CN112068083A - 一种信号重构方法、装置及雷达 - Google Patents

一种信号重构方法、装置及雷达 Download PDF

Info

Publication number
CN112068083A
CN112068083A CN202010950679.6A CN202010950679A CN112068083A CN 112068083 A CN112068083 A CN 112068083A CN 202010950679 A CN202010950679 A CN 202010950679A CN 112068083 A CN112068083 A CN 112068083A
Authority
CN
China
Prior art keywords
support set
signal
base
echo
iteration
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
Application number
CN202010950679.6A
Other languages
English (en)
Inventor
韩晓东
周运运
陆臻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Original Assignee
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Leihua Electronic Technology Research Institute Aviation Industry Corp of China filed Critical Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Priority to CN202010950679.6A priority Critical patent/CN112068083A/zh
Publication of CN112068083A publication Critical patent/CN112068083A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2921—Extracting wanted echo-signals based on data belonging to one radar period
    • G01S7/2922—Extracting wanted echo-signals based on data belonging to one radar period by using a controlled threshold
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开实施例提供了一种信号重构方法、装置及雷达，属于雷达技术领域。包括：向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。基于扩展子空间追踪ESP的稀疏恢复STAP算法可在少量训练样本下实现对杂波协方差矩阵的准确估计，并实现有效的杂波抑制，从而在实际杂波环境中获得更高的信噪比改善。

Description

一种信号重构方法、装置及雷达
技术领域
本公开涉及雷达技术领域，尤其涉及一种信号重构方法、装置及雷达。
背景技术
在实际复杂环境中，由于均匀的分布样本数据很难得到保证，因此降维方法和降秩方法很难提高STAP滤波的性能。为此很多学者提出了非均匀的STAP方法。目前非均匀STAP方法主要有：功率非均匀抑制法、非均匀检测器、杂波距离依赖性补偿法、直接数据域(DDD)算法及基于先验知识的STAP(KB-STAP)算法。随着稀疏技术的发展，一些学者将稀疏恢复(Sparse Recovery，SR)技术引入到STAP方法中，产生了一种基于稀疏恢复的STAP(SR-STAP)方法，该方法利用了散射点的空时谱在空时平面上的稀疏性，即回波中的强散射点的个数远远小于待检测多普勒单元的个数。传统STAP方法和SR-STAP方法的唯一区别是：传统STAP方法按照统计方法利用若干个训练样本估计CCM，而SR-STAP方法则利用散射点在空时平面上的稀疏性利用一个或少量距离单元门上的数据直接算出CCM，这样就避免了传统STAP需要用充分多的样本数据进行训练的难题。但它们的滤波器结构都一样。SR-STAP算法的最大优势是，只需少量快拍即可实现高分辨的空时谱估计，进而获得对杂波特性的较好估计。
SR-STAP算法根据稀疏表示结果构造STAP滤波器，稀疏表示的组合优化问题已经被研究人员证明是非确定性多项式(NP-hard)难题，需要寻找可行的近似求解方法。为解决该问题，学者们提出了大量的稀疏表示方法，其中贪婪算法复杂度低，在运行速度上具有明显优势。常见的算法有如下这些：
1、MP算法
匹配追踪(Matching Pursuit,MP)算法是最经典的贪婪方法。该算法在每次迭代过程中首先计算残差信号与原子的相关性，接着选取与残差信号相关性最强的原子更新系数向量支撑集，并计算所选取原子对应的系数，然后对残差信号进行更新并进入下一次迭代，直到达到终止条件。MP算法原理上十分简单，性能也有限。
2、OMP算法
正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法是对MP算法的改进。在每次迭代中，它将本次选取的原子与之前选出的所有原子组成原子集，然后采用最小二乘方法求解原子集中每个原子对应的系数，之后更新残差信号并进入下一次迭代，直到满足终止条件。然而，在实际应用中很难满足严格正交性的要求，通常情况下矩阵中的各列向量仅局部近似正交。由于该类算法没有剔除机制，因此错误的基原子会保留至最后，并导致重建误差的增加。
3、SP算法
子空间追踪(Subspace Pursuit,SP)引入了一种“后退追踪”的剔除策略，这种策略可以有效地剔除前次迭代中错误引入的基原子，较好地克服了OMP算法的缺点，并在性能上有了较大的提升。唯一不足的是SP算法需要预先知道稀疏度K的先验信息，而在实际情况中，稀疏度K往往无法事先获取，因此限制了该算法在实际中的应用。
4、SAMP算法
SAMP算法较好地结合了OMP算法“盲”搜索特性(即在不知道稀疏度K的先验信息下搜索支撑集)和SP算法的“后退追踪”的优势。算法在设计过程中引入了对稀疏度K的估计机制。但随着稀疏度K的增大，SAMP算法的复杂度急剧升高，从而不利于实际应用。
发明内容
有鉴于此，本公开实施例提供一种信号重构方法、装置及雷达，至少部分解决现有技术中存在的问题。
第一方面，本发明实施例提供一种信号重构方法，所述方法包括：
向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。
可选的，所述利用基于子空间追踪的基原子迭代扩展方法，构建所述回波中的所需信号的支撑集的步骤，包括：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。
可选的，支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。
可选的，所述在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子的步骤之前，所述方法还包括：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。
可选的，所述执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止的步骤之后，所述方法包括：
确定所述所需信号的稀疏度为N；
所述根据所述所需信号的支撑集，重构所述所需信号的步骤，包括：
根据所述所需信号的支撑集和所确定的稀疏度N，重构所述所需信号。
第二方面，本发明实施例提供了一种信号重构装置，所述装置包括：
收发模块，用于向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
扩展模块，用于根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
重构模块，用于根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。
可选的，所述扩展模块用于：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。
可选的，所述重构模块用于：
支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。
可选的，所述重构模块还用于：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。
第三方面，本发明实施例提供了一种雷达，包括雷达本体和处理器，所述处理器用于执行第一方面中任一项所述的方法。
本发明基于现有算法所存在的问题，提出一种基于扩展子空间追踪(ExpandedSubspace Pursuit，ESP)的稀疏恢复STAP算法，扩展子空间追踪(ESP)算法是一种改进的贪婪迭代算法，ESP算法保留“后退追踪”机制，消除错误基原子，具有良好的重构性能；且ESP算法不需要稀疏度的先验信息，可用于“盲”稀疏信号重构；ESP算法复杂度低，时间消耗少，实际应用效果好。基于扩展子空间追踪(ESP)的稀疏恢复STAP算法可在少量训练样本下实现对杂波协方差矩阵的准确估计，并实现有效的杂波抑制，从而在实际杂波环境中获得更高的信噪比改善。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，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它的附图。
图1本发明实施例提供的一种信号重构方法的流程示意图；
图2和图3为本发明实施例提供的信号重构方法的过程示意图；
图4为本发明实施例提供的信号重构装置的模块框图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
