CN106093933A - 一种穿墙雷达成像后多目标侧墙一次多径抑制方法 - Google Patents

Abstract

本发明公开一种适用于穿墙雷达成像的多目标侧墙一次多径抑制方法，首先利用4连通域检测方法从二元原始雷达图像中提取出所有连通域；然后对所有连通域编号并依照它们的平均坐标离雷达阵列中心的欧式距离升序排序得到连通域向量；接着把连通域向量元素重组成两个子向量，分别按照到雷达的多径传输路径和直接回波传输路径对这两个子向量进行扩展；然后利用相似度函数计算两个子向量的相似度矩阵；最后使用相似度门限及判决规则的方法判定相似度矩阵的所有元素，得到真实目标所在的连通域并将多径假目标抑制掉。本发明能够对墙后隐蔽多目标进行检测，在保留目标的同时能够有效地将多径剔除。

Description

一种穿墙雷达成像后多目标侧墙一次多径抑制方法

技术领域

本发明涉及穿墙雷达成像技术领域，特别是涉及部分目标与其他目标的侧墙一次多径重合时多径假目标的抑制方法。

背景技术

穿墙雷达成像技术主要是利用电磁波穿透建筑墙体等障碍物，对密闭建筑物内隐藏目标进行检测、定位和识别，同时对建筑物布局进行成像，在反恐、公安执法、灾难救援等领域具有重大的应用价值。电磁波在密闭的建筑环境内传播时，存在许多不同的传播路径，其中从发射雷达打到目标然后直接反射回接收雷达的路径称为直接路径，由于建筑物内光滑墙体的存在，电磁波从发射雷达发射出去之后会在墙体表面进行一次或者多次反射后再经过目标反射回接收雷达，或者先打到目标，然后在反射到内墙面，最后反射回接收雷达，这都就会造成多径假目标的产生，因为电磁波在每一次墙面反射时强度都会衰减，所以二次及高次多径强度都很弱，通常只考虑一次多径。多径假目标会导致虚警，严重影响穿墙雷达的成像质量。因此，密闭建筑物中穿墙成像多径幻象抑制十分重要。

国内外许多研究机构开展了密闭空间一次多径干扰抑制方法的研究。电子科技大学提出了一种基于子孔径成像的多径抑制方法(Z.X.Li,Y.Jia,et al,“A novel approachof multi-path suppression based on sub-aperture imaging in through-wall-radarimaging”,IEEE Radar Conference,2013.)，它利用多径的位置随着雷达位置的改变而改变这个特性，选取不同位置的子孔径进行成像，最后将这些子孔径图像融合在一起达到多径抑制的目的。美国维拉诺瓦大学提出了一种基于点扩散函数的多径抑制方法(Setlur P,Alli G,Nuzzo L.Multipath exploitation in through-wall radar imaging via pointspread functions[J].IEEE Transaction on Image Processing.2013.)，它把多径假目标的值叠加到与它关联的真实目标上，在抑制多径的同时能够提高目标位置的信杂比。上述方法只能够应对单目标场景，或者多径与目标之间不存在重叠的场景，当处理存在目标与多径假目标重叠的多目标场景时，上述方法会造成多径假目标区域内的真实目标丢失，出现漏警。因此，研究密闭空间中存在重叠现象的多目标多径干扰抑制方法在穿墙雷达成像领域具有重要的价值。

发明内容

本发明为解决上述技术问题，提出了一种穿墙雷达成像后多目标侧墙一次多径抑制方法，首先通过门限检测将原始雷达图像进行二值化，使用连通域检测方法对该二值化图像进行连通域检测得到连通域向量，基于多径的产生原理使用相似度方法分析该连通域向量中两两元素间的关联性，判断出目标区域和多径区域，最后在保留目标的同时将多径假目标剔除，从而实现了多径抑制。

本发明采用的技术方案是：一种穿墙雷达成像后多目标侧墙一次多径抑制方法，包括：

S1、连通区域检测，根据设置的第一门限对原始雷达图像进行门限检测得到二元图像，对二元图像进行4-连通检测，并标记二元图像中的所有的N个连通域，按照平均坐标值到阵列中心的欧式距离由小到大对所有的N个连通域进行排序，得到一个连通域向量；

S2、构造相似度矩阵，将步骤S1得到的连通域向量分成两组，得到第一向量与第二向量；根据侧墙一次多径的形成原理对第一向量进行扩展，得到包含侧墙一次多径传输距离信息的第三向量；根据雷达的直接回波传输路径对第二向量进行扩展，得到包含直接回波传输距离信息的第四向量；根据相似度函数计算得到第三向量与第四向量的相似度矩阵；

S3、元素判决及多径抑制，根据第二门限判定相似度矩阵中的所有元素，得到目标区域。

进一步地，步骤S2中所述将步骤S1得到的所有连通域向量分成两组，具体为：所述第一向量为按照各个连通域的平均坐标到阵列中心的欧式距离由小到大的顺序连续地在连通域向量中取连通域，所述第二向量为按照平均坐标值到阵列中心的欧式距离由大到小的顺序连续地在连通域向量中取连通域，所述第一向量与第二向量所取连通域个数相等，记为N′，N′大于连通域向量中总的连通域个数的一半，并且小于总的连通域个数。

进一步地，步骤S2中所述的根据侧墙一次多径的形成原理对第一向量进行扩展，得到包含侧墙一次多径传输距离信息的第三向量；具体为：计算第一向量中每个连通域的平均坐标到K个雷达位置的侧墙一次多径传输距离，每个连通域得到的K个距离值组成一个向量r_i；i＝1,2,3…,N′，根据N′个向量r_i得到包含侧墙一次多径传输距离信息的第三向量。

步骤S2中所述的根据雷达的直接回波传输路径对第二向量进行扩展，得到包含直接回波传输距离信息的第四向量；具体为：计算第二向量中每个连通域的平均坐标到K个雷达位置的直接回波距离，每个连通域得到的K个距离值组成一个向量r_i′′；i′＝1,2,3…,N′，根据N′个向量r_i′′得到包含N′个直接回波传输距离信息的第四向量。

进一步地，步骤S2中所述的根据相似度函数计算得到第三向量与第四向量的相似度矩阵，具体为：根据相似度函数定义，第三向量与第四向量的相似度矩阵表达式为：

其中，sim(r₁,r′₂)表示计算向量r₁和r′₂之间相似度的相似度计算函数，其取值范围为[0,1]。

进一步地，步骤S3所述根据第二门限判定相似度矩阵中的所有元素，得到目标区域，具体为：

A1、对相似度矩阵S进行预处理，根据多径回波路径始终长于目标回波路径的特点，将相似度矩阵S中的上三角元素全部置零，得到一个下三角矩阵S′

A2、将矩阵S′中的所有非零元素按照取值从大到小依次放入行向量S_v：

$S_v=\[s_1{s}_2...s_{\frac{N^{\′}(N^{\′}+1)}{2}}\],s_1\≥s_2\≥...\≥s_{\frac{N^{\′}(N^{\′}+1)}{2}};$

A3、假如只考虑侧墙一次多径的影响，那么对于连通域向量D中的N个元素，最多存在N-1个目标，因此选取向量S_v中的前N-1个元素用来计算用于相似度检测的第二门限；

A4、将矩阵S′中大于第二门限的元素提取出来，并对提取出的元素按照以下步骤进行判决：

B1、如果sim(r_k,r′_p′)高于门限值，且矩阵S′中不存在第一个自变量为r_p的元素，则将r_k对应的连通域判定为目标区域，将r′_p′对应的连通域判定为多径区域；

B2、如果同时存在sim(r_k,r′_p′)和sim(r_p,r′_q′)高于门限值，且r′_p′与r_p对应相同的连通域；根据sim(r_k,r′_p′)将r_k对应的连通域判定为目标区域，将r′_p′对应的连通域判定为多径区域；然后根据sim(r_p,r′_q′)将r_p对应的连通域判定为目标区域，将r′_q′对应的连通域判定为多径区域；最终得到r_k对应的连通域与r′_p′对应的连通域均为目标区域，r′_q′对应的连通为多径区域；

B3、当矩阵S′中所有高于第二门限的元素判定完成之后，将判定为目标区域的连通域保留，同时将判定为多径区域的连通域置零，得到抑制了多径的后的二值化图像I_f(·)；最后把原始图像I_o(·)与I_f(·)进行乘法图像融合得到一幅保留所有目标并且消除了多径的雷达图像I_final(·)。

更进一步地，所述第二门限的计算式如下：

${\mathrm{TH}}_{sim}=\frac{1}{N-1}\underset{j^{\′}=1}{\overset{N-1}{\Σ}}{S}_v\left(j^{\′}\right);$

其中，j′＝1,2,3…N-1。

本发明的有益效果：本发明的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，首先利用4连通域检测方法从二元原始雷达图像中提取出所有连通域；然后对所有连通域编号并依照它们的平均坐标离雷达阵列中心的欧式距离升序排序得到连通域向量；接着把连通域向量元素重组成两个子向量，分别按照到雷达的多径传输路径和直接回波传输路径对这两个子向量进行扩展；然后利用相似度函数计算两个子向量的相似度矩阵；最后使用相似度门限及判决规则的方法判定相似度矩阵的所有元素，得到真实目标所在的连通域并将多径假目标抑制掉。本发明的方法能够有效识别雷达图像中的真实目标和它们的一阶侧墙多径假目标，在抑制多径假目标的同时不会造成真实目标的丢失。相比于现有技术中的多径抑制方法，本发明能够防止正常信噪比条件下目标的丢失，形成高质量的雷达图像，保证了穿墙雷达在密闭建筑物探测环境中的实用效果，为操作人员做出正确的决策提供了有力的保障。

附图说明

图1为侧墙一次多径抑制方法处理流程图。

图2为侧墙一次多径穿墙传播示意图。

图3为具体实施方式中仿真场景示意图。

图4为具体实施方式中原始雷达仿真图像。

图5为具体实施方式中4连通域检测及标记结果图。

图6为具体实施方式中多径抑制后二值化雷达图像。

图7为具体实施方式中最终结果图像。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

如图1所示为本发明的处理流程图，本发明的技术方案为：一种穿墙雷达成像后多目标侧墙一次多径抑制方法，包括：

S1、连通区域检测，根据设置的第一门限对原始雷达图像进行门限检测得到二元图像，对二元图像进行4-连通检测，并标记二元图像中的所有连通域，按照平均坐标值到阵列中心的欧式距离由小到大对所有连通域进行排序，得到一个连通域向量。

设置第一门限TH_b，用TH_b对原始雷达图像I_o(·)进行门限检测得到二元图像I_b(·)，对I_b(·)进行4-连通(同一像素在上、下、左、右四个方向有连通)检测，并标记图像I_b(·)中的所有连通域。假设有N个连通域，计算每个连通域的平均坐标并按照平均坐标值到阵列中心的欧式距离由小到大对所有连通域进行排序，将排好序的连通域以符号D₁-D_N进行编号，得到一个连通域向量D＝[D₁,D₂,…,D_N]。

S2、构造相似度矩阵，将步骤S1得到的连通域向量分成两组，得到第一向量与第二向量；根据侧墙一次多径的形成原理对第一向量进行扩展，得到包含侧墙一次多径传输距离信息的第三向量；根据雷达的直接回波传输路径对第二向量进行扩展，得到包含直接回波传输距离信息的第四向量；根据相似度函数计算得到第三向量与第四向量的相似度矩阵。多径穿墙传播如图2所示，第三向量即由虚线表示的一阶多径，第四向量即由实现表示的直接路径。

将连通域向量D分成两组，具体为：所述第一向量为按照各个连通域的平均坐标值到阵列中心的欧式距离由小到大的顺序连续地在连通域向量中取连通域，所述第二向量为按照平均坐标值到阵列中心的欧式距离由大到小的顺序连续地在连通域向量中取连通域，所述第一向量与第二向量所取连通域个数相等，且第一向量或第二向量所取连通域的个数N′大于连通域向量中总的连通域个数的一半，并且小于总的连通域个数。假设第一组中包含元素D₁-D_N-1，用向量T＝[D₁,D₂,…,D_N-1]表示，即用T表示第一向量；第二组包含元素D₂-D_N，用向量M＝[D₂,D₃,…,D_N]表示，其中D_j代表第j个连通域，即用M表示第二向量；且第一向量T与第二向量M所取连通域个数相等，记为N′个，即在本实施例中N′＝N-1。

接下来将向量T和M进行扩展；首先，根据侧墙一次多径的形成原理，计算向量T中每个元素所代表的连通域的平均坐标到各个雷达之间的侧墙一次多径传输距离。如：对于向量T中第i个连通域来说，它的平均坐标为假设雷达总数为K，第k个雷达的位置坐标为(x_Rk,0)，则这个雷达到该连通域的多径传输距离为：

$r_{i,k}=\left(\begin{array}{c}\underset{{\mathrm{\Δx}}_T\∈\[x_{Rk},x_w\]}{\min }\left(\begin{array}{c}\sqrt{\mathrm{\ϵ}}\sqrt{d^2+{\mathrm{\Δx}}_T^2}\\ +\sqrt{{({\stackrel{\‾}{x}}_i-x_{Rk}-{\mathrm{\Δx}}_T)}^2+{({\stackrel{\‾}{y}}_i-d)}^2}\end{array}\right)\\ +\underset{{\mathrm{\Δx}}_G\∈\[x_{Rk},x_w\]}{\min }\left(\begin{array}{c}\sqrt{\mathrm{\ϵ}}\sqrt{d^2+{\mathrm{\Δx}}_G^2}\\ +\sqrt{{(2x_w-{\stackrel{\‾}{x}}_i-x_{Rk}-{\mathrm{\Δx}}_G)}^2+{({\stackrel{\‾}{y}}_i-d)}^2}\end{array}\right)\end{array}\right);$

其中，d和ε分别为前墙厚度以及相对介电常数，x_w代表的是左侧墙内表面的横坐标值，Δx_G为电磁波在从侧墙反射回接收雷达时在前墙中发生的水平偏移值，Δx_T为电磁波从目标反射回接收雷达时在前墙中发生的水平偏移值，表示向量T中第i个连通域的平均横坐标，表示向量T中第i个连通域的平均纵坐标，x_Rk表示第k个雷达的横坐标，k＝1，2，3，···，K。

这样T中每个连通域对应K个雷达就有K个距离值，将第i个连通域计算得到的K个距离值放进向量r_i中。对T中的每一个连通域都进行这样的距离计算后，得到一个包含侧墙一次多径传输距离信息的向量T′，T′的维度为1×(N-1)K，将T′表示如下：

$\begin{array}{c}{T}^{\′}\[r_1{r}_2\mathrm{...}{r}_{N-1}\]\\ r_i=\[r_{i,1}{r}_{i,2}...r_{i,K}\],i=1,2,...,N-1\end{array};$

其次，计算M中的每个连通域的平均坐标到K个雷达的直接回波距离，其中直接回波距离的计算公式为：

$r_{i^{\′},k}^{\′}=2\left(\underset{{\mathrm{\Δx}}_T\∈\[x_{Rk},x_w\]}{min}\left(\begin{array}{c}\sqrt{\mathrm{\ϵ}}\sqrt{d^2+{\mathrm{\Δx}}_T^2}\\ +\sqrt{{({\stackrel{\‾}{x}}_{i^{\′}}-x_{{\mathrm{Rt}}^{\′}}-{\mathrm{\Δx}}_T)}^2+{({\stackrel{\‾}{y}}_{i^{\′}}-d)}^2}\end{array}\right)\right);$

其中，表示向量M中第i′个连通域的平均横坐标，表示向量M中第i′个连通域的平均纵坐标。

同样地，对M中的每一个元素都进行这样的距离计算后得到一个包含直接回波传输距离信息的向量M′，M′的维度为1×(N-1)K，将M′表示如下：

$\begin{array}{c}{M}^{\′}\[r_2^{\′}{r}_3^{\′}\mathrm{...}{r}_N^{\′}\]\\ r_{i^{\′}}^{\′}=\[r_{i^{\′},1}^{\′}{r}_{i^{\′},2}^{\′}...r_{i^{\′},K}^{\′}\],i^{\′}=2,3,...,N\end{array};$

