CN112748412B - 一种基于双正交匹配追踪的散射中心参数反演方法 - Google Patents
一种基于双正交匹配追踪的散射中心参数反演方法 Download PDFInfo
- Publication number
- CN112748412B CN112748412B CN202011536793.0A CN202011536793A CN112748412B CN 112748412 B CN112748412 B CN 112748412B CN 202011536793 A CN202011536793 A CN 202011536793A CN 112748412 B CN112748412 B CN 112748412B
- Authority
- CN
- China
- Prior art keywords
- sparse
- matrix
- biorthogonal
- vector
- scattering center
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 74
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于双正交匹配追踪的散射中心参数反演方法及计算机可读存储介质,该方法包括:划分散射中心模型位置参数网格;GTD模型稀疏表征;设置双正交匹配追踪门限;初始化参数;更新迭代次数;稀疏基正交化;稀疏基归一化;计算元素索引;更新索引矩阵和支撑集矩阵;估计稀疏系数向量;更新残差向量;判断是否满足收敛条件;输出索引矩阵和稀疏系数向量。本发明提供的方法可准确估计相邻散射中心的GTD模型参数,可应用于目标基本结构反演与自动目标识别。
Description
技术领域
本发明涉及雷达信号处理技术领域,尤其涉及一种基于双正交匹配追踪的散射中心参数反演方法、计算机可读存储介质。
背景技术
散射中心参数反演,是基于目标的散射中心模型,进行散射中心各参数的估计,所得的主要参数包括散射中心位置、类型参数等,可用于了解目标的精细几何结构。GTD(几何绕射)模型是一种常用的散射中心模型,它将散射中心的频率依赖性表达为半整数指数的幂次函数形式,且频率依赖因子与目标散射中心的几何结构相对应,能够提供丰富的目标结构信息,受到学者们的广泛重视。
在GTD模型的参数反演方面,目前较为热门的方法为稀疏优化方法,这类方法通过引入稀疏先验,能够消除模型参数反演的不适定性。其中,正交匹配追踪由于具有较低的计算复杂度,尤其常用于GTD模型的参数反演问题。然而,当散射中心之间的位置相距较近时,其对应的原子具有高度相关性,当一个原子被选入支撑集后,相当于待选原子的一部分相似成分也被加入到支撑集中,这会对后面原子的选择产生负面影响,进而影响参数反演精度。
发明内容
本发明的目的是针对上述至少一部分不足之处,提供一种基于双正交匹配追踪的散射中心参数反演方法,以解决传统正交匹配方法估计相邻散射中心参数时估计精度不足的问题。
为了实现上述目的,本发明提供了一种基于双正交匹配追踪的散射中心参数反演方法,包括如下步骤:
S1、根据目标先验信息,划分散射中心模型位置参数网格;
S2、根据位置参数网格,确定GTD模型稀疏表征;
S3、基于GTD模型稀疏表征,设置双正交匹配追踪门限;
S4、初始化参数,包括初始化残差向量、索引矩阵、稀疏基矩阵、支撑集矩阵以及迭代次数;
S5、更新迭代次数;
S6、对上一次迭代的稀疏基矩阵进行正交化操作,使已选原子与待选原子去相关;
S7、对步骤S6得到的、正交化后的稀疏基矩阵的每一列进行归一化操作;
S8、基于步骤S7得到的、归一化后的稀疏基矩阵,计算元素索引;
S9、根据计算得到的元素索引,更新索引矩阵和支撑集矩阵;
S10、根据更新的支撑集矩阵,估计稀疏系数向量;
S11、根据稀疏系数向量,更新残差向量;
S12、根据更新的残差向量和双正交匹配追踪门限,判断是否满足收敛条件;若满足条件,则停止迭代,否则返回步骤S5;
S13、输出索引矩阵和稀疏系数向量。
优选地,所述步骤S1中划分散射中心模型位置参数网格时,已知目标的长度不大于L,雷达的分辨率为Δr,则目标的位置参数网格向量范围为-L/2~L/2,网格间距为Δr,记为位置参数网格向量r=-L/2:Δr:L/2,设r的维数为Q,rq为r的第q个元素,q=1,...,Q。
优选地,所述步骤S2中确定GTD模型稀疏表征时,一维GTD模型表达式为:
其中,S(k)为目标回波信号;k为波数;kc为中心波数;m=1,...,M,M为散射中心个数;Am为第m个散射中心的复散射幅度系数;rm为第m个散射中心的径向位置坐标;αm为类型参数,取值有5种:-1,-0.5,0,0.5,1;
一维GTD模型表达式改写为稀疏表达形式,为:
S=Φw
其中,S为回波信号列向量,S=[S(k1),S(k2),…,S(kP)]T;S(kp)为频点kp(p=1,2,…P)下的目标回波信号,kp为k的离散值;P为频域采样点数;Φ为GTD模型的稀疏字典矩阵,Φ=[φ(k1),φ(k2),…,φ(kP)]T,φ(kp)(p=1,…P)是由稀疏原子构成的Q×5维列向量;αi(i=1,…,5)为类型参数的五种取值:-1,-0.5,0,0.5,1;回波信号列向量S中的每个元素对应rq与αi的一种组合。
优选地,所述步骤S3中设置双正交匹配追踪门限时,表达式为:
a=0.01*||S||2
其中,||·||2为向量2范数,S为GTD模型稀疏表征下得到的回波信号列向量。
优选地,所述步骤S6中进行正交化操作时,若迭代次数t=1,跳过步骤S6,直接进行步骤S7;
