基于幅相分离和动态粒子群算法的SAR图像属性散射中心参数估计

针对SAR图像属性散射中心估计问题,提出了基于幅相分离和动态粒子群算法的参数估计方法。首先利用传统的图像域分析方法对单个属性散射中心进行解耦。然后,利用位置参数仅仅与相位信息有关的特性,采取了幅度、相位分离进行参数优化的方法。同时,对幅度相位分离后得到的较为简洁的参数表达形式,利用运算量更小的动态粒子群算法(DPSO),进一步提高了参数优化的效率和精度。基于仿真数据对提出方法进行了测试,结果验证了其有效性。

基于幅相分离的属性散射中心参数估计新方法

利用属性散射中心(ASC)参数估计来识别目标上的散射结构是实现合成孔径雷达(SAR)自动目标体识别(ATR)的重要步骤。为提高属性散射中心参数估计的速度并抑制杂散影响,该文首先从图像中提取多个属性散射中心,然后分别估计各个属性散射中心的参数。为提高单个属性散射中心的参数估计速率,考虑到其幅度和相位相关参数可分离,该文提出幅度相位分离的属性散射中心参数估计思想,与传统方法相比,该思想使参数估计算法复杂度和参数估计时间降低了1个数量级。引入迭代半阈值(IHT)算法提高参数估计精度。根据各个属性散射中心的参数估计结果可识别目标上各种散射结构并确定其在目标上的位置分布。仿真数据、实测数据以及MSTAR数据集得到的参数估计的高效性和高准确性,验证了该文所提方法的有效性。