CN108614265A - 基于NSL0重构算法的THz-FMCW雷达成像算法 - Google Patents
基于NSL0重构算法的THz-FMCW雷达成像算法 Download PDFInfo
- Publication number
- CN108614265A CN108614265A CN201810558020.9A CN201810558020A CN108614265A CN 108614265 A CN108614265 A CN 108614265A CN 201810558020 A CN201810558020 A CN 201810558020A CN 108614265 A CN108614265 A CN 108614265A
- Authority
- CN
- China
- Prior art keywords
- signal
- sparse
- algorithms
- nsl0
- thz
- 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.)
- Pending
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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供基于NSL0重构算法的太赫兹调频连续波雷达成像算法,步骤1、设计一测量矩阵,该测量矩阵确定THz FMCW雷达在扫描平面内的测量位置点;步骤2、根据步骤1中设计的测量矩阵,在对应的空间位置进行THz FMCW雷达回波信号采集,得到测量信号;步骤3、对步骤2中得到的测量信号采用NSL0重构算法进行重构,得到变换域稀疏信号;步骤4、对步骤3中重构得到的变换域稀疏信号进行处理,实现原始信号的重构;步骤5、将重构得到的原始信号进行三维成像处理。本发明中采用的NSL0重构算法,可克服SL0重构算法存在的最优解索路径呈“锯齿状”、函数收敛速度降慢等缺点,具有重构速度快、成像时间短等优点。
Description
技术领域
本发明涉及太赫兹调频连续波雷达成像算法领域,特别是涉及基于NSL0重构算法的THz-FMCW雷达成像算法。
背景技术
太赫兹波(THz)是指频率在0.1THz—10THz之间的电磁波,是一个尚未被人类完全认知和利用的电磁波段。THz雷达具有大的工作带宽,能够实现高分辨率成像,同时可以穿透其他频段的电磁波不能穿透的物质,适用于无损检测、安检等一系列实际应用当中。
压缩感知理论利用信号的稀疏性,通过较少的测量数据即可准确恢复出原始信号。在雷达成像领域,尽管THz成像技术可极大提高成像分辨率,但同时对采样率、方位采样间隔提出了更高要求,由此带来数据获取时间长、数据传输困难等问题。依据压缩感知理论,如果雷达场景稀疏或者可通过某种变换稀疏表示,则可通过采集远低于传统奈奎斯特采样方法要求的数据量进行场景重构,即利用较少的采样数据来实现对原始完整信号的近似逼近,获得较理想的恢复重建。由于压缩采样方法的采用,压缩感知雷达成像技术可以降低系统采样率、增大测绘带宽度、降低采样数据量。所以本发明中将压缩感知理论应用到THz雷达成像中以减少数据采集样本,进而提高成像速度。
目前已经有了一系列基于压缩感知的THz雷达成像算法,比如“基于压缩感知的太赫兹调频连续波雷达成像算法研究”论文中研究了基于SL0压缩感知重构算法的THz-FMCW雷达成像算法。专利方面,专利号CN201710782421.8,专利名称基于压缩感知重构的太赫兹雷达成像算法则采用2D-SL0重构算法
尽管目前已有不少基于压缩感知的雷达成像方法的专利,但对于太赫兹调频连续波成像雷达,其基于压缩感知的成像算法较少,比较相关的是本研究团队的“基于压缩感知重构的太赫兹雷达成像算法”、“基于压缩感知的太赫兹调频连续波雷达三维成像算法”等专利,及“基于压缩感知的太赫兹调频连续波雷达成像算法研究”等论文。与对比文献相比,本申请专利主要是采用了NSL0重构算法。由于SL0重构算法在迭代的过程中采用的是最速下降法,沿着最速下降方向搜索最优解,其搜索路径呈“锯齿状”,导致函数收敛速度降低。基于NSL0重构算法的太赫兹调频连续波雷达成像算法,可以克服SL0重构算法中函数收敛速度降低的问题,具有重构速度快、成像时间短等优点。
发明内容
为了解决以上问题,本发明提供基于NSL0重构算法的THz-FMCW雷达成像算法,本发明中采用的NSL0重构算法,可克服SL0重构算法存在的最优解索路径呈“锯齿状”、函数收敛速度降慢等缺点,具有重构速度快、成像时间短等优点,为达此目的,本发明提供基于NSL0重构算法的THz-FMCW雷达成像算法,具体步骤如下,其特征在于:
步骤1、设计一测量矩阵,该测量矩阵确定THz FMCW雷达在扫描平面内的测量位置点;
步骤2、根据步骤1中设计的测量矩阵,在对应的空间位置进行THz FMCW雷达回波信号采集,得到测量信号y;
步骤3、对步骤2中得到的测量信号采用NSL0重构算法进行重构,得到变换域稀疏信号;
步骤4、对步骤3中重构得到的变换域稀疏信号进行处理,实现原始信号的重构;