其中,<·>为内积运算符,J(t-1)为上一次迭代的索引矩阵。
优选地,所述步骤S9中,更新索引矩阵时,表达式为:
更新支撑集矩阵时,表达式为:
其中,上标“H”代表Hermitian转置;和/或
所述步骤S11中更新残差向量时,表达式为:
步骤S12中,判断是否满足收敛条件时,根据更新的残差向量计算剩余信号能量,剩余信号能量表达式为:
W=||R(t)||2
a表示双正交匹配追踪门限;若满足剩余信号能量W<a,则停止迭代,否则返回步骤S5。
本发明还提供了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上述任一项所述基于双正交匹配追踪的散射中心参数反演方法的步骤。
本发明的上述技术方案具有如下优点:本发明提供了一种基于双正交匹配追踪的散射中心参数反演方法及计算机可读存储介质,本发明对传统的正交匹配方法进行改进,基于双正交匹配追踪的散射中心参数反演实现散射中心参数估计,能够有效地将已选原子和待选原子去相关,从而提升参数反演精度,准确估计相邻散射中心的GTD模型参数。
附图说明
图1是本发明实施例中一种基于双正交匹配追踪的散射中心参数反演方法流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种基于双正交匹配追踪的散射中心参数反演方法,包括如下步骤:
S1、根据目标先验信息,划分散射中心模型位置参数网格;
S2、根据位置参数网格,确定GTD模型稀疏表征;
S3、基于GTD模型稀疏表征,设置双正交匹配追踪门限;
S4、初始化参数,包括初始化残差向量、索引矩阵、稀疏基矩阵、支撑集矩阵和迭代次数;
S5、更新迭代次数;
S6、对上一次迭代的稀疏基矩阵进行正交化操作,使已选原子与待选原子去相关,得到本次迭代的稀疏基矩阵;
S7、对步骤S6得到的、正交化后的(本次迭代的)稀疏基矩阵的每一列进行归一化操作;
S8、基于步骤S7得到的、归一化后的(本次迭代的)稀疏基矩阵,计算元素索引;
S9、根据计算得到的元素索引,更新索引矩阵和支撑集矩阵;
S10、根据更新的支撑集矩阵,估计稀疏系数向量;
S11、根据稀疏系数向量,更新残差向量;
S12、根据更新的残差向量和双正交匹配追踪门限,判断是否满足收敛条件;若满足条件,则停止迭代,否则返回步骤S5;
S13、输出索引矩阵和稀疏系数向量。
本发明提供的基于双正交匹配追踪的散射中心参数反演方法能够准确估计相邻散射中心的GTD模型参数,可应用于目标基本结构反演与自动目标识别。
优选地,步骤S1中划分散射中心模型位置参数网格时,假设已知目标的长度不大于L,雷达的分辨率为Δr,则目标的位置参数网格向量范围为-L/2~L/2,网格间距为Δr,记为位置参数网格向量r=-L/2:Δr:L/2,设r的维数为Q,rq为r的第q个元素,q=1,...,Q。
优选地,步骤S2中确定GTD模型稀疏表征时,一维GTD模型表达式为:
其中,S(k)为目标回波信号;k为波数;kc为中心波数;m=1,...,M,M为散射中心个数;Am为第m个散射中心的复散射幅度系数;rm为第m个散射中心的径向位置坐标;αm为类型参数,取值有5种:-1,-0.5,0,0.5,1,不同取值对应不同的散射中心结构类型。
一维GTD模型表达式改写为稀疏表达形式,为:
S=Φw
其中,S为回波信号列向量,S=[S(k1),S(k2),…,S(kP)]T;S(kp)为频点kp(p=1,2,…P)下的目标回波信号,kp为k的离散值;P为频域采样点数;Φ为GTD模型的稀疏字典矩阵,Φ=[φ(k1),φ(k2),…,φ(kP)]T,φ(kp)(p=1,…P)是由稀疏原子构成的Q×5维列向量;rq定义如步骤S1;αi(i=1,…,5)为类型参数的五种取值:-1,-0.5,0,0.5,1;回波信号列向量S中的每个元素对应了位置参数rq与类型参数αi的一种组合。
优选地,步骤S3中设置双正交匹配追踪门限时,表达式为:
a=0.01*||S||2
其中,||·||2为向量2范数,S为GTD模型稀疏表征下得到的回波信号列向量。
步骤S5中更新迭代次数,即在每一次迭代中,令迭代次数t=t+1。
优选地,步骤S6中进行正交化操作时,若当前的迭代次数t=1,则跳过步骤S6,直接进行步骤S7;
优选地,步骤S8中计算元素索引时,计算上一次迭代的残差向量(也即本次迭代中当前尚未更新的残差向量)R(t-1)与步骤S7得到的、归一化后的稀疏基矩阵Z(t)各列的内积,找出使内积最大的列元素索引表达式为:
其中,<·>为内积运算符,J(t-1)为上一次迭代的索引矩阵,也即本次迭代中当前尚未更新的索引矩阵。
更新支撑集矩阵时,表达式为:
其中,上标“H”代表Hermitian转置。
优选地,步骤S11中更新残差向量时,表达式为:
优选地,步骤S12中,判断是否满足收敛条件时,根据更新的残差向量计算剩余信号能量,剩余信号能量表达式为:
W=||R(t)||2
特别地,在本发明一些优选的实施方式中,还提供了一种计算机设备,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上述任一实施方式中所述基于双正交匹配追踪的散射中心参数反演方法的步骤。
在本发明另一些优选的实施方式中,还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上述任一实施方式中所述基于双正交匹配追踪的散射中心参数反演方法的步骤。
