基于全局最小均方算法的雷达相位解缠方法技术

本发明专利技术公开了一种基于全局最小均方算法的雷达相位解缠方法，其思路为：首先得到干涉相位图，并建立长度为L的自适应信号预测系统，设定延时系统，依次得到所述预测系统的输入值，和所述预测系统对应的加权向量，进而依次得到所述预测系统的输出值，和所述预测系统的误差函数，并根据设定的噪声门限，依次得到所述预测系统的约束误差函数和约束输入值，进而依次得到所述预测系统的约束误差均方值和变形后的约束误差均方值，然后再依次得到所述预测系统的均方约束误差值梯度和最小均方约束误差值，获取所述预测系统的约束输入值对应的最优加权向量，得到所述预测系统对应的稳定加权向量，进而得到所述预测系统的稳定输出值，即雷达相位解缠后的结果。

【技术实现步骤摘要】

本专利技术属于干涉合成孔径雷达（InSAR)相位解缠领域，涉及一种基于全局最小均 方算法的雷达相位解缠方法，适用于基于全局最小均方算法的InSAR雷达相位解缠。
技术介绍
干涉合成孔径雷达（Interferometric Synthetic Aperture Radar，InSAR)技术 首先将目标生成两幅合成孔径雷达（Synthetic Aperture Radar，SAR)图像，然后分别依次 经过图像预处理、图像配准、去平地效应、相位干涉图滤波、相位解缠、基线估计操作获取高 精度的数字高程图像。InSAR雷达技术是SAR雷达技术和射电天文学的结合，不受天气影 响，具有全天候工作能力，也不受日照影响，具有全天时工作能力；此外，InSAR雷达技术也 不受地理条件制约，可以大范围获取高精度的地面三维数据。InSAR雷达技术的概念起源 于20世纪50年代并在70年代，InSAR雷达技术在测绘领域有了初步的应用和发展。到了 90年代，随着SAR卫星的发射成功以及SAR雷达技术的进步，InSAR雷达技术得到了空前发 展，并在军事、测绘、地震形变、冰川漂移等领域都有广泛的应用。 目前，全球范围内InSAR雷达技术相关硬件设备的增加，为InSAR雷达技术的发展 提供了大范围、高精度的可用数据，使得InSAR雷达技术也日渐成熟且其成像精度得到不 断提高。SAR雷达图像配准后生成的两幅单视复图像（Single Look Complex，SLC)共辄相 乘后提取相位信息即可得到干涉相位图像，但相位干涉图像存在噪声以及算法不完善制约 了 InSAR雷达技术的进步。因此，对InSAR雷达技术进行实际应用化研究显得尤为重要。 在InSAR雷达技术的实际应用中，相位干涉图像的相位解缠算法的选取直接影响 生成的数字高程图像准确度，因此相位解缠算法的研究是InSAR雷达技术研究中的关键。 如果相位解缠算法选取的不好，会直接导致相位干涉图像无法解缠或解缠效果很差。因此， 找到合适的相位解缠算法至关重要。 相位解缠算法目前主要解决数字高程图像中的一维相位解缠问题和二维相位解 缠问题，一维相位解缠问题最早出现在20世纪60年代末，其主要方法为积分法。积分法对 相位干涉图像中相邻点主值差进行积分，自适应积分法是积分法的发展，其优点是可以获 取充分采样的傅里叶变换范围，但当采样频率变化时，所述充分采样的傅里叶变换范围容 易发生模糊现象；20世纪70年代末，由于自适应光学的发展，数字高程图像中出现了二维 相位解缠问题，二维相位解缠不仅要确保解缠后的相位中任意两点的相位差与两点之间的 路径无关，还要确保解缠后的相位可以精确地的恢复出原始相位函数。 近30年来，相位解缠技术得到了很大的发展，根据相位解缠方式的不同，主要将 相位解缠算法分为两类，一类是基于路径跟踪的相位展开法，其主要利用相邻相位在空间 上的相关性；另一类是基于最小范数法的相位解缠算法，该类算法的主要思路是将相位解 缠转化为最小范数进行求解。 枝切（Branch Cut)法是基于路径跟踪的相位展开法的经典相位解缠算法，但由于 枝切法只利用了相位干涉图像的留数信息，使得使用该算法枝切线会形成闭环回路或枝切 线放置位置不当而导致噪声传递的现象；基于最小范数的相位解缠法的代表算法是最小二 乘法，该最小二乘法利用相位解缠梯度和缠绕相位梯度的最小均方差实现相位解缠，从整 体上提高了相位解缠的精度，并具有较高的稳定性，但是该算法计算量大，而且实现起来需 要大量时间。
技术实现思路
针对以上现有技术存在的不足，本专利技术的目的在于提出一种基于全局最小均方算 法的雷达相位解缠方法，该方法主要针对自适应信号预测系统的输入输出均存在噪声的情 况，得到雷达相位解缠结果，实现本专利技术目的。 为达到上述技术目的，本专利技术采用如下技术方案予以实现。 ，其特征在于，包括以下步骤： 步骤1，将SAR图像与该SAR图像经过图像配准后的图像数据共辄相乘，得到干涉 相位图；建立长度为L的自适应信号预测系统，并令所述干涉相位图中第η个像素点的缠绕 相位为长度为L的自适应信号预测系统在η时刻的输入信号X (η)，将所述输入信号X (η)经 过长度为L的自适应信号预测系统，依次得到长度为L的自适应信号预测系统在n+j时刻 的输入值X (n+j)，和设定的长度为L的自适应信号预测系统在n+j时刻的输入值X (n+j)对 应的加权向量为B (n+j)，进而依次得到长度为L的自适应信号预测系统在n+j时刻的输出 值i & + /)，即干涉相位图第n+j个像素点的解缠后的相位，和长度为L的自适应信号预测 系统在n+j时刻的误差函数e (n+j)，并根据设定的一个噪声门限Tv，依次得到长度为L的自 适应信号预测系统在n+j时刻的约束误差函数卩(《 + ./)和长度为L的自适应信号预测系统 在n+j时刻约束输入值10+ /);其中，j的初始值为0, j表示迭代次数，η表示η时刻，η 也表示干涉相位图第η个像素点，n e {L, L+l,...，Ν}，N表示干涉相位图的像素点总数； 步骤2,根据长度为L的自适应信号预测系统在n+j时刻的约束误差函数 Μ" +Λ，得到长度为L的自适应信号预测系统在n+j时刻的约束误差均方值五+ _/>]， 进而得到长度为L的自适应信号预测系统在n+j时刻的均方约束误差值梯度乂,+;;其中，j 的初始值为〇, j表示迭代次数，η表示η时刻，η也表示干涉相位图第η个像素点； 步骤3,根据全局最小均方算法，利用长度为L的自适应信号预测系统在n+j时刻 的均方约束误差值梯度和长度为L的自适应信号预测系统在n+j时刻的输入值X(n+j) 对应的加权向量B (n+j)，设定收敛条件为： B(n+j+l)-B(n+j) |< ε 当不满足所述收敛条件时，令j增加1，返回步骤1 ;当满足所述收敛条件时，迭代 停止，此时第j次迭代得到的加权向量即为得到长度为L的自适应信号预测系统对应的稳 定约束加权向量；其中，j的初始值为0, j表示迭代次数，η表示η时刻，η也表示干涉相位 图第η个像素点，ε表示设定的趋于无穷小的极小数； 步骤4,根据干涉相位图中第η个像素点的缠绕相位为长度为L的自适应信号预测 系统的η时刻的输入信号X (η)和长度为L的自适应信号预测系统对应的稳定约束加权向 量，得到长度为L的自适应信号预测系统在η时刻的稳定输出值，即干涉相位图第η个 像素点的解缠后的相位，从而得到干涉相位图中所有像素点的解缠相位，即干涉相位图的 最终解缠相位；其中，η表示η时刻，η也表示干涉相位图第η个像素点，n e {L，L+1，...，Ν}， N表示干涉相位图的像素点总数。 本专利技术相对于现有技术主要优点在于： 第一，本专利技术的创新点在于将自适应预测系统应用到雷达相位解缠领域； 第二，本专利技术方法能够选择得当的自适应参数，有效对干涉相位图像进行相位解 缠； 第三，本专利技术能够在有效进行相位解缠的同时，提高干涉相位图像的信噪比，降低 了算法计算量，节省了时间。【附图说明】 下面结合附图和【具体实施方式】对本专利技术作进一步详细说明。 图1本专利技术的一种流程示意图； 图2A是加入信噪比为8dB噪声的缠绕正弦相位信号本文档来自技高网...

