[发明专利]基于稀疏分解的雷达目标属性散射中心特征提取方法

说明书

技术领域

本发明属于雷达技术领域，涉及一种雷达目标属性散射中心特征提取方法，可用于估计目标及其重要部件的几何尺寸，为目标分类识别提供重要的特征信息。

背景技术

雷达成像技术是20世纪50年代发展起来的，雷达图像是目标的二维散射图。传统雷达成像是以点散射模型为基础的，该模型只包含目标散射点位置信息，但仅利用目标散射点的位置信息构建的识别特征并不能完备表征雷达图像中目标的本质属性。在光学区，扩展目标的高频电磁散射响应可以用一组独立分布的散射体，或称散射中心的电磁散射响应之和近似表示。目标的散射中心主要产生于目标的边缘、拐点、棱角及尖端等不连续点部位，代表了目标的精细物理结构，所以散射中心模型能够更贴切地描述目标属性，也在雷达目标识别领域有着重要的应用。

基于几何绕射理论和物理光学理论，1999年Michael J.Gerry和Lee C.Potter提出了一个适用于合成孔径雷达(SAR)的参数化模型—属性散射中心模型，见[M.J.Gerry，L.C.Potter，I.J.Gupta，and A.van der Merwe，A parametric model for syntheticaperture radar measurements[J].IEEE Transactions on Antennas and Propagation，1999，Vol.47，NO.7，pp.1179-1188]。属性散射中心模型用一组参数描述每个散射中心的位置、形状、方向以及幅度等，这些属性都是关系目标的重要信息；同点散射模型相比，属性散射中心模型包含了更丰富的可用于目标分类识别的特征。

目标散射中心的特征提取本质上是一个从目标回波数据中估计各个散射中心参数的过程。由于属性散射中心模型结构复杂以及参数维数较高，增加了模型参数估计的复杂性。现有方法通过对以点散射模型为基础得到的雷达图像进行图像分割，得到阶数较低的目标散射区或者是孤立的散射中心，利用近似最大似然方法估计目标的属性散射中心参数。首先由于现有方法利用根据点散射模型得到的雷达图像提取属性散射中心，所以存在模型失配问题；其次由于该类方法是以图像分割为基础的，所以这类方法要求图像质量较高，此外当目标某些部件散射强度较弱时，通过图像分割方法是难以正确检测的，这就导致目标的一些重要特征容易丢失。除此以外由于该类方法的优化问题为非凸问题，并且存在很多局部最小解，所以存在参数初始化、模型阶数选择和散射中心结构类别判别的问题，使得最终参数估计精度较低。

发明内容

本发明的目的在于提出一种基于稀疏分解的雷达目标属性散射中心特征提取的方法，以解决现有方法中存在的模型失配、特征易丢失和参数估计精度较低问题。

本发明是这样实现的：

一．技术思路

雷达回波中，目标散射场绝大部分能量仅由少量强散射中心贡献，说明雷达回波在属性散射中心的参数空间具有很强的稀疏性。考虑属性散射中心参数空间维数较高，导致构造的冗余字典维数远远大于我们可处理的维数，本发明的方法基于稀疏分解理论，并利用坐标轮回下降技术降低问题维数并构建超分辨字典，通过求解0范数优化问题提取属性散射中心特征；建立散射中心强度门限并在雷达图像中进行强散射中心检测，结合先验信息确定散射中心参数的取值集合；根据属性散射中心模型，利用坐标轮回下降法技术构建超分辨字典，得到属性散射中心参数估计集合与目标及其重要部件几何尺寸特征。

二．技术方案

本发明的实现步骤包括如下：

1)根据雷达图像中噪声设定散射中心强度门限ξ，将雷达图像中强度大于ξ的散射中心确定为强散射中心，根据检测到的强散射中心坐标(x，y)确定坐标参数x，y的取值范围，由先验信息确定散射中心长度L取值范围，设定分布式散射中心方位角最终确定散射中心参数的集合

2)根据所述的参数集合构建字典

2a)将字典的参数集合离散化，即将相邻坐标参数x的间隔设为一个距离分辨单元长度ρ_r，将相邻坐标参数y的间隔设为一个方位分辨单元长度ρ_a，将相邻散射中心长度参数L的间隔设为ρ_a；

2b)根据属性散射中心模型，产生对应不同参数的原子d_i(f，φ)