基于微分特征增强的SAR欺骗干扰目标标识方法及系统技术方案

本发明专利技术公开了基于微分特征增强的SAR欺骗干扰目标标识方法及系统，方法包括：获取真实SAR场景回波与SAR欺骗干扰的混合数据，校正处理后生成数据矩阵，生成参考信号；数据矩阵经过不同处理步骤分别生成包含全部信息的第一方位一维像和抑制干扰特征后的第二方位一维像，进一步处理后得到微分特征图像矩阵；采用矩形窗对微分特征图像矩阵进行处理，生成灰度直方图数据及参考灰度直方图；当检测到灰度直方图与参考直方图的匹配距离大于预先设置的阈值时，标记为欺骗干扰目标。本发明专利技术针对成像雷达原始数据在不同成像方法下的差分特征进行增强，在SAR图像中对欺骗干扰目标进行标识，提高了成像雷达对抗欺骗干扰的能力，降低了成本。

【技术实现步骤摘要】

本专利技术涉及信号处理
，尤其涉及基于微分特征增强的SAR欺骗干扰目标标识方法及系统。
技术介绍
SAR(SyntheticApertureRadar，合成孔径雷达)欺骗干扰机根据预先设计好的虚假场景对截获的SAR信号进行延时与相位调制，比传统的压制干扰所需的功率更低，且危害更大。干扰机在真实场景中产生逼真的虚假目标，从而扰乱SAR的信息获取与决策。因此针对SAR欺骗干扰的研究引起了学者们的广泛关注，也相应地取得了较显著的成果，使得SAR欺骗干扰机能够在多种复杂的工作模式下更加逼真、更加高效地产生更多的虚假目标，从而增加了欺骗干扰的威胁性。因此，为了提升SAR系统的生存能力，有必要研究相应的应对方法对欺骗干扰目标进行甄别与标识。ZhaoShanshan等在文献“DiscriminationofDeceptionTargetsinMultistaticRadarBasedonClusteringAnalysis”(IEEESensorsJournal,Vol.16,No.8,Apr.2016:2500-2508)中基于多基雷达的系统架构，在幅度比例特征空间内采用分层归类分析的方法，对欺骗干扰目标与真实目标的散布特性进行分析，并通过最优化分类数与设计不同类别最小代价的方法来实现虚假目标与真实目标的分类。该方法虽然能够在一个脉冲重复间隔内完成，但需要多基雷达系统作为支撑，系统复杂度与成本较高。LvGaohuan等在文献“GroundMovingTargetIndicationinSARImagesWithSymmetricDopplerViews”(IEEETransactionsonGeoscienceandRemoteSensing,Vol.54,No.1,Jan.2016:533-543)中将原始数据划分为对称的多普勒视图，根据运动目标与静止场景回波特性在不同多普勒视图中分布的差异性对运动目标进行识别。由于欺骗干扰目标与运动目标的多普勒特性相似，因此该方法同样能够在欺骗干扰目标中进行应用。但对称多普勒视图的划分会造成有效成像带宽的损失，从而引起成像分辨率的下降。因此，现有技术还有待于改进和发展。
技术实现思路
鉴于现有技术的不足，本专利技术目的在于提供一种基于微分特征增强的SAR欺骗干扰目标标识方法及系统，旨在解决现有技术中欺骗干扰目标识别分辨率下降，而且欺骗干扰目标系统成本高的缺陷。本专利技术的技术方案如下：一种基于微分特征增强的SAR欺骗干扰目标标识方法，其中，方法包括：A、获取真实SAR场景回波与SAR欺骗干扰的混合数据，对混合数据进行校正处理后生成成像场景的数据矩阵，根据SAR系统参数生成去调频处理的参考信号；B、数据矩阵与参考信号逐点相乘后进行傅里叶变换，生成第一方位一维像，数据矩阵进行傅里叶变换后进行滤波，并将滤波结果进行逆傅里叶变换，得到抑制干扰特征后的距离单元数据，将距离单元数据与参考信号逐点相乘并进行傅里叶变换，生成抑制干扰特征后的第二方位一维像，将第一方位一维像与第二方位一维像相减后逐点取模值，生成微分特征一维像，将微分特征一维像沿距离维依次排列，得到微分特征图像矩阵；C、采用特定大小的矩形窗对微分特征图像矩阵中的数据进行逐点处理，获取并计算窗口内的图像数据的灰度直方图，生成各点周围的灰度直方图数据；D、获取灰度级别小于预先设置的第一阈值的像素点计算得到的直方图进行平均，生成参考灰度直方图；E、计算数据矩阵中任意元素的灰度直方图与参考直方图的匹配距离，当检测到匹配距离大于预先设置的第二阈值时，将元素对应的目标标记为欺骗干扰目标。所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其中，所述A具体包括：A1、获取真实SAR场景回波与SAR欺骗干扰的混合数据，进行距离压缩、距离徙动校正处理后，生成K×L维成像场景的数据矩阵，记为s(tr,ta)，数据矩阵中列方向表示距离维，行方向表示方位维，；tr为距离向快时间，ta为方位向慢时间；A2、根据SAR系统参数生成方位维去调频处理的参考信号，记为s0(ta)；具体为：s0(ta)=exp(-jπγata2)]]>其中γa为多普勒调频率。所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其中，所述B具体包括：B1、获取数据矩阵s(tr,ta)中的第k行数据sk(ta)，与参考信号s0(ta)逐点相乘，对相乘后的结果进行傅里叶变换，生成包含真实场景与欺骗干扰全部信息的第一方位一维像其中表示傅里叶变换；B2、获取数据矩阵s(tr,ta)中的第k行数据sk(ta)，进行傅里叶变换，得到频谱数据获取频域带通滤波器H(fa)H(fa)=rect(faBa)=1,|fa|≤Ba/20,|fa|>Ba/2]]>其中Ba为信号的多普勒带宽，rect(·)为矩形窗函数，根据H(fa)对频域数据Sk(fa)进行滤波，将滤波结果进行逆傅里叶变换，生成抑制干扰特征后的第k个距离单元数据其中表示逆傅里叶变换，将抑制干扰特征后的第k个距离单元数据与s0(ta)逐点相乘，并对结果进行傅里叶变换，得到抑制干扰特征后的第二方位一维像B3、将q1k(x)与q2k(x)相减，并对相减得到的复数据逐点取模值，计算得到微分特征一维像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐点求模值的运算；B4、令k＝1,2,…,K，重复步骤B1～B3，将所得到的微分特征一维像Δqk(x)沿距离维依次排列，得到微分特征图像矩阵ΔI。所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其中，所述C具体包括：C1、采用W×W的矩形窗对差分图像中的数据进行逐点处理，其中W为窗的边长点数，用ΔIw表示窗内的图像数据，计算其灰度直方图h＝hist(vec(ΔIw))其中vec(·)表示将矩阵ΔIw向量化的运算，hist(·)表示计算灰度直方图的运算，为灰度直方图向量，G表示直方图的量化级别，将矩形窗在ΔI上逐点滑动，生成各点的灰度直方图数据。所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其中，所述D具体包括：D1、获取ΔI中灰度级别小于第一阈值εr的像素点计算得到的直方图进行平均，得到参考灰度直方图ho=1UΣu=1Uhu]]>其中hu表示位于(ku,lu)处的点的直方图，在差分特征图中的灰度级别小于阈值εr，即ΔI(ku,lu)＜εr，U表示小于该阈值的所有点的个数。所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其中，所述E具体包括：E1、计算数据矩阵中任意元素的灰度直方图ha与参考直方图的匹配距离dM(ho,ha)＝‖ho-ha‖1其中||·||1表示求向量1范数的运算，对图像中的逐个像素点计算直方图匹配距离，生成直方图匹配矩阵E2、当检测检测到匹配距离大于预先设置的第二阈值时，将元素对应的目标标记为欺骗干扰目标，否则标记为真实场景。一种基于微分特征增强的SAR欺骗干扰目标标识系统，其中，系统包括：参考信号生成模块，用于获取真实SAR场景回波与SAR欺骗干扰的混合数据，对混合数据进行校正处理后生成成像场景的数据矩阵，根据SAR系统参数生成去调频处理的参考信号；微分特征图像矩阵生成模块，用于数据矩阵与参考信号逐本文档来自技高网...

