專利名稱：一種基于神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達(dá)射頻干擾抑制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于雷達(dá)信號(hào)處理技術(shù)領(lǐng)域，涉及合成孔徑雷達(dá)射頻干擾抑制技術(shù)與神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)，尤其涉及一種基于神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達(dá)射頻干擾抑制方法。
背景技術(shù)：
合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)在資源勘察、環(huán)境監(jiān)測(cè)、海洋和地殼觀測(cè)、地形測(cè)繪、災(zāi)害預(yù)警評(píng)估和軍事偵察等領(lǐng)域發(fā)揮著越來(lái)越大的作用。但是，一些研究表明在某些地區(qū)射頻干擾(Radio Frequency Interference, RFI)對(duì)SAR系統(tǒng)(特別是工作頻段較低的SAR系統(tǒng))的影響是非常嚴(yán)重的，具體詳見(jiàn)2009年5月4 8日Chan
S.等人在美國(guó)帕薩迪娜市召開(kāi)的IEEE雷達(dá)會(huì)議上發(fā)表的題為“SMAP雷達(dá)的射頻干擾研究” 的會(huì)議論文(Chan, S. ；Spencer, M. RFI study for the SMAP radar, Proceedings of the IEEE Radar Conference,Pasadena, CA, 4-8 May 2009)。以 L 波段 SAR 為例，該頻段被國(guó)際電信聯(lián)盟分配給地面通信系統(tǒng)、GPS、軍民用地基監(jiān)視雷達(dá)使用，這些都會(huì)對(duì)SAR系統(tǒng)造成影響。根據(jù)日本和其它國(guó)家對(duì)JERS-I SAR的成像處理結(jié)果的統(tǒng)計(jì)，27%的成像結(jié)果由于受到RFI的影響造成圖像質(zhì)量下降，具體詳見(jiàn)Shimada M.在2005年IEEE國(guó)際地球科學(xué)與遙感技術(shù)研討會(huì)(IGARSS' 05)上發(fā)表的題為“ JERS-I合成孔徑雷達(dá)觀測(cè)到的L波段射頻干擾及其全球分布”的會(huì)議論文(Shimada M. L-band Radio Interferences Observed by the JERS-I SAR and Its Global Distribution. IGARSS' 05. 2005 :4，2752-2755) oRFI 的存在會(huì)顯著降低SAR圖像質(zhì)量，能量較大的RFI會(huì)在SAR圖像中產(chǎn)生近似沿距離向的亮線，遮蓋真實(shí)的地面場(chǎng)景，甚至使SAR圖像無(wú)法解譯；能量較小的RFI在SAR圖像中的表現(xiàn)可能不明顯，但是它對(duì)以此為基礎(chǔ)的InSAR系統(tǒng)的干涉相位的影響很大，具體詳見(jiàn)Reigber A.等人在2005年《IEEE地球科學(xué)與遙感通信》國(guó)際期刊第2卷第I期45-49頁(yè)上發(fā)表的題為“合成 SAR 圖像中的干擾抑制，，一文(Reigber, A. ；Ferro-Famil, L. ；Interference suppression in synthesized SAR images,IEEE Geoscience and Remote Sensing Letters,2005,2(I) 45-49)以及Rosen P. A.等人于2008年5月26-30日在意大利羅馬召開(kāi)的IEEE雷達(dá)會(huì)議 (RADARi 08)上發(fā)表的題為“AL0S PALSAR合成孔徑雷達(dá)數(shù)據(jù)中射頻干擾觀測(cè)與抑制對(duì) DESDynI 任務(wù)的影響”的會(huì)議論文(Rosen, P. A. ；Hensley, S. ；Le, C. !Observations and mitigation of RFI in ALOS PALSAR SAR data Implications for the DESDynI mission, IEEE Radar Conference,2008(RADAR/ 08), Rome, Italy,26-30 May,2008)。實(shí)際上，RFI對(duì)SAR尤其對(duì)低頻波段SAR的影響，早已引起了國(guó)內(nèi)外研究人員的高度重視。自20世紀(jì)90年代以來(lái)，針對(duì)SAR(特別是UWB-SAR)的RFI抑制問(wèn)題，國(guó)內(nèi)外就相繼提出了一系列抑制算法及其改進(jìn)算法?