CN109507664A - 压缩感知mimo雷达认知波形获取方法和装置 - Google Patents
压缩感知mimo雷达认知波形获取方法和装置 Download PDFInfo
- Publication number
- CN109507664A CN109507664A CN201910057875.8A CN201910057875A CN109507664A CN 109507664 A CN109507664 A CN 109507664A CN 201910057875 A CN201910057875 A CN 201910057875A CN 109507664 A CN109507664 A CN 109507664A
- Authority
- CN
- China
- Prior art keywords
- matrix
- waveform
- vector
- initial
- distance
- 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
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
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
本发明提供了压缩感知MIMO雷达认知波形获取方法和装置。首先,A获取雷达参数及初始输入条件,B根据雷达参数及初始输入条件,得到第一发射波形矩阵,根据第一发射波形矩阵以及迭代次数,重复执行步骤B,得到第二发射波形矩阵,然后,根据第二发射波形矩阵,得到目标对象的距离像向量,对距离像向量进行处理,得到目标对象的第一平均距离像向量,根据第一平均距离像向量,评估目标对象在雷达视线方向的投影长度,并确认第一距离向成像范围,最后,根据第一平均距离像向量、第一距离向成像范围、雷达参数以及第二发射波形矩阵,得到第三发射波形矩阵,解决了现有技术中存在的采用现有发射波形,难以获得高分辨率的目标成像的技术问题。
Description
技术领域
本发明涉及雷达成像技术领域,尤其是涉及一种压缩感知MIMO雷达认知波形获取方法和装置。
背景技术
相比于传统相控阵雷达,多输入多输出(Multiple-Input Multiple-Output,简称MIMO)雷达通过多发多收体制,能够获得远多于实际阵元数量的虚拟阵元,从而有效扩展天线孔径,在参数估计、高分辨成像、多维成像等方面具有潜在优势。
本质上,MIMO雷达的体制优势源于发射正交波形,而其核心则是能够从回波信号中将不同发射信号对应的回波分量分离开来。
目前,传统的波形分离是通过匹配滤波来实现的,但是由于完全正交的同频波形在实际中是不存在的,通过匹配滤波方法往往无法得到理想的分离效果,特别是对于雷达成像场景,不同波形间的耦合干扰会严重影响雷达成像质量,因此采用现有发射波形,难以获得高分辨率的目标成像。
发明内容
有鉴于此,本发明的目的在于提供一种压缩感知MIMO雷达认知波形获取方法和装置,以解决现有技术中存在的采用现有发射波形,难以获得高分辨率的目标成像的技术问题。
第一方面,本发明实施例提供了一种压缩感知MIMO雷达认知波形获取方法,所述方法包括:
A获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数;
B根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵;
根据所述第一发射波形矩阵以及所述迭代次数,重复执行上述步骤B,得到第二发射波形矩阵;
根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到目标对象的距离像向量;
对所述距离像向量进行处理,得到目标对象的第一平均距离像向量;
根据所述第一平均距离像向量,评估目标对象在雷达视线方向的投影长度;
根据所述投影长度确认第一距离向成像范围;
根据所述第一平均距离像向量、所述第一距离向成像范围、所述雷达参数以及所述第二发射波形矩阵,得到第三发射波形矩阵。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述雷达参数包括:脉冲宽度、信号带宽以及采样频率中的至少一种;
所述初始平均距离像向量是均为1的向量,所述初始距离向成像范围为初始发射波形长度所对应的距离;
所述初始发射波形为随机产生的波形或采用现有的波形;
所述迭代次数是通过用户设定。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵,包括:
根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,构建第一稀疏矩阵;
根据所述第一稀疏矩阵,构建第一波形函数;
对所述第一稀疏矩阵进行奇异值分解,得到中间矩阵;
根据所述中间矩阵,对所述第一波形函数进行变换,得到所述第一波形函数的最小化表达式;
对所述最小化表达式进行求解,得到第一发射波形矩阵。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到目标对象的距离像向量,包括:
根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到第一回波信号表达式;
对所述第一回波信号表达式进行变换,得到第二回波信号表达式;
利用稀疏恢复算法,对所述第二回波信号表达式进行处理,得到目标对象的距离像向量。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,还包括:
对所述距离像向量进行重排和方位维压缩,得到目标对象的二维图像。
第二方面,本发明实施例提供了一种压缩感知MIMO雷达认知波形获取装置,所述装置包括:
第一获取单元,用于获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数;
第二获取单元,用于根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵;
第三获取单元,用于根据所述第一发射波形矩阵以及所述迭代次数,重复执行根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵的步骤,得到第二发射波形矩阵;
执行单元,用于根据所述第一发射波形矩阵以及所述迭代次数,重复上述步骤,得到第二发射波形矩阵;
第四获取单元,用于根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到目标对象的距离像向量;
处理单元,用于对所述距离像向量进行处理,得到目标对象的第一平均距离像向量;
评估单元,用于根据所述第一平均距离像向量,评估目标对象在雷达视线方向的投影长度;
确认单元,用于根据所述投影长度确认第一距离向成像范围;
第五获取单元,用于根据所述第一平均距离像向量、所述第一距离向成像范围、所述雷达参数以及所述第二发射波形矩阵,得到第三发射波形矩阵。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述第二获取单元包括:
第一构建模块,用于根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,构建第一稀疏矩阵;
第二构建模块,用于根据所述第一稀疏矩阵,构建第一波形函数;
分解模块,用于对所述第一稀疏矩阵进行奇异值分解,得到中间矩阵;
第一变换模块,用于根据所述中间矩阵,对所述第一波形函数进行变换,得到所述第一波形函数的最小化表达式;
求解模块,用于对所述最小化表达式进行求解,得到第一发射波形矩阵。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述第四获取单元包括:
获取模块,用于根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到第一回波信号表达式;
第二变换模块,用于对所述第一回波信号表达式进行变换,得到第二回波信号表达式;
处理模块,用于利用稀疏恢复算法,对所述第二回波信号表达式进行处理,得到目标对象的距离像向量。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如第一方面所述的方法。
本发明实施例提供的技术方案带来了以下有益效果:本发明实施例提供的压缩感知MIMO雷达认知波形获取方法和装置。首先,A获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数,B根据雷达参数、初始平均距离像向量、初始距离向成像范围以及初始发射波形矩阵,得到第一发射波形矩阵,然后,根据第一发射波形矩阵以及迭代次数,重复执行上述步骤B,得到第二发射波形矩阵,之后,根据第二发射波形矩阵、发射阵元、接收阵元以及散射点,得到目标对象的距离像向量,对距离像向量进行处理,得到目标对象的第一平均距离像向量,最后,根据第一平均距离像向量,评估目标对象在雷达视线方向的投影长度,根据投影长度确认第一距离向成像范围,从而,根据第一平均距离像向量、第一距离向成像范围、雷达参数以及第二发射波形矩阵,得到第三发射波形矩阵,因此,通过构建稀疏恢复模型,实现发射波形的离线优化设计,同时利用对目标场景的感知,进一步实现发射波形的在线优化设计,从而解决了现有技术中存在的采用现有发射波形,难以获得高分辨率的目标成像的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的压缩感知MIMO雷达认知波形获取方法流程图;
图2为本发明实施例提供的压缩感知MIMO雷达认知波形获取方法中步骤S102的流程图;
图3为本发明实施例提供的压缩感知MIMO雷达认知波形获取方法中步骤S104的流程图;
图4为本发明实施例提供的MIMO雷达阵列结构示意图;
图5为本发明实施例提供的初始波形成像结果;
图6为本发明实施例提供的优化波形成像结果;
图7为本发明实施例提供的认知波形成像结果;
图8为本发明实施例提供的压缩感知MIMO雷达认知波形获取装置示意图;
图9为本发明实施例提供的压缩感知MIMO雷达认知波形获取装置中,第二获取单元的装置示意图;
图10为本发明实施例提供的压缩感知MIMO雷达认知波形获取装置中,第四获取单元的装置示意图;
图11为本发明实施例提供的电子设备示意图。
图标:10-第一获取单元;20-第二获取单元;21-第一构建模块;22-第二构建模块;23-分解模块;24-第一变换模块;25-求解模块;30-第三获取单元;40-执行单元;50-第四获取单元;51-获取模块;52-第二变换模块;53-处理模块;60-处理单元;70-评估单元;80-确认单元;90-第五获取单元;100-电子设备;101-存储器;102-处理器;103-总线;104-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
传统的波形分离是通过匹配滤波来实现的,但是由于完全正交的同频波形在实际中是不存在的,因此通过匹配滤波方法往往无法得到理想的分离效果,特别是对于雷达成像场景,不同波形间的耦合干扰会严重影响雷达成像质量,
为提高发射波形正交性,目前国内外学者针对匹配滤波方法下的正交波形设计问题开展了广泛而深入研究,设计了多种正交波形类型,如正交频分复用chirp(OrthogonalFrequency Division Multiplexing chirp,简称OFDM chirp)波形、短时移位正交波形等,但都无法根本上解决同频波形正交性差的问题。
压缩感知MIMO(Compressed Sensing MIMO,简称CS-MIMO)雷达基于雷达目标的稀疏性,利用稀疏恢复算法即可从有限的回波数据中精确地重构目标的散射特性。已有研究表明,利用稀疏恢复方法能够在发射波形非理想正交的条件获得良好的分离效果,从而提高目标成像质量。但是最优发射波形的获得方法以及最优发射波形随目标场景的变化情况,都属于稀疏恢复方法下的波形设计问题,目前未见相关公开报道,因此,采用现有发射波形,难以获得高分辨率的目标成像。
基于此,本发明实施例提供的一种压缩感知MIMO雷达认知波形获取方法和装置,可以解决现有技术中存在的采用现有发射波形,难以获得高分辨率的目标成像的技术问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种压缩感知MIMO雷达认知波形获取方法和装置进行详细介绍。
实施例一:
图1为本发明实施例提供的压缩感知MIMO雷达认知波形获取方法流程图。
参照图1,该方法包括以下步骤:
步骤S101,获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数。
进一步的,雷达参数包括:脉冲宽度、信号带宽以及采样频率中的至少一种,初始平均距离像向量是均为1的向量,初始距离向成像范围为初始发射波形长度所对应的距离,初始发射波形为随机产生的波形(相位是随机数)或采用现有的波形(目前已有很多),迭代次数是通过用户输入设定。
步骤S102,根据雷达参数、初始平均距离像向量、初始距离向成像范围以及初始发射波形矩阵,得到第一发射波形矩阵。
进一步的,参照图2,步骤S102包括以下步骤:
步骤S201,根据雷达参数、初始平均距离像向量、初始距离向成像范围以及初始发射波形矩阵,构建第一稀疏矩阵。
本实施例是在脉冲宽度、信号带宽、采样频率等雷达参数都固定的条件下,进行的MIMO雷达认知波形设计,在初始化阶段,设置平均距离像向量为全1向量,另外,发射波形优化过程需要有初始发射波形,初始发射波形可以通过随机产生(相位是随机数)或者利用现有的一些发射波形(目前已有很多),由选定的初始发射波形构成初始发射波形矩阵S,初始发射波形矩阵S中的初始发射波形长度是相同的,初始距离向成像范围△R可设置为初始发射波形长度所对应的距离。
在本实施例中,利用初始化后的△R、S和其它雷达参数构建稀疏矩阵定义其中,Φ=E⊙S,Φ是由不同时延的发射波矩阵构成,对应压缩感知理论中的稀疏矩阵,为上个成像周期得到的目标对象的平均距离像结果(为不同接收通道距离像θn的平均),利用以为对角线的对角矩阵对Φ的列进行加权,得到利用认知信息重新构造的稀疏矩阵
步骤S202,根据第一稀疏矩阵,构建第一波形函数;
具体地,根据步骤S201得到的利用认知信息重新构造的稀疏矩阵构建波形优化函数其中为矩阵的伴随矩阵。
步骤S203,对第一稀疏矩阵进行奇异值分解,得到中间矩阵。
令代表发射波形矩阵S中的一个元素,并且l=0,1,…,L-1;m=0,1,…,M-1。考虑发射波形的恒模特性,即则波形设计问题即为求解以下最小化问题
假设的列向量的二范数的平方为则式(1)可进一步转化为以下问题
其中,S,U均未知,这里的S指的是在当次成像周期中优化后的发射波形矩阵结果,是个参量,U是优化求解过程中的中间矩阵变量,满足UU*=IK+L,IK+L是K+L维的单位矩阵。下面通过一个循环优化算法求解以上优化问题。对矩阵作奇异值分解其中, 为对角矩阵。
当波形矩阵S给定时,矩阵U的解可表示为
步骤S204,根据中间矩阵,对第一波形函数进行变换,得到第一波形函数的最小化表达式。
具体地,当根据步骤S203给定中间矩阵变量U时,式(2)可转化为以下优化问题
其中,代表矩阵S中的任意一个元素设已知中所有元素的位置,令在中这些位置所对应的元素为则式(4)可进一步表示为
步骤S205,对最小化表达式进行求解,得到第一发射波形矩阵。
进一步的,根据步骤S204中的式(5)可以得到解为
具体地,发射波形矩阵S中的不同元素对应不同的μp,根据计算得到的不同的解得到发射波形矩阵。
步骤S103,根据第一发射波形矩阵以及迭代次数,重复执行上述步骤S102,得到第二发射波形矩阵。
本实施例中,迭代次数提前人为设定的,迭代次数少运算速度快、效果差,迭代次数多运算速度慢,效果好。将通过步骤S205得到的发射波形矩阵替代原初始发射波形矩阵作为新的输入,重复执行步骤S201至步骤S205,这样,每一次波形优化过程的优化结果作为下一次波形优化过程的新的输入,循环执行波形优化过程,直到迭代次数达到用户所设定的最大值,完成发射波形的优化设计,进而得到优化后的发射波形。
步骤S104,根据第二发射波形矩阵、发射阵元、接收阵元以及散射点,得到目标对象的距离像向量。
进一步的,参照图3,步骤S104包括以下步骤:
步骤S301,根据第二发射波形矩阵、发射阵元、接收阵元以及散射点,得到第一回波信号表达式。
图4是一个M发N收的线阵MIMO雷达,发射和接收阵元间距分别是Nd和d。令代表第m个基带发射信号。考虑一个包含U个散射点的远场目标,Q是目标上第q个散射点。TmQ和RnQ分别代表散射点Q与第m个发射阵元Tm以及第n个接收阵元Rn间的距离,则第n个接收阵元接收到的基带回波信号可以表示为
其中,n=0,1,…,N-1,τq,mn=(TmQ+RnQ)/c,c是光速,τq,mn表示电磁波从第m个发射阵元Tm到散射点Q再到第n个接收阵元Rn的传播时间,σq代表散射点Q的散射系数,λ为雷达工作波长。
步骤S302,对第一回波信号表达式进行变换,得到第二回波信号表达式。
具体地,当目标视线角已知时,通过对包络的预补偿可以使不同接收通道的回波包络对齐。此时,式(7)中τq,mn将不随m,n变化,可以统一表示为τq。
假设距离向成像范围是△R,利用频率fs进行采样可以得到采样点数K=2△R·fs/c。同样,利用fs对采样,可以得到一个发射波形矢量长度是L,其中由对的采样点组成,采样点数为L。假设散射点Q位于第k个距离单元,k=0,1,…,K-1,那么第n个接收阵元接收到的散射点Q的回波信号可以表示为向量形式
其中
令并且定义那么整个成像场景的回波信号可以表示为
yn=E⊙S·θn (9)
其中,即为目标场景的距离像。
步骤S303,利用稀疏恢复算法,对第二回波信号表达式进行处理,得到目标对象的距离像向量。
进一步的,因为θn通常是稀疏的,所以利用稀疏恢复算法可以直接从式(9)中重构出θn
min||θn||0,s.t.||yn-E⊙S·θn||2<ε (10)
其中,ε代表回波中的噪声水平。
步骤S105,对距离像向量进行重排和方位维压缩,得到目标对象的二维图像。
具体地,考虑一个4发20收MIMO线阵,发射阵元和接收阵元间距分别为60m和3m。初始发射波形为4个450码元的4相编码信号,信号带宽600MHz,载频10GHz。初始距离向范围设为112.5m,采样频率600MHz。目标为包含330个点的理想点散射模型,中心距离雷达5km。利用初始发射波形得到的成像结果如图5所示。为定量评价成像效果,计算目标二维图像的图像对比度IC和图像熵IE作为评价指标,结果分别为IC=9.9254,IE=7.7769。利用提出的波形设计方法对初始波形进行优化,将优化后的波形作为新的发射波形进行目标成像,成像结果如图6所示。图像指标为IC=10.4269和IE=7.7270,优于初始波形的成像效果。在下个成像周期,利用图6(a)所示的目标距离像序列,计算平均距离像并估计距离向成像范围△R=48.9m。利用认知结果再次进行波形设计,得到目标成像结果如图7所示,经计算图像指标为IC=8.6209和IE=6.8626。而在同样的成像范围△R=48.9m内,计算图6的图像指标为IC=7.2258和IE=7.4875。可以看到,利用目标认知信息进行波形设计能够有效提高成像质量。
步骤S106,对距离像向量进行处理,得到目标对象的第一平均距离像向量。
进一步的,对不同接收通道获得的目标距离像θn进行求和平均,得到平均距离像
步骤S107,根据第一平均距离像向量,评估目标对象在雷达视线方向的投影长度。
进一步的,根据步骤S106中得到的平均距离像,估计目标对象在雷达视线方向的投影的长度Ltar。
步骤S108,根据投影长度确认第一距离向成像范围。
具体地,根据步骤S107中估计的目标对象在雷达视线方向的投影的长度Ltar,确定目标对象的距离向成像范围为△R=1.2Ltar。
步骤S109,根据第一平均距离像向量、第一距离向成像范围、雷达参数以及第二发射波形矩阵,得到第三发射波形矩阵。
在下个成像周期,将步骤S106中估计的平均距离像和步骤S108中估计的目标对象的距离向成像范围△R作为新的输入,重新进行步骤S101至步骤S109的波形优化设计和场景认知的过程,雷达工作过程中整个过程持续进行,即一个发射脉冲重复周期,进行一次波形设计和一次场景认知,每一个周期中得到的优化后的发射波形矩阵S、平均距离像和距离向成像范围△R作为下一周期的新的输入,循环进行波形优化设计和场景认知。
本实施例中,通过构建稀疏恢复模型,实现了发射波形的离线优化设计;同时利用对目标场景的认知,进一步实现了发射波形的在线优化设计,解决了现有技术中存在的采用现有发射波形,难以获得高分辨率的目标成像的技术问题。
实施例二:
图8为本发明实施例提供的压缩感知MIMO雷达认知波形获取装置示意图。
参照图8,该装置包括第一获取单元10,第二获取单元20,第三获取单元30,执行单元40,第四获取单元50,处理单元60,评估单元70,确认单元80,第五获取单元90。
第一获取单元10用于获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数;第二获取单元20用于根据雷达参数、初始平均距离像向量、初始距离向成像范围以及初始发射波形矩阵,得到第一发射波形矩阵;第三获取单元30用于根据第一发射波形矩阵以及迭代次数,重复执行根据雷达参数、初始平均距离像向量、初始距离向成像范围以及初始发射波形矩阵,得到第一发射波形矩阵的步骤,得到第二发射波形矩阵;执行单元40用于根据第一发射波形矩阵以及迭代次数,重复上述步骤,得到第二发射波形矩阵;第四获取单元50用于根据第二发射波形矩阵、发射阵元、接收阵元以及散射点,得到目标对象的距离像向量;处理单元60用于对距离像向量进行处理,得到目标对象的第一平均距离像向量;评估单元70用于根据第一平均距离像向量,评估目标对象在雷达视线方向的投影长度;确认单元80用于根据投影长度确认第一距离向成像范围;第五获取单元90用于根据第一平均距离像向量、第一距离向成像范围、雷达参数以及第二发射波形矩阵,得到第三发射波形矩阵。
进一步的,参照图9,第二获取单元20包括:第一构建模块21,第二构建模块22,分解模块23,第一变换模块24,求解模块25。
具体地,第一构建模块21用于根据雷达参数、初始平均距离像向量、初始距离向成像范围以及初始发射波形矩阵,构建第一稀疏矩阵;第二构建模块22用于根据第一稀疏矩阵,构建第一波形函数;分解模块23用于对第一稀疏矩阵进行奇异值分解,得到中间矩阵;第一变换模块24用于根据中间矩阵,对第一波形函数进行变换,得到第一波形函数的最小化表达式;求解模块25用于对最小化表达式进行求解,得到第一发射波形矩阵。
进一步的,参照图10,第四获取单元50包括:获取模块51,第二变换模块52,处理模块53。具体地,获取模块51用于根据第二发射波形矩阵、发射阵元、接收阵元以及散射点,得到第一回波信号表达式;第二变换模块52用于对第一回波信号表达式进行变换,得到第二回波信号表达式;处理模块53,用于利用稀疏恢复算法,对第二回波信号表达式进行处理,得到目标对象的距离像向量。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例三:
本发明实施例提供的一种电子设备,如图11所示,电子设备100包括存储器101、处理器102、存储器101中存储有可在处理器102上运行的计算机程序,处理器102执行计算机程序时实现上述实施例一提供的方法的步骤。
参照图11,电子设备100还包括:总线103和通信接口104,处理器102、通信接口104和存储器101通过总线103连接;处理器102用于执行存储器101中存储的可执行模块,例如计算机程序。
其中,存储器101可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口104(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线103可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器101用于存储程序,处理器102在接收到执行指令后,执行程序,前述本发明任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器102中,或者由处理器102实现。
处理器102可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器102中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器102可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101,处理器102读取存储器101中的信息,结合其硬件完成上述方法的步骤。
实施例四:
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的压缩感知MIMO雷达认知波形获取方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种压缩感知MIMO雷达认知波形获取方法,其特征在于,所述方法包括:
A获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数;
B根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵;
根据所述第一发射波形矩阵以及所述迭代次数,重复执行上述步骤B,得到第二发射波形矩阵;
根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到目标对象的距离像向量;
对所述距离像向量进行处理,得到目标对象的第一平均距离像向量;
根据所述第一平均距离像向量,评估目标对象在雷达视线方向的投影长度;
根据所述投影长度确认第一距离向成像范围;
根据所述第一平均距离像向量、所述第一距离向成像范围、所述雷达参数以及所述第二发射波形矩阵,得到第三发射波形矩阵。
2.根据权利要求1所述的压缩感知MIMO雷达认知波形获取方法,其特征在于,所述雷达参数包括:脉冲宽度、信号带宽以及采样频率中的至少一种;
所述初始平均距离像向量是均为1的向量,所述初始距离向成像范围为初始发射波形长度所对应的距离;
所述初始发射波形为随机产生的波形或采用现有的波形;
所述迭代次数是通过用户设定。
3.根据权利要求1所述的压缩感知MIMO雷达认知波形获取方法,其特征在于,所述根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵,包括:
根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,构建第一稀疏矩阵;
根据所述第一稀疏矩阵,构建第一波形函数;
对所述第一稀疏矩阵进行奇异值分解,得到中间矩阵;
根据所述中间矩阵,对所述第一波形函数进行变换,得到所述第一波形函数的最小化表达式;
对所述最小化表达式进行求解,得到第一发射波形矩阵。
4.根据权利要求1所述的压缩感知MIMO雷达认知波形获取方法,其特征在于,所述根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到目标对象的距离像向量,包括:
根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到第一回波信号表达式;
对所述第一回波信号表达式进行变换,得到第二回波信号表达式;
利用稀疏恢复算法,对所述第二回波信号表达式进行处理,得到目标对象的距离像向量。
5.根据权利要求1所述的压缩感知MIMO雷达认知波形获取方法,其特征在于,还包括:
对所述距离像向量进行重排和方位维压缩,得到目标对象的二维图像。
6.一种压缩感知MIMO雷达认知波形获取装置,其特征在于,所述装置包括:
第一获取单元,用于获取雷达参数、初始平均距离像向量、初始距离向成像范围、初始发射波形矩阵、发射阵元、接收阵元、采样频率、目标对象的散射点以及迭代次数;
第二获取单元,用于根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵;
第三获取单元,用于根据所述第一发射波形矩阵以及所述迭代次数,重复执行根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,得到第一发射波形矩阵的步骤,得到第二发射波形矩阵;
执行单元,用于根据所述第一发射波形矩阵以及所述迭代次数,重复上述步骤,得到第二发射波形矩阵;
第四获取单元,用于根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到目标对象的距离像向量;
处理单元,用于对所述距离像向量进行处理,得到目标对象的第一平均距离像向量;
评估单元,用于根据所述第一平均距离像向量,评估目标对象在雷达视线方向的投影长度;
确认单元,用于根据所述投影长度确认第一距离向成像范围;
第五获取单元,用于根据所述第一平均距离像向量、所述第一距离向成像范围、所述雷达参数以及所述第二发射波形矩阵,得到第三发射波形矩阵。
7.根据权利要求6所述的压缩感知MIMO雷达认知波形获取装置,其特征在于,所述第二获取单元包括:
第一构建模块,用于根据所述雷达参数、所述初始平均距离像向量、所述初始距离向成像范围以及所述初始发射波形矩阵,构建第一稀疏矩阵;
第二构建模块,用于根据所述第一稀疏矩阵,构建第一波形函数;
分解模块,用于对所述第一稀疏矩阵进行奇异值分解,得到中间矩阵;
第一变换模块,用于根据所述中间矩阵,对所述第一波形函数进行变换,得到所述第一波形函数的最小化表达式;
求解模块,用于对所述最小化表达式进行求解,得到第一发射波形矩阵。
8.根据权利要求6所述的压缩感知MIMO雷达认知波形获取装置,其特征在于,所述第四获取单元包括:
获取模块,用于根据所述第二发射波形矩阵、所述发射阵元、所述接收阵元以及所述散射点,得到第一回波信号表达式;
第二变换模块,用于对所述第一回波信号表达式进行变换,得到第二回波信号表达式;
处理模块,用于利用稀疏恢复算法,对所述第二回波信号表达式进行处理,得到目标对象的距离像向量。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至5任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910057875.8A CN109507664B (zh) | 2019-01-22 | 2019-01-22 | 压缩感知mimo雷达认知波形获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910057875.8A CN109507664B (zh) | 2019-01-22 | 2019-01-22 | 压缩感知mimo雷达认知波形获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109507664A true CN109507664A (zh) | 2019-03-22 |
CN109507664B CN109507664B (zh) | 2020-05-22 |
Family
ID=65757609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910057875.8A Active CN109507664B (zh) | 2019-01-22 | 2019-01-22 | 压缩感知mimo雷达认知波形获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109507664B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376630A (zh) * | 2021-07-05 | 2021-09-10 | 中国人民解放军空军工程大学 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
CN116008946A (zh) * | 2023-03-27 | 2023-04-25 | 中国人民解放军63921部队 | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1287379A1 (en) * | 2000-06-06 | 2003-03-05 | Altratek Inc. | System and method for detection and tracking of targets |
US20120313805A1 (en) * | 2009-09-14 | 2012-12-13 | United States Government, As Represented By The Secretary Of The Navy | Radar target detection process |
CN103018719A (zh) * | 2012-11-29 | 2013-04-03 | 电子科技大学 | 一种oth雷达发射波形的生成方法 |
CN103454631A (zh) * | 2013-08-31 | 2013-12-18 | 西北工业大学 | 一种基于mimo技术和稀疏阵技术的三维成像方法 |
CN103698755A (zh) * | 2014-01-16 | 2014-04-02 | 中国科学院电子学研究所 | 一种获取稀疏微波成像雷达信噪比和采样比的方法 |
CN104020469A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种mimo雷达距离-角度二维超分辨率成像算法 |
CN104076334A (zh) * | 2014-07-08 | 2014-10-01 | 西安电子科技大学 | 一种设计mimo雷达波形和发射天线阵列的方法 |
CN104199029A (zh) * | 2014-09-03 | 2014-12-10 | 西安电子科技大学 | 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法 |
CN105022034A (zh) * | 2015-06-30 | 2015-11-04 | 西安电子科技大学 | 集中式mimo雷达的发射ofdm波形的优化设计方法 |
CN105044683A (zh) * | 2015-08-06 | 2015-11-11 | 西安电子科技大学 | 多径条件下共形阵mimo雷达系统的发射波形设计方法 |
CN105699945A (zh) * | 2016-01-30 | 2016-06-22 | 湖北工业大学 | 频控阵mimo雷达系统中的波形优化设计方法 |
CN106371095A (zh) * | 2016-09-30 | 2017-02-01 | 上海机电工程研究所 | 基于脉冲压缩技术的距离向成像方法和距离向成像系统 |
CN106597441A (zh) * | 2016-12-14 | 2017-04-26 | 中国人民解放军空军工程大学 | 一种面向多目标isar成像任务的mimo雷达波形优化设计方法 |
CN106646394A (zh) * | 2017-02-28 | 2017-05-10 | 湖北工业大学 | 一种fda‑mimo雷达中基于循环优化的发射波束矩阵设计方法 |
CN107037409A (zh) * | 2017-04-28 | 2017-08-11 | 中国人民解放军空军工程大学 | 基于压缩感知的mimo雷达波形分离方法 |
CN107085213A (zh) * | 2017-05-19 | 2017-08-22 | 中国人民解放军63892部队 | 基于随机调频步进波形设计的运动目标isar成像方法 |
-
2019
- 2019-01-22 CN CN201910057875.8A patent/CN109507664B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1287379A1 (en) * | 2000-06-06 | 2003-03-05 | Altratek Inc. | System and method for detection and tracking of targets |
US20120313805A1 (en) * | 2009-09-14 | 2012-12-13 | United States Government, As Represented By The Secretary Of The Navy | Radar target detection process |
CN103018719A (zh) * | 2012-11-29 | 2013-04-03 | 电子科技大学 | 一种oth雷达发射波形的生成方法 |
CN103454631A (zh) * | 2013-08-31 | 2013-12-18 | 西北工业大学 | 一种基于mimo技术和稀疏阵技术的三维成像方法 |
CN103698755A (zh) * | 2014-01-16 | 2014-04-02 | 中国科学院电子学研究所 | 一种获取稀疏微波成像雷达信噪比和采样比的方法 |
CN104020469A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种mimo雷达距离-角度二维超分辨率成像算法 |
CN104076334A (zh) * | 2014-07-08 | 2014-10-01 | 西安电子科技大学 | 一种设计mimo雷达波形和发射天线阵列的方法 |
CN104199029A (zh) * | 2014-09-03 | 2014-12-10 | 西安电子科技大学 | 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法 |
CN105022034A (zh) * | 2015-06-30 | 2015-11-04 | 西安电子科技大学 | 集中式mimo雷达的发射ofdm波形的优化设计方法 |
CN105044683A (zh) * | 2015-08-06 | 2015-11-11 | 西安电子科技大学 | 多径条件下共形阵mimo雷达系统的发射波形设计方法 |
CN105699945A (zh) * | 2016-01-30 | 2016-06-22 | 湖北工业大学 | 频控阵mimo雷达系统中的波形优化设计方法 |
CN106371095A (zh) * | 2016-09-30 | 2017-02-01 | 上海机电工程研究所 | 基于脉冲压缩技术的距离向成像方法和距离向成像系统 |
CN106597441A (zh) * | 2016-12-14 | 2017-04-26 | 中国人民解放军空军工程大学 | 一种面向多目标isar成像任务的mimo雷达波形优化设计方法 |
CN106646394A (zh) * | 2017-02-28 | 2017-05-10 | 湖北工业大学 | 一种fda‑mimo雷达中基于循环优化的发射波束矩阵设计方法 |
CN107037409A (zh) * | 2017-04-28 | 2017-08-11 | 中国人民解放军空军工程大学 | 基于压缩感知的mimo雷达波形分离方法 |
CN107085213A (zh) * | 2017-05-19 | 2017-08-22 | 中国人民解放军63892部队 | 基于随机调频步进波形设计的运动目标isar成像方法 |
Non-Patent Citations (2)
Title |
---|
黄中瑞,单凉,陈明建,张剑云: "一种新的MIMO雷达发射波形设计方法", 《电子与信息学报》 * |
黎亮: "《基于发射波形设计与自适应接收处理的目标探测技术研究》", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376630A (zh) * | 2021-07-05 | 2021-09-10 | 中国人民解放军空军工程大学 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
CN116008946A (zh) * | 2023-03-27 | 2023-04-25 | 中国人民解放军63921部队 | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 |
CN116008946B (zh) * | 2023-03-27 | 2023-06-09 | 中国人民解放军63921部队 | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109507664B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumari et al. | Adaptive virtual waveform design for millimeter-wave joint communication–radar | |
JP6821047B2 (ja) | シンボルを復号する方法及びシンボルを受信し、復号する受信機 | |
CN107315160B (zh) | 基于内插虚拟阵列信号原子范数最小化的互质阵列波达方向估计方法 | |
CN105699945B (zh) | 频控阵mimo雷达系统中的波形优化设计方法 | |
CN109557535A (zh) | 用于使用毫米波雷达传感器的占用检测的系统和方法 | |
CN106526589A (zh) | 一种基于涡旋电磁波的雷达目标二维成像方法 | |
CN107015190A (zh) | 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法 | |
CN109444885A (zh) | 基于稀疏矩阵重构的超分辨成像方法、装置及电子设备 | |
CN109507664A (zh) | 压缩感知mimo雷达认知波形获取方法和装置 | |
CN105849582A (zh) | 用于减小编码孔径雷达中的噪声的方法及设备 | |
JP2014197850A5 (zh) | ||
CN106526569B (zh) | 基于交替迭代的宽带mimo雷达稀疏频谱波形设计方法 | |
CN109116294A (zh) | 基于微波光子阵列的超宽带信号波达方向角估计方法 | |
CN110412557A (zh) | 一种基于ofdm信号的测量速度和距离的方法及装置 | |
CN107171985B (zh) | 一种信道估计方法及系统 | |
CN104333424B (zh) | 一种频谱检测与未知噪声方差跟踪估计方法与装置 | |
CN205507073U (zh) | 一种基于fpga的天气雷达信号处理装置 | |
CN107037409A (zh) | 基于压缩感知的mimo雷达波形分离方法 | |
CN107193002A (zh) | 一种可抑制宽带相位噪声的一维距离像高分辨成像方法 | |
CN106507473A (zh) | 一种基于压缩感知算法的室内定位方法及装置 | |
CN116527174B (zh) | 智能反射面信道状态估计方法、相位调整方法、系统 | |
Hussain et al. | Auto-regressive spectral gap filling algorithms for photonics-based highly sparse coherent multi-band radars in complex scenarios | |
CN103454626A (zh) | 一种基于mimo阵列和稀疏阵列的扇扫成像方法 | |
WO2021164033A1 (zh) | 预测信道状态信息的方法及装置 | |
CN106569182A (zh) | 基于最小熵的相位编码信号载频估计方法 |
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 |