专利名称：多通道sar地面慢动目标检测方法及装置的制作方法
技术领域：
本发明涉及合成孔径雷达(Synthetic Aperture Radar, SAR)技术领域,尤其涉及 一种多通道SAR地面慢动目标(Slow Ground Moving Target)检测方法及装置。
背景技术：
SAR是20世纪50年代初发展起来的一种新型的雷达体制。它属于主动式微波遥感 设备，具有全天时、全天候和远距离成像的特点，可以大大提高雷达的信息获取能力，特别 是战场感知能力，对军用和民用均有重要的应用价值。地面运动目标显示(Ground Moving Target Indication，GMTI)作为战术侦察的一部分是军用SAR系统所必须具备的一项基本 功能，也是SAR信号处理中的一个重要问题。传统的单通道SAR系统只能检测到频谱全部 或部分落在杂波谱之外的运动目标。对于频谱淹没在杂波谱之内的慢动目标的检测，单通 道SAR系统一般难以实现。相对于单通道SAR系统，多通道SAR系统增加了系统的空间自 由度，从而可利用多个空间自由度抑制展宽的主瓣杂波，提高慢动运动目标的信杂比，获得 较好的检测性能。
基于干涉图(interferogram)的多通道SAR地面慢动目标自动检测技术是一种致 力于从复杂的大幅SAR图像中快速有效地检测出地面上慢速行驶的车辆目标的技术。该技 术是SAR对地面观测应用的基础前沿课题，具有重要的学术和应用价值，极具创新性。
一般而言，多通道SAR地面慢动目标检测方法包括以下步骤步骤1:确定干涉图 幅度和相位；步骤2 :根据所确定的干涉图幅度和相位推导出干涉图的统计分布模型，并推 导出各分布模型的参数估计器；步骤3 :根据推导出的统计分布模型及参数估计器，实现慢 动目标的自动检测。
上述步骤2是整个方案较为重要的环节，如何快速、准确地推导出统计分布模型 和参数估计器，是备受关注的课题。
干涉图是多通道信息的一种主要表征方式，由于统计的方法能够达到信息提取的 理论上的Bayes (贝叶斯)最优解，因此干涉图的统计建模特别是干涉图幅度统计建模成为 了多通道SAR的研究热点之一，其在极化、干涉、动目标指示等方面均有广泛的应用前景， 为多通道SAR解译与应用的共性基础研究课题。
以Goodman提出的复Wishart分布为基础，Lee等人首先推导得到了均勻区域环 境下干涉图幅度的分布模型。在此基础上，Gierull> Sikaneta、Abdelfattah等人对干涉 图幅度分布模型进行了较为深入的研究，其中，最为著名且性能最好的是Gierull等人提 出的干涉图幅度分布模型，其优点是完整性较好，对不均匀区域对应干涉图幅度数据具有 一定的建模能力，其缺点是由于均匀区域环境下对应的分布模型中仍包含第二类型的修正 Bessel (贝塞耳)函数等特殊函数，造成阈值求解的困难并极大限制了可拟合区域的范围， 而且对于复杂环境(如城区等)，该模型的建模能力严重不足。因此，亟待寻求更加完善、具 有均匀度变化下的广泛区域建模能力的新干涉图幅度分布模型。发明内容
本发明提出一种基于干涉图的多通道SAR地面慢动目标检测方法及装置，其中的 方法包括以下步骤
确定干涉图幅度和相位；推导干涉图幅度统计分布模型族，并推导出各分布模型 的参数估计器；根据所述统计分布模型和参数估计器，实现慢动目标的自动检测。其中， 所述推导干涉图幅度统计分布模型族的具体实现方式为以复Wishart分布为基础，通过 引入场景环境分类，结合乘积模型，利用逆方根Gamma分布和广义逆Gauss方根分布，推导 出干涉图幅度分布模型族；所述推导出各分布模型的参数估计器的具体实现方式为基于 Mellin变换导出各新分布模型的参数估计器。
本发明提供的方案中，通过建立新的干涉图幅度分布模型族，解决了均匀度变化 下的广泛区域对应的干涉图幅度数据的精确建模问题，并把以相干斑模型和乘积模型为基 础发展而来的单通道SAR图像统计建模家族扩展到多通道领域，实现了单通道SAR图像建 模理论到多通道SAR干涉图幅度建模的拓展与统一。基于Mellin变换的各分布模型对应 的参数估计器能够快速、准确地迭代出各分布所含参数的估计值，从而保证了新分布模型 族的实用性。


图1是本发明基于干涉图的多通道SAR地面慢动目标检测方法流程图2示出本发明均匀区域、不均匀区域和极度不均匀区域环境下的干涉图幅度各 分布之间的关系。
具体实施方式
本发明提出了一种全新的基于干涉图的多通道SAR地面慢动目标检测方案。其 中，特别提出了新的干涉图幅度分布模型族及对应的参数估计器。首先，在乘积模型框 架下，以复Wishart分布为基础，通过引入场景环境分类的思想，利用具备真实地物RCS (Radar Cross Section,雷达散射截面)分量精确建模能力的逆方根Ga_a分布和广义逆 Gauss方根分布,推导建立了理论完善的新的干涉图幅度分布模型族扩展Gamma分布、扩 展G°分布和扩展G分布，即E-Ga_a分布、E_G°分布和E-G分布，解决了均匀度变化下的广 泛区域对应的干涉图幅度数据的精确建模问题，实现了单通道SAR图像建模理论到多通道 SAR干涉图幅度建模的拓展与统一。其次，基于Mellin变换导出了各新分布模型的参数估 计器E-Gamma MoLC、E_G°MoLC和E-G MoLC。新估计器能够快速、准确地迭代出各分布参数 的估计值。以KL度量、MSE (Mean Square Error，均方误差)度量和K_S检验作为定量评 估准则，对星载多通道SAR实测数据对应的干涉图进行实验，结果证明了所提模型族及对 应参数估计器的有效性。
参见图1，为本发明提出的基于干涉图的多通道SAR地面慢动目标检测方法，具体 包括
SlOl :推导干涉图幅度统计分布模型族，并推导出各分布模型的参数估计器；
具体地推导干涉图幅度统计分布模型族的具体实现方式是在乘积模型框架 下，以复Wishart分布为基础，通过引入场景环境分类，利用具备真实地物RCS分量精确建模能力的逆方根Ga_a分布和广义逆Gauss方根分布,推导建立新的干涉图幅度分布模型族E-Ga_a分布、E-G0分布和E-G分布；推导出各分布模型的参数估计器的具体实现方式是基于Mellin变换导出了各新分布模型的参数估计器E-Gamma MoLC、E-G0MoLC和E-G MoLC。
S102 :根据所述统计分布模型和参数估计器，实现慢动目标的自动检测。
可见,本发明以复Wishart分布为基础，引入Frery等人把实际图像场景分为均勻区域、不均匀区域和极度不均匀区域等三类的思想，结合乘积模型，利用具备真实地物RCS 幅度分量精确建模能力的逆方根Gamma分布和广义逆Gauss方根分布，推导出了不同图像场景下新的干涉图幅度分布模型族。在此基础上，利用Mellin变换导出了各分布新的参数估计器。
下面详细介绍。
I新的干涉图幅度统计分布模型族
根据中心极限定理，图像场景的RCS分量恒定时，相干斑噪声分量的同相 (In-phase)和正交(Quadrature)通道相互独立、且都服从零均值的Gauss分布,具备了复 Wishart分布的前提条件。假设双通道η视样本协方差矩阵为NWf zAk)zAk)' Z1(Ic)' Z2 (k) |z“々)|2
其中，η表示视数，Z(k)=匕⑵’^⑵^为第“欠单视图像^表示复共轭^表示复共轭转置。把i的副对角线元素(Vw)Zl1称为复η视干涉图，干涉图的模值即为干涉图幅度。
本领域技术人员可知，随机矩阵β = 服从复Wishart分布。对主对角线元素进行积分可得到标准化的干涉图幅度ξ和干渉图相位Ψ的联合分布为
R = ~YJZ{k)Z{kf⑴Tm ρξ1-Pi2ηξΛ~Ρ\
其中，U·)为η-l)阶的第二类型修正Bessel函数，P 为两通道输出的复相关系数，P称为相关度，标准化的干涉图幅度ξ为I(Vw)Z1-! Wz2 (^)1 I(Vn)ZLzI (k)z2 W*|
ξ = ~I , χ , x =-ψψ=- (3)^(ΚΓ)￡(ΚΓ)Vc-c-
1.1E-Gamma 分布
为了获取均匀环境下干涉图幅度的概率分布，需对(2)式中的干涉图相位变量进行积分，得到标准化干涉图幅度的边缘分布为[_]咐卜(4)
其中，IQ( ·)为零阶的第一类型修正Bessel函数。
分析(4)式，由于其包含两种类型的修正Bessel函数，这给该分布的拟合能力带来较大限制。具体而言，根据修正Bessel函数特殊的性质(即该函数会迅速地趋向于无穷)，当自变量X取值较小时，第二类修正Bessel函数Kv(X)的值会很大，而当自变量取值较大时，第一类修正Bessel函数Iv(X)的值又将会很大，所以，当利用包含两种类型的修正Bessel函数的概率分布进行拟合计算时，通常准确性会较差，特别是数据格式的精度较低时则越明显。再者，实际情况下，(4)式中的ηξ通常又会是一个较大的值。为此，可根据第一类和第二类修正Bessel函数的渐进展开表达式，推得η
权利要求
1.一种多通道SAR地面慢动目标检测方法，其特征在于，包括推导干涉图幅度统计分布模型族，并推导出各分布模型的参数估计器；根据所述统计分布模型和参数估计器，实现慢动目标的自动检测；其中所述推导干涉图幅度统计分布模型族的具体实现方式为以复Wishart分布为基础， 通过引入场景环境分类，结合乘积模型，利用逆方根Gamma分布和广义逆Gauss方根分布， 推导出干涉图幅度分布模型族；所述推导出各分布模型的参数估计器的具体实现方式为基于Mellin变换导出各新分布模型的参数估计器。
2.根据权利要求1所述的方法，其特征在于，以复Wishart分布为基础得到标准化的干涉图幅度和干涉图相位的联合分布，具体地确定多通道η视样本协方差矩阵为Λ ；将及的副对角线元素确定为复η视干涉图；确定服从复Wishart分布的随机矩阵忍= 左,对主对角线元素进行积分可得到标准化的干涉图幅度ξ和干涉图相位Ψ的联合分布。
3.根据权利要求1或2所述的方法，其特征在于，所述干涉图幅度分布模型族包括扩展 Gamma分布、扩展G°分布和扩展G分布。
4.根据权利要求3所述的方法，其特征在于，所述扩展Gamma分布表示均匀区域环境下干涉图幅度，其建立过程为对所述干涉图相位进行积分，得到标准化干涉图幅度的边缘分布；根据第一类和第二类修正Bessel函数的渐进展开表达式，从所述标准化干涉图幅度的边缘分布推断出所述扩展Gamma分布。
5.根据权利要求3所述的方法，其特征在于，所述扩展G°分布表示不均匀区域环境下干涉图幅度，其建立过程为在乘积模型框架下，以均勻环境下的扩展Ga_a分布为基础,结合逆Ga_a分布,得到不均匀区域环境下干涉图幅度的概率分布。
6.根据权利要求3所述的方法，其特征在于，所述扩展G分布表示极度不均匀区域环境下干涉图幅度，其建立过程为在乘积模型框架下，联合扩展Gamma分布和广义逆Gauss分布，推导得到极度不均匀区域环境下干涉图幅度所服从的分布。
7.根据权利要求3所述的方法，其特征在于，所述扩展Gamma分布、扩展GO分布和扩展 G分布之间具有向下兼容性和通道兼容性。
8.根据权利要求3所述的方法，其特征在于，所述基于Mellin变换导出各新分布模型的参数估计器的具体过程为对扩展Gamma分布、扩展G°分布和扩展G分布所共有的相关度参数P进行估计；确定扩展Gamma分布参数的对数累积量估计器；确定扩展G°分布参数的对数累积量估计器；确定扩展G分布参数的对数累积估计器。
9.根据权利要求8所述的方法，其特征在于，确定扩展Gamma分布参数、扩展G°分布参数或扩展G分布参数的对数累积量估计器的具体过程为利用Mellin变换分别得到扩展Gamma分布、扩展G°分布和扩展G分布对应的第一个、 第二个第二类型的特征函数；求特征函数的各阶导数，分别得到扩展Gamma分布、扩展G°分布和扩展G分布对应的对数累积量。
10.一种多通道SAR地面慢动目标检测装置，其特征在于，该装置可执行如权利要求 1-9所述的方法。
全文摘要
本发明公开了一种多通道SAR地面慢动目标检测方法及装置，其中的方法在推导干涉图幅度统计分布模型族的具体实现方式为所述推导干涉图幅度统计分布模型族的具体实现方式为以复Wishart分布为基础，通过引入场景环境分类，结合乘积模型，利用逆方根Gamma分布和广义逆Gauss方根分布，推导出干涉图幅度分布模型族；所述推导出各分布模型的参数估计器的具体实现方式为基于Mellin变换导出各新分布模型的参数估计器。本发明提供的方案中，通过建立新的干涉图幅度分布模型族，解决了均匀度变化下的广泛区域对应的干涉图幅度数据的精确建模问题。
文档编号G01S13/90GK102998674SQ20121041982
公开日2013年3月27日 申请日期2012年10月29日 优先权日2012年10月29日
发明者时公涛, 陈东, 庞怡杰, 陈涛, 黄波, 李亮 申请人:中国人民解放军空军装备研究院侦察情报装备研究所