CN108919226B - 基于压缩感知的雷达测向的测量矩阵获取方法及应用 - Google Patents
基于压缩感知的雷达测向的测量矩阵获取方法及应用 Download PDFInfo
- Publication number
- CN108919226B CN108919226B CN201810853783.6A CN201810853783A CN108919226B CN 108919226 B CN108919226 B CN 108919226B CN 201810853783 A CN201810853783 A CN 201810853783A CN 108919226 B CN108919226 B CN 108919226B
- Authority
- CN
- China
- Prior art keywords
- radar
- matrix
- finding
- obtaining
- direction finding
- 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
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
技术领域
本发明涉及一种压缩感知中的测量矩阵获取方法,具体涉及一种基于压缩感知的雷达测向的测量矩阵获取方法及其应用。
背景技术
现有技术中,雷达的角度测量方法包括振幅法、相位法、多普勒法等。其中,振幅法测向较为常用,其形式是利用天线的方向特性,通过测定来波信号的振幅大小从而确定来波方向,简单易实现但误差较大;相位法测向是采用两个分离的天线单元对接收同一个辐射源的来波信号存在波行程差,从而产生相位差并基于该相位差进行测向,其精度高,但存在相位模糊问题因而测向范围窄;多普勒法测向是基于多普勒变化率而进行的,其误差小、灵敏度高,但无法进行多波束测向,并且测量多普勒变化率的手段也是有限的,仍然难以达到理想的精度。
另外,在雷达测向过程中还涉及对信号进行采样,从而能够得到采样信号并进行分析得到测向结果。传统的采样理论中,信号被视为是连续生成且长度无限的,而数据采集则需要通过在指定时间点上采样的方式来进行,同时,测量信号的重构通常利用sinc函数进行插值来实现。由此,基于传统采样理论的测向方法对于单点收发式测量的处理效果较好,但应用于雷达测向时,其分辨率受限于瑞利极限而主要取决于天线孔径,因此单点收发式的测向方法无法达到高分辨率。采用多点收发时,可以突破单天线的测向分辨率,但多点收发的信号发送、接收及处理均涉及大量的信号及数据处理,通常情况下是难以准确分析出测向结果的。
压缩感知理论是一种涉及信号采样及重构的理论,其利用信号的稀疏性或可压缩性,通过低维空间采样数据的非相关性测量来实现高维信号的近似或精确重构,因此能够在尽量低的数据处理量的情况下实现高精度的测量和信号重构。压缩感知算法中,要求获得的信号具有稀疏性,并且其测量矩阵φ与变换基Ψ应当在具有低相关性的同时满足等距约束性条件。
由于测向时,目标物面各处是否存在障碍这样一种测量结果实际上包含了较少的数据,因此通常其获得的信号是可以满足稀疏性的。但是,要让压缩感知理论能够应用于雷达测向而提高测向精度,仍需要有符合上述条件的测量矩阵。
发明内容
为解决上述问题,,本发明采用了如下技术方案:
本发明提供了一种基于压缩感知的雷达测向的测量矩阵获取方法,用于在包含Q个雷达发射单元以及R个雷达接收单元的雷达系统的测向过程中构建测量矩阵φ,其特征在于,包括如下步骤:
步骤S1-1,将测向区域在水平方向划分为N份,垂直方向划分为M份,得到M×N个网格;
步骤S1-2,依次分析雷达发射单元所发射的信号投射至测向区域的各个网格处的强度变化并得到传播函数H1,并分析各个网格所产生的回波信号传播至R个雷达接收单元的强度变化并得到回波函数H2;
步骤S1-3,设定包含与Q个发射雷达单元相对应的Q个控制函数的控制矩阵A,并根据控制矩阵A获取测量矩阵φ,
其中,步骤S1-3包括如下步骤:
步骤S1-3-1,设定包含与Q个发射雷达单元相对应的Q个随机振幅控制函数的调幅矩阵包含与Q个发射雷达单元相对应的Q个随机频率控制函数的调频矩阵f,以及包含与Q个发射雷达单元相对应的Q个随机相位控制函数的调相矩阵p;
步骤S1-3-2,根据下式计算得到包含Q个控制函数的控制矩阵A:
步骤S1-3-3,根据下式计算得到测量矩阵φ:
φ=H1·H2·A
本发明提供的基于压缩感知的雷达测向的测量矩阵获取方法,还可以具有这样的技术特征:其中,传播函数H1的获得方法为全波分析法。
