【技术实现步骤摘要】
本专利技术涉及精细极化分解，更具体地说，特别涉及一种无模型约束目标精细极化分解方法。
技术介绍
1、极化合成孔径雷达(polarimetric synthetic aperture radar,polsar)通过发射和接收不同极化方式的电磁波从而能够获取目标在不同极化状态下的散射特性，其中不仅包括目标幅度信息，还包含不同通道之间的相对相位信息，因而能够同时对目标开展定性与定量的散射特性分析。极化sar系统兼顾高分辨成像与定量测量，能够同时获取包括目标的方位、速度、形状、尺寸和粗糙度等在内的空间信息与物理属性信息，从而极大地增强了成像雷达对目标信息的获取能力。这使得极化sar系统在需要快速反应的突发事件和危机时刻中极其重要的价值，尤其是在海域感知(mda)方面。
2、基于polsar数据的特点以及目标和杂波的散射特性差异，研究人员相继提出了多种polsar图像舰船检测方法。传统的是基于统计模型的舰船检测方法，其中恒虚警率(constant false alarm rate,cfar)方法应用最为广泛。在未知先验信息的情况下，由于舰船目标相较于海杂波具有更强的散射响应，cfar通常具有良好的检测性能。但受到雷达平台参数多样和复杂海况的影响，海杂波精准统计建模及对应的参数估计非常困难而且复杂。随着人工智能的发展，基于深度学习的舰船探测技术应运而生。在这一类别中，卷积神经网络(cnn)得到了广泛认可，因为后向散射可以通过底层函数的近似来描述。尽管如此，cnn可能会陷入网络配置改进、训练技巧优化和损失函数修改的单一循环。>
3、另一类方法直接从数据的极化散射特性出发，探究舰船和杂波在后向散射上的差异性，提取反映不同散射类型的极化特征，从而实现舰船检测。目前，基于物理模型的极化分解是实现目标散射特性准确描述的最有效手段。但在高动态观测场景下，散射模型的应用可能无法满足某些经验假设，导致目标物理参量错估，严重影响目标散射的准确表征。
4、当前，极化成像雷达的职能任务出现向前视/大前斜视体制分化和范围扩展的趋势，在复杂多变电磁环境下提取目标信息，实现极化成像制导的认知化、精细化发展，仍面临两类重大科学问题：第一、在复杂的电磁环境中，如旁瓣干扰、方位角模糊、高海况和强斑噪等情况下，准确有效地实现船舶检测十分困难。第二、受(局部)散射结构、散射特征、雷达观测条件影响，对于弱散射的小型舰船的检测，面临着明显的识别性能急剧下降的瓶颈问题。
技术实现思路
1、本专利技术的目的在于提供一种无模型约束目标精细极化分解方法，以克服现有技术所存在的缺陷。
2、为了达到上述目的，本专利技术采用的技术方案如下：
3、一种无模型约束目标精细极化分解方法，包括以下步骤：
4、s1、根据极化度的定义，得到总极化散射功率和总去极化散射功率；
5、s2、采用正弦函数对总极化散射功率进行调制，预先去除表面散射和二次散射，计算出cpri散射和复合偶极子散射的散射功率；
6、s3、对所述总去极化散射功率进行调制，得出旋转二面散射贡献值。
7、进一步地，所述步骤s1中总极化散射功率表示为mp·(t11+t22+t33)，该总极化散射功率由表面散射、二次散射、cpri散射与三种复合偶极子散射功率共同组成，总去极化散射功率表示为(1-mp)·(t11+t22+t33)，该总去极化散射功率包含体散射贡献和旋转二面角散射贡献。
8、进一步地，所述步骤s1中表面散射功率podd和二次散射功率pdbl优先通过用散射类型角γ调制总极化散射功率得出表征舰船目标散射的关键特征，表面散射功率podd和二次散射功率pdbl：
9、
10、
11、若γ＝-π/4，则podd＝0且pdbl达最大值mp·(t11+t22+t33)，若γ＝π/4，则pdbl＝0且podd达到最大值mp·(t11+t22+t33)。
12、进一步地，所述步骤s2中cpri散射pods和复合偶极子散射pmds的散射贡献计算公式为：
13、pods＝pres·sin(2θori),poqw＝pres·sin(2θglu)
14、pmds＝pres·sin(2θtor),pcps＝pres·sin(2θhel)
15、pres＝mp·(t11+t22+t33)-(ps+pd)
16、式中，pres表示剩余的极化散射功率。
17、进一步地，所述步骤s3中旋转二面散射贡献值prds的公式为：
18、
19、与现有技术相比，本专利技术的优点在于：本专利技术提出极化信息完全利用的精细极化分解思想：将总散射表征为多个散射的加权求和，且这些散射包含了对所有9个极化观测量的释义，能够充分极化信息，且本专利技术运用散射结构类别角来调制总散射功率的极化和去极化部分，提出了无模型的极化分解，能充分合理地描述船舶的全局和局部结构散射。
本文档来自技高网...【技术保护点】
1.一种无模型约束目标精细极化分解方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无模型约束目标精细极化分解方法，其特征在于，所述步骤S1中总极化散射功率表示为mP·(T11+T22+T33)，该总极化散射功率由表面散射、二次散射、CPRI散射与三种复合偶极子散射功率共同组成，总去极化散射功率表示为(1-mP)·(T11+T22+T33)，该总去极化散射功率包含体散射贡献和旋转二面角散射贡献。
3.根据权利要求1所述的无模型约束目标精细极化分解方法，其特征在于，所述步骤S1中表面散射功率Podd和二次散射功率Pdbl优先通过用散射类型角γ调制总极化散射功率得出表征舰船目标散射的关键特征，表面散射功率Podd和二次散射功率Pdbl：
4.根据权利要求1所述的无模型约束目标精细极化分解方法，其特征在于，所述步骤S2中CPRI散射Pods和复合偶极子散射Pmds的散射贡献计算公式为：
5.根据权利要求1所述的无模型约束目标精细极化分解方法，其特征在于，所述所述步骤S3中旋转二面散射贡献值Prds的公式为：
【技术特征摘要】
1.一种无模型约束目标精细极化分解方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无模型约束目标精细极化分解方法，其特征在于，所述步骤s1中总极化散射功率表示为mp·(t11+t22+t33)，该总极化散射功率由表面散射、二次散射、cpri散射与三种复合偶极子散射功率共同组成，总去极化散射功率表示为(1-mp)·(t11+t22+t33)，该总去极化散射功率包含体散射贡献和旋转二面角散射贡献。
3.根据权利要求1所述的无模型约束目标精细极化分解方法...
【专利技术属性】
技术研发人员：邢世其，全斯农，汪俊澎，王俊杰，方付平，朱海，张皓宇，李永祯，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。