CN110927681A - 一种信号处理方法、装置、终端及存储介质 - Google Patents
一种信号处理方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110927681A CN110927681A CN201910643394.5A CN201910643394A CN110927681A CN 110927681 A CN110927681 A CN 110927681A CN 201910643394 A CN201910643394 A CN 201910643394A CN 110927681 A CN110927681 A CN 110927681A
- Authority
- CN
- China
- Prior art keywords
- echo signal
- radar
- clutter suppression
- signal
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 230000001629 suppression Effects 0.000 claims abstract description 142
- 238000003384 imaging method Methods 0.000 claims abstract description 116
- 238000012545 processing Methods 0.000 claims abstract description 101
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 78
- 230000003190 augmentative effect Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 46
- 230000014509 gene expression Effects 0.000 claims description 44
- 238000000605 extraction Methods 0.000 claims description 37
- 230000004888 barrier function Effects 0.000 claims description 32
- 238000000354 decomposition reaction Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供了一种信号处理方法、装置、终端及存储介质,其中方法包括:获取关于目标区域的雷达回波信号,所述雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,所述目标区域中包括非透明障碍物回波信号和目标对象;获取关于所述雷达回波信号的杂波抑制模型;基于增广拉格朗日算法对所述杂波抑制模型进行优化处理,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号。采用本发明实施例可以提高对雷达回波信号中的杂波抑制的准确性。
Description
技术领域
本发明涉及信号处理领域,尤其涉及一种信号处理、装置、终端及存储介质。
背景技术
雷达是一种利用电磁波探测某个区域内目标对象的电子设备,穿墙雷达是雷达的一种,穿墙雷达采用特定频率电磁波实现对墙体、树木、草丛、烟雾等非透明介质障碍物的穿透探测,完成对障碍物后隐蔽目标对象的探测、定位、跟踪和识别等。近年来,穿墙雷达由于其对密闭结构内的感知能力而引起越来越多的研究兴趣。
穿墙雷达的工作原理可以是:穿墙雷达通过对把包括非透明障碍物的区域发生雷达信号;接收雷达回波信号,根据雷达回波信号得到穿墙成像;进而根据穿墙成像结果进行对障碍物后目标对象进行探测、定位、跟踪以及识别等。
可见,根据雷达回波信号得到较高精度的穿墙成像是准确地对障碍物后目标对象进行跟踪、识别的必要条件。在使用穿墙雷达时,由于非透明障碍区的存在,接收到的雷达回波信号中存在障碍物杂波,障碍物杂波是影响穿墙成像精度的主要因素。因此,在穿墙雷达领域中,如何去除雷达回波信号中的障碍物杂波成为研究热点。
发明内容
本发明实施例提供了一种信号处理方法、装置、终端及存储介质,可以提高对雷达回波信号中的杂波抑制的准确性。
第一方面,本发明实施例提供了一种信号处理法,包括:
获取关于目标区域的雷达回波信号,雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,目标区域中包括非透明障碍物和目标对象;
确定关于雷达回波信号的杂波抑制模型,杂波抑制模型是根据对非透明障碍物回波信号进行低秩特性提取处理和对目标对象回波信号进行稀疏特性提取处理得到的;
基于增广拉格朗日算法对杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号,得到雷达成像回波信号。
可选的,确定关于雷达回波信号的杂波抑制模型,包括:
对非透明障碍物回波信号进行低秩特性提取处理,得到第一分量;
对目标对象回波信号进行稀疏特性提取处理,得到第二分量;
对雷达回波信号中包括的噪声信号进行范数处理,得到第三分量;
将第一分量和非透明障碍物回波信号对应的第一权重系数、目标对象回波信号对应的第二权重系数和第二分量,以及噪声信号对应的第三权重系数和第三分量分别进行相乘后,将相乘的结果进行相加运算,得到杂波抑制模型。
可选的,
基于增广拉格朗日算法优化杂波抑制模型,从雷达回波信号中分离出非透明障碍物回波信号,得到雷达成像回波信号,包括:
确定基于目标对象回波信号和雷达回波信号中的噪声信号构建的指示矩阵;
基于指示矩阵和增广拉格朗日算法所指示的模型格式对杂波抑制模型进行模型格式变换,得到目标杂波抑制模型;
对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,并根据雷达回波信号和非透明障碍物回波信号的表达式确定雷达成像回波信号。
可选的,杂波抑制模型中包括对非透明障碍物回波信号进行低秩特性提取处理的第一分量,基于指示矩阵和增广拉格朗日算法所指示的模型格式对杂波抑制模型进行模型格式变换,得到目标杂波抑制模型,包括:
确定对第一分量进行双线性分解得到的双线性分解分量;
基于指示矩阵和双线性分解分量对杂波抑制模型进行模型变换处理得到中间模型;
基于指示矩阵和增广拉格朗日算法所指示的模型格式对中间模型进行模型变换处理得到目标杂波抑制模型。
可选的,对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,包括:
基于交替乘子算法对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式。
可选的,基于交替乘子算法对第一中间模型进行优化处理,得到非透明障碍物回波信号的表达式,包括:
获取初始惩罚参数;
根据初始惩罚参数以及交替乘子算法的格式规则对目标杂波抑制模型进行变换,得到目标杂波抑制模型的迭代待求解函数;
基于交替乘子算法对迭代待求解函数进行求解,得到非透明障碍物回波信号的表达式。
可选的,信号处理方法还包括:
响应于检测到的用户输入的成像请求,向目标区域发送雷达声波,目标区域中包括非透明障碍物和目标对象;
接收雷达回波信号,并基于如权利要求1-5中任一项的信号处理方法得到雷达成像回波信号;
基于雷达成像回波信号进行雷达成像并显示成像结果。
第二方面,本发明实施例提供了一种信号处理装置,包括:
获取单元,用于获取关于目标区域的雷达回波信号,雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,目标区域中包括非透明障碍物和目标对象;
处理单元,用于确定关于雷达回波信号的杂波抑制模型,杂波抑制模型是根据对非透明障碍物回波信号进行低秩特性提取处理和对目标对象回波信号进行稀疏特性提取处理得到的;
处理单元,还用于基于增广拉格朗日算法对杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号,得到雷达成像回波信号。
可选的,处理单元在确定关于雷达回波信号的杂波抑制模型时,执行如下操作:
对非透明障碍物回波信号进行低秩特性提取处理,得到第一分量;
对目标对象回波信号进行稀疏特性提取处理,得到第二分量;
对雷达回波信号中包括的噪声信号进行范数处理,得到第三分量;
将第一分量和非透明障碍物回波信号对应的第一权重系数、目标对象回波信号对应的第二权重系数和第二分量,以及噪声信号对应的第三权重系数和第三分量分别进行相乘后,将相乘的结果进行相加运算,得到杂波抑制模型。
可选的,处理单元在基于增广拉格朗日算法优化杂波抑制模型,从雷达回波信号中分离出非透明障碍物回波信号,得到雷达成像回波信号时,执行如下操作:
确定基于目标对象回波信号和雷达回波信号中的噪声信号构建的指示矩阵;
基于指示矩阵和增广拉格朗日算法所指示的模型格式对杂波抑制模型进行模型格式变换,得到目标杂波抑制模型;
对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,并根据雷达回波信号和非透明障碍物回波信号的表达式确定雷达成像回波信号。
可选的,杂波抑制模型中包括对非透明障碍物回波信号进行低秩特性提取处理的第一分量,处理单元在基于指示矩阵和增广拉格朗日算法所指示的模型格式对杂波抑制模型进行模型格式变换,得到目标杂波抑制模型时,执行如下操作:
确定对第一分量进行双线性分解得到的双线性分解分量;
基于指示矩阵和双线性分解分量对杂波抑制模型进行模型变换处理得到中间模型;
基于指示矩阵和增广拉格朗日算法所指示的模型格式对中间模型进行模型变换处理得到目标杂波抑制模型。
可选的,处理单元在对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式时,执行如下操作:基于交替乘子算法对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式。
可选的,处理单元在基于交替乘子算法对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式时,执行如下操作:
获取初始惩罚参数;
根据初始惩罚参数以及交替乘子算法的格式规则对目标杂波抑制模型进行变换,得到目标杂波抑制模型的迭代待求解函数;
基于交替乘子算法对迭代待求解函数进行求解,得到非透明障碍物回波信号的表达式。
可选的,信号处理装置还包括接收单元和发送单元:
发送单元,用于响应于检测到的用户输入的成像请求,向目标区域发送雷达声波,目标区域中包括非透明障碍物和目标对象;
接收单元,用于接收雷达回波信号,并基于第一方面的信号处理方法得到雷达成像回波信号;
处理单元,用于基于雷达成像回波信号进行雷达成像并显示成像结果。
第三方面,本发明实施提供了一种终端,包括处理器和存储器,处理器和存储器相互连接,其中,存储器用于存储计算机程序,计算机程序包括程序指令,处理器被配置用于调用程序指令,执行第一方面的信号处理方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使处理器执行第一方面的信号处理方法。
本发明实施例,获取关于目标区域的雷达回波信号和关于雷达回波信号的杂波抑制模型,其中,雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成的,杂波抑制模型是根据对非透明障碍物回波信号进行低秩特性提取操作和对目标对象回波信号进行稀疏特性提取操作得到的;再基于增广拉格朗日算法对杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号。增广拉格朗日算法是通过在拉格朗日算法基础上添加二次惩罚项得到的算法,其具有求解速度快以及求解准确性高等优点,因此本发明实施例中通过增广拉格朗日算法对杂波抑制模型进行优化处理,有助于提高对雷达回波信号的杂波抑制的准确性和及时性,从而也提高了雷达成像的准确性和及时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的一种信号处理的应用场景图;
图2是本发明实施例提供的一种信号处理的架构图;
图3是本发明实施例提供的一种信号处理方法的流程示意图;
图4是本发明实施例提供的另一种信号处理方法的流程示意图;
图5a是本发明实施例提供的一种成像结果的示意图;
图5b是本发明实施例提供的另一种成像结果的示意图;
图6a是本发明实施例提供的又一种成像结果的示意图;
图6b是本发明实施例提供的又一种成像结果的示意图;
图7是本发明实施例提供的一种信号处理装置的结构示意图;
图8是本发明实施例提供的一种终端的结构示意图。
具体实施方式
穿墙雷达是指采用特定频率电磁波实现对非透明介质障碍物的穿透探测,比如墙体、丛林、树木等,完成对障碍物后隐蔽目标对象的探测、定位、跟踪和识别的一种电子设备。具体地,穿墙雷达向包括非透明障碍物和目标对象的目标区域发送特定频率的雷达信号;雷达信号遇到目标区域中目标对象和非透明障碍物之后会产生回波信号,目标对象回波信号和非透明障碍物的回波信号混合在一起形成雷达回波信号,并传输回穿墙雷达;穿墙雷达根据接收到的雷达回波信号中包括的目标对象回波信号进行雷达成像并显示成像结果。从成像结果中可分析出目标对象在障碍物后的位置以及姿态等信息。
