基于掩膜投影和雙參數(shù)CFAR的圓周掃描GBSAR三維點(diǎn)云提取方法

申文杰 郅 潔 李 洋 林 赟 蔣 雯 王彥平

（北方工業(yè)大學(xué)信息學(xué)院雷達(dá)監(jiān)測(cè)技術(shù)實(shí)驗(yàn)室，北京 100144）

1 引言

地基合成孔徑雷達(dá)（Ground-based Synthetic Aperture Radar，GBSAR）是一種新型高精度測(cè)量技術(shù)，通過(guò)在有限長(zhǎng)度的軌道上運(yùn)轉(zhuǎn)來(lái)獲取合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）數(shù)據(jù)，具有非接觸、全天候、設(shè)站靈活等優(yōu)點(diǎn)，能夠?qū)崟r(shí)監(jiān)測(cè)場(chǎng)景整體形變情況，相較于傳統(tǒng)星載、機(jī)載平臺(tái)更靈活，且造價(jià)更低廉。由于其重復(fù)運(yùn)行精度高，可以進(jìn)行高精度形變監(jiān)測(cè)，現(xiàn)已被廣泛應(yīng)用于滑坡監(jiān)測(cè)、橋梁和建筑物監(jiān)測(cè)等領(lǐng)域［1-3］。

圓周掃描GBSAR 是將機(jī)載圓跡SAR 模式引入地基平臺(tái)的一種新體制GBSAR，通過(guò)天線在豎直平面上旋轉(zhuǎn)形成的二維圓形合成孔徑，從而實(shí)現(xiàn)對(duì)監(jiān)測(cè)視場(chǎng)的三維成像［4-6］，能夠在地形起伏、有高度的建筑物場(chǎng)景中準(zhǔn)確提取三維信息，在陡峭地形測(cè)繪、城區(qū)測(cè)繪，以及目標(biāo)探測(cè)和識(shí)別等方面受到廣泛關(guān)注。

但是圓周掃描GBSAR 的曲線觀測(cè)幾何導(dǎo)致圖像中存在強(qiáng)旁瓣的問(wèn)題。在三維SAR 數(shù)據(jù)中，強(qiáng)旁瓣具有三維空間分布，擴(kuò)散在整個(gè)數(shù)據(jù)中。因此，在不同的高度，強(qiáng)旁瓣可能會(huì)掩蓋鄰近弱目標(biāo)的主瓣，從而導(dǎo)致目標(biāo)點(diǎn)丟失，無(wú)法實(shí)現(xiàn)精確提取三維SAR圖像中目標(biāo)點(diǎn)云。

目前三維SAR 圖像目標(biāo)點(diǎn)云提取沒(méi)有行之有效的方法?，F(xiàn)階段，二維SAR 圖像目標(biāo)檢測(cè)發(fā)展成熟，雙參數(shù)恒虛警率（Constant False Alarm Rate，CFAR）目標(biāo)檢測(cè)器是一種重要的算法。雙參數(shù)CFAR 具有自適應(yīng)門(mén)限檢測(cè)能力，能夠適應(yīng)背景雜波的變化［7］。林肯實(shí)驗(yàn)室將雙參數(shù) CFAR 檢測(cè)器從一維信號(hào)推廣到二維，由此可以處理SAR 圖像，受到廣泛的關(guān)注［8-10］。因此，利用雙參數(shù)CFAR 完成三維SAR 圖像的目標(biāo)點(diǎn)云提取是一個(gè)行之有效的解決思路。但是受強(qiáng)旁瓣在三維空間分布的影響，雙參數(shù)CFAR 檢測(cè)結(jié)果中存在大量的虛警。在具體應(yīng)用中，該算法需要在三維像的不同高度逐層檢測(cè)，受擴(kuò)散的三維強(qiáng)旁瓣的影響，強(qiáng)旁瓣也會(huì)被檢測(cè)出來(lái)，無(wú)法準(zhǔn)確提取三維SAR圖像中的目標(biāo)點(diǎn)云。

