干扰抑制方法均是基于STFT工具设计的。但这类方法在区分干扰和有用信号是基于信号能量在时频域内的能量特性差异,将能量强的信号认为是干扰信号,并采用限波或提取的方式,实现干扰抑制。但这类方法在抑制干扰的同时,会损失与干扰重合的有用信号,造成图像质量的下降。
发明内容
为了克服现有技术的不足,本发明提供一种低秩矩阵分解的多维域联合SAR宽带干扰抑制方法。为了克服现有基于短时傅里叶变换导致的有用信号能量损失的问题,本发明将每个脉冲回波数据变换到短时傅里叶变换域,对于有用信号,在相邻的若干个脉冲回波内,其回波信号是不变的或是缓变的,因此可以认为有用信号的时频分布在多个脉冲内满足低秩特性;而对于宽带干扰信号,其干扰信号发射脉冲重复周期一般情况下不会与有用信号发射周期严格保持一致,表现为在有用信号的脉冲重复周期内,起始频率、调频率、调制指数、初始相位等参数会发生比较大的变化,因此在相邻的脉冲重复周期内,干扰信号不具备低秩特性,如图1所示。本发明主要利用干扰信号和有用信号的在多个脉冲间的低秩特性差异,结合鲁棒主分量分析方法(Robust Principal Component Analysis,RPCA),实现有用信号和宽带干扰信号的有效分离,在抑制干扰的同时尽可能地保留有用回波信号。
本发明解决其技术问题所采用的技术方案采用以下步骤:
步骤一:假设当前回波数据多个脉冲内存在宽带干扰信号,回波信号表示为X(n,q),其中n代表快时间采样点,q表示脉冲数;将Q个脉冲的回波信号分别进行短时傅里叶变换,表示为:
STFTX,q=STFTI,q+STFTS,q+STFTN,q,q=1,2,..,Q (1)
其中,STFTX,q、STFTI,q、STFTS,q、STFTN,q分别表示为第q个脉冲的回波信号、宽带干扰信号、有用信号、噪声信号的短时傅里叶变换矩阵,矩阵STFTX,q、STFTI,q、STFTS,q、STFTN,q的维度均为N×M;
步骤二:分别将Q个脉冲回波信号的短时傅里叶变换矩阵向量化,即将N×M维度的短时傅里叶变换矩阵拉成维度1×NM的短时傅里叶变换向量,如图2所示。然后,将Q个向量构成一个新的矩阵STFTX:
其中,STFTX(q)表示第q个脉冲拉成维度1×NM的短时傅里叶变换向量,则新矩阵STFTX由以低秩的有用信号矩阵STFTS、稀疏的宽带干扰信号矩阵STFTI以及噪声矩阵构成STFTN:
步骤三:对STFTX进行RPCA分解,由于信号满足低秩矩阵、稀疏矩阵和噪声矩阵之和的形式,因此经过RPCA分解之后,得到低秩矩阵和稀疏矩阵两个矩阵;
步骤四:将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式,即将1×NM维度的短时傅里叶向量重排成维度为N×M的短时傅里叶变换矩阵,如图2所示,并对重排后的短时傅里叶矩阵进行短时傅里叶逆变换,即可得到Q个脉冲内重构后的干扰信号
本发明步骤三中采用Go Decomposition(GoDec)算法进行低秩矩阵分解:
其中,||·||F表示Frobenius范数,rank(·)表示求秩操作,card(·)表示稀疏矩阵的基数,r表示秩,ε表示稀疏度。
本发明的有益效果在于所利用的是宽带干扰信号和有用回波信号在多个脉冲间的低秩特性差异,在多个脉冲内同时实现干扰信号与有用信号的分离。由于本发明避免了时频滤波引起的有用信号损失的问题,与传统的基于能量特性差异的方法相比,在抑制干扰的同时可有效地保留有用信号信息,能较大程度提升宽带干扰抑制后的图像质量。
附图说明
图1是本发明宽带干扰信号和有用信号的短时傅里叶变换示意图。
图2是本发明矩阵化与向量化相互转换关系示意图。
图3是本发明基于低秩矩阵分解的时-频-脉冲多维域联合SAR宽带干扰抑制方法的流程图。
图4是频率限波、时频限波以及时-频-脉冲多维域联合宽带干扰抑制结果。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
步骤一:假设当前回波数据多个脉冲内存在宽带干扰信号,回波信号表示为X(n,q),其中n代表快时间采样点,q表示脉冲数;将Q个脉冲的回波信号分别进行短时傅里叶变换,表示为:
STFTX,q=STFTI,q+STFTS,q+STFTN,q,q=1,2,..,Q (1)
其中,STFTX,q、STFTI,q、STFTS,q、STFTN,q分别表示为第q个脉冲的回波信号、宽带干扰信号、有用信号、噪声信号的短时傅里叶变换矩阵,矩阵STFTX,q、STFTI,q、STFTS,q、STFTN,q的维度均为N×M;
步骤二:分别将Q个脉冲回波信号的短时傅里叶变换矩阵向量化,即将N×M维度的短时傅里叶变换矩阵拉成维度1×NM的短时傅里叶变换向量,如图2所示。然后,将Q个向量构成一个新的矩阵STFTX:
其中,STFTX(q)表示第q个脉冲拉成维度1×NM的短时傅里叶变换向量,则新矩阵STFTX由以低秩的有用信号矩阵STFTS、稀疏的宽带干扰信号矩阵STFTI以及噪声矩阵构成STFTN:
步骤三:对STFTX进行RPCA分解,由于信号满足低秩矩阵、稀疏矩阵和噪声矩阵之和的形式,因此经过RPCA分解之后,得到低秩矩阵和稀疏矩阵两个矩阵;本发明采用GoDecomposition(GoDec)算法进行低秩矩阵分解:
其中,||·||F表示Frobenius范数,rank(·)表示求秩操作,card(·)表示稀疏矩阵的基数,r表示秩,ε表示稀疏度;
步骤四:将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式,即将1×NM维度的短时傅里叶向量重排成维度为N×M的短时傅里叶变换矩阵,如图2所示,并对重排后的短时傅里叶矩阵进行短时傅里叶逆变换,即可得到Q个脉冲内重构后的干扰信号
以下实施例参照图3。
本实施例中假设雷达每个回波信号长度为1024点,对于点目标,在相邻的5个脉冲内,信号回波信号是不变或者是缓变的;对于宽带干扰信号,在连续的5个脉冲内均存在,且信号的起始频率、调频率、调制指数、初始相位等参数存在差异。基于时-频-脉冲多维域联合宽带干扰算法具体步骤如下:
步骤一:分别对5个脉冲的回波信号进行短时傅里叶变换,其中每个脉冲的短时傅里叶变换矩阵STFTX,q维度为1024×1024;
步骤二:分别将5个脉冲回波信号的短时傅里叶变换矩阵向量化,即将维度为1024×1024短时傅里叶变换矩阵拉成维度1×(1024×1024)的短时傅里叶变换向量。然后,将5个向量构成一个新的矩阵STFTX:
步骤三:对STFTX进行RPCA分解,其中秩设置为1,稀疏度设置为15×104,则经过GoDec算法分解后,可以得到低秩矩阵和稀疏矩阵两个矩阵;
步骤四:将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式,并对其进行短时傅里叶逆变换,即可得到5个脉冲内重构后的干扰信号;
步骤五:将原始回波信号与重构出的干扰信号相减,即可实现宽带干扰抑制。
仿真结果如图4所示。图中给出了频域限波、时频域限波和时-频-脉冲多维联合的干扰抑制结果。从图4中可以看出,由于宽带干扰信号在频域内与有用信号重叠部分较多,因此在进行频率限波时,与干扰处于同一频段内的有用信号全部被抑制,在时频域内体现为在连续时间和频率段内,有用信号和干扰均被抑制;对于时频限波法,虽然大部分有用信号保留下来,但是与宽带干扰重叠的有用信号仍被滤除;而对于时-频-脉冲多维联合的干扰抑制方法,在有效抑制干扰的同时,尽可能不损失有用的回波信号。仿真结果表明,本发明所提的算法要优于频率限波和时频域限波法。
Claims (2)
1.一种低秩矩阵分解的多维域联合SAR宽带干扰抑制方法,其特征在于包括下述步骤:
步骤一:假设当前回波数据多个脉冲内存在宽带干扰信号,回波信号表示为X(n,q),其中n代表快时间采样点,q表示脉冲数;将Q个脉冲的回波信号分别进行短时傅里叶变换,表示为:
STFTX,q=STFTI,q+STFTS,q+STFTN,q,q=1,2,..,Q (1)
其中,STFTX,q、STFTI,q、STFTS,q、STFTN,q分别表示为第q个脉冲的回波信号、宽带干扰信号、有用信号、噪声信号的短时傅里叶变换矩阵,矩阵STFTX,q、STFTI,q、STFTS,q、STFTN,q的维度均为N×M;
步骤二:分别将Q个脉冲回波信号的短时傅里叶变换矩阵向量化,即将N×M维度的短时傅里叶变换矩阵拉成维度1×NM的短时傅里叶变换向量,然后,将Q个向量构成一个新的矩阵STFTX:
其中,STFTX(q)表示第q个脉冲拉成维度1×NM的短时傅里叶变换向量,则新矩阵STFTX由以低秩的有用信号矩阵STFTS、稀疏的宽带干扰信号矩阵STFTI以及噪声矩阵构成STFTN:
步骤三:对STFTX进行RPCA分解,由于信号满足低秩矩阵、稀疏矩阵和噪声矩阵之和的形式,因此经过RPCA分解之后,得到低秩矩阵和稀疏矩阵两个矩阵;
步骤四:将分解后的稀疏矩阵每一行重排成短时傅里叶矩阵形式,即将1×NM维度的短时傅里叶向量重排成维度为N×M的短时傅里叶变换矩阵,并对重排后的短时傅里叶矩阵进行短时傅里叶逆变换,即可得到Q个脉冲内重构后的干扰信号
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010086528.0A CN111239697B (zh) | 2020-02-11 | 2020-02-11 | 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010086528.0A CN111239697B (zh) | 2020-02-11 | 2020-02-11 | 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111239697A CN111239697A (zh) | 2020-06-05 |
CN111239697B true CN111239697B (zh) | 2023-02-10 |
Family
ID=70880982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010086528.0A Active CN111239697B (zh) | 2020-02-11 | 2020-02-11 | 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111239697B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948621B (zh) * | 2020-07-14 | 2023-06-27 | 浙江大学 | 一种极低信噪比下最佳稀疏域变换的lfm雷达信号处理方法 |
CN112327260B (zh) * | 2020-10-30 | 2024-03-15 | 河南大学 | 一种sar回波数据中脉冲式干扰信号的抑制方法和装置 |
CN112505629B (zh) * | 2020-11-13 | 2024-02-06 | 中国科学院空天信息创新研究院 | 一种sar电磁干扰抑制方法及装置 |
CN113238193B (zh) * | 2021-04-23 | 2023-06-30 | 西安电子科技大学 | 一种多分量联合重构的sar回波宽带干扰抑制方法 |
CN113189543B (zh) * | 2021-04-27 | 2023-07-14 | 哈尔滨工程大学 | 一种基于运动补偿鲁棒主成分分析的干扰抑制方法 |
CN113552542B (zh) * | 2021-06-26 | 2024-04-23 | 南京理工大学 | 针对脉冲体制强辐射源干扰的fmcw雷达干扰抑制方法 |
CN113640754B (zh) * | 2021-08-22 | 2023-12-22 | 西安电子科技大学 | 一种基于低秩稀疏模型的抗主瓣间歇采样转发干扰方法 |
CN115421104A (zh) * | 2022-09-01 | 2022-12-02 | 东南大学 | 一种单通道sar系统窄宽带干扰张量同时抑制方法 |
