极化SAR射频干扰抑制与地物分类方法研究

发布时间：2018-06-16 15:48

本文选题：极化合成孔径雷达 + 射频干扰　；参考：《西安电子科技大学》2016年博士论文

【摘要】：极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)系统可以获取不同极化收发方式组合下的目标电磁波散射信息,可以显著提高目标的分类与识别能力,它在战场侦察、精确打击等军事和资源勘探、环境监视等民用方面都具有广阔的应用前景。然而,实际PolSAR系统工作时容易受到同频段的射频源干扰,大量射频干扰的存在将显著地降低PolSAR的成像质量,进而影响目标特征提取和地物分类等解译处理的准确性。由于干扰与雷达回波是时域或频域是混叠的,如何对射频干扰进行有效的检测与抑制是当前雷达信号处理领域中的热点与难点问题。同时,PolSAR图像蕴含了地物目标的形状、大小、取向和介电特性等,如何充分地挖掘PolSAR数据的潜力,设计有效的目标特征提取与地物分类方法是雷达目标识别的热点与难点问题。因此,针对极化SAR的射频干扰抑制与地物分类方法研究具有重要的理论意义和广阔的应用前景。本文在国家自然科学基金项目、教育部新世纪优秀人才支持计划项目和横向课题等资助下,结合实际PolSAR系统应用,重点研究了射频干扰抑制和PolSAR图像地物分类问题,并在窄带射频与宽带射频干扰抑制、PolSAR目标特征提取与地物分类等方面取得较突出的研究成果,具体的研究内容包括以下几个方面：1.作为研究基础,论文首先介绍了PolSAR的工作原理,推导了PolSAR回波信号和干扰数学模型,建立了场景回波与成像处理过程的映射关系。然后,从成像质量评估和目标散射机理解译分析两个方面,定性和定量地分析了射频干扰对仿真与实测PolSAR数据的影响,为后续的射频干扰检测与抑制方法和PolSAR特征提取与分类方法的研究奠定了理论基础。2.针对窄带射频干扰严重影响SAR成像质量与图像解译的难题,提出了一种基于峭度分析的干扰检测方法和基于独立子空间分析的窄带干扰抑制方法。首先,推导了有无干扰雷达回波信号的统计分布模型,详细地分析了窄带干扰在时域、频域、时频域和图像域的特点。并以此为基础提出了一种基于峭度的干扰检测方法,该方法可以根据奈曼-皮尔逊准则自适应地确定检测阈值,能够在较低的误警概率下获得较好的检测性能。然后,提出了一种基于独立子空间分析的窄带干扰抑制方法。该方法突破了常规独立分量分析无法用于单通道下盲信号分离的条件限制。根据干扰和有用回波信号间的统计特性差异性,从时频平面提取出干扰对应的独立基分量,进而实现干扰独立子空间的重构与相消。该方法不仅能够有效抑制干扰,而且能够实现对多个射频干扰源的解译。最后,仿真和实测数据的处理结果验证了所提出的窄带射频干扰检测与抑制方法的有效性。3.针对宽带射频干扰与SAR回波信号在时域或频域难于分离的挑战,提出一种基于瞬时频谱特征子空间滤波的宽带干扰检测与抑制方法,提高了SAR成像质量。首先,建立了宽带干扰的两种典型调制形式模型,并系统地分析了不同调制形式的宽带干扰在时域、频域、时频域和图像域的特点。宽带干扰在时域和频域内均与雷达回波严重混叠,难以实现有效的干扰抑制。而在时频平面内,干扰与雷达回波信号的时频聚集性存在明显的差异。基于此,提出了一种基于瞬时频谱特征子空间滤波的宽带射频干扰检测与抑制方法。该方法利用负熵统计量对每个瞬时频谱进行干扰检测,并根据误警率自适应地确定检测阈值,实现干扰最优检测。再利用特征子空间滤波抑制瞬时频谱中的干扰分量,尽可能地减小了由于干扰抑制引起的信号损失。最后,仿真和实测数据的处理结果验证了所提出的宽带射频干扰检测与抑制方法的有效性。4.针对极化SAR图像解译中的地物特征提取难题,提出了一种基于张量独立分量分析的特征提取方法。结合多种极化目标分解特征量进行分类,有助于提高PolSAR图像的地物分类准确度。但由于特征量之间的相关性,若仅仅简单的将特征量进行组合,有可能会额外引入冗余性,增加计算复杂度的同时并不会带来分类准确度的显著提升。传统的线性或者非线性特征提取方法都源于矩阵代数,需要将图像向量化展开,而并未考虑空间相邻像素点之间的相关性。首先,在张量代数的框架下,通过结合不同极化目标分解算法计算得到的多种特征参数,将整幅图像表征成一个三阶全局极化特征张量。其次,引入张量代数统一表征了传统基于矩阵代数的特征提取方法,并分析了其处理流程的不足之处,并提出了基于张量代数的特征提取方法。该方法利用Tucker张量分解实现极化特征张量空间维度的低秩估计,进而结合独立分量分析方法完成极化特征张量的特征降维。最后,仿真与实测数据的处理结果表明该方法能够克服相干斑的影响,获得的样本点在特征空间中具有更高的类内聚合度和类间分离度,从而获得更高的分类准确率。5.针对极化SAR图像定性解译中的地物分类问题,提出了一种基于多维主分量分析的分类方法,该方法有效地利用像素局部邻域的散射相关性,获得良好的实测极化SAR图像地物分类效果。首先,在基于多特征量结合的基础上,将图像中每个像素点都建模为一个三阶局部邻域张量,并根据先验类别信息建立训练张量样本集。接着,通过对训练集中的局部邻域张量进行空间维和特征维的交替最优求解,可以将原高维张量的关键信息投影到低维子张量上,从而减小特征间的冗余性,降低了运算复杂度。然后,利用求解得到的最优投影矩阵将未知类别样本推广映射到同一低维空间中。最后,仿真数据与实测数据的实验结果表明所提算法可以在训练样本较少的情况下,仍能较大地提高PolSAR图像的地物分类准确度。
[Abstract]:This paper introduces the principle of Polarimetric Synthetic Aperture Radar ( Polarimetric Synthetic Aperture Radar , PolSAR ) , which can obtain the target electromagnetic wave scattering information under different polarization and transmit - receiving modes . It can significantly improve the classification and identification of the target . This paper presents a new feature extraction method based on tensor algebra .
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN958

【相似文献】