一種合成孔徑雷達地面運動目標指示實現方法和裝置的制造方法
【技術領域】
[0001 ] 本發(fā)明涉及合成孔徑雷達（SAR，Synthetic Aperture Radar)的圖像處理技術，尤 其涉及一種合成孔徑雷達地面運動目標指示（SAR_GMTI，Synthetic Aperture Radar-Ground Moving Targets Indication) 實現方法和裝置。
【背景技術】
[0002] 地面運動目標指不（GMTI，Ground Moving Targets Indication)是SAR系統(tǒng)的重 要功能，既可用于道路交通監(jiān)測，及時提供道路流量、擁擠狀況等；也可用于空中和海面交 通監(jiān)測，監(jiān)視空中飛行的飛機和海面航行的船只等。在軍事應用中，GMTI技術已經成為一種 非常有價值的軍事偵察技術，具有動目標檢測功能的雷達已經成為重要的軍事裝備。
[0003] 目前，使用較廣的SAR-GMTI技術中，有相位中心偏置技術(DPCA，Displaced Phase Center Antenna)、沿跡干涉技術（ATI，Along Track Interferometry)、空時自適應處理 (STAP, space-time adaptive processing)、雜波抑制干涉（CSI，Clutter Suppression Interferometry)等。STAP技術采用了空時結合的處理方式，充分利用了回波的空間和時間 的特性，在均勻雜波背景下能夠較好的抑制雜波;但是該技術計算量大，很難應用在實時系 統(tǒng)中；此外，該技術在非均勻雜波背景下，雜波抑制效果受訓練樣本的影響嚴重。DPCA、ATI 和CSI屬于雜波對消類技術，這類技術雖然不受背景雜波非均勻性的影響，但是，對目標的 信雜噪比依賴性較強，對于低速弱小的運動目標，信雜噪比較低，檢測時虛警概率高。
[0004]稀疏與低秩矩陣分離理論，是指當矩陣的某些元素被嚴重破壞后，自動識別出被 破壞的元素，恢復出原矩陣；目前，稀疏與低秩矩陣分離理論在多個領域都得到了很好應 用。但是，國際上尚未有基于稀疏與低秩矩陣分離理論的SAR-GMTI方法。
[0005] 因此，如何將稀疏與低秩矩陣分離理論應用到SAR-GMTI中，以解決現有SAR-GMTI 技術中存在的受目標信雜噪比和雜波非均勻性的影響的問題，亟待解決。

【發(fā)明內容】

[0006] 有鑒于此，本發(fā)明實施例期望提供一種SAR-GMTI實現方法和裝置，能將稀疏與低 秩矩陣分離理論應用到SAR-GMTI中，進一步有效解決SAR-GMTI技術中受目標信雜噪比和雜 波非均勻性的影響的問題。
[0007]為達到上述目的，本發(fā)明的技術方案是這樣實現的：
[0008]本發(fā)明實施例提供了一種SAR-GMTI實現方法，所述方法包括：
[0009]對多通道SAR圖像數據進行自適應配準，并將各通道圖像數據分別按方位向設置 成列，組成組合圖像復數矩陣；
[0010]提取所述組合圖像復數矩陣中的稀疏矩陣與低秩矩陣，并分離出各通道的動目標 圖像復數矩陣；
[0011]將獲取的所述各動目標圖像復數矩陣，沿通道方向疊加，獲取幅度增強的圖像。 [0012]上述方案中，所述提取所述組合圖像復數矩陣中的稀疏矩陣與低秩矩陣，并分離 出各通道的動目標圖像復數矩陣;包括：
[0013]將所述組合圖像復數矩陣分解成實部矩陣和虛部矩陣；
[0014] 采用加速梯度投影(APG，Accelerated Projected Gradient)算法分別從實部矩 陣和虛部矩陣中提取稀疏的動目標實部矩陣及動目標虛部矩陣；
[0015] 將提取的所述動目標實部矩陣和虛部矩陣組成組合動目標圖像復數矩陣；
[0016] 將組合動目標圖像復數矩陣的各列設置成通道圖像矩陣，按列獲取對應于各通道 的動目標圖像復數矩陣。
[0017] 上述方案中，所述圖像數據包括:空域圖像數據；
[0018] 所述組合圖像復數矩陣包括:低秩雜波矩陣、稀疏動目標矩陣和噪聲矩陣。
[0019] 本發(fā)明實施例還提供了一種SAR-GMTI實現裝置，所述裝置包括:矩陣重建模塊、矩 陣分離模塊、幅度增強模塊，其中，
[0020] 所述矩陣重建模塊，用于對多通道SAR圖像數據進行自適應配準，并將各通道圖像 數據分別按方位向設置成列，組成組合圖像復數矩陣；
[0021] 所述矩陣分離模塊模塊，用于提取所述組合圖像復數矩陣中的稀疏矩陣與低秩矩 陣，并分離出各通道的動目標圖像復數矩陣。
[0022] 幅度增強模塊，用于將獲取的所述各動目標圖像復數矩陣，沿通道方向疊加，獲取 幅度增強的圖像。
[0023] 上述方案中，所述矩陣分離模塊模塊，具體用于：
[0024] 將所述組合圖像復數矩陣分解成實部矩陣和虛部矩陣；
[0025] 采用APG算法分別從實部矩陣和虛部矩陣中提取稀疏的動目標實部矩陣及動目標 虛部矩陣；
[0026] 將提取的所述動目標實部矩陣和虛部矩陣組成組合動目標圖像復數矩陣；
[0027] 將組合動目標圖像復數矩陣的列設置成通道圖像矩陣，按所述列獲取對應于各通 道的動目標圖像復數矩陣。
[0028] 上述方案中，所述圖像數據包括:空域圖像數據；
[0029] 所述組合圖像復數矩陣包括:低秩雜波矩陣、稀疏動目標矩陣和噪聲矩陣。
[0030] 本發(fā)明實施例所提供的SAR-GMTI實現方法和裝置，對多通道SAR圖像數據進行自 適應配準，并將各通道圖像數據分別按方位向設置成列，組成組合圖像復數矩陣;提取所述 組合圖像復數矩陣中的稀疏矩陣與低秩矩陣，并分離出各通道的動目標圖像復數矩陣;將 獲取的所述各動目標圖像復數矩陣，沿通道方向疊加，獲取幅度增強的圖像。如此，將稀疏 與低秩矩陣分離理論應用到SAR-GMTI中，進一步有效解決SAR-GMTI技術中受目標信雜噪比 和雜波非均勻性的影響的問題。
【附圖說明】
[0031 ]圖1為本發(fā)明實施例SAR-GMTI實現方法的流程示意圖；
[0032] 圖2為本發(fā)明實施例矩陣轉換過程流程示意圖；
[0033] 圖3為本發(fā)明實施例稀疏與低秩矩陣分離的流程示意圖；
[0034] 圖4為本發(fā)明實施例矩陣重構過程流程示意圖；
[0035] 圖5為本發(fā)明實施例SAR-GMTI詳細流程示意圖；
[0036]圖6為本發(fā)明實施例虛警個數隨通道間幅度和相位誤差變化的曲線示意圖；
[0037]圖7為本發(fā)明實施例SAR-GMTI實現裝置示意圖。
【具體實施方式】
[0038]本發(fā)明實施例中，對多通道SAR圖像數據進行自適應配準，并將各通道圖像數據分 別按方位向設置成列，組成組合圖像復數矩陣;提取所述組合圖像復數矩陣中的稀疏矩陣 與低秩矩陣，并分離出各通道的動目標圖像復數矩陣;將獲取的所述各動目標圖像復數矩 陣，沿通道方向疊加，獲取幅度增強的圖像。
[0039]下面結合實施例對本發(fā)明再作進一步詳細的說明。
[0040] 本發(fā)明實施例提供的SAR-GMTI實現方法，如圖1所示，該SAR-GMTI實現方法包括：
[0041] 步驟101:對多通道SAR圖像數據進行自適應配準，并將各通道圖像數據分別按方 位向設置成列，組成組合圖像復數矩陣；
[0042] 這里，可以假定SAR-GMTI系統(tǒng)有K個接收通道，對應生成K幅SAR圖像，每幅圖像中 含有雜波、動目標和噪聲。首先對K個通道的圖像進行自適應誤差校正，消除通道間的幅度 誤差和相位誤差。經過誤差校正后，各通道間雜波分量的分布可以認為是相同的。動目標在 場景中是稀疏分布的，因此，經過通道間雜波相位補償后，動目標在通道間的相位差仍然是 存在的;所述圖像數據包括:空域圖像數據；
[0043] 在補償通道間雜波相位差后，進行矩陣轉換，即將每個通道的圖像數據拉成組合 圖像復數矩陣的一列，則所述組合圖像復數矩S可以認為是由三部分組成的：低秩的雜波矩 陣，稀疏的動目標矩陣和噪聲矩陣，可以用表達式(1)表示：
[0044] S = Sc+St+Sn (1)
[0045] 其中，SC表示低秩的雜波矩陣，St表示稀疏的動目標矩陣和SN表示噪聲矩陣；
[0046] 具體的，矩陣轉換過程如圖2所示:假定每個通道的圖像大小為A*R，其中A表示方 位單元長度，R表示距離單元長度;將每個通道的圖像沿著方位向排成一列，形成一個列向 量，該列向量的長度為AR，將該列向量作為新矩陣的一列。對其余通道的圖像采用相同的處 理，則K個通道圖像共形成K個列向量，就構成了一個具有K列的新矩陣，該新矩陣大小為AR* K;在生成的新矩陣中，雜波具有低秩特性，動目標具有稀疏性。
[0047] 步驟102:提取所述組合圖像復數矩陣中的稀疏矩陣與低秩矩陣，并分離出各通道 的動目標圖像復數矩陣；
[0048] 具體的，所述步驟102，如圖3所示，包括：
[0049] 步驟102a:將所述組合圖像復數矩陣分解成實部矩陣和虛部矩陣；
[0050] 組合圖像復數矩陣的實數矩陣部分和虛數矩陣部分都分別滿足低秩和稀疏特性； 因此，將復數矩陣分成實數矩陣SRE和虛數矩陣S IM，可以用表達式(2)表示：
[0052]其中，下標RE表示對應分量的實數部分，下標頂表示對應分量的虛數部分。
[0053]步驟102b:采用APG算法分別從實部矩陣和虛部矩陣中提取稀疏的動目標實部矩 陣及動目標虛部矩陣;利用APG算法分別解下面的優(yōu)化方程，就可提取動目標分量的實部矩 陣和虛部矩陣，優(yōu)化方程可以用表達式(3)和(4)表示：
[0056] 其中，sc_RE表示分解后的雜波實部矩陣，sc_ IM表示分解后的雜波虛部矩陣，η表示正 的加權系數，公0表示原矩陣與矩陣分解后的差，I |口| If表示Frobenius范數，I |口| U表示 一階范數;提取的動目標實部矩陣為ST_RE，虛部矩陣為ST_ IM。
[0057] 步驟102c:將提取的所述動目標實部矩陣和虛部矩陣組成組合動目標圖像復數矩 陣；
[0058] 動目標的實部矩陣和虛部矩陣重新組成組合動目標圖像復數矩陣ST，可以用表達 式（5)表不：
[0059] St = St-re+j St-iM (5)