针对综合孔径微波辐射计射频干扰（Radio Frequency Interference，RFI）定位与抑制中缺乏科学简便信源估计方法的问题，提出一种基于支持向量机（Support Vector Machine，SVM）与特征值差分的RFI信源估计方法。通过模拟综合孔径成像...
详细信息
针对综合孔径微波辐射计射频干扰（Radio Frequency Interference，RFI）定位与抑制中缺乏科学简便信源估计方法的问题，提出一种基于支持向量机（Support Vector Machine，SVM）与特征值差分的RFI信源估计方法。通过模拟综合孔径成像中的吉布斯振荡现象，分别构建无干扰及不同干扰源数量的相关矩阵；采用矩阵分解获取特征值序列，计算特征值的二阶差分作为特征向量；基于多分类SVM构建干扰源数量识别模型，分别对T型、Y型和U型阵列进行仿真实验；通过对比传统信源估计方法与新方法在不同干扰数量、阵元配置及场景下的均方根误差（Root Mean Square Error，RMSE），验证方法有效性；最后利用C波段7阵元实测数据（含强干扰及水陆交界弱干扰）进行验证。仿真实验表明：新方法在T/Y/U型阵列中的RMSE较传统方法在不同应用场景下都有提升。实测数据验证显示，训练后的SVM模型对强干扰和弱干扰场景都可以有效识别。所提出的SVM-特征值差分方法能准确识别综合孔径微波辐射计的RFI信源数量，其性能显著优于传统方法，为复杂场景下的射频干扰抑制提供了新的技术途径。
暂无评论