CN106249233B - 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 - Google Patents
面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 Download PDFInfo
- Publication number
- CN106249233B CN106249233B CN201610838411.7A CN201610838411A CN106249233B CN 106249233 B CN106249233 B CN 106249233B CN 201610838411 A CN201610838411 A CN 201610838411A CN 106249233 B CN106249233 B CN 106249233B
- Authority
- CN
- China
- Prior art keywords
- base signal
- following formula
- multipolarization
- signal
- iteration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
- G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统,该方法包括:获取多个极化通道下的雷达回波;对多个雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K;利用正交匹配追踪方法求解多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算多个极化通道的信号残余;对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代;根据满足迭代停止条件的迭代结果计算并融合得到最终成像结果。本发明具有如下优点:在前向混合匹配追踪算法中,对所选的基信号进行评价并选择最优的基信号,成像质量优于其他贪婪算法。
Description
技术领域
本发明涉及雷达技术领域,具体涉及一种面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统。
背景技术
在反恐、地震救援、火灾救援等领域,如何探测位于墙后的隐蔽目标一直是研究的热点。传统的光学成像受限于可见光无法穿过墙体,而穿墙雷达可以利用电磁波穿透墙体,获取关于墙后目标的信息,例如墙后的房间布局,墙后的武器,墙后的人等等。
雷达波形有不同的极化方式。一个目标对不同的极化波形有着不同的散射特性。相比于单极化穿墙雷达,多极化穿墙雷达可以提供关于雷达观测场景更为丰富的信息,有利于获取更加清晰更加完整的成像结果。
压缩感知是一种新兴的信号处理理论,它可以利用较少的雷达回波信号,得到更高质量的雷达图像。在压缩感知的框架下,多极化穿墙雷达的成像模型可以归结为联合稀疏模型。传统的求解联合稀疏模型的算法主要集中在贝叶斯类算法、线性规划类算法、贪婪类算法。然而,贝叶斯类算法需要观测场景的先验概率分布,在实际操作中,预先设置的先验概率分布的准确性难以把握;线性规划类算法的计算量非常大。贪婪类算法的计算复杂度远低于上述两类算法。
现有的针对联合稀疏模型的贪婪算法没有考虑在每次迭代中所选择的基信号集对将来的迭代的影响,这导致了所选择的基信号集中的一些不良的基信号会大大增加将来的重建误差,进一步降低了成像的质量。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的目的在于提出一种面向多极化穿墙雷达成像的前向混合匹配追踪方法,以在贪婪算法中评价每次选择的基信号集的优劣,提高成像质量。
为了实现上述目的,本发明的实施例公开了一种面向多极化穿墙雷达成像的前向混合匹配追踪方法,包括以下步骤:S110:获取多个极化通道下的雷达回波;S120:对所述多个极化通道下的雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K;S130:利用正交匹配追踪方法求解所述多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算所述多个极化通道的信号残余;S140:对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代;S150:根据满足所述迭代停止条件的迭代结果计算并融合得到最终成像结果。
根据本发明实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法,通过多极化雷达采集雷达回波数据,再利用本发明所提出的前向混合匹配追踪算法重建并融合目标场景,得到成像结果。由于在前向混合匹配追踪算法中,对所选的基信号进行评价并选择最优的基信号,因此采用前向混合匹配追踪算法的成像质量优于其他贪婪算法。
另外,根据本发明上述实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法,还可以具有如下附加的技术特征:
进一步地,步骤S130进一步包括:S131:根据来自各个极化通道的回波信号s(q)、基信号矩阵Φ(q)和稀疏度K,根据以下公式求解各个极化通道的本地解: S132:根据以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集:其中,定义 S133:根据以下公式计算各个通道的信号残余
