CN106872951B - 一种基于压缩感知的暗室宽带rcs测量方法 - Google Patents
一种基于压缩感知的暗室宽带rcs测量方法 Download PDFInfo
- Publication number
- CN106872951B CN106872951B CN201710002639.7A CN201710002639A CN106872951B CN 106872951 B CN106872951 B CN 106872951B CN 201710002639 A CN201710002639 A CN 201710002639A CN 106872951 B CN106872951 B CN 106872951B
- Authority
- CN
- China
- Prior art keywords
- frequency
- data
- angle
- matrix
- indicate
- 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
- 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
- G01S7/40—Means for monitoring or calibrating
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于压缩感知的暗室宽带RCS测量方法,包括步骤有:(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置;(2)依次将定标体、测量目标放在转台上,完成对测量目标的回波数据采样,采样过程中转台做匀速转动;(3)根据得到的采样数据完成对测量目标的定标处理;(4)将定标后的目标数据通过稀疏测量矩阵进行稀疏化处理;(5)利用二维矩阵数据重构算法对其他角度和其他频率的数据重构。本发明利用了二维信号的耦合性,所以在同样数据量的前提下,成像分辨率提高。
Description
技术领域
本发明涉及测量领域,尤其涉及一种基于压缩感知的暗室宽带RCS测量方法。
背景技术
传统的宽带RCS测量方法,要使目标扩展在距离向和方位向不模糊,测量频率间隔、角度步长要受Nyquist采样定理的限制,在该理论约束下的信息获取、存储、传输及处理已成为目前信息处理领域进一步发展的主要瓶颈之一。与Nyquist采样不同的是,压缩感知(CS)不是直接测量信号本身,而是利用构造观测矩阵Φ把一个稀疏或可压缩的高维信号投影到低维空间上,测量值是信号从高维空间到低维空间的投影值。这样,压缩感知理论基于高维数据中包含的信息维数往往远低于数据维数,把对信号的采样转变成对信息的采样,使得采样和压缩一并实现,从而降低信号的采样率、数据存储和传输代价。
压缩感知理论主要涉及三个关键要素:信号的稀疏表示、测量矩阵的构造、重构算法。在现有研究成果中,随机测量矩阵由于具有较好的理论特性受到广泛关注。但是,实际中随机矩阵实现困难,计算效率低下。因此,构造具有通用性,结构允许快速计算,且便于物理实现的确定性测量矩阵是将利用CS理论进行RCS测量推向实用化的关键所在。另外,现有技术中的重构算法主要有凸优化、贪婪追踪、组合算法等三大类。单一的算法往往是优缺点并存,例如,贪婪算法运行速度快,但需要的测量数据多,精度较低;凸优化算法需要的测量数据较少,重构精度较高,但有繁重的计算负担。
发明内容
针对上述现有技术存在的缺陷,本发明提供一种基于压缩感知的暗室宽带RCS测量方法,实现缩短测量时间,提高RCS测量效率的目的。
本发明提供的一种基于压缩感知的暗室宽带RCS测量方法,其改进之处在于,所述方法包括如下步骤:
(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置;
(2)依次将定标体、测量目标放在转台上,完成对所述测量目标的回波数据采样,采样过程中转台做匀速转动;
(3)根据得到的采样数据完成对所述测量目标的定标处理;
(4)将定标后的目标数据通过所述稀疏测量矩阵进行稀疏化处理;
(5)利用二维矩阵数据重构算法对其他角度和其他频率的数据重构。
优选的,所述压缩采样测试参数包括频率维和角度维;所述频率维包括起始频率、终止频率和步进频率;所述角度维包括起始角度、终止角度和步进角度;
步骤(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置,包括如下步骤:
1)径向和横向分别预估所述测量目标的稀疏散射中心个数;
2)计算所述稀疏测量矩阵的维数大小;
3)完成所述频率维和所述角度维参数设置,形成所述稀疏测量矩阵。
较优选的,步骤(2)的采样方式包括等角度间隔稀疏采样、频率步进稀疏采样和二维联合稀疏采样。
较优选的,所述测量目标的RCS表示为:
式中,表示目标在第m个角度第n个频率时的RCS数据,表示第i个散射中心对应的RCS数据,j是复数符号,f0表示起始频率,Δf表示频率步进大小,xi表示图像中第i个像素的横坐标,yi表示图像中第i个像素的纵坐标,c表示光速,θm=mΔθ表示第m个角度,Δθ表示角度步长大小;
