CN103954969A - 基于激光一维距离像反演动态锥形目标姿态角和几何尺寸 - Google Patents

Abstract

本发明公开了用激光一维距离像识别动态锥形目标的姿态角和几何尺寸方法，具体步骤为：建立平底锥的激光一维距离像模型，分析距离像在不同姿态角下的变化；建立角度渐进式雷达阵列，针对某一时刻的目标进行距离像采样；建立距离像坐标系，根据一维距离像峰值大小、峰值点在入射方向的投影长度、以及雷达阵列的角度关系建立目标函数一，多次进行遗传计算然后取均值，反演得到锥形目标的轴长和半锥角；将轴长和半锥角作为已知量代入到激光一维距离像模型，利用目标函数二，进行单次遗传计算，便可得到任意时刻下锥形目标的姿态角。通过两次目标函数反演，就能精确识别锥形目标的形态特征，无需建立和更新匹配模板库，节约了识别成本。

Description

基于激光一维距离像反演动态锥形目标姿态角和几何尺寸

技术领域

本发明属于目标识别与特征提取技术领域，涉及基于激光一维距离像反演动态锥形目标的姿态角和几何尺寸的方法。

背景技术

雷达目标识别技术是现代雷达技术的重要发展方向之一。由于目标一维距离像与目标外形之间存在着紧密的对应关系，是激光雷达目标识别的重要手段之一。与微波相比，激光波长较短，空间分辨率高，能够提供目标的精确距离、姿态和运动参数等信息，并且图像稳定，抗干扰能力强。另一方面，与微波段不同，对于激光波段，目标均为介质粗糙表面，其目标激光散射机理与计算方法与微波段也存在较明显的差异。目前，国内外通过对激光雷达距离分辨雷达散射截面，以及利用粗糙面激光波束散射理论可以获得典型凸回转体的激光一维距离像曲线，但没有见到利用激光一维距离像反演目标几何参数与姿态的报道。

从电磁逆散射角度分析一维距离像的理论模型，如果已知回波信号及收发系统参数，是有可能还原出目标的形状、材料和运动参数等物理信息和几何信息。但是，目前高分辨率雷达目标距离像作为特征矢量存在幅度敏感性、方位敏感性和平移敏感性，严重影响后面的分类识别，并且需要建立庞大的数据库，对分类器的设计要求苛刻。总体而言，用电磁逆散射理论反演目标物理参数计算繁琐，难以推广到复杂目标的重构中，而且很难得到目标几何参数的唯一解。本文的发明建立在激光一维距离像的基础上，利用圆锥激光一维距离像的峰值作为特征矢量对圆锥的几何和姿态参数进行反演。由于激光波长短，可以提高了激光距离像对目标参数反演的精度。

现有微波雷达目标距离像对目标几何参数反演方案的缺点：1、利用微波段一维距离像模型，需要去除幅度敏感性、方位敏感性和平移敏感性，建立匹配数据库，运算量大，降维难度大；2、测量收发系统参数，利用电磁散射模型，结合优化算法，用电磁逆散射理论反演目标几何外形，但是只能重构出简单目标的轮廓，不适用于复杂目标，识别精度低；3、对于粗糙介质目标，一维距离像的信噪比低，目标识别困难。

发明内容

本发明的目的在提供用激光一维距离像反演动态锥形目标的姿态角和几何尺寸的方法，应用于空间或复杂环境下动态目标激光雷达系统的跟踪、识别和攻防对抗，克服微波雷达对复杂目标，识别精度低的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：建立目标激光脉冲波束Z坐标的一维距离像成像模型，通过圆锥一维距离像的成像特征，提取其峰值坐标，即圆锥像最大值点所对应的距离值和其功率值，作为特征矢量；

步骤2：设定遗传参数，设定遗传计算变量范围，用n部雷达同时对目标进行距离像采样，并且保证每部雷达之间的入射角相差为Δθ；

步骤3：采用步骤2得到的参数，以圆锥的锥高、半锥角和姿态角为反演目标参量，首先对锥高h和半锥角α进行反演；

步骤4：以步骤3反演结果得到的锥高h和半锥角α作为已知值，反演其对应的姿态角θ。

本发明的有益效果是可适用于复杂目标，识别精度高。

附图说明

图1是本发明入射场示意图；

图2是本发明不同姿态角下圆锥一维距离像；

图3是本发明雷达阵列示意图；

图4是本发明距离像坐标系；

图5是本发明计算方法流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明的目的是对锥高、半锥角和姿态角实现三参数反演，在具体实现过程中，分为两个反演步骤：首先反演锥高和半锥角，多次求平均得到锥高和半锥角的最优解；其次反演姿态角，需要将得到的锥高和半锥角作为已知参数代入成像模型中，即实现对姿态角的单参数反演。本发明采用的步骤如下：

