CN109031288A - 一种极化穿墙雷达压缩感知成像方法 - Google Patents
一种极化穿墙雷达压缩感知成像方法 Download PDFInfo
- Publication number
- CN109031288A CN109031288A CN201810743835.4A CN201810743835A CN109031288A CN 109031288 A CN109031288 A CN 109031288A CN 201810743835 A CN201810743835 A CN 201810743835A CN 109031288 A CN109031288 A CN 109031288A
- Authority
- CN
- China
- Prior art keywords
- polarized
- wall radar
- polarization
- imaging
- following
- 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.)
- Granted
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 72
- 238000003384 imaging method Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 43
- 239000013598 vector Substances 0.000 claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000002310 reflectometry Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 26
- 230000004048 modification Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 18
- 238000001228 spectrum Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
- G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
-
- 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
本发明提供一种极化穿墙雷达压缩感知成像方法，涉及技术领域。该方法利用各极化通道对应场景反射率向量的联合稀疏性将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，采用谱投影梯度L1范数最小化算法求解组稀疏基追踪去噪问题实现成像重建，成像过程中采用非均匀快速傅里叶变换技术实现正向函数和伴随函数算子的计算，避免了对字典矩阵各个元素的计算和存贮。本发明提供的极化穿墙雷达压缩感知成像方法，显著地减少了成像过程中对计算机内存的需求，同时能够保证成像重建的质量，适用于大规模高分辨率极化穿墙雷达成像场合。
Description
技术领域
本发明涉及透视成像技术领域，尤其涉及一种极化穿墙雷达压缩感知成像方法。
背景技术
穿墙雷达是一种利用电磁波的低频穿透特性对墙后隐蔽目标进行探测的透视成像技术，在城市执法、灾害救援和军事行动等领域得到了广泛应用。极化穿墙雷达系统采用不同的天线耦合方式来接收墙后隐蔽目标的各种极化信息，通过对多个极化通道测量数据的分析和处理，可大大提高对墙后隐蔽目标的探测、成像和识别能力。
基于压缩感知理论的雷达成像技术利用探测场景具有稀疏性这一先验信息，可以大幅度降低回波信号的采样率，减小系统的数据采集量，同时实现对探测目标的准确高分辨率成像。在压缩感知理论框架下，极化穿墙雷达系统每个极化通道接收到的回波信号可看作是由具有相同结构的目标散射点反射而来，其数据采集模型可用联合稀疏模型来描述。
现有的压缩感知极化穿墙雷达成像方法都需要在成像过程中事先计算和存储字典矩阵的每个元素，这导致成像方法占用的计算机内存大和计算复杂度高。这严重地限制这些成像方法在极化穿墙雷达系统中的实际应用。
发明内容
针对现有技术的缺陷，本发明提供一种极化穿墙雷达压缩感知成像方法，实现对穿墙雷达测量的数据进行压缩成像。
一种极化穿墙雷达压缩感知成像方法，包括以下步骤：
步骤1、获得极化穿墙雷达系统多个极化通道的测量数据，并将其表示为矩阵向量的形式；
假设极化穿墙雷达系统共有L个极化通道，在每个极化通道，极化穿墙雷达系统均按照如下方式收集回波数据：收发天线同时沿着测线方向按固定步长移动M次，共得到M个观测位置，在每个观测位置记录N个均匀频率点的测量数据；将观测场景按方位向和距离向均匀划分Q个像素点，则对于第l，l＝1、2、…、L个极化通道，第m，m＝0、1、…、M-1个观测位置和第n，n＝0，1，…，N-1个频率点对应的测量数据rm，l(n)如式下公式所示：
其中，σl(q)为第l个极化通道第q个像素点对应的复反射率，fn＝f0+nΔf为第n个频率点的频率，f0为极化穿墙雷达系统的起始频率，Δf为步进频率，τmq，l第l个极化通道的第m个观测位置与第q个像素点间的双程传输延时；
将测量数据rm，l(n)表示为矩阵向量的形式，如下公式所示：
rm，l＝Ψm，lσl (2)
其中，rm，l＝[rm，l(0)，rm，l(1)，L，rm，l(N-1)]T为第l个极化通道的第m个观测位置对应的测量数据向量；σl＝[σl(0)，σl(1)，L，σl(Q-1)]T为第l个极化通道对应的观测场景反射率向量；Ψm，l为N×Q维矩阵，其第n行如式下公式所示：
步骤2、对极化穿墙雷达系统各极化通道的测量数据进行降采样处理，具体方法为：
在每个极化通道中随机选取M1，M1＜M个观测位置和N1，N1＜N个频率点对应的测量数据；设mg∈[0，1，…，M-1]，g＝0、1、…、M1-1和nh∈[0，1，…，N-1]，h＝0、1、...、N1-1分别为随机选取的观测位置和频率点的索引，则在第l个极化通道的第mg个观测位置的降采样测量数据如下公式所示：
其中，为从N1×N维单位矩阵中随机选取N1行得到；为N1×Q维字典矩阵，其第h行第j列元素如下公式所示：
其中，为第l个极化通道的第mg个观测位置对应的第nh个频率点，为第l个极化通道的第mg个观测位置与第q个像素点间的双程延时；
由于极化穿墙雷达系统的每个极化通道有M1个观测位置，则M1个观测位置的降采样测量数据如下线性方程组所示
yl＝Alσl+nl (6)
其中，T为转置操作，nl表示第l个极化通道的测量噪声；
步骤3、采用非均匀傅里叶变换技术计算正向函数Y＝gA(A，X)；
将矩阵向量积表示成如下公式形式：
将公式(7)作进一步变形，得到如下公式：
其中，F、c1和c2满足c1c2F＝1，且F为整数，c1和c2为实数；
首先将l从1到L遍历，对于每一个固定的l，将g从0到M1-1遍历，在g的遍历过程中采用非均匀快速傅里叶变换技术计算公式(8)，得到向量结束g的遍历过程得到结束l的遍历过程得到Y＝[y1，y2，…，yL]；
则Y＝[y1，y2，…，yL]＝gA(A，X)为正向函数，A＝[A1，A2，…，AL]和X＝[σ1，σ2，…，σL]为正向函数gA的输入，Y＝[y1，y2，…，yL]为正向函数gA的输出；
步骤4、采用非均匀傅里叶变换技术计算伴随函数
将矩阵向量积表示成如下公式的形式：
其中，表示第l个极化通道的第mg个观测位置对应第nh个频率点的测量数据；
将公式(9)作进一步变形，得到如下公式：
首先将l从1到L遍历，对于每一个固定的l，将g从0到M1-1遍历，在g的遍历过程中采用非均匀快速傅里叶变换技术计算公式(10)，得到向量结束g的遍历过程进行求和操作得到结束l的遍历过程得到
则为伴随函数，A＝[A1，A2，…，AL]和Y＝[y1，y2，…，yL]为伴随函数的输入，为伴随函数的输出；
步骤5、将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，并利用谱投影梯度L1范数最小化算法求解该组稀疏基追踪去噪问题；
采用组稀疏基追踪去噪技术重建各极化通道对应的场景反射率向量σl，如下公式所示：
min‖X||1，2s.t.||Y-A(X)||F≤ε (11)
其中，X＝[σ1，σ2，…，σL]，Y＝[y1，y2，…，yL]，A(X)＝[A1σ1，A2σ2，…，ALσL]，混合(1，2)范数||X||1，2为矩阵X各行的l2范数之和，||·||F为矩阵的弗罗贝尼乌斯范数，ε为允许的成像重建误差；
因此，将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，再根据步骤3和步骤4构造的正向函数gA和伴随函数使用SPGL1软件包实现该组稀疏基追踪去噪问题的求解；
步骤6、将步骤5的求解结果进行融合得到最终的极化穿墙雷达系统的压缩感知成像结果；
将步骤5求解得到的L个极化通道各自对应的场景反射率向量σl进行融合得到融合后的场景反射率向量σfused，如下公式所示：
将融合后的场景反射率向量重排成二维矩阵形式即得到极化穿墙雷达系统的压缩感知成像结果。
由上述技术方案可知，本发明的有益效果在于：本发明提供的一种极化穿墙雷达压缩感知成像方法，利用各极化通道对应场景反射率向量的联合稀疏性将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，采用谱投影梯度L1范数最小化算法求解组稀疏基追踪去噪问题实现成像重建，成像过程中采用非均匀快速傅里叶变换技术实现正向函数和伴随函数算子的计算，避免了对成像过程中字典矩阵每个元素进行计算和存贮，显著降低了对计算机内存的要求，同时保证成像重建的质量。本发明提供的极化穿墙雷达压缩感知成像方法，显著地减少成像过程中对计算机内存的需求，同时能够保证成像重建的质量，适用于大规模高分辨率极化穿墙雷达成像场合。
附图说明
图1为本发明实施例提供的一种极化穿墙雷达压缩感知成像方法的流程图；
图2为本发明实施例提供的探测场景中目标真实位置示意图；
图3为本发明实施例提供的采用本发明的极化穿墙雷达压缩感知成像方法进行成像的结果图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
一种极化穿墙雷达压缩感知成像方法，如图1所示，包括以下步骤：
步骤1、获得极化穿墙雷达系统多个极化通道的测量数据，并将其表示为矩阵向量的形式；
假设极化穿墙雷达系统共有L个极化通道，在每个极化通道，极化穿墙雷达系统均按照如下方式收集回波数据：收发天线同时沿着测线方向按固定步长移动M次，共得到M个观测位置，在每个观测位置记录N个均匀频率点的测量数据；将观测场景按方位向和距离向均匀划分Q个像素点，则对于第l，l＝1、2、…、L个极化通道，第m，m＝0、1、…、M-1个观测位置和第n，n＝0，1，…，N-1个频率点对应的测量数据rm，l(n)如式下公式所示：
其中，σl(q)为第l个极化通道第q个像素点对应的复反射率，fn＝f0+nΔf为第n个频率点的频率，f0为极化穿墙雷达系统的起始频率，Δf为步进频率，τmq，l第l个极化通道的第m个观测位置与第q个像素点间的双程传输延时；
将测量数据rm，l(n)表示为矩阵向量的形式，如下公式所示：
rm，l＝Ψm，lσl (2)
其中，rm，l＝[rm，l(0)，rm，l(1)，L，rm，l(N-1)]T为第l个极化通道的第m个观测位置对应的测量数据向量；σl＝[σl(0)，σl(1)，L，σl(Q-1)]T为第l个极化通道对应的观测场景反射率向量；Ψm，l为N×Q维矩阵，其第n行如式下公式所示：
步骤2、对极化穿墙雷达系统各极化通道的测量数据进行降采样处理，具体方法为：
在每个极化通道中随机选取M1，M1＜M个观测位置和N1，N1＜N个频率点对应的测量数据；设mg∈[0，1，…，M-1]，g＝0、1、…、M1-1和nh∈[0，1，…，N-1]，h＝0、1、…、N1-1分别为随机选取的观测位置和频率点的索引，则在第l个极化通道的第mg个观测位置的降采样测量数据如下公式所示：
其中，为从N1×N维单位矩阵中随机选取N1行得到；为N1×Q维字典矩阵，其第h行第j列元素如下公式所示：
其中，为第l个极化通道的第mg个观测位置对应的第nh个频率点，为第l个极化通道的第mg个观测位置与第q个像素点间的双程延时；
由于极化穿墙雷达系统的每个极化通道有M1个观测位置，则M1个观测位置的降采样测量数据如下线性方程组所示
yl＝Alσl+nl (6)
其中，T为转置操作，nl表示第l个极化通道的测量噪声；
步骤3、采用非均匀傅里叶变换技术计算正向函数Y＝gA(A，X)；
将矩阵向量积表示成如下公式形式：
将公式(7)作进一步变形，得到如下公式：
其中，F，c1和c2满足c1c2F＝1，且F为整数，c1和c2为实数；
首先将l从1到L遍历，对于每一个固定的l，将g从0到M1-1遍历，在g的遍历过程中采用非均匀快速傅里叶变换技术计算公式(8)，得到向量结束g的遍历过程得到结束l的遍历过程得到Y＝[y1，y2，…，yL]；
则Y＝[y1，y2，…，yL]＝gA(A，X)为正向函数，A＝[A1，A2，…，AL]和X＝[σ1，σ2，…，σL]为正向函数gA的输入，Y＝[y1，y2，…，yL]为正向函数gA的输出；
步骤4、采用非均匀傅里叶变换技术计算伴随函数
将矩阵向量积表示成如下公式的形式：
其中，表示第l个极化通道的第mg个观测位置对应第nh个频率点的测量数据；
将公式(9)作进一步变形，得到如下公式：
首先将l从1到L遍历，对于每一个固定的l，将g从0到M1-1遍历，在g的遍历过程中采用非均匀快速傅里叶变换技术计算公式(10)，得到向量结束g的遍历过程进行求和操作得到结束l的遍历过程得到
则为伴随函数，A＝[A1，A2，…，AL]和Y＝[y1，y2，…，yL]为伴随函数的输入，为伴随函数的输出；
步骤5、将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，并利用谱投影梯度L1范数最小化算法求解组稀疏基追踪去噪问题；
采用组稀疏基追踪去噪技术重建各极化通道对应的场景反射率向量σl，如下公式所示：
min||X||1，2s.t.||Y-A(X)||F≤ε (11)
其中，X＝[σ1，σ2，…，σL]，Y＝[y1，y2，…，yL]，A(X)＝[A1σ1，A2σ2，…，ALσL]，混合(1，2)范数||X||1，2为矩阵X各行的l2范数之和，||·||F为矩阵的弗罗贝尼乌斯范数，ε为允许的成像重建误差；
因此，将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，再根据步骤3和步骤4构造的正向函数gA和伴随函数使用SPGL1软件包实现组稀疏基追踪去噪问题的求解；
步骤6、将步骤5的求解结果进行融合得到最终的极化穿墙雷达系统的压缩感知成像结果；
将步骤5求解得到的L个极化通道各自对应的场景反射率向量σl进行融合得到融合后的场景反射率向量σfused，如下公式所示：
将融合后的场景反射率向量重排成二维矩阵形式即得到极化穿墙雷达系统的压缩感知成像结果。
本实施例中，墙体由一个木制框架构成，整个墙体厚度为0.127米，两个喇叭天线放置在距离墙体0.0127米处，其中一个天线发射水平极化波，另外一个天线发射垂直极化波。天线均按步长0.022米沿方位向移动69次，对应有69个观测位置，在每个观测位置激励源中心频率为2.5GHz，带宽为1GHz，步进频率为5MHz，对应有201个工作频率点。场景中共放置9个目标，分别是：1个球体，3个二面体，4个三面体和1个圆柱，目标的真实位置如图2所示。成像区域的距离向范围为[1，6.95]m，方位向范围选为[-2，1.95]m，将成像区域沿着距离向和方位向划分为120×80的像素点。成像时，选取S11(HH)、S22(VV)，S12(HV)三个极化通道的测量数据，然后从每个极化通道的69个观测位置和201个频率点中随机选取30个观测位置和100个频率点的测量数据用于成像重建。传统极化穿墙雷达压缩感知成像方法需要对字典矩阵的每个元素进行计算和存贮，占用内存为1318.4MB。本发明提供的极化穿墙雷达压缩感知成像方法在成像过程中对字典矩阵进行函数化算子表征，在每个极化通道仅需要存贮每个观测位置所用的频率和所有像素点和每个观测位置的双程传输时延，因此占用内存仅为6.661MB。本实施例中，极化穿墙雷达成像结果如图3所示，图中矩形框代表目标的真实位置。从图中可以看出，位于距离向2m、2.5m、3m、3.7m、4.9m、4.3m、5.5m和6.1m处的8个目标被清晰的呈现和定位，而且位于目标区域之外的杂波则得到了很好的抑制。位于距离向5.7m的三面体由于回波信号功率较低，在成像结果中丢失。
采用本发明的极化穿墙雷达压缩感知成像方法，成像过程中将显著减少对计算机内存的需求，同时能够使目标更加清晰，能够更好地抑制背景杂波，提高了成像重建效果。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (7)
1.一种极化穿墙雷达压缩感知成像方法，其特征在于：包括以下步骤：
步骤1、获得极化穿墙雷达系统多个极化通道的测量数据，并将其表示为矩阵向量的形式；
步骤2、对极化穿墙雷达系统各极化通道的测量数据进行降采样处理；
步骤3、采用非均匀傅里叶变换技术计算正向函数；
步骤4、采用非均匀傅里叶变换技术计算伴随函数；
步骤5、将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，并利用谱投影梯度L1范数最小化算法求解组稀疏基追踪去噪问题；
步骤6、将步骤5的求解结果进行融合得到最终的极化穿墙雷达系统的压缩感知成像结果。
2.根据权利要求1所述的一种极化穿墙雷达压缩感知成像方法，其特征在于：所述步骤1的具体方法为：
假设极化穿墙雷达系统共有L个极化通道，在每个极化通道，极化穿墙雷达系统均按照如下方式收集回波数据：收发天线同时沿着测线方向按固定步长移动M次，共得到M个观测位置，在每个观测位置记录N个均匀频率点的测量数据；将观测场景按方位向和距离向均匀划分Q个像素点，则对于第l，l＝1、2、…、L个极化通道，第m，m＝0、1、…、M-1个观测位置和第n，n＝0，1，…，N-1个频率点对应的测量数据rm，l(n)如式下公式所示：
其中，σl(q)为第l个极化通道第q个像素点对应的复反射率，fn＝f0+nΔf为第n个频率点的频率，f0为极化穿墙雷达系统的起始频率，Δf为步进频率，τmq，l第l个极化通道的第m个观测位置与第q个像素点间的双程传输延时；
将测量数据rm，l(n)表示为矩阵向量的形式，如下公式所示：
rm，l＝Ψm，lσl (2)
其中，rm，l＝[rm，l(0)，rm，l(1)，L，rm，l(N-1)]T为第l个极化通道的第m个观测位置对应的测量数据向量；σl＝[σl(0)，σl(1)，L，σl(Q-1)]T为第l个极化通道对应的观测场景反射率向量；Ψm，l为N×Q维矩阵，其第n行如式下公式所示：
3.根据权利要求2所述的一种极化穿墙雷达压缩感知成像方法，其特征在于：所述步骤2的具体方法为：
在每个极化通道中随机选取M1，M1＜M个观测位置和N1，N1＜N个频率点对应的测量数据；设mg∈[0，1，…，M-1]，g＝0、1、…、M1-1和nh∈[0，1，…，N-1]，h＝0、1、…、N1-1分别为随机选取的观测位置和频率点的索引，则在第l个极化通道的第mg个观测位置的降采样测量数据如下公式所示：
其中，为从N1×N维单位矩阵中随机选取N1行得到；为N1×Q维字典矩阵，其第h行第j列元素如下公式所示：
其中，为第l个极化通道的第mg个观测位置对应的第nh个频率点，为第l个极化通道的第mg个观测位置与第q个像素点间的双程延时；
由于极化穿墙雷达系统的每个极化通道有M1个观测位置，则M1个观测位置的降采样测量数据如下线性方程组所示
yl＝Alσl+nl (6)
其中，T为转置操作，nl表示第l个极化通道的测量噪声。
4.根据权利要求3所述的一种极化穿墙雷达压缩感知成像方法，其特征在于：所述步骤3的具体方法为：
将矩阵向量积表示成如下公式形式：
将公式(7)作进一步变形，得到如下公式：
其中，F、c1和c2满足c1c2F＝1，且F为整数，c1和c2为实数；
首先将l从1到L遍历，对于每一个固定的l，将g从0到M1-1遍历，在g的遍历过程中采用非均匀快速傅里叶变换技术计算公式(8)，得到向量结束g的遍历过程得到结束l的遍历过程得到Y＝[y1，y2，…，yL]；
则Y＝[y1，y2，…，yL]＝gA(A，X)为正向函数，A＝[A1，A2，…，AL]和X＝[σ1，σ2，…，σL]为正向函数gA的输入，Y＝[y1，y2，…，yL]为正向函数gA的输出。
5.根据权利要求4所述的一种极化穿墙雷达压缩感知成像方法，其特征在于：所述步骤4的具体方法为：
将矩阵向量积表示成如下公式的形式：
其中，表示第l个极化通道的第mg个观测位置对应第nh个频率点的测量数据；
将公式(9)作进一步变形，得到如下公式：
首先将l从1到L遍历，对于每一个固定的l，将g从0到M1-1遍历，在g的遍历过程中采用非均匀快速傅里叶变换技术计算公式(10)，得到向量结束g的遍历过程进行求和操作得到结束l的遍历过程得到
则为伴随函数，A＝[A1，A2，…，AL]和Y＝[y1，y2，…，yL]为伴随函数的输入，为伴随函数的输出。
6.根据权利要求5所述的一种极化穿墙雷达压缩感知成像方法，其特征在于：所述步骤5的具体方法为：
采用组稀疏基追踪去噪技术重建各极化通道对应的场景反射率向量σl，如下公式所示：
min||X||1，2s.t.||Y-A(X)||F≤ε (11)
其中，X＝[σ1，σ2，…，σL]，Y＝[y1，y2，…，yL]，A(X)＝[A1σ1，A2σ2，…，ALσL]，混合(1，2)范数||X||1，2为矩阵X各行的l2范数之和，||·||F为矩阵的弗罗贝尼乌斯范数，ε为允许的成像重建误差；
因此极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，再根据步骤3和步骤4构造的正向函数gA和伴随函数使用SPGL1软件包实现组稀疏基追踪去噪问题的求解。
7.根据权利要求6所述的一种极化穿墙雷达压缩感知成像方法，其特征在于：所述步骤6的具体方法为：
将步骤5求解得到的L个极化通道各自对应的场景反射率向量σl进行融合得到融合后的场景反射率向量σfused，如下公式所示：
将融合后的场景反射率向量重排成二维矩阵形式即得到极化穿墙雷达系统的压缩感知成像结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810743835.4A CN109031288B (zh) | 2018-07-09 | 2018-07-09 | 一种极化穿墙雷达压缩感知成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810743835.4A CN109031288B (zh) | 2018-07-09 | 2018-07-09 | 一种极化穿墙雷达压缩感知成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109031288A true CN109031288A (zh) | 2018-12-18 |