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,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,可包括如上述基于双正交匹配追踪的散射中心参数反演方法实施例的流程,在此不再重复说明。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于双正交匹配追踪的散射中心参数反演方法,其特征在于,包括如下步骤:
S1、根据目标先验信息,划分散射中心模型位置参数网格;
S2、根据位置参数网格,确定GTD模型稀疏表征;
S3、基于GTD模型稀疏表征,设置双正交匹配追踪门限;
S4、初始化参数,包括初始化残差向量、索引矩阵、稀疏基矩阵、支撑集矩阵以及迭代次数;
S5、更新迭代次数;
S6、若迭代次数t=1,则跳过步骤S6,直接进行步骤S7,若迭代次数t≠1,则对上一次迭代的稀疏基矩阵进行正交化操作,使已选原子与待选原子去相关;
S7、对正交化后的稀疏基矩阵的每一列进行归一化操作;
S8、基于步骤S7得到的、归一化后的稀疏基矩阵,计算元素索引;
S9、根据计算得到的元素索引,更新索引矩阵和支撑集矩阵;
S10、根据更新的支撑集矩阵,估计稀疏系数向量;
S11、根据稀疏系数向量,更新残差向量;
S12、根据更新的残差向量和双正交匹配追踪门限,判断是否满足收敛条件;若满足条件,则停止迭代,否则返回步骤S5;
S13、输出索引矩阵和稀疏系数向量。
2.根据权利要求1所述的基于双正交匹配追踪的散射中心参数反演方法,其特征在于:
所述步骤S1中划分散射中心模型位置参数网格时,已知目标的长度不大于L,雷达的分辨率为Δr,则目标的位置参数网格向量范围为-L/2~L/2,网格间距为Δr,记为位置参数网格向量r=-L/2:Δr:L/2,设r的维数为Q,rq为r的第q个元素,q=1,...,Q。
3.根据权利要求2所述的基于双正交匹配追踪的散射中心参数反演方法,其特征在于:
所述步骤S2中确定GTD模型稀疏表征时,一维GTD模型表达式为:
其中,S(k)为目标回波信号;k为波数;kc为中心波数;m=1,...,M,M为散射中心个数;Am为第m个散射中心的复散射幅度系数;rm为第m个散射中心的径向位置坐标;αm为类型参数,取值有5种:-1,-0.5,0,0.5,1;
一维GTD模型表达式改写为稀疏表达形式,为:
S=Φw
4.根据权利要求1所述的基于双正交匹配追踪的散射中心参数反演方法,其特征在于:
所述步骤S3中设置双正交匹配追踪门限时,表达式为:
a=0.01*||S||2
其中,||·||2为向量2范数,S为GTD模型稀疏表征下得到的回波信号列向量。
10.一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9中任一项所述基于双正交匹配追踪的散射中心参数反演方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536793.0A CN112748412B (zh) | 2020-12-23 | 2020-12-23 | 一种基于双正交匹配追踪的散射中心参数反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536793.0A CN112748412B (zh) | 2020-12-23 | 2020-12-23 | 一种基于双正交匹配追踪的散射中心参数反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112748412A CN112748412A (zh) | 2021-05-04 |
CN112748412B true CN112748412B (zh) | 2023-05-05 |
Family
ID=75647423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011536793.0A Active CN112748412B (zh) | 2020-12-23 | 2020-12-23 | 一种基于双正交匹配追踪的散射中心参数反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112748412B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742916B (zh) * | 2021-09-06 | 2024-05-28 | 中国人民解放军国防科技大学 | 基于gtd参数提取的跳频rcs重构方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122554A (zh) * | 2014-07-31 | 2014-10-29 | 西安电子科技大学 | 高分辨率sar图像目标的属性散射中心特征提取方法 |
CN109444844A (zh) * | 2019-01-04 | 2019-03-08 | 北京环境特性研究所 | 一种提取目标散射中心特征的方法和装置 |
CN111220960A (zh) * | 2020-01-19 | 2020-06-02 | 北京环境特性研究所 | 多站雷达下的目标特征提取方法和装置 |
CN111859266A (zh) * | 2020-07-30 | 2020-10-30 | 北京环境特性研究所 | 基于多源信息融合的空间目标结构反演方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9268047B2 (en) * | 2012-10-12 | 2016-02-23 | Rock Solid Images, Inc | Geophysical surveying |
