SAR图像相干斑滤波性能评估模型.pdf

SAR 图像相干斑滤波性能评估模型*王晓军1,孙 洪2(1.空军雷达学院预警探测装备系,湖北武汉 430019;2.武汉大学电子信息学院,湖北武汉 430079)?摘?要:提出针对单极化合成孔径雷达(SAR)图像相干斑滤波算法性能的分层检验模型和综合评价方法。模型分相干斑抑制程度和目标微波后向散射系数保持程度两个层次,包含的指标有等效视数、信号杂波比、回波辐射度损失、均值偏差、空间分辨率损失和峰值旁瓣比偏差六项。综合评价运用了多指标决策(MCDM)理论,通过线性分级的模糊语义标度,运用有序加权平均(Ordered Weighted Averaging,OWA)算子对分层指标检验值构成的性能偏好矩阵进行集结,得到相干斑滤波器的性能综合评价结果。通过真实和模拟的 SAR 图像数据,有效地对增强 Lee、Gamma MAP、EPOS、小波软阈值和 Kuan 滤波算法进行了性能检验和评估,得到与主观综合评价一致的结果。关键词:合成孔径雷达图像;性能评价;相干斑滤波;有序加权平均算子中图分类号:T N958?文献标识码:A?文章编号:1672?2337(2008)01?0029?06Measurement Model and Performance Evaluation forSpeckle Filter of SAR ImagesWANG Xiao?jun1,SU N Hong2(1.Department of Early Warning Detection Equip ment,Air Force Radar Academy,Wuhan 430019,China;2.School of Electronic Inf ormation,Wuhan University,Wuhan 430079,China)?Abstract:?T his paper proposes a measurement model and a performance evaluation method for specklefilter of single polarimetric synthetic aperture radar images,including six criteria:equivalent number of looks(ENL),target?to?clutter ratio,radiometric loss,bias of mean value,bias of spatial resolution,and bias ofpeak sidelobe ratio.Based on multicriteria decision making(MCDM)principle,by linear fuzzy linguistic quan?tifier,ordered weighted averaging(OWA)operator is used to aggregate the performance preference matrix in?duced by all measurement results.Finally the evaluation results are obtained.Computational experiments byuse of simulated and real SAR images to verify and evaluate such algorithms as refined Lee,Gamma MAP,EPOS,wavelet thresholding,and Kuan filter show that the proposed model is effective and the result is in ac?cordance with that of visual evaluation.Key words:?synthetic aperture radar images;performance evaluation;speckle filtering;ordered weigh?ted averaging operator1?引 言?相干斑点(coherent speckle)是所有微波成像系统固有的一种现象。在合成孔径雷达图像中,斑点表现为颗粒状的噪声特性,影响图像信息的自动解译。几十年来,抑制相干斑的技术主要分为三类:多视处理 1;基于图像统计特性的滤波方法,如 Lee 1,Kuan 2,Gamma?MAP 3?5,EPOS 6滤波器;变换域多尺度滤波方法,如小波软阈值等 7?8。以往对相干斑抑制的效果评价局限于主观判断。