本发明专利技术公开了一种多通道SAR地面慢动目标检测方法及装置,其中的方法在推导干涉图幅度统计分布模型族的具体实现方式为:所述推导干涉图幅度统计分布模型族的具体实现方式为:以复Wishart分布为基础,通过引入场景环境分类,结合乘积模型,利用逆方根Gamma分布和广义逆Gauss方根分布,推导出干涉图幅度分布模型族;所述推导出各分布模型的参数估计器的具体实现方式为:基于Mellin变换导出各新分布模型的参数估计器。本发明专利技术提供的方案中,通过建立新的干涉图幅度分布模型族,解决了均匀度变化下的广泛区域对应的干涉图幅度数据的精确建模问题。
【技术实现步骤摘要】
本专利技术涉及合成孔径雷达(Synthetic Aperture Radar, SAR)
,尤其涉及 一种多通道SAR地面慢动目标(Slow Ground Moving Target)检测方法及装置。
技术介绍
SAR是20世纪50年代初发展起来的一种新型的雷达体制。它属于主动式微波遥感 设备,具有全天时、全天候和远距离成像的特点,可以大大提高雷达的信息获取能力,特别 是战场感知能力,对军用和民用均有重要的应用价值。地面运动目标显示(Ground Moving Target Indication,GMTI)作为战术侦察的一部分是军用SAR系统所必须具备的一项基本 功能,也是SAR信号处理中的一个重要问题。传统的单通道SAR系统只能检测到频谱全部 或部分落在杂波谱之外的运动目标。对于频谱淹没在杂波谱之内的慢动目标的检测,单通 道SAR系统一般难以实现。相对于单通道SAR系统,多通道SAR系统增加了系统的空间自 由度,从而可利用多个空间自由度抑制展宽的主瓣杂波,提高慢动运动目标的信杂比,获得 较好的检测性能。基于干涉图(interferogram)的多通道SAR地面慢动目标自动检测技术是一种致 力于从复杂的大幅SAR图像中快速有效地检测出地面上慢速行驶的车辆目标的技术。该技 术是SAR对地面观测应用的基础前沿课题,具有重要的学术和应用价值,极具创新性。一般而言,多通道SAR地面慢动目标检测方法包括以下步骤步骤1:确定干涉图 幅度和相位;步骤2 :根据所确定的干涉图幅度和相位推导出干涉图的统计分布模型,并推 导出各分布模型的参数估计器;步骤3 :根据推导出的统计分布模型及参数估计器,实现慢 动目标的自动检测。上述步骤2是整个方案较为重要的环节,如何快速、准确地推导出统计分布模型 和参数估计器,是备受关注的课题。干涉图是多通道信息的一种主要表征方式,由于统计的方法能够达到信息提取的 理论上的Bayes (贝叶斯)最优解,因此干涉图的统计建模特别是干涉图幅度统计建模成为 了多通道SAR的研究热点之一,其在极化、干涉、动目标指示等方面均有广泛的应用前景, 为多通道SAR解译与应用的共性基础研究课题。以Goodman提出的复Wishart分布为基础,Lee等人首先推导得到了均勻区域环 境下干涉图幅度的分布模型。在此基础上,Gierull> Sikaneta、Abdelfattah等人对干涉 图幅度分布模型进行了较为深入的研究,其中,最为著名且性能最好的是Gierull等人提 出的干涉图幅度分布模型,其优点是完整性较好,对不均匀区域对应干涉图幅度数据具有 一定的建模能力,其缺点是由于均匀区域环境下对应的分布模型中仍包含第二类型的修正 Bessel (贝塞耳)函数等特殊函数,造成阈值求解的困难并极大限制了可拟合区域的范围, 而且对于复杂环境(如城区等),该模型的建模能力严重不足。因此,亟待寻求更加完善、具 有均匀度变化下的广泛区域建模能力的新干涉图幅度分布模型。
技术实现思路
本专利技术提出一种基于干涉图的多通道SAR地面慢动目标检测方法及装置,其中的 方法包括以下步骤确定干涉图幅度和相位;推导干涉图幅度统计分布模型族,并推导出各分布模型 的参数估计器;根据所述统计分布模型和参数估计器,实现慢动目标的自动检测。其中, 所述推导干涉图幅度统计分布模型族的具体实现方式为以复Wishart分布为基础,通过 引入场景环境分类,结合乘积模型,利用逆方根Gamma分布和广义逆Gauss方根分布,推导 出干涉图幅度分布模型族;所述推导出各分布模型的参数估计器的具体实现方式为基于 Mellin变换导出各新分布模型的参数估计器。