[发明专利]基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法

说明书

本发明属于微波遥感技术领域，公开了一种基于贝叶斯理论与低秩分解的SAR宽带干扰抑制方法，包括：建立宽带干扰条件下的SAR回波表征模型；结合时频等效噪声的Laplace分布先验假设与宽带干扰时频矩阵的低秩特性，构建最大似然意义下的SAR宽带干扰重构模型；利用贝叶斯推断对模型参数进行估计，实现SAR宽带干扰时频矩阵的重构，并在数据域进行相消处理，获得干扰抑制后的SAR回波数据。本发明能够对宽带干扰进行有效抑制，提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。同时，将SAR宽带干扰抑制问题转化为贝叶斯框架下的优化求解问题，提高了模型参数估计精度。

技术领域

本发明属于微波遥感技术领域，特别涉及一种基于贝叶斯理论与低秩分 解的SAR宽带干扰抑制方法。可用于抑制SAR回波信号中的宽带干扰，恢复 被干扰遮盖的目标信息，获得高质量的目标成像效果，显著增强SAR图像的 解译能力。

背景技术

合成孔径雷达(SAR)由于具有全天时、全天候、高分辨率以及作用距 离远等特点，广泛应用于成像识别、资源勘探、海洋观测、地质测绘和环境 感知等军事、民用领域。通常SAR为了实现高分辨率会采用具有大带宽的发 射信号，这样就导致SAR回波数据中不可避免的混入同频段射频干扰。射频 干扰通常来自机场雷达、信号基站、GPS设备等。射频干扰的存在会对SAR 成像质量造成严重影响。一方面，这些射频干扰具有较强的能量，会显著降低SAR回波信号的信噪比，甚至导致SAR接收机饱和。另一方面，射频干扰 的存在使得SAR系统关键的多普勒参数估计不准确，从而导致SAR成像结果 模糊和散焦。此外，射频干扰还会降低特征提取的准确性，不利于SAR图像 的解译。因此，研究有效的SAR干扰抑制算法具有重要的应用价值。

当前干扰抑制算法按原理主要包括两大类：数据驱动类和模型驱动类。 数据驱动类算法主要是通过设计一个合理的滤波器来实现有用信号和干扰在 特定数据域分离的目的。数据驱动类干扰抑制算法中，张双喜等将短时傅里 叶变换(STFT)与小波变换相结合，将时域SAR回波瞬时频谱映射到小波域， 对干扰分量所对应的小波系数进行识别与滤波，实现了宽带干扰的抑制。但 是该方法要进行多次变换，需要较多的计算资源，且一定程度上会造成部分 信号损失。樊伟伟等提出基于深度残差网络的干扰抑制算法，通过大量仿真干扰的时频图样本对整个网络进行优化训练，对目标信号的时频特性进行提 取并重构，从而实现对实测干扰数据的有效抑制。然而，该方法依赖于仿真 SAR回波干扰数据的逼真度与样本容量。

模型驱动类算法主要是利用数学模型对SAR回波进行表征，并依据特定 约束优化准则对参数进行优化求解。该类算法中，粟嘉等利用干扰的时频低 秩特性以及目标信号的稀疏假设，利用GoDec(Go Decomposition)算法进行时 频矩阵分解重构干扰时频信息，最终实现干扰抑制。但是，该方法的抑制效 果与模型精确程度息息相关，对于宽带干扰的抑制效果需要进一步分析与提 升。黄岩等在假设干扰具有方位向连续性的基础上，将回波数据构建时域张 量模型并进行低秩稀疏分解，从而实现干扰与目标信号的分离。然而，宽带干扰沿方位向连续的假设对于实测数据的普适性并没有得到有效验证。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于贝叶斯理 论与低秩分解的SAR宽带干扰抑制方法，提出了Laplace分布的先验分布假 设，构建宽带干扰的低秩时频矩阵重构模型，能够对宽带干扰进行有效抑制， 并提高模型对含有异常值与重尾噪声SAR数据的鲁棒性。同时，将宽带干扰 抑制问题扩展至贝叶斯框架，简化模型参数估计。

本发明的技术原理是：首先，建立SAR沿方位向的单次回波模型。其 次，结合回波信号时频矩阵的Laplace分布先验假设与宽带干扰时频矩阵的低 秩特性，形成最大似然意义下的宽带干扰重构模型。之后，在贝叶斯框架下 形成完整的模型参数后验概率，并利用贝叶斯推断对模型参数进行估计，实 现宽带干扰时频矩阵的重构，在数据域进行相消处理，获得干扰抑制后的回 波数据。最后，通过SAR成像处理获得高质量的SAR图像，并对干扰抑制效 果进行评估。