1、極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar, PolSAR)系統(tǒng)可以獲取不同極化收發(fā)方式組合下的目標電磁波散射信息，可以顯著提高目標的分類與識別能力，它在戰(zhàn)場偵察、精確打擊等軍事和資源勘探、環(huán)境監(jiān)視等民用方面都具有廣闊的應(yīng)用前景。然而，實際PolSAR系統(tǒng)工作時容易受到同頻段的射頻源干擾，大量射頻干擾的存在將顯著地降低PolSAR的成像質(zhì)量，進而影響目標特征提取和地物分類等解譯處理的準確

2、性。由于干擾與雷達回波是時域或頻域是混疊的，如何對射頻干擾進行有效的檢測與抑制是當前雷達信號處理領(lǐng)域中的熱點與難點問題。同時，PolSAR圖像蘊含了地物目標的形狀、大小、取向和介電特性等，如何充分地挖掘PolSAR數(shù)據(jù)的潛力，設(shè)計有效的目標特征提取與地物分類方法是雷達目標識別的熱點與難點問題。因此，針對極化SAR的射頻干擾抑制與地物分類方法研究具有重要的理論意義和廣闊的應(yīng)用前景。本文在國家自然科學基金項目、教育部新世紀優(yōu)秀人才支持計劃項

3、目和橫向課題等資助下，結(jié)合實際PolSAR系統(tǒng)應(yīng)用，重點研究了射頻干擾抑制和PolSAR圖像地物分類問題，并在窄帶射頻與寬帶射頻干擾抑制、PolSAR目標特征提取與地物分類等方面取得較突出的研究成果，具體的研究內(nèi)容包括以下幾個方面:
　　1.作為研究基礎(chǔ)，論文首先介紹了PolSAR的工作原理，推導了PolSAR回波信號和干擾數(shù)學模型，建立了場景回波與成像處理過程的映射關(guān)系。然后，從成像質(zhì)量評估和目標散射機理解譯分析兩個方面，定性和

4、定量地分析了射頻干擾對仿真與實測PolSAR數(shù)據(jù)的影響，為后續(xù)的射頻干擾檢測與抑制方法和PolSAR特征提取與分類方法的研究奠定了理論基礎(chǔ)。
　　2.針對窄帶射頻干擾嚴重影響SAR成像質(zhì)量與圖像解譯的難題，提出了一種基于峭度分析的干擾檢測方法和基于獨立子空間分析的窄帶干擾抑制方法。首先，推導了有無干擾雷達回波信號的統(tǒng)計分布模型，詳細地分析了窄帶干擾在時域、頻域、時頻域和圖像域的特點。并以此為基礎(chǔ)提出了一種基于峭度的干擾檢測方法，該

5、方法可以根據(jù)奈曼-皮爾遜準則自適應(yīng)地確定檢測閾值，能夠在較低的誤警概率下獲得較好的檢測性能。然后，提出了一種基于獨立子空間分析的窄帶干擾抑制方法。該方法突破了常規(guī)獨立分量分析無法用于單通道下盲信號分離的條件限制。根據(jù)干擾和有用回波信號間的統(tǒng)計特性差異性，從時頻平面提取出干擾對應(yīng)的獨立基分量，進而實現(xiàn)干擾獨立子空間的重構(gòu)與相消。該方法不僅能夠有效抑制干擾，而且能夠?qū)崿F(xiàn)對多個射頻干擾源的解譯。最后，仿真和實測數(shù)據(jù)的處理結(jié)果驗證了所提出的窄帶

6、射頻干擾檢測與抑制方法的有效性。
　　3.針對寬帶射頻干擾與SAR回波信號在時域或頻域難于分離的挑戰(zhàn)，提出一種基于瞬時頻譜特征子空間濾波的寬帶干擾檢測與抑制方法，提高了SAR成像質(zhì)量。首先，建立了寬帶干擾的兩種典型調(diào)制形式模型，并系統(tǒng)地分析了不同調(diào)制形式的寬帶干擾在時域、頻域、時頻域和圖像域的特點。寬帶干擾在時域和頻域內(nèi)均與雷達回波嚴重混疊，難以實現(xiàn)有效的干擾抑制。而在時頻平面內(nèi)，干擾與雷達回波信號的時頻聚集性存在明顯的差異?；?/p>

7、此，提出了一種基于瞬時頻譜特征子空間濾波的寬帶射頻干擾檢測與抑制方法。該方法利用負熵統(tǒng)計量對每個瞬時頻譜進行干擾檢測，并根據(jù)誤警率自適應(yīng)地確定檢測閾值，實現(xiàn)干擾最優(yōu)檢測。再利用特征子空間濾波抑制瞬時頻譜中的干擾分量，盡可能地減小了由于干擾抑制引起的信號損失。最后，仿真和實測數(shù)據(jù)的處理結(jié)果驗證了所提出的寬帶射頻干擾檢測與抑制方法的有效性。
　　4.針對極化SAR圖像解譯中的地物特征提取難題，提出了一種基于張量獨立分量分析的特征提取方

8、法。結(jié)合多種極化目標分解特征量進行分類，有助于提高PolSAR圖像的地物分類準確度。但由于特征量之間的相關(guān)性，若僅僅簡單的將特征量進行組合，有可能會額外引入冗余性，增加計算復雜度的同時并不會帶來分類準確度的顯著提升。傳統(tǒng)的線性或者非線性特征提取方法都源于矩陣代數(shù)，需要將圖像向量化展開，而并未考慮空間相鄰像素點之間的相關(guān)性。首先，在張量代數(shù)的框架下，通過結(jié)合不同極化目標分解算法計算得到的多種特征參數(shù)，將整幅圖像表征成一個三階全局極化特征張

9、量。其次，引入張量代數(shù)統(tǒng)一表征了傳統(tǒng)基于矩陣代數(shù)的特征提取方法，并分析了其處理流程的不足之處，并提出了基于張量代數(shù)的特征提取方法。該方法利用Tucker張量分解實現(xiàn)極化特征張量空間維度的低秩估計，進而結(jié)合獨立分量分析方法完成極化特征張量的特征降維。最后，仿真與實測數(shù)據(jù)的處理結(jié)果表明該方法能夠克服相干斑的影響，獲得的樣本點在特征空間中具有更高的類內(nèi)聚合度和類間分離度，從而獲得更高的分類準確率。
　　5.針對極化SAR圖像定性解譯中的

10、地物分類問題，提出了一種基于多維主分量分析的分類方法，該方法有效地利用像素局部鄰域的散射相關(guān)性，獲得良好的實測極化SAR圖像地物分類效果。首先，在基于多特征量結(jié)合的基礎(chǔ)上，將圖像中每個像素點都建模為一個三階局部鄰域張量，并根據(jù)先驗類別信息建立訓練張量樣本集。接著，通過對訓練集中的局部鄰域張量進行空間維和特征維的交替最優(yōu)求解，可以將原高維張量的關(guān)鍵信息投影到低維子張量上，從而減小特征間的冗余性，降低了運算復雜度。然后，利用求解得到的最優(yōu)投