(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 103149555 A (43)申请公布日 2013.06.12 | ||
(21)申请号 CN201310047051.5
(22)申请日 2013.01.25
(71)申请人 西安电子科技大学
地址 710071 陕西省西安市太白南路2号
(72)发明人 杨志伟 廖桂生 杜文韬 陈筠力 陈国忠 束宇翔 何嘉懿 刘志凌
(74)专利代理机构 陕西电子工业专利中心
代理人 田文英
(51)Int.CI
G01S7/41
权利要求说明书 说明书 幅图 |
(54)发明名称
结合极化分类和功率分组的自适应动目标检测方法 | |
(57)摘要
一种结合极化分类和功率分组的自适应动目标检测方法，主要解决非均匀场景下杂波协方差矩阵估计精度低，动目标检测性能差的问题。其步骤包括：1、SAR图像极化分类；2、初始化功率分组；3、小组样本个数检查；4、自适应抑制杂波；5、恒虚警检测。本发明由于采用极化分类方法指导样本的筛选，克服了现有的样本筛选未考虑地杂波特性差异的问题，使得本发明具有杂波协方差矩阵结构估计的精度高、动目标检测性能好的优点；本发明由于采用功率分组方法指导样本的筛选，克服了现有样本功率挑选的功率估计过大问题，使得本发明具有杂波协方差矩阵功率估计的准确性高、慢速运动目标检测性能好的优点。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
权 利 要 求 说 明 书
1.一种结合极化分类和功率分组的自适应动目标检测方法，包括如下步骤：
(1)SAR图像极化分类
1a)采用极化分类法，对合成孔径雷达(SAR)图像中的所有像素单元进行分类；
1b)将同类像素单元对应的样本归为一类，获得样本分类结果；
(2)初始化功率分组
2a)按照下式计算各像素单元的样本功率：
<maths><math><mrow><msub><mi>p</mi><mi>i</mi></msub><mo>=</mo><msubsup><mi>x</mi><mi>i</mi><mi>H</mi></msubsup><msub><mi>x</mi><mi>i</mi></msub></mrow></math></maths>
其中，p<sub>i</sub>表示样本x<sub>i</sub>的功率，x<sub>i</sub>表示第i个像素单元对应的样本向量，表示对 x<sub>i</sub>求共轭转置；
2b)对样本分类结果中的每一类样本进行功率分组，按照下式计算功率小组的个 数：
n＝1…N
分组名称其中，M<sub>n</sub>表示第n类样本下划分的功率小组的个数，表示向下取整数符号， max表示取最大值符号，p<sub>1</sub>～p<sub>L</sub>表示第n类中所有样本的功率值，L表示第n类包含 的样本个数，min表示取最小值符号，P<sub>0</sub>表示设置的小组功率变化范围值，N表示步 骤(1)样本分类的种类数；
2c)根据每一类样本的功率小组个数设置功率区间，按照下式计算每一个功率小 组的
功率区间：
<maths><math><mfenced><mtable><mtr><mtd><msubsup><mi>P</mi><mi>m</mi><mi>n</mi></msubsup><mo>=</mo><mo>[</mo><mi>min</mi><mrow><mo>(</mo><msub><mi>p</mi><mn>1</mn></msub><mo>,</mo><msub><mi>p</mi><mn>2</mn></msub><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>p</mi><mi>L</mi></msub><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><msub><mi>P</mi><mn>0</mn></msub><mo>,</mo><mi>min</mi><mrow><mo>(</mo><msub><mi>p</mi><mn>1</mn></msub><mo>,</mo><msub><mi>p</mi><mn>2</mn></msub><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>p</mi><mi>L</mi></msub><mo>)</mo></mrow><mo>+</mo><mi>m</mi><mo>·</mo><msub><mi>P</mi><mn>0</mn></msub><mo>]</mo></mtd><mtd><mi>m</mi><mo><</mo><msub><mi>M</mi><mi>n</mi></msub></mtd></mtr><mtr><mtd><msubsup><mi>P</mi><mi>m</mi><mi>n</mi></msubsup><mo>=</mo><mo>[</mo><mi>min</mi><mrow><mo>(</mo><msub><mi>p</mi><mn>1</mn></msub><mo>,</mo><msub><mi>p</mi><mn>2</mn></msub><mo>.</mo><mo>.</mo><mo>.</m
o><msub><mi>p</mi><mi>L</mi></msub><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><msub><mi>M</mi><mi>n</mi></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><msub><mi>P</mi><mn>0</mn></msub><mo>,</mo><mi>max</mi><mrow><mo>(</mo><msub><mi>p</mi><mn>1</mn></msub><mo>,</mo><msub><mi>p</mi><mn>2</mn></msub><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>p</mi><mi>L</mi></msub><mo>)</mo></mrow><mo>]</mo></mtd><mtd><mi>m</mi><mo>=</mo><msub><mi>M</mi><mi>n</mi></msub></mtd></mtr></mtable></mfenced></math></maths>
其中，表示第n类中第m个功率小组的功率区间，[]表示区间符号，min表 示取最小值符号，p<sub>1</sub>～p<sub>L</sub>表示第n类中所有样本的功率值，L表示第n类所含的样本 个数，max表示取最大值符号，M<sub>n</sub>表示第n类中的功率小组个数；
2d)对每一类的所有样本，如果其中一部分样本的功率属于同一功率区间，则将 该部分样本归为同一功率小组；
(3)小组样本个数检查
3a)当功率区间所包含的样本个数少于限定值时，如果m≠1，合并m与m-1组， 如果m＝1，合并m与m+1组；其中，m表示功率小组的序列数；
3b)重复步骤3a)，直到所有功率区间内包含的样本个数多于限定值；
(4)自适应抑制杂波
4a)使用同一小组的样本，按照下式估计杂波协方差矩阵：
<maths><math><mrow><msubsup><mi>R</mi><mi>m</mi><mi>n</mi></msubsup><mo>=</mo><mfrac><mn>1</mn><msubsup><mi>l</mi><mi>m</mi><mi>n</mi></msubsup></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>l</mi><mi>m</mi><mi>n</mi></msubsup></munderover><msubsup><mi>x</mi><mi>i</mi><mi>H</mi></msubsup><msub><mi>x</mi><mi>i</mi></msub></mrow></math></maths>
其中，表示第n类下第m个功率小组中所有样本估计获得的杂波协方差矩阵， 表示第n类下第m个功率小组中的样本个数，表示求和符号，x<sub>i</sub>表示第n类 下第m个功率小组中的第i个样本，表示对x<sub>i</sub>求共轭转置；
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论