CN104898099A - 雷达三维回波伪影相位校正方法 - Google Patents

Abstract

一种雷达三维回波伪影相位校正方法，包括如下步骤：(1)在k空间对包含伪影的三维回波信号进行重建；(2)通过反馈的方式对步骤(1)的重建结果进行校正，并记录校正过程中的各维度回波信号的反馈信号；(3)对步骤(2)中的各维度反馈信号进行量化和编码；(4)基于步骤(3)的结果对步骤(2)得到的校正信号的X轴方向和Y轴方向信号进行隐马尔科夫校正，Z轴方向信号进行多项式拟合；(5)根据步骤(4)得到的结果对步骤(2)中经过校正的重建结果进行熵约束。本方法能够提高三维回波伪影的校正精度，保证校正过程中的结果稳定性。

Description

雷达三维回波伪影相位校正方法

技术领域

本发明属于雷达技术领域，更具体地，涉及一种雷达三维回波处理技术。

背景技术

雷达成像技术是从接收到的回波重建场景目标分布的逆滤波问题。近一二十年来，雷达成像技术得到了长足的发展，为环境监测、资源勘察，目标识别、战场态势评估提供了新的途径。随着雷达成像技术的发展以及其应用需求的推动，传统的基于奈奎斯特采样定理的雷达成像数据采样方式最终导致系统采集的数据速率急剧增大。

合成孔径雷达原始数据的数据率等于脉冲重复频率、回波信号采样数和每个采样点的量化比特数的乘积。因此合成孔径雷达的数据率相当高，庞大的数据量对雷达图像数据的存储和传输都构成相当的负担。数据的存储和传输成为SAR系统的瓶颈，影响到整个系统的性能。因此，通过例如CN200410004661提及的数据压缩技术，在保证SAR图像的质量的前提下，减少数据率，对于合成孔径雷达系统具有重要的意义。

但是，对于激光雷达却缺乏有效的提高精度的相位校正方法。

发明内容

为了克服现有技术中存在的缺陷，本发明提供了一种雷达三维回波伪影相位校正方法，包括如下步骤：(1)在k空间对包含伪影的三维回波信号进行重建；(2)通过反馈的方式对步骤(1)的重建结果进行校正；(3)对步骤(2)中的各维度反馈信号进行量化和编码；(4)基于步骤(3)的结果对步骤(2)得到的校正信号进行距离校正；(5)对步骤(4)得到的结果进行熵约束。

进一步地，在步骤(2)中，还包括：记录校正过程中的各维度回波信号的反馈信号。

进一步地，步骤(4)包括：基于步骤(3)的结果对步骤(2)得到的校正信号的X轴方向和Y轴方向信号进行隐马尔科夫校正，Z轴方向信号进行多项式拟合。

进一步地，所述步骤(5)包括：

第5.1步：将步骤(2)中经过校正的重建结果作为激光雷达的回波数据，分别沿X、Y和Z轴方向进行傅里叶变换，得到回波数据在三个方向上的频谱S_x，y，z(f)，f为距离频率；

第5.2步：

设g(k，n)为成像的最终图像，则其中为相位校正因子，k，m和n分别表示多普勒频率、回波脉冲和距离门；式中f(m，n)与相乘完成相位修正，然后对其结果进行积分即可得到图像；

第5.3步：定义g(k，n)的熵为： $g\left[\right|g(k,n)\left|2\right]=\underset{k=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{{\left|g(k,n)\right|}^2}{s}\ln \frac{s}{{\left|g(k,n)\right|}^2},$ 其中M和N分别为步骤(2)中经过校正的重建结果中回波的个数和距离门的个数；

第5.4步：取g(k，n)的最小值，并得到在此最小值时的；在此步骤中，Wang，J.，Kasilingam，D.，Liu，X.，and Zhou，Z.：ISARminimum-entropy phase adjustement，Proc.IEEE Radar Conf.，Philadelphia，PA，，USA，2004，PP.197-200的全部内容被引入本发明；

第5.5步：Sx，y，z(f)与相乘完成相位修正，然后对其结果进行积分即可得到图像。

本方法能够提高三维回波伪影的校正精度，保证校正过程中的结果稳定性。

附图说明

现在将参考附图详细描述本发明的优选实施例，其中：

图1是EPI序列的梯度波形和采集窗口波形示意图；

图2是EPI的k空间轨迹图；

图3是本发明结合部分回波采集方式的k空间轨迹示意图。

具体实施方式

(1)在k空间对包含伪影的三维回波信号进行重建

雷达回波是一种射频脉冲，其可以通过自旋回波、梯度回波以及扩散加权成像等方式激发层面，依据成像需求决定。在施加一次射频激发后，利用正反向交替的读出梯度产生一系列的回波，有效地使用横向磁化矢量。

回波链长度直接决定扫描时间。若保持采集时间一定(时间由组织的T2*值决定)，最大的回波链长度反比于回波间隙。回波间隙可以达到的最小长度由很多因素决定，如梯度切变率、梯度幅值、接收器带宽和读出方向的k空间矩阵尺寸等。

K空间采集采用斜坡采集，即在读出梯度的平台和斜坡处都采集数据。以EPI采集为例，图1中的acq即为斜坡采集，G_phase为相位梯度，G_readout为输出梯度，Acq为回波响应信号。图1是EPI序列的梯度波形和采集窗口波形示意图。对应的k空间轨迹为图2的61，图中每一行的中间一段对应平台处的均匀采样，两侧为斜坡处的不均匀采样。斜坡采集是一种缩短回波间隙的方式。之所以要缩短回波间隙是因为长的回波间隙不仅会降低数据采集效率而且会增加图像伪影，如畸变、化学位移、信号丢失和模糊。

数据采集窗口有两种方案，方案一为斜坡采集，方案二为不间断采集。根据以上的说明，k空间轨迹如图3所示，从k空间中心开始，逐渐往两侧延伸。图中的1-15为回波次序，由此可见，奇数回波都位于下半k空间，偶数回波都位于上半k空间。其中，方框23内的数据为acq1采集得到，方框24内的数据为acq2采集得到。

(2)通过反馈的方式对步骤(1)的重建结果进行校正，并记录校正过程中的各维度回波信号的反馈信号

由于采集得到的k空间数据是不均匀分布的，所以重建的时候需要非笛卡尔重建，而不是常规的直接傅里叶变换重建。通常，非笛卡尔重建可以用网格化(regridding)实现，也就是说把数据重采样到笛卡尔坐标系上，然后再进行傅里叶变换对笛卡尔坐标系上的数据进行校正。在网格化前，通常需要确定k空间轨迹。k空间轨迹可以通过对施加的梯度积分计算得到。

在上述基于笛卡尔坐标系的傅里叶变换过程中，分别在各个维度进行傅立叶变换处理，并记录各个维度的回波信号的傅里叶变换结果，作为各维度回波信号的反馈信号。

(3)对步骤(2)中的各维度反馈信号进行量化和编码

为了提高回波采集信号的精度，回波采集过程中，对步骤(2)中的各维度的反馈信号进行量化和编码。其中，量化处理根据实际信号的幅度进行设置，例如，以50Hz或100Hz为间隔进行量化。

相位编码方面，相位编码梯度一开始没有预补偿梯度，以使得相位编码线保留在k空间的中心；或者添加一个很小的预补偿梯度Gy，p，使得第一个回波在k空间中处于偏离中心半个单位相位编码的位置。接下来，一系列的相位编码梯度施加在每两回波之间，实现每个回波在k空间中跳转。本发明中这一系列的相位编码梯度是正反向交替的，并且面积是逐渐增加的。假如第一个相位编码梯度的面积为A，那么第j个相位编码梯度面积为j×A，方向为(-1)^j+1，因此，第j个回波处于k空间的轨迹值为k_y，j＝(-1)^j+1(j-1)γA/2π(其中γ为磁旋比)。采用公式dk_y＝1/fov_y(其中dk_y为k空间相位编码方向的单位间隔，fov_y为成像时相位编码方向的视野大小)，得出面积A为2π/γfov_y。因为本发明的相位编码的面积相较于常规EPI中的大得多，特别是在后面一些回波中使用的相位编码，所以在这里均采用梯形波形的梯度。

本发明的相位编码梯度有两种实施方案。方案一为保持每个相位编码梯度的上升时间、持续时间以及下降时间均一致，线性增加的相位编码梯度的面积就转化为线性增加的相位编码梯度的幅值。方案二为逐渐增加相位编码梯度的持续时间，以减少前面梯度与数据采集窗口的重叠。换句话说，就是减少曲线段填充的数据。比较而言，方案一比较容易实施，而方案二由于更多地数据分布在直线位置上而更便于图像重建。

(4)基于步骤(3)的结果对步骤(2)得到的校正信号的X轴方向和Y轴方向信号进行隐马尔科夫校正，Z轴方向信号进行多项式拟合

由于雷达扫描过程中，Z方向的高度变化率较小，因此，在现有技术中对X、Y和Z均采用相同方法(例如多项式拟合)进行数值校正的操作会导致伪影的无规律性产生。为了避免上述问题的出现，本发明针对变化率近似的X轴方向和Y轴方向采用一种校正方法进行数值校正，而对Z轴方向的数据采用另一种校正方法进行数值校正。

在优选的实施例中，基于步骤(3)的结果对步骤(2)得到的校正信号的X轴方向和Y轴方向信号进行隐马尔科夫校正，Z轴方向信号进行多项式拟合。

隐马尔科夫模型用来描述一个含有隐含未知参数的马尔科夫过程。在正常的马尔科夫模型中，状态对于观察者来说是直接可见的。而在隐马尔科夫模型中，状态并不是直接可见的，但受到状态影响的某此变量则是可见的，每一个关头在可能输出的符号上都有一概率分布，因此输出的符号序列能够透露出状态状态序列的信息。

x1、x2分别为X轴方向上的经过步骤(3)的量化编码结果，y1和y2分别为Y轴方向上的经过步骤(3)的量化编码结果。设x1、x2代表隐藏状态，并且x1、x2之间存在着状态转换概率，因为他们是隐藏的，对于观察者而言是无法直接可见的，观察者只能看见y1、y2这样的二个变量，而y1、y2这样的二个变量也有相应的二个观察概率，因此，为实现导航信息的校正，需要解决的问题即为如何通过二个观察概率推出隐藏状态的变化。

4.1、隐藏状态S

这些状态之间将满足马尔科夫性质，是马尔科夫模型中实际所隐含的状态，但是这些状态无法通过直接观测得到，例如，隐藏状态S包括S1、S2等。

4.2、可观察状态O

在马尔科夫模型中可观察状态是与隐藏状态相关联的，可通过直接观测得到，其中，可观察状态的数量不一定要和隐藏状态的数量一致，例如，可观察状态O包括O1、O2等。

4.3、初始状态概率矩阵π

表示隐藏状态在初始时刻t＝1的概率矩阵，例如，t＝1时，P(S1)＝P1，P(S2)＝P2，则初始状态概率矩阵π＝[P1，P2]。

4.4、隐藏状态转移概率矩阵A

描述了马尔科夫模型中各个状态之间的转移概率。

其中，Aij＝P(Sj|Si)，1≤i，j≤N，表示在t时刻、隐藏状态为Si的条件下，在t+1时刻隐藏状态为Sj的概率。在此，N取2(下同)。

4.5、观察状态混合概率矩阵B

令N代表隐藏状态数目，M代表可观察状态数量，则：

Bij＝P(Oi|Sj)，1≤i≤M，1≤j≤N，用于表示t时刻，隐藏状态为Sj的条件下，观察状态为Oi的概率。

基于此，可以用λ＝(A，B，π)三元组来简洁地表示一个隐马尔科夫模型。隐马尔科夫模型实际上是标准马尔科夫模型的扩展，添加了可观察状态集合以及可观察状态与隐藏状态之间的概率关系。

上述校正过程中，将X轴或Y轴的经过量化和编码的信息之间的转移状态作为隐藏状态，可观察状态为一系列发生扫描位置变化所对应的位置校正信息，因此通过一系列X轴或Y轴位置校正信息构建观察混合矩阵，进而利用观察混合矩阵计算出概率最大的一组隐藏状态序列，即X轴或Y轴序列，从而通过X轴或Y轴校正位置序列实现车辆导航的进一步校正。

(5)根据步骤(4)得到的结果对步骤(2)中经过校正的重建结果进行熵约束

第5.1步：将步骤(2)中经过校正的重建结果作为激光雷达的回波数据，分别沿X、Y和Z轴方向进行傅里叶变换，得到回波数据在三个方向上的频谱S_x，y，z(f)，f为距离频率；

第5.2步：设g(k，n)为成像的最终图像，则其中为相位校正因子，k，m和n分别表示多普勒频率、回波脉冲和距离门。式中f(m，n)与相乘完成相位修正，然后对其结果进行积分即可得到图像。

第5.3步：定义g(k，n)的熵为： $g\left[\right|g(k,n)\left|2\right]=\underset{k=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{{\left|g(k,n)\right|}^2}{s}\ln \frac{s}{{\left|g(k,n)\right|}^2},$ 其中M和N分别为步骤(2)中经过校正的重建结果中回波的个数和距离门的个数。

第5.4步：取g(k，n)的最小值，并得到在此最小值时的。在此步骤中，Wang，J.，Kasilingam，D.，Liu，X.，and Zhou，Z.：ISARminimum-entropy phase adjustement，Proc.IEEE Radar Conf.，Philadelphia，PA，，USA，2004，PP.197-200的全部内容被引入本发明。

第5.5步：Sx，y，z(f)与相乘完成相位修正，然后对其结果进行积分即可得到图像。

Claims (4)

1.一种雷达三维回波伪影相位校正方法，包括：(1)在k空间对包含伪影的三维回波信号进行重建；其特征在于，此后还包括如下步骤：(2)通过反馈的方式对步骤(1)的重建结果进行校正；(3)对步骤(2)中的各维度反馈信号进行量化和编码；(4)基于步骤(3)的结果对步骤(2)得到的校正信号进行距离校正；(5)对步骤(4)得到的结果进行熵约束。

2.根据权利要求1的校正方法，其特征在于，在步骤(2)中，还包括：记录校正过程中的各维度回波信号的反馈信号。

3.根据权利要求2的校正方法，其特征在于，步骤(4)包括：基于步骤(3)的结果对步骤(2)得到的校正信号的X轴方向和Y轴方向信号进行隐马尔科夫校正，Z轴方向信号进行多项式拟合。

4.根据权利要求3的校正方法，其特征在于，所述步骤(5)包括：

第5.1步：将步骤(2)中经过校正的重建结果作为激光雷达的回波数据，分别沿X、Y和Z轴方向进行傅里叶变换，得到回波数据在三个方向上的频谱S_x，y，z(f)，f为距离频率；

第5.2步：设g(k，n)为成像的最终图像，则其中为相位校正因子，k，m和n分别表示多普勒频率、回波脉冲和距离门；式中f(m，n)与相乘完成相位修正，然后对其结果进行积分即可得到图像；

第5.3步：定义g(k，n)的熵为：其中M和N分别为步骤(2)中经过校正的重建结果中回波的个数和距离门的个数；

第5.4步：取g(k，n)的最小值，并得到在此最小值时的

第5.5步：Sx，y，z(f)与相乘完成相位修正，然后对其结果进行积分即可得到图像。