进一步地,步骤S140进一步包括:S141:通过以下公式计算各个通道的信号残余:S142:通过以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,作为基信号候选集:S143:通过以下公式评价基信号候选集中的基信号,选择出在下次迭代中重建误差最小的基信号:i=LAAS({s(q),Φ(q),q=1,2,…,Q},K,Λold,Λc);S144:通过以下公式将未来重建误差最小的基信号与上次迭代中求出的基信号集合并:Λtemp=Λold∪{i};S145:通过以下公式回溯求出本次迭代中的基信号集:S146:通过以下公式计算各个极化通道的信号残余:S147:如果令Λold=Λnew,返回步骤S401,否则停止迭代。
进一步地,通过以下公式计算并融合得到最终成像结果:
进一步地,在步骤S110之前还包括:设定多极化穿墙雷达参数得到多极化穿墙雷达实验场景,其中,所述多极化穿墙雷达参数包括步进频率范围、中心频率、频点间隔、雷达孔径长度、天线个数和极化方式。
本发明的目的在于提出一种面向多极化穿墙雷达成像的前向混合匹配追踪系统,以在贪婪算法中评价每次选择的基信号集的优劣,提高成像质量。
为了实现上述目的,本发明的实施例公开了一种面向多极化穿墙雷达成像的前向混合匹配追踪系统,包括:雷达回波获取模块,用于获取多个极化通道下的雷达回波;向量化处理模块,用于对所述多个极化通道下的雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K;信号残余计算模块,用于利用正交匹配追踪方法求解所述多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算所述多个极化通道的信号残余;迭代计算模块,用于对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代;成像模块,用于根据满足所述迭代停止条件的迭代结果计算并融合得到最终成像结果。
根据本发明实施例的面向多极化穿墙雷达成像的前向混合匹配追踪系统,通过多极化雷达采集雷达回波数据,再利用本发明所提出的前向混合匹配追踪算法重建并融合目标场景,得到成像结果。由于在前向混合匹配追踪算法中,对所选的基信号进行评价并选择最优的基信号,因此采用前向混合匹配追踪算法的成像质量优于其他贪婪算法。
另外,根据本发明上述实施例的面向多极化穿墙雷达成像的前向混合匹配追踪系统,还可以具有如下附加的技术特征:
进一步地,,所述信号残余计算模块进一步用于:根据来自各个极化通道的回波信号s(q)、基信号矩阵Φ(q)和稀疏度K,根据以下公式求解各个极化通道的本地解: 根据以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集:其中,定义 根据以下公式计算各个通道的信号残余
进一步地,所述迭代计算模块进一步用于:通过以下公式计算各个通道的信号残余:通过以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,作为基信号候选集:通过以下公式评价基信号候选集中的基信号,选择出在下次迭代中重建误差最小的基信号:i=LAAS({s(q),Φ(q),q=1,2,…,Q},K,Λold,Λc);通过以下公式将未来重建误差最小的基信号与上次迭代中求出的基信号集合并:Λtemp=Λold∪{i};通过以下公式回溯求出本次迭代中的基信号集:通过以下公式计算各个极化通道的信号残余:如果令Λold=Λnew,返回步骤S401,否则停止迭代。
进一步地,所述成像模块进一步用于:通过以下公式计算并融合得到最终成像结果:
进一步地,还包括:多极化穿墙雷达实验场景设定模块,用于设定多极化穿墙雷达参数得到多极化穿墙雷达实验场景,其中,所述多极化穿墙雷达参数包括步进频率范围、中心频率、频点间隔、雷达孔径长度、天线个数和极化方式。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法的流程图;
图2是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法的实验设置图;
图3是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法的成像结果示意图;
图4是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
以下结合附图描述本发明。
图1是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法的流程图。如图1所示,一种面向多极化穿墙雷达成像的前向混合匹配追踪方法,包括以下步骤:
S110:获取多个极化通道下的雷达回波。
具体地,根据图2所示的验设置图设置多极化穿墙雷达实验场景,其中,雷达阵列和观测场景分别设置在墙的两侧,其中,观测场景位于墙的2m、2.5m、3m、3.7m、4.9m、4.3m、5.5m、6.1m分别放置有不同的观测目标。通过雷达阵列获取各个极化通道下的雷达回波。
假定雷达所观测的场景V被分为Nx×Ny×Nz个元素,表示元素的位置,{1,…,q,…,Q}代表不同的极化通道,M个天线分别位于L个频点分别为雷达在第q个极化通道下,第m个天线、第l个频点处收到的雷达回波为:
其中,是点处的散射强度,c是电磁波的传播速度。
在本发明的一个实施例中,在步骤S110之前还包括:
设定多极化穿墙雷达参数得到多极化穿墙雷达实验场景。其中,多极化穿墙雷达参数包括步进频率范围、中心频率、频点间隔、雷达孔径长度、天线个数和极化方式。
在本发明的一个示例中,多极化穿墙雷达参数设置如表1所示。
步进频率范围 | 1GHz |
