[发明专利]用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法

说明书

本发明涉及一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法从低秩稀疏分解成立的理论条件出发，提出了一种提高鲁棒性的方法，因此该方法不仅对混响抑制有效，对该方法在其他领域的应用也有效，如红外目标检测，人脸识别以及雷达信号处理等。本发明涉及方法实现了低秩矩阵稀疏性补偿的目的，从而提高了混响抑制的鲁棒性。同时，该发明对低秩稀疏分解方法在其他领域的广泛应用有很好的借鉴意义。

技术领域

本发明属于声呐技术、雷达技术、图像处理以及信号处理等领域，涉及一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，该方法可用于改善低秩稀疏分解混响抑制效果的鲁棒性，适用于基于低秩稀疏分解的混响抑制、干扰抵消以及视频运动目标检测。

背景技术

混响是影响主动探测性能的主要因素之一，特别对于小目标(在接收数据中，目标信号仅占有有限的数据样本点)信号探测。由于海底离散散射体产生的混响与目标信号回波属性在时频域无显著区别，因此混响环境的目标信号检测结果往往伴随有较高的虚警率。

近些年，随着低秩稀疏分解理论的不断完善与发展以及计算机性能的提升，低秩稀疏分解在图像视频处理领域得到了广泛的使用，参见“Robust principal componentanalysis”,该文公布于Journal of the ACM。理论分析与数据处理结果表明，当多帧图像背景之间有显著的平稳性时，低秩稀疏分解对背景有显著的抑制效果，从而有利于运动目标的检测。对于收发位置固定的主动声呐系统，当多帧探测周期内水声环境相对平稳，则多帧混响具有显著的平稳性，特别在浅海近距离以及深海环境。在混响抑制方面，近些年，基于低秩稀疏分解理论提出了多种实现混响抑制的方法，如：“Online subspace and sparsefiltering for target tracking in reverberant environment”(该文公布于Proceedings of 2012IEEE 7th Sensor Array and Multichannel Signal ProcessingWorkshop)和“Target detection and tracking via structure convex optimization”(该文公布于Proceedings of 2017IEEE International Conference on Acoustics,Speech and Signal Processing)，杨坤德等人基于低秩稀疏分解理论也提出了“一种低信混比条件下的混响抑制方法”，该发明申请号为202010219935.4。上述几种基于低秩稀疏分解理论提出的混响抑制方法在多种场景的实测数据结果中表明了其有效性。低秩稀疏分解理论基于假设-多帧之间背景具有低秩特性，运动目标具有稀疏特性，从而将混响和目标分别分离在低秩矩阵与稀疏矩阵中。然而，实际应用环境中，背景的特性一般是未知的，若背景除了低秩特性外也具有稀疏特性，则混响抑制后部分混响成分会出现在稀疏矩阵中，从而会出现高的虚警率。这种情况使得基于低秩稀疏分解的混响抑制方法性能下降，更严重情况下该方法可能失效。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，针对低秩稀疏分解混响抑制方法在背景稀疏条件下性能下降的情况，为了提高低秩稀疏分解混响抑制方法在这种情况下的稳健性。本发明方法适用于背景稀疏特性未知的场合，从而增强低秩稀疏分解混响抑制方法的鲁棒性，拓宽该方法的使用范围。

技术方案

一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，其特征在于步骤如下：

步骤1：将第i帧主动探测获得的空间谱矩阵M⁽ⁱ⁾按列转变为向量m⁽ⁱ⁾，对场景进行n₃帧探测，将n₃个m⁽ⁱ⁾向量依次排列构成矩阵Q：