本发明提供的基于压缩感知的雷达测向的测量矩阵获取方法,还可以具有这样的技术特征:
其中,传播函数H1的获得方法为分析推演法,包括如下步骤:
步骤S1-2-1,在测向区域与发射雷达之间设定一个与发射雷达单元所在平面相平行的模拟物面并将该模拟物面划分为M×N个网格;
步骤S1-2-2,采用发射雷达单元向模拟物面发射测试信号,并采用模拟信号接收雷达在模拟物面处进行接收,从而获得测试信号发送并传播到达模拟物面后的实际信号;
步骤S1-2-3,根据测试信号以及实际信号的强度关系进行模拟推演,得到传播函数H1。
本发明提供的基于压缩感知的雷达测向的测量矩阵获取方法,还可以具有这样的技术特征:
本发明提供的基于压缩感知的雷达测向的测量矩阵获取方法,还可以具有这样的技术特征:其中,Q的范围为4~16,R的范围为1~8。
本发明还提供了一种如上任一项的基于压缩感知的雷达测向的测量矩阵获取方法的应用,其特征在于,利用构建出的测量矩阵φ进行基于压缩感知的雷达测向,包括如下步骤:
步骤S2-1,根据控制矩阵A中的Q个控制函数分别对Q个发射雷达单元的发射信号进行调幅、调频以及调相,使Q个雷达单元分别根据对应的控制函数发射出投射至测向区域的发射信号;
步骤S2-2,采用R个接收雷达单元对从测向区域返回的回波信号进行接收,获得R个接收雷达单元分别接收到的回波信号及该回波信号形成的回波矩阵y;
步骤S2-3,根据传播函数H1、回波函数H2、控制矩阵A以及回波矩阵y计算得到测向区域的各个网格的反射系数;
步骤S2-4,对计算得到的网格的反射系数进行反推,得到以M×N矩阵表示的反射系数矩阵x;
步骤S2-5,依次判断反射系数矩阵x中的各个反射系数是否大于预定阈值,当大于时判定该网格的对应方向上存在障碍物。
发明作用与效果
附图说明
图1是本发明的发射雷达和测向区域的位置关系示意图;
图2是本发明实施例的基于压缩感知的多点收发式雷达测向的测量矩阵获取方法的流程图;
图3是本发明实施例的基于压缩感知的多点收发式雷达测向的测量矩阵获取方法应用于雷达测向时的测向流程图。
具体实施方式
以下结合附图来说明本发明的具体实施方式。
<实施例>
本发明的发明人发现,在通常的应用场景(例如车载防撞毫米波雷达)中,将多点发射式的雷达与压缩感知相结合,即可实现高精度以及广范围的测向,理论依据如下。
首先,压缩感知利用了自然信号可以在适当的基Ψ下展开而获得一个简洁、稀疏的表示这一现象,将原信号在采样或感知时进行压缩,并利用基Ψ进行重构。因此,压缩感知的实现主要依赖两点:一是需要处理的信号具有稀疏性,二是感知形式与表达形式具有非相关性。其中,对于一个离散时间信号而言,稀疏性说明它所依赖的自由度远小于它的(有限)长度,非相关性则要求采样或者感知的信号波形要在基Ψ下具有稠密的表示。
其次,发明人发现,在多点发射式的雷达测向过程中,将各个发射雷达单元的组合视作一个矩阵,按照随机辐相矩阵的形式对发射雷达单元的信号进行调制,即可得到赝热的发射信号,该发射信号在目标上所产生的返回信号在经至少一个的接收雷达单元接收后得到的回波信号是满足稀疏性的,并且该随机辐相矩阵与接收到的回波信号重构时也可采用满足非相关性的变换基。具体如下:
发射雷达天线(即发射雷达单元)采用阵列形式排布。假设发射雷达天线由Q个天线子阵单元组成,每个子阵单元的方向图为Ft(·)。该Q个天线子阵单元的发射受控制矩阵控制,产生幅度、相位和频率伪随机分布的信号,这些信号投射到物面上,在物面上会产生随机分布的场分布信号,如下式(1)所示:
其中,Ft(·)表示单天线发射辐射场函数,每个阵列天线位置定义为ri'(i=1~Q),A为信号调制方式,f0为信号发射频率。
图1是本发明的发射雷达和测向区域的位置关系示意图。
如图1所示的直角坐标系OXYZ中表示出了发射雷达和测向区域(物面)的位置关系。
Q个辐射源(即发射雷达单元)在随机的幅度、相位和频率控制下,产生随机幅相的控制信号。设第i个单元位于发射平面的位置为(xi,yi,zi),而在时间t时刻第i个单元的辐射信号为如下式(2)所示:
Si(t)=Aiexp(jωit+φi) (2)
子阵单元的方向如图F(θα,θβ)所示,其中:
此时,单元i对位于物面上(xi,yi,zi)位置处入射信号如下式(3)所示:
位于物面上(xi,yi,zi)位置空间辐射函数如下式(4)所示:
当将测向区域S用网格划分,即水平方向分为M格、垂直方向分为N格的等间隔分布时,在该测向区域S上的任一格的入射信号在时间t内可用一个M×N的二维矩阵表示,或者转换为一个MN×1的一维向量表示。增加时间维度,则可以用M×N×K矩阵或MN×K矩阵表示。
