CN108776339B - 基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法 - Google Patents
基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法 Download PDFInfo
- Publication number
- CN108776339B CN108776339B CN201810270939.8A CN201810270939A CN108776339B CN 108776339 B CN108776339 B CN 108776339B CN 201810270939 A CN201810270939 A CN 201810270939A CN 108776339 B CN108776339 B CN 108776339B
- Authority
- CN
- China
- Prior art keywords
- iteration
- bit
- imaged
- synthetic aperture
- iterations
- 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
Images
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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
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
本发明涉及一种基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,属于雷达成像技术领域。本发明的单比特雷达成像方法中,同时开发了实部和虚部之间的联合稀疏性以及图像内部的成簇特性。相比于已有的其他方法,本发明的成像结果中背景更加清晰,杂点更少,目标区域的像素更加集中,成像质量更高。
Description
技术领域
本发明涉及一种基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,属于雷达成像技术领域。
背景技术
雷达成像技术在军事、安防、灾害评估、农业等领域有重要应用。雷达成像的目的是提高雷达图像的分辨率和成像质量,雷达成像质量的提高对目标检测、目标识别、目标特征提取等能力的提高有极大的帮助。
压缩感知技术是近十年来兴起的一种新的信号处理技术。针对雷达成像,压缩感知技术的优势在于,在场景稀疏的假设下,可以利用少量的观测数据获得更高质量的雷达图像。高分辨率的雷达图像中,所成像的目标往往占据了一块像素“区域”,而非单个像素,即目标成簇出现,这种目标特性可以称之为块稀疏性。此外,雷达成像技术针对的是复图像处理,复图像的实部和虚部往往存在联合稀疏性,即在实部图像和虚部图像中,目标的位置往往是一致的。联合稀疏性实际上是块稀疏性的一种特例。因此,在雷达成像技术中,可以开发目标的成簇特性和图像实部与虚部之间的联合稀疏特性,即双层次块稀疏性。开发雷达图像中双层次块稀疏性能够使得目标更加清晰,更好的抑制杂点,进而提高雷达成像质量。
单比特成像技术近年来也受到关注。传统的雷达成像技术是基于高精度数据的,但是高精度数据的处理带来了数据存储和传输量的增大。将数据量化为单比特传输、处理,可以更加有效的利用有限的带宽,且对强噪声有一定的鲁棒性。单比特成像的所面临的一个问题是,由于I/Q通道的不平衡,图像结果往往存在“伪目标”,降低了成像的质量。因此,如何开发图像的块稀疏性,提升单比特雷达成像的质量,成为了亟待解决的问题。
发明内容
本发明的目的是提出一种基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,在单比特迭代阈值方法的框架之下开发雷达图像的双层次块稀疏性,即目标的成簇特性和图像实部虚部之间的联合稀疏性,以提高成像图像的质量。
本发明提出的基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,包括以下步骤:
(1)将单比特合成孔径雷达所处理的待成像区域划分为P个像素,单比特合成孔径雷达有M个天线和L个频点,L个频点分别记为{f1,…,fl,…,fL},单比特合成孔径雷达在第m个天线的第l个频点处接收待成像区域的回波信号ym,l:
ym,l=∑iθiexp(-j2πflτi,m)
其中,i是像素的编号,θi表示待成像区域中像素i处的复散射强度,τi,m表示单比特合成孔径雷达的电磁波从第m个天线到第i个像素处的双程时间,将上式写为向量相乘的形式的回波信号y:
y=Φθ+w,,
其中,Φ为矩阵,矩阵Φ中的元素为:
Φ(l+(m-1)L,i)=exp(-j2πflτi,m),
(2-2)设单比特块稀疏阈值迭代的迭代步长为μ、迭代精度为ε,迭代次数为t,设定最大迭代次数为tmax;
(2-4)进行以下迭代:
a:t=t+1
d:利用双层次块稀疏优化方法,对上述步骤(2-4)b得到的中间变量a进行优化处理,具体过程如下:
(d-1)向双层次块稀疏优化方法中输入上述步骤(2-4)b的中间变量a和稀疏度K;
(d-4)利用块坐标优化方法,进行以下迭代:
将j和P进行比较:
若2P≥j>P,则导数
将j和P进行比较:
e:对单比特块稀疏迭代阈值的迭代次数t和迭代精度进行判断,若t≥tmax或者则停止迭代,输出若t<tmax且则返回步骤(2-4)a,其中输出的即为待成像区域的复散射强度,根据该待成像区域的复散射强度得到单比特合成孔径雷达成像的结果。
本发明提出的基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,其优点是:
本发明的单比特合成孔径雷达成像方法,在单比特雷达成像模型中,同时开发了实部和虚部之间的联合稀疏性以及图像内部的成簇特性.相比于已有的其他方法,本发明的成像结果中背景更加清晰,杂点更少,目标区域的像素更加集中,成像质量更高。
附图说明
图1是本发明提出的基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法的流程框图。
图2是图1所示的流程框图中的双层次块稀疏优化的流程图。
图3是图2所示的流程框图中的块坐标优化的流程图。
图4是本发明提出的针对单比特块稀疏阈值迭代方法的成像结果。
具体实施方式
本发明提出的基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,其流程框图如图1所示,包括以下步骤:
(1)将单比特合成孔径雷达所处理的待成像区域划分为P个像素,单比特合成孔径雷达有M个天线和L个频点,L个频点分别记为{f1,…,fl,…,fL},单比特合成孔径雷达在第m个天线的第l个频点处接收待成像区域的回波信号ym,l:
ym,l=∑iθiexp(-j2πflτi,m)
其中,i是像素的编号,θi表示待成像区域中像素i处的复散射强度,τi,m表示单比特合成孔径雷达的电磁波从第m个天线到第i个像素处的双程时间,将上式写为向量相乘的形式的回波信号y:
y=Φθ+w,,
其中,Φ为矩阵,矩阵Φ中的元素为:
Φ(l+(m-1)L,i)=exp(-j2πflτi,m),
[1]R.G.Baraniuk,S.Foucart,D.Needell,Y.Planb and M.Woottersset,“Exponential decay of reconstruction error from binary measurements of sparsesignals,”IEEE Transactions on Information Theory,vol.63,no.6,pp.3368-3385,June.2017。
(2-2)设单比特块稀疏阈值迭代的迭代步长为μ、迭代精度为ε,迭代次数为t,设定最大迭代次数为tmax;
(2-4)进行以下迭代:
a:t=t+1
d:利用双层次块稀疏优化方法,对上述步骤(2-4)b得到的中间变量a进行优化处理,其流程框图如图2所示,具体过程如下:
(d-1)向双层次块稀疏优化方法中输入上述步骤(2-4)b的中间变量a和稀疏度K;
(d-4)利用块坐标优化方法,进行以下迭代,其流程框图如图3所示:
将j和P进行比较:
若2P≥j>P,则导数
将j和P进行比较:
e:对单比特块稀疏迭代阈值的迭代次数t和迭代精度进行判断,若t≥tmax或者则停止迭代,输出若t<tmax且则返回步骤(2-4)a,其中输出的即为待成像区域的复散射强度,根据该待成像区域的复散射强度得到单比特合成孔径雷达成像的结果。
下面详细描述本发明的实施例子。
步骤一,设置多雷达实验场景,并获取雷达回波。本发明中所使用的合成孔径雷达参数如表1所示。
表1合成孔径雷达参数设置
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 |
步骤三,采用单比特块稀疏阈值迭代方法获取成像结果。首先,进行初始化操作。初始化完成之后,开始迭代操作:1梯度下降操作;2双层次块稀疏优化;3判断是否停止迭代,如果停止迭代输出成像结果,否则继续迭代。在第2步双层次块稀疏优化中,主要步骤是(1)块坐标下降法;(2)阈值操作;(3)判断是否迭代停止,是则输出中间结果,否则继续迭代。
本发明提出的单比特块稀疏阈值迭代方法可以从单比特数据中重建出高质量的图像结果。在实验中,选取了3500个比特数据,图像的维度是66*61。在图4中,down-range表示距离向,cross-range表示方位向。如图4所示,可以看到,利用单比特块稀疏阈值迭代方法进行雷达成像,位于距离向2m、2.5m、3m、3.7m、4.9m、4.3m、5.5m、5.7m和6.1m的目标都可以被清晰的呈现,位于目标区域之外的杂点得到很好的抑制,背景清晰干净。
Claims (1)
1.一种基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法,其特征在于该方法包括以下步骤:
(1)将单比特合成孔径雷达所处理的待成像区域划分为P个像素,单比特合成孔径雷达有M个天线和L个频点,L个频点分别记为{f1,…,fl,…,fL},单比特合成孔径雷达在第m个天线的第l个频点处接收待成像区域的回波信号ym,l:
ym,l=∑iθiexp(-j2πflτi,m)
其中,i是像素的编号,θi表示待成像区域中像素i处的复散射强度,τi,m表示单比特合成孔径雷达的电磁波从第m个天线到第i个像素处的双程时间,将上式写为向量相乘的形式的回波信号y:
y=Φθ+w,
其中,Φ为矩阵,矩阵Φ中的元素为:
Φ(l+(m-1)L,i)=exp(-j2πflτi,m),
(2-2)设单比特块稀疏阈值迭代的迭代步长为μ、迭代精度为ε,迭代次数为t,设定最大迭代次数为tmax;
(2-4)进行以下迭代:
a:t=t+1
d:利用双层次块稀疏优化方法,对上述步骤(2-4)b得到的中间变量a进行优化处理,具体过程如下:
(d-1)向双层次块稀疏优化方法中输入上述步骤(2-4)b的中间变量a和稀疏度K;
(d-4)利用块坐标优化方法,进行以下迭代:
将j和P进行比较:
将j和P进行比较:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810270939.8A CN108776339B (zh) | 2018-03-29 | 2018-03-29 | 基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810270939.8A CN108776339B (zh) | 2018-03-29 | 2018-03-29 | 基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108776339A CN108776339A (zh) | 2018-11-09 |
CN108776339B true CN108776339B (zh) | 2021-08-17 |
Family
ID=64033860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810270939.8A Active CN108776339B (zh) | 2018-03-29 | 2018-03-29 | 基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108776339B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109114B (zh) * | 2019-05-09 | 2020-11-10 | 电子科技大学 | 一种扫描雷达超分辨成像检测一体化方法 |
CN110045375B (zh) * | 2019-05-28 | 2020-12-29 | 深圳大学 | 一种一比特sar回波数据的处理方法及系统 |
CN111538003B (zh) * | 2020-04-30 | 2023-12-08 | 南京理工大学 | 一种单比特压缩采样合成孔径雷达成像方法 |
CN111693993B (zh) * | 2020-05-08 | 2021-09-21 | 清华大学 | 自适应1比特数据雷达成像方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854504B (zh) * | 2011-06-30 | 2014-08-13 | 中国科学院电子学研究所 | 基于回波模拟算子的稀疏合成孔径雷达成像方法 |
CN103698763B (zh) * | 2013-12-12 | 2016-01-13 | 电子科技大学 | 基于硬阈值正交匹配追踪的线阵sar稀疏成像方法 |
CN103713288B (zh) * | 2013-12-31 | 2015-10-28 | 电子科技大学 | 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法 |
CN103983973B (zh) * | 2014-05-28 | 2016-05-25 | 西安电子科技大学 | 基于图像稀疏域噪声分布约束的合成孔径雷达成像方法 |
CN103971346B (zh) * | 2014-05-28 | 2017-01-18 | 西安电子科技大学 | 基于稀疏域噪声分布约束的sar图像抑斑方法 |
CN104391295A (zh) * | 2014-09-02 | 2015-03-04 | 电子科技大学 | 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法 |
US10042046B2 (en) * | 2015-07-07 | 2018-08-07 | Mitsubishi Electric Research Laboratories, Inc. | System and method for radar imaging using distributed arrays and compressive sensing |
-
2018
- 2018-03-29 CN CN201810270939.8A patent/CN108776339B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108776339A (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776339B (zh) | 基于块稀疏迭代阈值处理的单比特合成孔径雷达成像方法 | |
Song et al. | Improving RPCA-based clutter suppression in GPR detection of antipersonnel mines | |
Akbari et al. | A textural–contextual model for unsupervised segmentation of multipolarization synthetic aperture radar images | |
CN110516728B (zh) | 基于去噪卷积神经网络的极化sar地物分类方法 | |
Kaplan | Analysis of multiplicative speckle models for template-based SAR ATR | |
CN104751183B (zh) | 基于张量mpca的极化sar图像分类方法 | |
CN109932717B (zh) | 基于环境统计建模的isar高分辨成像方法 | |
CN105866776A (zh) | 一种地基sar的高质量动态ps点选择方法 | |
CN109658340B (zh) | 基于rsvd与直方图保存的sar图像快速去噪方法 | |
Hou et al. | Sparse coding-inspired high-resolution ISAR imaging using multistage compressive sensing | |
Kumlu et al. | Multiscale directional bilateral filter based clutter removal in GPR image analysis | |
CN106093944B (zh) | 一种适用于恒虚警率检测的稀疏微波成像方法 | |
CN114114246A (zh) | 穿墙雷达成像方法、系统、终端设备及可读存储介质 | |
Sun et al. | Clutter Removal in Ground-Penetrating Radar Images Using Deep Neural Networks | |
CN114022877B (zh) | 一种基于自适应阈值三维sar图像感兴趣目标提取方法 | |
CN116797845B (zh) | 一种基于散射机制的无监督简缩极化分类方法 | |
Shen et al. | Image Enhancement of 3-D SAR via U-Net Framework | |
Yang et al. | An Adaptive Clutter-Immune Method for Pipeline Detection with GPR | |
CN115015903B (zh) | 一种雷达序贯图像动目标检测方法及系统 | |
Tang et al. | Wall clutter mitigation for radar imaging of indoor targets: A matrix completion approach | |
Sharma et al. | Super-resolution reconstruction and denoising of 3D millimetre-wave images using a complex-valued convolutional neural network | |
Song et al. | An Effective Image Reconstruction Enhancement Method with Convolutional Reweighting for Near-field SAR | |
CN116660897B (zh) | 基于空间语义的sar成像获取方法、装置、计算机设备 | |
Yang et al. | Structure preserving bilateral filtering for PolSAR data | |
Kumar et al. | Clutter and Random Noise Elimination Based on Eigen Images and Curvelet Transform |
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 |