参见图1，为本发明实施例提供一种信号重构方法的流程示意图。如图1所示，所述方法包括：
S101，向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
本发明技术方案主要应用于雷达回波信号的信号重构方法，向预设区域发射雷达信号之后，接收回波，主要包含所需信号和杂波。本方案主要是通过对杂波中即源自更新，实现对所需信号的重构。
正侧视阵机载雷达与杂波几何关系如图2所示，为简化模型，设雷达天线为均匀线阵，阵元数为N，等间距排布，阵元间距d＝λ/2，脉冲重复频率为fr，相干脉冲数K，载机沿x轴以速度v匀速飞行，载机飞行高度为H，杂波相对于天线方位角θ，俯仰角
Figure BDA0002676761900000061
空间锥角为ψ，杂波源距离天线相位中心Rs。
根据几何关系可知，第l个距离单元杂波加噪声数学模型为
Figure BDA0002676761900000062
式中，
Figure BDA0002676761900000063
Figure BDA0002676761900000064
Figure BDA0002676761900000065
Figure BDA0002676761900000071
Figure BDA0002676761900000072
式中，Nc为第l个距离环中杂波散射源的数量；σi为第l个距离环中第i个杂波散射源的幅度；nl为第l个距离环的噪声；Si(fdi,fsi)为第l个距离环中第i个杂波散射源的空时导向矢量；Ssi(fsi)为第l个距离环中第i个杂波散射源的空域导向矢量；Sti(fdi)为第l个距离环中第i个杂波散射源的时域导向矢量；
Figure BDA0002676761900000073
为Kronecker积；fdi/fr为第i个杂波散射源的归一化多普勒频率；fsi为第i个杂波散射源的空间频率。
将杂波所在的角度-多普勒频域进行离散化，空间角度域离散化程度为ρs(ρs＞＞1)，多普勒域离散化程度为ρd(ρd＞＞1)，即空间角度域划分为Ns＝ρsN个离散点，多普勒域划分为Kd＝ρdK个离散点，则第l个距离单元接收到的杂波加噪声信号可表示为
Figure BDA0002676761900000074
式中，σl为NsKd×1维(NsKd＞＞NK)第l个距离单元空时平面内的幅度。由上述杂波稀疏特性分析可知，杂波主要分布在杂波脊线上，因此σl是个稀疏向量，其中除主杂波显著分量外，其他分量均很小，可以忽略。
Φ是NK×NsKd维由空时导向矢量构成的冗余基矩阵，假设
Figure BDA0002676761900000075
为Φ中第nsKd+kd+1列，则满足
Figure BDA0002676761900000076
式中，ns＝0,1,...,Ns-1；kd＝0,1,...,Kd-1；Δωs为离散化后空时平面最小空域角频率间隔；Δωt为离散化后空时平面最小时域角频率间隔。
由于σl具有稀疏性，可以依据稀疏恢复理论求得
Figure BDA0002676761900000077
式中，||·||p为lp范数；ε为稀疏恢复的误差容限(取值与噪声功率有关)，
Figure BDA0002676761900000078
可以通过我们提出的扩展子空间追踪(ESP)算法进行求解。
S102，根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
可选的，所述利用基于子空间追踪的基原子迭代扩展方法，构建所述回波中的所需信号的支撑集的步骤，包括：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。
可选的，支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。
可选的，所述在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子的步骤之前，所述方法还包括：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。
可选的，所述执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止的步骤之后，所述方法包括：
确定所述所需信号的稀疏度为N；
所述根据所述所需信号的支撑集，重构所述所需信号的步骤，包括：
根据所述所需信号的支撑集和所确定的稀疏度N，重构所述所需信号。
S103，根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。
依据上述步骤扩展所需信号的支撑集之后，即可重构所需信号，并对所述回波中的杂波进行抑制。
扩展子空间追踪(ESP)算法的具体处理流程如表1所示：
Figure BDA0002676761900000091
在每一次迭代中增加s个基原子，那么第l次迭代就增加了l×s个基原子。为了避免选择错误的基原子，保证支持集的准确性，采用简单的“后退追踪”策略。它包含两部分：
1)根据“相关最大”准则对候选集C进行格式化，通过矩阵的内积和残差选取相关系数最大的l×s个基原子。然后，结合前面得到的(l-1)×s个基原子，构造一个包含稀疏信号x的(2l-1)×s非零系数的候选集C。
2)去除冗余基原子：显然，C是一个冗余候选集，其中(l-1)×s个基原子仍有待去除。下面计算观测向量y在矩阵Φc上的投影系数xp，可以通过最小二乘极小值方法来确定投影系数xp。最后，根据xp的幅值大小，将(l-1)×s个幅度最小的基原子从冗余候选集C中删除，从而形成一个新的支撑集T。
这样反复迭代上述过程直至残差的能量低于设定阈值ζ。
由上述算法可知，第l个距离环的杂波协方差矩阵可以表示为
Figure BDA0002676761900000092
式中
Figure BDA0002676761900000093
为了精确地估计杂波协方差矩阵，通常选择多个距离单元的训练样本，估计的杂波协方差矩阵可表示为
Figure BDA0002676761900000101
式中，L为参与构建杂波协方差矩阵的样本总数。
下面将通过一具体示例对本发明的方案进行具体解释。
本发明的实施例中，利用卫星遥感图像数据进行仿真，验证了算法的性能。具体地，采用512x512的遥感图像数据进行测试，采用小波域作为稀疏空间。信噪比设置为0dB，M/N设置为0.4。其特征在于，本发明提出的方法包括下列步骤，具体流程如下：
步骤一：采样矩阵Φ设置为M×N维矩阵，测量y选取遥感图像数据，s＝M/(4logN)，阈值ζ设置为10-8；初始化支撑集
Figure BDA0002676761900000102
候选集
Figure BDA0002676761900000103
r0＝y和l＝1；
步骤二：更新Γ0＝{Φ*rl-1中幅度最大的l×s个元素所对应的原子索引}；
步骤三：更新候选集Cl＝Tl-1UΓ0；
步骤四：计算投影系数
