本發(fā)明涉及信號處理
技術(shù)領(lǐng)域：
，尤其涉及基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法及系統(tǒng)。
背景技術(shù)：
：SAR(SyntheticApertureRadar，合成孔徑雷達(dá))欺騙干擾機(jī)根據(jù)預(yù)先設(shè)計(jì)好的虛假場景對截獲的SAR信號進(jìn)行延時與相位調(diào)制，比傳統(tǒng)的壓制干擾所需的功率更低，且危害更大。干擾機(jī)在真實(shí)場景中產(chǎn)生逼真的虛假目標(biāo)，從而擾亂SAR的信息獲取與決策。因此針對SAR欺騙干擾的研究引起了學(xué)者們的廣泛關(guān)注，也相應(yīng)地取得了較顯著的成果，使得SAR欺騙干擾機(jī)能夠在多種復(fù)雜的工作模式下更加逼真、更加高效地產(chǎn)生更多的虛假目標(biāo)，從而增加了欺騙干擾的威脅性。因此，為了提升SAR系統(tǒng)的生存能力，有必要研究相應(yīng)的應(yīng)對方法對欺騙干擾目標(biāo)進(jìn)行甄別與標(biāo)識。ZhaoShanshan等在文獻(xiàn)“DiscriminationofDeceptionTargetsinMultistaticRadarBasedonClusteringAnalysis”(IEEESensorsJournal,Vol.16,No.8,Apr.2016:2500-2508)中基于多基雷達(dá)的系統(tǒng)架構(gòu)，在幅度比例特征空間內(nèi)采用分層歸類分析的方法，對欺騙干擾目標(biāo)與真實(shí)目標(biāo)的散布特性進(jìn)行分析，并通過最優(yōu)化分類數(shù)與設(shè)計(jì)不同類別最小代價的方法來實(shí)現(xiàn)虛假目標(biāo)與真實(shí)目標(biāo)的分類。該方法雖然能夠在一個脈沖重復(fù)間隔內(nèi)完成，但需要多基雷達(dá)系統(tǒng)作為支撐，系統(tǒng)復(fù)雜度與成本較高。LvGaohuan等在文獻(xiàn)“GroundMovingTargetIndicationinSARImagesWithSymmetricDopplerViews”(IEEETransactionsonGeoscienceandRemoteSensing,Vol.54,No.1,Jan.2016:533-543)中將原始數(shù)據(jù)劃分為對稱的多普勒視圖，根據(jù)運(yùn)動目標(biāo)與靜止場景回波特性在不同多普勒視圖中分布的差異性對運(yùn)動目標(biāo)進(jìn)行識別。由于欺騙干擾目標(biāo)與運(yùn)動目標(biāo)的多普勒特性相似，因此該方法同樣能夠在欺騙干擾目標(biāo)中進(jìn)行應(yīng)用。但對稱多普勒視圖的劃分會造成有效成像帶寬的損失，從而引起成像分辨率的下降。因此，現(xiàn)有技術(shù)還有待于改進(jìn)和發(fā)展。技術(shù)實(shí)現(xiàn)要素：鑒于現(xiàn)有技術(shù)的不足，本發(fā)明目的在于提供一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中欺騙干擾目標(biāo)識別分辨率下降，而且欺騙干擾目標(biāo)系統(tǒng)成本高的缺陷。本發(fā)明的技術(shù)方案如下：一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法，其中，方法包括：A、獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，對混合數(shù)據(jù)進(jìn)行校正處理后生成成像場景的數(shù)據(jù)矩陣，根據(jù)SAR系統(tǒng)參數(shù)生成去調(diào)頻處理的參考信號；B、數(shù)據(jù)矩陣與參考信號逐點(diǎn)相乘后進(jìn)行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進(jìn)行傅里葉變換后進(jìn)行濾波，并將濾波結(jié)果進(jìn)行逆傅里葉變換，得到抑制干擾特征后的距離單元數(shù)據(jù)，將距離單元數(shù)據(jù)與參考信號逐點(diǎn)相乘并進(jìn)行傅里葉變換，生成抑制干擾特征后的第二方位一維像，將第一方位一維像與第二方位一維像相減后逐點(diǎn)取模值，生成微分特征一維像，將微分特征一維像沿距離維依次排列，得到微分特征圖像矩陣；C、采用特定大小的矩形窗對微分特征圖像矩陣中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，獲取并計(jì)算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點(diǎn)周圍的灰度直方圖數(shù)據(jù)；D、獲取灰度級別小于預(yù)先設(shè)置的第一閾值的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