中心频率 | 2.5GHz |
频点间隔 | 5MHz |
雷达孔径长度 | 1.51m |
天线个数 | 69个 |
极化方式 | HH、VV、HV、VH |
表1多极化穿墙雷达参数设置表
S120:对多个极化通道下的雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K。
具体地,在向量化之后,第m个天线、第l个频点处收到的雷达回波可以写为联合稀疏模型:
s(q)=Φ(q)σ(q)+w(q);
其中,w(q)是加性噪声,
其中,l=1,2,…,L,m=1,2,…,M,nx=1,2,…,Nx,ny=1,2,…,Ny,nz=1,2,…,Nz,位于坐标处(nx,ny,nz)的体元与坐标原点的距离为矩阵Φ(q)的每一列称为基信号,矩阵Φ(q)称为基信号矩阵。σ(q)中非零元素的个数是K。
S130:利用正交匹配追踪方法求解多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算多个极化通道的信号残余。
具体地,步骤S130进一步包括:
初始化:n={n1,n2,…,nK}←0K×1,设置n为一个K×1的零向量
步骤:for k=1:K
Λtest=Λold∪Λc(k)
end for
输出:其中
S131:根据来自各个极化通道的回波信号s(q)、基信号矩阵Φ(q)和稀疏度K,根据以下公式求解各个极化通道的本地解:
S132:根据以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集:
其中,定义
S133:根据以下公式计算各个通道的信号残余
S140:对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代。
具体地,步骤S140进一步包括:
S141:通过以下公式计算各个通道的信号残余:
S142:通过以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,作为基信号候选集:
S143:通过以下公式评价基信号候选集中的基信号,选择出在下次迭代中重建误差最小的基信号:
i=LAAS({s(q),Φ(q),q=1,2,…,Q},K,Λold,Λc);
LAAS函数可以用于评价候选集中的基信号,并选出能导致下次迭代中重建误差最小的基信号。
S144:通过以下公式将未来重建误差最小的基信号与上次迭代中求出的基信号集合并:
Λtemp=Λold∪{i};
S145:通过以下公式回溯求出本次迭代中的基信号集:
S146:通过以下公式计算各个极化通道的信号残余:
S147:如果令Λold=Λnew,返回步骤S401,否则停止迭代。
S150:根据满足迭代停止条件的迭代结果计算并融合得到最终成像结果。
本发明实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法,通过多极化雷达采集雷达回波数据,再利用本发明所提出的前向混合匹配追踪算法重建并融合目标场景,得到成像结果。由于在前向混合匹配追踪算法中,对所选的基信号进行评价并选择最优的基信号,因此采用前向混合匹配追踪算法的成像质量优于其他贪婪算法。
图3是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法的成像结果示意图。如图3所示,位于距离向2m、2.5m、3m、3.7m、4.9m、4.3m、5.5m、6.1m处的目标被清晰的呈现和定位,而位于目标区域之外的杂点则得到了很好的抑制。因此,经过实验验证,采用前向混合匹配追踪算法进行多极化穿墙雷达成像,能够使目标更加清晰,能够很好的抑制杂波,提高成像的视觉效果,有力的证明了本发明的有效性。
图4是本发明一个实施例的面向多极化穿墙雷达成像的前向混合匹配追踪系统的结构框图。如图4所示,一种面向多极化穿墙雷达成像的前向混合匹配追踪系统,包括:雷达回波获取模块210、向量化处理模块220、信号残余计算模块230、迭代计算模块240和成像模块250。
其中,雷达回波获取模块210用于获取多个极化通道下的雷达回波。向量化处理模块220用于对多个极化通道下的雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K。信号残余计算模块230用于利用正交匹配追踪方法求解多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算多个极化通道的信号残余。迭代计算模块240用于对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代。成像模块250用于根据满足迭代停止条件的迭代结果计算并融合得到最终成像结果。
在本发明的一个实施例中,信号残余计算模块230进一步用于:
根据来自各个极化通道的回波信号s(q)、基信号矩阵Φ(q)和稀疏度K,根据以下公式求解各个极化通道的本地解:
根据以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集:
其中,定义
根据以下公式计算各个通道的信号残余
在本发明的一个实施例中,迭代计算模块240进一步用于:
通过以下公式计算各个通道的信号残余:
通过以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,作为基信号候选集:
通过以下公式评价基信号候选集中的基信号,选择出在下次迭代中重建误差最小的基信号:
i=LAAS({s(q),Φ(q),q=1,2,…,Q},K,Λold,Λc);
通过以下公式将未来重建误差最小的基信号与上次迭代中求出的基信号集合并:
Λtemp=Λold∪{i};
通过以下公式回溯求出本次迭代中的基信号集:
通过以下公式计算各个极化通道的信号残余:
如果令Λold=Λnew,返回步骤S401,否则停止迭代。
在本发明的一个实施例中,成像模块250进一步用于:
通过以下公式计算并融合得到最终成像结果:
在本发明的一个实施例中,还包括:
多极化穿墙雷达实验场景设定模块,用于设定多极化穿墙雷达参数得到多极化穿墙雷达实验场景,其中,多极化穿墙雷达参数包括步进频率范围、中心频率、频点间隔、雷达孔径长度、天线个数和极化方式。
需要说明的是,本发明实施例的面向多极化穿墙雷达成像的前向混合匹配追踪系统的具体实施方式与本发明实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法的具体实施方式类似,具体参见方法部分,为了减少冗余,不作赘述。
另外,本发明实施例的面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统的其它构成以及作用对于本领域的技术人员而言都是已知的,为了减少冗余,不做赘述。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同限定。
Claims (6)
1.一种面向多极化穿墙雷达成像的前向混合匹配追踪方法,其特征在于,包括以下步骤:
S110:获取多个极化通道下的雷达回波;
S120:对所述多个极化通道下的雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K;
S130:利用正交匹配追踪方法求解所述多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算所述多个极化通道的信号残余;
S140:对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代;
S150:根据满足所述迭代停止条件的迭代结果计算并融合得到最终成像结果;
其中,步骤S130进一步包括:
S131:根据来自各个极化通道的回波信号s(q)、基信号矩阵Φ(q)和稀疏度K,根据以下公式求解各个极化通道的本地解:
其中,{1,…,q,…,Q}代表不同的极化通道,Q为极化通道的总数;
S132:根据以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集:
其中,定义
S133:根据以下公式计算各个通道的信号残余
表示基信号矩阵Φ(q)中对应于初始化的基信号集Λold的列向量的组合,是Φ(q)的子矩阵;
其中,步骤S140进一步包括:
S141:通过以下公式计算各个通道的信号残余:
S142:通过以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,作为基信号候选集:
S143:通过以下公式评价基信号候选集中的基信号,选择出在下次迭代中重建误差最小的基信号:
i=LAAS({s(q),Φ(q),q=1,2,…,Q},K,Λold,Λc);
其中,LAAS表示前向评价操作,用于评价候选集中的基信号;
S144:通过以下公式将未来重建误差最小的基信号与上次迭代中求出的基信号集合并:
Λtemp=Λold∪{i};
S145:通过以下公式回溯求出本次迭代中的基信号集:
其中,表示基信号矩阵Φ(q)中对应于待回溯的信号集Λtemp的列向量的组合;
S146:通过以下公式计算各个极化通道的信号残余:
其中,表示基信号矩阵Φ(q)中对应于本次迭代的基信号集Λnew的列向量的组合;
S147:如果令Λold=Λnew,返回步骤S401,否则停止迭代。
2.根据权利要求1所述的面向多极化穿墙雷达成像的前向混合匹配追踪方法,其特征在于,通过以下公式计算并融合得到最终成像结果:
3.根据权利要求1所述的面向多极化穿墙雷达成像的前向混合匹配追踪方法,其特征在于,在步骤S110之前还包括:
设定多极化穿墙雷达参数得到多极化穿墙雷达实验场景,其中,所述多极化穿墙雷达参数包括步进频率范围、中心频率、频点间隔、雷达孔径长度、天线个数和极化方式。
4.一种面向多极化穿墙雷达成像的前向混合匹配追踪系统,其特征在于,包括:
雷达回波获取模块,用于获取多个极化通道下的雷达回波;
向量化处理模块,用于对所述多个极化通道下的雷达回波进行向量化处理,根据向量化的多个雷达回波计算基信号矩阵,并设置稀疏度K;
信号残余计算模块,用于利用正交匹配追踪方法求解所述多个极化通道的本地解,融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集,计算所述多个极化通道的信号残余;
迭代计算模块,用于对多个极化通道的本地解进行迭代计算,根据预设的迭代停止条件判断是否停止迭代;
成像模块,用于根据满足所述迭代停止条件的迭代结果计算并融合得到最终成像结果;
其中,所述信号残余计算模块进一步用于:
根据来自各个极化通道的回波信号s(q)、基信号矩阵Φ(q)和稀疏度K,根据以下公式求解各个极化通道的本地解:
其中,{1,…,q,…,Q}代表不同的极化通道,Q为极化通道的总数;
根据以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,初始化基信号集:
其中,定义
根据以下公式计算各个通道的信号残余
其中,表示基信号矩阵Φ(q)中对应于初始化的基信号集Λold的列向量的组合,是Φ(q)的子矩阵;
其中,所述迭代计算模块进一步用于:
通过以下公式计算各个通道的信号残余:
通过以下公式融合所有本地解,找出融合结果中K个最大值所对应的位置,作为基信号候选集:
通过以下公式评价基信号候选集中的基信号,选择出在下次迭代中重建误差最小的基信号:
i=LAAS({s(q),Φ(q),q=1,2,…,Q},K,Λold,Λc);
其中,LAAS表示前向评价操作,用于评价候选集中的基信号;
通过以下公式将未来重建误差最小的基信号与上次迭代中求出的基信号集合并:
Λtemp=Λold∪{i};
通过以下公式回溯求出本次迭代中的基信号集:
其中,表示基信号矩阵Φ(q)中对应于待回溯的信号集Λtemp的列向量的组合;
通过以下公式计算各个极化通道的信号残余:
其中,表示基信号矩阵Φ(q)中对应于本次迭代的基信号集Λnew的列向量的组合;
如果令Λold=Λnew,返回步骤S401,否则停止迭代。
5.根据权利要求4所述的面向多极化穿墙雷达成像的前向混合匹配追踪系统,其特征在于,所述成像模块进一步用于:
通过以下公式计算并融合得到最终成像结果:
6.根据权利要求4所述的面向多极化穿墙雷达成像的前向混合匹配追踪系统,其特征在于,还包括:
多极化穿墙雷达实验场景设定模块,用于设定多极化穿墙雷达参数得到多极化穿墙雷达实验场景,其中,所述多极化穿墙雷达参数包括步进频率范围、中心频率、频点间隔、雷达孔径长度、天线个数和极化方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610838411.7A CN106249233B (zh) | 2016-09-21 | 2016-09-21 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610838411.7A CN106249233B (zh) | 2016-09-21 | 2016-09-21 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106249233A CN106249233A (zh) | 2016-12-21 |
CN106249233B true CN106249233B (zh) | 2018-11-09 |
Family
ID=57599014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610838411.7A Active CN106249233B (zh) | 2016-09-21 | 2016-09-21 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106249233B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107255800B (zh) * | 2017-05-19 | 2020-08-25 | 清华大学 | 多极化雷达成像的双层次块稀疏匹配追踪方法及装置 |
CN107957574B (zh) * | 2017-12-28 | 2021-08-20 | 桂林电子科技大学 | 基于ifft和混合匹配追踪的时分地基mimo滑坡雷达成像方法 |
CN108562897B (zh) * | 2018-01-26 | 2022-01-11 | 桂林电子科技大学 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
CN109031288B (zh) * | 2018-07-09 | 2022-08-05 | 沈阳航空航天大学 | 一种极化穿墙雷达压缩感知成像方法 |
CN109298402B (zh) * | 2018-09-14 | 2022-12-06 | 西安电子工程研究所 | 基于通道融合的极化特征提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361346A (zh) * | 2014-10-21 | 2015-02-18 | 西安电子科技大学 | 基于k-svd和稀疏表示的极化sar图像分类方法 |
CN105608465A (zh) * | 2015-12-15 | 2016-05-25 | 西安电子科技大学 | 全极化sar海岸线地物分类方法 |
CN105911544A (zh) * | 2016-05-09 | 2016-08-31 | 西安理工大学 | 一种基于压缩感知技术的扩频穿墙雷达成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120235849A1 (en) * | 2010-11-19 | 2012-09-20 | Tatoian James Z | Method and apparatus for through the wall radar imaging |
-
2016
- 2016-09-21 CN CN201610838411.7A patent/CN106249233B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361346A (zh) * | 2014-10-21 | 2015-02-18 | 西安电子科技大学 | 基于k-svd和稀疏表示的极化sar图像分类方法 |
CN105608465A (zh) * | 2015-12-15 | 2016-05-25 | 西安电子科技大学 | 全极化sar海岸线地物分类方法 |
CN105911544A (zh) * | 2016-05-09 | 2016-08-31 | 西安理工大学 | 一种基于压缩感知技术的扩频穿墙雷达成像方法 |
Non-Patent Citations (2)
Title |
---|
FUSION OF POLARIMETRIC RADAR IMAGES USING HYBRID MATCHING PURSUIT;Cong Peng等;《Acoustics, Speech and Signal Processing (ICASSP), 2015 IEEE International Conference on》;20150806;2744-2748页 * |
Projection-Based and Look-Ahead Strategies for Atom Selection;Saikat Chatterjee等;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;20120229;第60卷(第2期);634-647页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106249233A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106249233B (zh) | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 | |
DE102016105891B4 (de) | Handgehaltene Vorrichtung, Objektpositionierungsverfahren und computerlesbares Aufzeichnungsmedium | |
CN106772365B (zh) | 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法 | |
Zhang et al. | Full polarimetric beam-forming algorithm for through-the-wall radar imaging | |
CN105866771B (zh) | 一种隐藏物检测系统及其检测方法 | |
Anfinsen | Statistical analysis of multilook polarimetric radar images with the Mellin transform | |
Park et al. | Simulation and analysis of polarimetric radar signatures of human gaits | |
Singh et al. | Simulation of the radar cross-section of dynamic human motions using virtual reality data and ray tracing | |
CN109782279A (zh) | 一种基于压缩感知的双基地isar成像方法 | |
CN107255800B (zh) | 多极化雷达成像的双层次块稀疏匹配追踪方法及装置 | |
CN109298417A (zh) | 一种基于雷达信号处理的建筑物内部结构探测方法及装置 | |
CN109696672B (zh) | 一种基于空间结构关联性的高分辨率穿墙雷达成像方法 | |
CN108919259A (zh) | 一种基于多径利用的穿墙雷达建筑墙体位置获取方法 | |
Liang et al. | Through-the-wall high-dimensional imaging of human vital signs by combining multiple enhancement algorithms using portable LFMCW-MIMO radar | |
Zhang et al. | idt: An integration of detection and tracking toward low-observable multipedestrian for urban autonomous driving | |
CN106291480A (zh) | 一种基于节点耦合的多径抑制算法 | |
Seng et al. | Image segmentations for through-the-wall radar target detection | |
Zheng et al. | RadarFormer: End-to-End Human Perception With Through-Wall Radar and Transformers | |
CN115825955A (zh) | 一种基于相干矩阵自适应分解的极化时序InSAR方法 | |
CN105678726A (zh) | 基于标记法的多模态微波成像方法及系统 | |
Kong et al. | Three-dimensional human imaging for through-the-wall radar | |
CN205729361U (zh) | 一种多模态微波扫描成像装置 | |
Chen et al. | A two-stage wall parameter estimation algorithm for UWB through-the-wall radar | |
Zhao et al. | Three-dimensional imaging for uwb though-the-wall radar | |
CN205729316U (zh) | 一种多模态微波乳房成像装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |