摘要
合成孔径雷达(SyntheticApertureRadar,SAR)相比光学传感器具有全天时与全天候等优势，在地形观测、灾害救援、态势感知、精确制导等军民领域获得了广泛应用。然而，由于电磁环境的复杂多变和频谱资源的混叠复用，以及高分辨SAR对大带宽信号的需求，使其不可避免的受到同频段射频干扰(RadioFrequencyInterference，RFI)的影响。RFI的存在会显著压制目标回波信号的特征表达，严重降低SAR成像质量，影响后续目标特征提取与观测场景解译等工作，进而制约SAR系统的信息获取能力。因此，研究SARRFI抑制方法具有重要的实际应用价值。SAR回波数据中蕴含了观测目标丰富的时域、频域、时频域、统计域、图像域等多维域特征信息，然而现有的SARRFI抑制方法大多仅利用了SAR回波数据单一维度的部分特征信息，导致RFI抑制方法出现模型精度低与鲁棒性欠缺等问题。并且现有的SARRFI抑制方法多需要针对关键RFI抑制模型参数进行精确调优，使得RFI抑制方法存在自适应水平不足的问题。针对SARRFI抑制面临的诸多挑战，本文在国家自然科学基金项目与某科技委创新特区项目的资助下，分析了RFI与目标回波信号的多维域特征差异，深入研究了在统计域、时频域、距离方位域等联合表征域的SARRFI抑制方法，具有重要的理论意义与广阔的应用前景。具体的研究内容与创新点包括如下几个方面: 1.首先，本文介绍了SAR系统的工作机理，构建了SAR回波数据的表征模型，并推导了不同SAR工作模式下的成像方法。其次，建立了典型SARRFI的时域、频域、时频域、图像域等多维域表征模型，通过实测SAR回波数据充分分析了RFI与目标回波信号的多维域特征差异，为后续SARRFI检测与抑制研究奠定了理论基础。最后，利用RFI与目标回波信号的时频结构与统计特征差异，分别设计了基于时频偏度与基于时频峭度的RFI检测方法，为后续RFI抑制研究提供了重要的先验信息，并通过仿真与实测数据的干扰检测结果验证了所提RFI检测算法的有效性。 2.针对SARRFI抑制研究面临的自适应水平不足与鲁棒性欠缺的问题，提出了一种基于变分贝叶斯理论的SARRFI抑制算法。首先，在RFI的时频低秩特性与目标回波信号的Laplace分布假设的基础上，利用最大似然估计理论建立基于L1范数低秩矩阵因式分解的RFI重构模型。同时，为了避免确定性模型的潜在过拟合问题并进一步提升RFI重构模型的泛化能力，在贝叶斯理论框架下对该RFI重构模型进行扩展，通过对模型参数统计分布的合理表征，建立了完整的基于层级贝叶斯后验概率的RFI重构模型。其次，采用变分贝叶斯推断方法对贝叶斯后验推断模型参数进行自适应估计，并通过变分下界评估算法迭代状态，实现RFI的精确重构与目标回波信号的低损恢复。最后，仿真与实测SAR回波数据的RFI抑制结果充分验证了基于变分贝叶斯理论的SARRFI抑制算法的有效性与鲁棒性。 3.针对现有SARRFI抑制模型精度较低与鲁棒性欠缺的问题，提出了一种基于时频低秩与双重稀疏特性的SARRFI抑制算法。首先，采用短时傅里叶变换对SAR回波信号进行时频表征，结合RFI的时频低秩与稀疏特征以及目标回波信号的稀疏假设，构建了联合低秩与双重稀疏特性的RFI重构模型。其次，针对该多约束RFI重构模型，通过分解形成低秩矩阵估计、RFI重构与目标回波信号稀疏恢复的子优化问题，分别采用双边随机投影策略与软阈值函数映射进行交替迭代更新，实现RFI重构模型的全局快速寻优与目标回波信号的低损恢复。最后，仿真与实测SAR回波数据的干扰抑制结果充分验证了基于时频低秩与双重稀疏特性的SARRFI算法的有效性与鲁棒性。 4.针对现有干扰抑制算法对复杂RFI抑制效果较差的问题，提出了一种基于距离方位约束与低秩稀疏特性的RFI抑制算法。由于在单次回波中复杂RFI与目标回波信号特征耦合严重，使得现有逐脉冲的RFI抑制算法出现模型失配问题。为了解决复杂电磁环境下的RFI抑制问题，首先引入SAR回波数据的方位信息建立距离方位域的联合表征模型，并对SAR回波数据矩阵进行分块预处理，提高RFI抑制算法的处理效率。其次，在RFI和目标回波信号的距离方位域低秩与稀疏特征基础上，构建基于距离方位低秩与双重稀疏特性的RFI重构模型。同时，利用RFI在距离频率-方位时间二维表征域呈现的能量聚集特征，优化并提出基于距离方位约束与低秩稀疏特性的RFI重构模型。进一步的，将RFI重构模型分解形成RFI低秩估计与目标回波信号稀疏恢复两个子优化问题，交替迭代更新直至实现RFI的精确重构。最后，基于仿真与实测数据的干扰抑制实验充分表明该方法可以有效提升RFI的重构精度，消除RFI对SAR回波数据的影响。
NETL