CN108647418B - 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法 - Google Patents

一种图像信噪比最优的综合孔径辐射计天线阵列排布方法 Download PDF

Info

Publication number
CN108647418B
CN108647418B CN201810409105.0A CN201810409105A CN108647418B CN 108647418 B CN108647418 B CN 108647418B CN 201810409105 A CN201810409105 A CN 201810409105A CN 108647418 B CN108647418 B CN 108647418B
Authority
CN
China
Prior art keywords
baseline
antenna array
target
particle
redundancy
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
Application number
CN201810409105.0A
Other languages
English (en)
Other versions
CN108647418A (zh
Inventor
胡飞
朱冬
彭晓辉
胡昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201810409105.0A priority Critical patent/CN108647418B/zh
Publication of CN108647418A publication Critical patent/CN108647418A/zh
Application granted granted Critical
Publication of CN108647418B publication Critical patent/CN108647418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q21/00—Antenna arrays or systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，包括：根据综合孔径辐射计天线阵列的稀疏构型对反演图像信噪比的作用关系，建立基于采样空洞位置与冗余基线分布的目标函数；根据物理限制和性能约束，建立天线阵列排布的约束函数；结合目标函数与约束函数，建立以图像信噪比最优为目标的综合孔径稀疏天线阵列优化的问题模型；利用智能优化算法求解问题模型，获得最优的天线阵列构型。本发明提出的综合孔径辐射计天线阵列优化排布方法，得到的阵列构型优于同等阵元规模的典型阵列构型，可以提高反演图像信噪比，有利于后续图像处理的目标检测。

Description

一种图像信噪比最优的综合孔径辐射计天线阵列排布方法
技术领域
本发明属于微波遥感及目标探测技术领域，更具体地，涉及一种图像信噪比最优的综合孔径辐射计天线阵列排布方法。
背景技术
来源于射电天文中的“孔径综合技术”利用稀疏的小口径天线阵列实现对大孔径天线的“合成”，回避了微波遥感及目标探测领域中物理口径较大的实孔径天线制作困难的问题，从而获得了较高的空间分辨率。
为了获得更好的成像性能，阵列的稀疏优化通常以空间分辨率或者灵敏度为目标。空间分辨率用来衡量综合孔径辐射计对邻近目标的分辨能力，一般用天线阵列合成方向图的3dB波束宽度来定义；灵敏度用来衡量系统对外部目标亮温最小变化的检测能力，一般用综合孔径辐射计系统的波动程度来定义。但是，综合孔径辐射计系统单次输出为一幅图像，以上两个指标都不适合直接评价图像质量。针对(类)点源目标场景，从目标检测的角度，对图像特别单帧图像的评估更关注的是图像噪声和目标亮温的空间分布特征，可以用图像信噪比表征，而以空间分辨率或者灵敏度为目标的阵列稀疏优化方法无法保证图像信噪比的最优化。现有技术存在反演图像信噪比较低，不利于后续图像处理的目标检测的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，由此解决现有技术存在反演图像信噪比较低，不利于后续图像处理的目标检测的技术问题。
为实现上述目的，本发明提供了一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，包括：
(1)根据综合孔径辐射计天线阵列的稀疏构型对反演图像信噪比的作用关系，建立基于采样空洞位置与冗余基线分布的目标函数；根据物理限制和性能约束，建立天线阵列排布的约束函数；
(2)结合目标函数与约束函数，建立以图像信噪比最优为目标的综合孔径稀疏天线阵列优化的问题模型；利用智能优化算法求解问题模型，获得最优的天线阵列构型。
进一步地，综合孔径辐射计天线阵列的稀疏构型为：
X＝(x1，x2，...，xN)
其中，xi表示天线阵列的稀疏构型中第i个单元天线的位置坐标，即xi＝(xi，yi)，i＝1，2，...，N，xi与yi分别表示第i个单元天线在笛卡尔坐标系中x方向与y方向上的坐标；N表示天线阵列中单元天线的数量。
进一步地，步骤(1)包括：
(1.1)将综合孔径辐射计天线阵列中的天线进行两两组合得到基线，通过计算波长归一化的天线坐标差获得基线矢量序列；
(1.2)根据基线矢量序列，去掉基线的冗余部分，获得无冗余的基线矢量序列，进而获得每个基线对应的冗余次数，构成冗余集合；
(1.3)根据系统设计要求确定参考基线分布，表示为无冗余的参考基线矢量序列；
(1.4)根据无冗余基线矢量序列以及无冗余的参考基线矢量序列，获得位于参考基线分布中的基线矢量，表示为无冗余目标基线矢量序列，将无冗余目标基线矢量序列与冗余集合结合，构成与无冗余目标基线矢量序列对应的目标冗余集合；
(1.5)根据无冗余目标基线矢量序列以及无冗余的参考基线矢量序列，获得采样空洞位置，表示为空洞矢量序列；
(1.6)根据目标冗余集合，建立基于冗余基线分布的子目标函数，根据空洞矢量序列，建立基于采样空洞位置的子目标函数，将基于冗余基线分布的子目标函数与基于采样空洞位置的子目标函数相加，得到基于采样空洞位置与冗余基线分布的目标函数；根据物理限制和性能约束，建立天线阵列排布的约束函数。
进一步地，目标函数为：
Figure GDA0002338731700000031
其中，f(X)为目标函数，f1为基于冗余基线分布的子目标函数，f2为基于采样空洞位置的子目标函数，V0代表零基线处的可见度，wq为可见度的归一化比值，r* p表示第p个无冗余目标基线的冗余次数，p＝1，2，...，S*；S*是无冗余目标基线的数量，q＝1，2，...，Sh，Sh是采样空洞的数量。
进一步地，物理限制与性能约束包括阵元数量Nc、参考基线分布
Figure GDA0002338731700000032
以及目标基线覆盖率Rc。
进一步地，约束函数为：
Figure GDA0002338731700000033
具体表示为：
s.t.N＝Nc
Figure GDA0002338731700000034
Figure GDA0002338731700000035
其中，
Figure GDA0002338731700000036
与
Figure GDA0002338731700000037
分别表示
Figure GDA0002338731700000038
与
Figure GDA0002338731700000039
中的无冗余基线数量；
Figure GDA00023387317000000310
为无冗余目标基线矢量序列，
Figure GDA00023387317000000311
为无冗余的参考基线矢量序列，N表示天线阵列中单元天线的数量。
进一步地，智能优化算法包括：
(2.1)将综合孔径辐射计天线阵列的稀疏构型作为位置向量，随机初始化Ms个粒子的位置向量X和速度向量V；
(2.2)计算满足约束函数的粒子的目标函数值，即为该粒子的适应度；
(2.3)根据每个粒子的适应度更新经过t次迭代后每个粒子局部最优位置向量；
(2.4)根据每个粒子的适应度更新经过t次迭代后至今全局最优粒子位置向量；
(2.5)判断迭代次数t是否达到设定最大迭代次数Ks，若是，则将经过t次迭代后至今的全局最优粒子位置向量作为最优的天线阵列构型，
否则，根据公式Vs，t+1＝wVs，t+c1η1(Ps，t-Xs，t)+c2η2(Gt-Xs，t)更新每个粒子的速度向量，根据公式Xs，t+1＝Xs，t+Vs，t+1更新每个粒子的位置向量，且令t＝t+1返回步骤(2.2)；
其中，迭代次序t的初始值为1，1≤t≤Ks，Ks为设定最大迭代次数；下标s为粒子序号，1≤s≤Ms，Ms为粒子数量；w为惯性权重，每个粒子的位置向量代表一种阵列构型；η1和η2均为[0，1]区间内均匀分布的伪随机数；c1和c2均为加速系数，c1∈[0，4]，c2∈[0，4]；Ps，t为经过t次迭代后粒子s的局部最优位置向量；Gt为经过t次迭代后全局最优位置向量；Xs，t为经过t次迭代后粒子s的位置向量；Vs，t为经过t次迭代后粒子s的速度向量。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明提供的基于图像信噪比最优的综合孔径辐射计天线阵列优化排布方法，首先根据天线阵列的稀疏构型对综合孔径辐射计反演图像信噪比的作用关系，建立基于冗余基线分布与采样空洞位置的目标函数；其次根据系统设计的物理限制与性能约束，建立天线阵列优化排布的约束函数；然后结合目标函数与约束函数，建立以图像信噪比最优为目标的综合孔径稀疏天线阵列优化的问题模型；最后利用智能优化算法求解该问题模型，获得最优的天线阵列构型。针对微波遥感及目标探测应用中的(类)点源场景，该方法以图像信噪比为核心构造综合孔径阵列的稀疏优化问题模型，通过智能搜索得到的阵列构型不仅能够保证系统设计的基本要求，并且与典型阵列构型相比，还提高了反演图像信噪比，有利于目标检测与成像。
附图说明
图1是本发明实施例提供的基于图像信噪比最优的综合孔径辐射计天线阵列优化排布方法流程图；
图2是本发明实施例1提供的布阵区域约束示意图；
图3是本发明实施例1提供的布阵区域示意图；
图4是本发明实施例1提供的UV覆盖约束示意图；
图5是本发明实施例1提供的粒子群优化算法的流程图；
图6是本发明实施例1提供的优化阵列构型及其UV覆盖示意图；
图7是本发明实施例1提供的典型阵列构型及其UV覆盖示意图；
图8是本发明实施例1提供的仿真原始场景亮温图；
图9是本发明实施例1提供的基于优化阵列的反演亮温图；
图10是本发明实施例1提供的基于典型阵列的反演亮温图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明提供了一种图像信噪比最优的综合孔径辐射计天线阵列优化排布方法，包括如下步骤：
(1)根据综合孔径辐射计天线阵列的稀疏构型X对综合孔径辐射计反演图像信噪比的作用关系，建立基于冗余基线分布与采样空洞位置的目标函数f(X)；
(2)根据系统设计的物理限制与性能约束，建立天线阵列排布的约束函数s(X)；
(3)结合目标函数与约束函数，建立以图像信噪比最优为目标的综合孔径稀疏天线阵列优化的问题模型如下
Figure GDA0002338731700000061
(4)利用智能优化算法求解(3)中的问题模型，获得最优的天线阵列构型；
其中，综合孔径辐射计天线阵列的稀疏构型X＝(x1，x2，...，xN)，xi表示阵列构型中第i个单元天线的位置坐标，即xi＝(xi，yi)，i＝1，2，...，N，xi与yi分别表示第i个单元天线在笛卡尔坐标系中x方向与y方向上的坐标；N表示阵列中单元天线的数量。
步骤(1)包括如下子步骤：
(1.1)将天线阵列中的天线进行两两组合得到基线，通过计算波长归一化的天线坐标差获得基线矢量序列B＝(b1，b2，...，bs)；
bj表示第j个基线的位置坐标，即bj＝(uj，vj)＝(xj1-xj2)/λ，j＝1，2，...，S；uj与vj分别表示第j个基线在笛卡尔坐标系中x方向与y方向上的坐标；xj1是组合得到基线bj的编号为j1的天线坐标，xj2是组合得到基线bj的编号为j2的天线坐标；λ是综合孔径辐射计工作频率对应的波长；S＝N2表示基线数量；
(1.2)根据(1.1)中的基线矢量序列B，去掉基线的冗余部分，获得无冗余的基线矢量序列
Figure GDA0002338731700000062
进一步获得每个基线对应的冗余次数，构成冗余集合r＝(r1，r2，...，rS′)；
Figure GDA0002338731700000063
表示第k个无冗余基线的位置坐标，即
Figure GDA0002338731700000064
rk表示
Figure GDA0002338731700000065
的冗余次数，k＝1，2，...，S′；S′是无冗余基线的数量；
(1.3)根据系统设计要求确定参考基线分布，表示为无冗余的参考基线矢量序列
Figure GDA0002338731700000071
Figure GDA0002338731700000072
表示第1个无冗余参考基线的位置坐标，即
Figure GDA0002338731700000073
l＝1，2，...，Sref；Sref是无冗余参考基线的数量。
(1.4)根据(1.2)中的与阵列构型对应的无冗余基线矢量序列
Figure GDA0002338731700000074
以及(1.3)中的无冗余参考基线矢量序列
Figure GDA0002338731700000075
获得位于参考基线分布中的基线矢量，表示为无冗余目标基线矢量序列
Figure GDA0002338731700000076
进一步结合(1.2)中的冗余集合r，构成与
Figure GDA0002338731700000077
对应的目标冗余集合
Figure GDA0002338731700000078
Figure GDA0002338731700000079
表示第p个无冗余目标基线的位置坐标，即
Figure GDA00023387317000000710
Figure GDA00023387317000000711
r*p表示
Figure GDA00023387317000000712
的冗余次数，p＝1，2，...，S*；S*是无冗余目标基线的数量；
(1.5)根据(1.4)中的无冗余目标基线矢量序列
Figure GDA00023387317000000713
以及(1.3)中的无冗余参考基线矢量序列
Figure GDA00023387317000000714
获得采样空洞位置，表示为空洞矢量序列
Figure GDA00023387317000000715
hq表示第q个采样空洞的位置坐标，即hq＝(uh q，vh q)，q＝1，2，...，Sh；Sh是采样空洞的数量；
Figure GDA00023387317000000716
表示
Figure GDA00023387317000000717
相对于
Figure GDA00023387317000000718
的补集；
(1.6)根据(1.4)中的目标冗余集合r*，建立基于冗余基线分布的子目标函数f1，即
Figure GDA00023387317000000719
log是以10为底的对数作用，起“惩罚”作用；
(1.7)根据(1.5)中的空洞矢量序列，建立基于采样空洞位置的子目标函数f2，即
Figure GDA0002338731700000081
Vq表示空洞位置的可见度，可以通过用户定义或者插值的方式获得；V0代表零基线处的可见度，可以由V0＝ΩP·Tsys，ΩP代表单元天线立体角，Tsys为系统噪声亮温；wq＝|Vq|2/|V0|2可见度的归一化比值；
(1.8)根据(1.6)中的子目标函数f1与(1.7)中的子目标函数f2，建立优化目标函数f(X)，即
Figure GDA0002338731700000082
进一步地，上述基于图像信噪比最优的综合孔径辐射计天线阵列优化排布方法，其步骤(2)中，系统设计的物理限制与性能约束主要包括阵元数量Nc、参考基线分布
Figure GDA0002338731700000083
以及目标基线覆盖率Rc，构建约束函数
Figure GDA0002338731700000084
Figure GDA0002338731700000085
具体表示为
Figure GDA0002338731700000086
Figure GDA0002338731700000087
与
Figure GDA0002338731700000088
分别表示
Figure GDA0002338731700000089
与
Figure GDA00023387317000000810
中的无冗余基线数量。
进一步地，上述基于图像信噪比最优的综合孔径辐射计天线阵列优化排布方法，其步骤(3)中，结合目标函数f(X)与约束函数s(X)，建立最优阵列构型求解问题的模型，表示为
Figure GDA0002338731700000091
进一步地，上述基于图像信噪比最优的综合孔径辐射计天线阵列优化排布方法，其步骤(4)中，根据粒子群优化算法获得最优的天线阵列构型，包括如下子步骤：
(4.1)随机初始化Ms个粒子的位置向量X(即天线阵列构型)和速度向量V；
(4.2)计算满足约束条件的粒子的目标函数值，即为该粒子的适应度函数值；
(4.3)根据每个粒子的适应度更新经过t次迭代后每个粒子局部最优位置向量；
(4.4)根据每个粒子的适应度更新经过t次迭代后至今全局最优粒子位置向量；
(4.5)判断迭代次数t是否达到设定最大迭代次数Ks，若是，则将经过t次迭代后至今的全局最优粒子位置向量作为最优的天线阵列构型，输出；
否则，根据公式Vs，t+1＝wVs，t+c1η1(Ps，t-Xs，t)+c2η2(Gt-Xs，t)更新每个粒子的速度向量，根据公式Xs，t+1＝Xs，t+Vs，t+1更新每个粒子的位置向量，且令t＝t+1返回步骤(4.2)；
迭代次序t的初始值为1，1≤t≤Ks，Ks为设定最大迭代次数；下标s为粒子序号，1≤s≤Ms，Ms为粒子数量；w为惯性权重，每个粒子的位置向量代表一种阵列构；η1和η2均为[0，1]区间内均匀分布的伪随机数；c1和c2均为加速系数，c1∈[0，4]，c2∈[0，4]；Ps，t为经过t次迭代后粒子s的局部最优位置；Gt为经过t次迭代后全局最优位置；Xs，t为经过t次迭代后粒子s的位置向量；Vs，t为经过t次迭代后粒子s的速度向量。
实施例1
本发明实施例1中，系统设计的布阵条件如下：
(1)物理约束：布阵空间限制在2m×0.6m(X*Y)的矩形区域内，如图2所示，其中阴影区域内不能设置天线，阵元总数为60；
(2)阵列构型：矩形栅格采样，组合阵列(由3个子阵构成)，阵元最小间距39mm；根据布阵条件，将天线单元分布在三个矩形区域内，如图3所示。在区域1、2、3中，最多允许放置的天线单元数量分别为225、50、50；
(3)参考基线覆盖：如图4中蓝色区域所示，其范围为±0.82m×±0.55m，采样点数为1247；另外，包含红色区域的基线覆盖表示满阵对应的基线覆盖，其阵元数为325，采样点数为2209。
(4)系统参数：中心频率f0＝94GHz，工作波长λ＝3.2mm，单元天线立体角ΩP＝0.0154，接收机天线温度TA＝100K，接收机噪声温度TR＝500K(噪声系数F＝4.35dB)；系统噪声温度Tsys＝TR+TA＝600K。
实施例提供的基于图像信噪比最优的综合孔径辐射计天线阵列优化排布方法，其流程如图1所示，具体包括下述步骤：
S1：根据综合孔径辐射计天线阵列的稀疏构型X对综合孔径辐射计反演图像信噪比的作用关系，建立基于冗余基线分布与采样空洞位置的目标函数f(X)；
本实施例中，目标函数表示为
Figure GDA0002338731700000111
其中零基线处的可见度V0＝ΩP·Tsys；设置如下归一化比值
Figure GDA0002338731700000112
其中ρq为参考区域可见度采样Vq对应基线的长度，ρmax为参考区域最大基线长度。
S2：根据系统设计的物理限制与性能约束，建立天线阵列优化排布的约束函数s(X)；
本实施例中，约束函数满足：
Figure GDA0002338731700000113
具体表示为
Figure GDA0002338731700000114
其中
Figure GDA0002338731700000115
表示图4中蓝色区域对应的参考基线分布；
Figure GDA0002338731700000116
与
Figure GDA0002338731700000117
分别表示目标基线分布
Figure GDA0002338731700000118
与参考基线分布
Figure GDA0002338731700000119
中的无冗余基线数量。
S3：结合S1中的目标函数f(X)与S2中的约束函数s(X)，建立最优阵列构型求解问题的模型；
本实施例中，优化问题模型表示为
Figure GDA00023387317000001110
S4：采用粒子群优化算法(即为智能优化算法)求解S3中的问题模型，获得最优的天线阵列构型，流程图如图5所示；
本实施例中，优化算法具体步骤如下：
(4.1)随机初始化Ms个粒子的位置向量X(即天线阵列构型)和速度向量V；
(4.2)计算满足约束条件的粒子的目标函数值，即为该粒子的适应度函数值；
(4.3)根据每个粒子的适应度更新经过t次迭代后每个粒子局部最优位置向量；
(4.4)根据每个粒子的适应度更新经过t次迭代后至今全局最优粒子位置向量；
(4.5)判断迭代次数t是否达到设定最大迭代次数Ks，若是，则将经过t次迭代后至今的全局最优粒子位置向量作为最优的天线阵列构型，输出；
否则，根据公式Vs，t+1＝wVs，t+c1η1(Ps，t-Xs，t)+c2η2(Gt-Xs，t)更新每个粒子的速度向量，根据公式Xs，t+1＝Xs，t+Vs，t+1更新每个粒子的位置向量，且令t＝t+1返回步骤(4.2)；
迭代次序t的初始值为1，1≤t≤Ks，Ks为设定最大迭代次数；下标s为粒子序号，1≤s≤Ms，Ms为粒子数量；w为惯性权重，每个粒子的位置向量代表一种阵列构；η1和η2均为[0，1]区间内均匀分布的伪随机数；c1和c2均为加速系数，c1∈[0，4]，c2∈[0，4]；Ps，t为经过t次迭代后粒子s的局部最优位置；Gt为经过t次迭代后全局最优位置；Xs，t为经过t次迭代后粒子s的位置向量；Vs，t为经过t次迭代后粒子s的速度向量。
S5：对S4中得到的最优天线阵列构型进行性能分析；
本实施例中，优化得到的阵列构型及其基线分布如图6所示，其适应度函数值为422.6；典型阵列构型及其基线分布如图7所示，其适应度函数值129.1；
进一步，本实施例中，仿真原始场景如图8所示，分析参数为：工作频率94GHz，中频带宽1GHz，积分时间1s，接收机噪声温度500K(对应噪声系数4.35dB)；
考虑到系统噪声的随机性，本实施例对优化阵列和典型阵列进行100次图像反演；基于优化阵列的反演图像(对应信噪比中位数)如图9所示，其图像信噪比中位数为3.03；基于典型阵列的反演图像(对应信噪比中位数)如图10所示，其图像信噪比为3.48；相对于典型阵列，优化阵列的图像信噪比中位数提高了14.9％。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，其特征在于，包括：
(1)根据综合孔径辐射计天线阵列的稀疏构型对反演图像信噪比的作用关系，建立基于采样空洞位置与冗余基线分布的目标函数；根据物理限制和性能约束，建立天线阵列排布的约束函数；
(2)结合目标函数与约束函数，建立以图像信噪比最优为目标的综合孔径稀疏天线阵列优化的问题模型；利用智能优化算法求解问题模型，获得最优的天线阵列构型；
所述目标函数为：
Figure FDA0002511911140000011
其中，f(X)为目标函数，f1为基于冗余基线分布的子目标函数，f2为基于采样空洞位置的子目标函数，V0代表零基线处的可见度，wq为可见度的归一化比值，r* p表示第p个无冗余目标基线的冗余次数，p＝1,2,…,S*；S*是无冗余目标基线的数量，q＝1,2,…,Sh，Sh是采样空洞的数量；
所述综合孔径辐射计天线阵列的稀疏构型为：
X＝(x1,x2,…,xN)
其中，xi表示天线阵列的稀疏构型中第i个单元天线的位置坐标，即xi＝(xi,yi)，i＝1,2,…,N，xi与yi分别表示第i个单元天线在笛卡尔坐标系中x方向与y方向上的坐标；N表示天线阵列中单元天线的数量。
2.如权利要求1所述的一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，其特征在于，所述步骤(1)包括：
(1.1)将综合孔径辐射计天线阵列中的天线进行两两组合得到基线，通过计算波长归一化的天线坐标差获得基线矢量序列；
(1.2)根据基线矢量序列，去掉基线的冗余部分，获得无冗余的基线矢量序列，进而获得每个基线对应的冗余次数，构成冗余集合；
(1.3)根据系统设计要求确定参考基线分布，表示为无冗余的参考基线矢量序列；
(1.4)根据无冗余基线矢量序列以及无冗余的参考基线矢量序列，获得位于参考基线分布中的基线矢量，表示为无冗余目标基线矢量序列，将无冗余目标基线矢量序列与冗余集合结合，构成与无冗余目标基线矢量序列对应的目标冗余集合；
(1.5)根据无冗余目标基线矢量序列以及无冗余的参考基线矢量序列，获得采样空洞位置，表示为空洞矢量序列；
(1.6)根据目标冗余集合，建立基于冗余基线分布的子目标函数，根据空洞矢量序列，建立基于采样空洞位置的子目标函数，将基于冗余基线分布的子目标函数与基于采样空洞位置的子目标函数相加，得到基于采样空洞位置与冗余基线分布的目标函数；根据物理限制和性能约束，建立天线阵列排布的约束函数。
3.如权利要求1或2所述的一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，其特征在于，所述物理限制与性能约束包括阵元数量Nc、参考基线分布
Figure FDA0002511911140000021
以及目标基线覆盖率Rc。
4.如权利要求3所述的一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，其特征在于，所述约束函数为：
Figure FDA0002511911140000022
具体表示为：
s.t.N＝Nc
Figure FDA0002511911140000023
Figure FDA0002511911140000024
其中，
Figure FDA0002511911140000031
与
Figure FDA0002511911140000032
分别表示
Figure FDA0002511911140000033
与
Figure FDA0002511911140000034
中的无冗余基线数量；
Figure FDA0002511911140000035
为无冗余目标基线矢量序列，
Figure FDA0002511911140000036
为无冗余的参考基线矢量序列，N表示天线阵列中单元天线的数量。
5.如权利要求1或2所述的一种图像信噪比最优的综合孔径辐射计天线阵列排布方法，其特征在于，所述智能优化算法包括：
(2.1)将综合孔径辐射计天线阵列的稀疏构型作为位置向量，随机初始化Ms个粒子的位置向量X和速度向量V；
(2.2)计算满足约束函数的粒子的目标函数值，即为该粒子的适应度；
(2.3)根据每个粒子的适应度更新经过t次迭代后每个粒子局部最优位置向量；
(2.4)根据每个粒子的适应度更新经过t次迭代后至今全局最优粒子位置向量；
(2.5)判断迭代次数t是否达到设定最大迭代次数Ks，若是，则将经过t次迭代后至今的全局最优粒子位置向量作为最优的天线阵列构型，
否则，根据公式Vs,t+1＝wVs,t+c1η1(Ps,t-Xs,t)+c2η2(Gt-Xs,t)更新每个粒子的速度向量，根据公式Xs,t+1＝Xs,t+Vs,t+1更新每个粒子的位置向量，且令t＝t+1返回步骤(2.2)；
其中，迭代次序t的初始值为1，1≤t≤Ks，Ks为设定最大迭代次数；下标s为粒子序号，1≤s≤Ms，Ms为粒子数量；w为惯性权重，每个粒子的位置向量代表一种阵列构型；η1和η2均为[0,1]区间内均匀分布的伪随机数；c1和c2均为加速系数，c1∈[0,4]，c2∈[0,4]；Ps,t为经过t次迭代后粒子s的局部最优位置向量；Gt为经过t次迭代后全局最优位置向量；Xs,t为经过t次迭代后粒子s的位置向量；Vs,t为经过t次迭代后粒子s的速度向量。
CN201810409105.0A 2018-05-03 2018-05-03 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法 Active CN108647418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810409105.0A CN108647418B (zh) 2018-05-03 2018-05-03 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810409105.0A CN108647418B (zh) 2018-05-03 2018-05-03 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法

Publications (2)

Publication Number Publication Date
CN108647418A CN108647418A (zh) 2018-10-12
CN108647418B true CN108647418B (zh) 2020-08-18

Family

ID=63748920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810409105.0A Active CN108647418B (zh) 2018-05-03 2018-05-03 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法

Country Status (1)

Country Link
CN (1) CN108647418B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110554386B (zh) * 2019-08-26 2021-07-02 华中科技大学 一种通道压缩综合孔径辐射计成像方法及系统
CN111538000B (zh) * 2020-03-30 2023-06-02 西南电子技术研究所（中国电子科技集团公司第十研究所） 均匀圆阵列综合孔径辐射计亮温反演成像方法
CN111597730B (zh) * 2020-05-26 2024-03-19 华中科技大学 一种一维综合孔径辐射计天线阵列排布方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268841A (zh) * 2014-10-09 2015-01-07 哈尔滨工程大学 一种基于压缩感知算法的红外图像预处理方法
CN104781685A (zh) * 2012-09-26 2015-07-15 西门子公司 用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建
CN105548973A (zh) * 2015-12-04 2016-05-04 中国科学院国家空间科学中心 一种基于旋转分时采样的综合孔径辐射计相位自定标方法
CN106785485A (zh) * 2016-12-29 2017-05-31 华中科技大学 一种一维双重冗余天线阵列及构造方法
CN107037431A (zh) * 2017-04-28 2017-08-11 华中科技大学 一种基于阵列因子综合的立体基线综合孔径成像方法
CN107506821A (zh) * 2017-10-13 2017-12-22 集美大学 一种改进的粒子群优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101683827B1 (ko) * 2015-08-12 2016-12-07 홍익대학교 산학협력단 샘플링 기법을 이용한 슬라이딩벡터 기반의 저계산량 등간격 선형 어레이 도래각 추정방법 및 그 장치.

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104781685A (zh) * 2012-09-26 2015-07-15 西门子公司 用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建
CN104268841A (zh) * 2014-10-09 2015-01-07 哈尔滨工程大学 一种基于压缩感知算法的红外图像预处理方法
CN105548973A (zh) * 2015-12-04 2016-05-04 中国科学院国家空间科学中心 一种基于旋转分时采样的综合孔径辐射计相位自定标方法
CN106785485A (zh) * 2016-12-29 2017-05-31 华中科技大学 一种一维双重冗余天线阵列及构造方法
CN107037431A (zh) * 2017-04-28 2017-08-11 华中科技大学 一种基于阵列因子综合的立体基线综合孔径成像方法
CN107506821A (zh) * 2017-10-13 2017-12-22 集美大学 一种改进的粒子群优化方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
A Novel Circular Array Structure and Particle Swarm optimization in aperture synthesis radiometers;Chol-Hyon Jang et al;《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》;20150414;第14卷;第1758-1761页 *
A Novel Optimal Design of Antenna Array in aperture synthesis radiometers;Dong Zhu et al;《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》;20150203;第14卷;第1227-1230页 *
Low-Redundancy Large Linear Arrays Synthesis for Aperture Synthesis Radiometers Using Particle Swarm Optimization;Chol-Hyon Jang et al;《IEEE TRANSACTIONS ON ANTENNAS AND PROPAGATION》;20160630;第64卷(第6期);第2179-2188页 *
基于遗传算法的超声稀疏阵列成像方法研究;彭桃;《中国优秀硕士学位论文全文数据库电子期刊 工程科技II辑》;20160115;第2016年卷(第1期);第C028-72页 *
机载综合孔径辐射计用于目标探测的性能分析;郎量 等;《华中科技大学学报（自然科学版》;20081031;第36卷(第10期);第59-62页 *
综合孔径微波辐射成像系统关键技术研究;陈柯;《中国博士学位论文全文数据库电子期刊 信息科技辑》;20101115;第2010年卷(第11期);第I138-59页 *
综合孔径辐射计同心圆形阵排列优化;王莉莉 等;《电子元件与材料》;20160331;第35卷(第3期);第55-59页 *
综合孔径辐射计圆环阵天线排布优化方法及性能研究;艾文倩;《中国优秀硕士学位论文全文数据库电子期刊 工程科技II辑》;20180115;第2018年卷(第1期);第C042-1495页 *
自旋式综合孔径微波辐射计稀疏阵列布局优化设计;孙逢林 等;《电子与信息学报》;20141031;第36卷(第10期);第2492-2496页 *

Also Published As

Publication number Publication date
CN108647418A (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN108647418B (zh) 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法
CN103713288B (zh) 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法
CN110940949B (zh) 强冲击噪声环境下基于量子企鹅搜索机制的互质阵列doa估计方法
Lu et al. A discrete environment-driven GPU-based ray launching algorithm
CN111257845B (zh) 一种基于近似消息传递的不在网格目标角度估计方法
CN103323845B (zh) 一种非均匀采样综合孔径辐射计的图像反演方法
CN102879781A (zh) 一种分布式综合孔径辐射计阵列成像方法及系统
Ampeliotis et al. Low complexity multiple acoustic source localization in sensor networks based on energy measurements
CN107121665B (zh) 一种基于稀疏阵的近场相干源的无源定位方法
CN112255629B (zh) 基于联合uca的序贯esprit二维不相干分布源参数估计方法
CN114339991B (zh) AoA估计方法、装置、基站、存储介质和计算机程序产品
CN117650861B (zh) 无线环境预测方法和装置、电子设备及存储介质
CN109407051A (zh) 凸优化融合图论的广义秩目标传感网时空数据定位方法
CN110726967B (zh) 用于一维阵列测向的单边稀疏嵌套阵设计方法
CN115825944B (zh) 基于外辐射源雷达的单快拍多目标来波方向估计方法
CN116930963A (zh) 一种基于无线通信系统的穿墙成像方法
CN109683125B (zh) 一种免疫飞蛾扑火机制的特殊阵列测向方法
CN114019445A (zh) 一种基于位置聚类动态稀疏重构的二维到达角度测量方法
CN109696671B (zh) 基于组结构与相关性学习的高分辨穿墙雷达成像方法
Ertin et al. Self-localization of wireless sensor networks using self-organizing maps
De Villiers et al. Element pattern prediction in mutually-coupled arrays through isolated antenna characterization
Liu et al. Sparse self-calibration by MAP method for MIMO radar imaging
Calist et al. Large Scale Channel Parameters Estimation by Utilization of Reflected Rays Information for an Urban Environment
Zhao et al. A Novel Antenna Array Design Method Based on Antenna Grouping for Near Field Passive Millimeter Wave Imaging
Ke et al. Device-free localization based on spatial sparsity with basis error self-calibration

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