步骤1：假定研究目标是沿一定轴线旋转而成的回转体，如图1所示。在入射场坐标系OXYZ下，激光脉冲沿Z坐标方向入射，θ为目标的轴与激光入射方向夹角，称为姿态角；β为目标表面任意面元法线与入射方向反向的夹角，定义为本地入射角。T0为入射窄脉冲的脉宽，高斯脉冲为其中exp(iωt)为时谐因子，ω为入射波的角频率，E₀为入射脉冲的振幅，入射波脉冲覆盖整个目标，令系统参数K＝G_rA_r/(4πr_t ²R²)。其中G_r为接收天线增益，A_r为接收天线的有效面积，r_t,R分别为目标到发射天线和接收天线的距离。令c为光速，z_t为目标上分辨单元距雷达的距离，(X,Y,Z)分别表示入射场坐标中点的坐标，则入射场下的激光一维距离像功率为(一维距离像实质上就是散射回波功率在距离方位上的分布)：

P_s(z_t)＝K∫_z∈GP(2z_t/c-2Z/c)f_r(β)cosβdXdY

                 \*MERGEFORMAT(1)

其中，f_r(β)为目标表面材料的后向双向反射分布函数，设为常数。

G为积分区域，

$G:\left.\begin{array}{c}\cos \mathrm{\β}=\frac{\sin \mathrm{\θ}(Y\cos \mathrm{\θ}-Z\sin \mathrm{\θ})+\cos \mathrm{\θ}(\mathrm{AY}\sin \mathrm{\θ}+\mathrm{AZ}\cos \mathrm{\θ}+B)}{\sqrt{X^2+{(Y\cos \mathrm{\θ}-Z\sin \mathrm{\θ})}^2+{(\mathrm{AY}\sin \mathrm{\θ}+\mathrm{AZ}\cos \mathrm{\θ}+B)}^2}}>0\\ z_0\≤Y\sin \mathrm{\θ}+Z\cos \mathrm{\θ}\≤z_0+h\end{array}\right\}$

                   \*MERGEFORMAT(2)

其中，z₀是入射场坐标系OXYZ的原点距离激光发射源的距离。

当Acos²θ-sin²θ≠0时，

$\begin{array}{c}Z=(-\cos \mathrm{\θ}(Y\sin \mathrm{\θ}+\mathrm{AY}\sin \mathrm{\θ}+B)\±\\ \sqrt{{\mathrm{AY}}^2+2\mathrm{BY}\sin \mathrm{\θ}+{\sin }^2\mathrm{\θ}(C-X^2)+{\cos }^2\mathrm{\θ}(B^2-\mathrm{AC}+{\mathrm{AX}}^2))}\\ /(A{\cos }^2\mathrm{\θ}-{\sin }^2\mathrm{\θ})\end{array}$

             \*MERGEFORMAT(3)

当Acos²θ-sin²θ＝0时，

$Z=-\frac{Y^2(A{\sin }^2\mathrm{\θ}-{\cos }^2\mathrm{\θ})+2\mathrm{BY}\sin \mathrm{\θ}+C-X^2}{2\cos \mathrm{\θ}(Y\sin \mathrm{\θ}+\mathrm{AY}\sin \mathrm{\θ}+B)}$

             \*MERGEFORMAT(4)

对于平底圆锥，若半锥角为α，锥高为h，并且在入射场坐标系中，其入射姿态角为θ，则满足A＝tan²α,B＝0,C＝0。

图2是由式(1)得到的在不同姿态角下圆锥一维距离像，圆锥像形态呈现类三角形，有利于对锥形目标进行分类，其峰值位置代表了激光所能照射到的最远散射点，随着圆锥形态的变化，体现出峰值的剧变性和峰值位置的缓变性，并且随着角度的增大，姿态对距离像影响更显著。

至此建立起目标激光脉冲波束Z坐标的一维距离像成像模型，并且给出了圆锥一维距离像的成像特征，提取其峰值坐标，即圆锥像最大值点所对应的距离值和其功率值，作为特征矢量，为下面目标函数的建立提供依据。

步骤2，以圆锥的锥高、半锥角和姿态角为反演目标参量，三个变量均为未知。首先对锥高h和半锥角α进行反演，反演方法具体如下：

设定遗传参数，采用二进制的编码方法，变量的2进制位数为20，初始变量个数为50个，最大代数为80代，选择概率为0.9，重组概率为0.7。如图3所示，本发明需要有n部雷达同时对目标进行距离像采样，并且保证每部雷达之间的入射角相差为Δθ；

其步骤如下：

2a)将n部观测雷达进行调整，确保每部雷达相对于目标的入射角度依次增长Δθ。即：一号雷达：θ₁；二号雷达：θ₁+Δθ；三号雷达：θ₁+2Δθ；……；n号雷达：θ₁+(n-1)Δθ。

2b)设定遗传计算变量范围。本发明给定区间为：锥高h＝[1m:1.3m]，半锥角α＝[5°,20°]，姿态角θ₁→θ₅＝[0°:90°]。

步骤3，建立距离像坐标系OPZ，如图4所示，设pmax为采样得到的一维距离像峰值，zmax为该轴长在激光入射方向上的投影长度，对第i组距离像提取峰值P点，其纵坐标所对应的功率值为pmax(i)，其横坐标对应的距离值为zmax(i)，两者均为实验数据。zmodel，pmodel是在遗传计算过程中，将随机产生的参数代入一维距离像模型求得的峰值点横纵坐标，

读入n组雷达采样直接测量得到的距离像数据，取其峰值坐标，即最大值点所对应的距离值zmax(i)和其功率值pmax(i)，(n为雷达阵列中雷达的数目)，目标函数为：

$\begin{array}{c}\mathrm{Obj}1=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[{|p\max \left(i\right)-p\mathrm{mode}l|}^2+{|z\max \left(i\right)-z\mathrm{mode}l|}^2]\\ +\underset{i}{\overset{n-1}{\mathrm{\Σ}}}[\mathrm{\θ}(i+1)-\mathrm{\θ}\left(i\right)-\mathrm{\Δ\θ}]+[\mathrm{\θ}\left(n\right)-\mathrm{\θ}\left(1\right)-(n-1)\mathrm{\Δ\θ}]\end{array}---\left(5\right)$

误差精度要求为10^-5。

利用式(5)的目标函数进行遗传计算。式5可以对目标的几何参数：锥长和半锥角进行反演计算。遗传计算的主要工作就是找到一个合适的目标函数，作为优化过程中的误差判断。

通过设定的变量范围和目标函数，可输入计算机程序中进行遗传计算，分别对所取的观测n组数据做j次的遗传计算，得到h_j,α_j，下文仿真中j＝5，则

$h=\frac{\underset{j}{\mathrm{\Σ}}{h}_j}{j},\mathrm{\α}=\frac{\underset{j}{\mathrm{\Σ}}{\mathrm{\α}}_j}{j}$

至此确定了圆锥的锥长和半锥角的反演值，作为步骤4中姿态角θ反演的已知条件。

步骤4：反演任意时刻姿态角θ。将步骤三的结果h和α作为已知值代入距离成像模型公式(1)→(4)，利用目标函数(6)，在上面的n个采样数据中任取一组观测距离像，输入计算机程序中反演其对应的姿态角θ。遗传参数设计如下：

以式(6)作为目标函数二，姿态角范围为θ＝[0°:90°]，，采用二进制的编码方法，变量的2进制位数为20，初始变量个数为50个，最大遗传代数为30代，选择概率为0.9，重组概率为0.7。

Obj2＝[|pmax-pmodel|²+|zmax-zmodel|²]

              \*MERGEFORMAT(5)

其中遗传计算的结果即为θ的反演值。

如图5所示为本发明流程，本发明利用激光脉冲波束一维距离像模型，对于锥形目标，激光一维距离像可看做是锥高、半锥角和姿态角三个待识别参量的函数，因此只需要充分利用其对参数的敏感性，以遗传算法作为优化工具，建立反演模型，便可精确识别锥形目标的形态参数。

下面列举具体实施例来进行说明：

本发明的效果可通过以下仿真进一步说明：

1.仿真条件及仿真内容：

本实例在Pentium(R)Dual-CoreCPUE5400@2.70GHzWindows7系统下，MatlbaR2012a运行平台上，完成本发明的实现。

2.仿真实验结果：

实施例1：对于待测圆锥目标，其真实轴长为h＝1.2m,半锥角为α＝15.0°，并且在起测时刻其姿态角在4°到15°之间，(真实值为10°)，反演该圆锥目标在姿态角为θ＝29.2°,26.7°,34.6°,19.5°,9.6°时的形态参量。(姿态角数据由随机数程序产生)。

⑴由五部雷达同时进行起测检测，共进行五次反演计算，即j＝5，Δθ＝10°，如表1所示为算例一圆锥目标的轴长和半锥角反演结果。

表1算例一圆锥目标的轴长和半锥角反演结果

⑵将h＝1.21m，α＝14.7°代入模型(1)中，采用(6)式目标函数进行反演姿态角。如表2所示圆锥目标任意姿态角反演结果(注：将表1值作为已知条件)。

表2

真实值(度)	29.2	26.7	34.6	19.5	9.6
						反演值(度)	29.9	27.4	35.3	20.2	10.8

从表1可以看出，圆锥的几何参数(轴长和半锥角)的反演结果比较精确，其中轴长误差为0.83％，半锥角误差为2％，接近真实值；将上述反演结果作为已知值再去反演任意时刻的圆锥姿态，由表2知，在大姿态角情况下误差较小，而在小姿态角下误差相对较大。

实施例2：对于待测圆锥目标，其真实轴长为h＝1.15m,半锥角为α＝10.0°，并且在起测时刻其姿态角在4°到15°之间，(真实值为8°)，反演该圆锥目标在姿态角为θ＝5.5°,10.1°,25.0°,35.7°,40.2°时的形态参量。

⑴由五部雷达同时进行起测检测，共进行五次反演计算，即j＝5，Δθ＝10°，如表3所示圆锥目标的轴长和半锥角反演结果。

表3

⑵将h＝1.15m，α＝9.5°代入模型(1)中，采用(6)式目标函数进行反演姿态角，如表4所示圆锥目标任意姿态角反演结果(注：将表3值作为已知条件)。

表4

真实值(度)	5.5	10.1	25.0	35.7	40.2
						反演值(度)	6.6	10.4	25.4	35.9	40.5

表3和表4反映的结果和算例一类似可以看出，圆锥的几何参数(轴长和半锥角)的反演结果比较精确，其中轴长误差为0，半锥角误差为5％。

本发明的目的在于得到锥形目标的精确形态参量，减小运算数据量，提高识别精度。本发明利用激光脉冲波束一维距离像模型，对于锥形目标，激光一维距离像可看做是锥高、半锥角和姿态角三个待识别参量的函数，因此只需要充分利用其对参数的敏感性，以遗传算法作为优化工具，建立反演模型，便可精确识别锥形目标的形态参数。

涉及遗传算法等最优化理论，采用凸回转体激光雷达一维距离像模型，以圆锥为研究对象，能有效识别出锥形目标的轴长、半锥角和姿态角等物理参数，相对于距离像匹配算法，无需建立和更新样本数据库，无需对数据库进行降维处理。本发明旨在以激光一维距离像为基础，以遗传算法为工具，反演得到锥形目标的形态参数，包括轴长、半锥角和姿态角。具体步骤为：建立圆锥的激光一维距离像模型，分析距离像在不同姿态角下的变化；建立角度渐进式雷达阵列(本发明中以5部雷达为示例)，针对某一时刻的目标进行距离像采样；建立距离像坐标系，根据一维距离像峰值大小、峰值点在入射方向的投影长度、以及雷达阵列的角度关系建立目标函数一，多次进行遗传计算然后取均值，(本文中进行了5次遗传计算)反演得到锥形目标的轴长和半锥角；将轴长和半锥角作为已知量代入到激光一维距离像模型，利用目标函数二，进行单次遗传计算，便可得到任意时刻下锥形目标的姿态角。通过两次目标函数反演，就能精确识别锥形目标的形态特征，无需建立和更新匹配模板库，节约了识别成本。

Claims (1)

1.用激光一维距离像识别动态锥形目标的姿态角和几何尺寸，其特征在于按照以下步骤进行：

步骤1：建立目标激光脉冲波束Z坐标的一维距离像成像模型，通过圆锥一维距离像的成像特征，提取其峰值坐标，即圆锥像最大值点所对应的距离值和其功率值，作为特征矢量；

步骤2：设定遗传参数，设定遗传计算变量范围，用n部雷达同时对目标进行距离像采样，并且保证每部雷达之间的入射角相差为Δθ；

步骤3：采用步骤2得到的参数，以圆锥的锥高、半锥角和姿态角为反演目标参量，首先对锥高h和半锥角α进行反演；

步骤4：以步骤3反演结果得到的锥高h和半锥角α作为已知值，反演其对应的姿态角θ。