根据辐射场与目标作用后散射场的近似表示,并通过Green函数的映射,得到目标后向散射场如下式(5)所示:
其中,S表示测量区域,σr为测量区域内任意位置为r处的后向散射系数,G(r)为自由空间的Green函数;最后,假设接收回波信号中随机噪声为en,考虑接收单元辐射场的分布函数Fr(·),以及目标运动产生的耦合影响因子K(vt),最终接收到的基于空时二维随机性表征的雷达入射场表征可表征为如下式(6)所示的形式:
En=K(vt)Ercs(t,r0')Fr(t,r-ri')+en (6)
其中,vt表示目标运动三维速度矢量,对静止场景目标而言,vt=[0,0,0]。也就是说,对于通常的应用场景,如上述车载毫米波防撞雷达来说,由于障碍物是静止或相对静止的,因此可以不考虑目标运动的三维速度矢量。
用离散空间域来描述目标场景,可以把目标场景看成网格上的散射点,网格越细得到的场景越细,而具体的网格划分数可以根据实际需求设定(例如,障碍物的大致尺寸)。相应地,网格上的反射系数可以用如下式(7)所示的二维矩阵表示:
该矩阵为一个M×N矩阵,M、N分别为目标的X轴和Y轴上的格点数,也可以用一维列向量表示为一个MN×1的向量。
当接收到发射信号后,测向区域中从每一个离散点位置的后向散射回波,用回波向量表示为该反射系数矩阵上每点到接收机(即接收雷达单元)回波路径的积,如下式(8)所示:
h(j,k)为在空间位置r处(xj,yj,zj)的目标回波信号传播到接收雷达位置r1(xk,yk,zk)的路径函数,其形式如下式(9)所示:
式(9)中,Fr(αr,βr)为接收单元方向图。
接收机接收到的测向区域的回波,则是由上述回波向量的总和,如下式(10)所示:
式(10)作等效变换可以表示为下式(11):
用x代替SIGMA,y表示接收到的回波信号,可以将上式(11)所代表的系统表示成下式(12)的形式:
y=Ax (12)
考虑噪声影响,回波模型表示为下式(13)的形式:
y=Ax+n (13)
式(13)中,n为MN×K维高斯白噪声。实际应用过程中,高斯白噪声的影响通常较小,可以忽略。
由于实际应用过程中,障碍物不会满布在测向区域内。因此,表示测向区域的M×N矩阵中,通常仅有少数网格是具有反射系数的,而其他网格上的反射系数均为0或趋近于0。由此,对应的雷达接收单元所接收到的回波信号具有稀疏性。
不仅如此,根据上述论述可知,当采用多点发射式雷达进行探测时,发射雷达单元的信号如果采用赝热形式,则控制各个发射雷达单元的控制函数的集合可以用一个控制矩阵A表示,该控制矩阵A与变换基Ψ之间具有低相关性,其中变换基Ψ是用来将非稀疏信号转化为稀疏信号的字典矩阵,相关字典学习的数学模型如下:
其中,x为原信号,α为稀疏信号,Ψ为变换基,它们之间的关系式如下:
x=Ψα
同时,根据上述论述可知,控制矩阵A、接收的回波信号y以及测向区域的反射系数矩阵SIGMA具有特定的数学关系(参见式(11)~式(13)),并且具有对应的变换基Ψ,因此当其中控制矩阵A、回波信号y以及反射系数矩阵SIGMA中的两个为已知时,可以通过反演的方式计算得到另一个。
因此,如上,当采用多点发射式的雷达来进行测向时,接收的回波信号y具有稀疏性,并且多点发送式雷达的控制矩阵A与回波信号y之间具有非相关性。同时,当控制矩阵A以及回波信号y已知时,可以通过反演得到测向区域的反射系数矩阵SIGMA。
当测向区域存在障碍物时,该障碍物将对发射信号进行反射,因此对应网格处的反射系数将不为0。根据反射系数矩阵SIGMA中各个网格的反射系数是否为0(或是否大于一个设定的阈值),即可判定对应的网格中是否有障碍物,从而获知相应方向是否有障碍物。
基于上述内容,发明人提出了本发明的基于压缩感知的雷达测向的测量矩阵获取方法。
图2是本发明实施例的基于压缩感知的多点收发式雷达测向的测量矩阵获取方法的流程图。
如图2所示,基于压缩感知的多点收发式雷达测向的测量矩阵获取方法包括如下步骤。
步骤S1-1,将测向区域在水平方向划分为N份,垂直方向划分为M份,得到M×N个网格。
本实施例中,测向区域是平行于发射雷达的天线阵列单元所在平面的平面区域,该测向区域与发射雷达之间的距离可以根据需要测向的距离范围设定,例如,应用在车载防撞雷达时,可以设定为防撞距离。
另外,本实施例中采用的发射雷达由Q个构成,接收雷达由R个接收雷达单元构成。Q的范围为4~16,R的范围为1~8。发射雷达单元以矩阵形式构成,接收雷达单元则可以按照矩阵形式构成,也可以不按照矩阵形式构成。