，F(xiàn)有這些解決RFI抑制問(wèn)題的方法基本可以歸結(jié)為如下四種I、頻域陷波法T. Koutsoudis等人于1995年4月在美國(guó)奧蘭多召開(kāi)的SPIE-合成孔徑雷達(dá)成像算法II國(guó)際會(huì)議上發(fā)表的題為“超寬帶雷達(dá)接收機(jī)中的射頻干擾抑制”(Koutsoudis，Theodore ；Lovas, Louis A.RF Interference Suppression in Ultra Wideband Radar Receivers, in Algorithms for Synthetic Aperture Radar Imagery II (D. A. Giglio, ed.)，SPIE, Orlando, FL, vol. 2487，pp. 107-118，April 1995.) 一文中提出的 RFI 抑制方法以及S. Buckreuss于1998年5月在德國(guó)腓特烈港召開(kāi)的歐洲合成孔徑雷達(dá)會(huì)議(EUSAR' 98)上發(fā)表的題為“P波段合成孔徑雷達(dá)數(shù)據(jù)中的干擾過(guò)慮”(S. Buckreuss. Filtering Interferences from P-Band SAR Data, Proc.European Conference on Synthetic Aperture Radar, EUSAR 1 98, Friedrichshafen, Germany, pp.279-282, May 1998) 一文中提出的頻域?yàn)V波方法都屬于頻域陷波濾波法。該方法主要包括兩個(gè)過(guò)程，即檢測(cè)出RFI并確定RFI在SAR回波數(shù)據(jù)頻譜中的位置，然后在RFI對(duì)應(yīng)位置施加陷波濾波器。2、圖像域方法B. H. Ferrell于1995年4月在美國(guó)奧蘭多召開(kāi)的SPIE-合成孔徑雷達(dá)成像算法 II國(guó)際會(huì)議上發(fā)表的題為“UHF合成孔徑雷達(dá)中的干擾抑制” (B. H. Ferrell, Interference Suppression in UHF Synthetic-Aperture Radar, in Algorithms for Synthetic Aperture Radar Imagery II (DA. Giglio, ed.), SPIE,Orlando, FL, vol.2487,pp.96-106, April 1995)—文中提出了成像相減法。Armin W. Doerry在其專利(專利號(hào)US 6608586B1, 2003年8月19曰)中提出了“從SAR圖像中移除射頻干擾方法”(Method for removing RFI from SAR images)以及國(guó)內(nèi)黃曉濤等人在其申請(qǐng)的發(fā)明專利(申請(qǐng)公布號(hào)CN102243300A， 2011.11.16)中提出了“低頻合成孔徑雷達(dá)射頻干擾抑制及誤差校正方法”。這些方法盡管采取了不同的處理思路，但是都屬于基于圖像域的方法。其中兩幅圖像之間的精確配準(zhǔn)是該類方法的一個(gè)關(guān)鍵環(huán)節(jié)。3、代數(shù)空間域方法對(duì)SAR回波數(shù)據(jù)形成的自相關(guān)矩陣進(jìn)行特征分解，將所有特征向量張成的特征空間按照特征值的分布情況分解成RFI特征空間和信號(hào)特征空間。將回波數(shù)據(jù)向量投影到 RFI特征空間，得到RFI信號(hào)，再將回波信號(hào)與RFI信號(hào)相減就可進(jìn)行RFI抑制。國(guó)內(nèi)Zhou F等人在2007年《IEEE地球科學(xué)與遙感通信》國(guó)際期刊第4卷第I期第75-79頁(yè)上發(fā)表的題為“基于特征子空間的濾波方法在合成孔徑雷達(dá)窄帶干擾抑制中的應(yīng)用” (Zhou，F(xiàn). ；ffu,R.； Xing, M. ；Bao, Ζ. ;Eigensubspace_Based Filtering With Application in Narrow-Band Interference Suppression for SAR, IEEE Geoscience and Remote Sensing Letters, vol. 4, no. 1，p. 75-79,2007) 一文中所提出的基于特征子空間的RFI抑制方法以及國(guó)內(nèi) Yu Chunrui等人于2010年10月29-31日在中國(guó)寧波召開(kāi)的2010多媒體技術(shù)國(guó)際會(huì)議 (ICMT)上發(fā)表的題為“特征分解的射頻干擾抑制方法在SAR數(shù)據(jù)中的應(yīng)用”(Yu Chunrui ； Zhang Yongsheng ；Dong Zhen ；Liang Diannong ;Eigen_Decomposition Method for RFI Suppression Applied to SAR Data,2010International Conference on Multimedia Technology (ICMT)，Ningbo, China, 29_310ct. 2010) 一文中所提出的基于特征分解的 RFI 抑制方法都屬于代數(shù)空間域方法。