定义任意两个向量x和y的相似度函数为：

$sim(x,y)=\frac{1}{J}\underset{i=1}{\overset{J}{\Σ}}\frac{1}{1+|x_i-y_i|}$

其中，J代表向量中元素的个数。

基于这个相似度函数，T′和M′之间的相似度矩阵可以表示为：

由于多径回波路径始终长于目标回波路径，那么可将相似度矩阵S中的上三角元素全部置零，得到一个下三角矩阵：

S3、元素判决及多径抑制，根据第二门限判定相似度矩阵中的所有元素，得到目标区域。

为了便于后续分析，将矩阵S′的所有非零元素按照取值由大到小依次放入行向量S_v：

$S_v=\[s_1{s}_2...s_{\frac{N(N-1)}{2}}\],s_1\≥s_2\≥...\≥s_{\frac{N(N-1)}{2}}$

假如只考虑侧墙一次多径的影响，那么对于连通域向量D中的N个元素，最多存在N-1个目标，因此选取向量S_v中的前N-1个元素用来计算用于相似度检测的第二门限TH_sim，第二门限的计算公式为：

${\mathrm{TH}}_{sim}=\frac{1}{N-1}\underset{j^{\′}=1}{\overset{N-1}{\Σ}}{S}_v\left(j^{\′}\right);$

其中，j′＝1,2,3…N-1。

将相似度矩阵S′中大于第二门限的元素提取出来，对这些提取出来的元素按照下面的判决规则进行判决。

B1、如果sim(r_k,r′_p′)高于门限值，且矩阵S′中不存在第一个自变量为r_p的元素，则将r_k对应的连通域判定为目标区域，将r′_p′对应的连通域判定为多径区域；

B2、如果同时存在sim(r_k,r′_p′)和sim(r_p,r′_q′)高于门限值，且r′_p′与r_p对应相同的连通域，即r′_p′与r_p对应的是连通域向量D中的同一个连通域；根据sim(r_k,r′_p′)将r_k对应的连通域判定为目标区域，将r′_p′对应的连通域判定为多径区域；然后根据sim(r_p,r′_q′)将r_p对应的连通域判定为目标区域，将r′_q′对应的连通域判定为多径区域；最终得到r_k、r′_p′各自对应的连通域均为目标区域，r′_q′对应的连通为多径区域；

B3、当矩阵S′中所有高于第二门限的元素判定完成之后，将判定为目标区域的连通域保留，同时将判定为多径区域的连通域置零，得到抑制了多径后的二值化图像I_f(·)；最后把原始图像I_o(·)与I_f(·)进行乘法图像融合得到一幅保留所有目标并且消除了多径的雷达图像I_final(·)。

下面根据一个MATLAB仿真例子给出本发明的具体实施方式。

对存在多个目标的待探测区域，其仿真场景如图3所示，坐标系零点位于前墙前表面的中心位置，31个收发共置雷达紧贴前墙放置，相邻两个雷达之间的水平间隔为0.1m，雷达的发射信号为中心频率1.5GHz、带宽1GHz的步进频信号，频率步进为2MHz。房间内表面的长度和宽度均为6m，四面墙的厚度与相对介电常数相等且为0.24m和7.6。三个目标分别位于(-0.5,3.0)m、(-1.5,4.0)m和(-2.4,3.9)m处，值得注意的是目标3与目标1的侧墙一次多径重合，原始雷达仿真图像如图4所示。

S1、使用门限TH_b对原始雷达仿真图像进行二值化检测，门限值取为雷达图像最大值像素点值的0.4倍，在这里它的取值为1.9134。门限检测后得到二值化的图像I_b(·)如图5所示。通过4-连通域检测的方法对图像I_b(·)进行检测并将所有连通域标记，可以得到五个连通域，其中，连通域1包含104个像素点，这些像素点的坐标分别为(-3.1，4.065)m，(-3.085，4.065)m…(-3.055，4.245)m，然后根据这些像素点坐标，计算求得连通域1的均值坐标为(-3.085，4.14)m，根据仿真场景示意图所建立的坐标系，雷达阵列中心位于(0，0)m，那么可以求得连通域1到雷达阵列中心点的距离为5.1630m。同理，可以得到其他连通域的坐标均值与到雷达阵列中心的距离，如表1所示：

表1其他连通域的坐标均值与到雷达阵列中心的距离

连通域编号	x平均	y平均	距离
				连通域2	-2.9350	4.1400	5.1630
连通域3	-2.5150	4.1250	4.8312
				连通域4	-1.5550	4.2150	4.4927
连通域5	-0.5350	3.2250	3.2691

将所有连通域按照其平均坐标到雷达阵列中心的欧式距离由小到大进行排序，得到五个连通域，依次编号为D₁-D₅，如图5所示。然后将这些连通域标号放进一个连通域向量D中。则有下面的对应关系：D₁对应连通域5，D₂对应连通域4，D₃对应连通域3，D₄对应连通域1，D₅对应连通域2。

S2、将向量D分成向量T和向量M，其中向量T包含连通域D₁-D₄，向量M包含连通域D₂-D₅。对向量T进行扩展，计算T中的每一个连通域的中心坐标到31个雷达的侧墙一次多径传输距离。这样T的每一个元素就扩展成了一个1×31维的向量r_i，i＝1,2,3,4，扩展之后的向量记作T′＝[r₁r₂r₃r₄]。同理，对向量M进行扩展，计算M中的每一个连通域的中心坐标到31个雷达的直接路径传输距离，则M的每一个元素也扩展成了一个1×31维的向量r′_i，i＝2,3,4,5，M向量扩展之后记作M′＝[r′₁r′₂r′₃r′₄]。根据前面定义的相似度函数对向量T′和M′进行相似度计算，并且得到一个4×4维的相似度矩阵S，S的值如表2所示：

表2相似度矩阵S的值

	D1	D2	D3	D4
					D2	0.6177	0.3878	0.4665	0.4687
D3	0.9840	0.5106	0.6418	0.6449
					D4	0.6110	0.7750	0.9150	0.5110
D5	0.4850	0.8990	0.6660	0.6630

因为目标的多径传播距离总是长于它的直接路径传播距离，则相似度矩阵S中对角线以上的元素全部近似为0后得到一个下三角矩阵S′，S′的值如表3所示：

表3矩阵S′的值

	D1	D2	D3	D4
					D2	0.6177	0	0	0
D3	0.9840	0.5106	0	0
					D4	0.6114	0.7750	0.9150	0
D5	0.4853	0.8990	0.6660	0.6635

S3、元素判决及多径抑制

将下三角矩阵S′中的元素按值的大小进行降序排序得到一个1×10维的行向量S_v，

$S_v=\left[\begin{array}{c}0.9840,0.9150,0.8990,0.7750,0.6660,0.6630,\\ 0.6180,0.6110,0.5110,0.4850,0,0,0,0,0,0\end{array}\right].$

然后对该向量的前4个元素进行求均值计算后得到相似度检测门限TH_sim的值为0.8932，将矩阵S′中大于门限TH_sim的元素提取出来，它们依次为0.9840、0.9150和0.8990。所对应的连通域相似度函数为sim(r₁,r′₃)、sim(r₂,r′₅)和sim(r₃,r′₄)，由判决准则可得连通域D₁、D₂和D₃为真实目标，D₄和D₅分别为连通域D₃和D₂的侧墙一次多径假目标，连通域D₁的侧墙一次多径假目标与连通域D₃重合。经过多径抑制后的二值化雷达图像如图6所示，原始雷达仿真图像与多径抑制后的二值化雷达图像的非相干融合结果如图7所示。

由仿真结果可知，本发明提供的适用于穿墙雷达成像后多目标侧墙一次多径抑制方法不仅能够有效剔除多径，而且不会造成目标的丢失，验证了本发明的正确性和有效性。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，包括：

S1、连通区域检测，根据设置的第一门限对原始雷达图像进行门限检测得到二元图像，对二元图像进行4-连通检测，并标记二元图像中的所有的N个连通域，按照平均坐标值到阵列中心的欧式距离由小到大对所有的N个连通域进行排序，得到一个连通域向量；

S2、构造相似度矩阵，将步骤S1得到的连通域向量分成两组，得到第一向量与第二向量；根据侧墙一次多径的形成原理对第一向量进行扩展，得到包含侧墙一次多径传输距离信息的第三向量；根据雷达的直接回波传输路径对第二向量进行扩展，得到包含直接回波传输距离信息的第四向量；根据相似度函数计算得到第三向量与第四向量的相似度矩阵；

S3、元素判决及多径抑制，根据第二门限判定相似度矩阵中的所有元素，得到目标区域。

2.根据权利要求1所述的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，步骤S2中所述将步骤S1得到的连通域向量分成两组，具体为：所述第一向量为按照平均坐标值到阵列中心的欧式距离由小到大的顺序连续地在连通域向量中取连通域，所述第二向量为按照平均坐标值到阵列中心的欧式距离由大到小的顺序连续地在连通域向量中取连通域，所述第一向量与第二向量所取连通域个数相等，记为N′，N′大于连通域向量中总的连通域个数的一半，并且小于总的连通域个数。

3.根据权利要求2所述的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，步骤S2中所述的根据侧墙一次多径的形成原理对第一向量进行扩展，得到包含侧墙一次多径传输距离信息的第三向量；具体为：计算第一向量中每个连通域的平均坐标到K个雷达位置的侧墙一次多径传输距离，每个连通域得到的K个距离值组成一个向量r_i；i＝1,2,3…,N′，根据N′个向量r_i得到包含侧墙一次多径传输距离信息的第三向量。

4.根据权利要求3所述的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，步骤S2中所述的根据雷达的直接回波传输路径对第二向量进行扩展，得到包含直接回波传输距离信息的第四向量；具体为：计算第二向量中每个连通域的平均坐标到K个雷达位置的直接回波距离，每个连通域得到的K个距离值组成一个向量r_i′′；i′＝1,2,3…,N′，根据N′个向量r_i′′得到包含N′个直接回波传输距离信息的第四向量。

5.根据权利要求4所述的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，步骤S2中所述的根据相似度函数计算得到第三向量与第四向量的相似度矩阵，具体为：根据相似度函数定义，第三向量与第四向量的相似度矩阵表达式为：

其中，sim(r₁,r′₂)表示计算向量r₁和r′₂之间相似度的相似度计算函数，其取值范围为[0,1]。

6.根据权利要求1所述的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，步骤S3所述根据第二门限判定相似度矩阵中的所有元素，得到目标区域，具体为：

A1、对相似度矩阵S进行预处理，根据多径回波路径始终长于目标回波路径的特点，将相似度矩阵S中的上三角元素全部置零，得到一个下三角矩阵S′

A2、将矩阵S′中的所有非零元素按照取值从大到小依次放入行向量S_v：

$S_v=\[s_1{s}_2...s_{\frac{N^{\′}(N^{\′}+1)}{2}}\],s_1\≥s_2\≥...\≥s_{\frac{N^{\′}(N^{\′}+1)}{2}};$

A3、假如只考虑侧墙一次多径的影响，那么对于连通域向量D中的N个元素，最多存在N-1个目标，因此选取向量S_v中的前N-1个元素用来计算用于相似度检测的第二门限；

A4、将矩阵S′中大于第二门限的元素提取出来，并对提取出的元素按照以下步骤进行判决：

B1、如果sim(r_k,r′_p′)高于门限值，且矩阵S′中不存在第一个自变量为r_p的元素，则将r_k对应的连通域判定为目标区域，将r′_p′对应的连通域判定为多径区域；

B2、如果同时存在sim(r_k,r′_p′)和sim(r_p,r′_q′)高于门限值，且r′_p′与r_p对应相同的连通域；根据sim(r_k,r′_p′)将r_k对应的连通域判定为目标区域，将r′_p′对应的连通域判定为多径区域；然后根据sim(r_p,r′_q′)将r_p对应的连通域判定为目标区域，将r′_q′对应的连通域判定为多径区域；最终得到r_k对应的连通域与r′_p′对应的连通域均为目标区域，r′_q′对应的连通为多径区域；

B3、当矩阵S′中所有高于第二门限的元素判定完成之后，将判定为目标区域的连通域保留，同时将判定为多径区域的连通域置零，得到抑制了多径后的二值化图像I_f(·)；最后把原始图像I_o(·)与I_f(·)进行乘法图像融合得到一幅保留所有目标并且消除了多径的雷达图像I_final(·)。

7.根据权利要求1或6所述的一种穿墙雷达成像后多目标侧墙一次多径抑制方法，其特征在于，所述第二门限的计算式如下：

${\mathrm{TH}}_{sim}=\frac{1}{N-1}\underset{j^{\′}=1}{\overset{N-1}{\Σ}}{S}_v\left(j^{\′}\right);$

其中，j′＝1,2,3…N-1。