【技术保护点】
一种基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述方法包括：A、获取真实SAR场景回波与SAR欺骗干扰的混合数据，对混合数据进行校正处理后生成成像场景的数据矩阵，根据SAR系统参数生成去调频处理的参考信号；B、数据矩阵与参考信号逐点相乘后进行傅里叶变换，生成第一方位一维像，数据矩阵进行傅里叶变换后进行滤波，并将滤波结果进行逆傅里叶变换，得到抑制干扰特征后的距离单元数据，将距离单元数据与参考信号逐点相乘并进行傅里叶变换，生成抑制干扰特征后的第二方位一维像，将第一方位一维像与第二方位一维像相减后逐点取模值，生成微分特征一维像，将微分特征一维像沿距离维依次排列，得到微分特征图像矩阵；C、采用特定大小的矩形窗对微分特征图像矩阵中的数据进行逐点处理，获取并计算窗口内的图像数据的灰度直方图，生成各点周围的灰度直方图数据；D、获取灰度级别小于预先设置的第一阈值的像素点计算得到的直方图进行平均，生成参考灰度直方图；E、计算数据矩阵中任意元素的灰度直方图与参考直方图的匹配距离，当检测到匹配距离大于预先设置的第二阈值时，将元素对应的目标标记为欺骗干扰目标。

