CN112130144B - 基于动态网格的微波关联成像方法与成像系统 - Google Patents
基于动态网格的微波关联成像方法与成像系统 Download PDFInfo
- Publication number
- CN112130144B CN112130144B CN202011367077.4A CN202011367077A CN112130144B CN 112130144 B CN112130144 B CN 112130144B CN 202011367077 A CN202011367077 A CN 202011367077A CN 112130144 B CN112130144 B CN 112130144B
- Authority
- CN
- China
- Prior art keywords
- grid
- split
- grids
- current
- radar
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 263
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000011084 recovery Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 25
- 238000002592 echocardiography Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013467 fragmentation Methods 0.000 claims description 5
- 238000006062 fragmentation reaction Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 101
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- 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
本申请涉及一种基于动态网格的微波关联成像方法和成像系统。所述方法包括：根据初始网格参数划分雷达成像区域，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到初始网格对应的网格的散射系数。根据预设的分裂网格面积和散射系数算法对当前网格进行分裂，对分裂后网格中散射系数值大于预设值的分裂网格划分雷达成像区域。当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。本申请可在微波关联成像中对成像网格进行迭代分裂和动态划分，剔除散射系数低于预设值的不包括目标的无效网格，得到局部细化、剔除的非均匀网格，有效解决微波关联成像中的网格失配问题。
Description
技术领域
本申请涉及微波关联成像技术领域，特别是涉及一种基于动态网格的微波关联成像方法与成像系统。
背景技术
雷达高分辨率成像是一种全天时、全天候、远距离的目标探测方式，在空间目标监测、高分辨对地观测、海洋监视等领域发挥着十分重要的应用。微波关联成像借鉴经典的光学关联成像的原理，通过对发射信号波前进行调制，构造在时间和空间上随机分布的二维随机辐射场，模拟具有随机涨落分布的光场。然后将目标散射回波与随机辐射场参考信号进行关联处理，完成对波束内目标信息的分辨提取，实现微波关联成像。相比于现有的微波成像方法，微波关联成像不依赖于目标的多普勒信息进行分辨，大大降低了对目标相对运动的要求。
在微波关联成像中，需要对成像区域进行离散化网格划分，并假设目标散射点位于网格中心，网格中心的参考信号可以通过全系统建模和高精度推演获得。将目标回波与参考信号进行关联处理便可实现对目标的解耦分辨。然而在实际的成像中，目标在空间中是连续分布的，无论网格划分多么密集，目标的散射点不会全部准确地落在网格中心处，因此造成网格失配。当前，解决网格失配的主要方法是将网格失配误差作为一个未知参数，在成像过程中将其与目标散射系数进行联合迭代估计求解。然而该类方法受限于初始网格划分：粗糙的网格会导致较大的网格失配影响求解准确性，密集的网格会带来巨大的计算量进而导致不能实际应用。此外，该类方法还无法解决单个网格中有多个散射点的问题。网格失配问题极大地限制了微波关联成像技术的应用。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决微波关联成像中的网格失配问题的基于动态网格的微波关联成像方法与成像系统。
一种基于动态网格的微波关联成像方法，包括：
根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
当所述当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和所述当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的步骤包括：
根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n。
根据雷达成像区域中分裂网格和当前网格的对应关系，以及根据当前网格的散射系数值，使用预设的算法得到分裂网格的分裂网格权重系数值。
根据分裂网格权重系数值大于预设值的分裂网格将所述雷达成像区域划分成网格。
其中一个实施例中，网格分裂算法为以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格。
根据所述雷达成像区域中分裂网格和当前网格的对应关系，以及根据当前网格的散射系数值，使用预设的算法得到分裂网格的分裂网格权重系数值的步骤包括：
计算分裂网格对应的当前网格的散射系数平均值，根据散射系数平均值得到分裂网格的分裂网格权重系数值。
其中一个实施例中，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的步骤包括：
获取分裂网格对应的分裂网格权重系数值。
当分裂网格权重系数值不小于预设值时，将分裂网格权重系数值设置为对应的分裂网格的权重系数值。
当分裂网格权重系数值小于预设值时，将对应的分裂网格的权重系数设置为0。
根据分裂网格划分雷达成像区域。
其中一个实施例中，分裂停止条件为散射系数变化值。
当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据的步骤包括：
当当前网格参数中的网格的散射系数值与对应的分裂网格权重系数值之间的差值小于预设的散射系数变化值时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，分裂停止条件为最大分裂次数。
当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据的步骤包括：
当根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的次数等于预设的最大分裂次数时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值的步骤之前，还包括：
对雷达发射的电磁波波前进行随机跳频调制，得到对应的雷达发射信号，向预设的雷达成像区域发射雷达发射信号。
一种基于动态网格的微波关联成像系统，成像系统包括雷达设备和目标成像设备；
雷达设备用于向预设的雷达成像区域发射经随机调频调制的雷达发射信号。
目标成像设备包括初始散射系数计算模块、分裂网格生成模块和目标成像模块。其中，
初始散射系数计算模块，用于根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
分裂网格生成模块，用于根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
目标成像模块，用于当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
与现有技术相比，上述基于动态网格的微波关联成像方法、成像系统、计算机设备和存储介质，根据初始网格参数划分雷达成像区域，并根据获取到的目标散射回波使用模型失配稀疏恢复算法得到初始的散射系数。对当前雷达成像区域中的网格进行分裂，根据分裂前后网格的关系计算分裂后网格的散射系数，剔除分裂后散射系数低于预设值的网格，仅根据散射系数值大于预设值的分裂网格划分雷达成像区域，得到新的雷达成像区域的网格。当当前网格参数满足预设的分裂停止条件时，根据当前雷达成像区域中的网格和目标散射回波进行成像，得到目标成像结果。本申请提供了一种在微波关联成像中实现动态网格划分的方法，通过成像网格从粗糙到精细迭代进化，同时更新每个网格对应的散射系数；将权重系数值低于预设值的分裂网格认为是不存在目标散射点的冗余无效网格，因此将其剔除。通过多次进行上述过程，能够得到局部细化、局部剔除的非均匀网格，配合网格失配校正算法，能够有效解决微波关联成像中的网格失配问题。
附图说明
图1为一个实施例中一种基于动态网格的微波关联成像方法的步骤图；
图2为一个实施例中微波成像系统的成像方式示意图；
图3为另一个实施例中分裂网格获得方式示意图；
图4为仿真实验中的雷达成像区域和成像目标示意图；
图5为基于固定网格成像方法的成像仿真结果；
图6为基于本申请提供的一种基于动态网格的微波关联成像方法的成像仿真结果；
图7为基于固定网格成像方法和基于本申请提供的一种基于动态网格的微波关联成像方法在不同信噪比下的成像均方误差曲线图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于动态网格的微波关联成像方法，包括以下步骤：
步骤102，根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
具体地，按照预设的初始网格参数对雷达系统的成像区域进行划分，得到初始网格参数；并且根据微波关联成像技术中的网格散射系数计算方法，得到各个初始网格的散射系数。
步骤104，根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
为了解决网格失配的问题，对当前雷达成像区域中的网格进行拆分，根据拆分前网格的散射系数计算拆分后网格的分裂网格权重系数，并剔除拆分后的分裂网格权重系数值小于预设的门限值的分裂网格。设置的门限值是判断该网格中是否存在目标的标准，可以根据经验或实验数据设置，可以根据系统的具体应用环境调整。实施时，根据初始网格参数对应的网格得到当前网格参数，根据当前网格参数开始进行网格分裂，对分裂后得到的分裂网格进行剔除，然后以剔除后剩余的分裂网格重新划分雷达成像区域得到更新后的当前网格参数。对于网格的分裂方式，可以通过指定对当前网格的拆分方式确定，如将相邻的N个网格的面积重新划分为N+n个分裂网格，还可以指定面积重新划分的具体方式（如网格的排列方式等）；对于分裂后的分裂网格权重系数值，可以根据分裂前网格的散射系数值计算，如根据分裂后网格中包括的分裂前网格的面积的比例，以及各分列前网格的散射系数值，加权求和得到分裂后网格的权重值。
步骤106，当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
通过多次执行步骤104的过程，雷达成像区域中的网格逐渐精细且逼近目标所在的区域，可以根据需要制定预设的分裂停止条件，如算法执行时间、网格分裂次数、分裂后不存在权重值低于预设值的网格（网格中均存在目标）等，当满足这些分裂停止条件中的一个或多个时，就停止网格分裂，并根据当前在雷达成像区域中分裂得到的网格对目标散射回波进行处理和计算，得到对应的成像结果。
本实施例提供的方法能够在微波关联成像中实现动态网格划分，通过成像网格从粗糙到精细迭代进化，同时更新每个网格对应的散射系数；将权重值低于预设值的网格认为是不存在目标散射点的冗余无效网格，因此将其剔除。通过多次进行上述过程，能够得到局部细化、局部剔除的非均匀网格，配合网格失配校正算法，能够有效解决微波关联成像中的网格失配问题。
其中一个实施例中，提供了一种基于动态网格的微波关联成像方法，包括以下步骤：
步骤202，对雷达发射的电磁波波前进行随机跳频调制，得到对应的雷达发射信号，向预设的雷达成像区域发射雷达发射信号。
步骤204，根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
构建雷达阵列，采用随机跳频调制方式对电磁波波前进行调制，构建时间-空间二维随机辐射场，划分成像网格，精确推演辐射场参考矩阵。如图2所示，微波关联成像系统中的雷达设备包括
个发射阵元和1个接收阵元，发射阵元共发射
次随机跳频信号，则在第
次跳频、网格
处的参考信号
可表示为：
其中
为信号幅度，
为载频，
为第
个阵元的第
次跳频频率，
、
、
分别为网格位置矢量、第
个发射阵元位置矢量、接收阵元位置矢量，
为初始相位，
为电磁波传播速度。
设
为第
个网格内的目标散射系数，接收阵元共接收
次目标回波，构成目标散射回波矢量
，成像方程为：
式（2）可简写为
利用模型失配稀疏恢复算法对成像方程进行求解。考虑网格失配，采用干扰矩阵
来代表网格失配误差对参考矩阵带来的影响，并假设矩阵
中的元素服从0均值独立同分布，那么成像方程可以写为：
其中
为目标散射系数，
，且
，
为协方差矩阵，
为噪声。根据模型失配稀疏恢复算法，散射系数
的均值
和方差
的更新表达式为：
其中，
，
，
，且
步骤206，根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n。根据雷达成像区域中分裂网格和当前网格的对应关系，以及根据当前网格的散射系数值，使用预设的算法得到分裂网格的分裂网格权重系数值。根据分裂网格权重系数值大于预设值的分裂网格将所述雷达成像区域划分成网格。
具体地，步骤206采用迭代求解的方法对目标进行成像，包括稀疏重构和网格进化两部分：在每次迭代中，首先利用网格失配下的模型失配稀疏恢复算法对目标散射系数进行求解，然后根据求解的散射系数对网格进行分裂、加权、更新，得到进化后的新网格，并利用新网格构建新的成像方程，然后对目标进行下一轮迭代求解。
本实施例中采用的网格分裂算法为：以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格。分裂网格权重系数值的计算方法为：计算分裂网格对应的当前网格的散射系数平均值，根据散射系数平均值得到分裂网格的分裂网格权重系数值。如图3所示，经过k-1次跌迭代（分裂）后得到的当前网格形状相同且为正方形，在每两个当前网格的交界线上生成分裂网格，网格的边长变为原来的一半即
，网格数目由
变为
。
根据模型失配稀疏恢复算法得到当前网格对应的目标散射系数，分裂网格的权重系数是其区域对应的当前网格的目标散射系数的均值，即：
其中，
为与分裂网格的区域有重叠的所有当前网格的索引集合。
步骤208，获取分裂网格对应的分裂网格权重系数值。当分裂网格权重系数值不小于预设值时，将分裂网格权重系数值设置为对应的分裂网格的权重系数值。当分裂网格权重系数值小于预设值时，将对应的分裂网格的权重系数设置为0。根据分裂网格划分雷达成像区域，根据分裂网格对应的权重系数得到当前雷达成像区域的成像方程。
具体地，获得分裂网格的权重系数后，将权重系数小于某一阈值的网格进行剔除，使网格聚焦在存在目标散射点的区域。为方便算法求解，可采用阶跃函数对网格权重系数进行二值化处理，具体表示为：
其中
为阶跃函数，
为阈值。权重系数为1的网格为有效网格，权重系数为0的网格为无效网格，那么权重矩阵可表示为：
新成像方程可以写为：
其中
为基于进化后的网格根据式（1）所推演的参考矩阵。完成新成像方程的构建后，进行新一轮的迭代求解。
步骤210，分裂停止条件为散射系数变化值。当当前网格参数中的网格的散射系数值与对应的分裂网格权重系数值之间的差值小于预设的散射系数变化值时，根据当前网格参数得到对应的目标成像数据。
进一步地，分裂停止条件还可以为最大分裂次数。当根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的次数等于预设的最大分裂次数时，根据当前网格参数得到对应的目标成像数据。
具体地，步骤210根据预设的条件判断算法是否收敛。若
，其中
为阈值，或者迭代达到最大次数，则停止迭代，并得到目标图像。
对本实施例提供方法与固定网格成像方法的成像结果进行了数值仿真，以说明本申请技术方案的效果。本实施例提供的方法利用微波雷达阵列发射随机调制电磁波，采用多发单收工作模式，发射天线为双排均匀线阵，发射阵元数目为，阵列孔径为，发射信号载频为9.3GHz，带宽为800 MHz，跳频次数。目标距离为100 m，成像区域为
，预划分为
个网格，初始网格尺寸为
，成像信噪比SNR=20dB。如图4所示，成像目标，目标包括7个散射点，预设于网格中心，同时目标受到随机网格失配误差扰动，目标真实的位置位于圆圈中心。基于固定网格成像方法获得对成像目标的数值仿真成像结果，如图5所示；以及基于本实施例所述方法获得对成像目标的数值仿真成像结果，得到的成像目标点用圆圈标出，如图6所示。将基于本实施例方法与基于固定网格成像方法得到的成像结果对比可以看出，本申请所述方法能够有效解决微波关联成像中的网格失配问题，提高成像质量。
图7是本发明所述方法与基于固定网格的微波关联成像方法在不同信噪比下的成像均方误差。均方误差的定义为
。图中横坐标表示信噪比，纵坐标表示成像均方误差，从图中可以看出，本实施例提供方法的成像均方误差随信噪比的提高而降低，且与固定网格方法的成像均方误差相比有很大幅度降低，表明所述方法能够很好地消除网格失配带来的影响，提高成像质量。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
一种基于动态网格的微波关联成像系统，成像系统包括雷达设备和目标成像设备；
雷达设备用于向预设的雷达成像区域发射经随机调频调制的雷达发射信号。
目标成像设备包括初始散射系数计算模块、分裂网格生成模块和目标成像模块。其中，
初始散射系数计算模块，用于根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
分裂网格生成模块，用于根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
目标成像模块，用于当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
本实施例提供的一种基于动态网格的微波关联成像系统，其目标成像设备使用的硬件可以但不限于是各种服务器、个人计算机、笔记本电脑、智能手机、平板电脑。
其中一个实施例中，分裂网格生成模块用于，根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n。根据雷达成像区域中分裂网格和当前网格的对应关系，以及根据当前网格的散射系数值，使用预设的算法得到分裂网格的分裂网格权重系数值。根据分裂网格权重系数值大于预设值的分裂网格将所述雷达成像区域划分成网格。
其中一个实施例中，网格分裂算法为以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格。分裂网格生成模块用于，计算分裂网格对应的当前网格的散射系数平均值，根据散射系数平均值得到分裂网格的分裂网格权重系数值。
其中一个实施例中，分裂网格生成模块用于，获取分裂网格对应的分裂网格权重系数值。当分裂网格权重系数值不小于预设值时，将分裂网格权重系数值设置为对应的分裂网格的权重系数值。当分裂网格权重系数值小于预设值时，将对应的分裂网格的权重系数设置为0。根据分裂网格划分雷达成像区域。
其中一个实施例中，分裂停止条件为散射系数变化值。目标成像模块用于，当当前网格参数中的网格的散射系数值与对应的分裂网格权重系数值之间的差值小于预设的散射系数变化值时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，分裂停止条件为最大分裂次数。目标成像模块用于，当根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的次数等于预设的最大分裂次数时，根据当前网格参数得到对应的目标成像数据。
关于一种基于动态网格的微波关联成像系统的具体限定可以参见上文中对于一种基于动态网格的微波关联成像方法的限定，在此不再赘述。上述一种基于动态网格的微波关联成像系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标散射回波、初始网格参数数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于动态网格的微波关联成像方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n。根据雷达成像区域中分裂网格和当前网格的对应关系，以及根据当前网格的散射系数值，使用预设的算法得到分裂网格的分裂网格权重系数值。根据分裂网格权重系数值大于预设值的分裂网格将所述雷达成像区域划分成网格。
在一个实施例中，网格分裂算法为以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格。处理器执行计算机程序时还实现以下步骤：计算分裂网格对应的当前网格的散射系数平均值，根据散射系数平均值得到分裂网格的分裂网格权重系数值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取分裂网格对应的分裂网格权重系数值。当分裂网格权重系数值不小于预设值时，将分裂网格权重系数值设置为对应的分裂网格的权重系数值。当分裂网格权重系数值小于预设值时，将对应的分裂网格的权重系数设置为0。根据分裂网格划分雷达成像区域。
其中一个实施例中，分裂停止条件为散射系数变化值。处理器执行计算机程序时还实现以下步骤：当当前网格参数中的网格的散射系数值与对应的分裂网格权重系数值之间的差值小于预设的散射系数变化值时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，分裂停止条件为最大分裂次数。处理器执行计算机程序时还实现以下步骤：当根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的次数等于预设的最大分裂次数时，根据当前网格参数得到对应的目标成像数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对雷达发射的电磁波波前进行随机跳频调制，得到对应的雷达发射信号，向预设的雷达成像区域发射雷达发射信号。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据预设的初始网格参数将雷达成像区域划分成网格，获取雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到雷达成像区域中网格对应的散射系数值。
根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据预设的网格分裂算法和当前网格参数得到对应的分裂网格和分裂网格权重系数值，根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格。
当当前网格参数满足预设的分裂停止条件时，根据当前网格参数得到对应的目标成像数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据当前时刻雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n。根据雷达成像区域中分裂网格和当前网格的对应关系，以及根据当前网格的散射系数值，使用预设的算法得到分裂网格的分裂网格权重系数值。根据分裂网格权重系数值大于预设值的分裂网格将所述雷达成像区域划分成网格。
其中一个实施例中，网格分裂算法为以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格。计算机程序被处理器执行时还实现以下步骤：计算分裂网格对应的当前网格的散射系数平均值，根据散射系数平均值得到分裂网格的分裂网格权重系数值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取分裂网格对应的分裂网格权重系数值。当分裂网格权重系数值不小于预设值时，将分裂网格权重系数值设置为对应的分裂网格的权重系数值。当分裂网格权重系数值小于预设值时，将对应的分裂网格的权重系数设置为0。根据分裂网格划分雷达成像区域。
其中一个实施例中，分裂停止条件为散射系数变化值。计算机程序被处理器执行时还实现以下步骤：当当前网格参数中的网格的散射系数值与对应的分裂网格权重系数值之间的差值小于预设的散射系数变化值时，根据当前网格参数得到对应的目标成像数据。
其中一个实施例中，分裂停止条件为最大分裂次数。计算机程序被处理器执行时还实现以下步骤：当根据分裂网格权重系数值大于预设值的分裂网格将雷达成像区域划分成网格的次数等于预设的最大分裂次数时，根据当前网格参数得到对应的目标成像数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对雷达发射的电磁波波前进行随机跳频调制，得到对应的雷达发射信号，向预设的雷达成像区域发射雷达发射信号。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于动态网格的微波关联成像方法，其特征在于，所述方法包括：
根据预设的初始网格参数将雷达成像区域划分成网格，获取所述雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到所述雷达成像区域中网格对应的散射系数值；
根据当前时刻所述雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据所述当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n；所述网格分裂算法为以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格；
计算分裂网格对应的当前网格的散射系数平均值，根据所述散射系数平均值得到所述分裂网格的分裂网格权重系数值；根据所述分裂网格权重系数值大于预设值的所述分裂网格将所述雷达成像区域划分成网格；
当所述当前网格参数满足预设的分裂停止条件时，根据所述当前网格参数得到对应的目标成像数据。
2.根据权利要求1所述的方法，其特征在于，根据所述分裂网格权重系数值大于预设值的所述分裂网格将所述雷达成像区域划分成网格的步骤包括：
获取分裂网格对应的分裂网格权重系数值；
当分裂网格权重系数值不小于预设值时，将所述分裂网格权重系数值设置为对应的分裂网格的权重系数值；
当分裂网格权重系数值小于预设值时，将对应的分裂网格的权重系数设置为0；
根据分裂网格划分所述雷达成像区域。
3.根据权利要求1所述的方法，其特征在于，所述分裂停止条件为散射系数变化值；
所述当所述当前网格参数满足预设的分裂停止条件时，根据所述雷达成像区域中的当前网格参数得到对应的目标成像数据的步骤包括：
当所述当前网格参数中的网格的散射系数值与对应的分裂网格权重系数值之间的差值小于预设的散射系数变化值时，根据所述雷达成像区域中的当前网格参数得到对应的目标成像数据。
4.根据权利要求1所述的方法，其特征在于，所述分裂停止条件为最大分裂次数；
所述当所述当前网格参数满足预设的分裂停止条件时，根据所述雷达成像区域中的当前网格参数得到对应的目标成像数据的步骤包括：
当根据所述分裂网格权重系数值大于预设值的所述分裂网格将所述雷达成像区域划分成网格的次数等于预设的最大分裂次数时，根据所述雷达成像区域中的当前网格参数得到对应的目标成像数据。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据预设的初始网格参数将雷达成像区域划分成网格，获取所述雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到所述雷达成像区域中网格对应的散射系数值的步骤之前，还包括：
对雷达发射的电磁波波前进行随机跳频调制，得到对应的雷达发射信号，向预设的雷达成像区域发射所述雷达发射信号。
6.一种基于动态网格的微波关联成像系统，其特征在于，所述成像系统包括雷达设备和目标成像设备；
所述雷达设备用于向预设的雷达成像区域发射经随机调频调制的雷达发射信号；
所述目标成像设备包括初始散射系数计算模块、分裂网格生成模块和目标成像模块；其中，
所述初始散射系数计算模块，用于根据预设的初始网格参数将雷达成像区域划分成网格，获取所述雷达成像区域的基于微波关联成像技术的目标散射回波，使用模型失配稀疏恢复算法得到所述雷达成像区域中网格对应的散射系数值；
所述分裂网格生成模块，用于根据当前时刻所述雷达成像区域中的网格和对应的散射系数值得到当前网格参数，根据所述当前网格参数，使用预设的网格分裂算法将n个当前网格对应的区域划分为m个分裂网格，其中至少有一个分裂网格包括多个相邻的当前网格的交界区域，m＞n；所述网格分裂算法为以2个当前网格的交界线为对称轴，得到边长为交界线长度1/2的分裂网格；计算分裂网格对应的当前网格的散射系数平均值，根据所述散射系数平均值得到所述分裂网格的分裂网格权重系数值；根据所述分裂网格权重系数值大于预设值的所述分裂网格将所述雷达成像区域划分成网格；
所述目标成像模块，用于当所述当前网格参数满足预设的分裂停止条件时，根据所述当前网格参数得到对应的目标成像数据。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367077.4A CN112130144B (zh) | 2020-11-30 | 2020-11-30 | 基于动态网格的微波关联成像方法与成像系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367077.4A CN112130144B (zh) | 2020-11-30 | 2020-11-30 | 基于动态网格的微波关联成像方法与成像系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112130144A CN112130144A (zh) | 2020-12-25 |
| CN112130144B true CN112130144B (zh) | 2021-02-02 |
Family
ID=73852109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011367077.4A Active CN112130144B (zh) | 2020-11-30 | 2020-11-30 | 基于动态网格的微波关联成像方法与成像系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112130144B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8184044B1 (en) * | 2010-03-12 | 2012-05-22 | The Boeing Company | Super resolution radar image extraction procedure |
| CN106680812A (zh) * | 2016-10-27 | 2017-05-17 | 西安空间无线电技术研究所 | 一种基于解析面元的微波关联成像仿真方法 |
| CN106918810A (zh) * | 2017-03-06 | 2017-07-04 | 中国人民解放军国防科学技术大学 | 一种存在阵元幅相误差时的微波关联成像方法 |
| CN107422321A (zh) * | 2017-07-25 | 2017-12-01 | 中国科学技术大学 | 微波凝视关联成像对地观测方法 |
| CN109946696A (zh) * | 2019-04-15 | 2019-06-28 | 西安电子科技大学 | 基于目标先验信息的雷达凝视关联成像方法 |
-
2020
- 2020-11-30 CN CN202011367077.4A patent/CN112130144B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8184044B1 (en) * | 2010-03-12 | 2012-05-22 | The Boeing Company | Super resolution radar image extraction procedure |
| CN106680812A (zh) * | 2016-10-27 | 2017-05-17 | 西安空间无线电技术研究所 | 一种基于解析面元的微波关联成像仿真方法 |
| CN106918810A (zh) * | 2017-03-06 | 2017-07-04 | 中国人民解放军国防科学技术大学 | 一种存在阵元幅相误差时的微波关联成像方法 |
| CN107422321A (zh) * | 2017-07-25 | 2017-12-01 | 中国科学技术大学 | 微波凝视关联成像对地观测方法 |
| CN109946696A (zh) * | 2019-04-15 | 2019-06-28 | 西安电子科技大学 | 基于目标先验信息的雷达凝视关联成像方法 |
Non-Patent Citations (2)
| Title |
|---|
| 微波高分辨凝视关联成像信息处理研究;孟青泉;《中国博士学位论文全文数据库 信息科技辑》;20180615(第06期);I138-52 * |
| 模型失配下的雷达关联成像方法研究;曹凯程 等;《现代雷达》;20171231;第39卷(第12期);第42-46页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112130144A (zh) | 2020-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107607945B (zh) | 一种基于空间嵌入映射的扫描雷达前视成像方法 | |
| CN111142062B (zh) | 一种利用Toeplitz特性的无栅格目标波达方向估计方法 | |
| CN110007283A (zh) | 雷达波达方向估计方法、装置、计算机设备及存储介质 | |
| CN117220760B (zh) | 一种增益最大化的卫星通信抗干扰方法 | |
| CN109343003B (zh) | 一种快速迭代收缩波束形成声源识别方法 | |
| CN115830462B (zh) | 基于循环一致性对抗网络的sar图像重构方法及装置 | |
| CN110954860B (zh) | 一种doa和极化参数估计方法 | |
| CN113673419A (zh) | 适用于强干扰环境的波束域快速稀疏贝叶斯方位估计方法 | |
| CN113985408B (zh) | 一种结合门单元和迁移学习的逆合成孔径雷达成像方法 | |
| CN109298382A (zh) | 一种基于期望极大算法的非均匀直线阵波达方向角估计方法 | |
| CN115291169A (zh) | 一种声源成像方法、系统、设备及存储介质 | |
| CN112130144B (zh) | 基于动态网格的微波关联成像方法与成像系统 | |
| CN109783960A (zh) | 一种基于网格部分细化的波达方向估计方法 | |
| CN114740470A (zh) | 基于属性散射模型的微波波前调制前视成像方法和装置 | |
| CN107153175B (zh) | 基于交替投影的相位加权旁瓣抑制方法 | |
| CN115327503A (zh) | 基于高斯粒子滤波的固定单站无源定位方法和相关装置 | |
| Li et al. | Fast ML-assisted interference estimation and suppression for digital phased array radar | |
| CN116990817B (zh) | 一种雷达前视无网格重构sar成像方法和装置 | |
| CN118330549B (zh) | 一种冲击噪声下基于复合熵的宽带测向方法及系统 | |
| CN116449368B (zh) | 短距离毫米波mimo-sar的成像方法、装置及设备 | |
| CN115963469B (zh) | 相干信源波达方向估算方法、装置、处理设备及存储介质 | |
| Ying | Design of Information Network Security Situation Monitoring System Based on Python Language | |
| CN112394355B (zh) | 圆周扫描地基sar的三维成像旁瓣抑制方法及装置 | |
| CN118534411A (zh) | 基于互协方差矩阵重构的声呐相干信号doa估计方法及装置 | |
| Zhang et al. | A Fast Target Imaging Model Based on Electromagnetic Scattering Solution and Machine Learning |
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 |