干扰抑制
文章平均质量分 93
针对回波信号中的窄带干扰和宽带干扰进行干扰抑制
知知知_了
这个作者很懒,什么都没留下…
展开
-
主成分分析PCA与鲁棒主成分分析RPCA
一、主成分分析使用最广泛的数据降维算法,可用于高维数据处理,分析,压缩等。降维:将高维度的数据保留下最重要的一些特征,去除噪声和不重要的特征,从而达到提升数据处理速度的目的。1. 前提经典PCA假设数据被小的高斯噪声污染,在实际应用中一旦出现大的噪声或严重的离群点,会对PCA产生很大的影响,大大降低其性能。2. 主要思想假定给定的高维数据位于低维线性子空间附近,PCA的目的是有效,准确地估计该低维子空间。[ 降维的同时尽量降低信息的损失 ]3. 数学模型假定给定的数据存储在矩阵D∈Rm×n原创 2021-03-04 20:40:06 · 3083 阅读 · 0 评论 -
窄带干扰与宽带干扰的模型
一、干扰分类根据干扰信号的带宽可以把干扰分为窄带干扰(NBI)和宽带干扰(WBI)。窄带干扰指的是带宽与发射信号带宽的比值较小或者其绝对带宽较小的干扰。宽带干扰指的是带宽与发射信号带宽的比值较大或者其绝对带宽较大的干扰。一般情况下,将干扰带宽小于整个SAR信号带宽的1%的干扰称作窄带干扰。二、NBI对于窄带干扰,其频谱通常集中在较窄的频率范围内,在频域表现出一定的尖峰。通常情况下,可以将其看作一系列单频信号的叠加,因此可以将其表示为:INB(n)=∑l=1LAl(n)ej(2πfln+φl)I原创 2020-12-26 21:03:51 · 15418 阅读 · 12 评论 -
频域陷波法
一、频域陷波法(frequency-domain notch filtering)1. 经典的频域陷波法1.1 实现流程频域陷波法是一种常用的RFI抑制方法,适用于干扰带宽较窄而且干扰频带较稳定的RFI抑制处理。通过在频域范围内对干扰信号进行判断,找出干扰频点并对其用陷波滤波器处理。频域陷波法的具体实现流程:对其回波进行傅里叶变换,得到其归一化频谱;按照一定的准则设置干扰检测门限来确定干扰在SAR回波信号中频谱的位置;对这些干扰频点施加陷波器;对处理后的数据进行逆傅里叶变换得到干扰抑制后原创 2020-12-28 12:23:59 · 2140 阅读 · 0 评论 -
特征值分解与奇异值分解
对角矩阵(diagonalmatrix\mathrm{diagonal\quad matrix}diagonalmatrix):所有非对角线元素全等于零的nnn阶矩阵。对角矩阵是一个方阵。对称矩阵(symmetricmatrix\mathrm{symmetric\quad matrix}symmetricmatrix):元素以主对角线为对称轴对应相等的矩阵。满足AT=AA^T=AAT=A,对称矩阵是一个方阵。正交矩阵:满足AAT=EAA^T=EAAT=E或者ATA=EA^TA=EATA=E的nnn阶矩.原创 2021-01-09 20:57:03 · 902 阅读 · 0 评论 -
RPCA模型及GoDec算法
一、基础知识在线性代数中,秩的物理意义是矩阵中最大的不相关的向量个数,因此秩可以用来度量相关性;而在图像处理中,秩就可以理解为图像中所包含的信息的丰富程度。图片中比较突兀的成分,会增加图像矩阵的秩,一幅清晰的自然图像其数据矩阵往往是低秩或者近似低秩的,这是因为其中的图像信息有很大的相关性,但如果图像中引入噪声,那么存在随机幅值任意大但是分布稀疏的误差破坏了原有数据的低秩性。低秩矩阵:如果AAA是一个m×nm×nm×n的矩阵,rank(A)rank(A)rank(A)是矩阵AAA的秩,如果rank(A)原创 2021-01-12 18:02:09 · 6106 阅读 · 2 评论