【技术特征摘要】
1.一种基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述方法包括：A、获取真实SAR场景回波与SAR欺骗干扰的混合数据，对混合数据进行校正处理后生成成像场景的数据矩阵，根据SAR系统参数生成去调频处理的参考信号；B、数据矩阵与参考信号逐点相乘后进行傅里叶变换，生成第一方位一维像，数据矩阵进行傅里叶变换后进行滤波，并将滤波结果进行逆傅里叶变换，得到抑制干扰特征后的距离单元数据，将距离单元数据与参考信号逐点相乘并进行傅里叶变换，生成抑制干扰特征后的第二方位一维像，将第一方位一维像与第二方位一维像相减后逐点取模值，生成微分特征一维像，将微分特征一维像沿距离维依次排列，得到微分特征图像矩阵；C、采用特定大小的矩形窗对微分特征图像矩阵中的数据进行逐点处理，获取并计算窗口内的图像数据的灰度直方图，生成各点周围的灰度直方图数据；D、获取灰度级别小于预先设置的第一阈值的像素点计算得到的直方图进行平均，生成参考灰度直方图；E、计算数据矩阵中任意元素的灰度直方图与参考直方图的匹配距离，当检测到匹配距离大于预先设置的第二阈值时，将元素对应的目标标记为欺骗干扰目标。2.根据权利要求1所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述A具体包括：A1、获取真实SAR场景回波与SAR欺骗干扰的混合数据，进行距离压缩、距离徙动校正处理后，生成K×L维成像场景的数据矩阵，记为s(tr,ta)，数据矩阵中列方向表示距离维，行方向表示方位维，；tr为距离向快时间，ta为方位向慢时间；A2、根据SAR系统参数生成方位维去调频处理的参考信号，记为s0(ta)；具体为：s0(ta)=exp(-jπγata2)]]>其中γa为多普勒调频率。3.根据权利要求2所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述B具体包括：B1、获取数据矩阵s(tr,ta)中的第k行数据sk(ta)，与参考信号s0(ta)逐点相乘，对相乘后的结果进行傅里叶变换，生成包含真实场景与欺骗干扰全部信息的第一方位一维像其中表示傅里叶变换；B2、获取数据矩阵s(tr,ta)中的第k行数据sk(ta)，进行傅里叶变换，得到频谱数据获取频域带通滤波器H(fa)H(fa)=rect(faBa)=1,|fa|≤Ba/20,|fa|>Ba/2]]>其中Ba为信号的多普勒带宽，rect(·)为矩形窗函数，根据H(fa)对频域数据Sk(fa)进行滤波，将滤波结果进行逆傅里叶变换，生成抑制干扰特征后的第k个距离单元数据其中表示逆傅里叶变换，将抑制干扰特征后的第k个距离单元数据与s0(ta)逐点相乘，并对结果进行傅里叶变换，得到抑制干扰特征后的第二方位一维像B3、将q1k(x)与q2k(x)相减，并对相减得到的复数据逐点取模值，计算得到微分特征一维像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐点求模值的运算；B4、令k＝1,2,…,K，重复步骤B1～B3，将所得到的微分特征一维像Δqk(x)沿距离维依次排列，得到微分特征图像矩阵ΔI。4.根据权利要求3所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述C具体包括：C1、采用W×W的矩形窗对差分图像中的数据进行逐点处理，其中W为窗的边长点数，用ΔIw表示窗内的图像数据，计算其灰度直方图h＝hist(vec(ΔIw))其中vec(·)表示将矩阵ΔIw向量化的运算，hist(·)表示计算灰度直方图的运算，为灰度直方图向量，G表示直方图的量化级别，将矩形窗在ΔI上逐点滑动，生成各点的灰度直方图数据。5.根据权利要求4所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述D具体包括：D1、获取ΔI中灰度级别小于第一阈值εr的像素点计算得到的直方图进行平均，得到参考灰度直方图ho=1UΣu=1Uhu]]>其中hu表示位于(ku,lu)处的点的直方图，在差分特征图中的灰度级别小于阈值εr，即ΔI(ku,lu)＜εr，U表示小于该阈值的所有点的个数。6.根据权利要求5所述的基于微分特征增强的SAR欺骗干扰目标标识方法，其特征在于，所述E具体包括：E1、计算数据矩阵中任意元素的灰度直方图...

【专利技术属性】
技术研发人员：赵博，黄磊，黄敏，李强，周汉飞，张基宏，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44