观测角度小于30°,则:
式中,Δθ表示角度步长大小;λn表示第n个频率时对应的波长,其中:
令 则:
目标区域为Q×P的二维栅格,取Q>M,P>N,则:
式中,设定图像宽×高为Q像素×P像素,q表示图像中宽度方向第q列,p表示图像中高度方向第p行,q和p确定了一个像素,Δx、Δy分别表示一个像素的宽度、高度;
用矩阵表示如下:
式中,U表示实际采样得到数据矩阵,A是大小为Q×P的稀疏图像矩阵,Wx、均为稀疏测量矩阵;
所述数据矩阵U中的各元素U(m,n)表示为:
其中:
较优选的,对步骤(5)用于数据重构的结果评估公式为:
较优选的,所述其他角度包括起始角度和终止角度之间的角度;所述其他频率包括起始频率和终止频率之间的频率。
本发明的技术方案中,将突破传统的不模糊测量窗口的限制,通过测量少量的样本数据获取同传统方法一样的数据信息,使得在不损失RCS测量精度的前提下,能用传统测量点频RCS的时间得到同传统扫频RCS测量同样容量的信息。且本发明主要处理环节包括构造行列堆叠式使得观测矩阵结构更加紧凑合理,优化组合重构算法使得处理速度和精度得到保证,从而达到缩短测量时间以提高RCS测量效率的目的;
本发明利用了二维信号的耦合性,所以在同样数据量的前提下,成像分辨率提高。
本发明直接针对矩阵变量进行优化,大大缩小了使用行列堆叠式所造成的大存储需求,并且提高了重构时间和重构效率。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例的暗室RCS测量目标放在转台上旋转示意图,其中,UOV、XOY均表示坐标系,UOV坐标系是视角坐标系,不随目标旋转而旋转;XOY坐标系是固定在目标上的,随着目标旋转而旋转,当目标旋转角度θm=0时,两个坐标系重合。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举出优选实施例,对本发明进一步详细说明。然而,需要说明的是,说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解,即便没有这些特定的细节也可以实现本发明的这些方面。
暗室RCS测量的方式使得数据本身就很容易含有大量冗余信息,在密集频点、密集角度测量条件下,数据之间的相关性很强,如果能找到这些数据之间的线性无关量(对应CS理论中的稀疏表征基或稀疏字典),就可以达到减少测量的目的。
本实施例提出的一种基于压缩感知的暗室宽带RCS测量方法,其流程图如图1所示,包括如下步骤:
(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置,其中:
压缩采样测试参数包括频率维和角度维;频率维包括起始频率、终止频率和步进频率;角度维包括起始角度、终止角度和步进角度;
步骤(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置,包括如下步骤:
1)径向和横向分别预估测量目标的稀疏散射中心个数;
2)计算稀疏测量矩阵的维数大小;
3)完成频率维和角度维参数设置,形成稀疏测量矩阵。
参照图2,坐标系中:
u=xcos(θm)-ysin(θm)
v=xsin(θm)+ycos(θm)
其表示了两个坐标系的旋转关系,其中v轴与雷达天线(即馈源,雷达中称天线,RCS测试中称馈源,且天线在v轴负方向延长线上)视线方向一致。则在本实施例的基于压缩感知的暗室宽带RCS测量方法中,测量目标得RCS可表示为:
式中,表示目标在第m个角度第n个频率时的RCS数据,表示第i个散射中心对应的RCS数据,j是复数符号,与等价,f0表示起始频率,Δf表示频率步进大小,xi表示图像中第i个像素的横坐标,yi表示图像中第i个像素的纵坐标,c表示光速,θm=mΔθ表示第m个角度,Δθ表示角度步长大小;
基于散射中心模型,在实际应用中,一般目标旋转角度小于30°,本实施例设置观测角度小于15°,则:
式中,Δθ表示角度步长大小;λn表示第n个频率时对应的波长,其中:
令 则:
目标区域为Q×P的二维栅格,取Q>M,P>N,则:
式中,设定图像宽×高为Q像素×P像素,q表示图像中宽度方向第q列,p表示图像中高度方向第p行,q和p确定了一个像素,Δx、Δy表示一个像素的宽度、高度。
用矩阵表示如下:
式中,U表示实际采样得到数据矩阵,A是大小为Q×P的稀疏图像矩阵(稀疏度对应散射中心的多少),Wx、都是稀疏测量矩阵,分别用在图像矩阵的左侧和右侧。
在数据矩阵U中的各元素U(m,n)可表示为:
其中:
(2)依次将定标体、测量目标放在转台上,完成对测量目标的回波数据采样,采样过程中转台做匀速转动。本实施例的采样方式包括等角度间隔稀疏采样、频率步进稀疏采样和二维联合稀疏采样。
(3)根据得到的采样数据完成对测量目标的定标处理;
(4)将定标后的目标数据通过稀疏测量矩阵进行稀疏化处理;
(5)利用二维矩阵数据重构算法对起始角度和终止角度之间的角度和起始频率和终止频率之间的频率的数据进行重构。