本专利技术提供的方案中,通过建立新的干涉图幅度分布模型族,解决了均匀度变化 下的广泛区域对应的干涉图幅度数据的精确建模问题,并把以相干斑模型和乘积模型为基 础发展而来的单通道SAR图像统计建模家族扩展到多通道领域,实现了单通道SAR图像建 模理论到多通道SAR干涉图幅度建模的拓展与统一。基于Mellin变换的各分布模型对应 的参数估计器能够快速、准确地迭代出各分布所含参数的估计值,从而保证了新分布模型 族的实用性。附图说明图1是本专利技术基于干涉图的多通道SAR地面慢动目标检测方法流程图2示出本专利技术均匀区域、不均匀区域和极度不均匀区域环境下的干涉图幅度各 分布之间的关系。具体实施方式本专利技术提出了一种全新的基于干涉图的多通道SAR地面慢动目标检测方案。其 中,特别提出了新的干涉图幅度分布模型族及对应的参数估计器。首先,在乘积模型框 架下,以复Wishart分布为基础,通过引入场景环境分类的思想,利用具备真实地物RCS (Radar Cross Section,雷达散射截面)分量精确建模能力的逆方根Ga_a分布和广义逆 Gauss方根分布,推导建立了理论完善的新的干涉图幅度分布模型族扩展Gamma分布、扩 展G°分布和扩展G分布,即E-Ga_a分布、E_G°分布和E-G分布,解决了均匀度变化下的广 泛区域对应的干涉图幅度数据的精确建模问题,实现了单通道SAR图像建模理论到多通道 SAR干涉图幅度建模的拓展与统一。其次,基于Mellin变换导出了各新分布模型的参数估 计器E-Gamma MoLC、E_G°MoLC和E-G MoLC。新估计器能够快速、准确地迭代出各分布参数 的估计值。以KL度量、MSE (Mean Square Error,均方误差)度量和K_S检验作为定量评 估准则,对星载多通道SAR实测数据对应的干涉图进行实验,结果证明了所提模型族及对 应参数估计器的有效性。参见图1,为本专利技术提出的基于干涉图的多通道SAR地面慢动目标检测方法,具体 包括SlOl :推导干涉图幅度统计分布模型族,并推导出各分布模型的参数估计器;具体地推导干涉图幅度统计分布模型族的具体实现方式是在乘积模型框架 下,以复Wishart分布为基础,通过引入场景环境分类,利用具备真实地物RCS分量精确建模能力的逆方根Ga_a分布和广义逆Gauss方根分布,推导建立新的干涉图幅度分布模型族E-Ga_a分布、E-G0分布和E-G分布;推导出各分布模型的参数估计器的具体实现方式是基于Mellin变换导出了各新分布模型的参数估计器E-Gamma MoLC、E-G0MoLC和E-G MoLC。S102 :根据所述统计分布模型和参数估计器,实现慢动目标的自动检测。可见,本专利技术以复Wishart分布为基础,引入Frery等人把实际图像场景分为均勻区域、不均匀区域和极度不均匀区域等三类的思想,结合乘积模型,利用具备真实地物RCS 幅度分量精确建模能力的逆方根Gamma分布和广义逆Gauss方根分布,推导出了不同图像场景下新的干涉图幅度分布模型族。在此基础上,利用Mellin变换导出了各分布新的参数估计器。下面详细介绍。I新的干涉图幅度统计分布模型族根据中心极限定理,图像场景的RCS分量恒定时,相干斑噪声分量的同相 (In-phase)和正交(Quadrature)通道相互独立、且都服从零均值的Gauss分布,具备了复 Wishart分布的前提条件。假设双通道η视样本协方差矩阵为NWf zAk)zAk)' Z1(Ic)' Z2 (k) |z“々)|2本文档来自技高网...
【技术保护点】
一种多通道SAR地面慢动目标检测方法,其特征在于,包括:推导干涉图幅度统计分布模型族,并推导出各分布模型的参数估计器;根据所述统计分布模型和参数估计器,实现慢动目标的自动检测;其中:所述推导干涉图幅度统计分布模型族的具体实现方式为:以复Wishart分布为基础,通过引入场景环境分类,结合乘积模型,利用逆方根Gamma分布和广义逆Gauss方根分布,推导出干涉图幅度分布模型族;所述推导出各分布模型的参数估计器的具体实现方式为:基于Mellin变换导出各新分布模型的参数估计器。
【技术特征摘要】
【专利技术属性】
技术研发人员:时公涛,陈东,庞怡杰,陈涛,黄波,李亮,
申请(专利权)人:中国人民解放军空军装备研究院侦察情报装备研究所,
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。