CN108983159B - 基于混合脉冲积累观测的压缩感知雷达目标参数估计方法 - Google Patents
基于混合脉冲积累观测的压缩感知雷达目标参数估计方法 Download PDFInfo
- Publication number
- CN108983159B CN108983159B CN201810391150.8A CN201810391150A CN108983159B CN 108983159 B CN108983159 B CN 108983159B CN 201810391150 A CN201810391150 A CN 201810391150A CN 108983159 B CN108983159 B CN 108983159B
- Authority
- CN
- China
- Prior art keywords
- target
- pulse
- accumulation
- observation
- matrix
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
- G01S13/26—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the transmitted pulses use a frequency- or phase-modulated carrier wave
- G01S13/28—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the transmitted pulses use a frequency- or phase-modulated carrier wave with time compression of received pulses
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
本发明公开了一种基于混合脉冲积累观测的压缩感知雷达目标参数估计方法,总体上包括三部分:基于目标速度的压缩感知雷达回波信号群分组方法、基于脉冲分组积累与目标距离走动补偿的的压缩感知雷达混合脉冲积累观测矩阵设计方法以及针对脉冲积累观测后数据的联合优化重构算法设计。本发明通过设计特定结构的观测矩阵,实现压缩感知雷达回波脉冲的分组积累,并进一步通过目标距离走动补偿观测矩阵实现对目标距离走动的补偿,显著的提高低信噪比情况下压缩感知雷达的探测性能。
Description
技术领域
本发明具体涉及一种基于混合脉冲积累观测的压缩感知雷达目标参数估计方法。
背景技术
在存在强噪声的情况下,压缩感知理论对信号稀疏重构的性能将迅速下降,然而雷达系统往往面临着信噪比较低的情况,强噪声成为了压缩感知雷达在硬件实现与工程应用研究的过程中面临的一大难题。在已有工作中,学者们围绕强噪声背景下的压缩感知雷达优化重构算法展开了研究,然而当信噪比降低到一定程度时,这些优化重构算法的性能急剧下降,压缩感知无法对目标场景进行准确的重构,在长时间脉冲积累过程中,往往面临着目标跨距离单元走动的问题。
发明内容
发明目的:为了克服现有技术中存在的不足,为消除目标跨距离单元走动的影响,进一步提高低信噪比情况下的压缩感知雷达目标探测性能,提供一种提高强噪声背景下的目标参数估计准确率的基于混合脉冲积累观测的压缩感知雷达目标参数估计方法。
技术方案:为实现上述目的,本发明提供一种基于混合脉冲积累观测矩阵的压缩感知雷达目标探测方法,包括建立回波脉冲联合稀疏表示模型、构造分组组内脉冲相干积累观测矩阵、构造目标距离走动补偿观测矩阵以及联合稀疏优化重构;其中:建立回波信号群的联合稀疏表示模型用于得到压缩感知雷达回波脉冲信号群的联合稀疏表示;构造脉冲压缩积累观测矩阵用于对组内接收脉冲信号群进行压缩积累,提高接收信号群信噪比;构造目标距离走动补偿观测矩阵用于对齐组间脉冲,以进一步积累组间脉冲,消除目标跨距离单元走动的影响;联合稀疏优化重构用于重构回波脉冲信号群在稀疏域的联合稀疏向量,得到目标参数的估计。
本发明中提供的一种基于混合脉冲积累观测的压缩感知雷达目标参数估计方法,包括如下步骤:
1)建立压缩感知雷达P个回波脉冲的联合稀疏表示模型;
2)将P个回波脉冲压缩积累至Q个脉冲。为避免目标跨距离单元走动的影响,根据目标所在的速度区间划分将回波脉冲群为Q组,其中第q组脉冲对应目标移动至的第q个距离单元。每个脉冲分组内的h个脉冲采用类似相干积累处理;
3)构造针对组内回波脉冲相干压缩积累观测矩阵,实现对组内回波脉冲的相干积累;
4)构造目标距离走动补偿观测矩阵,对目标的距离走动进行补偿;
5)在距离走动补偿完成后,构造非相关积累观测矩阵,将分组积累观测信号进一步压缩积累得到最终观测信号;
6)对脉冲积累观测后数据进行联合稀疏重构,得到目标参数估计。
进一步地,所述步骤1中P个回波脉冲的联合稀疏表示模型的建立,具体为:
若压缩感知雷达系统目标空间所对应的过完备系数字典为Ψ,则无噪声情况下第p个回波脉冲有以下的稀疏表示形式rp=Ψθp,其中θp为第p个回波脉冲的稀疏向量。由于接收信号群X=[r1,r2,...,rP],令x=vec(X),则可以得到x的稀疏表示形式
进一步地,所述步骤3中压缩感知雷达回波脉冲压缩积累观测矩阵的构造,包括以下步骤:
3.1)输入压缩采样回波信号;
3.3)根据目标所在速度区间,以该区间的平均速度设置相位补偿因子;
3.4)输出分组脉冲积累观测矩阵Φca。
进一步地,所述步骤3.2中预设目标速度区间与脉冲分组的对应关系,具体包括:
3.2.1)计算压缩感知雷达的速度容限,即目标在P个脉冲持续的时间内停留在同一
续时间,dm表示距离分辨单元的大小,floor()为向下取整函数;
进一步地,所述步骤3.4中输出脉冲积累观测矩阵Φca具体为Φca=diag(β1uT,β2uT,...,βQu),其中Q为脉冲组个数,即回波信号群根据目标速度的先验信息得到的分组个数,且Q=floor(P/h),β1,β2,...,βQ分别为脉冲组1至Q各自对应的优选系数。
进一步地,所述步骤4中构造目标距离走动补偿观测矩阵,具体包括:
4.3)利用单位位移FFT变换矩阵与IFFT变换矩阵构造目标距离走动补偿观测矩阵Dm=FI*Fm,其中m为需要补偿的距离单元数。
进一步地,所述步骤5中构造非相关积累观测矩阵,将分组积累观测信号进一步压缩积累得到最终观测信号,具体包括:
5.1)定义非相干积累向量Φcn=[η1,η2,...,ηQ]T,η1,η2,...,ηQ分别为脉冲组1至Q各自对应的优选系数;
5.2)假设经过目标距离走动补偿的信号为Z′,则最终的积累观测信号可以表示为Y=Z′Φcn;
进一步地,所述步骤6中对脉冲积累观测后数据进行联合稀疏重构,具体包括:
6.1)将感知矩阵Γ分为J=L×M个子矩阵,其中L,M分别为目标信息空间所包含的距离单元数与多普勒单元数。定义如下的识别函数来推导各子矩阵的构造方法,
A=floor(i/J)+1
B=mod(i/J)-floor((A-1)/h)
6.4)更新Λ=Λ∪λ,Ξt=[Ξt-1,G(j)];
6.7)判断,如果循环次数满足t≥K,则终止循环。否则跳转至步骤6.2继续循环。
有益效果:本发明与现有技术相比,考虑到压缩感知雷达系统中观测矩阵对脉冲的压缩功能,基于结构化观测矩阵设计,针对低信噪比情况下压缩感知雷达系统目标重构性能不理想的问题,为提高低信噪比情况下压缩感知雷达的目标探测性能,从观测矩阵设计的角度出发,提供了一种基于观测矩阵的压缩感知雷达回波混合脉冲积累方法,在压缩回波数据的同时,实现了脉冲分组间的目标距离走动补偿,在提高信噪比的同时有效的避免了目标跨距离单元走动的问题。
附图说明
图1为压缩感知雷达回波脉冲混合压缩积累框架示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于混合脉冲积累观测的压缩感知雷达目标参数估计方法,总体上包括三部分:基于目标速度的压缩感知雷达回波信号群分组方法、基于脉冲分组积累与目标距离走动补偿的的压缩感知雷达混合脉冲积累观测矩阵设计方法以及针对脉冲积累观测后数据的联合优化重构算法设计。
如附图1所示为压缩感知雷达脉冲混合积累框架,接收信号群X=[r1,r2,...,rP]包含P个回波脉冲,其中rp代表第p个回波脉冲。压缩感知雷达混合脉冲积累框架的第一步采用4.2节中所提出的脉冲积累观测框架,将P个回波脉冲压缩积累至Q个脉冲。为避免目标跨距离单元走动的影响,回波脉冲群将根据目标所在的速度区间被划分为Q组,其中第q组脉冲对应目标移动至的第q个距离单元。每个脉冲分组内的h个脉冲采用类似相干积累处理,所谓类似相干积累即相位补偿因子由目标所在速度区间的平均速度决定,这种相位补偿并不能使脉冲达到完全相参,但补偿的相位仍然能够使能量积累尽量集中。当得到Q个积累脉冲Z=[u1,u2,...,uQ]后,框架采用一个基于频域加权观测矩阵,对目标的距离走动进行补偿。在距离走动补偿完成后,积累观测信号Z被进一步压缩积累并得到最终的观测信号Y。在第二步积累观测过程中所采用的信号积累方式为非相干积累,由于相干积累在硬件实现上比非相干积累难度大成本高,这种设计上可以在一定程度上降低压缩感知雷达的硬件复杂度。
若压缩感知雷达系统目标空间所对应的过完备系数字典为Ψ,则无噪声情况下第p个回波脉冲有以下的稀疏表示形式
rp=Ψθp (1)
在确认目标所在速度区间后,脉冲分组情况已经确定则脉冲积累观测矩阵的基向量为
其维度为P×Q。由此脉冲积累观测信号Z可以表示为
Z=XΦca (5)
假设采样信号的长度为N,定义单位位移FFT变换矩阵
根据式(6)与(7)可以给出目标距离走动补偿矩阵的定义
Dm=FI*Fm (8)
其中m为需要补偿的距离单元数。
最后定义非相干积累向量
Φcn=[η1,η2,...,ηQ]T (9)
同样的,η1,η2,...,ηQ为加权系数,类似4.2.1节中所介绍的脉冲优选系数,非相干积累向量中加权系数同样可以针对一些特殊情况进行调整,在理想情况下,加权系数可以设置为1。
假设经过目标距离走动补偿的信号为Z′,则最终的积累观测信号可以表示为
Y=Z′Φcn (10)
令y=vec(Y),z′=vec(Z′),z=vec(Z),则式(4.24)可以等价的表示为
由此得到了混合脉冲积累观测矩阵的最终形式。
首先将感知矩阵Γ分为J=L×M个子矩阵,其中L,M分别为目标信息空间所包含的距离单元数与多普勒单元数。定义如下的识别函数来推导各子矩阵的构造方法,
同一个子矩阵中的列向量均对应于同一个目标信息单元(同一距离单元与多普勒单元)。在SMOMP算法中,首先初始化恢复向量与残差向量在第k′次子循环中,将残差与每一个子矩阵G(j)做相关计算,并且选取出于当前残差相关度最高的子矩阵G(k′)。随后更新恢复向量
最后更新残差向量
表1SMOMP算法流程
本发明考虑目标跨距离单元走动的情况,研究了一种对抗目标跨距离单元走动的压缩感知雷达脉冲混合积累观测方法,通过设计特定结构的观测矩阵,实现压缩感知雷达回波脉冲的分组积累,并进一步通过目标距离走动补偿观测矩阵实现对目标距离走动的补偿,显著的提高低信噪比情况下压缩感知雷达的探测性能。
Claims (6)
1.基于混合脉冲积累观测的压缩感知雷达目标参数估计方法,其特征在于:包括如下步骤:
1)建立压缩感知雷达P个回波脉冲的联合稀疏表示模型;
2)将P个回波脉冲压缩积累至Q个脉冲,为避免目标跨距离单元走动的影响,根据目标所在的速度区间划分将回波脉冲群为Q组,其中第q组脉冲对应目标移动至的第q个距离单元,每个脉冲分组内的h个脉冲采用类似相干积累处理;
3)构造针对组内回波脉冲相干压缩积累观测矩阵,实现对组内回波脉冲的相干积累;
4)构造目标距离走动补偿观测矩阵,对目标的距离走动进行补偿;
5)在距离走动补偿完成后,构造非相关积累观测矩阵,将分组积累观测信号进一步压缩积累得到最终观测信号;
6)对脉冲积累观测后数据进行联合稀疏重构,得到目标参数估计;
所述步骤3中压缩感知雷达回波脉冲压缩积累观测矩阵的构造,包括以下步骤:
3.1)输入压缩采样回波信号;
3.3)根据目标所在速度区间,以该区间的平均速度设置相位补偿因子;
3.4)输出分组脉冲积累观测矩阵Φca;
所述步骤6中对脉冲积累观测后数据进行联合稀疏重构,具体包括:
6.1)将感知矩阵Γ分为J=L×M个子矩阵,其中L,M分别为目标信息空间所包含的距离单元数与多普勒单元数,定义如下的识别函数来推导各子矩阵的构造方法,
A=floor(i/J)+1
B=mod(i/J)-floor((A-1)/h)
6.4)更新Λ=Λ∪λ,Ξt=[Ξt-1,G(j)];
6.7)判断,如果循环次数满足t≥K,则终止循环,否则跳转至步骤6.2继续循环。
4.根据权利要求1所述的基于混合脉冲积累观测的压缩感知雷达目标参数估计方法,其特征在于:所述步骤3.4中输出脉冲积累观测矩阵Φca具体为Φca=diag(β1uT,β2uT,...,βQu),其中Q为脉冲组个数,即回波信号群根据目标速度的先验信息得到的分组个数,且Q=floor(P/h),β1,β2,...,βQ分别为脉冲组1至Q各自对应的优选系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810391150.8A CN108983159B (zh) | 2018-04-27 | 2018-04-27 | 基于混合脉冲积累观测的压缩感知雷达目标参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810391150.8A CN108983159B (zh) | 2018-04-27 | 2018-04-27 | 基于混合脉冲积累观测的压缩感知雷达目标参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108983159A CN108983159A (zh) | 2018-12-11 |
CN108983159B true CN108983159B (zh) | 2021-03-19 |
Family
ID=64542303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810391150.8A Active CN108983159B (zh) | 2018-04-27 | 2018-04-27 | 基于混合脉冲积累观测的压缩感知雷达目标参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108983159B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632558B (zh) * | 2019-07-18 | 2022-11-08 | 电子科技大学 | 一种联合计算mimo雷达稀疏阵列和脉冲串的方法 |
CN110895331A (zh) * | 2019-08-21 | 2020-03-20 | 常熟理工学院 | 基于结构化观测矩阵的脉冲多普勒雷达目标稀疏探测方法 |
CN113219429B (zh) * | 2021-03-25 | 2024-01-30 | 西安电子科技大学 | 基于多测量压缩感知下的捷变频雷达高速目标重构方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN104199008A (zh) * | 2014-09-09 | 2014-12-10 | 中国民航大学 | 基于压缩感知的空中机动目标参数估计方法 |
-
2018
- 2018-04-27 CN CN201810391150.8A patent/CN108983159B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN104199008A (zh) * | 2014-09-09 | 2014-12-10 | 中国民航大学 | 基于压缩感知的空中机动目标参数估计方法 |
Non-Patent Citations (1)
Title |
---|
Mixed Pulse Accumulation for Compressive Sensing Radar;Yu Tao et al.;《IEEE SIGNAL PROCESSING LETTERS》;20161231;第23卷(第12期);第1761-1765页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108983159A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983159B (zh) | 基于混合脉冲积累观测的压缩感知雷达目标参数估计方法 | |
CN102016915B (zh) | 用于图像的超分辨率的方法与设备 | |
CN109490957B (zh) | 一种基于空间约束压缩感知的地震数据重建方法 | |
CN109782238B (zh) | 一种传感器阵列阵元幅相响应和阵元位置的联合校准方法 | |
CN112099008A (zh) | 基于cv-admmn的sa-isar成像与自聚焦方法 | |
Güngör et al. | Autofocused compressive SAR imaging based on the alternating direction method of multipliers | |
EP2552115A1 (en) | A method for coding a sequence of digital images | |
CN108983160B (zh) | 一种低信噪比情况下压缩感知雷达多目标参数估计方法 | |
CN108761412B (zh) | 一种低信噪比情况下压缩感知雷达单目标参数估计方法 | |
CN105676223A (zh) | 一种非匀速太赫兹雷达平台sar成像方法 | |
Wang et al. | ISAR imaging using a null space ℓ 1 minimizing Kalman filter approach | |
CN109782246B (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
CN112946649B (zh) | 一种适用于任意子孔径长度的pfa成像方法 | |
CN115221768A (zh) | 基于多嵌套阵列的改进无迹粒子滤波直接跟踪方法 | |
Xi et al. | Image fusion algorithm based on adaptive pulse coupled neural networks in curvelet domain | |
CN114624646A (zh) | 一种基于模型驱动复数神经网络的doa估计方法 | |
CN110381313B (zh) | 基于lstm网络与图像组质量盲评估的视频压缩感知重构方法 | |
CN113484862A (zh) | 一种自适应的高分宽幅sar清晰重构成像方法 | |
Oral et al. | Plug-and-Play Reconstruction with 3D Deep Prior for Complex-Valued Near-Field MIMO Imaging | |
Yu et al. | STP-DEQ-Net: a deep equilibrium model based on ISTA method for image compressive sensing | |
CN109284671B (zh) | 一种基于asmp阈值最优和低通滤波的海水温度场重构算法 | |
CN114720984B (zh) | 一种面向稀疏采样与观测不准确的sar成像方法 | |
CN108445465B (zh) | 一种基于Arnoldi的特征向量相位补偿方法 | |
Stanković et al. | Time-Varying Cross-Range in Wideband Sonar Imaging | |
Jagdale et al. | Video resolution enhancement and quality assessment strategy |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221101 Address after: 215500 No.9, research institute road, Changshu Economic and Technological Development Zone, Suzhou City, Jiangsu Province Patentee after: CHANGSHU RESEARCH INSTITUTE OF DLUT Co.,Ltd. Address before: 215500 Changshou City South Three Ring Road No. 99, Suzhou, Jiangsu Patentee before: CHANGSHU INSTITUTE OF TECHNOLOGY |