| 主权项 |
一种压缩感知合成孔径雷达射频干扰抑制处理方法，其特征在于实现步骤如下：步骤(1)、基于RFI分量在频域明显的稀疏特征，建立RFI信号的压缩感知模型；所述步骤(1)中的基于RFI分量在频域明显的稀疏特征，建立RFI信号的压缩感知模型为：y＝As<sub>r</sub>+z其中，y＝[y(τ<sub>1</sub>)y(τ<sub>2</sub>)…y(τ<sub>M</sub>)]<sup>T</sup>为时域非均匀随机采样获取的回波观测数据，τ<sub>m</sub>为不等间隔的随机采样时刻；M×N维CS矩阵为：<img file="FDA0000651402870000011.GIF" wi="797" he="316" /><maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>f</mi><mi>n</mi></msub><mo>=</mo><mrow><mo>(</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><mfrac><msub><mi>F</mi><mi>s</mi></msub><mi>N</mi></mfrac><mo>,</mo><mi>M</mi><mo><</mo><mi>N</mi></mrow>]]></math><img file="FDA0000651402870000012.GIF" wi="538" he="131" /></maths><img file="FDA0000651402870000013.GIF" wi="518" he="82" />为RFI分量的频域采样数据，F为N×N维的傅立叶变换矩阵，<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mover><mi>s</mi><mo>~</mo></mover><mi>r</mi></msub><mo>=</mo><msup><mfenced open='[' close=']'><mtable><mtr><mtd><msub><mover><mi>s</mi><mo>~</mo></mover><mn>1</mn></msub></mtd><mtd><msub><mover><mi>s</mi><mo>~</mo></mover><mn>2</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mover><mi>s</mi><mo>~</mo></mover><mi>N</mi></msub></mtd></mtr></mtable></mfenced><mi>T</mi></msup><mo>,</mo><msub><mover><mi>s</mi><mo>~</mo></mover><mi>n</mi></msub><mo>=</mo><msub><mi>s</mi><mi>r</mi></msub><mrow><mo>(</mo><mrow><mo>(</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><mi>ΔT</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000651402870000014.GIF" wi="846" he="87" /></maths>为对RFI分量s<sub>r</sub>(τ)以常规均匀间隔△T＝1/F<sub>s</sub>采样后的离散数据，z＝[z(τ<sub>1</sub>)z(τ<sub>2</sub>)…z(τ<sub>M</sub>)]<sup>T</sup>为包含成像场景回波信号和雷达系统热噪声在内的近白噪声信号z(τ)的压缩采样；步骤(2)、采用贪婪算法结合最小描述长度估计出RFI分量的稀疏度；所述步骤(2)采用贪婪算法结合最小描述长度估计出RFI分量的稀疏度的实施步骤如下：步骤a.选择一个保守的RFI频域稀疏度值K<sub>M</sub>作为OMP算法的输入迭代次数，取K<sub>M</sub>＝N/4，即RFI分量的频谱范围最多是信号频谱范围的1/4；步骤b.对每个脉冲的压缩采样数据y<sup>(m)</sup>,m＝1,…,M，由OMP算法重构出其频域采样数据<img file="FDA0000651402870000015.GIF" wi="550" he="93" />其非零元素为前K<sub>M</sub>个具有大的模值的频域采样；步骤c.对每个元素的模值进行统计平均，得到<img file="FDA0000651402870000016.GIF" wi="418" he="83" />并采用MDL准则估计<img file="FDA0000651402870000017.GIF" wi="53" he="69" />主分量个数作为稀疏度K的估计值；步骤(3)、对每个脉冲的回波信号，估计RFI信号分量并在时域直接滤除；所述步骤(3)对每个脉冲的回波信号，估计RFI信号分量并在时域直接滤除，具体为：得到RFI分量的稀疏度K后，利用贪婪算法逐个脉冲重构RFI信号，然后从回波压缩采样数据中减去重构RFI信号，即：<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mover><mi>y</mi><mo>~</mo></mover><mo>=</mo><mi>y</mi><mo>-</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>S</mi><msub><mi>p</mi><mi>k</mi></msub></msub><msub><mi>a</mi><msub><mi>p</mi><mi>k</mi></msub></msub></mrow>]]></math><img file="FDA0000651402870000021.GIF" wi="347" he="140" /></maths>其中，<img file="FDA0000651402870000022.GIF" wi="74" he="67" />为CS矩阵A的第p<sub>k</sub>个列向量，{p<sub>1</sub>,p<sub>2</sub>,…,p<sub>K</sub>}分别为s<sub>r</sub>中K个RFI分量的位置，<img file="FDA0000651402870000023.GIF" wi="76" he="79" />为相应的频率分量幅值；步骤(4)、应用压缩感知SAR重构算法实现成像处理。 |
