[发明专利]基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法

权利要求书

1.基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法，包括：

(1)通过逆合成孔径雷达向运动目标发射线性调频信号，并获取其回波，取距离向采样点数为N_r，方位向采样点数为N_a，得到一个N_r×N_a的含噪雷达回波矩阵S_r；

(2)对含噪雷达回波矩阵S_r沿距离向进行脉冲压缩，得到距离向脉冲压缩后的矩阵S_d；

(3)对距离向脉冲压缩后的矩阵S_d沿方位向进行短时傅里叶变换，得到距离-多普勒-时间立方图其中r代表距离维，f代表多普勒维，t代表时间维，M代表多普勒维分辨单元个数，N代表时间单元个数；

(4)按照时间顺序从1到N取距离-多普勒-时间立方图C(r,f,t)中的不同时刻的N帧距离-瞬时多普勒图像，组成含噪图像序列I；

(5)将含噪图像序列I中第i行第j列的像素点序列记为I_ij，用序列I_ij的纵坐标值组成含噪纵坐标向量Y_ij，在含噪图像序列I中选取没有目标出现的正方形区域，对区域中所有像素点位置取值，计算得到含噪图像序列I的平均噪声标准差σ_n；

(6)重新设置行下标i和列下标j的初始值为i＝1，j＝1，用序列I_ij的横坐标值组成横坐标向量X_ij；

(7)根据公式计算得到参数核矩阵C_N，其中σ_f为幅度参数，σ为尺度参数，x_a代表横坐标向量X_ij中的第a个元素，x_b代表横坐标向量X_ij中的第b个元素，a和b取值从1到N；

(8)采用共轭梯度法最大化函数得到参数向量估计值其中参数向量θ＝{σ_f,σ}，为幅度参数估计值，σ^*为尺度参数估计值；得到参数向量θ的估计值θ^*，是通过如下迭代求解步骤进行：

(8a)给定迭代精度0≤ε＜＜1、循环次数k＝0、初始点θ_k＝(-1,1)，最大循环次数maxk＝50，计算函数的梯度并计算梯度的2范数||g_k||；

(8b)将梯度的2范数||g_k||与迭代精度ε比较，若||g_k||≤ε，则停止计算，输出估计值θ^*≈θ_k；若||g_k||＞ε，执行步骤(8c)；

(8c)计算搜索方向

(8d)给定β∈(0,1)，γ∈(0,0.5)，令迭代次数m＝0，最大迭代次数maxm＝10；

(8e)计算不等式β^m表示为β的m次方，T表示转置操作；

(8f)将迭代次数m与最大迭代次数maxm比较，判断上述不等式是否成立，若不等式成立或m＞maxm，则令步长因子λ＝β^m，执行步骤(8g)；否则令m＝m+1，返回步骤(8e)；

(8g)计算更新后的参数向量估计值θ_k+1＝θ_k+λd_k，计算更新后的梯度并计算更新后梯度的2范数||g_k+1||；

(8h)将更新后梯度的2范数||g_k+1||与迭代精度ε比较，将循环次数k与最大循环次数maxk比较，若||g_k+1||≤ε或k＞maxk停止计算，则输出估计值θ^*≈θ_k，否则，令循环次数k＝k+1，返回步骤(8c)；

(9)取横坐标向量X_ij中的第c个元素设循环下标c的初始值为c＝1；

(10)将步骤(8)中得到的参数向量估计值代入如下公式：

并计算得到数据核矩阵K和核向量K^*，将数据核矩阵K、核向量K^*和含噪纵坐标向量Y_ij代入公式计算得到元素所对应的函数值-1表示求逆操作，T表示转置操作；

(11)将循环下标c与时间单元个数N比较，若c＜N,则令c＝c+1，返回步骤(10)；若c≥N，用这些函数值构成降噪纵坐标向量并执行步骤(12)；

(12)将行下标i与距离向采样点数N_r比较，将列下标j与多普勒维分辨单元个数M比较，若i＜N_r且j＜M，则令j＝j+1，若i＜N_r且j≥M，则令i＝i+1，j＝1，返回步骤(7)；若i≥N_r，用这些降噪纵坐标向量构成降噪图像序列I^*。