一种基于低秩和一维稀疏分解的SAR-GMTI方法技术

本申请实施例公开了一种基于低秩和一维稀疏分解的SAR‑GMTI方法，所述方法包括：获取N个通道的回波信号，将所述N个通道的回波信号分别成像得到对应的N个数据矩阵；将所述N个数据矩阵分别按照列的方向进行堆叠，合并为第一矩阵；根据所述第一矩阵确定一维稀疏矩阵；根据所述一维稀疏矩阵确定动目标检测结果。

A sar-gmti method based on low rank and one-dimensional sparse decomposition

【技术实现步骤摘要】
一种基于低秩和一维稀疏分解的SAR-GMTI方法
本专利技术涉及信息处理技术，尤其涉及一种基于低秩和一维稀疏分解的SAR-GMTI方法。
技术介绍
合成孔径雷达是一种全天时、全天候、覆盖范围广的雷达体制，在国民经济方面有着广泛的应用。但除去地面静止目标高分辨率成像，把握运动目标的动向也很重要。利用合成孔径雷达地面运动目标检测(SyntheticApertureRadar-GroundMovingTargetIndication，SAR-GMTI)，就可以观察到陆地车辆、海面船只的运行情况。由于目标运动的不确定性，导致动目标以散焦、模糊、方位位置偏移的形式叠加在合成孔径雷达(SyntheticApertureRadar，SAR)图像上，所以必须寻求和发展动目标检测和成像技术，如何有效检测到运动目标是地面运动目标检测(GroundMovingTargetIndication，GMTI)的首要任务。图1为多通道SAR-GMTI模式的几何关系示意图，如图1所示，对于雷达来说，载体在一定高度上飞行，工作在下视状态，回波中不可避免的包含大量强的地杂本文档来自技高网...

【技术保护点】
1.一种基于低秩和一维稀疏分解的SAR-GMTI方法，其特征在于，所述方法包括：/n获取N个通道的回波信号，将所述N个通道的回波信号分别成像得到对应的N个数据矩阵；/n将所述N个数据矩阵分别按列的方向进行堆叠，合并为第一矩阵；/n根据所述第一矩阵确定一维稀疏矩阵；/n根据所述一维稀疏矩阵确定动目标检测结果。/n

【技术特征摘要】
1.一种基于低秩和一维稀疏分解的SAR-GMTI方法，其特征在于，所述方法包括：
获取N个通道的回波信号，将所述N个通道的回波信号分别成像得到对应的N个数据矩阵；
将所述N个数据矩阵分别按列的方向进行堆叠，合并为第一矩阵；
根据所述第一矩阵确定一维稀疏矩阵；
根据所述一维稀疏矩阵确定动目标检测结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述第一矩阵确定一维稀疏矩阵，包括：
将所述第一矩阵代入结构化行稀疏鲁棒主成分分析SRS-RPCA模型，确定所述一维稀疏矩阵；其中，所述SRS-RPCA模型的表达式为：






其中，D代表所述第一矩阵，D∈Cm×n，L代表低秩矩阵，S代表所述一维稀疏矩阵，m代表所述第一矩阵的行，n代表所述第一矩阵的列，C为复数集，κ和λ为调优参数，‖·‖*为矩阵的核范数，‖·‖1,2为矩阵的L12范数，‖·‖F为矩阵的Frobenius范数，δ>0，且


3.根据权利要求2所述的方法，其特征在于，所述将所述第一矩阵代入SRS-RPCA模型，确定所述一维稀疏矩阵，包括：
根据增广拉格朗日方法将所述SRS-RPCA模型转化为低秩矩阵L、一维稀疏矩阵S和拉格朗日乘子Y三个子问题，表达式为：









Yk+1＝Yk+μk·(D-Lk+1-Sk+1)
其中，μ为约束因子且μ>0，μ的初始化值为μk+1＝ρμk，ρ为大于1的常数；
通过迭代计算确定S。


4.根据权利要求3所述的方法，其特征在于，所述通过...

【专利技术属性】
技术研发人员：郑慧敏，郑明洁，王宇，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：北京;11