步骤5、将重构得到的原始信号进行三维成像处理。
本发明的进一步改进,步骤3中由较少的测量信号样本y重构原始信号g,然而g是不稀疏的,由y直接重构出g的过程不能成立,此时,将原始信号进行稀疏表示:
g=Ψx (1)
式中,x为原始信号g在Ψ变换域的稀疏表示,Ψ表示稀疏变换基,本发明中采用的稀疏变换基为离散余弦变换基。
考虑到测量测量公式y=Φg,则测量信号y与变换域稀疏信号x之间存在着如下的关系:
y=ΦΨx=Ax (2)
式中,A=ΦΨ为感知矩阵,表示测量矩阵和稀疏变换基的乘积;
将y看作是稀疏信号x关于“测量矩阵”A的测量值,通过求解一个类似最优l0范数问题来重构稀疏信号x,即
本发明的进一步改进,步骤3中基于NSL0的压缩感知重构算法总结如下;
输入:(1)M×N的感知矩阵A,其中M<<N,A=ΦΨ;
(2)长度为M的测量值y;
输出:长度为N的重构稀疏信号满足
初始化各参数:
(1)x0=AT(AAT)-1y;
(2)选择合适的σ递减序列{σ1,σ2,...,σj},σj=βσj-1,β(0<β<1)为递减因子;
算法步骤:
(1)进行外循环:j=1,2,3,...,J
A、σ=σj;
B、xj=xj-1;
C、r0=0;
D、内部循环:n=1,2,3,...,N
a)计算修正后的牛顿方向
b)对重构信号进行更新
c)根据梯度投影原理,得到
d)计算余量,
e)判断余量的差值,若||r-r0||<e则退出当前σ值下的内循环,否则r0=r;
E、
(2)得到重构稀疏信号
本发明的进一步改进,步骤4中将重构的稀疏信号乘上稀疏变换基Ψ进行稀疏反变换得到重构的原始信号
本发明公开了一种基于NSL0重构算法的太赫兹调频连续波雷达成像算法,该算法首先设计好测量矩阵并完成THz FMCW雷达回波信号采集;采用NSL0重构算法对测量雷达回波信号进行重构,对得到的变换域稀疏信号进行处理实现原始信号重构;将重构信号进行三维成像处理实现目标的三维成像。本发明与SL0重构算法相比,具有收敛速度快,成像效率高等优点。
附图说明
图1为基于压缩感知的THz-FMCW雷达三维成像算法的流程图。
图2为一具体实施例中稀疏率为20%时重构的剪刀图像。
图3为一具体实施例中稀疏率为30%时重构的剪刀图像。
图4为一具体实施例中稀疏率为50%时重构的剪刀图像。
图5为不同稀疏率条件下,SL0算法与NSL0算法的成像重构时间对比曲线图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供基于NSL0重构算法的THz-FMCW雷达成像算法,本发明中采用的NSL0重构算法,可克服SL0重构算法存在的最优解索路径呈“锯齿状”、函数收敛速度降慢等缺点。
本实施实例将通过THz-FMCW雷达成像系统的实际测量数据对本发明中提出的算法进行验证说明。
为验证本发明中提出的基于压缩感知的THz-FMCW雷达三维成像算法,利用THz-FMCW雷达三维成像系统进行实测成像实验,成像目标为距离扫描平面0.25m处的剪刀。成像系统的工作频率范围为170GHz-220GHz,扫描平面的扫描范围为151mm*151mm。
基于NSL0的THz FMCW雷达压缩感知成像重构算法,算法流程如图1所示,具体操作步骤如下:
步骤1、设计一测量矩阵Φ,该测量矩阵确定THz FMCW雷达在扫描平面内的测量位置点;
步骤2、根据步骤1中设计的测量矩阵,在对应的空间位置进行THz FMCW雷达回波信号采集,得到测量信号y;
步骤3、由较少的测量信号样本y重构原始信号g,然而g是不稀疏的,由y直接重构出g的过程不能成立。此时,将原始信号进行稀疏表示:
g=Ψx (1)
式中,x为原始信号g在Ψ变换域的稀疏表示,Ψ表示稀疏变换基,本发明中采用的稀疏变换基为离散余弦变换基。
考虑到测量测量公式y=Φg,则测量信号y与变换域稀疏信号x之间存在着如下的关系:
y=ΦΨx=Ax (2)
式中,A=ΦΨ为感知矩阵,表示测量矩阵和稀疏变换基的乘积;
将y看作是稀疏信号x关于“测量矩阵”A的测量值,通过求解一个类似最优l0范数问题来重构稀疏信号x,即
基于NSL0的压缩感知重构算法总结如下。
输入:(1)M×N的感知矩阵A,其中M<<N,A=ΦΨ。
(2)长度为M的测量值y。
输出:长度为N的重构稀疏信号满足
初始化各参数:
(1)x0=AT(AAT)-1y;
(2)选择合适的σ递减序列{σ1,σ2,…,σj},σj=βσj-1,β(0<β<1)为递减因子。
算法步骤:
(1)进行外循环:j=1,2,3,…,J
A、σ=σj;
B、xj=xj-1;
C、r0=0;
D、内部循环:n=1,2,3,…,N
a)计算修正后的牛顿方向
b)对重构信号进行更新
c)根据梯度投影原理,得到
d)计算余量,
e)判断余量的差值,若||r-r0||<e则退出当前σ值下的内循环,否则r0=r;
E、
(2)得到重构稀疏信号
步骤4、将重构的稀疏信号乘上稀疏变换基Ψ进行稀疏反变换得到重构的原始信号
步骤5、将重构得到的原始信号进行三维成像处理。
图2-4分别给出了数据稀疏率为20%、30%、50%时的剪刀THz FMCW雷达成像效果图。
图5给出了数据稀疏率为10%、20%、30%、50%时SL0算法与NSL0算法的成像重构时间对比曲线图。由图可知,相比于SL0重构算法,NSL0重构算法重构速度快、成像时间短。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (4)
1.基于NSL0重构算法的THz-FMCW雷达成像算法,具体步骤如下,其特征在于:
步骤1、设计一测量矩阵,该测量矩阵确定THz FMCW雷达在扫描平面内的测量位置点;
步骤2、根据步骤1中设计的测量矩阵,在对应的空间位置进行THz FMCW雷达回波信号采集,得到测量信号y;
步骤3、对步骤2中得到的测量信号采用NSL0重构算法进行重构,得到变换域稀疏信号;
步骤4、对步骤3中重构得到的变换域稀疏信号进行处理,实现原始信号的重构;
步骤5、将重构得到的原始信号进行三维成像处理。
2.根据权利要求1所述的基于NSL0重构算法的THz-FMCW雷达成像算法,其特征在于:步骤3中由较少的测量信号样本y重构原始信号g,然而g是不稀疏的,由y直接重构出g的过程不能成立,此时,将原始信号进行稀疏表示:
g=Ψx (1)
式中,x为原始信号g在Ψ变换域的稀疏表示,Ψ表示稀疏变换基,本发明中采用的稀疏变换基为离散余弦变换基。
考虑到测量测量公式y=Φg,则测量信号y与变换域稀疏信号x之间存在着如下的关系:
y=ΦΨx=Ax (2)
式中,A=ΦΨ为感知矩阵,表示测量矩阵和稀疏变换基的乘积;
将y看作是稀疏信号x关于“测量矩阵”A的测量值,通过求解一个类似最优l0范数问题来重构稀疏信号x,即
3.根据权利要求1所述的基于NSL0重构算法的THz-FMCW雷达成像算法,其特征在于:步骤3中基于NSL0的压缩感知重构算法总结如下;
输入:(1)M×N的感知矩阵A,其中M<<N,A=ΦΨ;
(2)长度为M的测量值y;
输出:长度为N的重构稀疏信号满足
初始化各参数:
(1)x0=AT(AAT)-1y;
(2)选择合适的σ递减序列{σ1,σ2,...,σj},σj=βσj-1,β(0<β<1)为递减因子;
算法步骤:
(1)进行外循环:j=1,2,3,...,J
A、σ=σj;
B、xj=xj-1;
C、r0=0;
D、内部循环:n=1,2,3,...,N
a)计算修正后的牛顿方向
b)对重构信号进行更新
c)根据梯度投影原理,得到
d)计算余量,
e)判断余量的差值,若||r-r0||<e则退出当前σ值下的内循环,否则r0=r;
E、
(2)得到重构稀疏信号
4.根据权利要求1所述的基于NSL0重构算法的THz-FMCW雷达成像算法,其特征在于:步骤4中将重构的稀疏信号乘上稀疏变换基Ψ进行稀疏反变换得到重构的原始信号
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558020.9A CN108614265A (zh) | 2018-06-01 | 2018-06-01 | 基于NSL0重构算法的THz-FMCW雷达成像算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558020.9A CN108614265A (zh) | 2018-06-01 | 2018-06-01 | 基于NSL0重构算法的THz-FMCW雷达成像算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108614265A true CN108614265A (zh) | 2018-10-02 |
Family
ID=63664582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810558020.9A Pending CN108614265A (zh) | 2018-06-01 | 2018-06-01 | 基于NSL0重构算法的THz-FMCW雷达成像算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108614265A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782367A (zh) * | 2019-01-14 | 2019-05-21 | 河北华讯方舟太赫兹技术有限公司 | 一种安检系统以及安检方法 |
CN111551902A (zh) * | 2020-06-02 | 2020-08-18 | 电子科技大学 | 基于压缩感知技术的fmcw雷达天线缺损时采集信号恢复方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120313809A1 (en) * | 2011-06-10 | 2012-12-13 | Sony Corporation | Signal processing unit and method |
US20130107667A1 (en) * | 2010-09-30 | 2013-05-02 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Reconstructing Scenes Using Virtual Arrays of Transducers and Joint Sparsity Models |
US20140232591A1 (en) * | 2013-02-19 | 2014-08-21 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Multiple Spotlight Synthetic Radar Imaging Using Random Beam Steering |
US20140247181A1 (en) * | 2012-11-12 | 2014-09-04 | Sony Corporation | Radar apparatus and method |
CN104483669A (zh) * | 2014-12-01 | 2015-04-01 | 无锡市雷华科技有限公司 | 一种基于微波成像技术的危险品有源探测方法及装置 |
CN104898118A (zh) * | 2015-03-18 | 2015-09-09 | 中国科学院电子学研究所 | 一种基于稀疏频点的三维全息成像的重建方法 |
CN105917249A (zh) * | 2014-01-13 | 2016-08-31 | 三菱电机株式会社 | 用于重构墙壁后的场景的方法和系统 |
CN106772370A (zh) * | 2016-12-19 | 2017-05-31 | 上海理工大学 | 基于多发多收阵列的太赫兹近场稀疏成像方法 |
CN107085206A (zh) * | 2017-03-22 | 2017-08-22 | 南京航空航天大学 | 一种基于自适应稀疏保持投影的一维距离像识别方法 |
CN107229049A (zh) * | 2017-06-19 | 2017-10-03 | 南京理工大学 | 基于压缩感知的太赫兹调频连续波雷达三维成像算法 |
CN107656271A (zh) * | 2017-09-02 | 2018-02-02 | 南京理工大学 | 基于压缩感知重构的太赫兹雷达成像算法 |
-
2018
- 2018-06-01 CN CN201810558020.9A patent/CN108614265A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130107667A1 (en) * | 2010-09-30 | 2013-05-02 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Reconstructing Scenes Using Virtual Arrays of Transducers and Joint Sparsity Models |
US20120313809A1 (en) * | 2011-06-10 | 2012-12-13 | Sony Corporation | Signal processing unit and method |
US20140247181A1 (en) * | 2012-11-12 | 2014-09-04 | Sony Corporation | Radar apparatus and method |
US20140232591A1 (en) * | 2013-02-19 | 2014-08-21 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Multiple Spotlight Synthetic Radar Imaging Using Random Beam Steering |
CN105917249A (zh) * | 2014-01-13 | 2016-08-31 | 三菱电机株式会社 | 用于重构墙壁后的场景的方法和系统 |
EP3094987A1 (en) * | 2014-01-13 | 2016-11-23 | Mitsubishi Electric Corporation | Method and system for reconstructing scene behind wall |
CN104483669A (zh) * | 2014-12-01 | 2015-04-01 | 无锡市雷华科技有限公司 | 一种基于微波成像技术的危险品有源探测方法及装置 |
CN104898118A (zh) * | 2015-03-18 | 2015-09-09 | 中国科学院电子学研究所 | 一种基于稀疏频点的三维全息成像的重建方法 |
CN106772370A (zh) * | 2016-12-19 | 2017-05-31 | 上海理工大学 | 基于多发多收阵列的太赫兹近场稀疏成像方法 |
CN107085206A (zh) * | 2017-03-22 | 2017-08-22 | 南京航空航天大学 | 一种基于自适应稀疏保持投影的一维距离像识别方法 |
CN107229049A (zh) * | 2017-06-19 | 2017-10-03 | 南京理工大学 | 基于压缩感知的太赫兹调频连续波雷达三维成像算法 |
CN107656271A (zh) * | 2017-09-02 | 2018-02-02 | 南京理工大学 | 基于压缩感知重构的太赫兹雷达成像算法 |
Non-Patent Citations (2)
Title |
---|
葛玲玉: "基于压缩感知的THz FMCW雷达三维成像算法研究", 《2017年全国微波毫米波会议论文集(中册)》 * |
赵瑞珍: "基于光滑l0范数和修正牛顿法的压缩感知重建算法", 《计算机辅助设计与图形学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782367A (zh) * | 2019-01-14 | 2019-05-21 | 河北华讯方舟太赫兹技术有限公司 | 一种安检系统以及安检方法 |
CN111551902A (zh) * | 2020-06-02 | 2020-08-18 | 电子科技大学 | 基于压缩感知技术的fmcw雷达天线缺损时采集信号恢复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Sparse synthetic aperture radar imaging from compressed sensing and machine learning: Theories, applications, and trends | |
CN104111458B (zh) | 基于双重稀疏约束的压缩感知合成孔径雷达成像方法 | |
CN109870687A (zh) | 一种用于互质采样星载sar的成像处理方法 | |
Wang et al. | CSR-Net: A novel complex-valued network for fast and precise 3-D microwave sparse reconstruction | |
CN107132535A (zh) | 基于变分贝叶斯学习算法的isar稀疏频带成像方法 | |
CN102854507B (zh) | 一种基于gpu后向投影双站合成孔径雷达成像方法 | |
Feng et al. | An extended fast factorized back projection algorithm for missile-borne bistatic forward-looking SAR imaging | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
CN108983229A (zh) | 基于sar层析技术的高压输电铁塔高度及形变提取方法 | |
He et al. | Fast 3D-ISAR image simulation of targets at arbitrary aspect angles through nonuniform fast Fourier transform (NUFFT) | |
CN110244303A (zh) | 基于sbl-admm的稀疏孔径isar成像方法 | |
Zhang et al. | Matrix completion for downward-looking 3-D SAR imaging with a random sparse linear array | |
CN105467388A (zh) | 低信噪比下压缩感知雷达高分辨成像设备及其成像方法 | |
CN107544068A (zh) | 一种基于频域bp的图像域宽带合成方法 | |
Hamran et al. | Glacier study using wavenumber domain synthetic aperture radar | |
CN109507666A (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
CN108535726A (zh) | 基于幂权Fourier变换的ISAR成像方法 | |
CN109031299B (zh) | 低信噪比条件下基于相位差分的isar平动补偿方法 | |
CN108614265A (zh) | 基于NSL0重构算法的THz-FMCW雷达成像算法 | |
CN105891827B (zh) | 一种机载mimo-sar下视三维稀疏成像方法 | |
CN105929397B (zh) | 基于正则化的偏置相位中心天线成像方法 | |
CN104749573A (zh) | 空频域二维稀疏的步进频率sar成像方法 | |
CN108415014A (zh) | 一种基于压缩感知的全息雷达成像方法及系统 | |
CN103293527B (zh) | 基于置信框架的自适应isar成像方法 | |
CN105447818A (zh) | 基于变密度频域稀疏测量的图像重构方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181002 |