針對(duì)上述問(wèn)題，本文提出一種基于掩膜投影和雙參數(shù)CFAR 的圓周掃描GBSAR 三維點(diǎn)云提取方法。該方法首先利用雙參數(shù)CFAR 獲得三視圖掩膜，三視圖掩膜進(jìn)行投影得到三維掩膜，三維掩膜再與三維像取交集，利用掩膜從數(shù)據(jù)的三個(gè)維度分別對(duì)強(qiáng)旁瓣進(jìn)行抑制，大大減少三維圖像中強(qiáng)旁瓣的三維空間分布對(duì)目標(biāo)檢測(cè)結(jié)果的影響。然后，再對(duì)取交集提取的潛在目標(biāo)區(qū)域應(yīng)用第二次雙參數(shù)CFAR 實(shí)現(xiàn)點(diǎn)云提取，在潛在目標(biāo)區(qū)域進(jìn)行目標(biāo)檢測(cè)，避免了不同高度的強(qiáng)旁瓣使鄰近弱目標(biāo)被掩蓋而導(dǎo)致丟失目標(biāo)點(diǎn)、檢測(cè)出強(qiáng)旁瓣，在一定程度上提高了目標(biāo)檢測(cè)精度?；诒疚姆椒ǖ膬?yōu)勢(shì)，可以更加準(zhǔn)確的提取出三維建筑物點(diǎn)云。具體步驟如下，首先提取三維SAR 圖像最大值投影的三視圖，避免目標(biāo)點(diǎn)丟失，在三視圖上進(jìn)行第一次雙參數(shù)CFAR 檢測(cè)，完成初級(jí)檢測(cè)獲取三視圖掩膜。然后利用三視圖掩膜投影，通過(guò)SAR 三維像取交集去掉空間位置旁瓣，得到潛在目標(biāo)區(qū)域數(shù)據(jù)。最后進(jìn)行第二次雙參數(shù)CFAR 算法，對(duì)潛在目標(biāo)區(qū)進(jìn)行全局雙參數(shù)CFAR檢測(cè)，實(shí)現(xiàn)三維點(diǎn)云提取。

本文其余部分安排如下：第2 部分介紹雙參數(shù)CFAR 目標(biāo)檢測(cè)算法。第3 部分介紹基于掩膜投影和雙參數(shù)CFAR 的目標(biāo)檢測(cè)算法。第4 部分為實(shí)際數(shù)據(jù)實(shí)驗(yàn)，采用北方工業(yè)大學(xué)自研的圓周掃描GBSAR 獲取的三維數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，采用目標(biāo)光學(xué)圖和激光雷達(dá)數(shù)據(jù)作為真值進(jìn)行算法驗(yàn)證，并與經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法對(duì)比點(diǎn)云提取結(jié)果。最后一部分為結(jié)論。

2 雙參數(shù)CFAR目標(biāo)檢測(cè)算法

2.1 雙參數(shù)CFAR原理介紹

雙參數(shù)CFAR 算法采用了基于高斯背景假設(shè)的空心滑窗雙參數(shù)CFAR檢測(cè)器，其實(shí)質(zhì)是利用滑窗內(nèi)提取像素的均值來(lái)估計(jì)相應(yīng)模型的雜波功率［11］。假設(shè)雜波背景服從高斯分布，則其概率密度函數(shù)為：

其中σ為標(biāo)準(zhǔn)差，μ為該分布均值，分布函數(shù)為：

其正態(tài)分布標(biāo)準(zhǔn)概率密度函數(shù)為：

則虛警概率Pfa可推公式：

該算法中目標(biāo)檢測(cè)是將圖像中的每個(gè)像素點(diǎn)與檢測(cè)閾值Ic進(jìn)行比較，當(dāng)像素點(diǎn)值Xi≥Ic時(shí)，判定為目標(biāo)點(diǎn)；當(dāng)Xi＜Ic時(shí)，判定為雜波點(diǎn)。SAR 圖像目標(biāo)和背景的概率分布圖如圖1 所示，目標(biāo)幅度x的統(tǒng)計(jì)分布為p（x）；噪聲、背景幅度x的統(tǒng)計(jì)分布為q（x）；Ic是需要確定的閾值。

圖1 目標(biāo)和背景的概率分布圖Fig.1 Probability distribution of target and background

虛警概率是指在檢測(cè)目標(biāo)過(guò)程中由于噪聲的干擾使得將沒(méi)有發(fā)生的事件錯(cuò)誤地判決為發(fā)生的概率［12］，雷達(dá)信號(hào)檢測(cè)常采用奈曼-皮爾遜（Neyman-Pearson，NP）準(zhǔn)則，統(tǒng)計(jì)假設(shè)檢驗(yàn)將充分的統(tǒng)計(jì)量與自適應(yīng)門(mén)限進(jìn)行比較［13］，NP準(zhǔn)則的目的在于保證虛警概率一定的情況下，使檢測(cè)性能達(dá)到最優(yōu)。理論上，虛警的劃分需要綜合背景與目標(biāo)的分布。實(shí)際中，目標(biāo)單元數(shù)通常少于背景單元，故檢測(cè)可采用次優(yōu)方案，即判斷待檢測(cè)信號(hào)是否為背景即可。

2.2 雙參數(shù)CFAR流程圖

雙參數(shù)CFAR流程圖如圖2所示。

圖2 雙參數(shù)CFAR算法流程圖Fig.2 Flow chart of Two-parameter CFAR algorithm

（1）依據(jù)待檢測(cè)圖像的尺寸大小，確定檢測(cè)窗口的尺寸大小。經(jīng)典的空心檢測(cè)滑窗如圖3 所示。其中包括目標(biāo)區(qū)，保護(hù)區(qū)和背景區(qū)。

圖3 空心檢測(cè)滑窗Fig.3 Hollow detection sliding window

（2）根據(jù)滑窗選取的目標(biāo)區(qū)周?chē)m量的像素點(diǎn)值計(jì)算均值和方差。

（3）根據(jù)給定的虛警概率，以及所求均值和方差，計(jì)算閾值Ic。

（4）將滑窗在圖像上逐點(diǎn)滑動(dòng)，執(zhí)行閾值計(jì)算，通過(guò)比較來(lái)判別滑窗的中心像素是否為目標(biāo)點(diǎn)。

3 基于掩膜投影和雙參數(shù)CFAR的目標(biāo)檢測(cè)算法

3.1 概述

圓周掃描GBSAR通常應(yīng)用于大場(chǎng)景成像，由于其三維成像數(shù)據(jù)量龐大，場(chǎng)景復(fù)雜存在強(qiáng)旁瓣的問(wèn)題，經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法無(wú)法應(yīng)用于三維SAR 圖像中。因此本文在經(jīng)典的雙參數(shù)CFAR算法的基礎(chǔ)上，提出一種基于掩膜投影和雙參數(shù)CFAR 的圓周掃描GBSAR 三維點(diǎn)云提取方法，圖4為算法流程圖。

首先，在提取的三視圖上應(yīng)用第一次雙參數(shù)CFAR進(jìn)行檢測(cè)，得到三視圖掩膜，然后利用三視圖掩膜投影，通過(guò)SAR三維像取交集獲取潛在目標(biāo)區(qū)域數(shù)據(jù)。然后，進(jìn)行第二次雙參數(shù)CFAR算法，在潛在目標(biāo)區(qū)域數(shù)據(jù)應(yīng)用全局雙參數(shù)CFAR檢測(cè)實(shí)現(xiàn)點(diǎn)云提取。

與經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法相比，該方法可以直接應(yīng)用于三維SAR 圖像目標(biāo)檢測(cè)，并在強(qiáng)旁瓣的情況下有效提取出點(diǎn)云。

3.2 三視圖提取

首先提取SAR 三維圖像中三個(gè)維度最大值投影的三視圖，投影示意圖如圖5。三視圖取各個(gè)維度的最大值投影是為了使每個(gè)維度盡可能地保留全部目標(biāo)點(diǎn)，避免由于目標(biāo)點(diǎn)丟失導(dǎo)致后續(xù)目標(biāo)點(diǎn)云提取存在誤差等問(wèn)題。

圖5 三視圖投影示意圖Fig.5 Three-view projection diagram

三維數(shù)據(jù)S（x，y，z），求投影左視圖SL=max（S，x0），其中x0是X軸的方向向量；求投影主視圖SF=max（S，y0），其中y0是Y軸的方向向量；求投影俯視圖ST=max（S，z0），其中z0是Z軸的方向向量。如式（7）所示。

3.3 第一次雙參數(shù)CFAR

（1）開(kāi)始進(jìn)行第一次雙參數(shù)CFAR 算法，在三視圖上應(yīng)用雙參數(shù)CFAR 進(jìn)行檢測(cè)，獲取三視圖掩膜，如式（8）所示。分別為左視圖掩膜ML（y，z），主視圖掩膜MF（x，z）和俯視圖掩膜MT（x，y）。

（2）利用三視圖掩膜投影，再與SAR 三維像取交集，以去除背景及旁瓣，并篩選出潛在目標(biāo)區(qū)域，示意圖如圖6所示。

圖6 三視圖掩膜投影示意圖Fig.6 Three-view mask projection diagram

三視圖掩膜投影獲取三維掩膜I（x，y，z），如式（9）所示。

三維掩膜I（x，y，z）再與三維數(shù)據(jù)S（x，y，z）取交集，從而得到潛在目標(biāo)區(qū)域數(shù)據(jù)f（x，y，z），如式（10）所示。

3.4 第二次雙參數(shù)CFAR

（1）進(jìn)行第二次雙參數(shù)CFAR 算法，對(duì)三維掩膜提取的潛在目標(biāo)區(qū)域數(shù)據(jù)f（x，y，z）進(jìn)行全局雙參數(shù)CFAR 檢測(cè)。把提取的三維數(shù)據(jù)f（x，y，z）轉(zhuǎn)成行向量A。根據(jù)行向量A中的數(shù)據(jù)求取均值和方差，再根據(jù)所求均值和方差以及恒定的虛警概率計(jì)算檢測(cè)閾值Ic，遍歷潛在目標(biāo)區(qū)域數(shù)據(jù)f（x，y，z），判別滑窗的中心像素Xi是否為目標(biāo)點(diǎn)，檢測(cè)出更為精準(zhǔn)的目標(biāo)點(diǎn)，判別公式如式（11）。

（2）最后導(dǎo)出SAR圖像最終的三維目標(biāo)點(diǎn)云。

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)參數(shù)介紹

本文所用數(shù)據(jù)集為北方工業(yè)大學(xué)自研的圓周掃描GBSAR采集獲取的三維成像數(shù)據(jù)，系統(tǒng)如圖7（a）。照射主目標(biāo)為北方工業(yè)大學(xué)博遠(yuǎn)樓，次目標(biāo)為操場(chǎng)圍欄，雷達(dá)與目標(biāo)的相對(duì)幾何視角，見(jiàn)圖7（b）。雷達(dá)安裝在一個(gè)可旋轉(zhuǎn)的支架上，這樣雷達(dá)波束方向可以由軟件控制，每次掃描時(shí)可以沿垂直面軌道進(jìn)行360度照射成像，且每次掃描時(shí)間小于1分鐘。

圖7 圓周掃描GBSAR示意圖Fig.7 Schematic diagram of circular scanning GBSAR

圓周掃描GBSAR系統(tǒng)參數(shù)如表1。

表1 實(shí)驗(yàn)參數(shù)Tab.1 Experimental parameters

4.2 本文方法的實(shí)驗(yàn)結(jié)果

4.2.1 三視圖提取結(jié)果

提取SAR 數(shù)據(jù)中三個(gè)維度的最大值投影，三視圖如圖8。分別為（a）主視圖，（b）俯視圖和（c）左視圖，三視圖以灰度圖顯示，三視圖中顏色越淺，表明該像素點(diǎn)值越接近目標(biāo)值。圖9為提取三視圖中的俯視圖與博遠(yuǎn)樓光學(xué)俯視圖的對(duì)比結(jié)果，可以看出博遠(yuǎn)樓以及操場(chǎng)圍欄的位置信息相匹配。驗(yàn)證了最大值三視圖投影的可行性。

圖8 三視圖Fig.8 Three-view diagram

圖9 俯視圖與博遠(yuǎn)樓光學(xué)俯視圖對(duì)比Fig.9 The comparison between the front view and the optical vertical view of Boyuan Building

4.2.2 第一次雙參數(shù)CFAR步驟結(jié)果

在三視圖上進(jìn)行雙參數(shù)CFAR 檢測(cè)，得到三視圖掩膜，如圖10，分別為（a）主視圖掩膜，（b）俯視圖掩膜，（c）左視圖掩膜。利用三視圖掩膜投影獲取三維掩膜，通過(guò)與SAR 三維像取交集，從而得到潛在目標(biāo)區(qū)域數(shù)據(jù)，三維掩膜點(diǎn)云圖像如圖11。

圖10 三視圖掩膜Fig.10 Three-view masks

圖11 三維掩膜點(diǎn)云圖像Fig.11 3D mask point cloud image

在進(jìn)行雙參數(shù)CFAR 目標(biāo)檢測(cè)時(shí)，有兩個(gè)因素直接影響目標(biāo)檢測(cè)結(jié)果，一個(gè)是檢測(cè)滑窗尺寸，一個(gè)是設(shè)定的虛警率。滑窗選取與圖像的分辨率和需要檢測(cè)的物體尺寸有關(guān)，窗口太小導(dǎo)致目標(biāo)信息統(tǒng)計(jì)不充分產(chǎn)生漏警，窗口太大導(dǎo)致計(jì)算量增大，本論文采用尺寸為201×401×401 的SAR 三維圖像，根據(jù)經(jīng)驗(yàn)參數(shù)人工調(diào)參設(shè)置為保護(hù)區(qū)外邊長(zhǎng)為50×50，保護(hù)區(qū)內(nèi)邊長(zhǎng)尺寸為30×30，檢測(cè)單元為1 個(gè)像素；虛警概率的選取直接影響計(jì)算閾值大小，閾值太大會(huì)導(dǎo)致目標(biāo)被當(dāng)成背景產(chǎn)生漏警，閾值太小又會(huì)導(dǎo)致把背景當(dāng)目標(biāo)，增加虛警，針對(duì)本文選取的SAR三維圖像，根據(jù)經(jīng)驗(yàn)參數(shù)人工調(diào)參選取虛警概率為0.1。

4.2.3 第二次雙參數(shù)CFAR步驟結(jié)果

進(jìn)行第二次雙參數(shù)CFAR 算法，對(duì)掩膜提取的數(shù)據(jù)進(jìn)行全局雙參數(shù)CFAR 檢測(cè)，篩選出更精確的目標(biāo)點(diǎn)，實(shí)現(xiàn)SAR 圖像最終的三維目標(biāo)點(diǎn)云提取，如圖12。圖13 是博遠(yuǎn)樓門(mén)廊結(jié)構(gòu)的雷達(dá)點(diǎn)云提取與光學(xué)、激光雷達(dá)對(duì)比圖，其中（a）博遠(yuǎn)樓門(mén)廊結(jié)構(gòu)的雷達(dá)點(diǎn)云提取，（b）為博遠(yuǎn)樓光學(xué)圖，（c）為激光雷達(dá)點(diǎn)云圖。三幅圖像中紅框?qū)?yīng)的都是主目標(biāo)博遠(yuǎn)樓門(mén)廊結(jié)構(gòu)所在位置，經(jīng)對(duì)比，博遠(yuǎn)樓門(mén)廊結(jié)構(gòu)的雷達(dá)點(diǎn)云提取圖像、博遠(yuǎn)樓光學(xué)圖和激光雷達(dá)點(diǎn)云圖像中博遠(yuǎn)樓門(mén)廊兩條線狀結(jié)構(gòu)，長(zhǎng)度與高度信息相匹配，因此基于掩膜投影和雙參數(shù)CFAR 檢測(cè)算法可以有效的提取出三維SAR圖像的點(diǎn)云。

圖12 三維目標(biāo)點(diǎn)云圖像Fig.12 3D target point cloud image

圖13 博遠(yuǎn)樓門(mén)廊結(jié)構(gòu)的雷達(dá)點(diǎn)云提取與光學(xué)、激光雷達(dá)對(duì)比圖Fig.13 Radar point cloud extraction and optical and laser radar comparison map of Boyuan Building porch structure

4.3 實(shí)驗(yàn)結(jié)果性能對(duì)比

在相同數(shù)據(jù)集與參數(shù)的情況下，分別用經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法和基于掩膜投影和雙參數(shù)CFAR的檢測(cè)算法在三維SAR數(shù)據(jù)上進(jìn)行目標(biāo)檢測(cè)。三維點(diǎn)云視角圖對(duì)比結(jié)果如圖14，（a）為經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法檢測(cè)后提取的點(diǎn)云，（b）為基于掩膜投影和雙參數(shù)CFAR 的檢測(cè)算法提取的點(diǎn)云?？梢悦黠@看出基于掩膜投影和雙參數(shù)CFAR 的算法檢測(cè)后的點(diǎn)云中目標(biāo)區(qū)域基本完全保留，且圖像中旁瓣更少，目標(biāo)更加清晰。

圖14 三維目標(biāo)點(diǎn)云視角圖對(duì)比結(jié)果Fig.14 Comparison of 3D target point cloud view results

三維目標(biāo)點(diǎn)云三視圖投影對(duì)比如圖15，上面三幅圖為經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法檢測(cè)提取點(diǎn)云的三視圖投影，下面三幅圖為基于掩膜投影和雙參數(shù)CFAR 的算法檢測(cè)提取點(diǎn)云的三視圖投影。從左到右分別為左視圖，主視圖和俯視圖，分別用紅框區(qū)分主目標(biāo)區(qū)，藍(lán)色框區(qū)分次目標(biāo)。主目標(biāo)區(qū)為北方工業(yè)大學(xué)博遠(yuǎn)樓門(mén)廊結(jié)構(gòu)，次目標(biāo)為操場(chǎng)圍欄。經(jīng)過(guò)雙參數(shù)CFAR 逐層檢測(cè)算法和基于掩膜投影和雙參數(shù)CFAR 的算法的檢測(cè)結(jié)果對(duì)比，明顯看出用經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法檢測(cè)出結(jié)果包含大量的虛警，無(wú)法準(zhǔn)確從現(xiàn)有檢測(cè)結(jié)果中區(qū)分目標(biāo)區(qū)域。而基于掩膜投影和雙參數(shù)CFAR 的算法檢測(cè)出的目標(biāo)相較于經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法檢測(cè)出的目標(biāo)輪廓更加清晰，虛警大大減少?？梢?jiàn)基于掩膜投影和雙參數(shù)CFAR 的算法在復(fù)雜背景的SAR 三維圖像目標(biāo)檢測(cè)中可得到較好的檢測(cè)結(jié)果，可實(shí)現(xiàn)三維成像點(diǎn)云的精確提取。

圖15 三維目標(biāo)點(diǎn)云三視圖投影對(duì)比結(jié)果Fig.15 Comparison of 3D target point cloud three view projection results

5 結(jié)論

在復(fù)雜場(chǎng)景的SAR 三維圖像中提取目標(biāo)點(diǎn)云時(shí)，由于圓周掃描GBSAR的圓周曲線觀測(cè)幾何使圖像存在強(qiáng)旁瓣問(wèn)題，導(dǎo)致目標(biāo)點(diǎn)丟失，虛警增加，無(wú)法直接判斷出圖像中的目標(biāo)與背景，無(wú)法提取清晰的三維目標(biāo)點(diǎn)云。針對(duì)這一問(wèn)題本文提出了一種基于掩膜投影和雙參數(shù)CFAR 的圓周掃描GBSAR三維點(diǎn)云提取方法，并且通過(guò)北方工業(yè)大學(xué)自研的圓周掃描GBSAR 獲取的三維數(shù)據(jù)對(duì)該算法進(jìn)行了處理分析，并采用目標(biāo)光學(xué)圖和激光雷達(dá)數(shù)據(jù)作為真值進(jìn)行算法驗(yàn)證。最后和經(jīng)典的雙參數(shù)CFAR 逐層檢測(cè)算法進(jìn)行了方法對(duì)比分析。結(jié)果表明，該方法相比于傳統(tǒng)方法可以更準(zhǔn)確的提取出目標(biāo)點(diǎn)云信息。后續(xù)工作包括進(jìn)一步改進(jìn)算法結(jié)構(gòu)，通過(guò)引入聚類算法進(jìn)一步降低旁瓣的影響。