| CN109031288B CN109031288B (zh) | 2022-08-05 |
Family
ID=64641598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810743835.4A Active CN109031288B (zh) | 2018-07-09 | 2018-07-09 | 一种极化穿墙雷达压缩感知成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109031288B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090129648A1 (en) * | 2007-11-15 | 2009-05-21 | Konstantinos Arfanakis | Method of reducing imaging time in propeller-MRI by under-sampling and iterative image reconstruction |
| CN103364768A (zh) * | 2012-03-31 | 2013-10-23 | 中国科学院电子学研究所 | 压缩感知雷达重构方法 |
| CN106249233A (zh) * | 2016-09-21 | 2016-12-21 | 清华大学 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 |
| CN107402382A (zh) * | 2017-08-14 | 2017-11-28 | 天津大学 | 基于压缩感知理论的认知被动雷达及其实现方法 |
| CN107894591A (zh) * | 2017-09-30 | 2018-04-10 | 沈阳航空航天大学 | 基于压缩感知的穿墙雷达衍射层析成像方法 |
-
2018
- 2018-07-09 CN CN201810743835.4A patent/CN109031288B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090129648A1 (en) * | 2007-11-15 | 2009-05-21 | Konstantinos Arfanakis | Method of reducing imaging time in propeller-MRI by under-sampling and iterative image reconstruction |
| CN103364768A (zh) * | 2012-03-31 | 2013-10-23 | 中国科学院电子学研究所 | 压缩感知雷达重构方法 |
| CN106249233A (zh) * | 2016-09-21 | 2016-12-21 | 清华大学 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和系统 |
| CN107402382A (zh) * | 2017-08-14 | 2017-11-28 | 天津大学 | 基于压缩感知理论的认知被动雷达及其实现方法 |
| CN107894591A (zh) * | 2017-09-30 | 2018-04-10 | 沈阳航空航天大学 | 基于压缩感知的穿墙雷达衍射层析成像方法 |
Non-Patent Citations (2)
| Title |
|---|
| 屈乐乐等: "Efficient Sparse Imaging Reconstruction Algorithm for Through-the-Wall Radar", 《PROGRESS IN ELECTROMAGNETICS RESEARCH C》 * |
| 殷雨晴: "穿墙雷达快速BP和衍射层析成像重建技术研究", 《中国优秀博硕士学位论文全文数据库（硕士）信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109031288B (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10042046B2 (en) | System and method for radar imaging using distributed arrays and compressive sensing | |
| CN103399315B (zh) | 实孔径相控阵雷达高分辨探测成像方法 | |
| CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
| Yoon et al. | Through-the-wall radar imaging using compressive sensing along temporal frequency domain | |
| CN103969645B (zh) | 基于压缩多信号分类的层析合成孔径雷达测量树高的方法 | |
| US9948362B2 (en) | System and method for 3D imaging using a moving multiple-input multiple-output (MIMO) linear antenna array | |
| CN109870687A (zh) | 一种用于互质采样星载sar的成像处理方法 | |
| Wei et al. | Sparse array microwave 3-D imaging: Compressed sensing recovery and experimental study | |
| CN110794471B (zh) | 一种毫米波稀疏阵列远程监视成像方法及系统 | |
| CN109188431B (zh) | 一种基于压缩感知的全息微波快速成像方法 | |
| Yang et al. | Multiple-measurement vector model and its application to through-the-wall radar imaging | |
| CN109633583A (zh) | 基于近场包围面扫描极化散射数据的目标外形反演方法 | |
| Wang et al. | An RCS measurement method using sparse imaging based 3-D SAR complex image | |
| CN110554384A (zh) | 一种基于微波信号的成像方法 | |
| CN107942326B (zh) | 一种具有高通用性的二维主动毫米波成像方法 | |
| CN104749573A (zh) | 空频域二维稀疏的步进频率sar成像方法 | |
| Lim et al. | Target-to-clutter ratio enhancement of images in through-the-wall radar using a radiation pattern-based delayed-sum algorithm | |
| CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
| CN113608217A (zh) | 基于增强矩阵补全的isar稀疏成像方法 | |
| CN105974413B (zh) | 多基地外辐射源雷达成像系统的自聚焦方法 | |
| CN109031288B (zh) | 一种极化穿墙雷达压缩感知成像方法 | |
| Wu et al. | Multilayered circular dielectric structure SAR imaging using time-reversal compressed sensing algorithms based on nonuniform measurement | |
| CN114200448A (zh) | 综合孔径辐射计波数域近场成像方法及设备 | |
| Hu et al. | High resolution 3D imaging in MIMO radar with sparse array | |
| Liu et al. | Azimuth Ambiguities Suppression for Multichannel SAR Imaging Based on $\boldsymbol {L_ {2, q}} $ Regularization: Initial Results of Non-Sparse Scenario |
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 |