步骤S1-2,依次分析Q个发射雷达单元所发射的信号投射至测向区域的各个网格处的强度变化并得到传播函数H1,并分析各个网格所产生的回波信号传播至R个接收雷达单元的强度变化并得到回波函数H2。
本实施例中,步骤S1-2中传播函数H1的获得方法为分析推演法,包括如下步骤:
步骤S1-2-1,在测向区域与发射雷达之间设定一个与发射雷达单元所在平面相平行的模拟物面并将该模拟物面划分为M×N个网格。由于发射雷达单元所在平面与测向区域是平行的,因此该模拟物面与测向区域也是平行的,模拟物面中的M×N个网格与测向区域的M×N个网格是一一对应的。
步骤S1-2-2,采用发射雷达单元向模拟物面发射测试信号,并采用模拟信号接收雷达在模拟物面处进行接收,从而获得测试信号发送并传播到达模拟物面后的实际信号。
步骤S1-2-3,根据测试信号以及实际信号的强度关系进行模拟推演,得到传播函数H1。即,根据发射雷达单元所发射的信号到达模拟物面的网格处的实际强度,推演得到该信号到达测向区域处的网格的强度,并分别用对应的函数进行表示。
另外,也可以结合全波分析法(即直接根据各个发射雷达单元在传播介质中的传播特性对其传播过程中的强度变化进行分析的方法)进行分析而得到对应的传播函数,例如,先采用全波分析法得出函数,再根据模拟物面处实际信号的强度对全波分析法得出的函数进行参数修正。
在其他实施例中,当对精度要求稍低时,也可以不采用上述分析推演法,而是直接采用全波分析法得出上述相应的函数。
同时,本实施例的回波函数H2采用传播函数H1进行反向推演而获得。
步骤S1-3,设定包含与Q个发射雷达单元相对应的Q个控制函数的控制矩阵A,并根据控制矩阵A获取测量矩阵φ。
其中,步骤S1-3包括如下步骤:
步骤S1-3-1,设定包含与Q个发射雷达单元相对应的Q个随机振幅控制函数的调幅矩阵包含与Q个发射雷达单元相对应的Q个随机频率控制函数的调频矩阵f,以及包含与Q个发射雷达单元相对应的Q个随机相位控制函数的调相矩阵p。
步骤S1-3-2,按照下式计算得到包含Q个控制函数的控制矩阵A:
即,控制矩阵A为调幅矩阵调频矩阵f和调相矩阵p的乘积。由此,该控制矩阵A中包含分别与Q个发射雷达单元相对应的控制函数,这些控制函数可以与对应发射雷达单元的信号发射方式相对应,即,可以根据这些控制函数分别控制各个发射雷达单元的发射信号。
步骤S1-3-3,计算得到测量矩阵φ。根据本发明的上述理论(即式(5)~(11))可知,测量矩阵φ与上述获得的控制矩阵A、传播函数H1、回波函数H2之间均具有关联性,也就是说,实际上,控制矩阵A、传播函数H1、回波函数H2的乘积即为本方法的测量矩阵φ,即:
φ=H1·H2·A
获得上述测量矩阵后,当发射出雷达信号并测得从目标区域返回的回波信号y时,即可根据测量矩阵φ、变换基Ψ计算得到反射系数矩阵x。也就是说,可利用上述测量矩阵φ进行基于压缩感知的雷达测向,从而得出障碍物的方位。
通常情况下,由于传播函数H1、回波函数H2主要与介质及发射雷达和接收雷达的性能相关,因此即使测定传播函数H1、回波函数H2的场所不同,只要介质相同(一般情况下介质为空气),测量矩阵φ均能够应用。也就是说,传播函数H1、回波函数H2宜在雷达系统出厂前进行测量或推算,得出后存储在雷达系统的存储单元中,实际测向过程中使用该存储好的传播函数H1、回波函数H2即可。同时,雷达系统中还可存储上述网格划分方式,使得测向过程中的测向区域也被以相同的划分方式划分为M×N个网格。
图3是本发明实施例的基于压缩感知的多点收发式雷达测向的测量矩阵获取方法应用于雷达测向时的测向流程图。
如图3所示,本实施例中,利用上述测量矩阵φ进行基于压缩感知的雷达测向包括如下步骤:
步骤S2-1,根据控制矩阵A中的Q个控制函数分别对Q个发射雷达单元的发射信号进行调幅、调频以及调相,使Q个雷达单元分别根据对应的控制函数发射出投射至测向区域的发射信号。
步骤S2-2,采用R个接收雷达单元对从测向区域返回的回波信号进行接收,获得R个接收雷达单元分别接收到的回波信号及该回波信号形成的回波矩阵y。
步骤S2-3,根据传播函数H1、回波函数H2、控制矩阵A以及回波矩阵y计算得到测向区域的各个网格的反射系数。
步骤S2-4,对计算得到的网格的反射系数进行反推,得到以M×N矩阵表示的反射系数矩阵x。
步骤S2-5,依次判断反射系数矩阵x中的各个反射系数是否大于预定阈值,当大于时则判定该网格的对应方向上存在障碍物。
实施例作用与效果
