CN113777563A - 基于稀疏表示的杂波抑制方法、装置及存储介质 - Google Patents
基于稀疏表示的杂波抑制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113777563A CN113777563A CN202111067584.0A CN202111067584A CN113777563A CN 113777563 A CN113777563 A CN 113777563A CN 202111067584 A CN202111067584 A CN 202111067584A CN 113777563 A CN113777563 A CN 113777563A
- Authority
- CN
- China
- Prior art keywords
- atoms
- dictionary
- local
- global
- atom
- 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.)
- Pending
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
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Mathematical Optimization (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于稀疏表示的杂波抑制方法、装置及存储介质,该杂波抑制方法获取样本数据,并对样本数据进行稀疏表示;基于样本数据确定原始字典,并在原始字典中的选取多个原子构建全局字典;在全局字典中确定全局原子,并根据全局原子构建局部字典以及对局部字典进行区域划分;对局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子;根据局部原子确定至少一个正交投影矩阵,以基于正交投影矩阵得到用于过滤信号中的杂波的权重向量。该方法克服了局部搜索中迭代范围太大的问题,减少了迭代搜索范围,明显降低了算法的计算量,提高了算法的实时性。
Description
技术领域
本发明属于机载雷达动目标检测领域,尤其涉及一种基于稀疏表示的杂波抑制方法、装置及存储介质。
背景技术
空时自适应处理(Space-Time Adaptive Processing,STAP)技术是机载雷达抑制杂波的典型方法。空时自适应处理技术可对雷达回波数据从空域和时域两个维度进行联合处理,抑制杂波效果显著,提高机载雷达的动目标检测性能。传统空时自适应技术需要有足够多满足独立同分布的样本才能达到较好的杂波抑制效果。但在实际应用中,由于地形变化、电磁干扰、系统误差等因素的影响,不同距离单元的杂波分布不均匀、复杂多变,传统STAP技术所需的独立同分布样本的数量无法达到要求,因此估计的杂波协方差矩阵误差较大,导致得到的滤波权并不能很好的抑制杂波。
目前,研究者提出了一种基于局部搜索杂波子空间估计的离网自适应处理方法(RD-LSCSE-STAP)。该方法首先使用设计选择准则,从原始的冗余字典中选择可能对应于杂波导向矢量的全局原子,构成新的局域字典。然后,从本地局域字典中筛选最有可能是杂波导向矢量的原子,并进行局域搜索,确定最优原子。最后,利用这些最优原子迭代构造杂波子空间,并通过将快拍投影到与杂波子空间正交的子空间上获得滤波权。
RD-LSCSE-STAP方法存在的问题:该方法杂波抑制性能较好,解决了SR-STAP方法因空时字典构建不准确造成的离网效应问题。但该方法在进行局域搜索时,具有搜索范围太大以及算法的运算量较大的弊端。
发明内容
针对现有技术中存在的上述技术问题,本发明提供了一种基于稀疏表示的杂波抑制方法、装置及存储介质,该方法克服了局部搜索中迭代范围太大的问题,减少了迭代搜索范围,明显降低了算法的计算量,提高了算法的实时性。
本发明实施例提供了一种基于稀疏表示的杂波抑制方法,包括:
获取样本数据,并对样本数据进行稀疏表示;
基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典;
在所述全局字典中确定全局原子,并根据所述全局原子构建局部字典以及对所述局部字典进行区域划分;
对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子;
根据所述局部原子确定至少一个正交投影矩阵,以基于所述正交投影矩阵得到用于过滤信号中的杂波的权重向量。
在一些实施例中,所述基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典,具体包括:
基于样本数据确定协方差矩阵以及原始字典;
根据所述协方差矩阵确定所述原始字典中各个原子的功率谱值;
选取所述原始字典中功率谱值大于预设阈值的多个原子构建全局字典。
在一些实施例中,所述在所述全局字典中确定全局原子,具体包括:
对所述全局字典中的原子进行迭代运算;
选取所述全局字典中迭代运算结果值最大的原子为全局原子。
在一些实施例中,所述根据所述全局原子构建局部字典以及对所述局部字典进行区域划分,具体包括:
根据所述全局原子构建局部字典,并以全局原子为原点建立坐标系;
基于所述坐标系将所述局部字典划分为四个象限区域。
在一些实施例中,所述对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子,具体包括:
对每个所述象限区域中的顶点原子进行迭代运算;
在四个所述顶点原子中确定迭代运算结果值最大的原子为目标原子;
对所述目标原子所在的象限区域中的多个原子进行迭代运算,确定该象限区域中迭代运算结果值最大的原子为局部原子。
在一些实施例中,所述根据所述局部原子确定至少一个正交投影矩阵,具体包括:
基于所述局部原子依次更新杂波子空间上的正交投影矩阵和噪声子空间上与杂波子空间正交的正交投影矩阵。
本发明实施例还提供了一种基于稀疏表示的杂波抑制装置,包括获取模块和处理模块,所述获取模块配置为获取样本数据;
所述处理模块配置为:对样本数据进行稀疏表示;
基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典;
在所述全局字典中确定全局原子,并根据所述全局原子构建局部字典以及对所述局部字典进行区域划分;
对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子;
根据所述局部原子确定至少一个正交投影矩阵,以基于所述正交投影矩阵得到用于过滤信号中的杂波的权重向量。
在一些实施例中,所述处理模块还配置为:
根据所述全局原子构建局部字典,并以全局原子为原点建立坐标系;
基于所述坐标系将所述局部字典划分为四个象限区域。
在一些实施例中,所述处理模块还配置为:
对每个所述象限区域中的顶点原子进行迭代运算;
在四个所述顶点原子中确定迭代运算结果值最大的原子为目标原子;
对所述目标原子所在的象限区域中的多个原子进行迭代运算,确定该象限区域中迭代运算结果值最大的原子为局部原子。
本发明实施例还提供了一种存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述基于稀疏表示的杂波抑制方法的步骤。
与现有技术相比,本发明实施例的有益效果在于:本发明通过在全局字典中确定全局原子,并基于全局原子构建局部字典以及划分局部字典,在该局部字典的多个区域中确定一个区域,并对该区域中的多个原子进行迭代运算,实现了通过分级局域搜索减少了算法迭代次数,有效地克服了局部搜索中迭代范围太大的问题,在保证抑制杂波效果的前提下减少运算量,并能够得到了杂波抑制和动目标检测性能比较好的权重向量,提高了空时自适应处理算法的实时性和稳健性。
附图说明
在不一定按比例绘制的附图中,相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例,并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。在适当的时候,在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的,而并非旨在作为本装置或方法的穷尽或排他实施例。
图1为本发明实施例基于稀疏表示的杂波抑制方法的流程图;
图2为本发明基于稀疏表示的杂波抑制方法的局部搜索范围选取图;
图3为基于上述仿真参数以及杂波抑制方法计算得到的杂波功率谱图;
图4为现有技术RD-LSCSE-STAP方法以及本发明提出的IT-LSCSE-STAP方法的输出信杂噪比损失曲线图;
图5为现有技术RD-LSCSE-STAP方法以及本发明提出的IT-LSCSE-STAP方法的输出功率曲线图;
图6为本发明实施例基于稀疏表示的杂波抑制装置的结构框图。
具体实施方式
此处参考附图描述本发明的各种方案以及特征。
应理解的是,可以对此处发明的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本发明的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且与上面给出的对本发明的大致描述以及下面给出的对实施例的详细描述一起用于解释本发明的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本发明的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本发明进行了描述,但本领域技术人员能够确定地实现本发明的很多其它等效形式。
当结合附图时,鉴于以下详细说明,本发明的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本发明的具体实施例;然而,应当理解,所发明的实施例仅仅是本发明的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本发明模糊不清。因此,本文所发明的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本发明。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本发明的相同或不同实施例中的一个或多个。
本发明实施例提供了一种基于稀疏表示的杂波抑制方法,如图1所示,基于稀疏表示的杂波抑制方法包括步骤S101至步骤S105。
步骤S101:获取样本数据,并对样本数据进行稀疏表示。
本发明以正侧视均匀线性雷达为研究对象,该机载雷达阵列的工作模型为N个阵元发送M个脉冲,对L个距离单元进行探测,接收的样本数据可表示为X,根据样本的稀疏性,对样本数据X进行稀疏表示,则X可表示为:
X=Ψ·ε+Nc;
其中,Ψ称为基矩阵或空时导向字典;ε为稀疏系数向量;Nc为观测噪声。
步骤S102:一般的空时导向字典是对角度-多普勒平面进行离散化得到,整个归一化的空间平面沿空间频率轴和多普勒轴均匀地离散为Ts×Tr个网格点,其中Ts=ηsN,Tr=ηrM,并且ηs、ηr>1,离散化的空间频率间隔和多普勒频率间隔可以分别表示为Δfs=1/Ts、Δfd=1/Tr,离散后形成的网格点对应于空时导向字典中的导向矢量。基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典。其中,原始字典可采用如下公式表示:
Ψ={G1,G2,.....,GTrTs};
其中,G为原始字典中的原子,下角标的TrTs指原始字典中的原子个数,原子G可采用如下公式计算得到:
其中,Gt(fd,i)和Gs(fs,i)分别指时间导向矢量和空间导向矢量,(·)T表示转置运算,fs,i为第i个杂波反射点的空间频率,fd,i为第i个杂波反射点的多普勒频率,Gt(fd,i)和Gs(fs,i)可分别采用如下公式计算得到:
Gt(fd,i)=[1,exp(j2πfd,i),...,exp(j2π(M-1)fd,i)]T;
Gs(fs,i)=[1,exp(j2πfs,i),...,exp(j2π(N-1)fs,i)]T。
步骤S103:在所述全局字典中确定全局原子,并根据所述全局原子构建局部字典以及对所述局部字典进行区域划分。
具体地,可以以全局原子为中心,对局部字典进行划分,将局部字典所在区域进行划分,各个区域所含原子数量可相同,也可不同。
具体地,该局部字典可以以全局原子为圆心,被划分为多个扇形的区域,当然也可为中心被划分为多个矩形区域,上述划分后形成的多个区域的面积可相同,也可不同,优选地,多个区域的面积相同。
步骤S104:对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子。
步骤S105:根据所述局部原子确定至少一个正交投影矩阵,以基于所述正交投影矩阵得到用于过滤信号中的杂波的权重向量。
具体地,可在局部搜索时先找到与杂波点匹配度较高的原子,再对该原子的邻域展开搜索,从而确定能够用于计算权重向量的局部原子。
本发明通过在全局字典中确定全局原子,并基于全局原子构建局部字典以及划分局部字典,在该局部字典的多个区域中确定一个区域,并对该区域中的多个原子进行迭代运算,实现了通过分级局域搜索减少了算法迭代次数,有效地克服了局部搜索中迭代范围太大的问题,在保证抑制杂波效果的前提下减少运算量,并能够得到了杂波抑制和动目标检测性能比较好的权重向量,提高了空时自适应处理方法的实时性和稳健性。
在一些实施例中,步骤S102:所述基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典,具体包括:
基于样本数据确定协方差矩阵以及原始字典;
根据所述协方差矩阵确定所述原始字典中各个原子的功率谱值;
选取所述原始字典中功率谱值大于预设阈值的多个原子构建全局字典。
具体地,协方差矩阵可采用如下公式计算得到:
其中,L指的是距离单元的个数,(·)H指共轭转置运算。
具体地,为了减少运算量,可以基于原始字典中各个原子的功率谱值对原始字典中的原子进行筛选,其中,原始字典中各个原子的功率谱值可采用如下公式计算得到:
其中(·)′表示共轭运算,(·)-1表示求逆运算,i表示第i次迭代,TsTr指原始字典中的原子个数。
进一步地,在确定原始字典中的各个原子的功率谱值后,可基于功率谱值对各个原子进行降序排列,将排序靠前的多个原子取出同于构建全局字典。上述排序靠前的多个原子的功率谱值均大于上述预设阈值,该预设阈值可由经验或多个实验确定,本申请对此不做具体限定。
在一些实施例中,步骤S103中的所述在所述全局字典中确定全局原子,具体包括:
对所述全局字典中的原子进行迭代运算;
选取所述全局字典中迭代运算结果值最大的原子为全局原子。
具体地,全局字典ΨW可采用如下公式进行表示:
ΨW=[g1,g2,.....,gs,t];
其中,g表示全局字典ΨW中的原子,下角标s,t指的是全局字典中的全局原子个数。
上述选取原始字典中功率谱值大于预设阈值的多个原子来构建形成的全局字典的技术方案,可保证选取的用于构建全局字典的原子都尽可能位于杂波脊线上。
具体地,对全局字典ΨW中的原子g可采用如下公式进行迭代运算:
其中,(·)H指共轭转置运算,|·|指求模运算,Tb表示与原子具有一一对应关系的索引序号,W0表示所选的索引序号的集合;i表示第i次迭代,通过该部分迭代可找出全局字典中最优的全局原子。
在一些实施例中,步骤S103中的所述根据所述全局原子构建局部字典以及对所述局部字典进行区域划分,具体包括:
根据所述全局原子构建局部字典,并以全局原子为原点建立坐标系;
基于所述坐标系将所述局部字典划分为四个象限区域。
具体地,如图2所示,图2为本发明基于稀疏表示的杂波抑制方法的局部搜索范围选取图,图中以全局原子为原点建立坐标系,形成四个象限区域。每个象限区域内均有多个原子。
在一些实施例中,步骤S104:所述对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子,具体包括:
对每个所述象限区域中的顶点原子进行迭代运算;
在四个所述顶点原子中确定迭代运算结果值最大的原子为目标原子;
对所述目标原子所在的象限区域中的多个原子进行迭代运算,确定该象限区域中迭代运算结果值最大的原子为局部原子。
具体地,继续结合图2,每个象限区域中分别具有顶点原子,第一象限具有顶点原子b,第二象限具有顶点原子a,第三象限具有顶点原子c,第四象限具有顶点原子d。
具体地,可采用如下公式对局部字典Ψl中的每个象限区域中的顶点原子进行迭代运算:
同样的该处局部字典的构建与步骤S102中一样。其中,T1,s为局部字典Ψl的空间频率的数目;T1,r为局部字典Ψl的空多普勒频率的数目;Tl,b表示与局部字典中的原子一一对应的索引序号,为局部字典Ψl的第Tl,b个原子;Qn为噪声子空间上与杂波子空间正交的正交投影矩阵,(·)H指共轭转置运算,|·|指求模运算,i表示第i次迭代。
具体地,继续结合图2,基于上述公式后若计算出第一象限中的顶点原子b的迭代运算结果值最大,则对第一象限中的所有原子进行迭代运算,确定迭代运算结果值最大的原子为局部原子,并构建空矩阵ΨW1,将迭代选出的局部原子放于空矩阵ΨW1中。其中,对第一象限中的所有原子进行的迭代运算可与对局部字典中的每个象限区域中的顶点原子所进行的迭代运算采用相同的公式。
在一些实施例中,步骤S105:所述根据所述局部原子确定至少一个正交投影矩阵,具体包括:
基于所述局部原子依次更新杂波子空间上的正交投影矩阵和噪声子空间上与杂波子空间正交的正交投影矩阵。
具体地,在迭代过程中,表示所选的索引序号的集合W0可按下式更新:空矩阵ΨW1可按下式更新:杂波子空间上的正交投影矩阵Qc可按下式更新:噪声子空间上与杂波子空间正交的正交投影矩阵Qn可按下式更新:其中,指的是广义逆算子。
具体地,将局部原子代入ΨW1中,以依次更新杂波子空间上的正交投影矩阵Qc,以及噪声子空间上与杂波子空间正交的正交投影矩阵Qn,再基于更新后的Qc和Qn通过如下公式计算权重向量:
其中,IT-LSCSE-STAP为本发明所提出的基于稀疏表示的杂波抑制方法的缩写表达。
具体地,可采用表1中的样本数据的仿真参数对基于稀疏表示的杂波抑制方法进行实验验证和性能分析。
表1样本数据的仿真参数
图3为基于上述仿真参数以及杂波抑制方法计算得到的杂波功率谱图,该功率谱图达到了与RD-LSCSE-STAP方法相同的效果,杂波点全部分布在杂波脊上,有效地消除了离网效应的影响
图4为现有技术RD-LSCSE-STAP方法以及本发明提出的IT-LSCSE-STAP方法的输出信杂噪比损失曲线图。可以看出,本发明在只在主杂波区产生零陷,且深度与RD-LSCSE-STAP方法相同,实现了杂波抑制能力很强的效果。比较而言,在杂波抑制性能一样的前提下,本发明提出的IT-LSCSE-STAP方法计算复杂度低于RD-LSCSE-STAP方法,实时性和实用性更优。
图5为现有技术RD-LSCSE-STAP方法以及本发明提出的IT-LSCSE-STAP方法的输出功率曲线图,两种方法形成的滤波权对100个距离单元的测试数据进行滤波,计算输出的归一化功率值。可以看出,现有技术RD-LSCSE-STAP方法以及本发明提出的IT-LSCSE-STAP方法均可以较好地检测出位于第51号距离单元的动目标信号。因此,本发明所提出的方法在降低计算复杂度的情况下,还能够具有良好的动目标检测性能。
本发明实施例还提供了一种基于稀疏表示的杂波抑制装置110,如图6所示,基于稀疏表示的杂波抑制装置110包括获取模块101和处理模块102,所述获取模块101配置为获取样本数据;
所述处理模块102配置为:对样本数据进行稀疏表示;
基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典;
在所述全局字典中确定全局原子,并根据所述全局原子构建局部字典以及对所述局部字典进行区域划分;
对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子;
根据所述局部原子确定至少一个正交投影矩阵,以基于所述正交投影矩阵得到用于过滤信号中的杂波的权重向量。
本发明通过在全局字典中确定全局原子,并基于全局原子构建局部字典以及划分局部字典,在该局部字典的多个区域中确定一个区域,并对该区域中的多个原子进行迭代运算,实现了通过分级局域搜索减少了算法迭代次数,有效地克服了局部搜索中迭代范围太大的问题,在保证抑制杂波效果的前提下减少运算量,并能够得到了杂波抑制和动目标检测性能比较好的权重向量,提高了空时自适应处理方法的实时性和稳健性。
在一些实施例中,所述处理模块102还配置为:
根据所述全局原子构建局部字典,并以全局原子为原点建立坐标系;
基于所述坐标系将所述局部字典划分为四个象限区域。
在一些实施例中,所述处理模块102还配置为:
对每个所述象限区域中的顶点原子进行迭代运算;
在四个所述顶点原子中确定迭代运算结果值最大的原子为目标原子;
对所述目标原子所在的象限区域中的多个原子进行迭代运算,确定该象限区域中迭代运算结果值最大的原子为局部原子。
在一些实施例中,所述处理模块102还配置为:
基于样本数据确定协方差矩阵以及原始字典;
根据所述协方差矩阵确定所述原始字典中各个原子的功率谱值;
选取所述原始字典中功率谱值大于预设阈值的多个原子构建全局字典。
在一些实施例中,所述处理模块102还配置为:
对所述全局字典中的原子进行迭代运算;
选取所述全局字典中迭代运算结果值最大的原子为全局原子。
在一些实施例中,所述处理模块102还配置为:
基于所述局部原子依次更新杂波子空间上的正交投影矩阵和噪声子空间上与杂波子空间正交的正交投影矩阵。
本发明实施例还提供了一种存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述基于稀疏表示的杂波抑制方法的步骤。
应当注意的是,在本申请的系统的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本申请不受限于此,可以根据需要对各个部件进行重新划分或者组合,例如,可以将一些部件组合为单个部件,或者可以将一些部件进一步分解为更多的子部件。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的系统中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。另外,本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。因此,本说明书和示例旨在仅被认为是示例,真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反,本申请的主题可以少于特定的公开的实施例的全部特征。从而,以下权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本申请的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种基于稀疏表示的杂波抑制方法,其特征在于,包括:
获取样本数据,并对样本数据进行稀疏表示;
基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典;
在所述全局字典中确定全局原子,并根据所述全局原子构建局部字典以及对所述局部字典进行区域划分;
对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子;
根据所述局部原子确定至少一个正交投影矩阵,以基于所述正交投影矩阵得到用于过滤信号中的杂波的权重向量。
2.根据权利要求1所述的基于稀疏表示的杂波抑制方法,其特征在于,所述基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典,具体包括:
基于样本数据确定协方差矩阵以及原始字典;
根据所述协方差矩阵确定所述原始字典中各个原子的功率谱值;
选取所述原始字典中功率谱值大于预设阈值的多个原子构建全局字典。
3.根据权利要求1所述的基于稀疏表示的杂波抑制方法,其特征在于,所述在所述全局字典中确定全局原子,具体包括:
对所述全局字典中的原子进行迭代运算;
选取所述全局字典中迭代运算结果值最大的原子为全局原子。
4.根据权利要求1所述的基于稀疏表示的杂波抑制方法,其特征在于,所述根据所述全局原子构建局部字典以及对所述局部字典进行区域划分,具体包括:
根据所述全局原子构建局部字典,并以全局原子为原点建立坐标系;
基于所述坐标系将所述局部字典划分为四个象限区域。
5.根据权利要求4所述的基于稀疏表示的杂波抑制方法,其特征在于,所述对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子,具体包括:
对每个所述象限区域中的顶点原子进行迭代运算;
在四个所述顶点原子中确定迭代运算结果值最大的原子为目标原子;
对所述目标原子所在的象限区域中的多个原子进行迭代运算,确定该象限区域中迭代运算结果值最大的原子为局部原子。
6.根据权利要求1所述的基于稀疏表示的杂波抑制方法,其特征在于,所述根据所述局部原子确定至少一个正交投影矩阵,具体包括:
基于所述局部原子依次更新杂波子空间上的正交投影矩阵和噪声子空间上与杂波子空间正交的正交投影矩阵。
7.一种基于稀疏表示的杂波抑制装置,其特征在于,包括获取模块和处理模块,所述获取模块配置为获取样本数据;
所述处理模块配置为:对样本数据进行稀疏表示;
基于所述样本数据确定原始字典,并在所述原始字典中的选取多个原子构建全局字典;
在所述全局字典中确定全局原子,并根据所述全局原子构建局部字典以及对所述局部字典进行区域划分;
对所述局部字典的多个区域中一个区域中的原子进行迭代运算以确定局部原子;
根据所述局部原子确定至少一个正交投影矩阵,以基于所述正交投影矩阵得到用于过滤信号中的杂波的权重向量。
8.根据权利要求7所述的基于稀疏表示的杂波抑制装置,其特征在于,所述处理模块还配置为:
根据所述全局原子构建局部字典,并以全局原子为原点建立坐标系;
基于所述坐标系将所述局部字典划分为四个象限区域。
9.根据权利要求8所述的基于稀疏表示的杂波抑制装置,其特征在于,所述处理模块还配置为:
对每个所述象限区域中的顶点原子进行迭代运算;
在四个所述顶点原子中确定迭代运算结果值最大的原子为目标原子;
对所述目标原子所在的象限区域中的多个原子进行迭代运算,确定该象限区域中迭代运算结果值最大的原子为局部原子。
10.一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述基于稀疏表示的杂波抑制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111067584.0A CN113777563A (zh) | 2021-09-13 | 2021-09-13 | 基于稀疏表示的杂波抑制方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111067584.0A CN113777563A (zh) | 2021-09-13 | 2021-09-13 | 基于稀疏表示的杂波抑制方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113777563A true CN113777563A (zh) | 2021-12-10 |
Family
ID=78842990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111067584.0A Pending CN113777563A (zh) | 2021-09-13 | 2021-09-13 | 基于稀疏表示的杂波抑制方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777563A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415476A (zh) * | 2020-11-13 | 2021-02-26 | 中国民航大学 | 一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法 |
CN112904298A (zh) * | 2021-01-20 | 2021-06-04 | 西安电子科技大学 | 一种基于局部网格分裂的网格偏离空时自适应处理方法 |
CN113219432A (zh) * | 2021-05-14 | 2021-08-06 | 内蒙古工业大学 | 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法 |
CN113376606A (zh) * | 2021-05-21 | 2021-09-10 | 西安电子科技大学 | 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法 |
