[發明專利]一種基于目標回波強度排序的散射點模型估計方法

有效

• 申請號: 202011130080.4
• 申請日: 2020-10-21
• 公開（公告）號: CN112255610B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 李翔;張建明;宋慧;厲蕓
• 申請（專利權）人: 武漢濱湖電子有限責任公司
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 武漢帥丞知識產權代理有限公司 42220
• 代理人: 朱必武

本發明涉及目標散射點回波模型估計領域，特涉及一種基于目標回波強度排序的散射點模型參數估計方法。本發明利用更多原信號數據參與模型極點估計，對求出的模型系數進行降序排序，根據已求出的模型階數，截取前面若干個較大的系數值，最終建立目標散射點回波模型，使外推數據精確度更高。

技術領域

本發明涉及目標散射點回波模型估計領域，特涉及一種基于目標回波強度排序的散射點模型參數估計方法。

背景技術

衰減指數和模型的參數估計是超寬帶雷達成像領域中一個重要環節。傳統的方法是先將衰減指數和模型等效成全極點模型，再聯合root-MUSIC和最小二乘算法估計出模型參數。由于模型存在衰減項，求得的所有極點將會不同程度地偏離單位圓，因此該算法在低信噪比情況下魯棒性較差。基于全極點模型可以看作諧波的疊加過程，后續研究又提出了基于“奇異值截斷”矩陣束算法估計模型參數，該方法基于信號與指數的內在聯系，通過對矩陣束奇異值分解，并求解由信號子空間變換得到的矩陣束的廣義特征值，得到模型極點，進而可求出模型系數。運用矩陣束方法前需要根據其它相關算法估計出模型階數(即目標散射點個數)。當信號采集點數較多且估計出的模型階數較小時，矩陣束算法中參與計算的信號數據也較少，使得參數估計不準確，在利用模型外推數據過程中會導致計算出的數據與實際信號的誤差隨著外推距離的增加而增大，影響超寬帶相參合成的結果，因此，必須克服因模型階數較小而導致參數估計不準確的問題。

準確估計散射點回波模型過程中，其中最重要一步是提高原信號數據的利用率。首先考慮篩選較多的主奇異值，提高由矩陣束求得的廣義特征值維度，參與計算的信號數據量即隨該維度的擴展而變大。其次，由于主奇異值篩選較多，導致重構的矩陣束中含有部分噪聲分量，解得的模型參數集合中存在若干無用元素。根據已有的散射點個數(即模型階數)，從解得的模型系數集合中篩選出對應個數的系數較大的元素，并重新估計模型極點，因此可以克服因主奇異值維度擴大而帶來噪聲對模型估計的影響。

發明內容

針對現有技術的不足，本發明提供了一種基于目標回波強度排序的散射點模型估計方法，本發明利用更多原信號數據參與模型極點估計，對求出的模型系數進行降序排序，根據已求出的模型階數，截取前面若干個較大的系數值，最終建立目標散射點回波模型，使外推數據精確度更高。

本發明的技術方案是：一種基于目標回波強度排序的散射點模型估計方法，

步驟1、依據目標回波信號構建Hankel矩陣，分別進行奇異值分解：

步驟2、依據Hankel陣秩的大小，截取奇異值及酉矩陣重構Hankel陣：

步驟3、計算重構Hankel矩陣束廣義特征值ρ：

步驟4、計算并截取模型系數：

構成集合B，

對模型系數進行降序排序，篩選出前r個元素：

B′＝descend(B)

B′＝{B′₁,B′₂,…B′_r}＝{B₁,B₂,…B_r}，且r≤m,n≤N–r；

其中，r表示模型階數；R表示步驟3求得的ρ的Vandermonde矩陣：

步驟5、篩選廣義特征值并重新估計模型系數：

依據步驟4篩選出的模型系數，找出對應的極點值ρ′＝{ρ′₁,ρ′₂,…ρ′_r}，并重新估計模型系數：

其中，R′表示ρ′的Vandermonde矩陣；