CN109738878A - 基于压缩感知和频率步进波形的雷达一维距离像识别方法 - Google Patents
基于压缩感知和频率步进波形的雷达一维距离像识别方法 Download PDFInfo
- Publication number
- CN109738878A CN109738878A CN201910145487.5A CN201910145487A CN109738878A CN 109738878 A CN109738878 A CN 109738878A CN 201910145487 A CN201910145487 A CN 201910145487A CN 109738878 A CN109738878 A CN 109738878A
- Authority
- CN
- China
- Prior art keywords
- matrix
- follows
- signal
- frequency
- size
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达信号处理技术领域,具体涉及一种基于压缩感知和频率步进波形的雷达一维距离像识别方法。本发明利用线性调频信号具有大时宽带宽积、在完成匹配滤波之后宽脉冲信号在时域上被压缩成窄脉冲的特性,对匹配滤波器的冲激响应采样并构造稀疏矩阵,依据脉冲压缩和压缩感知理论,得到混叠的多散射点的一维距离像信息。然后根据频率步进信号距离高分辨原理和压缩感知理论,对距离分辨单元进行IFFT细化和拼接,最终得到多散射点的高分辨一维距离像。
Description
技术领域
本发明属于雷达信号处理技术领域,具体涉及一种基于压缩感知和频率步进波形的雷达一维距离像识别方法。
背景技术
压缩感知理论是近年兴起的一种新型信号处理理论。有别于Nyqusit采样定理中要求采样频率大于原始信号最高频率两倍的关系,压缩感知理论采用采样、压缩同时进行的方式,对原始信号直接进行采样并压缩。相较于以Nyquist采样频率采样,压缩感知理论能够以更少的数据量,便可以精准或近似精准地重建原始信号。压缩感知理论在信号处理领域,对于减少硬件资源消耗、降低自来宽带信号的采样率压力、提高数据处理速度,有着广阔的应用前景。
目前基于压缩感知的一维距离像算法,主要依据雷达多散射点中心理论,将不同散射中心的波形矢量叠加以获得最终的合成信号。晋本周等人在《基于压缩感知的超分辨目标散射中心估计》中提出了一种利用目标散射点中心在时域稀疏的特性,对脉冲压缩后结果进行重构的算法,该算法无需已知散射中心数目等信息,但是此种方法受限于两个条件,即:1)多散射点目标模型在空间上具有稀疏特性,以便于散射回波信号的稀疏表示;2)各散射点之间的间距要大于最小距离分辨单元,否则多散射点只能等效为一个强散射点,无法精确地描述目标的散射特性。
发明内容
本发明的目的,是针对上述问题,提出一种基于压缩感知和频率步进波形的一维距离像识别方法。本发明利用线性调频信号具有大时宽带宽积、在完成匹配滤波之后宽脉冲信号在时域上被压缩成窄脉冲的特性,对匹配滤波器的冲激响应采样并构造稀疏矩阵,依据脉冲压缩和压缩感知理论,得到混叠的多散射点的一维距离像信息。然后根据频率步进信号距离高分辨原理和压缩感知理论,对距离分辨单元进行IFFT细化和拼接,最终得到多散射点的高分辨一维距离像。
本发明的技术方案是:
基于压缩感知和频率步进波形的雷达一维距离像识别方法,包括以下步骤:
S1、根据雷达对发射信号的时宽Tp、带宽B、载频起始频率f0、步进频率Δf、跳频点数N的要求,生成发射的频率步进线性调频信号Stn(t),如式(1)所示
其中,K=B/T为调频斜率,n=1,2,…,N,为矩形窗函数,表达式为
S2、雷达天线接收来自于待测目标的反射回波信号,经过下变频、滤波,获得基带回波信号Srn(t),表达式为:
其中,为目标的延时信息,Aσ为目标回波幅度,v为目标相对雷达的径向运动速度,R为目标相对雷达的初始位置,c为光速;
以Fs表示采样频率,以采样间隔Ts=1/Fs对Srn(t)采样,对于单个脉冲重复周期,获得M点离散形式的基带回波信号Srn[m],表达式为:
式中,m=1,2,…,M, 表示向下取整;
连续采集M个脉冲重复周期的基带回波信号,组成M×N的基带回波信号矩阵Sr,即
Sr=[Sr1 T,Sr2 T,…,SrN T] (5)
S3、令单个脉冲重复周期内获得的测量值个数为K1,K1<<M,脉冲压缩后相同距离单元内获得的测量值个数为K2,K2<<N,分别以服从高斯分布的基向量构成大小为K1×M测量矩阵Φ1和大小为K2×N的测量矩阵Φ2,构造方法为:
Φ1=randn(K1,M) (6)
Φ2=randn(K2,N) (7)
用测量矩阵Φ1和Φ2分别对基带回波信号矩阵Sr按列和按行进行测量,获得大小为K1×K2的测量值矩阵y,y的形式为:
yT=Φ2(Φ1Sr)T (8)
因K1<<M,K2<<N,观测值矩阵yT(K2×K1)的数据量将远远少于Sr(N×M);
S4、用作时域脉冲压缩的匹配滤波器的冲激响应为h(t)=s*(-t),s(t)是线性调频信号,表达式为:
以Fs表示采样频率,以采样间隔Ts=1/Fs对h(t)采样,获得L点离散形式的匹配滤波器的冲激响应值h[l],表达式为:
式中, 表示向下取整;
以h[l]构造大小为M×M的匹配滤波器冲激响应矩阵Ht,形式为:
取Ht的逆,得到大小为M×M的逆矩阵作为稀疏矩阵Ψ1,即
Ψ1=Ht′ (12)
S5、由式(6)、(12),构造大小为K1×M的恢复矩阵Θ1,形式为:
Θ1=Φ1Ψ1 (13)
以恢复矩阵Θ1,采用正交匹配追踪算法,从约束最优化问题
中重建出脉冲压缩后结果 是大小为M×K2的矩阵,并令
S6、构造大小为N×N的快速傅里叶变换基WN,形式为:
其中,WN=e-j2π/N;
将其作为稀疏矩阵Ψ2,有
Ψ2=WN (16)
S7、由式(7)、(16),构造大小为K2×N的恢复矩阵Θ2,形式为:
Θ2=Φ2Ψ2 (17)
以恢复矩阵Θ2,采用正交匹配追踪算法,从约束最优化问题
中重建出脉冲压缩后按相同距离单元做IFFT细化后结果 是大小为N×M的矩阵;
S8、采用同距离取大法对IFFT细化后结果进行拼接,方法如下:
对于每个脉冲重复周期,有M个采样点,对于其中第m个采样点,m=0,1,2,…,M-1,IFFT后得到N个数据,取出其中第Pm到第Qm点之间的Wm个数据,作为当前采样点的提取信息,计算准则如下:
其中,rs=Tsc/2,rw=c/(2Δf),Δr=c/(2NΔf);
从第m组IFFT结果中取出Wm个数据放入Xm,代表的距离范围是从mrs到mrs+Rw;其中有部分数据与点迹提取结果Z(k)在距离维上重叠,通过如下准则对距离上重叠的数据进行取舍:
将每组IFFT细化结果按式(19)进行提取,按式(20)进行同距离取大操作,最终得到包含目标信息的高分辨一维距离像。
本发明的有益效果为:传统的基于压缩感知的一维距离像获得方法要求多散射点目标模型在空间上具有稀疏特性,而本发明利用经匹配滤波压缩后的窄脉冲具有的时域稀疏特性,仅需发射线性调频信号具有大的时宽带宽积便可实现,更加具有普适性;相较于传统的方法,本发明利用频率步进信号距离高分辨原理,可以达到更高的距离分辨率。
附图说明
图1为本发明的总体流程示意图;
图2为本发明基于压缩感知的脉冲压缩示意图;
图3为本发明基于压缩感知的IFFT细化示意图;
图4为本发明高分辨一维距离像拼接示意图;
图5为本发明基于压缩感知的脉冲压缩后结果;
图6为本发明拼接得到的高分辨一维距离像结果。
具体实施方式
下面结合附图和实施例,详细描述本发明的技术方案:
实施例:
本例中采用的参数为,线性调频发射信号的脉冲宽度T=1us,带宽B=40MHz,调频斜率K=B/T=1×1013,采样频率Fs=60MHz,脉冲重复周期Tr=20us,脉冲数N=64,载频f=35GHz,光速Vc=3×108m/s。设置四个静止目标,分别位于R1=1000.1m,R2=1000.3m,R3=1001.2m,R4=1001.5m处,采用本发明的技术方案,依次进行:
1.按“步骤S2”获得多目标的原始叠加回波数据;
2.按“步骤S2”对一个脉冲重复周期内的基带回波信号进行采样,获得点的回波信号序列Srn[m](m=1,2,…,1200),将其按列向量存储,对共N=64个脉冲的基带回波信号采样,获得1200×64的基带回波信号矩阵Sr;
3.令单个脉冲重复周期内获得的测量值个数为K1=600,脉冲压缩后相同距离单元内获得的测量值个数为K2=30。按“步骤S3”构造大小为600×1200的高斯白噪声矩阵Φ1,构造大小为30×64的高斯白噪声矩阵Φ2作为测量矩阵,根据式(8),求得大小为600×30测量值矩阵y;
4.按“步骤S4”以采样频率对匹配滤波器冲激响应进行采样,获得点的采样匹配滤波器冲激响应序列h[l](l=1,2,…,60)。根据获得的h[l]序列,构造出大小为1200×1200的稀疏矩阵Ψ1;
5.按“步骤S5”,将Φ1和Ψ1相乘获得大小为600×1200的恢复矩阵Θ1。采用正交匹配追踪算法(OMP),由测量值矩阵y和恢复矩阵Θ1重构获得脉冲压缩后的大小为1200×30的结果
6.对脉冲压缩的重构结果取转置,获得转置后结果A。按“步骤S6”构造出大小为64×64的稀疏矩阵Ψ2。
7.按“步骤S7”,将Φ2和Ψ2相乘获得大小为30×64的恢复矩阵Θ2。采用正交匹配追踪算法(OMP),由脉冲压缩后结果A和恢复矩阵Θ2重构获得IFFT细化后的大小为64×1200的结果
8.按“步骤S8”,对IFFT细化后结果依列向量按同距离取大法进行一维距离像拼接,获得大小为1×51157的最终拼接结果向量。
Claims (1)
1.基于压缩感知和频率步进波形的雷达一维距离像识别方法,其特征在于,包括以下步骤:
S1、根据雷达对发射信号的时宽Tp、带宽B、载频起始频率f0、步进频率Δf、跳频点数N的要求,生成发射的频率步进线性调频信号Stn(t),如式(1)所示
其中,K=B/T为调频斜率,n=1,2,…,N,为矩形窗函数,表达式为
S2、雷达天线接收来自于待测目标的反射回波信号,经过下变频、滤波,获得基带回波信号Srn(t),表达式为:
其中,为目标的延时信息,Aσ为目标回波幅度,v为目标相对雷达的径向运动速度,R为目标相对雷达的初始位置,c为光速;
以Fs表示采样频率,以采样间隔Ts=1/Fs对Srn(t)采样,对于单个脉冲重复周期,获得M点离散形式的基带回波信号Srn[m],表达式为:
式中,m=1,2,…,M, 表示向下取整;
连续采集N个脉冲重复周期的基带回波信号,组成M×N的基带回波信号矩阵Sr,即
Sr=[Sr1 T,Sr2 T,…,SrN T](5)
S3、令单个脉冲重复周期内获得的测量值个数为K1,K1<<M,脉冲压缩后相同距离单元内获得的测量值个数为K2,K2<<N,分别以服从高斯分布的基向量构成大小为K1×M测量矩阵Φ1和大小为K2×N的测量矩阵Φ2,构造方法为:
Φ1=randn(K1,M)(6)
Φ2=randn(K2,N)(7)
用测量矩阵Φ1和Φ2分别对基带回波信号矩阵Sr按列和按行进行测量,获得大小为K1×K2的测量值矩阵y,y的形式为:
yT=Φ2(Φ1Sr)T(8)
因K1<<M,K2<<N,观测值矩阵yT(K2×K1)的数据量将远远少于Sr(N×M);
S4、用作时域脉冲压缩的匹配滤波器的冲激响应为h(t)=s*(-t),s(t)是线性调频信号,表达式为:
以Fs表示采样频率,以采样间隔Ts=1/Fs对h(t)采样,获得L点离散形式的匹配滤波器的冲激响应值h[l],表达式为:
式中,l=1,2,…,L, 表示向下取整;
以h[l]构造大小为M×M的匹配滤波器冲激响应矩阵Ht,形式为:
取Ht的逆,得到大小为M×M的逆矩阵作为稀疏矩阵Ψ1,即
Ψ1=Ht′(12)
S5、由式(6)、(12),构造大小为K1×M的恢复矩阵Θ1,形式为:
Θ1=Φ1Ψ1(13)
以恢复矩阵Θ1,采用正交匹配追踪算法,从约束最优化问题
中重建出脉冲压缩后结果 是大小为M×K2的矩阵,并令
S6、构造大小为N×N的快速傅里叶变换基WN,形式为:
其中,WN=e-j2π/N;
将其作为稀疏矩阵Ψ2,有
Ψ2=WN(16)
S7、由式(7)、(16),构造大小为K2×N的恢复矩阵Θ2,形式为:
Θ2=Φ2Ψ2(17)
以恢复矩阵Θ2,采用正交匹配追踪算法,从约束最优化问题
中重建出脉冲压缩后按相同距离单元做IFFT细化后结果 是大小为N×M的矩阵;
S8、采用同距离取大法对IFFT细化后结果进行拼接,方法如下:
对于每个脉冲重复周期,有M个采样点,对于其中第m个采样点,m=0,1,2,…,M-1,IFFT后得到N个数据,取出其中第Pm到第Qm点之间的Wm个数据,作为当前采样点的提取信息,计算准则如下:
其中,rs=Tsc/2,rw=c/(2Δf),Δr=c/(2NΔf);
从第m组IFFT结果中取出Wm个数据放入Xm,代表的距离范围是从mrs到mrs+Rw;其中有部分数据与点迹提取结果Z(k)在距离维上重叠,通过如下准则对距离上重叠的数据进行取舍:
将每组IFFT细化结果按式(19)进行提取,按式(20)进行同距离取大操作,最终得到包含目标信息的高分辨一维距离像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910145487.5A CN109738878B (zh) | 2019-02-27 | 2019-02-27 | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910145487.5A CN109738878B (zh) | 2019-02-27 | 2019-02-27 | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109738878A true CN109738878A (zh) | 2019-05-10 |
CN109738878B CN109738878B (zh) | 2022-05-13 |
Family
ID=66368633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910145487.5A Active CN109738878B (zh) | 2019-02-27 | 2019-02-27 | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109738878B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220974A (zh) * | 2019-12-10 | 2020-06-02 | 西安宁远电子电工技术有限公司 | 一种低复杂度的基于调频步进脉冲信号的频域拼接方法 |
CN111751799A (zh) * | 2020-07-30 | 2020-10-09 | 北京工业大学 | 一种超宽带多目标的探测方法 |
CN113030985A (zh) * | 2021-03-30 | 2021-06-25 | 重庆大学 | 一种基于Chirp码的稀疏字典压缩感知超声成像方法 |
CN113189577A (zh) * | 2021-04-13 | 2021-07-30 | 电子科技大学 | 一种基于快速斜坡模式lfmcw车载雷达测距测速方法 |
CN116359871A (zh) * | 2023-03-24 | 2023-06-30 | 上海毫微太科技有限公司 | 一种信号处理方法和图像采集设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120268309A1 (en) * | 2011-02-10 | 2012-10-25 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Virtual aperture radar (var) imaging |
CN103983972A (zh) * | 2014-05-06 | 2014-08-13 | 电子科技大学 | 一种快速压缩传感三维sar稀疏成像方法 |
US20140247181A1 (en) * | 2012-11-12 | 2014-09-04 | Sony Corporation | Radar apparatus and method |
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 |
CN108983168A (zh) * | 2018-04-27 | 2018-12-11 | 常熟理工学院 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
CN109375153A (zh) * | 2018-09-28 | 2019-02-22 | 西北工业大学 | 一种基于冲激响应压缩感知的密集多径信号角度估计方法 |
-
2019
- 2019-02-27 CN CN201910145487.5A patent/CN109738878B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120268309A1 (en) * | 2011-02-10 | 2012-10-25 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Virtual aperture radar (var) imaging |
US20140247181A1 (en) * | 2012-11-12 | 2014-09-04 | Sony Corporation | Radar apparatus and method |
CN103983972A (zh) * | 2014-05-06 | 2014-08-13 | 电子科技大学 | 一种快速压缩传感三维sar稀疏成像方法 |
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 |
CN108983168A (zh) * | 2018-04-27 | 2018-12-11 | 常熟理工学院 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
CN109375153A (zh) * | 2018-09-28 | 2019-02-22 | 西北工业大学 | 一种基于冲激响应压缩感知的密集多径信号角度估计方法 |
Non-Patent Citations (5)
Title |
---|
JIAN FANG,ET AL: "Fast Compressed Sensing SAR Imaging Based on Approximated Observation", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 * |
XIAO LONG,ET AL: "A SAR Imaging Algorithm Based on Compressed Sensing", 《2012 5TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING (CISP 2012)》 * |
刁建锋: "动态压缩感知及其在雷达中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
孙艳艳: "压缩感知在雷达信号处理中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
宗竹林: "编队卫星SAR波形设计及成像技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220974A (zh) * | 2019-12-10 | 2020-06-02 | 西安宁远电子电工技术有限公司 | 一种低复杂度的基于调频步进脉冲信号的频域拼接方法 |
CN111220974B (zh) * | 2019-12-10 | 2023-03-24 | 西安宁远电子电工技术有限公司 | 一种低复杂度的基于调频步进脉冲信号的频域拼接方法 |
CN111751799A (zh) * | 2020-07-30 | 2020-10-09 | 北京工业大学 | 一种超宽带多目标的探测方法 |
CN113030985A (zh) * | 2021-03-30 | 2021-06-25 | 重庆大学 | 一种基于Chirp码的稀疏字典压缩感知超声成像方法 |
CN113189577A (zh) * | 2021-04-13 | 2021-07-30 | 电子科技大学 | 一种基于快速斜坡模式lfmcw车载雷达测距测速方法 |
CN113189577B (zh) * | 2021-04-13 | 2021-12-03 | 电子科技大学 | 一种基于快速斜坡模式lfmcw车载雷达测距测速方法 |
CN116359871A (zh) * | 2023-03-24 | 2023-06-30 | 上海毫微太科技有限公司 | 一种信号处理方法和图像采集设备 |
CN116359871B (zh) * | 2023-03-24 | 2024-01-19 | 上海毫微太科技有限公司 | 一种信号处理方法和图像采集设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109738878B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738878A (zh) | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 | |
CN106646446B (zh) | 脉冲压缩捷变频雷达的动目标检测方法 | |
Rao et al. | Adaptive sparse recovery by parametric weighted L $ _ {1} $ minimization for ISAR imaging of uniformly rotating targets | |
CN103901429B (zh) | 基于稀疏孔径的机动目标逆合成孔径雷达成像方法 | |
CN109870687B (zh) | 一种用于互质采样星载sar的成像处理方法 | |
Suksmono et al. | Compressive stepped-frequency continuous-wave ground-penetrating radar | |
Adhikari et al. | Spatial spectral estimation with product processing of a pair of colinear arrays | |
CN109031296B (zh) | 基于随机间歇采样线性调频信号的宽带雷达成像方法 | |
CN109061589A (zh) | 随机跳频雷达的目标运动参数估计方法 | |
CN103293515B (zh) | 一种舰船线谱噪声源纵向分布特性测量方法 | |
CN111505639B (zh) | 基于变重频采样模式的合成孔径雷达宽幅稀疏成像方法 | |
CN110208785A (zh) | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 | |
CN105738897A (zh) | 基于联合稀疏特性的信号距离像重构方法 | |
CN104854473B (zh) | 使用多普勒聚焦的亚奈奎斯特雷达处理 | |
CN104678372A (zh) | 正交频分复用雷达超分辨距离与角度值联合估计方法 | |
CN106990392B (zh) | 一种基于随机步进频信号的空间目标微动信息获取方法 | |
CN109471063A (zh) | 基于延迟快拍的均匀线列阵高分辨波达方向估计方法 | |
CN107102328B (zh) | 基于fpga的实时成像信号处理方法及fpga | |
CN106680791A (zh) | 基于宽带扫频数据的雷达回波仿真方法 | |
CN117348013A (zh) | 传感器阵列成像设备 | |
CN113281755B (zh) | 一种基于深度和声速扫描的高精度单波束测深方法 | |
Jihong et al. | High-speed target ISAR imaging via compressed sensing based on sparsity in fractional Fourier domain | |
JP2011112373A (ja) | レーダ信号処理装置 | |
CN113625275A (zh) | 一种稀疏孔径雷达图像二维联合重构方法 | |
CN115113159A (zh) | 基于相位相消的频率步进信号雷达成像方法 |
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 |