本实施例通过使用两个大小分别为M×Q、P×N的稀疏基表示矩阵,避免了一维向量重构时基表示与测量矩阵都要有且分别构造的弊病,这里使二者合二为一,一方面通过更紧凑的矩阵表达直接使用二维矩阵重构方法大大缩短了稀疏化表示出图像的时间(缩短到几分钟以内),另一方面紧凑的矩阵表示方法也减少了稀疏化图像表示的噪声(斑点)。
重构结束后,本实施例可对数据进行结果评估,其公式为:
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种基于压缩感知的暗室宽带RCS测量方法,其特征在于,所述方法包括如下步骤:
(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置;
(2)依次将定标体、测量目标放在转台上,完成对所述测量目标的回波数据采样,采样过程中转台做匀速转动;
(3)根据得到的采样数据完成对所述测量目标的定标处理;
(4)将定标后的目标数据通过所述稀疏测量矩阵进行稀疏化处理;
(5)利用二维矩阵数据重构算法对起始角度和终止角度之间的角度和起始频率和终止频率之间的频率的数据重构;
其中,所述压缩采样测试参数包括频率维和角度维;所述频率维包括起始频率、终止频率和步进频率;所述角度维包括起始角度、终止角度和步进角度;
步骤(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置,包括如下步骤:
1)径向和横向分别预估所述测量目标的稀疏散射中心个数;
2)计算所述稀疏测量矩阵的维数大小;
3)完成所述频率维和所述角度维参数设置,形成所述稀疏测量矩阵;
所述测量目标的RCS表示为:
式中,表示目标在第m个角度第n个频率时的RCS数据,表示第i个散射中心对应的RCS数据,j是复数符号,f0表示起始频率,Δf表示频率步进大小,xi表示图像中第i个像素的横坐标,yi表示图像中第i个像素的纵坐标,c表示光速,θm=mΔθ表示第m个角度,Δθ表示角度步长大小;
观测角度小于30°,则:
式中,Δθ表示角度步长大小;λn表示第n个频率时对应的波长,其中:
令则:
目标区域为Q×P的二维栅格,取Q>M,P>N,则:
式中,设定图像宽×高为Q像素×P像素,q表示图像中宽度方向第q列,p表示图像中高度方向第p行,q和p确定了一个像素,Δx、Δy分别表示一个像素的宽度、高度;
用矩阵表示如下:
式中,U表示实际采样得到数据矩阵,A是大小为Q×P的稀疏图像矩阵,Wx、均为稀疏测量矩阵;
所述数据矩阵U中的各元素U(m,n)表示为:
其中:
2.如权利要求1所述的暗室宽带RCS测量方法,其特征在于,步骤(2)的采样方式包括等角度间隔稀疏采样、频率步进稀疏采样和二维联合稀疏采样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710002639.7A CN106872951B (zh) | 2017-01-03 | 2017-01-03 | 一种基于压缩感知的暗室宽带rcs测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710002639.7A CN106872951B (zh) | 2017-01-03 | 2017-01-03 | 一种基于压缩感知的暗室宽带rcs测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106872951A CN106872951A (zh) | 2017-06-20 |
CN106872951B true CN106872951B (zh) | 2019-07-12 |
Family
ID=59164395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710002639.7A Active CN106872951B (zh) | 2017-01-03 | 2017-01-03 | 一种基于压缩感知的暗室宽带rcs测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106872951B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647183B (zh) * | 2018-04-02 | 2021-09-24 | 北京环境特性研究所 | 基于压缩感知的复rcs数据插值方法 |
CN108983208B (zh) * | 2018-06-19 | 2020-10-09 | 中国电子科技集团公司第四十一研究所 | 一种基于近场稀疏成像外推的目标rcs测量方法 |
CN109031239B (zh) * | 2018-08-29 | 2022-08-05 | 电子科技大学 | 基于信息融合的压缩感知外辐射源雷达对目标检测方法 |
CN110441746B (zh) * | 2019-08-20 | 2021-07-09 | 北京环境特性研究所 | 一种时域门变换方法和装置 |