近年来,一些文献主要从两个方面运用评价参数或图形对滤波器性能进行刻划:(1)从度量相干斑抑制程度方面上,有衡量滤波后相干斑相对强度的指标,如等效视数 9?12、相干斑抑制因子 13、标准差与均值比 8、无噪图像与去噪图像功率比(简称信噪比)12;(2)从目标雷达后向散射系数的变化程度上,有辐射分辨率损失 11,归一化第 1 期2008 年 2 月?雷达科学与技术Radar Science and Technology?Vol.6 No.1February 2008*收稿日期:2007?01?25;修回日期:2007?10?28相对均方误差、边缘传输因子 13、边缘保持指数、均值偏差 10、目标与杂波功率比、偏差比 8等。虽然上述指标均能检验滤波器某个单项性能,但各指标内涵间交叠的去除以及单项指标评价结果的综合,是滤波器性能综合评价需要解决的问题。文献 14 由单极化 SAR 图像相干斑滤波器性能评价准则出发,从前述刻划滤波器性能的两个方面对近二十项指标进行了优化。本文在该文献基础上,由优化的指标建立了 SAR 图像相干斑滤波器性能的分层检验模型。同时,运用多指标决策(Multicriteria Decision Making,MCDM)理论 15,将模型中指标值按照线性分级语义量化准则,在有序加权平均算子 16作用下进行集结。最后得到单个滤波器对多层检验指标的总体符合程度值,从而完成性能综合评估的任务。本文第 2节给出相干斑滤波器分层检验模型,第 3 节论述MCDM 理论综合评估流程及参数设置方法,第 4节分别用 HH 极化的真实 SAR 图像和单目标回波的模拟 SAR 图像在分层检验模型和综合评估体系下对 Lee,Kuan,Gamma?MAP,EPOS 和小波软阈值等五个滤波器进行实验和结果分析,第 5节为本文结论。2?分层检验模型?单极化 SAR 图像相干斑滤波器性能评价的两条准则为:(1)指标能衡量对相干斑的抑制程度;(2)指标能衡量图像细节信息的变化程度 14。基于这两条准则,我们建立相干斑滤波器性能评价的分层检验模型,如图 1 所示。图 1所示,在评价准则分层基础上,按特征再进行分层。评价抑制斑点噪声能力的特征是均匀场景的等效视数。评价目标后向散射系数保持能力的特征分为点目标波形特征和面目标辐射度特征。在特征分层基础上,再进行指标分层评价。评价相邻小目标辐射度的分辨能力的指标是等效视数(Equivalent Number of Looks,ENL)。评价点目标波形特征的指标是信杂比损失、辐射度偏差、空间分辨率损失、峰值旁瓣比偏差。评价面目标辐射度特征的指标是均值偏差。这样,经过分层评价模型,对第 i 个滤波器,i=1,2,?,N,N为待评价滤波器总数,可以得到一个维数为 6的指图 1?SAR 图像相干斑滤波器性能分层评价模型?标矢量Ci,i=1,2,?,N。下面简要介绍模型中 6项指标的定义。2.1?衡量相干斑抑制程度类指标?在 SAR 多视处理中,视数定义为按要求分配的全频带压缩滤波器多普勒带宽的个数。等效视数是在图像域中对视数的估计量。在 SAR 强度图像中一块匀质区域(homogeneous area)内,等效视数定义为 9?12ENL=?2?2(1)式中,?和?分别为局域均值和标准差。经过抑制滤波后,呈噪声状的相干斑强度降低,图像方差?2减小,ENL 提高。而且,相干斑抑制程度越深,图像的等效视数越大。2.2?衡量图像细节变化程度类指标2.2.1?信号杂波比损失信号杂波比指杂波区内点目标与其周围杂波的功率比,其定义式为SCR=10lgPsPI-Ps(2)式中,Ps为点目标功率,对于强度图像,若使用峰值代表点目标功率,则相应的信杂比称为峰值信杂比;PI为点目标所在区域内像素的平均功率。在式(2)基础上,定义图像信号杂波比偏差LSCR为30?雷达科学与技术第 6 卷第 1 期LSCR=SCR2SCR1(3)式中,SCR1和 SCR2分别为滤波前后图像的信杂比。经相干斑抑制后图像的信杂比有所降低,LSCR为负值。显然,在这种情况下,LSCR的绝对值越小,表明滤波对点目标信号能量的保持程度越好。2.2.2?信号辐射度损失?信号辐射度损失(Radiometric Loss of Signal)指点目标冲激响应经图像滤波后的绝对能量损失。对于强度图像,点目标冲激响应能量用其主瓣内最大电平表示。定义滤波前后信号辐射度损失 LSR为LSR=Pm2-Pm1Pm1(4)式中,Pm1、Pm2分别为滤波前后点目标响应主瓣峰值。一般地,对相干斑抑制将造成点目标响应主瓣绝对峰值下降。LSR为正值,其值越大,表明点目标响应主瓣峰值下降越大,点目标的绝对能量损失越大。2.2.3?图像均值偏差?图像均值反映了图像平均强度电平,即图像所包含目标的平均后向散射系数,是描述图像特征的一个重要指标。定义滤波前后图像之间的偏差为Bias=?I2-?I1?I1(5)式中,?I1和?I2为滤波前后图像均值。由乘积模型以及相干斑噪声的统计特性知 10,理想情况下应该有Bias=0;因此图像均值偏差可以表征滤波前后图像均值的偏移程度。一般地,相干斑抑制滤波后,图像均值有所降低,Bias 为负值。其值越接近于零,表明滤波方法对图像均值的保持程度越好,反之则越差。2.2.4?空间分辨率损失?空间分辨率是指雷达图像上能区分开两个不同目标的最小距离。通常指点目标冲激响应半功率点处的宽度。在距离向称为距离分辨率,在方位向称为方位分辨率。距离分辨率的表达式为 9!=k!c2B!sini(6)式中,c为光速;B!为发射机带宽或线性调频信号带宽;i为雷达波束入射角;k!为距离向展宽系数,它由 SAR 系统真实的幅频和相频特性与理想特性的偏差和旁瓣抑制处理过程引起。方位分辨率的表达式为 a=ka la2(7)式中,La为方位向天线长度;ka为成像处理中方位向展宽系数。工程上,通常直接使用定义来测量实际的空间分辨率指标。因距离向与方位向分辨率测量方法完全一样,以下叙述中将两种分辨率统一用空间分辨率 代替。设在 SAR 图像滤波处理前端,对其主瓣半功率点宽度进行测量,得到滤波前空间分辨率数值 1。经斑点滤波处理后,再测其主瓣半功率点宽度,得到滤波后空间分辨率数值 2,定义空间分辨率损失为L=2-1 1(8)?一般而言,经相干斑抑制滤波后,SAR 图像的空间分辨率一般会有所下降,式(8)中的 L 是一个正值,且 L 越大,表明空间分辨率损失越大。2.2.5?峰值旁瓣比偏差?峰值旁瓣比(Peak Sidelobe Rate,PSLR)定义为点目标冲激响应的最高旁瓣峰值与主瓣峰值的比值,分为距离和方位两个方向。以方位向为例,PSLR 定义为PSLR=10lgPsaPma(9)式中,Pma为方位向主瓣峰值;Psa为离主瓣指定范围内的最高旁瓣峰值。定义峰值旁瓣比偏差为 14BPSLR=PSLR2-PSLR1(10)式中,下标 1、2 分别表示滤波前后的相应指标。理想情况下,应有BPSLR=0。若BPSLR 0,表明滤波处理相对抬高了点目标响应的旁瓣电平。3?MCDM 理论综合评估?MCDM 理论的作用是对客观或主观指标进行提取、分类与综合。通过指标评价的数值与语义之间的转换,采取适当的语义量化准则,对各指标评价语义转换后的分值赋予不同权重,可以解决多指标间不可公度性问题,达到综合评估的目标。基于 MCDM 理论的 SAR 图像相干斑滤波器性能评价体系如图 2 所示。312008 年第 1 期王晓军:SAR 图像相干斑滤波性能评估模型?图 2?基于 MCDM 理论的 SAR 图像相干斑滤波器性能评价框图?如图 2 所示,MCDM 综合评估包括 6个部分:多指标提取、分类、语义量化、专家知识导入、指标集结和加权算子。下面以阐述评估流程的方式说明 MCDM 方法及其参数的设置。令待评价的滤波器为一个集合 X=x1,x2,?,xN,N 为滤波器个数。定义多指标提取的集合为C=c1,c2,?,cM,M 为指标总数。对于某个滤波器xi,i=1,2,?,N,则有指标cj,j=1,2,?,M,其检验结果 cj(xi)可构成一个语义矢量 U=u1,u2,?,uP,P 为矢量 U的维数。我们定义语义量化规则为线性分级量化,令P=5,定义:u1=很好,u2=较好,u3=一般,u4=较差,u5=很差。定义区间数 ak,k=1,2,?,P,与矢量U的对应关系为很好=a1=0.8,1,较好=a2=0.6,0.8,一般=a3=0.4,0.6,较差=a4=0.2,0.4,很差=a5=0,0.2,令空间 I=0,1,定义函数 F:IM!P R 为D(x)=Fc1(x),c2(x),?,cM(x)=w1b1+w2b2+?+wPbP=WB(11)?在以下条件下,F 称为 OWA 算子 17:D(x)称为滤波器x 的性能集结函数,其中W=w1,w2,?,wPT为加权矢量,满足 wi#I 和iwi=1,矢量B=b1,b2,?,bP 表示有序语义矢量,bi表示集合U中第i 个最大的u值。式(11)中的加权矢量W由下式确定 18:wj=Q j(P-1)-Q(j-1)(P-1)(12)式中,j=1,2,?,P;Q 为模糊语义量化算子,定义为Q(#)=0,#%(13)式中,%,#I,(,%)称为参数对,根据专家的不同先验知识有不同定义。从式(11)到式(13),对于?xi,i=1,2,?,N,我们可以得到一个 D(xi)#R。如果某个滤波器满足D(xj)=maxD(xi),1%j%N,表示该滤波器 xj的性能最好。4?评价实验与结果?我们使用一幅真实 SAR 图像和一幅模拟SAR 图像进行实验。真实 SAR 图像为 HH 极化Pi?SAR X 波段图像,4 视 512!512 大小,分辨率为 1.5m,场景为日本南部 Hokkaido 地区,1999/02/23,如图 3(a)所示。增强 Lee、Gamma MAP、EPOS、小波软阈值、Kuan 滤波结果分别如图 3(b)至图 3(f)所示。