-
2021
- 2021-09-13 CN CN202111067584.0A patent/CN113777563A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415476A (zh) * | 2020-11-13 | 2021-02-26 | 中国民航大学 | 一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法 |
CN112904298A (zh) * | 2021-01-20 | 2021-06-04 | 西安电子科技大学 | 一种基于局部网格分裂的网格偏离空时自适应处理方法 |
CN113219432A (zh) * | 2021-05-14 | 2021-08-06 | 内蒙古工业大学 | 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法 |
CN113376606A (zh) * | 2021-05-21 | 2021-09-10 | 西安电子科技大学 | 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法 |
Non-Patent Citations (1)
Title |
---|
尚慧慧: "离网误差迭代自校正STAP算法" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111273238B (zh) | 一种基于低秩恢复的sar宽窄带干扰同时抑制方法 | |
CN110221256B (zh) | 基于深度残差网络的sar干扰抑制方法 | |
Wipf et al. | Beamforming using the relevance vector machine | |
CN107153178B (zh) | 外辐射源雷达参考信号含有多径干扰时的目标检测方法 | |
CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 | |
CN113671498A (zh) | 基于低秩与双重稀疏矩阵分解的sar射频干扰抑制方法 | |
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 | |
CN112859075A (zh) | 多频带isar融合高分辨成像方法 | |
CN112578471A (zh) | 一种探地雷达杂波噪声去除方法 | |
Choi et al. | Two-dimensional evolutionary programming-based CLEAN | |
CN112904298B (zh) | 一种基于局部网格分裂的网格偏离空时自适应处理方法 | |
CN112861731B (zh) | 一种基于参数寻优的超声信号去噪方法 | |
CN112907458B (zh) | 用于地震勘探的f-xy域改进非局部均值去噪方法及设备 | |
CN113777563A (zh) | 基于稀疏表示的杂波抑制方法、装置及存储介质 | |
CN111624558A (zh) | 一种基于De-Chirp技术的SAR干扰抑制方法及装置 | |
Wang et al. | Desert seismic noise suppression based on multimodal residual convolutional neural network | |
CN113640891B (zh) | 一种基于奇异谱分析的瞬变电磁探测数据噪声滤除方法 | |
CN112285703A (zh) | 一种海杂波抑制及目标检测方法 | |
CN112363217A (zh) | 一种地震数据随机噪声压制方法及系统 | |
CN113820679B (zh) | 雷达回波数据的滤波方法、装置、设备和存储介质 | |
CN113655458B (zh) | 基于字典校正的空时自适应处理方法、装置及存储介质 | |
CN110554367B (zh) | 一种基于压缩感知的目标散射特性测量干扰去除方法 | |
CN112784811B (zh) | 一种全局最优超声信号去噪方法 | |
CN116150546A (zh) | 局部网格自适应划分的杂波抑制方法、装置及存储介质 | |
Chahine et al. | Subspace leakage suppression for joint parameter estimation of quality factors and time delays in dispersive media |
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 |