4、參數(shù)模型方法參數(shù)模型方法基本上都要采用這樣四個(gè)步驟(I)選擇一種描述RFI的參數(shù)模型 (正弦疊加模型或AR模型)；(2)運(yùn)用回波數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行估計(jì)；(3)將估計(jì)出的參數(shù)代入模型重構(gòu)出RFI ； (4)回波數(shù)據(jù)和重構(gòu)出的RFI數(shù)據(jù)相減實(shí)現(xiàn)RFI抑制。在模型選定的情況下，關(guān)鍵是模型參數(shù)的估計(jì)。對(duì)于正弦疊加模型,估計(jì)模型參數(shù)的代表性方法有(I)Braunstein Matthew等人在1994年美國(guó)奧蘭多召開(kāi)的SP1e-合成孔徑雷達(dá)成像算法國(guó)際會(huì)議上發(fā)表的題為“射頻干擾(RFI)抑制的信號(hào)處理方法” (Braunstein, Matthew ；Ralston, James Μ. ；Sparrow, David A.Signal processing approaches to radio frequency interference (RFI) suppression, in Algorithms for Synthetic Aperture Radar Imagery(D. A. Giglio, ed.), SPIE, Orlando, FL, vol. 2230，pp. 190-208，April 1994) 一文中提出了最大似然估計(jì)(MLE)算法；(2)Golden August等人于1995年4月在美國(guó)奧蘭多召開(kāi)的SPIE-合成孔徑雷達(dá)成像算法II國(guó)際會(huì)議上發(fā)表的題為“VHF/UHF去斜合成孔徑雷達(dá)中的射頻干擾消除，，(Golden, August ;Werness, Susan A. ；Stuff, Mark A. ；Degraaf, Stuart R. ；Sullivan, Richard C. Radio frequency interference removal in a VHF/UHF deramp SAR, in Algorithms for Synthetic Aperture Radar Imagery II(D. A. Giglio, ed.), SPIE, Orlando, FL, vol. 2487，pp. 84-95，April 1995) 一文中提出了參數(shù)最大似然(PML)算法；
(3)Miller Timothy R.等人于1995年4月在美國(guó)奧蘭多召開(kāi)的SPIE-合成孔徑雷達(dá)成像算法II國(guó)際會(huì)議上發(fā)表的題為“射頻干擾抑制的近似最小二乘方法”(Miller，Timothy R.； McCorkle,John ff. ；Potter,Lee C. Near—least—squares radio frequency interference suppression, in Algorithms for Synthetic Aperture Radar Imagery II (D. A. Giglio, ed.)，SPIE, Orlando, FL, vol. 2487，pp. 72-83，April 1995) 一文中引入線性目標(biāo)響應(yīng)切除技術(shù)，得到用于估計(jì)RFI的數(shù)據(jù)，運(yùn)用LS方法估計(jì)固定頻率RFI，chirp變換估計(jì)變化頻率 RFI,這就是所謂的 chirp-least-squares algorithm with clipping(CLSC)算法。對(duì)于AR模型的參數(shù)估計(jì)，一般采取自適應(yīng)濾波的方法將AR模型的參數(shù)變成濾波器的權(quán)系數(shù)，這樣自適應(yīng)濾波器的很多權(quán)值學(xué)習(xí)方法就可以直接運(yùn)用了。用自適應(yīng)濾波思想進(jìn)行SAR射頻干擾抑制的代表性方法有(I)K. Abend等人于1995年4月在美國(guó)奧蘭多召開(kāi)的SPIE-合成孔徑雷達(dá)成像算法II國(guó)際會(huì)議上發(fā)表的題為“超寬帶雷達(dá)中的廣播電視干擾信號(hào)提取”(K. Abend and J. McCorkle, Radio and TV interference extraction for ultra-wideband radar, in Algorithms for Synthetic Aperture Radar Imagery II(D.
A.Giglio, ed.)，SPIE, Orlando, FL, vol. 2487，pp. 119-129，April 1995) 一文中提出了自 適應(yīng)FIR濾波法；(2)C. T. C. Le等人于1997年在美國(guó)帕薩迪娜市圍繞美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室AirSAR召開(kāi)的的第七屆專題研討年會(huì)上發(fā)表的題為“寬帶合成孔徑雷達(dá)信號(hào)中射頻干擾的自適應(yīng)濾波方法”(C. T. C. Le, S. Hensley and E. Chapin, Adaptive Filtering of RFI in Wideband SAR Signals,7th Annual JPL AirSAR Workshop, Pasadena, California, Januaryl997) 一文中提出的自適應(yīng)濾波算法和R. T. Lord等人在1999年IET《電子通信》 國(guó)際期刊第35卷第8期629-630頁(yè)上發(fā)表的題為“RD算法和LMS自適應(yīng)濾波相結(jié)合有效抑制 SAR 中的射頻干擾”(R. T. Lord and M. R. Inggs, Efficient RFI suppression in SAR using a LMS adaptive filter integrated with the range/Doppler algorithm, in Electronics Letters, vol. 35, no. 8, pp. 629-630, April 1999) 一文中提出的自適應(yīng)濾波算法都屬于基于LMS的自適應(yīng)濾波算法；(3) Vu, V. T.等人在2010年《IEEE地球科學(xué)與遙感通信》國(guó)際期刊第7卷第4期694-698頁(yè)上發(fā)表的題為“用自適應(yīng)譜線增強(qiáng)器對(duì)超寬帶合成孔徑雷達(dá)中的射頻干擾進(jìn)行抑制”(Vu, V. T. ； Sjo gren, T. K. ；Pettersson, Μ. I.；
7Ha kansson，L ；Gustavsson, A. ；Ulander, L. Μ. H. ；RFI Suppression in Ultrawideband SAR Using an Adaptive Line Enhancer，IEEE Geoscience and Remote Sensing Letters， vol. 7，no. 4，pp. 694-698，Oct. 2010) 一文中提出了 NLMS 自適應(yīng)濾波方法。上述的前三種方法(頻域陷波方法、圖像域方法以及代數(shù)空間域方法)都有一個(gè)共同的特點(diǎn)，就是它們都是從全局(或整體上)對(duì)RFI進(jìn)行表述，然后從全局對(duì)RFI進(jìn)行抑制。其主要優(yōu)點(diǎn)就是概念清晰，計(jì)算簡(jiǎn)單，易于實(shí)現(xiàn)，特別適合于RFI密集的場(chǎng)合，是一種全局靜態(tài)方法。但是不同域的方法還有各自的不足(I)頻域陷波法在進(jìn)行濾波處理的同時(shí)會(huì)引入人為干擾，導(dǎo)致旁瓣電平增高，而且濾波器的瞬態(tài)效應(yīng)會(huì)造成數(shù)據(jù)截短，同時(shí)會(huì)在SAR回波數(shù)據(jù)頻譜中產(chǎn)生裂口，在成像處理中導(dǎo)致散焦現(xiàn)象；(2)圖像域方法需要對(duì)兩幅圖像進(jìn)行精確配準(zhǔn)，配準(zhǔn)誤差的客觀存在必將會(huì)對(duì)目標(biāo)信號(hào)的失真造成程度不同的影響， 將配準(zhǔn)誤差控制在給定的范圍是圖像域方法的一個(gè)關(guān)鍵，控制不好可能會(huì)使處理后的結(jié)果較差甚至不可用；(3)代數(shù)空間域方法由于目前缺乏一個(gè)定量的分割準(zhǔn)則去指導(dǎo)。特征值的劃分存在一定的主觀性，由此引起的分割誤差必然會(huì)造成目標(biāo)信號(hào)的失真而影響抑制效果O第四種方法(參數(shù)模型方法)與前三種方法相比有較大的不同，它主要是采用帶參數(shù)的數(shù)學(xué)模型從局部(細(xì)節(jié)上)去精確刻畫RFI信號(hào)，在模型參數(shù)被精確估計(jì)的情況下可以得到非常高的RFI抑制精度。特別是自適應(yīng)濾波方法具有較強(qiáng)的跟蹤能力，可以較好地跟蹤非平穩(wěn)RFI信號(hào)的變化，是一種局部動(dòng)態(tài)方法。雖然與全局靜態(tài)方法相比，可以獲得較高的抑制精度，但是其算法的實(shí)現(xiàn)較為復(fù)雜，計(jì)算量大，尤其是RFI高度密集的場(chǎng)合， 尤為顯著，算法的實(shí)時(shí)性受到很大挑戰(zhàn)。另外基于AR模型的自適應(yīng)濾波方法還存在邊緣效應(yīng)。因此設(shè)計(jì)一種抑制精度高、處理速度快的RFI抑制方法，對(duì)于合成孔徑雷達(dá)的射頻干擾抑制具有重要意義。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有合成孔徑雷達(dá)(簡(jiǎn)稱SAR)射頻干擾抑制(簡(jiǎn)稱RFI) 方法的不足而提供一種基于神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達(dá)射頻干擾抑制方法。利用擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱EAPNN網(wǎng)絡(luò))記憶功能將反映RFI信號(hào)全局頻域特征的所有庫(kù)模式記憶到EAPNN網(wǎng)絡(luò)中，并利用EAPNN網(wǎng)絡(luò)聯(lián)想功能從回波時(shí)域數(shù)據(jù)中聯(lián)想出RFI信號(hào)，再將回波時(shí)域數(shù)據(jù)與聯(lián)想出的RFI信號(hào)直接相減從而達(dá)到抑制RFI的目的，與現(xiàn)有方法相比，可以在保證較高抑制精度的前提下獲得較快的處理速度，而且對(duì)低頻SAR中的非平穩(wěn)RFI信號(hào)亦具有非常好的抑制效果。為了方便描述本發(fā)明的內(nèi)容，首先做以下術(shù)語(yǔ)定義定義I SAR原始回波的一維頻域數(shù)據(jù)將SAR原始回波時(shí)域數(shù)據(jù)用一個(gè)Na行Nr列的矩陣存放，矩陣的每行數(shù)據(jù)與逐個(gè)單脈沖快時(shí)間即斜距向的回波信號(hào)采樣值相對(duì)應(yīng)，矩陣的每列數(shù)據(jù)與慢時(shí)間即方位向的回波信號(hào)采樣值相對(duì)應(yīng)。若將矩陣的每行數(shù)據(jù)按序連接成一個(gè)含NaXNr個(gè)元素的行向量，則對(duì)此行向量進(jìn)行離散傅立葉變換后所得的頻域結(jié)果即被稱為SAR原始回波的一維頻域數(shù)據(jù)。
定義2 RFI信號(hào)的全局頻域特征與RFI信號(hào)的全局頻域特征值從SAR原始回波的一維頻域數(shù)據(jù)中找出所有與RFI信號(hào)相對(duì)應(yīng)的位置，所有這些位置值的集合被稱為RFI信號(hào)的全局頻域特征。每一個(gè)位置值被稱為RFI信號(hào)的全局頻域特征值。定義3擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱EAPNN網(wǎng)絡(luò))是利用凸集投影的概念在向量空間中建立的一種神經(jīng)網(wǎng)絡(luò)模型。它是一種全互連網(wǎng)絡(luò)，作用域?yàn)閺?fù)數(shù)域，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖2 所示。L為EAPNN網(wǎng)絡(luò)神經(jīng)元個(gè)數(shù)，tpq表示從神經(jīng)元P到神經(jīng)元q之間的連接權(quán)值， φ表示從神經(jīng)元q到神經(jīng)元P之間的連接權(quán)值。對(duì)于EAPNN網(wǎng)絡(luò)來(lái)說(shuō)，其連接權(quán)值tM = tqp, Sp(V)表示V時(shí)刻神經(jīng)元P的狀態(tài)值。具體詳見(jiàn)文獻(xiàn)“王金根，龔沈光，陳世福.擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)-具備聯(lián)想記憶功能的充分必要條件，《電子學(xué)報(bào)》，32卷，第4期，2004年，596 頁(yè)-600頁(yè)及第605頁(yè).”和王金根等人在ICIC 2010國(guó)際會(huì)議上發(fā)表的題為“擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)進(jìn)一步研究”一文(Jingen Wang,Yanfei Wang,Xunxue Cui,Further Research on Extended Alternating Projection Neural Network, ICIC 2010， LNCS 6215， pp.33-40， Springer-Verlag Berlin Heidelberg(2010))。定義4 EAPNN網(wǎng)絡(luò)浮動(dòng)神經(jīng)元在EAPNN網(wǎng)絡(luò)中，狀態(tài)值隨時(shí)間改變(浮動(dòng))的神經(jīng)元被稱為浮動(dòng)神經(jīng)元，任意浮
L
動(dòng)神經(jīng)元卩在￥時(shí)刻的狀態(tài)值50;) = [。\(1；-1)，其中L為EAPNN網(wǎng)絡(luò)神經(jīng)元個(gè)數(shù)，^表
9=1
示從任意神經(jīng)元q到神經(jīng)元P之間的連接權(quán)值，sq(v-l)為神經(jīng)元q在V-I時(shí)刻的神經(jīng)元狀態(tài)值。定義5 EAPNN網(wǎng)絡(luò)連接權(quán)矩陣EAPNN網(wǎng)絡(luò)所有神經(jīng)元之間的連接權(quán)值構(gòu)成的方陣被稱為EAPNN網(wǎng)絡(luò)連接權(quán)矩陣。連接權(quán)矩陣T的任意元素tM表示從神經(jīng)元P到神經(jīng)元q之間的連接權(quán)值。定義6 EAPNN網(wǎng)絡(luò)的V時(shí)刻狀態(tài)向量在V時(shí)刻，其中V為非負(fù)整數(shù)，將EAPNN網(wǎng)絡(luò)所有神經(jīng)元的狀態(tài)值按照神經(jīng)元序號(hào)由小到大的順序組成一個(gè)向量S(V) = (S1 (V) S2 (V) ---Sl(v)),這個(gè)向量被稱為EAPNN網(wǎng)絡(luò)的 V時(shí)刻狀態(tài)向量；當(dāng)V = O時(shí)，S(O)被稱為EAPNN網(wǎng)絡(luò)的初始狀態(tài)向量；當(dāng)v = I時(shí)，S(I) 被稱為EAPNN網(wǎng)絡(luò)的I時(shí)刻狀態(tài)向量。定義7 EAPNN網(wǎng)絡(luò)庫(kù)模式若一個(gè)非零復(fù)數(shù)列向量的元素個(gè)數(shù)與EAPNN網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)相同，則當(dāng)該復(fù)數(shù)列向量被用來(lái)訓(xùn)練EAPNN網(wǎng)絡(luò)得到網(wǎng)絡(luò)連接權(quán)矩陣時(shí)，就稱其為EAPNN網(wǎng)絡(luò)庫(kù)模式。定義8 EAPNN網(wǎng)絡(luò)記憶功能EAPNN網(wǎng)絡(luò)具有將庫(kù)模式存儲(chǔ)在其連接權(quán)矩陣中的功能，將EAPNN網(wǎng)絡(luò)的這一功能稱為EAPNN網(wǎng)絡(luò)記憶功能。定義9由RFI信號(hào)全局頻域特征值生成的EAPNN網(wǎng)絡(luò)庫(kù)模式若RFI信號(hào)的第i個(gè)全局頻域特征值為pos，其中i為正整數(shù)，則按照下面的公式 ⑴就可以生成其相應(yīng)的第i個(gè)EAPNN網(wǎng)絡(luò)庫(kù)模式。