，生成參考灰度直方圖；E、計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖與參考直方圖的匹配距離，當(dāng)檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法，其中，所述A具體包括：A1、獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進(jìn)行距離壓縮、距離徙動校正處理后，生成K×L維成像場景的數(shù)據(jù)矩陣，記為s(tr,ta)，數(shù)據(jù)矩陣中列方向表示距離維，行方向表示方位維，；tr為距離向快時間，ta為方位向慢時間；A2、根據(jù)SAR系統(tǒng)參數(shù)生成方位維去調(diào)頻處理的參考信號，記為s0(ta)；具體為：s0(ta)=exp(-jπγata2)]]>其中γa為多普勒調(diào)頻率。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法，其中，所述B具體包括：B1、獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，與參考信號s0(ta)逐點(diǎn)相乘，對相乘后的結(jié)果進(jìn)行傅里葉變換，生成包含真實(shí)場景與欺騙干擾全部信息的第一方位一維像其中表示傅里葉變換；B2、獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，進(jìn)行傅里葉變換，得到頻譜數(shù)據(jù)獲取頻域帶通濾波器H(fa)H(fa)=rect(faBa)=1,|fa|≤Ba/20,|fa|>Ba/2]]>其中Ba為信號的多普勒帶寬，rect(·)為矩形窗函數(shù)，根據(jù)H(fa)對頻域數(shù)據(jù)Sk(fa)進(jìn)行濾波，將濾波結(jié)果進(jìn)行逆傅里葉變換，生成抑制干擾特征后的第k個距離單元數(shù)據(jù)其中表示逆傅里葉變換，將抑制干擾特征后的第k個距離單元數(shù)據(jù)與s0(ta)逐點(diǎn)相乘，并對結(jié)果進(jìn)行傅里葉變換，得到抑制干擾特征后的第二方位一維像B3、將q1k(x)與q2k(x)相減，并對相減得到的復(fù)數(shù)據(jù)逐點(diǎn)取模值，計(jì)算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點(diǎn)求模值的運(yùn)算；B4、令k＝1,2,…,K，重復(fù)步驟B1～B3，將所得到的微分特征一維像Δqk(x)沿距離維依次排列，得到微分特征圖像矩陣ΔI。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法，其中，所述C具體包括：C1、采用W×W的矩形窗對差分圖像中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，其中W為窗的邊長點(diǎn)數(shù)，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，計(jì)算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運(yùn)算，hist(·)表示計(jì)算灰度直方圖的運(yùn)算，為灰度直方圖向量，G表示直方圖的量化級別，將矩形窗在ΔI上逐點(diǎn)滑動，生成各點(diǎn)的灰度直方圖數(shù)據(jù)。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法，其中，所述D具體包括：D1、獲取ΔI中灰度級別小于第一閾值εr的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，得到參考灰度直方圖ho=1UΣu=1Uhu]]>其中hu表示位于(ku,lu)處的點(diǎn)的直方圖，在差分特征圖中的灰度級別小于閾值εr，即ΔI(ku,lu)＜εr，U表示小于該閾值的所有點(diǎn)的個數(shù)。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法，其中，所述E具體包括：E1、計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖ha與參考直方圖的匹配距離dM(ho,ha)＝‖ho-ha‖1其中||·||1表示求向量1范數(shù)的運(yùn)算，對圖像中的逐個像素點(diǎn)計(jì)算直方圖匹配距離，生成直方圖匹配矩陣E2、當(dāng)檢測檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)，否則標(biāo)記為真實(shí)場景。一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，系統(tǒng)包括：參考信號生成模塊，用于獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，對混合數(shù)據(jù)進(jìn)行校正處理后生成成像場景的數(shù)據(jù)矩陣，根據(jù)SAR系統(tǒng)參數(shù)生成去調(diào)頻處理的參考信號；微分特征圖像矩陣生成模塊，用于數(shù)據(jù)矩陣與參考信號逐點(diǎn)相乘后進(jìn)行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進(jìn)行傅里葉變換后進(jìn)行濾波，并將濾波結(jié)果進(jìn)行逆傅里葉變換，得到抑制干擾特征后的距離單元數(shù)據(jù)，將距離單元數(shù)據(jù)與參考信號逐點(diǎn)相乘并進(jìn)行傅里葉變換，生成抑制干擾特征后的第二方位一維像，將第一方位一維像與第二方位一維像相減后逐點(diǎn)取模值，生成微分特征一維像，將微分特征一維像沿距離維依次排列，得到微分特征圖像矩陣；灰度直方圖生成模塊，用于采用特定大小的矩形窗對微分特征圖像矩陣中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，獲取并計(jì)算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點(diǎn)周圍的灰度直方圖數(shù)據(jù)；參考灰度直方圖生成模塊，用于獲取灰度級別小于預(yù)先設(shè)置的第一閾值的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，生成參考灰度直方圖；標(biāo)記模塊，用于計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖與參考直方圖的匹配距離，當(dāng)檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，所述參考信號生成模塊具體包括:校正單元，用于獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進(jìn)行距離壓縮、距離徙動校正處理后，生成K×L維成像場景的數(shù)據(jù)矩陣，記為s(tr,ta)，數(shù)據(jù)矩陣中列方向表示距離維，行方向表示方位維，；tr為距離向快時間，ta為方位向慢時間；計(jì)算單元，用于根據(jù)SAR系統(tǒng)參數(shù)生成方位維去調(diào)頻處理的參考信號，記為s0(ta)；具體為：s0(ta)=exp(-jπγata2)]]>其中γa為多普勒調(diào)頻率。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，所述微分特征圖像矩陣生成模塊具體包括：第一方位一維像生成單元，用于獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，與參考信號s0(ta)逐點(diǎn)相乘，對相乘后的結(jié)果進(jìn)行傅里葉變換，生成包含真實(shí)場景與欺騙干擾全部信息的第一方位一維像其中表示傅里葉變換；第二方位一維像生成單元，用于獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，進(jìn)行傅里葉變換，得到頻譜數(shù)據(jù)獲取頻域帶通濾波器H(fa)H(fa)=rect(faBa)=1,|fa|≤Ba/20,|fa|>Ba/2]]>其中Ba為信號的多普勒帶寬，rect(·)為矩形窗函數(shù)，根據(jù)H(fa)對頻域數(shù)據(jù)Sk(fa)進(jìn)行濾波，將濾波結(jié)果進(jìn)行逆傅里葉變換，生成抑制干擾特征后的第k個距離單元數(shù)據(jù)其中表示逆傅里葉變換，將抑制干擾特征后的第k個距離單元數(shù)據(jù)與s0(ta)逐點(diǎn)相乘，并對結(jié)果進(jìn)行傅里葉變換，得到抑制干擾特征后的第二方位一維像微分特征一維像生成單元，用于將q1k(x)與q2k(x)相減，并對相減得到的復(fù)數(shù)據(jù)逐點(diǎn)取模值，計(jì)算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點(diǎn)求模值的運(yùn)算；微分圖像矩陣生成單元，用于令k＝1,2,…,K，重復(fù)計(jì)算微分特征一維像，將所得到的微分特征一維像Δqk(x)沿距離維依次排列，得到微分特征圖像矩陣ΔI。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，所述灰度直方圖生成模塊具體用于采用W×W的矩形窗對差分圖像中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，其中W為窗的邊長點(diǎn)數(shù)，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，計(jì)算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運(yùn)算，hist(·)表示計(jì)算灰度直方圖的運(yùn)算，為灰度直方圖向量，G表示直方圖的量化級別，將矩形窗在ΔI上逐點(diǎn)滑動，生成各點(diǎn)的灰度直方圖數(shù)據(jù)。本發(fā)明提供了一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法及系統(tǒng)，本發(fā)明通過差分特征增強(qiáng)的方法，能夠在不提高現(xiàn)有單通道雷達(dá)系統(tǒng)復(fù)雜且不降低成像分辨率的前提下，針對成像雷達(dá)原始數(shù)據(jù)在不同成像方法下的差分特征進(jìn)行增強(qiáng)，從而在SAR圖像中對欺騙干擾目標(biāo)進(jìn)行標(biāo)識，提高了傳統(tǒng)單通道寬帶成像雷達(dá)對抗欺騙干擾的能力，法避免了單通道升級多通道系統(tǒng)升級的高昂開銷，大大降低了SAR系統(tǒng)抗欺騙干擾能力升級的成本。附圖說明圖1為本發(fā)明的一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法的較佳實(shí)施例的流程圖。圖2為本發(fā)明的一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法的具體應(yīng)用實(shí)施例的真實(shí)場景示意圖。圖3為本發(fā)明的一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法的具體應(yīng)用實(shí)施例的欺騙干擾場景模板示意圖。圖4為本發(fā)明的一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法的具體應(yīng)用實(shí)施例的存在欺騙干擾的SAR成像結(jié)果示意圖。圖5為本發(fā)明的一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法的具體應(yīng)用實(shí)施例的欺騙干擾目標(biāo)標(biāo)識結(jié)果示意圖。圖6為本發(fā)明的一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)的較佳實(shí)施例的功能原理框圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明提供了一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法的較佳實(shí)施例的流程圖，如圖1所示，其中，方法包括：步驟S100、獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，對混合數(shù)據(jù)進(jìn)行校正處理后生成成像場景的數(shù)據(jù)矩陣，根據(jù)SAR系統(tǒng)參數(shù)生成去調(diào)頻處理的參考信號。具體實(shí)施時，步驟S100具體包括：步驟S101、獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進(jìn)行距離壓縮、距離徙動校正處理后，生成K×L維成像場景的數(shù)據(jù)矩陣，記為s(tr,ta)，數(shù)據(jù)矩陣中列方向表示距離維，行方向表示方位維，；tr為距離向快時間，ta為方位向慢時間；步驟S102、根據(jù)SAR系統(tǒng)參數(shù)生成方位維去調(diào)頻處理的參考信號，記為s0(ta)；具體為：exp(-jπγata2)]]>其中γa為多普勒調(diào)頻率。其中，距離徙動是指合成孔徑過程中，雷達(dá)與目標(biāo)之間的斜距變化超過了一個距離分辨單元，使得來自同一目標(biāo)的回波信號在距離向分布于不同的距離單元內(nèi)，造成了信號在方位向和距離向的耦合。如前所述，要將成像處理的二維移變過程變?yōu)閮蓚€一維移不變過程，需要進(jìn)行距離徙動校正來消除距離向和方位向的耦合。所謂距離徙動校正，就是要將距離徙動曲線軌跡校正為平行于方位向的一條直線，其精度要達(dá)到一個合成孔徑時間內(nèi)，斜距的變化小于距離分辨單元的一半。在星載SAR成像中，回波信號通常伴有大的距離徙動，因而距離徙動校正成為成像處理中的重要環(huán)節(jié)，直接影響成像算法的設(shè)計(jì)和最終的成像質(zhì)量。步驟S200、數(shù)據(jù)矩陣與參考信號逐點(diǎn)相乘后進(jìn)行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進(jìn)行傅里葉變換后進(jìn)行濾波，并將濾波結(jié)果進(jìn)行逆傅里葉變換，得到抑制干擾特征后的距離單元數(shù)據(jù)，將距離單元數(shù)據(jù)與參考信號逐點(diǎn)相乘并進(jìn)行傅里葉變換，生成抑制干擾特征后的第二方位一維像，將第一方位一維像與第二方位一維像相減后逐點(diǎn)取模值，生成微分特征一維像，將微分特征一維像沿距離維依次排列，得到微分特征圖像矩陣。具體實(shí)施時，步驟S200具體包括:步驟S201、獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，與參考信號s0(ta)逐點(diǎn)相乘，對相乘后的結(jié)果進(jìn)行傅里葉變換，生成包含真實(shí)場景與欺騙干擾全部信息的第一方位一維像其中表示傅里葉變換；步驟S202、獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，進(jìn)行傅里葉變換，得到頻譜數(shù)據(jù)獲取頻域帶通濾波器H(fa)H(fa)=rect(faBa)=1,|fa|≤Ba/20,|fa|>Ba/2]]>其中Ba為信號的多普勒帶寬，rect(·)為矩形窗函數(shù)，根據(jù)H(fa)對頻域數(shù)據(jù)Sk(fa)進(jìn)行濾波，將濾波結(jié)果進(jìn)行逆傅里葉變換，生成抑制干擾特征后的第k個距離單元數(shù)據(jù)其中表示逆傅里葉變換，將抑制干擾特征后的第k個距離單元數(shù)據(jù)與s0(ta)逐點(diǎn)相乘，并對結(jié)果進(jìn)行傅里葉變換，得到抑制干擾特征后的第二方位一維像步驟S203、將q1k(x)與q2k(x)相減，并對相減得到的復(fù)數(shù)據(jù)逐點(diǎn)取模值，計(jì)算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點(diǎn)求模值的運(yùn)算；步驟S204、令k＝1,2,…,K，重復(fù)步驟S201～S203，將所得到的微分特征一維像Δqk(x)沿距離維依次排列，得到微分特征圖像矩陣ΔI。步驟S300、利用特定大小的矩形窗對微分特征圖像矩陣中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，獲取并計(jì)算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點(diǎn)周圍的灰度直方圖數(shù)據(jù)。具體實(shí)施時，步驟S300具體包括：步驟S301、利用W×W的矩形窗對差分圖像中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，其中W為窗的邊長點(diǎn)數(shù)。以圖像中的第k行l(wèi)列的像素點(diǎn)為例，假設(shè)窗的邊長點(diǎn)數(shù)W＝3，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，則有ΔIw=ΔIk-1,l-1ΔIk-1,lΔIk-1,l+1ΔIk,l-1ΔIk,lΔIk,l+1ΔIk+1,l-1ΔIk+1,lΔIk+1,l+1]]>其中，ΔIk,l表示微分特征圖像矩陣ΔI的第k行l(wèi)列處的數(shù)據(jù)。對ΔIw計(jì)算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運(yùn)算，hist(·)表示計(jì)算灰度直方圖的運(yùn)算，為灰度直方圖向量，G表示直方圖的量化級別，將矩形窗在ΔI上逐點(diǎn)滑動，生成各點(diǎn)的灰度直方圖數(shù)據(jù)。步驟S400、獲取灰度級別小于預(yù)先設(shè)置的第一閾值的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，生成參考灰度直方圖。具體實(shí)施時，步驟S400具體包括：步驟S401、獲取ΔI中灰度級別小于第一閾值εr的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，得到參考灰度直方圖ho=1UΣu=1Uhu]]>設(shè)置第一閾值εr等于5％的max{ΔI}，其中max{ΔI}表示ΔI中所有元素的最大值。其中hu表示位于(ku,lu)處的點(diǎn)的直方圖，在差分特征圖中的灰度級別小于閾值εr，即ΔI(ku,lu)＜εr，U表示小于該閾值的所有點(diǎn)的個數(shù)。步驟S500、計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖與參考直方圖的匹配距離。當(dāng)檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)。以微分圖像中方位位置與干擾機(jī)之間距離小于5％合成孔徑長度的元素的灰度直方圖匹配距離的平均值作為第二閾值，具體實(shí)施時，步驟S500具體包括：步驟S501、計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖ha與參考直方圖的匹配距離dM(ho,ha)＝‖ho-ha‖1其中||·||1表示求向量1范數(shù)的運(yùn)算，對圖像中的逐個像素點(diǎn)計(jì)算直方圖匹配距離，生成直方圖匹配矩陣步驟S502、當(dāng)檢測檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)，否則標(biāo)記為真實(shí)場景。進(jìn)一步的，本發(fā)明采用MATLAB軟件進(jìn)行仿真，仿真數(shù)據(jù)的參數(shù)如下：圖2所示為沒有欺騙干擾的真實(shí)場景SAR成像結(jié)果，圖3所示為欺騙干擾目標(biāo)，在欺騙干擾中設(shè)計(jì)了多組車輛目標(biāo)(分別標(biāo)示為“I”“III”)，使其與空曠區(qū)域的真實(shí)車輛目標(biāo)相互交錯從而產(chǎn)生混淆。虛假目標(biāo)“II”“IV”則對真實(shí)場景中的地形進(jìn)行了掩蓋與欺騙，從而對真實(shí)的場景與目標(biāo)進(jìn)行保護(hù)。圖4所示為欺騙干擾的結(jié)果，真實(shí)目標(biāo)與虛假目標(biāo)相互交錯，難以區(qū)分，達(dá)到了欺騙干擾的目的。圖5所示為利用本發(fā)明方法對欺騙干擾進(jìn)行標(biāo)識的結(jié)果，有效的標(biāo)記出了虛假場景與目標(biāo)的形狀、位置等信息，雖然在以干擾機(jī)為中心的合成孔徑長度5％的范圍內(nèi)出現(xiàn)了標(biāo)識失效的情況，但借助該區(qū)域外的標(biāo)識信息，仍然可以對該區(qū)域內(nèi)的虛假建筑目標(biāo)進(jìn)行標(biāo)識。本發(fā)明還提供了一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)的較佳實(shí)施例的功能原理框圖，如圖6所示，系統(tǒng)包括：參考信號生成模塊100，用于獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，對混合數(shù)據(jù)進(jìn)行校正處理后生成成像場景的數(shù)據(jù)矩陣，根據(jù)SAR系統(tǒng)參數(shù)生成去調(diào)頻處理的參考信號；具體如方法實(shí)施例所述。微分特征圖像矩陣生成模塊200，用于數(shù)據(jù)矩陣與參考信號逐點(diǎn)相乘后進(jìn)行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進(jìn)行傅里葉變換后進(jìn)行濾波，并將濾波結(jié)果進(jìn)行逆傅里葉變換，得到抑制干擾特征后的距離單元數(shù)據(jù)，將距離單元數(shù)據(jù)與參考信號逐點(diǎn)相乘并進(jìn)行傅里葉變換，生成抑制干擾特征后的第二方位一維像，將第一方位一維像與第二方位一維像相減后逐點(diǎn)取模值，生成微分特征一維像，將微分特征一維像沿距離維依次排列，得到微分特征圖像矩陣；具體如方法實(shí)施例所述?；叶戎狈綀D生成模塊300，用于采用特定大小的矩形窗對微分特征圖像矩陣中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，獲取并計(jì)算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點(diǎn)周圍的灰度直方圖數(shù)據(jù)；具體如方法實(shí)施例所述。參考灰度直方圖生成模塊400，用于獲取灰度級別小于預(yù)先設(shè)置的第一閾值的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，生成參考灰度直方圖；具體如方法實(shí)施例所述。標(biāo)記模塊500，用于計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖與參考直方圖的匹配距離，當(dāng)檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)；具體如方法實(shí)施例所述。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，所述參考信號生成模塊具體包括:校正單元，用于獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進(jìn)行距離壓縮、距離徙動校正處理后，生成K×L維成像場景的數(shù)據(jù)矩陣，記為s(tr,ta)，數(shù)據(jù)矩陣中列方向表示距離維，行方向表示方位維，；tr為距離向快時間，ta為方位向慢時間；具體如方法實(shí)施例所述。計(jì)算單元，用于根據(jù)SAR系統(tǒng)參數(shù)生成方位維去調(diào)頻處理的參考信號，記為s0(ta)；具體為：s0(ta)=exp(-jπγata2)]]>其中γa為多普勒調(diào)頻率；具體如方法實(shí)施例所述。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，所述微分特征圖像矩陣生成模塊具體包括：第一方位一維像生成單元，用于獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，與參考信號s0(ta)逐點(diǎn)相乘，對相乘后的結(jié)果進(jìn)行傅里葉變換，生成包含真實(shí)場景與欺騙干擾全部信息的第一方位一維像其中表示傅里葉變換；具體如方法實(shí)施例所述。第二方位一維像生成單元，用于獲取數(shù)據(jù)矩陣s(tr,ta)中的第k行數(shù)據(jù)sk(ta)，進(jìn)行傅里葉變換，得到頻譜數(shù)據(jù)獲取頻域帶通濾波器H(fa)H(fa)=rect(faBa)=1,|fa|≤Ba/20,|fa|>Ba/2]]>其中Ba為信號的多普勒帶寬，rect(·)為矩形窗函數(shù)，根據(jù)H(fa)對頻域數(shù)據(jù)Sk(fa)進(jìn)行濾波，將濾波結(jié)果進(jìn)行逆傅里葉變換，生成抑制干擾特征后的第k個距離單元數(shù)據(jù)其中表示逆傅里葉變換，將抑制干擾特征后的第k個距離單元數(shù)據(jù)與s0(ta)逐點(diǎn)相乘，并對結(jié)果進(jìn)行傅里葉變換，得到抑制干擾特征后的第二方位一維像具體如方法實(shí)施例所述。微分特征一維像生成單元，用于將q1k(x)與q2k(x)相減，并對相減得到的復(fù)數(shù)據(jù)逐點(diǎn)取模值，計(jì)算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點(diǎn)求模值的運(yùn)算；具體如方法實(shí)施例所述。微分圖像矩陣生成單元，用于令k＝1,2,…,K，重復(fù)計(jì)算微分特征一維像，將所得到的微分特征一維像Δqk(x)沿距離維依次排列，得到微分特征圖像矩陣ΔI；具體如方法實(shí)施例所述。所述的基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識系統(tǒng)，其中，所述灰度直方圖生成模塊具體用于采用W×W的矩形窗對差分圖像中的數(shù)據(jù)進(jìn)行逐點(diǎn)處理，其中W為窗的邊長點(diǎn)數(shù)，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，計(jì)算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運(yùn)算，hist(·)表示計(jì)算灰度直方圖的運(yùn)算，為灰度直方圖向量，G表示直方圖的量化級別，將矩形窗在ΔI上逐點(diǎn)滑動，生成各點(diǎn)的灰度直方圖數(shù)據(jù)；具體如方法實(shí)施例所述。所述參考灰度直方圖生成模塊具體用于獲取ΔI中灰度級別小于第一閾值εr的像素點(diǎn)計(jì)算得到的直方圖進(jìn)行平均，得到參考灰度直方圖ho=1UΣu=1Uhu]]>其中hu表示位于(ku,lu)處的點(diǎn)的直方圖，在差分特征圖中的灰度級別小于閾值εr，即ΔI(ku,lu)＜εr，U表示小于該閾值的所有點(diǎn)的個數(shù)；具體如方法實(shí)施例所述。所述標(biāo)記模塊具體包括：匹配距離計(jì)算單元，用于計(jì)算數(shù)據(jù)矩陣中任意元素的灰度直方圖ha與參考直方圖的匹配距離dM(ho,ha)＝‖ho-ha‖1其中||·||1表示求向量1范數(shù)的運(yùn)算，對圖像中的逐個像素點(diǎn)計(jì)算直方圖匹配距離，生成直方圖匹配矩陣具體如方法實(shí)施例所述。標(biāo)記單元，用于當(dāng)檢測檢測到匹配距離大于預(yù)先設(shè)置的第二閾值時，將元素對應(yīng)的目標(biāo)標(biāo)記為欺騙干擾目標(biāo)，否則標(biāo)記為真實(shí)場景；具體如方法實(shí)施例所述。文件調(diào)取單元，用于若包含時間戳和用戶輸入的關(guān)鍵字，根據(jù)用戶輸入的log執(zhí)行對應(yīng)的操作，調(diào)取操作后的日志文件；具體如方法實(shí)施例所述。綜上所述，本發(fā)明提供了一種基于微分特征增強(qiáng)的SAR欺騙干擾目標(biāo)標(biāo)識方法及系統(tǒng)，方法包括：獲取真實(shí)SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，校正處理后生成數(shù)據(jù)矩陣，生成參考信號；數(shù)據(jù)矩陣經(jīng)過不同處理步驟分別生成包含全部信息的第一方位一維像和抑制干擾特征后的第二方位一維像，進(jìn)一步處理后得到微分特征圖像矩陣；采用矩形窗對微分特征圖像矩陣進(jìn)行處理，生成灰度直方圖數(shù)據(jù)及參考灰度直方圖；當(dāng)檢測到灰度直方圖與參考直方圖的匹配距離大于預(yù)先設(shè)置的閾值時，標(biāo)記為欺騙干擾目標(biāo)。本發(fā)明針對成像雷達(dá)原始數(shù)據(jù)在不同成像方法下的差分特征進(jìn)行增強(qiáng)，在SAR圖像中對欺騙干擾目標(biāo)進(jìn)行標(biāo)識，提高了成像雷達(dá)對抗欺騙干擾的能力，降低了成本。應(yīng)當(dāng)理解的是，本發(fā)明的應(yīng)用不限于上述的舉例，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換，所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。當(dāng)前第1頁1 2 3