上述目标对象回波信号和非透明障碍物回波信号混合在一起形成了雷达回波信号,也即雷达回波信号中包括目标对象回波信号和非透明障碍物回波信号,在进行雷达成像时采用的是目标对象回波信号,也就是说非透明障碍物回波信号是雷达成像时不需要的,基于此,我们可以将非透明障碍物回波信号称为杂波信号。在实际应用中雷达回波信号中可能还包括其他杂波信号,本发明实施例中只考虑杂波信号包括非透明障碍物回波信号的情况。基于上述描述,为了得到准确的成像结果,如何较为准确的从雷达回波信号中除去杂波信号成为雷达成像领域中需要解决的关键问题。
本发明实施例中提出一种信号处理方法,可以较为准确的从雷达回波信号中分离出非透明障碍物回波信号(也即杂波信号),从而提高雷达成像的准确性。具体地,本发明实施例提供的信号处理方法首先获取关于目标区域的雷达回波信号,雷达回波信号是由非透明障碍物回波信号和目标对象回波信号组成的;进一步的,确定关于雷达回波信号的杂波抑制模型,该杂波抑制模型是根据对非透明障碍物回波信号进行低秩特性提取处理和对目标对象回波信号进行稀疏特性提取处理得到的;最后基于增广拉格朗日算法对该杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号,得到雷达成像回波信号。本发明实施例依据非透明障碍物回波信号的低秩特性和目标对象回波信号的稀疏特性构建杂波抑制模型,并结合增广拉格朗日算法对杂波抑制模型进行优化处理,可以较为准确的将非透明障碍物回波信号从雷达回波信号中分离出来,得到雷达成像回波信号,从而可提高雷达成像的准确性。
本发明实施例提供的信号处理方法可以应用在任何需要雷达成像的应用场景中,以除去雷达回波信号中包括的非透明障碍物回波信号,提高雷达成像的准确性。例如,在发生自然灾害时,比如地震、房屋坍塌、采用穿墙雷达和本发明实施例提供的信号处理方法可以准确地对房屋内情况进行成像,以便于开展救援工作;再如,在反恐作战中,采用穿墙雷达和本发明实施例提供的信号处理方法可以准确的探测出包括非透明障碍物的目标区域内犯罪分子藏匿的地点,以便于进行抓捕行动;又如,在与敌人交战时,可以通过穿墙雷达和本发明实施例提供的信号处理方法,较为准确地获取非透明障碍物后面敌人的情况。除了上述应用场景外,本发明实施例提供的信号处理方法也可以应用在环境检测、医学探测等你用场景中,在此不一一赘述。
下面以应用在对目标区域内目标对象的位置进行探测为例,详细介绍本发明实施例提供的信号处理方法。参考图1,为本发明实施例提供的一种信号处理方法的应用场景图,在图1中101表示目标区域,102表示目标区域包括的非透明障碍物比如墙体,103表示目标对象。为了探测目标区域中目标对象的位置,探测人员在目标区域外可以放置一个单基地单频穿墙雷达,穿墙雷达的收发天线水平放置并平行于墙体放置,在图1中104所示穿墙雷达;当开始探测时,控制穿墙雷达通过收发天线向目标区域发送雷达信号如图1中105表示雷达信号,各个收发天线发送的雷达信号遇到墙体和目标对象后产生墙体回波信号(相当于前文所述的非透明障碍物回波信号)和目标对象回波信号如图1中106表示雷达回波信号,墙体回波信号(也即非透明障碍物回波信号)和目标对象回波信号混合在一起组成了雷达回波信号。
穿墙雷达对雷达回波信号进行杂波抑制,也即从雷达回波信号中将墙体回波信号分离出来。在一个实施例中,穿墙雷达自身可以采用本发明实施例上述的信号处理方法进行杂波抑制,或者穿墙雷达可以与一个终端连接,通过终端对雷达回波信号进行杂波抑制。参考图2为本发明实施例提供的一种信号处理的架构图,在图2中201表示穿墙雷达,202表示终端。穿墙雷达201将通过收发天线接收到的雷达回波信号传输给终端202,终端202获取关于目标区域的雷达回波信号;然后确定关于雷达回波信号的杂波抑制模型,再基于增广拉格朗日算法对所述杂波抑制模型进行优化处理,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号;最后终端202根据雷达成像回波信号进行雷达成像,并在终端202的用户界面显示成像结果;或者,终端202也可以将成像结果发送给穿墙雷达201,以便于在穿墙雷达201的用户界面显示成像结果。
在其他实施例中,终端202得到雷达成像回波信号后,也可以将雷达成像回波信号发送给穿墙雷达201,穿墙雷达201根据接收到的雷达成像回波信号进行雷达成像,并在用户界面中显示成像结果。
在一个实施例中,成像结果可以三维的,也可以是二维的,在实际应用中可根据实际需要进行成像设置。需要说明的是,由于穿墙雷达的产品形态不同,采用不同的穿墙雷达得到的成像结果可能不同。
基于上述描述,本发明实施例提供了一种信号处理方法的流程示意图,如图3所示,图3所示的信号处理方法可由终端执行,具体可由终端的处理器执行,此处所述终端可以包括手机、平板电脑、计算机等具有信号处理功能的设备,还可以包括具有信号处理功能的雷达。图3所示的信号处理方法可包括如下步骤:
步骤S301、获取关于目标区域的雷达回波信号。
其中,目标区域是指需要进行雷达成像的区域,目标区域中可包括非透明障碍物和目标对象,非透明障碍物是指阻碍人眼观察目标区域内情况的物体,比如墙体、树木、丛林、烟雾等;目标对象是指目标区域中需要跟踪和定位的对象,例如在与敌人交战的应用场景中,目标对象可以是敌人;再如,在自然灾害救援的应用场景中,目标对象可以是被救援人员。
其中,雷达回波信号可以是穿墙雷达通过收发天线采集到后发送给终端的;或者如果终端自身具有与穿墙雷达相同的功能,雷达回波信号也可以是终端通过自身的收发条线采集到的。在一个实施例中,穿墙雷达上可配置有多个收发天线,每个收发天线水平放置并平行于目标区域中的非透明障碍物。假设穿墙雷达上设置有n个收发天线,n为大于1的正整数,穿墙雷达通过收发天线采集雷达回波信号的实施方式可以为:控制穿墙雷达通过n个收发天线向目标区域发射雷达信号;接收n个收发天线接收到的雷达回波信号。
在一个实施例中,穿墙雷达向目标区域发射雷达信号后,雷达信号遇到目标对象和非透明障碍物会产生目标对象回波信号和非透明障碍物回波信号,雷达回波信号中包括的目标对象回波信号和非透明障碍物回波信号是混合在一起的。例如,假设一个单基地单频穿墙雷达上配置有n个收发天线,n个收发天线水平放置并平行于非透明障碍物放置,穿墙雷达通过n个收发天线向目标区域发送雷达信号,第n个收发天线接收到的雷达回波信号可以表示为gn(t),其中n表示第n个收发天线,t表示时间。雷达回波信号是由非透明障碍物回波信号和目标对象回波信号混合组成的,进一步的,雷达回波信号可以表示为 其中表示非透明障碍物回波信号,表示目标对象回波信号。通常情况下,在雷达信号遇到非透明障碍物和目标对象形成回波信号过程中,目标区域中也存在噪声,因此,雷达回波信号中还可以包括噪声信号,此时雷达回波信号的表达式可以为其中sn(t)表示噪声。应当理解的,上述各公式中除gn(t)为已知信号外,其他各个信号都是未知的。
步骤S302、确定关于雷达回波信号的杂波抑制模型。
在一个实施例中,为了方便计算,获取到的雷达回波信号可以统一用矩阵形式表示,例如表示为G=Gw+Gm+S,其中,G表示雷达回波信号的矩阵,Gw表示非透明障碍物回波信号的矩阵,Gm表示目标对象回波信号的矩阵,S表示噪声信号的矩阵。
应当理解的,由上述描述可知,在采集雷达回波信号中,各个收发天线是水平放置的并且平行于非透明障碍物,那么向目标区域发射雷达信号后,各个收发天线接收到的非透明障碍物产生的非透明障碍物回波信号是相同的,基于此,非透明障碍物回波信号的矩阵具有低秩特性;另外,通常情况下,目标对象在目标区域中所占的面积相对较小,基于此,目标对象回波信号的矩阵具有稀疏特性。
综合上述描述,所述确定关于雷达回波信号的杂波抑制模型的实施方式可以为:根据非透明障碍物回波信号的低秩特性和目标对象回波信号的稀疏特性确定关于雷达回波信号的杂波抑制模型。具体地,确定关于雷达回波信号的杂波抑制模型,包括:①对所述非透明障碍物回波信号进行低秩特性提取处理,得到第一分量;②对所述目标对象回波信号进行稀疏特性提取处理,得到第二分量;③对所述雷达回波信号中包括的噪声信号进行范数处理,得到第三分量;④将所述第一分量和所述非透明障碍物回波信号对应的第一权重系数、所述目标对象回波信号对应的第二权重系数和所述第二分量,以及噪声信号对应的第三权重系数和所述第三分量分别进行相乘后,将相乘的结果进行相加运算,得到杂波抑制模型。
其中,第一权重参数、第二权重参数以及第三权重参数可以是根据经验设定的,均为0-1之间的任意数。在一个实施例中,上述步骤①中对非透明障碍物回波信号进行低秩特性提取处理的可以包括:对非透明障碍物回波信号进行最小化核范数处理以实现提取低秩特性。具体地,可以通过公式表示对非透明障碍物回波信号进行稀疏特性提取。
在一个实施例中,上述步骤②中对目标对象回波信号进行系数特性提取处理的实施方式可以是:通过对目标对象回波信号进行1范数运算以实现提取稀疏特性。具体地,可以通过公式‖Gm‖1表示对目标对象回波信号进行1范数运算。
在一个实施例中,上述步骤④中将各个分量与其相对应的权重参数进行相乘后相加,便可得到关于雷达回波信号的杂波抑制模型。假设非透明障碍物回波信号对应的第一权重系数为1,目标对象回波信号对应的第二权重系数表示为ξ,噪声信号对应的第三权重系数表示为η。基于上述对步骤①-③的描述,通过步骤④的运算得到的关于雷达回波信号的杂波抑制模型可以表示为公式(1):
步骤S403、基于增广拉格朗日算法对杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号,得到雷达成像回波信号。
在一个实施例中,步骤S303的实施方式可以包括如图4所示的步骤:S401:确定基于所述目标对象回波信号和雷达回波信号中的噪声信号构建的指示矩阵;步骤S402:基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换,得到目标杂波抑制模型;步骤S403:对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,并根据所述雷达回波信号和所述非透明障碍物回波信号的表达式确定雷达成像回波信号。
其中,指示矩阵中包括0和1两个元素,本发明实施例中存在目标回波信号表示为1,不存在目标回波信号表示为0,具体地基于上述公式(1)的描述,本发明实施例构建的指示矩阵可以如公式(2)所示:
其中,a表示指示矩阵A中的任意一个元素,当满足公式(2)中条件时,a元素的值等于1;当不满足公式(2)中条件时,元素的值等于0,n,m表示G-Gw矩阵中第n行第m列的元素。
在一个实施例中,格式规则是指某种算法运算时所需的格式形式,举例来说,假设已知某种算法的格式规则为(a-b)2,另外已知(a-b)2的值等于1,如果一个待求解的模型为u=2a2+2b2-4ab,那么如果采用上述算法求解y的值,需要将表达式y变换为与上述算法的格式规则相同的形式,即将y转换为y=2·(a-b)2,如此便可根据上述算法的值便可得到y的值为2。基于上述描述,增广拉格朗日算法所指示的模型格式是指增广拉格朗日算法运算时所需的格式形式。
在一个实施例中,基于前述描述杂波抑制模型中包括对非透明障碍物回波信号进行低秩特性提取处理的第一分量,则步骤S402中所述基于指示矩阵和增广拉格朗日算法所指示的模型格式对杂波抑制模型进行模型格式变换,得到目标杂波抑制模型的实施方式可以为:确定对第一分量进行双线性分解得到的双线性分解分量;基于所述指示矩阵和所述双线性分解分量对所述杂波抑制模型进行模型变换处理得到中间模型;基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述中间模型进行模型变换处理得到目标杂波抑制模型。
其中,以第一分量表示为为例,对第一分量进行双线性分解得到的双线性分解分量的方式可以为:令Gw=UV,则对上式进行双线性变换为根据第一分量和指示矩阵对公式(1)进行变换得到中间模型,可以通过如下公式(3)表示:
进一步的,基于指示矩阵和增广拉格朗日算法所指示的模型格式对中间模型进行模型变换处理,得到目标杂波抑制模型。可选的,如果中间模型表示为公式(3)所示,则基于指示矩阵和增广拉格朗日算法所指示的模型格式对中间模型进行模型变换处理得到的目标杂波抑制模型可以表示为如下公式(4)所示:
在得到如公式(4)的目标杂波抑制模型之后,对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,进而利用雷达回波信号的表达式减去非透明障碍物回波信号的表达式,便可得到雷达成像回波信号的表达式,进一步的可根据雷达成像回波表达式进行雷达成像。
在一个实施例中,步骤S403中所述对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,可包括:基于交替乘子算法对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式。
在一个实施例中,基于交替乘子算法对目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,可包括:获取初始惩罚系数;根据初始惩罚系数以及交替乘子算法的格式规则对目标杂波抑制模型进行变换,得到迭代待优化函数;基于乘子算法对迭代待求解函数进行求解,得到非透明障碍物回波信号的表达式。其中,初始惩罚系数可以是一个取值在0到1之间的系数,可以根据经验值设定。
可选的,基于初始惩罚参数以及交替乘子算法的格式规则对目标杂波抑制模型进行变换,得到的迭代待求解函数可以表示为公式(5)-公式(9)所示:
βk+1=1·05*βk (9)
其中,βk表示惩罚系数,当k等于0时表示初始惩罚系数,k表示迭代次数,I表示单位阵。