根据本实施例提供的基于压缩感知的雷达测向的测量矩阵获取方法,由于采用了与Q个发射雷达单元相对应并且包含随机调幅矩阵随机调频矩阵f以及随机调相矩阵p的控制矩阵A,来构成了测量矩阵φ的一部分,因此能够降低测量矩阵φ与变换基Ψ及接收信号之间的相关性,同时满足等距约束性条件,使得压缩感知算法能够应用于雷达测向。同时,控制矩阵A包含分别与发射雷达单元相对应的控制函数,并且这些控制函数都具有随机性,因此能够方便地对发射雷达单元的信号进行控制,同时还能够让这些信号满足赝热的条件,进一步满足压缩感知算法的条件。
根据本实施例的测量矩阵获取方法的应用,由于将该获取方法获得的控制矩阵A用在了发射信号控制上,并将测量矩阵φ及变换基Ψ用在了回波信号的反演计算上,因此能够获得测向区域的反射系数矩阵,进一步判断出障碍物所在的方位。由于这种测向方法能够采用多点发射式的雷达来进行测向,该多点发射式的雷达中发射雷达单元的数量为4~16,因此能够克服传统雷达测量方法中单点式雷达的分辨率受限于瑞利极限的问题,其整体分辨率突破了单点式雷达所能达到的极限,因此极大提高了测向的分辨率。同时,由于采用了上述压缩感知的算法来进行采样及数据分析,因此能够准确地分析得到结果。所以,本实施例的测量矩阵获取方法应用在的雷达测向时能够同时实现高精度及广范围的测向。
实施例中采用分析推演法获得了信号的传播函数,并据此获得了对应的回波函数。由于该分析推演法结合了将实际的测量数据以及根据传播特性的分析过程相结合,因此能够更为准确地反映信号在发射出及反射回的过程中的强度变化,进一步提高本实施例的测量矩阵获取方法应用在雷达测向时的精度。
Claims (6)
1.一种基于压缩感知的雷达测向的测量矩阵获取方法,用于在包含Q个雷达发射单元以及R个雷达接收单元的雷达系统的测向过程中构建测量矩阵φ,其特征在于,包括如下步骤:
步骤S1-1,将测向区域在水平方向划分为N份,垂直方向划分为M份,得到M×N个网格;
步骤S1-2,依次分析所述雷达发射单元所发射的信号投射至所述测向区域的各个所述网格处的强度变化并得到传播函数H1,并分析各个所述网格所产生的回波信号传播至所述R个雷达接收单元的强度变化并得到回波函数H2;
步骤S1-3,设定包含与Q个所述雷达发射单元相对应的Q个控制函数的控制矩阵A,并根据所述控制矩阵A获取测量矩阵φ,
其中,步骤S1-3包括如下步骤:
步骤S1-3-1,设定包含与Q个所述雷达发射单元相对应的Q个随机振幅控制函数的调幅矩阵包含与Q个所述雷达发射单元相对应的Q个随机频率控制函数的调频矩阵f,以及包含与Q个所述雷达发射单元相对应的Q个随机相位控制函数的调相矩阵p;
步骤S1-3-2,根据下式计算得到包含Q个控制函数的控制矩阵A:
步骤S1-3-3,根据下式计算得到测量矩阵φ:
φ=H1·H2·A
2.根据权利要求1所述的基于压缩感知的雷达测向的测量矩阵获取方法,其特征在于:
其中,所述传播函数H1的获得方法为全波分析法。
3.根据权利要求1所述的基于压缩感知的雷达测向的测量矩阵获取方法,其特征在于:
其中,所述传播函数H1的获得方法为分析推演法,包括如下步骤:
步骤S1-2-1,在所述测向区域与所述雷达发射之间设定一个与所述雷达发射单元所在平面相平行的模拟物面并将该模拟物面划分为M×N个网格;
步骤S1-2-2,采用所述雷达发射单元向所述模拟物面发射测试信号,并采用模拟信号接收雷达在所述模拟物面处进行接收,从而获得所述测试信号发送并传播到达所述模拟物面后的实际信号;
步骤S1-2-3,根据所述测试信号以及所述实际信号的强度关系进行模拟推演,得到所述传播函数H1。
5.根据权利要求1所述的基于压缩感知的雷达测向的测量矩阵获取方法,其特征在于:
其中,Q的范围为4~16,
R的范围为1~8。
6.一种如权利要求1~5任一项所述的基于压缩感知的雷达测向的测量矩阵获取方法的应用,其特征在于,利用构建出的所述测量矩阵φ进行基于压缩感知的雷达测向,包括如下步骤:
步骤S2-1,根据所述控制矩阵A中的Q个所述控制函数分别对Q个所述雷达发射单元的发射信号进行调幅、调频以及调相,使Q个所述雷达发射单元分别根据对应的控制函数发射出投射至测向区域的发射信号;
步骤S2-2,采用R个所述雷达接收单元对从所述测向区域返回的回波信号进行接收,获得R个雷达接收单元分别接收到的回波信号及该回波信号形成的回波矩阵y;
步骤S2-3,根据传播函数H1、回波函数H2、控制矩阵A以及回波矩阵y计算得到所述测向区域的各个网格的反射系数;
步骤S2-4,对计算得到的所述网格的所述反射系数进行反推,得到以M×N矩阵表示的反射系数矩阵x;
步骤S2-5,依次判断所述反射系数矩阵x中的各个反射系数是否大于预定阈值,当大于时判定该网格的对应方向上存在障碍物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810853783.6A CN108919226B (zh) | 2018-07-30 | 2018-07-30 | 基于压缩感知的雷达测向的测量矩阵获取方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810853783.6A CN108919226B (zh) | 2018-07-30 | 2018-07-30 | 基于压缩感知的雷达测向的测量矩阵获取方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108919226A CN108919226A (zh) | 2018-11-30 |
CN108919226B true CN108919226B (zh) | 2023-01-24 |
Family
ID=64416228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810853783.6A Active CN108919226B (zh) | 2018-07-30 | 2018-07-30 | 基于压缩感知的雷达测向的测量矩阵获取方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919226B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
CN102636776A (zh) * | 2012-03-31 | 2012-08-15 | 中国科学院上海技术物理研究所 | THz级大带宽激光合成孔径雷达成像系统的数据处理方法 |
EP2697666A1 (en) * | 2011-04-14 | 2014-02-19 | Ramot at Tel Aviv University, Ltd. | Method and system for target detection |
CN104111458A (zh) * | 2014-07-29 | 2014-10-22 | 西安电子科技大学 | 基于双重稀疏约束的压缩感知合成孔径雷达成像方法 |
CN105197108A (zh) * | 2015-01-14 | 2015-12-30 | 河海大学常州校区 | 一种基于汽车辅助驾驶系统的多目标测向系统及其方法 |
-
2018
- 2018-07-30 CN CN201810853783.6A patent/CN108919226B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
EP2697666A1 (en) * | 2011-04-14 | 2014-02-19 | Ramot at Tel Aviv University, Ltd. | Method and system for target detection |
CN102636776A (zh) * | 2012-03-31 | 2012-08-15 | 中国科学院上海技术物理研究所 | THz级大带宽激光合成孔径雷达成像系统的数据处理方法 |
CN104111458A (zh) * | 2014-07-29 | 2014-10-22 | 西安电子科技大学 | 基于双重稀疏约束的压缩感知合成孔径雷达成像方法 |
CN105197108A (zh) * | 2015-01-14 | 2015-12-30 | 河海大学常州校区 | 一种基于汽车辅助驾驶系统的多目标测向系统及其方法 |
Non-Patent Citations (2)
Title |
---|
"Smart Compressed Sensing for Online Evaluation of CFRP Structure Integrity";Chaoqing Tang等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20171231;第64卷(第12期);第9608-9617页 * |
"固定单站纯方位目标运动参数的解析方法";郁涛;《电波科学学报》;20140831;第29卷(第4期);第634-638/652页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108919226A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yoon et al. | High-resolution through-the-wall radar imaging using beamspace MUSIC | |
Zhang et al. | Ultrawideband impulse radar through‐the‐wall imaging with compressive sensing | |
CN108459307B (zh) | 基于杂波的mimo雷达收发阵列幅相误差校正方法 | |
CN101975947B (zh) | 二维镜像综合孔径辐射成像方法 | |
US20230065110A1 (en) | Electromagnetic non-line-of-sight imaging method based on time reversal and compressed sensing | |
CN109581352B (zh) | 一种基于毫米波雷达的超分辨测角系统 | |
CN109212527B (zh) | 用于高频地波雷达的大孔径分布式多站目标定位方法 | |
JP5950835B2 (ja) | シーン内の反射物を再構成するシステム | |
Goodman et al. | On clutter rank observed by arbitrary arrays | |
CN104391295A (zh) | 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法 | |
CN109884627B (zh) | 任意线阵构型的近程毫米波快速三维成像方法 | |
CN109031307B (zh) | 车载毫米波防撞雷达系统以及障碍物检测方法 | |
CN109061592B (zh) | 基于压缩感知的多点发射毫米波雷达测向方法 | |
CN108919226B (zh) | 基于压缩感知的雷达测向的测量矩阵获取方法及应用 | |
Bhargav et al. | Compressive sensing based doa estimation for multi-path environment | |
US11740328B2 (en) | Methods and systems for processing radar signals | |
CN115015925A (zh) | 基于改进匹配追踪的机载阵列雷达超分辨前视成像方法及装置 | |
Ni et al. | Information-theoretic target localization with compressed measurement using FDA radar | |
CN109375156B (zh) | 基于信息论的传感器系统单目标克拉美罗界的研究方法 | |
Xu et al. | Backward projection imaging of through-wall radar based on airspace nonuniform sampling | |
Wang et al. | Design of a low-complexity miniature underwater three-dimensional acoustical imaging system | |
Hislop et al. | Spatial smoothing for 2D direction finding with passive RFID tags | |
Qu et al. | Cross validation based distributed greedy sparse recovery for multiview through-the-wall radar imaging | |
CN113820715B (zh) | 一种采用阵元级多基地数据融合的目标定位方法 | |
Ravichandran et al. | Synthetic Aperture Radar Imaging |
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 |