合成 SAR 图像选用一幅单视点目标模拟图像。场景为一块均匀区域内单个点目32?雷达科学与技术第 6 卷第 1 期标回波,大小为 238!264,其中主瓣占 7!7 个像素,位于中心。信号杂波比为 13.97dB,峰值旁瓣比为匹配滤波和海明窗加权后的理论数值。加相干斑噪声后的图像如图 4(a)所示,图 4(b)至图 4(f)依次为增强 Lee、Gamma Map、EPOS、小波软阈值、Kuan 等方法的滤波结果。第 2节中,等效视数 ENL 和均值偏差 Bias 在Pi?SAR图像上测量,信杂比损失 LSCR,辐射度损失LSR,峰值旁瓣比偏差BPSLR,空间分辨率损失L 在合成图像上测量。因为待评价的滤波器总数N=5,这样集合X 的组成元素可以定义为x1=小波软阈值,x2=Kuan,x3=增强Lee,x4=EPOS,x5=GammaMAP。测量集合的元素定义为c1=ENL,c2=L,c3=BPSLR,c4=Bias,c5=LSR,c6=LSCR。图 3和图 4 的检验结果如表 1 所示。其中增强 Lee、Kuan 和 Gamma MAP 滤波器选用 7!7窗口。由 3 位专家构建的性能偏好表如表 2 所示。表 1 中,小波软阈值滤波器对相干斑抑制最深,其ENL 值达到 4.25。Gamma MAP 滤波器对点目标空间分辨率特征保持得最好,其 L 值为-43%,表明其改善了原始图像空间分辨率。空间分辨率得到改善说明滤波器对目标旁瓣相对抑制较深,其 BPSLR达到-4.1dB。在空间分辨率保持和旁瓣抑制两项指标上,增强 Lee 的性能接近 GammaMAP。在面目标辐射度特征保持程度上,EPOS滤波器的均值偏差最小,-0.2%的偏差表明 EP?OS 滤波器几乎完全保持了原始图像中面目标辐射度特征。其次是增强 Lee 和 Kuan,而 GammaMAP 对原始图像的均值改变最大。在单视 SAR图像中应用 Gamma MAP 滤波器,存在Gamma 分布模型与单视 SAR 图像均匀区数据分布模型不匹配的问题,导致在该项指标上不能取得理想的滤波效果。在点目标辐射度特征保持上,增强 Lee和 Gamma MAP 效果较好,滤波后点目标辐射度下降了 18%。信杂比偏差指标检验结果显示增强Lee 和 Gamma MAP 对原始图像信杂比特征损失较小,分别为 0.73dB 和 0.56dB。这样,没有一种滤波器在所有指标上均取得最好检验结果,需要进行综合评估。第 3 节中,式(13)的参数对选为(,%)=(0,0.5)16,由式(12)和式(13),求得加权矢量W=0.5,0.5,0,0,0T,T 为转置,再由式(11)求得集结函数。表 1?相干斑滤波器指标检验表小波软阈值Kuan增强 LeeEPOSGamma MAPc1c2/(%)c3/dBc4/(%)c5/(%)c6/dB4.2500.67-3-59-3.243.77430.042-62-4.153.72-29-3.92-18-0.734.1229-0.8-0.2-58-3.952.66-43-4.1-5-18-0.56表 2?3 位专家构建的性能偏好表x1x2x3x4x5专家 1c1c2c3c4c5c6a2a2a3a2a4a3a3a3a2a2a4a3a3a1a1a2a2a1a2a3a2a1a4a3a4a1a1a4a2a1专家 2c1c2c3c4c5c6a1a2a3a2a3a3a2a3a3a2a3a3a2a1a1a2a1a1a1a3a1a1a3a3a3a1a1a3a1a1专家 3c1c2c3c4c5c6a1a2a3a3a4a3a3a4a3a2a4a4a3a1a1a2a1a1a1a3a2a1a4a3a3a1a1a3a1a1332008 年第 1 期王晓军:SAR 图像相干斑滤波性能评估模型?根据表 2,由第 1 个专家评价偏好得到的集结函数:D1(x1)=0.5!a2!3=1.05D1(x2)=0.5!a2!2=0.7D1(x3)0.5!a1!3+0.5!a2!2=2.05D1(x4)=0.5!a1+0.5!a2!2=1.15D1(x5)=0.5!a1!3+0.5!a2=1.7其中 ai,i=1,2为区间数 ai的中值。类似地,得到第 2 个专家对应的集结函数:D2(x1)=1.15D2(x2)=0.7D2(x3)=2.5D2(x4)=1.35D2(x5)=1.8第 3 个专家对应的集结函数:D3(x1)=0.8D3(x2)=0.35D3(x3)=2.15D3(x4)=1.25D3(x5)=1.8最后,对于滤波器 xi,i=1,2,?,N,总集结函数值为单个函数的算术平均,即D(x1)=1.0D(x2)=0.58D(x3)=2.2D(x4)=1.25D(x5)=1.77数值越高表示滤波器对评价指标的总体符合程度越好。这样,5种待评价的滤波器综合性能由高到低的排列顺序为增强 Lee、Gamma MAP、EPOS、小波软阈值、Kuan。5?结 论?本文提出的 SAR 图像相干斑滤波器性能分层检验模型考虑到评价指标的合理性、完备性和可扩充性,从准则、特征和指标三个层次进行性能检验。在 MCDM 综合评价中,选用了 OWA 算子集结多位专家构建的性能偏好矩阵。经真实和合成的 SAR 图像实验,对增强 Lee、Gamma MAP、EPOS、小波软阈值、Kuan 五种滤波器综合评价的结果与主观综合评估结果一致。从多指标总集结函数值的差异上观察,EPOS 滤波器和小波软阈值滤波器的综合性能差异较小(D(x4)减去 D(x1)为0.25)。两者的差异值不如其他滤波器综合评价之间的差异值那样明显,原因在于由式(12)和式(13)导出的权值矢量后三个元素值都为零。可见,如想扩张综合性能居于中间的两个滤波器的总体指标集结函数值间的差异,需要对权值矢量的设置作出改进或修正。致谢?感谢中电集团第三十八研究所提供HH 极化 Pi?SAR 数据,感谢武汉大学孙尽尧博士提供合成点目标 SAR 图像数据,感谢南京朗讯公司管鲍博士参与本文的讨论和提出的建议。参考文献:1 Lee J S.Digital Image Enhancement and Noise Filte?ring by Use of Local Statistics J.IEEE T rans onPattern Analysis and Machine Intelligence,1980,2(2):165?168.2 Kuan D T,Sawchuk A A,Strand T C,et al.Adap?tive Noise Smoothing Filter for Images with Signal?De?pendent Noise J.IEEE Trans on Pattern Analysisand Machine Intelligence,1985,7(2):165?177.3 Oliver C J,Quegan S.Understanding Synthetic ApertureRadar Images M.London:Artech House,1998.4 Lopes A,Touzi R,Nezry E.Adaptive Speckle Filtersand Scene Heterogeneity J.IEEE Trans on Geosci?ence Remote Sensing,1990,28(11):992?1000.5 Lopes A,Nezry E,Touzi R,et al.Maximum A Posteri?ori Speckle Filtering and First Order Texture Models inSar Images C&Proc IGARSS?90,1990:2409?2412.6 Hagg W,Sties M.Efficient Speckle Filtering of SARImages C&Proc IGARSS?94,1994:2140?2142.7 Vidakovic B,Lozoya C B.On Time?Dependent Wave?let Denoising J.IEEE T rans on Signal Processing,1998,46(9):2549?2551.8 Guo H,Odegard J E,Lang M,et al.Wavelet BasedSpeckle Reduction with Application to SAR BasedATD/RC&IEEE Proc ICIP,Austin,TX:s.n.,1994:75?79.9 魏钟铨.合成孔径雷达卫星 M.北京:科学出版社,2001.10 ShiZ H,Fung K B.A Comparison of Digital SpeckleFilters C&Proc IGARSS?94,1994:2129?2133.11 Touzi R.A Review of Speckle Filtering in the Contextof Estimation T heory J.IEEE Trans on Geoscienceand Remote Sensing,2002,40(11):2392?2404.12 Xie H,Pierce L E,Ulaby F T.SAR Speckle Reduc?tion Using Wavelet Denoising and Markov RandomField Modeling J.IEEE Trans on Geoscience andRemote Sensing,2002,40(10):2196?2211.(下转第 38 页)34?雷达科学与技术第 6 卷第 1 期利用第 3节中的理论公式对各误差传递系数进行计算,然后分别在坐标值加上 5cm 的误差,利用差分干涉处理流程对形变量进行检测,通过检测误差与所加的位置误差计算误差传播系数。表1 给出了最终的实验结果,理论值与实验值吻合较好,可见上面对误差传播特性的分析是准确、全面的。表 1?实验结果理论值实验值!h/!x1!h/!y1!h/!z1!h/!x2!h/!y2!h/!z2!h/!x3!h/!y3!h/!z3!h/!&12!h/!&13-0.0031943?-0.4583638?-0.2908946?-0.0038825?-0.5571194?-0.3535686?00070768?1.0154749?0.6444580?0.0029553?-0.0053861?-0.0031957?-0.4584158?-0.2908583?-0.0038821?-0.5570372?-0.3536010?0.0070677?1.0154748?0.6447775?0.0029556?-0.0053862?6?结 论?垂直向的地表形变是一种重要的地表形变类型,与人类的多种活动息息相关,对其进行准确检测差分干涉的重要应用,同时也是差分干涉的一项重要任务。对监测过程中的误差来源与误差传播特性进行分析具有重要的指导意义。本文在准确的 三轨法(差分干涉模型基础上,从垂直向形变的完整监测处理流程入手,对雷达平台位置误差与干涉相位误差的传播特性进行了分析,得出了误差传递系数的理论计算公式。并在最后进行了实验验证,在实验中实验值与理论值吻合较好,可见对误差传播特性的讨论是全面的,推导得到的误差传播系数计算公式是正确的。参考文献:1 Zebker H A,Rosen P.On the Derivation of CoseismicDisplacement Fields Using Differential Radar Interfer?ometry:the Landers Earthquake C&IGARSS?94,Pasadena,CA:s.n.,1994:286?288.2Gong Lixia,Zhang Jingfa,Guo Qingshi.MeasureGroundwater Pumping Induced Subsidence with D?In?SAR C.Proc of Geoscience and Remote SensingSymposium,2005:2169?2171.3 王超,张红,于勇,等.雷达差分干涉测量J.地理学与国土研究,2002,18(3):13?17.4 刘国祥.InSAR 系统中的误差传播 J.四川测绘,2005,28(2):92?95.5 查显杰,傅容珊,戴志阳.用 D?InSAR 技术测量地面形变位移三分量 J.地球物理学进展,2005,20(4):997?1002.6 Rosen P A,Hensley S,Joughin I R,et al.SyntheticAperture Radar Interferometry J.Proceeding of theIEEE,2000,88(3):333?382.7 王彦平,彭海良.合成孔径雷达目标的三维重建 J.电子与信息学报,2003,25(9):1187?1193.作者简介:孙希龙?男,1982 年 2 月出生,山东高密人,现为国防科技大学信息与通信工程专业硕士研究生,主要研究方向为雷达干涉技术。(上接第 34 页)13 Xie H,Ulaby F T,Pierce L E,et al.PerformanceMetrics for SAR Speckle?Suppression Filters C&Proc IGARSS?99,1999:1540?1542.14 王晓军,孙洪,管鲍.SAR 图像相干斑抑制滤波性能评价 J.系统工程与电子技术,2004,26(9):1165?1171.15 徐玖平.多目标决策的理论与方法M.北京:清华大学出版社,2005.16 徐泽水.基于 IOWA 算子的模糊语言偏好矩阵排序方法 J.系统工程与电子技术,2003,25(4):440?442.17 Yager R R.On Ordered Weighted Averaging Aggre?gation Operators in Multicriteria Decision?MakingJ.IEEE T rans on Systems,Man,and Cybernet?ics,1988,18(1):183?190.作者简介:王晓军?男,1971 年生于武汉,空军雷达学院雷达系统工程系讲师,武汉大学电子信息学院通信与信息系统专业博士,主要研究方向为雷达信号处理和合成孔径雷达图像处理,获军队科技进步二等奖 1 项,发表论文 20 篇。38?雷达科学与技术第 6 卷第 1 期