非参数化迭代自适应SAR射频干扰抑制方法.pdf
《非参数化迭代自适应SAR射频干扰抑制方法.pdf》由会员分享,可在线阅读,更多相关《非参数化迭代自适应SAR射频干扰抑制方法.pdf(15页珍藏版)》请在咨信网上搜索。
1、第 44 卷第 5 期2023 年 9 月Vol.44,No.5Sept.2023遥 测 遥 控Journal of Telemetry,Tracking and CommandWebsite:非参数化迭代自适应SAR射频干扰抑制方法马潇1,周鹏1,张振华2,张剑琦2,张杰1(1 中国石油大学(华东)海洋与空间信息学院 青岛 266580;2 北京遥测技术研究所 北京 100076)摘要:合成孔径雷达(Synthetic Aperture Radar,SAR)的成像质量与图像解译精度会因为空间中存在的射频干扰(Radio Frequency Interference,RFI)而下降。本文在加权
2、最小二乘迭代自适应算法的基础上,提出了非参数化的迭代自适应RFI抑制方法。该方法在成像处理前增加了对RFI的预检测环节,在初步检测出存在RFI的数据部分后只对存在RFI的数据进行SG(Savitsky-Golay,萨维茨基戈莱)卷积平滑处理以提升对弱RFI的检测能力。利用带阻滤波器滤除存在干扰的频段后,使用迭代自适应处理在频谱中估计出被去除频段中的信号分量以获得期望的距离谱。与利用传统距离频率滤波方法进行RFI抑制相比,所提出的方法在图像细节保持方面效果更优,避免了因频谱不连续而导致的旁瓣增加,且运算效率更高。关键词:合成孔径雷达;射频干扰;干扰信号检测;干扰抑制;SG卷积平滑中图分类号:TN
3、957.54;V474.2 文献标志码:A 文章编号:2095-1000(2023)05-0069-15DOI:10.12347/j.ycyk.20230504002引用格式:马潇,周鹏,张振华,等.非参数化迭代自适应SAR射频干扰抑制方法 J.遥测遥控,2023,44(5):6983.Non-parametric iterative adaptive radio frequency interference suppression approach for SAR systemsMA Xiao1,ZHOU Peng1,ZHANG Zhenhua2,ZHANG Jianqi2,ZHANG Ji
4、e1(1.College of Oceanography and Space Informatics,China University of Petroleum,Qingdao 266580,China;2.Beijing Research Institute of Telemetry,Beijing 100076,China)Abstract:The image quality and image interpretation accuracy of Synthetic Aperture Radar(SAR)deteriorates due to the pre-sence of Radio
5、 Frequency Interference(RFI)in space.Based on the weighted least squares iterative adaptive algorithm,a non-parametric iterative adaptive RFI suppression is proposed.The proposed approach supplements a pre-detection step for RFI before imaging processing.After the initial detection of data with RFI,
6、only the data with RFI is subjected to SG(Savitsky-Golay)convolutional smoothing to improve the detection ability of weak RFI.After filtering out the interfering bands by using a band-reject filter,iterative adaptive processing is employed to estimate the signal components of the removed bands to ob
7、tain the desired spectrum in the range direction.Compared with the traditional filtering approach for RFI suppression in range frequency domain,the proposed approach is more effective in image detail preservation,avoiding the increase of side lobes caused by spectral discontinuity,and has higher com
8、putational efficiency.Keywords:Synthetic aperture radar;Radio frequency interference;Interference signal detection;Interference suppression;SG convolution smoothingCitation:MA Xiao,ZHOU Peng,ZHANG Zhenhua,et al.Non-parametric iterative adaptive radio frequency interference suppression approach for S
9、AR systemsJ.Journal of Telemetry,Tracking and Command,2023,44(5):6983.基金项目:国家自然科学基金重点基金(61931025);国家自然科学基金区域创新发展联合基金重点支持项目(U22A20586);山东省自然科学基金(ZR2019MF004)通信作者:周鹏()收稿日期:2023-05-04 修回日期:2023-06-15第 44 卷第 5 期马潇等,非参数化迭代自适应SAR射频干扰抑制方法引 言合成孔径雷达作为一种利用相参合成原理获得观测场景中二维电磁散射系数分布的主动微波遥感器,在军事和民用领域已经得到了广泛的应用1。但随
10、着信息化的日益普及,导致电磁环境愈加复杂,使得SAR系统的回波信号中往往掺杂了许多射频干扰信号,这些干扰信号和回波混叠在一起,影响基于回波的参数估计准确性和成像处理的质量2。因此,提升RFI的检测与抑制能力对提高SAR成像质量来说具有重要意义。一般来说,RFI信号主要来源于移动通信、电视、广播、导航卫星等设备3。根据干扰信号的相对带宽大小、调制方式的不同,RFI主要可分为窄带干扰、调频调制宽带干扰和正弦调制宽带干扰三种形式4。目前,用于抑制RFI的信号处理方法一般可分为两类:参数化方法和非参数化方法。对于参数化方法,一般是将RFI看作正弦信号叠加的结果,然后通过一系列的数学运算来估计正弦干扰信
11、号的振幅、频率和相位5,6。如:最小均方差法(Least Mean Square,LMS)7,8和最大似然估计法9等。但参数化方法需要在很理想的情况下才可以准确估计出相关参数,进而达到良好的干扰抑制效果。而在实际情况中,RFI的数学模型十分复杂,容易出现失配问题,从而影响参数估计的准确性,使RFI抑制效果变差。对于非参数方法,其对RFI的抑制无需任何先验知识或精确模型,避免了模型不准确带来的影响4。常用的非参数方法有子空间投影法、子带谱对消法、带阻滤波器法10等。文献11提出了一种特征值子空间投影法,通过奇异值分解构造信号子空间和噪声子空间来抑制干扰12。但是该方法是对整块数据进行处理,不仅处
12、理速度慢,而且也会损失部分有用信号。文献13提出了一种子带谱对消法,该方法通过SAR图像不同距离子带频谱对消来实现RFI抑制,但如果频谱不具有对称性,就会导致有用信号的大量损失。带阻滤波器法是一种经典的非参数方法,它通过检测信号频谱,滤除RFI信号存在的频段以实现干扰抑制。带阻滤波器法的原理简单,但其会将RFI存在频段内的有效数据也滤除,导致SAR信号频谱不连续,从而造成距离向分辨率的降低、信噪比损失等问题,严重影响成像质量。文献14中对缺失数据幅度与相位估计(Gapped-data Amplitude and Phase Estimation,GAPES)是一种有效的算法,且后续又将其应用到
13、合成孔径雷达领域中缺失相位数据和引入调整因子的处理算法,但是该算法在任意缺失数据的情况下,恢复数据的效果不太理想14,15。文献16在基于最大期望的缺失数据幅度和相位估计上,在任意数据缺失的情况下,也能较好地恢复数据。但是当缺失数据的百分比增加时,算法的恢复效果会急速下降,且在处理场景较为复杂的SAR数据时性能和效果不佳。文献17在将稀疏迭代协方差估计延伸到缺失数据谱分析后,可以适应任意缺失数据的恢复,但是该计算开销大,不适用于处理较大的数据。文献18首次将自适应算法应用于缺失数据的分析之中,对平稳信号的恢复进行了初步的探索,有效地降低了SAR成像中的副瓣,但是对于非平稳信号的恢复效果不甚理想
14、。有研究人员19,20将迭代自适应算法引入到雷达角超分辨率领域,获得了比传统方法更好的效果。本文在带阻滤波器法的基础上提出一种非参数化的迭代自适应SAR射频干扰抑制方法。该方法包括回波数据预处理、RFI干扰识别、非参数化迭代自适应数据重构等环节。在处理SAR回波数据前,先进行RFI的初步检测,确定出数据中存在干扰的部分,后续处理仅对有干扰部分的数据进行,提高了算法效率。后续在估计 RFI 带宽时,使用SG(Savitsky-Golay)卷积平滑处理以减小数据的波动范围,提高带宽的估计精度。在估计出RFI 带宽的基础上设计带阻滤波器的带宽,以避免吉布斯效应和频谱泄漏对后续成像的影响。最后在频域中
15、使用非参数化的迭代自适应方法重构之前被滤除的有效信号,以保证频谱的连续性,避免因频谱不连续而导致 SAR 图像质量降低的问题。1SAR射频干扰信号模型在当今复杂的电磁环境中,SAR系统正常工作所需要的环境条件越来越难以满足。由于SAR系统的工作频带较宽,而电磁频谱资源日趋紧张,这就无法避免地使 RFI信号与 SAR系统的回波信号产生混叠,以致影响SAR成像质量。根据相对带宽大小,RFI 可分为窄带干扰(Narrow Bandwidth Interference,NBI)及宽带干扰(Wide Bandwidth Interference,WBI)两类。为了更有针对性地702023 年 9 月遥
16、测 遥 控对 RFI进行抑制,需要先建立起相关信号的数学模型。由于合成孔径雷达系统的接收信号可以看作是理想回波信号、各种样式的干扰与噪声相互叠加的结果21,所以雷达接收信号的数学模型可表示为:x(n)=s(n)+i(n)+w(n)(1)式中,n代表距离向时间采样点,x(n)代表雷达接收信号,s(n)代表理想的回波信号,i(n)代表由NBI和WBI共同构成的各种干扰信号,w(n)代表噪声。但此模型表达的信息有限,通常在接收信号模型加 入 方 位 向 参 数,构 建 出 距 离-方 位 二 维 模型4。即:X(nk)=S(nk)+I(nk)+W(nk)(2)式中,k代表方位向时间采样点。根据RFI
17、的特性,窄带RFI可被视为由多个复余弦信号叠加后组成的结果。假设在雷达接收频带内有LNB个窄带 RFI,则有:jNB(nk)=l=1LNBAl(nk)ej2fl(k)n+l(nk)(3)式中,Al、fl、l分别代表第l个复余弦信号的振幅、中心频率、相位。而对于宽带干扰,其可以分为调频和正弦调制两种4,本文主要讨论调频宽带干扰。调频宽带干扰可用如下的形式表示:jCM(nk)=l=1LCMAl(nk)expj2fl(k)n+jl(k)n2(4)式中,Al、fl、l分别代表第l个调频宽带干扰的振幅、中心频率和调频率,LCM代表调频宽带干扰的个数。图 1 对窄带 RFI 干扰、宽带 RFI 干扰的距离
18、-方位时域信号、距离向频谱进行了示意。从图 1(a)和图 1(b)可看出,干扰对目标回波产生了很大影响,将严重影响成像质量。对比图1(c)和图1(d)可看出,宽带 RFI 干扰的带宽明显宽于窄带 RFI干扰的带宽。图1窄带、宽带RFI干扰的距离-方位时域信号、距离向频谱示意图Fig.1Diagram of range-azimuth time domain signal and spectrum in range direction with regards to narrowband and wideband RFI interference71第 44 卷第 5 期马潇等,非参数化迭代自适
19、应SAR射频干扰抑制方法2基于频域的非参数化迭代自适应RFI干扰抑制方法2.1初步检测RFI对于SAR系统而言,为了有效抑制干扰,需要在频域中精准地检测RFI,并估计出其带宽与载频。通常对于RFI的检测只是将原始回波数据在频域中进行粗略检测,用以确定回波数据中是否存在RFI。对原始回波数据X沿距离向进行快速傅里叶变换,得到在距离向频域-方位向时域的原始数据Xd,然后沿方位向对所有距离门的幅度值进行平均,最终得到一个沿方位向的向量Xd_m。设置阈值是为了避免无干扰数据幅度超过阈值导致检测出现误判,此处阈值使用拉依达(3)准则。具体公式如下:XTh=Xd_m+3e(5)其中,e代表某方位时刻距离频
20、域数据的标准差,XTh代表某方位时刻设定的阈值。若该方位时刻某一特定频率的距离谱振幅大于阈值,则认为此处的回波受到了RFI干扰。如果检测到干扰,后续就对原始数据进行RFI抑制。2.2距离频域和方位时域RFI检测在距离频域中检测 RFI 以得到 RFI 的频谱范围,缩小处理数据量。频域检测RFI用到的方法有多种,文献22中提出利用SVR方法检测频域RFI,但此方法在处理中型数据集时速度不及KRR方法,而且相比于SVR方法,KRR的拟合可以用闭合形式完成。考虑到SAR原始回波数据的数据量,因此本文使用KRR方法。下面介绍一下KRR方法。KRR算法是在岭回归的基础上引入了核技巧的非线性预测算法23。
21、将正则化引入岭回归,得到损失函数为:C=min 12i=1n(yi-wxi)2+12w2(6)式中,C为KRR损失函数,n为样本数据数,y为对应输出变量,x为样本数据元素构成的列向量;w是优化问题的参数行矩阵,为正则化参数。由于样本数据可能是非线性的,因此将样本数据映射到一个核空间,使得数据在这个核空间里面线性可分,即xi=(xi),则损失函数的矩阵形式为:C(w)=12(Y-wX)(Y-wX)T+12wwT(7)式中,X=(x1)(x2)(xn),对w求偏导并令其为0,最后可得:w=-1XT(Y-wX)=XT(8)式中,为 KRR算法系数,它由所选择的核的类型所确定。将式(8)代入式(7),
22、最后可得到:*=(K+I)-1Y(9)式中,*为系数的最优解,K(xixj)为所选取核函数的核矩阵且kij=(xi)(xj),I为单位矩阵。常用的核函数有线性核、多项式核、高斯核、拉普拉斯核等,本文采用常用的高斯核。输入的原始数据为可能存在 RFI的 SAR 回波数据,经过使用高斯核的KRR算法处理,得到一个KRR算法系数的最优解*,从而可以得到估计值y:y=*(xi)(10)将输入数据通过采用高斯核的KRR算法进行处理后得到XG,用XZ表示原始数据真实值,从而可以得到拟合误差为:eF=XZ-XG(11)将拟合误差设置一个阈值,对于高于阈值的部分定义为干扰数据部分,对于低于阈值部分为无干扰部分
23、,以此为依据,即可判断出RFI所在的距离向频谱范围。最后得到两部分数据:XR有干扰数据、XUR无干扰数据。表1给出了SVR方法和KRR方法对不同数据量检测所需的时间,可以看出利用KRR方法处理数据的速度比利用SVR方法更快。在方位时域中检测RFI的范围,是对上述有干扰的XR数据进行的。对XR中的数据沿距离向逐条求距离向的幅度平均值,得到由幅度均值组成的行向量DH,后对原始数据同样沿距离向逐条计算幅度平均,同样得到由幅度均值组成的行向量DL,将DL与DH经过以下运算得到一个新的参数wewe=DL-(DHel)(12)其中,we代表每条回波数据中的幅度平均误差。el表示设定的阈值。对新参数we取s
24、ign函数,通过sign(we)的值(分别为1、-1、0)来判断每条回波数表1不同方法检测数据时间Table 1Detect data time of different methods方法名称SVRKRR处理数据量512510-3 s310-3 s1 024910-3 s610-3 s2 048310-2 s210-2 s4 096610-2 s510-2 s722023 年 9 月遥 测 遥 控据中是否存在RFI。综合频域检测和时域检测,从原始回波数据XZ中确定出干扰所在范围,得到距离频域方位时域数据XR,对其进行沿距离向的傅里叶逆变换,最后得到包含干扰的原始二维时域数据XRt,后续只需对
25、XRt进行处理即可。2.3RFI识别在 2.2节中,已经对原始数据进行初步检测,获取了包含RFI的数据。但是数据中的RFI不仅有强 RFI,也存在弱 RFI。为了有效、精准地将 RFI抑制,就需要在频域内精确地估计出RFI的载频、带宽等信息。最简单的方法是在频域中对每条距离向的幅度值进行检测,设计合理的幅度阈值,将超过阈值的部分视为该频率的数据受到了干扰和污染。此类方法对于强RFI效果显著,干扰可以得到有效滤除,但是对于弱RFI,就无法设计合理的阈值进行处理。因此如何设计准确的阈值来识别弱RFI,是解决问题的关键。为了提高对弱RFI的识别准确率,本文在频域检测RFI之前,先对数据进行平滑处理。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 参数 化迭代 自适应 SAR 射频 干扰 抑制 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。