Figure BDA0002676761900000104
步骤五：更新支撑集
Figure BDA0002676761900000105
Figure BDA0002676761900000106
步骤六：计算残差
Figure BDA0002676761900000107
步骤七：如果||rl-1||2<ζ，停止迭代跳至步骤八，否则l＝l+1，回到步骤三；
步骤八：估计支撑集T＝Tl和非零值
Figure BDA0002676761900000108
步骤九：根据步骤八结果计算峰值信噪比(PSNR)，统计算法消耗时间，并与OMP、CoSaMP、ASMP和BAOMP算法处理结果进行比较，如图3和表2所示，
可知OMP算法和CoSaMP算法的重构质量较差，一些区域模糊严重，以至于我们无法分辨图像中的物体。
Figure BDA0002676761900000109
Figure BDA0002676761900000111
相比之下，其他贪婪迭代算法，包括ASMP、BAOMP和ESP，实现了更准确的重构结果。PSNR值和运行时间表明，与SAMP和ESP相比，BAOMP能够提供更准确的重构结果，但需要更多的时间。通过比较，本发明在高重构质量和低计算量之间达到了平衡。
实验结果表明，本发明具有良好的重构性能，且不需要稀疏度的先验信息，计算复杂度低。本发明可以在少量训练样本下实现对杂波协方差矩阵的精确估计，并实现有效的杂波抑制，从而在实际杂波环境中获得更高的信噪比改善，具有良好的实际应用效果。
综上所述，本发明继承了SP算法的优点，采用“后退追踪”策略对每次迭代的估计支撑集进行更新。但是，又不像SP算法，每次添加和删除的原子数都固定于K，这样可以得到一个准确的支撑集，也保证了可靠的重构性能。
此外，本发明采用扩展的支撑集代替固定的K个基原子，支撑集中的基原子数量在每次迭代中以固定的步长s递增。当迭代终止时，自适应地完成稀疏度的估计。换句话说，扩展的支撑集使得我们提出的算法能够在不需要稀疏度K先验信息的情况下进行稀疏信号恢复。
以及，本发明通过逐步扩展真实的支撑集，自适应地实现稀疏度估计。而对于SAMP算法，在每个阶段都加入s个基原子来实现SP的处理流程，因此计算成本很高。相比之下，本发明中添加的s个基原子只需要一次迭代，因此计算复杂度相当小，复杂度可以近似为O(KMN)。
经仿真实验表明，本发明有良好的重构性能，可用于“盲”稀疏信号重构，且复杂度低、时间消耗少，可在少量训练样本下实现对杂波协方差矩阵的准确估计，并实现有效的杂波抑制，从而在实际杂波环境中获得更高的信噪比改善，具有良好的实际应用效果。
参见图4，为本发明实施例提供了一种信号重构装置的模块框图。如图4所示，所述装置40包括：
收发模块401，用于向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
扩展模块402，用于根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
重构模块403，用于根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。
可选的，所述扩展模块用于：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。
可选的，所述重构模块用于：
支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。
可选的，所述重构模块还用于：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。
此外，本发明实施例提供了一种雷达，包括雷达本体和处理器，所述处理器用于执行上述实施例中所述的方法。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种信号重构方法，其特征在于，所述方法包括：
向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。
2.根据权利要求1所述的方法，其特征在于，所述利用基于子空间追踪的基原子迭代扩展方法，构建所述回波中的所需信号的支撑集的步骤，包括：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。
3.根据权利要求2所述的方法，其特征在于，支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。
4.根据权利要求3所述的方法，其特征在于，所述在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子的步骤之前，所述方法还包括：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。
5.根据权利要求4所述的方法，其特征在于，所述执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止的步骤之后，所述方法包括：
确定所述所需信号的稀疏度为N；
所述根据所述所需信号的支撑集，重构所述所需信号的步骤，包括：
根据所述所需信号的支撑集和所确定的稀疏度N，重构所述所需信号。
6.一种信号重构装置，其特征在于，所述装置包括：
收发模块，用于向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
扩展模块，用于根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
重构模块，用于根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。
7.根据权利要求6所述的装置，其特征在于，所述扩展模块用于：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。
8.根据权利要求7所述的装置，其特征在于，所述重构模块用于：
支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。
9.根据权利要求8所述的装置，其特征在于，所述重构模块还用于：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。
10.一种雷达，其特征在于，包括雷达本体和处理器，所述处理器用于执行权利要求1至5中任一项所述的方法。
CN202010950679.6A 2020-09-11 2020-09-11 一种信号重构方法、装置及雷达 Pending CN112068083A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010950679.6A CN112068083A (zh) 2020-09-11 2020-09-11 一种信号重构方法、装置及雷达

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010950679.6A CN112068083A (zh) 2020-09-11 2020-09-11 一种信号重构方法、装置及雷达

Publications (1)

Publication Number Publication Date
CN112068083A true CN112068083A (zh) 2020-12-11

Family

ID=73695330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010950679.6A Pending CN112068083A (zh) 2020-09-11 2020-09-11 一种信号重构方法、装置及雷达

Country Status (1)

Country Link
CN (1) CN112068083A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115412413A (zh) * 2022-07-14 2022-11-29 南京信息工程大学 一种基于5g ofdm信号的外辐射源雷达杂波抑制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106646418A (zh) * 2017-01-16 2017-05-10 河海大学 一种基于改进omp的机载雷达杂波空时谱快速估计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106646418A (zh) * 2017-01-16 2017-05-10 河海大学 一种基于改进omp的机载雷达杂波空时谱快速估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAODONG HAN 等: "Sparse signal reconstruction via expanded subspace pursuit", 《JOURNAL OF APPLIED REMOTE SENSING》 *
龚清勇 等: "基于稀疏样本选优的机载雷达动目标检测算法", 《系统工程与电子技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115412413A (zh) * 2022-07-14 2022-11-29 南京信息工程大学 一种基于5g ofdm信号的外辐射源雷达杂波抑制方法
CN115412413B (zh) * 2022-07-14 2023-07-25 南京信息工程大学 一种基于5g ofdm信号的外辐射源雷达杂波抑制方法

Similar Documents

Publication Publication Date Title
CN103713288B (zh) 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法
US8532951B2 (en) Method for calibrating a transducer array
Shao et al. High-resolution ISAR imaging and motion compensation with 2-D joint sparse reconstruction
CN108710103B (zh) 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法
CN107613877A (zh) 用于通过脉冲响应估计和回溯采集进行编码激励成像的方法和系统
CN109100718A (zh) 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法
CN108279404B (zh) 一种基于空间谱估计的双通道sar相位误差校正方法
CN108717189A (zh) 基于压缩感知理论的双基地mimo雷达成像方法
CN105699969A (zh) 基于广义高斯约束的最大后验估计角超分辨成像方法
CN111610512B (zh) 一种基于稀疏贝叶斯学习的频控阵雷达离网目标定位方法
CN110726992A (zh) 基于结构稀疏和熵联合约束的sa-isar自聚焦法
CN112162280B (zh) 基于原子范数最小化的sf isar一维高分辨距离成像方法
CN113534151A (zh) 基于离网稀疏贝叶斯学习的双频段isar成像方法
CN112147608A (zh) 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法
CN115079171A (zh) 基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法
CN108845318B (zh) 基于Relax算法的星载高分宽幅成像方法
EP2817655A2 (en) Systems and methods for image sharpening
CN112068083A (zh) 一种信号重构方法、装置及雷达
CN113311402B (zh) 考虑发射波形非理想正交的mimo雷达目标测向方法及系统
CN108919263B (zh) 基于最大互信息准则的isar高分辨成像方法
CN111896929A (zh) 非均匀mimo雷达的dod/doa估计算法
CN116027293A (zh) 一种扫描雷达快速稀疏角超分辨方法
CN113985407B (zh) 一种基于解耦原子范数最小化的高精度多带融合方法
Zhu et al. Scene segmentation of multi-band ISAR fusion imaging based on MB-PCSBL
CN115267706A (zh) 合成孔径雷达的距离空变相位误差估计方法、装置及介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201211