權(quán)利要求
1.一種基于神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達(dá)射頻干擾抑制方法，其特征在于利用擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)記憶功能將反映射頻干擾信號(hào)全局頻域特征的所有庫(kù)模式記憶到擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)中，然后利用擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)聯(lián)想功能從回波時(shí)域數(shù)據(jù)中聯(lián)想出射頻干擾信號(hào)，再將回波時(shí)域數(shù)據(jù)與聯(lián)想出的射頻干擾信號(hào)直接相減從而達(dá)到抑制射頻干擾的目的；實(shí)現(xiàn)上述操作過(guò)程的步驟如下步驟I.得到合成孔徑雷達(dá)(SAR)原始回波的一維頻域數(shù)據(jù)將合成孔徑雷達(dá)(SAR)原始回波時(shí)域數(shù)據(jù)用一個(gè)Na行Nr列的矩陣存放，Na和Nr均為正整數(shù)，矩陣的每行數(shù)據(jù)與逐個(gè)單脈沖快時(shí)間即斜距向的回波信號(hào)采樣值相對(duì)應(yīng)，矩陣的每列數(shù)據(jù)與慢時(shí)間即方位向的回波信號(hào)采樣值相對(duì)應(yīng)；將矩陣的每行數(shù)據(jù)按序連接成一個(gè)含NaXNr個(gè)元素的行向量X (η),其中η為不大于NaXNr的所有正整數(shù),該行向量被稱為合成孔徑雷達(dá)原始回波的一維時(shí)域數(shù)據(jù)x(n)，對(duì)此行向量χ(η)進(jìn)行離散傅立葉變換后即可得到合成孔徑雷達(dá)(SAR)原始回波的一維頻域數(shù)據(jù)Χ(η)，其中η為不大于NaXNr的所有正整數(shù)；步驟2.從一維頻域數(shù)據(jù)中檢測(cè)出射頻干擾信號(hào)的所有全局頻域特征值將步驟I得到的一維頻域數(shù)據(jù)Χ(η)按幅值由小到大的順序重新排序，得到排序后的幅值數(shù)據(jù)Y(m)，顯然X(η)的序號(hào)值η和Y(m)的序號(hào)值m之間存在著一個(gè)確定的函數(shù)關(guān)系，記為n = label (m)，貝丨J有Y (m) = X (label (m)) I，其中n,m均為不大于NaXNr的所有正整數(shù)； 求出Y(m)的一階差分Z (m) = Y (m+1)-Y (m),其中m為不大于NaXNr-I的所有正整數(shù)；計(jì)算出Z(m)的均值Ztl和標(biāo)準(zhǔn)偏差σ z;讓m從I開(kāi)始，計(jì)算的值；若^其中α為門限值，在區(qū)間
內(nèi)取值，則m值加I繼續(xù)計(jì)算直到m =NaXNr時(shí)為止,將此時(shí)的m值記為!!^ ’若ma < NaXNr則可以得到一維頻域數(shù)據(jù)X(n)的序號(hào)值 label (ma +1)，label (ma +2)，label (ma +3)，· · ·，label (NaXNr-2)，label (NaXNr-I)， label (NaXNr)，所有這些序號(hào)值被稱為射頻干擾信號(hào)的所有全局頻域特征值，射頻干擾信號(hào)的所有全局頻域特征值的個(gè)數(shù)為NaXNr-Hia，轉(zhuǎn)到步驟3 ;若ma = NaXNr則因射頻干擾信號(hào)的所有全局頻域特征值的個(gè)數(shù)為0，即不存在射頻干擾，而不需再繼續(xù)后面的處理步驟；步驟3.合成孔徑雷達(dá)(SAR)原始回波的一維時(shí)域數(shù)據(jù)分割合成孔徑雷達(dá)(SAR)原始回波的一維時(shí)域數(shù)據(jù)分割原則是保證分割出的每段時(shí)域數(shù)據(jù)長(zhǎng)度均要大于3倍射頻干擾信號(hào)的所有全局頻域特征值的個(gè)數(shù)；由步驟2得到的射頻干擾信號(hào)的所有全局頻域特征值的個(gè)數(shù)為NaXNr-Hia，則本著這樣的分割原則，一種簡(jiǎn)單的分割方式就是將步驟I中長(zhǎng)度為NaXNr的合成孔徑雷達(dá)原始回波的一維時(shí)域數(shù)據(jù)χ(η)平均分成NaXQ段時(shí)域數(shù)據(jù)，每段時(shí)域數(shù)據(jù)長(zhǎng)度均為*，其中Q為小于)的正整數(shù);步驟4.確定擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)根據(jù)步驟3給出的每段時(shí)域數(shù)據(jù)長(zhǎng)度確定擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)，即擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)由L個(gè)神經(jīng)元組成；將擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)的所有神經(jīng)元都設(shè)計(jì)為浮動(dòng)神經(jīng)元；步驟5.由射頻干擾信號(hào)的頻域特征值生成擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)庫(kù)模式將步驟2得到的射頻干擾信號(hào)的所有全局頻域特征值逐個(gè)代入下面的公式中生成相應(yīng)的擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)庫(kù)模式；
全文摘要
本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達(dá)(SAR)射頻干擾(RFI)抑制方法，屬于雷達(dá)信號(hào)處理技術(shù)領(lǐng)域。首先從SAR原始回波頻域數(shù)據(jù)中檢測(cè)出RFI信號(hào)的所有全局頻域特征值，由這些頻域特征值生成相應(yīng)的擴(kuò)展交替投影神經(jīng)網(wǎng)絡(luò)(EAPNN網(wǎng)絡(luò))庫(kù)模式并逐一記憶到EAPNN網(wǎng)絡(luò)中，然后利用EAPNN網(wǎng)絡(luò)聯(lián)想功能從回波時(shí)域數(shù)據(jù)中聯(lián)想出RFI信號(hào)，再將回波時(shí)域數(shù)據(jù)與聯(lián)想出的RFI信號(hào)直接相減從而達(dá)到抑制RFI的目的。由于EAPNN網(wǎng)絡(luò)將現(xiàn)有方法中難以同時(shí)兼顧的全局特性和動(dòng)態(tài)跟蹤特性結(jié)合到了一起，因而可以在保證較高抑制精度的前提下，獲得較快的處理速度。該方法可廣泛用于合成孔徑雷達(dá)、地球遙感等領(lǐng)域，特別適合于那些對(duì)抑制精度和處理速度同時(shí)都有較高要求及RFI較密集的場(chǎng)合。
文檔編號(hào)G01S13/90GK102608586SQ201210030690
公開(kāi)日2012年7月25日 申請(qǐng)日期2012年2月11日 優(yōu)先權(quán)日2012年2月11日
發(fā)明者孫龍, 崔遜學(xué), 江凱, 王燕飛, 王金根, 葛家龍, 蔣坤, 陳仁元 申請(qǐng)人:中國(guó)人民解放軍陸軍軍官學(xué)院