【技术保护点】
一种基于全局最小均方算法的雷达相位解缠方法，其特征在于，包括以下步骤：步骤1，将SAR图像与该SAR图像经过图像配准后的图像数据共轭相乘，得到干涉相位图；建立长度为L的自适应信号预测系统，并令所述干涉相位图中第n个像素点的缠绕相位为长度为L的自适应信号预测系统在n时刻的输入信号x(n)，将所述输入信号x(n)经过长度为L的自适应信号预测系统，依次得到长度为L的自适应信号预测系统在n+j时刻的输入值X(n+j)，和设定的长度为L的自适应信号预测系统在n+j时刻的输入值X(n+j)对应的加权向量为B(n+j)，进而依次得到长度为L的自适应信号预测系统在n+j时刻的输出值即干涉相位图第n+j个像素点的解缠后的相位，和长度为L的自适应信号预测系统在n+j时刻的误差函数e(n+j)，并根据设定的一个噪声门限Tv，依次得到长度为L的自适应信号预测系统在n+j时刻的约束误差函数和长度为L的自适应信号预测系统在n+j时刻约束输入值其中，j的初始值为0，j表示迭代次数，n表示n时刻，n也表示干涉相位图第n个像素点，n∈{L,L+1,...,N}，N表示干涉相位图的像素点总数；步骤2，根据长度为L的自适应信号预测系统在n+j时刻的约束误差函数得到长度为L的自适应信号预测系统在n+j时刻的约束误差均方值进而得到长度为L的自适应信号预测系统在n+j时刻的均方约束误差值梯度其中，j的初始值为0，j表示迭代次数，n表示n时刻，n也表示干涉相位图第n个像素点；步骤3，根据全局最小均方算法，利用长度为L的自适应信号预测系统在n+j时刻的均方约束误差值梯度和长度为L的自适应信号预测系统在n+j时刻的输入值X(n+j)对应的加权向量B(n+j)，设定收敛条件为：|B(n+j+1)‑B(n+j)|<ε当不满足所述收敛条件时，令j增加1，返回步骤1；当满足所述收敛条件时，迭代停止，此时第j次迭代得到的加权向量即为得到长度为L的自适应信号预测系统对应的稳定约束加权向量；其中，j的初始值为0，j表示迭代次数，n表示n时刻，n也表示干涉相位图第n个像素点，ε表示设定的趋于无穷小的极小数；步骤4，根据干涉相位图中第n个像素点的缠绕相位为长度为L的自适应信号预测系统的n时刻的输入信号x(n)和长度为L的自适应信号预测系统对应的稳定约束加权向量，得到长度为L的自适应信号预测系统在n时刻的稳定输出值即干涉相位图第n个像素点的解缠后的相位，从而得到干涉相位图中N个像素点的解缠相位，即干涉相位图的最终解缠相位；其中，n表示n时刻，n也表示干涉相位图第n个像素点，n∈{L,L+1,...,N}，N表示干涉相位图的像素点总数。...

【技术特征摘要】

【专利技术属性】
技术研发人员：冯大政，杨凡，王逸凡，张妍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61