通过交替乘子算法对上述各个迭代待求解函数进行求解,便可得到非透明障碍物回波信号Gw的表达式。
在一个实施例中,本发明实施例可以将图3所示的信号处理方法应用于任何需要进行杂波抑制的应用场景中,具体的应用流程可包括:响应于检测到的用户输入的成像请求,向目标区域发送雷达声波,所述目标区域中包括墙体和目标对象;接收雷达回波信号,并基于图3所示的信号处理方法得到雷达成像回波信号;基于所述雷达成像回波信号进行雷达成像并显示成像结果。其中,用户输入的成像请求可以是用户通过终端向穿墙雷达发送的,也可以是用户在穿墙雷达上输入的,比如点击预设成像按钮,或者输入语音成像指令的。
在一个实施例中,通过得到的雷达成像回波信号进行雷达成像,成像结果可以表示为I(q),其中q表示目标对象的第q个位置处复幅值。由于目标区域中除了存在目标对象外,还包括其他区域,将目标对象在目标区域中所占面积与其他区域在目标区域中所占面积之比确定为目标杂波比。在采用通过图3所示的信号处理方法得到的雷达成像回波信号进行成像时,不同非透明障碍物下成像结果也不相同。
为了验证不同非透明障碍物对成像结果的影响,进行以下实验:假设非透明障碍物为墙体,假设墙体的厚度固定为10厘米,假设使用不同材料来构造墙体时所测量的目标杂波比,可以通过如下公式计算: 其中,Nt和Nc分表表示目标对象和其他区域在目标区域中所占的像素数,Rt表示目标对象所占的面积,Rc表示其他区域所占的面积。表1中分别示出了在不同墙体材质下,目标杂波比,其中∈r表示材质对应的相对介电常数。由表1可见,墙体材质的相对介电常数越小,目标杂波比越大。
表1
参考表2,假设墙体材质不变为混泥土,相对介电常数为6的情况下,墙体厚度改变对目标杂波比的影响。由表2可见,墙体厚度越小,目标杂波比越大。
表2
进一步的,为了验证图3所示的信号处理方法从雷达回波信号中分离出非透明障碍物回波信号的能力,本发明实施例可以通过实验进行对比验证。
假设测试环境为:目标区域为包括非透明障碍物和一个目标对象的区域,获取该目标区域的雷达回波信号,目标区域中包括的非透明障碍物为墙体。采用图3实施例中所示的信号处理方法并结合特定的分析软件比如Matlab对雷达回波信号进行处理,得到的雷达成像结果如图5a所示。在图5a中,采用本发明实施例得到的成像结果后,目标区域中杂波比为13.9436,横坐标表示横向距离,纵坐标表示纵向距离,501为信号强度指示,502表示目标对象所在位置,502中颜色越深表示信号强度越强,也就是说表明目标对象在某个位置的可能性越大。。
参考图5b,为本发明实施例提供的又一种成像结果的示意图,图5b是在与图5a相同的测试环境下,采用奇异值分解法对雷达回波信号进行处理并成像的成像结果。图5b中503表示信号强度指示,504表示目标对象所在位置。对比图5a和图5b可见,在目标区域中存在一个目标对象的情况下,采用本发明实例提供的信号处理方法对雷达回波信号进行处理,进而根据处理得到的雷法成像回波信号进行雷法成像,可以有较好的成像结果。
进一步的,上述测试环境中目标区域仅包括一个目标对象,为了验证是否本发明实施例提供的信号处理方法在存在多个目标对象的场景中也适用,可假设测试环境为:目标区域中包括非透明障碍物和两个目标对象,其他测试环境与上输出测试环境一致。基于该测试环境,采用本发明实施例提供的信号处理方法和matlab对雷达回波信号进行处理,得到雷达成像回波信号;再基于雷达回波成像信号进行雷达成像,得到的成像结果可如图6a所示。在图6a中,横坐标表示横向距离,纵坐标表示纵向距离,601表示信号强度指示,602表示目标对象所在位。
参考图6b,为本发明实施例提供的又一种成像结果的示意图,图6b是在与图6a相同的测试环境下,采用奇异值分解法对雷达回波信号进行处理并成像的成像结果。图6b中603表示信号强度指示,604表示目标对象所在位置。对比图6a和图6b可见,在目标区域中存在多个目标对象的情况下,采用本发明实例提供的信号处理方法对雷达回波信号进行处理,进而根据处理得到的雷法成像回波信号进行雷达成像,也可以有较好的成像结果。
本发明实施例,获取关于目标区域的雷达回波信号和关于雷达回波信号的杂波抑制模型,其中,雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成的,杂波抑制模型是根据对非透明障碍物回波信号进行低秩特性提取操作和对目标对象回波信号进行稀疏特性提取操作得到的;再基于增广拉格朗日算法对杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号。增广拉格朗日算法是通过在拉格朗日算法基础上添加二次惩罚项得到的算法,其具有求解速度快以及求解准确性高等优点,因此本发明实施例中通过增广拉格朗日算法对杂波抑制模型进行优化处理,有助于提高对雷达回波信号的杂波抑制的准确性和及时性,从而也提高了雷达成像的准确性和及时性。
基于上述描述,本发明实施例提供一种信号处理装置的结构示意图,如图7所示。图7所示的信号处理装置可运行如下单元:
获取单元701,用于获取关于目标区域的雷达回波信号,所述雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,所述目标区域中包括非透明障碍物和目标对象;
处理单元702,用于确定关于所述雷达回波信号的杂波抑制模型,所述杂波抑制模型是根据对所述非透明障碍物回波信号进行低秩特性提取处理和对所述目标对象回波信号进行稀疏特性提取处理得到的;
处理单元702,还用于基于增广拉格朗日算法对所述杂波抑制模型进行优化处理,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号。
在一个实施例中,处理单元702在确定关于所述雷达回波信号的杂波抑制模型时,执行如下操作:对所述非透明障碍物回波信号进行低秩特性提取处理,得到第一分量;对所述目标对象回波信号进行稀疏特性提取处理,得到第二分量;对所述雷达回波信号中包括的噪声信号进行范数处理,得到第三分量;将所述第一分量和所述非透明障碍物回波信号对应的第一权重系数、所述目标对象回波信号对应的第二权重系数和所述第二分量,以及噪声信号对应的第三权重系数和所述第三分量分别进行相乘后,将相乘的结果进行相加运算,得到杂波抑制模型。
在一个实施例中,处理单元702在基于增广拉格朗日算法优化所述杂波抑制模型,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号时,执行如下操作:确定基于所述目标对象回波信号和雷达回波信号中的噪声信号构建的指示矩阵;基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换,得到目标杂波抑制模型;对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,并根据所述雷达回波信号和所述非透明障碍物回波信号的表达式确定雷达成像回波信号。
在一个实施例中,杂波抑制模型中包括对所述非透明障碍物回波信号进行低秩特性提取处理的第一分量,处理单元702在基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换时,执行如下操作:确定对所述第一分量进行双线性分解得到的双线性分解分量;基于所述指示矩阵和所述双线性分解分量对所述杂波抑制模型进行模型变换处理得到中间模型;基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述中间模型进行模型变换处理得到目标杂波抑制模型。
在一个实施例中,处理单元702在对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式时,执行如下操作:基于交替乘子算法对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式。
在一个实施例中,处理单元702在基于交替乘子算法对所述第一中间模型进行优化处理,得到非透明障碍物回波信号的表达式时,执行如下操作:获取初始惩罚参数;根据所述初始惩罚参数以及所述交替乘子算法的格式规则对所述标杂波抑制模型进行变换,得到目标杂波抑制模型的迭代待求解函数;基于所述交替乘子算法对所述迭代待求解函数进行求解,得到非透明障碍物回波信号的表达式。
在一个实施例中,信号处理装置还包括发送单元703和接收单元704:接收单元703,用于响应于检测到的用户输入的成像请求,向目标区域发送雷达声波,所述目标区域中包括非透明障碍物和目标对象;接收单元704,用于接收雷达回波信号,并基于图3所述的信号处理方法得到雷达成像回波信号;处理单元702,还用于基于所述雷达成像回波信号进行雷达成像并显示成像结果。
本发明实施例,获取关于目标区域的雷达回波信号和关于雷达回波信号的杂波抑制模型,其中,雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成的,杂波抑制模型是根据对非透明障碍物回波信号进行低秩特性提取操作和对目标对象回波信号进行稀疏特性提取操作得到的;再基于增广拉格朗日算法对杂波抑制模型进行优化处理,从雷达回波信号中分离出非透明障碍物回波信号。增广拉格朗日算法是通过在拉格朗日算法基础上添加二次惩罚项得到的算法,其具有求解速度快以及求解准确性高等优点,因此本发明实施例中通过增广拉格朗日算法对杂波抑制模型进行优化处理,有助于提高对雷达回波信号的杂波抑制的准确性和及时性,从而也提高了雷达成像的准确性和及时性。
可以理解的是,本实施例的信号处理装置的各功能模块、单元的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
基于上述方法实施例和装置实施例的描述,本发明实施例还提供了一种终端,参考图8为本发明实施例提供的一种终端的结构示意图。如图8所示的本实施例中的终端可以包括:一个或多个处理器801和存储器802。上述处理器801和存储器802通过总线803连接。存储器802用于存储计算机程序,计算机程序包括程序指令,处理器801用于执行存储器802存储的程序指令。
在一个实施例中,处理器801被配置用于调用程序指令执行:获取关于目标区域的雷达回波信号,所述雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,所述目标区域中包括非透明障碍物和目标对象;确定关于所述雷达回波信号的杂波抑制模型,所述杂波抑制模型是根据对所述非透明障碍物回波信号进行低秩特性提取处理和对所述目标对象回波信号进行稀疏特性提取处理得到的;基于增广拉格朗日算法对所述杂波抑制模型进行优化处理,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号。
在一个实施例中,处理器801在确定关于所述雷达回波信号的杂波抑制模型时,执行如下操作:对所述非透明障碍物回波信号进行低秩特性提取处理,得到第一分量;对所述目标对象回波信号进行稀疏特性提取处理,得到第二分量;对所述雷达回波信号中包括的噪声信号进行范数处理,得到第三分量;将所述第一分量和所述非透明障碍物回波信号对应的第一权重系数、所述目标对象回波信号对应的第二权重系数和所述第二分量,以及噪声信号对应的第三权重系数和所述第三分量分别进行相乘后,将相乘的结果进行相加运算,得到杂波抑制模型。
在一个实施例中,处理器801在基于增广拉格朗日算法优化所述杂波抑制模型,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号时,执行如下操作:确定基于所述目标对象回波信号和雷达回波信号中的噪声信号构建的指示矩阵;基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换,得到目标杂波抑制模型;对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,并根据所述雷达回波信号和所述非透明障碍物回波信号的表达式确定雷达成像回波信号。
在一个实施例中,所述杂波抑制模型中包括对所述非透明障碍物回波信号进行低秩特性提取处理的第一分量,处理器801在基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换,得到目标杂波抑制模型时,执行如下操作:确定对所述第一分量进行双线性分解得到的双线性分解分量;基于所述指示矩阵和所述双线性分解分量对所述杂波抑制模型进行模型变换处理得到中间模型;基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述中间模型进行模型变换处理得到目标杂波抑制模型。
在一个实施例中,处理器801在对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式时,执行如下操作:基于交替乘子算法对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式。
在一个实施例中,处理器801在基于交替乘子算法对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式时,执行如下操作:获取初始惩罚参数;根据所述初始惩罚参数以及所述交替乘子算法的格式规则对所述目标杂波抑制模型进行变换,得到目标杂波抑制模型的迭代待求解函数;基于所述交替乘子算法对所述迭代待求解函数进行求解,得到非透明障碍物回波信号的表达式。
在一个实施例中,处理器801被配置用于调用程序指令还执行:响应于检测到的用户输入的成像请求,向目标区域发送雷达声波,所述目标区域中包括非透明障碍物和目标对象;接收雷达回波信号,并基于信号处理方法得到雷达成像回波信号;基于所述雷达成像回波信号进行雷达成像并显示成像结果。
应当理解,在本发明实施例中,所称处理器801可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
该存储器802可以包括只读存储器和随机存取存储器,并向处理器801提供指令和数据。存储器802的一部分还可以包括非易失性随机存取存储器。例如,存储器802还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器801和存储器802可执行本发明实施例提供的信号处理的方法的图3所示的实施例中所描述的实现方式,也可执行本发明实施例图7所描述的信号处理装置的实现方式,在此不再赘述。
在本发明的实施例中提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令被处理器执行时可实现图3所示的实施例中所描述的实现方式,也可以执行本发明实施例图7所描述的信号处理装置的实现方式,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
1.一种信号处理方法,其特征在于,包括:
获取关于目标区域的雷达回波信号,所述雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,所述目标区域中包括非透明障碍物和目标对象;
确定关于所述雷达回波信号的杂波抑制模型,所述杂波抑制模型是根据对所述非透明障碍物回波信号进行低秩特性提取处理和对所述目标对象回波信号进行稀疏特性提取处理得到的;
基于增广拉格朗日算法对所述杂波抑制模型进行优化处理,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号。
2.如权利要求1所述的方法,其特征在于,所述确定关于所述雷达回波信号的杂波抑制模型,包括:
对所述非透明障碍物回波信号进行低秩特性提取处理,得到第一分量;
对所述目标对象回波信号进行稀疏特性提取处理,得到第二分量;
对所述雷达回波信号中包括的噪声信号进行范数处理,得到第三分量;
将所述第一分量和所述非透明障碍物回波信号对应的第一权重系数、所述目标对象回波信号对应的第二权重系数和所述第二分量,以及噪声信号对应的第三权重系数和所述第三分量分别进行相乘后,将相乘的结果进行相加运算,得到杂波抑制模型。
3.如权利要求1所述的方法,其特征在于,所述基于增广拉格朗日算法优化所述杂波抑制模型,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号,包括:
确定基于所述目标对象回波信号和所述雷达回波信号中的噪声信号构建的指示矩阵;
基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换,得到目标杂波抑制模型;
对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,并根据所述雷达回波信号和所述非透明障碍物回波信号的表达式确定雷达成像回波信号。
4.如权利要求2所述的方法,其特征在于,所述杂波抑制模型中包括对所述非透明障碍物回波信号进行低秩特性提取处理的第一分量,所述基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述杂波抑制模型进行模型格式变换,得到目标杂波抑制模型,包括:
确定对所述第一分量进行双线性分解得到的双线性分解分量;
基于所述指示矩阵和所述双线性分解分量对所述杂波抑制模型进行模型变换处理得到中间模型;
基于所述指示矩阵和所述增广拉格朗日算法所指示的模型格式对所述中间模型进行模型变换处理得到目标杂波抑制模型。
5.如权利要求3或4所述的方法,其特征在于,所述对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,包括:
基于交替乘子算法对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式。
6.如权利要求5所述的方法,其特征在于,所述基于交替乘子算法对所述目标杂波抑制模型进行优化处理,得到非透明障碍物回波信号的表达式,包括:
获取初始惩罚参数;
根据所述初始惩罚参数以及所述交替乘子算法的格式规则对所述目标杂波抑制模型进行变换,得到目标杂波抑制模型的迭代待求解函数;
基于所述交替乘子算法对所述迭代待求解函数进行求解,得到非透明障碍物回波信号的表达式。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
响应于检测到的用户输入的成像请求,向目标区域发送雷达声波,所述目标区域中包括非透明障碍物和目标对象;
接收雷达回波信号,并基于如权利要求1-5中任一项所述的信号处理方法得到雷达成像回波信号;
基于所述雷达成像回波信号进行雷达成像并显示成像结果。
8.一种信号处理装置,其特征在于,包括:
获取单元,用于获取关于目标区域的雷达回波信号,所述雷达回波信号由非透明障碍物回波信号和目标对象回波信号组成,所述目标区域中包括非透明障碍物和目标对象;
处理单元,用于确定关于所述雷达回波信号的杂波抑制模型,所述杂波抑制模型是根据对所述非透明障碍物回波信号进行低秩特性提取处理和对所述目标对象回波信号进行稀疏特性提取处理得到的;
所述处理单元,还用于基于增广拉格朗日算法对所述杂波抑制模型进行优化处理,从所述雷达回波信号中分离出所述非透明障碍物回波信号,得到雷达成像回波信号。
9.一种终端,其特征在于,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910643394.5A CN110927681A (zh) | 2019-07-17 | 2019-07-17 | 一种信号处理方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910643394.5A CN110927681A (zh) | 2019-07-17 | 2019-07-17 | 一种信号处理方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110927681A true CN110927681A (zh) | 2020-03-27 |
Family
ID=69856549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910643394.5A Pending CN110927681A (zh) | 2019-07-17 | 2019-07-17 | 一种信号处理方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927681A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112752986A (zh) * | 2020-09-28 | 2021-05-04 | 华为技术有限公司 | 雷达测距方法和装置 |
CN113341408A (zh) * | 2021-06-02 | 2021-09-03 | 中国人民解放军海军航空大学 | 一种基于穿墙雷达杂波抑制的成像方法及系统 |
-
2019
- 2019-07-17 CN CN201910643394.5A patent/CN110927681A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112752986A (zh) * | 2020-09-28 | 2021-05-04 | 华为技术有限公司 | 雷达测距方法和装置 |
WO2022061887A1 (zh) * | 2020-09-28 | 2022-03-31 | 华为技术有限公司 | 雷达测距方法和装置 |
CN113341408A (zh) * | 2021-06-02 | 2021-09-03 | 中国人民解放军海军航空大学 | 一种基于穿墙雷达杂波抑制的成像方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | A novel method for automatic detection of trapped victims by ultrawideband radar | |
Ahmad et al. | Multi-location wideband synthetic aperture imaging for urban sensing applications | |
Tang et al. | Multipolarization through-wall radar imaging using low-rank and jointly-sparse representations | |
Dogaru et al. | SAR images of rooms and buildings based on FDTD computer models | |
Lagunas et al. | Determining building interior structures using compressive sensing | |
US9057783B2 (en) | Change detection method and system for use in detecting moving targets behind walls, barriers or otherwise visually obscured | |
CN110927681A (zh) | 一种信号处理方法、装置、终端及存储介质 | |
US20230333209A1 (en) | Gesture recognition method and apparatus | |
CN105954745B (zh) | 一种适用于穿墙雷达多径幻象抑制的成像方法 | |
Liu et al. | Clutter reduction and target tracking in through-the-wall radar | |
EP4167194A1 (en) | Key point detection method and apparatus, model training method and apparatus, device and storage medium | |
Chang et al. | An advanced scheme for range ambiguity suppression of spaceborne SAR based on blind source separation | |
Quaiyum et al. | Electromagnetic modeling of vital sign detection and human motion sensing validated by noncontact radar measurements | |
Guo et al. | Graph matching based image registration for multi-view through-the-wall imaging radar | |
Dogaru et al. | Through-the-wall radar simulations for complex room imaging | |
CN106291480A (zh) | 一种基于节点耦合的多径抑制算法 | |
Brehier et al. | Through the Wall Radar Imaging via Kronecker-structured Huber-type RPCA | |
Leigsnering | Sparsity-based multipath exploitation for through-the-wall radar imaging | |
Durand et al. | Back projection version of subspace detector SAR processors | |
KR102177625B1 (ko) | 펄스 레이더 장치 및 그 신호 처리 방법 | |
KR20130038748A (ko) | 적응형 신호 처리 방법 및 그 장치 | |
Mostafa et al. | 3D target detection in through-the-wall radar imaging | |
Tang et al. | Variational Bayesian compressive multipolarization indoor Radar imaging | |
Xie et al. | CNN based joint positioning and pose recognition of concealed human for 3D through-wall imaging radar | |
Kong et al. | Three-dimensional human imaging for through-the-wall radar |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200327 |