CN117452367B (zh) * | 2023-12-21 | 2024-03-26 | 西安电子科技大学 | 基于宽带成像雷达的sar载荷辐射信号提取方法及装置 |
CN117761636B (zh) * | 2024-02-22 | 2024-04-30 | 中国科学院空天信息创新研究院 | 基于稀疏低秩恢复的双基sar相位同步干扰抑制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323819A (zh) * | 2013-06-17 | 2013-09-25 | 西安电子科技大学 | 基于时频谱图分解的sar时变窄带干扰抑制方法 |
DE102017205649B3 (de) * | 2017-04-03 | 2018-03-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur rechnergestützten Verarbeitung von SAR-Rohdaten |
-
2020
- 2020-02-11 CN CN202010086528.0A patent/CN111239697B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323819A (zh) * | 2013-06-17 | 2013-09-25 | 西安电子科技大学 | 基于时频谱图分解的sar时变窄带干扰抑制方法 |
DE102017205649B3 (de) * | 2017-04-03 | 2018-03-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur rechnergestützten Verarbeitung von SAR-Rohdaten |
Non-Patent Citations (1)
Title |
---|
Jia Su et al..Narrow-Band Interference Suppression via RPCA-Based Signal Separation in Time–Frequency Domain.《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》.2017,第10卷(第11期), * |
Also Published As
Publication number | Publication date |
---|---|
CN111239697A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111239697B (zh) | 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 | |
CN111142105B (zh) | 复杂运动目标isar成像方法 | |
CN107132535B (zh) | 基于变分贝叶斯学习算法的isar稀疏频带成像方法 | |
CN104122540B (zh) | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 | |
CN111273238B (zh) | 一种基于低秩恢复的sar宽窄带干扰同时抑制方法 | |
CN101482617A (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN102819043B (zh) | 阵列信号随机噪声自适应模型去噪方法 | |
CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
CN113917490A (zh) | 激光测风雷达信号去噪方法及装置 | |
CN106680874A (zh) | 基于波形形态特征稀疏化建模的谐波噪声压制方法 | |
CN111722227B (zh) | 基于近似观测矩阵的聚束sar压缩感知成像方法 | |
CN104849757A (zh) | 消除地震信号中随机噪声系统及方法 | |
CN105319593A (zh) | 基于曲波变换和奇异值分解的联合去噪方法 | |
CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
CN111507047A (zh) | 一种基于SP-CUnet的逆散射成像方法 | |
CN116699526A (zh) | 一种基于稀疏与低秩模型的车载毫米波雷达干扰抑制方法 | |
CN113205564B (zh) | 一种sar智能目标边缘重构方法 | |
Chen et al. | Suppressive interference suppression for airborne SAR using BSS for singular value and eigenvalue decomposition based on information entropy | |
Mao et al. | An radio frequency interference mitigation approach for spaceborne SAR system in low SINR condition | |
CN109471084B (zh) | 一种电磁散射机理分解方法 | |
CN109782346B (zh) | 一种基于形态成分分析的采集脚印压制方法 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN113310684B (zh) | 基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法 | |
CN113655443A (zh) | 针对宽带数字电视信号的低频段sar射频干扰抑制方法 | |
CN103630883A (zh) | 一种近距离主动式毫米波圆柱扫描成像系统的降噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |