CN110146881B - 一种基于改进全变差的扫描雷达超分辨成像方法 - Google Patents
一种基于改进全变差的扫描雷达超分辨成像方法 Download PDFInfo
- Publication number
- CN110146881B CN110146881B CN201910524988.4A CN201910524988A CN110146881B CN 110146881 B CN110146881 B CN 110146881B CN 201910524988 A CN201910524988 A CN 201910524988A CN 110146881 B CN110146881 B CN 110146881B
- Authority
- CN
- China
- Prior art keywords
- representing
- target
- total variation
- super
- function
- 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
- 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
Abstract
本发明提供了一种基于改进全变差的扫描雷达超分辨成像方法,属于雷达成像领域。本发明针对传统的全变差超分辨算法在低信噪比环境下对噪声敏感的问题,在实现超分辨成像与保持目标轮廓的同时,增强了算法的抗噪性能。在本发明中,首先采用TSVD方法进行预处理,重构目标函数;然后,在正则化框架下引入全变差算子作为正则化项,将超分辨问题转化为凸优化问题;最后,采用迭代重加权范数方法来求解凸优化问题,得到目标散射系数的估计值。本发明的创新性在于用TSVD方法去除噪声的影响,增强了传统全变差方法对噪声的鲁棒性,提高了其实用性。
Description
技术领域
本发明属于雷达成像领域,特别涉及一种基于改进全变差的扫描雷达超分辨成像方法。
背景技术
全天候对海探测与成像、客机的盲降导航等诸多军用与民用领域都需要雷达具备对前视区域的超分辨成像能力。但是由于在前视区域的多普勒频率梯度变化小,传统的成像方法SAR与DBS无法实现前视区域成像。单脉冲技术虽然能实现前视成像,但其不能区分同一波束内的多个目标,分辨率有限。
实孔径扫描雷达是现有进行前视成像的主要体制,其工作模式简单,并且距离向的高分辨率可以通过发射大带宽信号和匹配滤波技术实现,但是方位向的分辨率却因为孔径的限制而严重制约了该体制的应用。由于扫描雷达的方位向回波可视为目标的散射系数与天线方向图函数的卷积,从理论上可以采用解卷积的方法提高方位向分辨率。因此采用信号处理的方法,突破实孔径扫描雷达成像体制的限制,提高方位向分辨率成为了目前的研究热点。
现有技术中,采用贝叶斯方法添加目标的稀疏先验来提高方位向分辨率,并取得了较好的超分辨效果。虽然能改善方位向分辨率,但是在提高方位向分辨率的同时,并没有考虑目标轮廓特性的保持,导致目标轮廓丢失,整体成像质量欠佳。
另外,也有采用正则化方法,将全变差算子作为正则化项,在实现超分辨成像的同时保持了目标的轮廓特性,然而该方法在低信噪比环境下其性能会严重下降。
发明内容
本发明的目的在于解决现有技术中的技术缺陷,提出了一种基于改进全变差的扫描雷达超分辨成像方法,采用TSVD策略,通过选取合适的参数截断小的奇异值抑制噪声放大;然后在正则化框架下,选择全变差算子作为正则化项,构建目标函数;最后由于全变差算子的不可微特性,采用迭代重加权范数的方法进行求解。由于去除了小的奇异值,本发明的方法提高了对噪声的鲁棒性,另外全变差算子的引入,在实现超分辨成像的同时保持了目标的轮廓特性。
一种基于改进全变差的扫描雷达超分辨成像方法,包括以下步骤:
S1、发射线性调频信号,接收回波信号,对所述回波信号进行脉冲压缩和距离走动校正处理;
S2、将脉冲压缩和距离走动校正后的回波信号转换为由目标散射系数和天线测量矩阵构成的卷积形式;
S3、对所述天线测量矩阵进行截断奇异值分解处理,确定截断参数,得到截断奇异值分解结果;
S4、构建目标函数;
S5、采用迭代重加权范数方法求解目标函数,得到目标函数的最优解,输出超分辨结果。
进一步地,所述步骤S1包括:
发射线性调频信号,经过下变频处理,接收回波信号
其中,x0表示场景中点目标的散射系数,w(t)表示天线方位图函数调制,rect(·)表示矩形窗函数,τ表示距离向时间采样向量,t表示方位向时间采样向量,Tp表示发射信号的脉冲时宽,λ表示载频波长,R(t)表示目标的距离历史,c表示电磁波传播速度,k表示线性调频率,n(τ,t)表示加性高斯白噪声;
将回波信号进行尺度变换,得到距离走动校正后的回波信号
进一步地,所述步骤S2包括:
将脉冲压缩和距离走动校正后的回波信号转换为卷积形式
y=Hx+n
其中,y=[y(1,1) y(1,2)…y(1,N)…y(M,N)]T表示回波,x=[x(1,1) x(1,2)…x(1,N)…x(M,N)]T表示目标散射系数,n=[n(1,1) n(1,2)…n(1,N)…n(M,N)]T表示噪声,T表示转置运算,M和N分别表示距离向和方位向采样点数,H表示由天线方向图构成的天线测量矩阵,表示为
其中,[h-l…h0…hl]表示天线方向图函数w(t)的采样,采样点数为F。
进一步地,所述步骤S3包括:
对所述天线测量矩阵进行奇异值分解
其中,U=(u1,u2,...,uMN)和V=(v1,v2,...,vMN)分别表示大小为MN×MN的酉矩阵,Σ=diag(σ1,σ2,…,σMN),σi表示H的第i个奇异值,满足σ1>σ2>σi>...>σMN;
得到所述天线测量矩阵的逆
通过广义交叉验证函数选择截断函数k,得到通过截断后的天线测量矩阵
进行求逆运算,得到截断奇异值分解后的目标散射系数估计
xk=Hk -1y=Hk -1Hx+Hk -1n。
进一步地,所述步骤S3中,通过广义交叉验证函数选择截断函数k的步骤包括:
进一步地,所述步骤S4包括:
在正则化框架下,选择全变差函数作为正则化项,构建目标函数
其中,||·||2表示二范数,||·||1表示一范数,λ表示正则化参数,||Dx||1表示目标的全变差算子约束,表示为
其中,xi+1和xi分别表示x的第i+1个与第i个元素,D表示梯度矩阵,表示为
进一步地,所述步骤S5包括:
S52、构造迭代项的中间项
Wj=diag((Dxj)-1)
其中,j表示迭代次数,xj表示目标散射系数第j次迭代后的值;
S53、更新目标散射系数
其中,xj+1表示目标散射系数第j+1次迭代后的值;
S54、判断是否得到所述目标函数的最优解,若得到所述目标函数的最优解,进入步骤S55;否则,进入步骤S56。
S55、输出超分辨结果;
S56、返回所述步骤S52,继续进行迭代更新。
本发明的有益效果:本发明提供了一种基于改进全变差的扫描雷达超分辨成像方法,本发明采用截断奇异值分解的方法去除了小的奇异值,避免其参与到迭代过程中,降低了对噪声的敏感性;同时在全变差算子的约束下,在实现高分辨成像的同时保持目标的轮廓特性。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例的机载扫描雷达运动几何模型示意图。
图3为本发明实施例的原始场景图。
图4为本发明实施例的回波图。
图5为采用现有技术得到的结果图。
图6为采用本发明方法得到的结果图。
具体实施方式
下面结合附图对本发明的实施例做进一步的说明。
请参阅图1,本发明提供了一种基于改进全变差的扫描雷达超分辨成像方法,通过以下步骤实现:
S1、发射线性调频信号,接收回波信号,对回波信号进行脉冲压缩和距离走动校正处理。
本实施例中,机载扫描雷达运动模型如图2所示,机载平台的系统参数如下表1所示。
参数 | 数值 |
载频 | 10GHz |
时宽 | 2us |
带宽 | 75MHz |
运动速度 | 75m/s |
脉冲重复频率 | 1000Hz |
扫描速度 | 30°/s |
扫描范围 | ±10° |
表1雷达系统参数表
根据表1中的参数,发射线性调频信号(LFM)
经过下变频,接收到的回波信号为
其中,x0表示场景中点目标的散射系数,w(t)表示天线方位图函数调制,rect(·)表示矩形窗函数,τ表示距离向时间采样向量,t表示方位向时间采样向量,Tp表示发射信号的脉冲时宽,λ表示载频波长,R(t)表示目标的距离历史,c表示电磁波传播速度,k表示线性调频率,n(τ,t)表示加性高斯白噪声。
将回波信号进行尺度变换,得到距离走动校正后的回波信号
S2、将脉冲压缩和距离走动校正后的回波信号转换为由目标散射系数和天线测量矩阵构成的卷积形式。
将脉冲压缩和距离走动校正后的回波信号转换为卷积形式
y=Hx+n (5)
其中,y=[y(1,1) y(1,2)…y(1,N)…y(M,N)]T表示回波,x=[x(1,1) x(1,2)…x(1,N)…x(M,N)]T表示目标散射系数,n=[n(1,1) n(1,2)…n(1,N)…n(M,N)]T表示噪声,T表示转置运算,M和N分别表示距离向和方位向采样点数,H表示由天线方向图构成的天线测量矩阵,表示为
其中,[h-l…h0…hl]表示天线方向图函数w(t)的采样,采样点数为F。
回波信号进行建模简化后,将超分辨问题转换为目标反演问题,即在已知回波y和天线测量矩阵H的条件下,求解目标散射系数x。
S3、对天线测量矩阵进行截断奇异值分解处理,确定截断参数,得到截断奇异值分解结果。
本实施例中,对天线测量矩阵进行截断奇异值分解(TSVD)处理,通过截断小的奇异值来抑制噪声放大。
对天线测量矩阵进行奇异值分解(SVD)
其中,U=(u1,u2,...,uMN)和V=(v1,v2,...,vMN)分别表示大小为MN×MN的酉矩阵,Σ=diag(σ1,σ2,…,σMN),σi表示H的第i个奇异值,满足σ1>σ2>σi>...>σMN。
得到天线测量矩阵的逆
通过广义交叉验证函数选择截断函数k,去除小的奇异值,保留主要的大的奇异值,得到通过截断后的天线测量矩阵
进行求逆运算,得到截断奇异值分解后的目标散射系数估计
xk=Hk -1y=Hk -1Hx+Hk -1n (11)
截断函数k通过广义交叉验证函数获得:
S4、构建目标函数。
在正则化框架下,选择全变差函数作为正则化项,构建目标函数
其中,||·||2表示L2范数,||·||1表示L1范数,λ表示用来控制正则化强度的正则化参数,||Dx||1表示目标的全变差算子约束,表示为
其中,xi+1和xi分别表示x的第i+1个与第i个元素,D表示梯度矩阵,表示为
S5、采用迭代重加权范数方法求解目标函数,得到目标函数的最优解,输出超分辨结果。
本实施例中,采用迭代重加权范数的方法,对目标函数进行求解。其实质用一系列L2范数的最小值逼近L1范数的最小值,因此需要采用迭代的策略求解。
步骤S5通过以下子步骤实现:
S51、迭代的初始值由正则化结果给出,具体为
S52、构造迭代项的中间项
Wj=diag((Dxj)-1)。 (17)
其中,j表示迭代次数,xj表示目标散射系数第j次迭代后的值。
S53、更新目标散射系数
其中,xj+1表示目标散射系数第j+1次迭代后的值。
S54、判断是否得到目标函数的最优解,若得到目标函数的最优解,进入步骤S55;否则,进入步骤S56。
本实施例中,每次迭代结束后,判断迭代结果是否能求解出目标函数(13)的最优解。
S55、输出超分辨结果。
本实施例中,若当前迭代结果能求解出目标函数的最优解,停止迭代,输出超分辨结果。
S56、返回步骤S52,继续进行迭代更新。
本实施例中,若当前迭代结果未能求解出目标函数的最优解,则重复进行步骤S52-S53的迭代更新,直到得到目标函数的最优解。
本实施例中,采用SNR=10dB的低信噪比环境。图3为原始场景分布图,图4为回波,由于两个目标的间距小于波束宽度,因此两个目标的回波叠加在一起,不能区分。图5为现有技术中传统全变差的结果,由于其对噪声敏感,在10dB的低信噪比环境下完全失效。而本发明方法的结果,如图6所示,不仅实现了对目标的区分,还较好地保留了目标的轮廓信息,证明了本发明的有效性。
本领域的普通技术人员将会意识到,这里的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种基于改进全变差的扫描雷达超分辨成像方法,其特征在于,包括以下步骤:
S1、发射线性调频信号,接收回波信号,对所述回波信号进行脉冲压缩和距离走动校正处理;包括:
发射线性调频信号,经过下变频处理,接收回波信号
其中,x0表示场景中点目标的散射系数,w(t)表示天线方位图函数调制,rect(·)表示矩形窗函数,τ表示距离向时间采样向量,t表示方位向时间采样向量,Tp表示发射信号的脉冲时宽,λ表示载频波长,R(t)表示目标的距离历史,c表示电磁波传播速度,γ表示线性调频率,n(τ,t)表示加性高斯白噪声;
将回波信号进行尺度变换,得到距离走动校正后的回波信号
S2、将脉冲压缩和距离走动校正后的回波信号转换为由目标散射系数和天线测量矩阵构成的卷积形式;
S3、对所述天线测量矩阵进行截断奇异值分解处理,确定截断参数,得到截断奇异值分解结果;
S4、构建目标函数;
S5、采用迭代重加权范数方法求解目标函数,得到目标函数的最优解,输出超分辨结果。
2.如权利要求1所述的基于改进全变差的扫描雷达超分辨成像方法,其特征在于,所述步骤S2包括:
将脉冲压缩和距离走动校正后的回波信号转换为卷积形式
y=Hx+n
其中,y=[y(1,1) y(1,2) … y(1,N) … y(M,N)]T表示回波,x=[x(1,1) x(1,2) …x(1,N) … x(M,N)]T表示目标散射系数,n=[n(1,1) n(1,2) … n(1,N) … n(M,N)]T表示噪声,T表示转置运算,M和N分别表示距离向和方位向采样点数,H表示由天线方向图构成的天线测量矩阵,表示为
其中,[h-l … h0 … hl]表示天线方向图函数w(t)的采样,采样点数为F。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524988.4A CN110146881B (zh) | 2019-06-18 | 2019-06-18 | 一种基于改进全变差的扫描雷达超分辨成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524988.4A CN110146881B (zh) | 2019-06-18 | 2019-06-18 | 一种基于改进全变差的扫描雷达超分辨成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146881A CN110146881A (zh) | 2019-08-20 |
CN110146881B true CN110146881B (zh) | 2021-05-04 |
Family
ID=67591671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910524988.4A Active CN110146881B (zh) | 2019-06-18 | 2019-06-18 | 一种基于改进全变差的扫描雷达超分辨成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110146881B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780274B (zh) * | 2019-11-04 | 2022-04-01 | 电子科技大学 | 一种用于扫描雷达的改进l1正则化方位超分辨成像方法 |
CN110780273B (zh) * | 2019-11-04 | 2022-03-04 | 电子科技大学 | 一种混合正则化方位超分辨成像方法 |
CN112379371B (zh) * | 2020-10-29 | 2022-09-09 | 中国科学技术大学 | 基于优化理论的无线电信号三维成像方法及系统 |
CN113219459A (zh) * | 2021-05-26 | 2021-08-06 | 电子科技大学 | 一种扫描雷达稳健超分辨成像方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680817A (zh) * | 2016-12-26 | 2017-05-17 | 电子科技大学 | 一种实现前视雷达高分辨成像的方法 |
CN107193003A (zh) * | 2017-07-20 | 2017-09-22 | 电子科技大学 | 一种稀疏奇异值分解扫描雷达前视成像方法 |
CN107271993A (zh) * | 2017-07-21 | 2017-10-20 | 电子科技大学 | 一种基于最大后验的扫描雷达角超分辨成像方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8730085B2 (en) * | 2010-08-26 | 2014-05-20 | Lawrence Livermore National Security, Llc | Spot restoration for GPR image post-processing |
US10209356B2 (en) * | 2015-11-24 | 2019-02-19 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for autofocus radar imaging |
-
2019
- 2019-06-18 CN CN201910524988.4A patent/CN110146881B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680817A (zh) * | 2016-12-26 | 2017-05-17 | 电子科技大学 | 一种实现前视雷达高分辨成像的方法 |
CN107193003A (zh) * | 2017-07-20 | 2017-09-22 | 电子科技大学 | 一种稀疏奇异值分解扫描雷达前视成像方法 |
CN107271993A (zh) * | 2017-07-21 | 2017-10-20 | 电子科技大学 | 一种基于最大后验的扫描雷达角超分辨成像方法 |
Non-Patent Citations (2)
Title |
---|
Forward Looking Radar Imaging by Truncated Singular Value Decomposition and Its Application for AdverseWeather Aircraft Landing;Yulin Huang et al.;《Sensors 2015》;20150618;第15卷(第6期);第14397-14414页 * |
范数正则化约束雷达角度维高分辨方法研究;张良等;《弹箭与制导学报》;20180228;第38卷(第1期);第144-148、157页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110146881A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146881B (zh) | 一种基于改进全变差的扫描雷达超分辨成像方法 | |
CN106680817B (zh) | 一种实现前视雷达高分辨成像的方法 | |
CN107271993B (zh) | 一种基于最大后验的扫描雷达角超分辨成像方法 | |
CN110068805B (zh) | 基于变分贝叶斯推论的高速目标hrrp重构方法 | |
CN107621635B (zh) | 一种前视海面目标角超分辨方法 | |
CN105137408B (zh) | 一种最优天线方向图选取的雷达角超分辨方法 | |
CN110244303B (zh) | 基于sbl-admm的稀疏孔径isar成像方法 | |
CN110780274B (zh) | 一种用于扫描雷达的改进l1正则化方位超分辨成像方法 | |
CN109884625B (zh) | 基于卷积神经网络的雷达关联成像方法 | |
CN110208796B (zh) | 基于奇异值逆滤波的扫描雷达超分辨成像方法 | |
CN111856465B (zh) | 一种基于稀疏约束的前视海面目标角超分辨方法 | |
CN109613532B (zh) | 一种机载雷达实时多普勒波束锐化超分辨成像方法 | |
CN108562884A (zh) | 一种基于最大后验概率的机载前视海面目标角超分辨方法 | |
CN110118967B (zh) | 一种基于全变差的扫描雷达方位向超分辨成像方法 | |
CN110109098B (zh) | 一种扫描雷达快速超分辨成像方法 | |
CN110109114B (zh) | 一种扫描雷达超分辨成像检测一体化方法 | |
CN113064165B (zh) | 一种扫描雷达俯仰-方位二维超分辨方法 | |
CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN114780911B (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
CN116577749A (zh) | 一种天线方向图未知展宽下的扫描雷达超分辨方法 | |
CN110780273B (zh) | 一种混合正则化方位超分辨成像方法 | |
CN115453523A (zh) | 一种扫描雷达稀疏目标批处理超分辨方法 | |
Wu et al. | Outline reconstruction for radar forward-looking imaging based on total variation functional deconvloution methodxs | |
CN114910905A (zh) | 相似性约束下geo星机双基sar动目标智能成像方法 | |
CN110109097B (zh) | 一种扫描雷达前视成像方位超分辨方法 |
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 |