本發(fā)明涉及信號處理
技術領域：
，尤其涉及基于微分特征增強的SAR欺騙干擾目標標識方法及系統(tǒng)。
背景技術：
：SAR(SyntheticApertureRadar，合成孔徑雷達)欺騙干擾機根據(jù)預先設計好的虛假場景對截獲的SAR信號進行延時與相位調(diào)制，比傳統(tǒng)的壓制干擾所需的功率更低，且危害更大。干擾機在真實場景中產(chǎn)生逼真的虛假目標，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者們的廣泛關注，也相應地取得了較顯著的成果，使得SAR欺騙干擾機能夠在多種復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，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，有必要研究相應的應對方法對欺騙干擾目標進行甄別與標識。ZhaoShanshan等在文獻“DiscriminationofDeceptionTargetsinMultistaticRadarBasedonClusteringAnalysis”(IEEESensorsJournal,Vol.16,No.8,Apr.2016:2500-2508)中基于多基雷達的系統(tǒng)架構，在幅度比例特征空間內(nèi)采用分層歸類分析的方法，對欺騙干擾目標與真實目標的散布特性進行分析，并通過最優(yōu)化分類數(shù)與設計不同類別最小代價的方法來實現(xiàn)虛假目標與真實目標的分類。該方法雖然能夠在一個脈沖重復間隔內(nèi)完成，但需要多基雷達系統(tǒng)作為支撐，系統(tǒng)復雜度與成本較高。LvGaohuan等在文獻“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)運動目標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動目標進行識別。由于欺騙干擾目標與運動目標的多普勒特性相似，因此該方法同樣能夠在欺騙干擾目標中進行應用。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)有技術還有待于改進和發(fā)展。技術實現(xiàn)要素：鑒于現(xiàn)有技術的不足，本發(fā)明目的在于提供一種基于微分特征增強的SAR欺騙干擾目標標識方法及系統(tǒng)，旨在解決現(xiàn)有技術中欺騙干擾目標識別分辨率下降，而且欺騙干擾目標系統(tǒng)成本高的缺陷。本發(fā)明的技術方案如下：一種基于微分特征增強的SAR欺騙干擾目標標識方法，其中，方法包括：A、獲取真實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相乘后進行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進行傅里葉變換后進行濾波，并將濾波結果進行逆傅里葉變換，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)與參考信號逐點相乘并進行傅里葉變換，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)進行逐點處理，獲取并計算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點周圍的灰度直方圖數(shù)據(jù)；D、獲取灰度級別小于預先設置的第一閾值的像素點計算得到的直方圖進行平均，生成參考灰度直方圖；E、計算數(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，當檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標。所述的基于微分特征增強的SAR欺騙干擾目標標識方法，其中，所述A具體包括：A1、獲取真實SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進行距離壓縮、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的SAR欺騙干擾目標標識方法，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)逐點相乘，對相乘后的結果進行傅里葉變換，生成包含真實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)進行濾波，將濾波結果進行逆傅里葉變換，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)逐點相乘，并對結果進行傅里葉變換，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，并對相減得到的復數(shù)據(jù)逐點取模值，計算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點求模值的運算；B4、令k＝1,2,…,K，重復步驟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的SAR欺騙干擾目標標識方法，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)進行逐點處理，其中W為窗的邊長點數(shù)，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，計算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運算，hist(·)表示計算灰度直方圖的運算，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上逐點滑動，生成各點的灰度直方圖數(shù)據(jù)。所述的基于微分特征增強的SAR欺騙干擾目標標識方法，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的像素點計算得到的直方圖進行平均，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的個數(shù)。所述的基于微分特征增強的SAR欺騙干擾目標標識方法，其中，所述E具體包括：E1、計算數(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)的運算，對圖像中的逐個像素點計算直方圖匹配距離，生成直方圖匹配矩陣E2、當檢測檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標，否則標記為真實場景。一種基于微分特征增強的SAR欺騙干擾目標標識系統(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相乘后進行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進行傅里葉變換后進行濾波，并將濾波結果進行逆傅里葉變換，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)與參考信號逐點相乘并進行傅里葉變換，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)進行逐點處理，獲取并計算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點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先設置的第一閾值的像素點計算得到的直方圖進行平均，生成參考灰度直方圖；標記模塊，用于計算數(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，當檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標。所述的基于微分特征增強的SAR欺騙干擾目標標識系統(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SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進行距離壓縮、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的SAR欺騙干擾目標標識系統(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)逐點相乘，對相乘后的結果進行傅里葉變換，生成包含真實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)進行濾波，將濾波結果進行逆傅里葉變換，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)逐點相乘，并對結果進行傅里葉變換，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，并對相減得到的復數(shù)據(jù)逐點取模值，計算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點求模值的運算；微分圖像矩陣生成單元，用于令k＝1,2,…,K，重復計算微分特征一維像，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的SAR欺騙干擾目標標識系統(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)進行逐點處理，其中W為窗的邊長點數(shù)，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，計算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運算，hist(·)表示計算灰度直方圖的運算，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上逐點滑動，生成各點的灰度直方圖數(shù)據(jù)。本發(fā)明提供了一種基于微分特征增強的SAR欺騙干擾目標標識方法及系統(tǒng)，本發(fā)明通過差分特征增強的方法，能夠在不提高現(xiàn)有單通道雷達系統(tǒng)復雜且不降低成像分辨率的前提下，針對成像雷達原始數(shù)據(jù)在不同成像方法下的差分特征進行增強，從而在SAR圖像中對欺騙干擾目標進行標識，提高了傳統(tǒng)單通道寬帶成像雷達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的SAR欺騙干擾目標標識方法的較佳實施例的流程圖。圖2為本發(fā)明的一種基于微分特征增強的SAR欺騙干擾目標標識方法的具體應用實施例的真實場景示意圖。圖3為本發(fā)明的一種基于微分特征增強的SAR欺騙干擾目標標識方法的具體應用實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的SAR欺騙干擾目標標識方法的具體應用實施例的存在欺騙干擾的SAR成像結果示意圖。圖5為本發(fā)明的一種基于微分特征增強的SAR欺騙干擾目標標識方法的具體應用實施例的欺騙干擾目標標識結果示意圖。圖6為本發(fā)明的一種基于微分特征增強的SAR欺騙干擾目標標識系統(tǒng)的較佳實施例的功能原理框圖。具體實施方式為使本發(fā)明的目的、技術方案及效果更加清楚、明確，以下對本發(fā)明進一步詳細說明。應當理解，此處所描述的具體實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的SAR欺騙干擾目標標識方法的較佳實施例的流程圖，如圖1所示，其中，方法包括：步驟S100、獲取真實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。具體實施時，步驟S100具體包括：步驟S101、獲取真實SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進行距離壓縮、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，雷達與目標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計和最終的成像質量。步驟S200、數(shù)據(jù)矩陣與參考信號逐點相乘后進行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進行傅里葉變換后進行濾波，并將濾波結果進行逆傅里葉變換，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)與參考信號逐點相乘并進行傅里葉變換，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)逐點相乘，對相乘后的結果進行傅里葉變換，生成包含真實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)進行濾波，將濾波結果進行逆傅里葉變換，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)逐點相乘，并對結果進行傅里葉變換，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，并對相減得到的復數(shù)據(jù)逐點取模值，計算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點求模值的運算；步驟S204、令k＝1,2,…,K，重復步驟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)進行逐點處理，獲取并計算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點周圍的灰度直方圖數(shù)據(jù)。具體實施時，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)進行逐點處理，其中W為窗的邊長點數(shù)。以圖像中的第k行l(wèi)列的像素點為例，假設窗的邊長點數(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向量化的運算，hist(·)表示計算灰度直方圖的運算，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上逐點滑動，生成各點的灰度直方圖數(shù)據(jù)。步驟S400、獲取灰度級別小于預先設置的第一閾值的像素點計算得到的直方圖進行平均，生成參考灰度直方圖。具體實施時，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的像素點計算得到的直方圖進行平均，得到參考灰度直方圖ho=1UΣu=1Uhu]]>設置第一閾值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的個數(shù)。步驟S500、計算數(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。當檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標。以微分圖像中方位位置與干擾機之間距離小于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，具體實施時，步驟S500具體包括：步驟S501、計算數(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)的運算，對圖像中的逐個像素點計算直方圖匹配距離，生成直方圖匹配矩陣步驟S502、當檢測檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標，否則標記為真實場景。進一步的，本發(fā)明采用MATLAB軟件進行仿真，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場景SAR成像結果，圖3所示為欺騙干擾目標，在欺騙干擾中設計了多組車輛目標(分別標示為“I”“III”)，使其與空曠區(qū)域的真實車輛目標相互交錯從而產(chǎn)生混淆。虛假目標“II”“IV”則對真實場景中的地形進行了掩蓋與欺騙，從而對真實的場景與目標進行保護。圖4所示為欺騙干擾的結果，真實目標與虛假目標相互交錯，難以區(qū)分，達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行標識的結果，有效的標記出了虛假場景與目標的形狀、位置等信息，雖然在以干擾機為中心的合成孔徑長度5％的范圍內(nèi)出現(xiàn)了標識失效的情況，但借助該區(qū)域外的標識信息，仍然可以對該區(qū)域內(nèi)的虛假建筑目標進行標識。本發(fā)明還提供了一種基于微分特征增強的SAR欺騙干擾目標標識系統(tǒng)的較佳實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相乘后進行傅里葉變換，生成第一方位一維像，數(shù)據(jù)矩陣進行傅里葉變換后進行濾波，并將濾波結果進行逆傅里葉變換，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)與參考信號逐點相乘并進行傅里葉變換，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；具體如方法實施例所述。灰度直方圖生成模塊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)進行逐點處理，獲取并計算窗口內(nèi)的圖像數(shù)據(jù)的灰度直方圖，生成各點周圍的灰度直方圖數(shù)據(jù)；具體如方法實施例所述。參考灰度直方圖生成模塊400，用于獲取灰度級別小于預先設置的第一閾值的像素點計算得到的直方圖進行平均，生成參考灰度直方圖；具體如方法實施例所述。標記模塊500，用于計算數(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，當檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標；具體如方法實施例所述。所述的基于微分特征增強的SAR欺騙干擾目標標識系統(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SAR場景回波與SAR欺騙干擾的混合數(shù)據(jù)，進行距離壓縮、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；具體如方法實施例所述。計算單元，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；具體如方法實施例所述。所述的基于微分特征增強的SAR欺騙干擾目標標識系統(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)逐點相乘，對相乘后的結果進行傅里葉變換，生成包含真實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)進行濾波，將濾波結果進行逆傅里葉變換，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)逐點相乘，并對結果進行傅里葉變換，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，并對相減得到的復數(shù)據(jù)逐點取模值，計算得到微分特征一維像Δqk(x)＝norm(q1k(x)-q2k(x))其中norm(·)表示逐點求模值的運算；具體如方法實施例所述。微分圖像矩陣生成單元，用于令k＝1,2,…,K，重復計算微分特征一維像，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；具體如方法實施例所述。所述的基于微分特征增強的SAR欺騙干擾目標標識系統(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)進行逐點處理，其中W為窗的邊長點數(shù)，用ΔIw表示窗內(nèi)的圖像數(shù)據(jù)，計算其灰度直方圖h＝hist(vec(ΔIw))其中vec(·)表示將矩陣ΔIw向量化的運算，hist(·)表示計算灰度直方圖的運算，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上逐點滑動，生成各點的灰度直方圖數(shù)據(jù)；具體如方法實施例所述。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的像素點計算得到的直方圖進行平均，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的個數(shù)；具體如方法實施例所述。所述標記模塊具體包括：匹配距離計算單元，用于計算數(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)的運算，對圖像中的逐個像素點計算直方圖匹配距離，生成直方圖匹配矩陣具體如方法實施例所述。標記單元，用于當檢測檢測到匹配距離大于預先設置的第二閾值時，將元素對應的目標標記為欺騙干擾目標，否則標記為真實場景；具體如方法實施例所述。文件調(diào)取單元，用于若包含時間戳和用戶輸入的關鍵字，根據(jù)用戶輸入的log執(zhí)行對應的操作，調(diào)取操作后的日志文件；具體如方法實施例所述。綜上所述，本發(fā)明提供了一種基于微分特征增強的SAR欺騙干擾目標標識方法及系統(tǒng)，方法包括：獲取真實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行處理，生成灰度直方圖數(shù)據(jù)及參考灰度直方圖；當檢測到灰度直方圖與參考直方圖的匹配距離大于預先設置的閾值時，標記為欺騙干擾目標。本發(fā)明針對成像雷達原始數(shù)據(jù)在不同成像方法下的差分特征進行增強，在SAR圖像中對欺騙干擾目標進行標識，提高了成像雷達對抗欺騙干擾的能力，降低了成本。應當理解的是，本發(fā)明的應用不限于上述的舉例，對本領域普通技術人員來說，可以根據(jù)上述說明加以改進或變換，所有這些改進和變換都應屬于本發(fā)明所附權利要求的保護范圍。當前第1頁1 2 3