CN111722233B (zh) * | 2020-06-18 | 2024-06-14 | 重庆大学 | 一种基于确定性测量矩阵的压缩感知超声成像方法 |
CN112230221A (zh) * | 2020-09-24 | 2021-01-15 | 电子科技大学 | 一种基于三维稀疏成像的rcs测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254054A (zh) * | 2010-05-19 | 2011-11-23 | 中国科学院电子学研究所 | 一种稀疏微波成像处理的模型构建方法 |
CN105388473A (zh) * | 2015-11-17 | 2016-03-09 | 西北工业大学 | 一种基于高分辨成像的近场rcs快速测量方法 |
-
2017
- 2017-01-03 CN CN201710002639.7A patent/CN106872951B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254054A (zh) * | 2010-05-19 | 2011-11-23 | 中国科学院电子学研究所 | 一种稀疏微波成像处理的模型构建方法 |
CN105388473A (zh) * | 2015-11-17 | 2016-03-09 | 西北工业大学 | 一种基于高分辨成像的近场rcs快速测量方法 |
Non-Patent Citations (2)
Title |
---|
合成孔径雷达运动目标谱图二维压缩与重构方法;朱丰 等;《电波科学学报》;20120228;第27卷(第1期);第157-164页 |
微波暗室目标RCS测试方法的研究与试验;郭静;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090615;摘要、第18、23-25页 |
Also Published As
Publication number | Publication date |
---|---|
CN106872951A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106872951B (zh) | 一种基于压缩感知的暗室宽带rcs测量方法 | |
CN104101864B (zh) | 基于eof分解的导航x波段雷达海浪参数反演算法 | |
JP6349937B2 (ja) | 変動検出装置、変動検出方法および変動検出用プログラム | |
CN102621546B (zh) | 基于关联成像的三维信息获取方法 | |
CN107238824B (zh) | 基于先验dem数据的星载sar图像几何精校正方法 | |
CN103234479B (zh) | 基于压缩感知脉冲编码调制的三维信息获取装置和方法 | |
CN102313888A (zh) | 一种基于压缩传感的线阵sar三维成像方法 | |
CN103235298A (zh) | 基于稀疏阵列的微波关联成像系统与成像方法 | |
CN102854507B (zh) | 一种基于gpu后向投影双站合成孔径雷达成像方法 | |
CN101336833B (zh) | 超声波诊断装置 | |
CN102508251B (zh) | 多波束图像声纳中扇形变换的快速实现方法 | |
CN101236660A (zh) | 三维扫描仪及其三维模型重构方法 | |
CN102608619A (zh) | 光子计数压缩采样相控阵激光三维成像方法 | |
JP2011123060A (ja) | 三次元画像を形成するための識別専用オプトロニックシステムおよび方法 | |
CN104391295A (zh) | 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法 | |
CN109738894A (zh) | 一种雷达的成像方法 | |
CN104013424B (zh) | 一种基于深度信息的超声宽景成像方法 | |
CN104306023A (zh) | 基于压缩感知的超声成像快速实现方法 | |
CN103616682B (zh) | 一种基于曲面投影的多基线InSAR处理方法 | |
CN100523382C (zh) | 基于双图像传感器的适用于顶桥施工的移动位姿测量方法 | |
CN105388473A (zh) | 一种基于高分辨成像的近场rcs快速测量方法 | |
CN106301383A (zh) | 一种基于压缩感知的信号处理方法 | |
CN1776453A (zh) | 星载成像光谱仪遥感影像的模拟技术 | |
CN107656271B (zh) | 基于压缩感知重构的太赫兹雷达成像算法 | |
CN109829547A (zh) | 一种基于深度学习的一维综合孔径微波辐射计sst反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |