一種用于淺埋目標高分辨率透視成像雷達雜波抑制方法
【專利摘要】本發明公開了一種用于淺埋目標高分辨率透視成像雷達的雜波抑制方法，將回波信號進行SVD分解，求得奇異值矩陣S，將第一階奇異值置為0，可以去掉強雜波，保留目標回波信息；進一步的，對去掉強雜波后的回波信號進行PCA分解，得到特征值矩陣，通過累次方差貢獻率，剔除噪聲雜散，保留目標信息，對回波數據進行抑制，可去除介質表面強的反射雜波，提高目標信號的信噪比；可濾除墻體不均勻和雜質引起較小雜波，使成像效果更清晰。
【專利說明】
一種用于淺埋目標高分辨率透視成像雷達雜波抑制方法
技術領域
[0001] 本發明涉及一種用于淺埋目標高分辨率透視成像雷達的雜波抑制方法，該方法適 用于淺埋目標高分辨率透視成像雷達中的介質表面雜波抑制處理，屬于雷達信號處理技術 領域。
【背景技術】
[0002] 淺埋目標高分辨率透視成像雷達工作過程中向介質內部發射電磁波，回波中除了 目標回波外，還包括介質分界表面的雜波，并且由于介質表面與探測天線距離近、波束接觸 面積大，介質表面反射雜波遠遠強于隱蔽在介質內的目標回波，介質表面雜波抑制性能是 影響透視成像雷達成像效果的重要因素，傳統深層目標探測雷達，如探地雷達，由于采用的 波長長，對介質表面的粗糙程度不敏感，可近似認為介質表面反射雜波沒有空變性和時變 性，對于淺埋目標高分辨率透視成像雷達，由于需要完成埋藏目標的高分辨成像，需采用較 高頻段工作頻率，因而不能忽略介質表面反射雜波的空變性和時變性，因此，介質表面雜波 抑制是淺埋目標高分辨率透視成像雷達的一個難點問題。
[0003] 傳統的雜波抑制方法主要有抑制法、濾波法和子空間分解法三大類方法，其中抑 制法包括空場景抑制法和均值抑制法;濾波法主要包括距離窗選通、FK濾波法;子空間分解 法分為主成分分析法(PCA)、奇異值分解法(SVD)和因子分解法(FA)。

【發明內容】

[0004] 本發明涉及一種用于淺埋目標高分辨率透視成像雷達雜波抑制方法，克服了淺埋 目標高分辨率透視成像雷達體制下介質表面雜波難以抑制的問題，抑制了介質表面反射波 干擾，提高了目標回波信號的信雜比，使成像效果更加清晰。
[0005] -種用于淺埋目標探測雷達的雜波抑制方法，包括如下步驟：
[0006] S00:對回波信號矩陣進行奇異值分解，具體為：
[0007] 對接收的mXn階回波信號矩陣A進行奇異值分解，分解后得到m階酉陣U，n階酉陣V 和奇異值矩陣S，即：
[0008] A = UXSXVh (1)
[0009] 其中H表示共輒轉置；
[0010] ATA的特征值為入i彡入2彡…彡入n;
[0011] 記k=min{m，n}，min{ ? }表示取最小值運算;在ATA的特征值中保留前k個特征值， 則巧=#為回波信號矩陣A的奇異值，1 = 1，2，…，k;將奇異值〇1組成奇異值矩陣S;
[0012] S01:將奇異值矩陣S中的第一階奇異值置為0,得新奇異值矩陣S' ；
[0013] S02:根據置零后的奇異值矩陣S'對回波信號矩陣進行重構，得到去掉強雜波的回 波信號矩陣sig:
[0014] sig = UXS，XVH (3)
[0015] S03:對步驟S02得到的回波信號矩陣sig進行PCA分解，得到：
[0016] :s.ig = TmxilPl0<n =(必 + t2p2 + …+ tfPi H "nP" (:4)
[0017]其中，i =卜_1!山為第i個主元向量，各主元向量兩兩之間相互正交;Pl為第i個投 影向量，且為單位向量，各投影向量兩兩之間相互正交；
[0018] 將式(4)的等號兩側同時右乘Pi，有ti = sig ? Pi;
[0019]對于回波信號sig的協方差矩陣R，根據以上結論得：
[0021 ]對協方差矩陣R進行特征值分解，有： 乂 0 0 ? -
[0022] [病為??? k] q 言 〇 g v【](6) 0 0 0忠
[0023] 比較(5)和(6)兩式，得到協方差矩陣R的特征值：
(7) 0 Q 0：" 〇 乂： 〇 0
[0025] 其中，i = l^_n;[巾1巾2…<K]表示前向矩陣，n. " A表示特征值矩 0 0 V,. 0 _0:00( 陣，vf… 表示后向矩陣；
[0026] S04:將協方差矩陣R的特征值由大到小排列，根據式(8)計算前r個特征值對應的 累次方差貢獻率CVCR:
⑶
[0028]同時，使得協方差矩陣R的前r個特征值對應的累次方差貢獻率CVCR小于或等于設 定閾值，保留該前r個特征值，將其它特征值剔除，形成協方差矩陣R的新的特征值矩陣;其 中，所述設定閾值根據實際需求確定；
[0029] S05:按照S02的方法，根據步驟S04中獲得的協方差矩陣R的新的特征值矩陣，對回 波信號矩陣進行重構，即為雜波抑制之后的回波數據。
[0030]本發明與現有的雜波抑制方法相比，具有以下有益效果：
[0031]由于接收信號中強雜波本身具有很強的相關性，而目標回波信息與強雜波相關性 很差，所以本發明將回波信號進行SVD分解，求得奇異值矩陣S，將第一階奇異值置為0,可以 去掉強雜波，保留目標回波信息;進一步的，對去掉強雜波后的回波信號進行PCA分解，得到 特征值矩陣，通過累次方差貢獻率，剔除噪聲雜散，保留目標信息，對回波數據進行抑制，可 去除介質表面強的反射雜波，提高目標信號的信噪比；可濾除墻體不均勻和雜質引起較小 雜波，使成像效果更清晰。
【附圖說明】
[0032]圖1為本發明的SVD-PCA級聯雜波抑制處理流程圖；
[0033]圖2為使用現有技術中SVD方法雜波抑制處理成像結果圖；
[0034]圖3為使用現有技術中PCA方法雜波抑制處理成像結果圖；
[0035]圖4為使用本發明的SVD-PCA級聯雜波抑制處理結果圖。
【具體實施方式】
[0036]下面結合附圖和實施例，對本發明技術方案做進一步解釋。
[0037]本發明所述一種用于淺埋目標探測雷達的雜波抑制方法，如圖1所示，包括如下步 驟：
[0038] S00:回波信號矩陣奇異值分解
[0039] 奇異值分解抗干擾能力較強，數據矩陣被施加較小的擾動時，數據的奇異值不會 有明顯改變。針對強雜波特點，首先使用SVD分解，初步去除直達波。
[0040] 由奇異值分解定理可得:信號矩陣A進行奇異值分解，已知A為mXn階復矩陣，分解 后得到，m階酉陣U，n階酉陣V和奇異值矩陣S，即：
[0041] A = UXSXVh (1)
[0042] 其中h表示共輒轉置；S = diag(〇i，〇2，."，〇r )，〇i>0(i = l，???，!)，r = rank(A) ;r = rank( ?)表示求維數;ATA的特征值為心彡\2彡…彡An。酉陣U和V是復矩陣，并且滿足： \UBU -1
[0043] ⑵ {VVH = I
[0044] 其中I為單位矩陣。記k = min{m，n}，min{ ? }表示取最小值運算；由奇異值分解引 理可知，在特征值Xi彡h彡…彡中保留前k個特征值，即心彡\2彡…彡Xk彡Xk+1 =…=入n = 0，則^為回波信號矩陣A的奇異值，1 = 1，2，…，k;將奇異值〇1組成奇異值矩陣S;
[0045] S01:奇異值矩陣置零處理
[0046] 在數據處理時，S的奇異值是按從大到小排列，奇異值的大小反映對應信息的大 小，最大奇異值W表示其第一階特征值的相關成分信息。
[0047] 接收信號中，強雜波本身具有很強的相關性，而目標回波信息與強雜波相關性很 差，所以可以按此特性去掉強雜波，保留目標回波信息。求得奇異值矩陣S，將第一階奇異值 置為0，即去掉最大雜波項，得新奇異值矩陣S '。
[0048] S02:奇異值矩陣重構回波信息
[0049]根據置零后的奇異值矩陣S'對強雜波濾除后的回波信號矩陣進行重構，得對應的 回波信號矩陣Sig:
[0050] sig = UXS，XVH (3)
[0051] S03:對步驟S02得到的回波信號矩陣sig進行PCA分解，具體為：
[0052]主元分析法(PCA)利用信號的二階距，將信號分解到不同的子空間中，尋求不相關 的投影信息，不同子空間投影信息反映出目標的回波信息，而其權重關系按照能量大小清 晰地區分。利用該性質，對B-scan矩陣（sig矩陣)進行分解，再按照能量權重關系進行進一 步篩選、濾除，從而實現進一步去除雜波的目的，具體包括如下步驟：
[0053] 將SVD處理后的每個B-scan信息按以下形式分解：
[0054] sigmxn = TmMPln = txp[ -VUpl ++ tnpl (4)
[0055] 其中，m為酉陣U的階數，也表示每個變量采集序列的長度，n為酉陣V，也表示數據 集中的變量個數。稱ti為第i個主元向量（或稱得分向量），pi為第i個投影向量（或負荷向 量)。
[0056]并做如下規定：
[0057] 1.各主元向量兩兩之間相互正交；
[0058] 2.各投影向量為單位向量；
[0059] 3.各投影向量兩兩之間相互正交。
[0060]將礙_ =^<+^^+...+4^兩側同時右乘Pl，結合三條約束條件，有 t1 = sig ? Pl，即第i個得分向量即為數據矩陣在第i個負荷向量Pl方向上的投影。對于回波 信號sig的協方差矩陣R，根據以上結論可得：
[0062]另，對R進行特征值分解，有： ~a； 0 0 0"
[0063] R :電織T …毳]:〇 ^ [vf g …vf] (6) 0 0 0 2:_ -1； 0 0 0, 0. 0. .0
[0064] 其中，i = l"_n;[巾1巾2…<K]表示前向矩陣，n A rt表示特征值矩 0 0 ?，_.0. 0 0 0 1: 陣，[vf <… 表示后向矩陣；
[0065]比較(5)和(6)兩式，于是有： (7)
[0067]綜上，對回波信息進行主元分析，可通過對回波數據的協方差矩陣進行分解實現。 其協方差矩陣的特征值即為數據的主元長度的期望，協方差矩陣的特征向量對應為相應主 元的投影方向。
[0068] S04:計算累次方差貢獻率
[0069] 反映了 sig在Pi方向上的投影長度，即反映了 sig在Pi方向上變化的能量大小。 將特征值由大到小排列人/多A/多…多，則可去掉反映強雜波和噪聲的主元投影，實現 降維的目的。若選取前r個特征值，則降維后的信息保留度可通過累次方差貢獻率 (Cumulative Variance Contribution Ratio，CVCR)石角定：
(8)
[0071] 保留貢獻率CVCR小于或等于設定閾值的特征值，其中，設定閾值根據實際需求確 定，本實施例中，可選取設定閾值在80 %至90 %的范圍。
[0072] S05:B_Scan 數據重構
[0073] 按照S02的方法，根據步驟S04中剔除噪聲雜散干擾后的特征值矩陣，對B-scan矩 陣即回波信號矩陣進行重構，即為雜波抑制之后的回波數據。
[0074] 實施例：
[0075]測試場景中，穿透的介質為5cm木板，目標為兩根平行的2mm直徑，5cm長度鐵棍。 [0076]設備采集數據后對回波數據進行雜波抑制處理步驟如下：
[0077] S00.將接收信號矩陣奇異值分解，形式為W=UXSXVH。
[0078] SOI.將第一階奇異值置為0,即去掉最大雜波項，得新奇異值矩陣S'。
[0079] S02.將置零后的奇異值矩陣還原，得S'對應的新信息矩陣
[0080] sig = UXS，XVH
[0081 ] S03.將重構矩陣PCA分解處理： 0 0 0 ~ ^ r -I 0 ^ri 0 0 「!T, ~I
[0082] 及= (&[=[>, 4 - k] 〇 〇 ^ 〇 v27 …v；：] _〇 0 .0 .14」
[0083] S04計算累次方差貢獻率：
[0084] 可通過CVCR數值的大小，看出該特征所包含能量的大小。根據每個B-scan數據的 CVCR，由第一主元回波能量強弱，判斷是否包含較多強雜波信息，若回波能量過強則剔除， 能量適中予以保留。同時，對于主元投影中代表噪聲信息的極小能量，也可進一步去除。
[0085] S05 步驟 S05:B_Scan 數據重構
[0086] 對進行B-scan重構，可得：
[0087] Sig recon Sig[傘 ii ??? <K][傘 ii ??? <K]t
[0088]重構后即為雜波抑制之后數據。
[0089] 單獨使用SVD進行雜波抑制處理，其成像后的結果如附圖2所示，能夠分辨目標，但 其仍留有較大雜波旁瓣，視覺上可以明確區分。單獨使用PCA進行雜波抑制處理，其成像后 的結果如附圖3所示，采用SVD-PCA級聯處理后的成像結果如附圖4所示。
[0090] 對于三種方法的成像效果，采用信雜比（SCR)指標進行定量評價，其結果如下表所 示，從表中可以看出采用SVD-PCA級聯的雜波抑制方法后的成像結果SCR值明顯高于單獨使 用SVD或者PCA的雜波抑制方法。
[0091] 表1 SVD、PCA、SVD-PCA三種方法抑制性能評估
【主權項】
1. 一種用于淺埋目標探測雷達的雜波抑制方法，其特征在于，包括如下步驟： S00:對回波信號矩陣進行奇異值分解，具體為： 對接收的mXn階回波信號矩陣A進行奇異值分解，分解后得到m階酉陣U，n階酉陣V和奇 異值矩陣S，即： A = UXSXVh (1) 其中Η表示共輒轉置； ΑΤΑ的特征值為λι多λ2多…多λη; 記k = min{m，n}，min{ · }表示取最小值運算；在ΑΤΑ的特征值中保留前k個特征值，貝lj為回波信號矩陣A的奇異值，1 = 1，2，…，k;將奇異值σι組成奇異值矩陣S; SOI:將奇異值矩陣S中的第一階奇異值置為0，得新奇異值矩陣S' ； S02:根據置零后的奇異值矩陣S'對回波信號矩陣進行重構，得到去掉強雜波的回波信 號矩陣sig: sig = UXS，XVH (3) S03:對步驟S02得到的回波信號矩陣sig進行PCA分解，得到： 啦= 7Lx"€L …+U)/ +…+ 匕尺 (4) 其中，i = 1H_n，tl為第i個主元向量，各主元向量兩兩之間相互正交;Pl為第i個投影向 量，且為單位向量，各投影向量兩兩之間相互正交； 將式(4)的等號兩側同時右乘pi，有ti = sig · pi; 對于回波信號sig的協方差矩陣R，根據以上結論得：對協方差矩陣R進行特征值分解，有：比較(5)和(6)兩式，得到協方差矩陣R的特征值：其中，i = 1···η ; [ Φ 1 Φ 2 ··· Φ η]表示前向矩陣表示特征值矩陣， [X <…表示后向矩陣； S04:將協方差矩陣R的特征值由大到小排列，根據式(8)計算前r個特征值對應的累次 方差貢獻率CVCR:同時，使得協方差矩陣R的前r個特征值對應的累次方差貢獻率CVCR小于或等于設定閾 值，保留該前r個特征值，將其它特征值剔除，形成協方差矩陣R的新的特征值矩陣;其中，所 述設定閾值根據實際需求確定； S05:按照S02的方法，根據步驟S04中獲得的協方差矩陣R的新的特征值矩陣，對回波信 號矩陣進行重構，即為雜波抑制之后的回波數據。
【文檔編號】G01S13/89GK105929373SQ201610239480
【公開日】2016年9月7日
【申請日】2016年4月18日
【發明人】劉海波, 丁澤剛, 龍騰, 王珣
【申請人】北京理工大學