CN115575921A - 一种基于俯仰向多通道多干扰基压制干扰抑制方法 - Google Patents

Abstract

本发明提供一种基于俯仰向多通道多干扰基压制干扰抑制方法，包括：步骤1、提出星载SAR多干扰基压制干扰抑制算法，所述干扰抑制算法对混合回波进行盲源分离，得到不同成像带的回波信号，之后再进行成像操作；步骤2、提出星载SAR回波信号处理算法。本发明解决了星载SAR的多干扰基压制干扰抑制的难题，为实现星载SAR的HRWS成像提供了可能。

Description

一种基于俯仰向多通道多干扰基压制干扰抑制方法

技术领域

本发明属于星载合成孔径雷达领域，具体涉及一种基于俯仰向多通道多干扰基压制干扰抑制方法。

背景技术

SAR由于具有全天时、全天候的信息获取能力，在军民遥感领域备受关注且得到了广泛的应用。其中有意干扰得到广泛研究。有意干扰指的是由一方有意生成，用压制或者欺骗的手段对另外一方产生电磁干扰。有意干扰具有丰富的各种类型，这在一定程度上限制了常规SAR系统的探测性能水平。有意干扰可以被分为欺骗干扰与压制干扰两种。

欺骗干扰与SAR信号二维相关，因此在生成的SAR图像上会产生虚假目标，这些虚假目标能够使得SAR图像解译造成困难。

对于压制干扰，其信号形式与SAR 部分相关或完全不相关，在SAR图像中以能量覆盖的形式出现。压制干扰在时域以及频域会淹没SAR 信号，使其干扰信号与目标信号混叠严重，难以完成分离。压制干扰会使得SAR图像完全难以解译，降低了SAR图像产品的质量。因此，压制干扰抑制是亟待解决的难题。

现实中，学者们对于压制干扰抑制方面的研究最早可以追溯至1998年。Ender等人基于AER-II SAR参数分析和检验了一系列空域滤波的方案，与此同时，还提出了一种基于SAR图像重建的空间-慢时间自适应滤波的方案。该方案的缺陷为仅仅只考虑了直达波的压制干扰。2006 年，澳大利亚学者L. Rosenberg，通过研究指出，基于多通道信号的慢时间空时自适应处理（Space Time Adaptive Processing，STAP），可以在一定程度上恢复受地形散射干扰的 SAR 信号，此外，进一步的快时间 STAP 可提升最终图像质量。随后，L.Rosenberg 认识到传统快时间 STAP 处理面对强干扰情况的抑制性能不足，提出了带导数约束的快时间阵元和波束空间 STAP 方法，并讨论了降维技术在抑制地形散射干扰中的应用。国内的学者多利用通道对消的思想抑制多通道SAR 的干扰。2005年，电子科技大学甘荣兵等人提出利用双路对消进行 SAR 干扰抑制，其后 95174 部队王爱军等人分析了双通道对消方法在抑制干扰的同时对 SAR 成像带来的影响，指出对消后的SAR 图像会出现周期性的暗区。基于此，空军雷达学院的马晓岩等人提出利用三通道对消抑制 SAR 干扰，与双通道对消方法相比，降低了暗区出现的频率，进一步提高了 SAR 干扰抑制的性能。

对于压制干扰，其信号形式与SAR 部分相关或完全不相关，在SAR图像中以能量覆盖的形式出现。压制干扰在时域以及频域会淹没SAR 信号，使其干扰信号与目标信号混叠严重，难以完成分离。压制干扰会使得SAR图像完全难以解译，降低了SAR图像产品的质量。

发明内容

为解决上述技术问题，本发明提出一种基于俯仰向多通道多干扰基压制干扰抑制方法。该方法解决了星载SAR的多干扰基压制干扰抑制的难题，为实现星载SAR的HRWS成像提供了可能。

为达到上述目的，本发明采用的技术方案为：

一种基于俯仰向多通道多干扰基压制干扰抑制方法，包括如下步骤：

步骤1、进行星载俯仰向多通道SAR多干扰基压制干扰抑制，所述干扰抑制对俯仰向多通道所接收到的混合回波进行盲源分离，调解得到不同成像带的回波信号，之后再进行成像操作；

步骤2、进行星载SAR回波信号分离处理：

所述回波信号表示为：

x(t)=As(t)

其中，x(t)为m维度的回波信号矢量，s(t)为n维的目标区域和压制干扰信号的矢量，A为m×n维度的混合矩阵；

分离信号表示为：

y(t)=Wx(t)

其中，y(t)为分离信号矢量，W为分离矩阵；

将分离矩阵W看作粒子，适应度函数定义为：

F(W _i )=[J(W _i )+e]^－1

其中，e为小的正常数，J(·)表示分离向量之间的相互独立性的测度，W _i 为第i个粒子所对应的分离矩阵。

进一步地，所述步骤1中，俯仰向各通道接收到的解调之后的回波信号为：

在上式中，n _r 为俯仰向通道数，γ为与目标散射系数以及天线方向图增益有关的常数， f₀为雷达载频，K_r为调频率，T_p为脉宽，rect（）为门函数，t为时间，t_k表示发射信号从发射通道到目标再反射回第k个接收天线的时间延迟，j为虚数：

t _k= t ₀－∆t _k

其中，t ₀为表示发射信号从发射通道到目标再反射回参考接收通道的时间延迟；∆t _k 表示第k个接收通道与参考通道间的信号延迟差，d_k表示第k个接收通道与参考通道间的间距，且：

在上式中，c为光速，θ(t ₀)表示目标的下视角，β为天线法线的下视角，θ(t ₀)－β的物理意义为法线偏移角；

以n _r,ref 为参考通道，则有：d _k =(k－n _r,ref )·d _ra ，d _ra 表示子孔径高度；

对回波信号进行展开得到：

忽略相位

，回波信号写成如下形式：

。

进一步地，所述步骤2中，所述分离处理包括：

（1）、选择学习因子c ₁和c ₂，粒子群大小N，惯性因子初始值w _max和惯性因子w _min，最大迭代次数I _max；

（2）、初始化粒子群，即分离矩阵W和第i个粒子的速度值v _i ；

（3）、计算出每一个粒子的适应度的值，求解出第i个粒子个体最优值p _i ,i=1,2,3,…,N；

（4）、求解出整个粒子群历代搜索到的最优值，并记录为p _g ；

（5）、随机产生[0,1]内的数r ₁和r ₂，采用如下公式对当前粒子进行操作：

其中，I为当前的迭代次数；w为当前粒子，w _max为惯性因子初始值，w _min为惯性因子，为最大迭代次数；

v _i ←wv _i +c ₁ r ₁(p _i －W_i)+c ₂ r ₂(p _g －W_i)

W_i←W_i+v _i

（6）、如果不满足迭代终止条件， 则重复步骤（3） ~ （5） ，否则转向步骤（7）；

（7）、终止迭代操作，输出适应值最好的粒子；

（8）、计算分离信号。

有益效果：

不同于传统方法，本发明所提出的技术方案能够有效缓解多干扰基的压制干扰带来的影响，有潜力用于未来的星载SAR任务中。该方法具有系统复杂度低，干扰抑制性能好的优点。这提升了星载SAR的观测效能，促进了新一代星载SAR的发展。

附图说明

图1 星载SAR干扰抑制示意图；

图2 盲分离工作原理框图；

图3受到压制干扰影响的9点目标成像结果；

图4 受到压制干扰影响的中心点切片分析的结果；

图5 经过本发明的方法处理之后的9点目标成像结果；

图6 经过本发明的方法处理之后的中心点切片分析的结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明的基于俯仰向多通道多干扰基压制干扰抑制方法包括如下步骤：

步骤（1）提出星载SAR多干扰基压制干扰抑制方法。

本发明提出使用如图1所示的方案来抑制星载SAR干扰，图1中，中间回波区域为目标成像区域，左侧回波区域和右侧回波区域分别为压制干扰所干扰的区域，如图1所示，目标观测区域的信号与多个压制干扰基所产生的压制干扰信号叠加在一起，恶化了系统性能，使得目标区域的信号无法解译。本发明提出的干扰抑制方法对混合回波进行盲源分离，即可得到不同成像带的回波信号，之后再进行成像等操作。经过仿真实验验证，该方法具有系统复杂度低，干扰抑制性能好的优点。

如图1所示，本发明所使用的为距离向多通道系统，俯仰向各通道接收到的解调之后的回波信号为：

在上式中，n _r 为俯仰向通道数，γ为与目标散射系数以及天线方向图增益有关的常数， f₀为雷达载频，K_r为调频率，T_p为脉宽，rect（）为门函数，t为时间，t_k表示发射信号从发射通道到目标再反射回第k个接收天线的时间延迟，j为虚数：

t _k= t ₀－∆t _k

其中，t ₀为表示发射信号从发射通道到目标再反射回参考接收通道的时间延迟。∆t _k 表示第k个接收通道与参考通道间的信号延迟差，d_k表示第k个接收通道与参考通道间的间距，且：

在上面的式子中，c为光速，θ(t ₀)表示目标的下视角，β为天线法线的下视角，又叫天线安装角，θ(t ₀)－β的物理意义为法线偏移角。

以n _r,ref 为参考通道，则有：d _k =(k－n _r,ref )·d _ra ，d _ra 表示子孔径高度。

对回波信号进行展开可得：

通常测绘带内目标到接收天线各通道的斜距差非常小，所以可以认为俯仰向各通道间的信号包络是相同的，并且相位

可以忽略，不会对处理结果造成影响。因此最终回波信号模型可以写成如下形式：

步骤（2）提出星载SAR回波信号分离处理算法。

多个压制干扰和目标观测区域的回波同时到达接收机，压制干扰在时域以及频域会淹没SAR 信号，使其干扰信号与目标信号混叠严重，难以完成分离。压制干扰会使得SAR图像完全难以解译，降低了SAR图像产品的质量。

如图2所示，对于回波信号，可以表示为：

x(t)=As(t)

其中，x(t)为m维度的回波信号矢量，s(t)为n维的目标区域和压制干扰信号的矢量，A为m×n维度的混合矩阵。要想求解出目标观测区域，则需要将x(t)分离出。

分离信号可以表示为：

y(t)=Wx(t)

其中，y(t)为分离信号矢量， W为分离矩阵。

对于该混合信号分离问题，把分离矩阵W看作粒子，适应度函数定义为：

F(W _i )=[J(W _i )+e]^－1

其中，e为小的正常数，J(·)表示分离向量之间的相互独立性的测度，W _i 为第i个粒子所对应的分离矩阵。

所述分离处理算法如下：

1、选择学习因子c ₁和c ₂，粒子群大小N，惯性因子初始值w _max和惯性因子w _min，最大迭代次数I _max；

2、初始化粒子群（即分离矩阵W）和第i个粒子的速度值v _i ；

3、计算出每一个粒子的适应度的值，求解出第i个粒子个体最优值p _i ,i=1,2,3,…,N

4、求解出整个粒子群历代搜索到的最优值，并记录为p _g ；

5、随机产生[0,1]内的数r ₁和r ₂，采用如下公式对粒子进行操作：

其中，I为当前的迭代次数；w为当前粒子，w _max为惯性因子初始值，w _min为惯性因子，I _max为最大迭代次数；

v _i ←wv _i +c ₁ r ₁(p _i －W_i)+c ₂ r ₂(p _g －W_i)

W_i←W_i+v _i

其中，c ₁和c ₂为学习因子，随机产生[0,1]内的数r ₁和r ₂，P _i 为第i个粒子个体最优值,i=1,2,3…,N，p _g 为整个粒子群历代搜索到的最优值；

6、如果不满足迭代终止条件，则重复步骤3 ~ 5，否则转向步骤7；

7、终止迭代操作，输出适应值最好的粒子；

8、计算分离信号。

基于上述的方法为干扰抑制提供了可能。本发明主要还进行了点目标仿真，分析了多干扰基的压制干扰抑制性能。

首先根据表I中的参数进行点目标模拟实验。

表I：点目标仿真参数

图3为受到压制干扰影响的9点目标成像结果，图4为受到压制干扰影响的中心点切片分析的结果。图5为经过所提出方案处理之后的9点目标成像结果，图6为经过所提出方案处理之后的中心点切片分析的结果。由对比结果可知，本发明所提出的方案能够有效缓解多干扰基的压制干扰带来的影响，有潜力用于未来的星载SAR任务中。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于俯仰向多通道多干扰基压制干扰抑制方法，其特征在于，包括如下步骤：

步骤1、进行星载俯仰向多通道SAR多干扰基压制干扰抑制，所述干扰抑制对俯仰向多通道所接收到的混合回波进行盲源分离，调解得到不同成像带的回波信号，之后再进行成像操作；

步骤2、进行星载SAR回波信号分离处理：

所述回波信号表示为：

x(t)=As(t)

其中，x(t)为m维度的回波信号矢量，s(t)为n维的目标区域和压制干扰信号的矢量，A为m×n维度的混合矩阵；

分离信号表示为：

y(t)=Wx(t)

其中，y(t)为分离信号矢量， W为分离矩阵；

将分离矩阵W看作粒子，适应度函数定义为：

F(W _i )=[J(W _i )+e]^－1

其中，e为小的正常数，J(·)表示分离向量之间的相互独立性的测度，W _i 为第i个粒子所对应的分离矩阵。

2.根据权利要求1所述的一种基于俯仰向多通道多干扰基压制干扰抑制方法，其特征在于，所述步骤1中，俯仰向各通道接收到的解调之后的回波信号为：

在上式中，n _r 为俯仰向通道数，γ为与目标散射系数以及天线方向图增益有关的常数，f₀为雷达载频，K_r为调频率，T_p为脉宽，rect（）为门函数，t为时间，t_k表示发射信号从发射通道到目标再反射回第k个接收天线的时间延迟，j为虚数：

t _k= t ₀－∆t _k

其中，t ₀为表示发射信号从发射通道到目标再反射回参考接收通道的时间延迟； ∆t _k 表示第k个接收通道与参考通道间的信号延迟差，d_k表示第k个接收通道与参考通道间的间距，且：

在上式中，c为光速，θ(t ₀)表示目标的下视角，β为天线法线的下视角，θ(t ₀)－β的物理意义为法线偏移角；

以n _r,ref 为参考通道，则有：d _k =(k－n _r,ref )·d _ra ，d _ra 表示子孔径高度；

对回波信号进行展开得到：

忽略相位

，回波信号写成如下形式：

。

3.根据权利要求2所述的一种基于俯仰向多通道多干扰基压制干扰抑制方法，其特征在于，所述步骤2中，所述分离处理包括：

（1）、选择学习因子c ₁和c ₂，粒子群大小N，惯性因子初始值w _max和惯性因子w _min，最大迭代次数I _max；

（2）、初始化粒子群，即分离矩阵W和第i个粒子的速度值v _i ；

（3）、计算出每一个粒子的适应度的值，求解出第i个粒子个体最优值p _i ,i=1,2,3,…,N；

（4）、求解出整个粒子群历代搜索到的最优值，并记录为p _g ；

（5）、随机产生[0,1]内的数r ₁和r ₂，采用如下公式对当前粒子进行操作：

其中，I为当前的迭代次数；w为当前粒子，w _max为惯性因子初始值，w _min为惯性因子，I _max为最大迭代次数；

v _i ←wv _i +c ₁ r ₁(p _i －W_i)+c ₂ r ₂(p _g －W_i)

W_i←W_i+v _i

（6）、如果不满足迭代终止条件， 则重复步骤（3） ~ （5） ，否则转向步骤（7）；

（7）、终止迭代操作，输出适应值最好的粒子；

（8）、计算分离信号。

Images