IL245366A0 (en) * | 2016-05-01 | 2016-08-31 | Technion Res & Dev Foundation | A multi-input and multi-output radar system (mimo) and a method for using it |
-
2020
- 2020-12-23 CN CN202011536793.0A patent/CN112748412B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122554A (zh) * | 2014-07-31 | 2014-10-29 | 西安电子科技大学 | 高分辨率sar图像目标的属性散射中心特征提取方法 |
CN109444844A (zh) * | 2019-01-04 | 2019-03-08 | 北京环境特性研究所 | 一种提取目标散射中心特征的方法和装置 |
CN111220960A (zh) * | 2020-01-19 | 2020-06-02 | 北京环境特性研究所 | 多站雷达下的目标特征提取方法和装置 |
CN111859266A (zh) * | 2020-07-30 | 2020-10-30 | 北京环境特性研究所 | 基于多源信息融合的空间目标结构反演方法和装置 |
Non-Patent Citations (3)
Title |
---|
GTD模型参数估计的时域稀疏成分分析法;钟金荣;文贡坚;;电子学报;第44卷(第06期);75-81 * |
Sparse based attributed scattering center extraction algorithm with dictionary refinement;Li Fei等;2016 CIE International Conference on Radar (RADAR);1-4 * |
基于雷达图像特征的空间目标载荷指向估计方法;霍超颖等;电波科学学报;第34卷(第01期);45-51 * |
Also Published As
Publication number | Publication date |
---|---|
CN112748412A (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503071B (zh) | 基于变分贝叶斯标签多伯努利叠加模型的多目标跟踪方法 | |
US20220254095A1 (en) | Apparatus and method for searching for global minimum of point cloud registration error | |
Kim et al. | Radar target identification using one-dimensional scattering centres | |
CN108880557B (zh) | 基于压缩感知的稀疏度自适应变步长匹配追踪方法 | |
CN111580065B (zh) | 基于知识辅助的稀疏恢复stap方法 | |
CN112748412B (zh) | 一种基于双正交匹配追踪的散射中心参数反演方法 | |
CN109444844B (zh) | 一种提取目标散射中心特征的方法和装置 | |
CN109785372B (zh) | 基于软决策优化的基础矩阵鲁棒估计方法 | |
CN111488552A (zh) | 基于高斯混合概率假设密度的紧邻多目标跟踪方法 | |
CN108427131B (zh) | 一种基线长约束下的整周模糊度快速搜索算法 | |
CN112946564B (zh) | 基于dnn的波束空间的doa估计方法、装置及计算机存储介质 | |
Yan et al. | Computationally efficient direction of arrival estimation with unknown number of signals | |
CN112087235A (zh) | 基于伪逆感知字典的稀疏度自适应doa估计方法及系统 | |
CN106844886B (zh) | 基于主分量分析的目标波达方向获取方法 | |
CN115469314A (zh) | 一种均匀圆环阵稳健水下目标方位跟踪方法及系统 | |
CN109782246A (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
CN113484842B (zh) | 基于目标姿态分帧与散射字典截断的rcs重构方法 | |
CN115455670A (zh) | 一种基于高斯混合模型的非高斯噪声模型建立方法 | |
CN114662544A (zh) | 基于ckf的色谱峰估计方法、系统、存储介质及计算机设备 | |
CN114047475A (zh) | 基于多维标度法简化代价函数的到达时间差迭代定位方法 | |
Akkar et al. | Linear ESPRIT-like algorithms for fast directions of arrival estimation with real structure | |
CN113552533A (zh) | 一种空间谱估计方法、装置、电子设备及存储介质 | |
CN111880167A (zh) | 一种基于先随机后优化的波达方向估计方法 | |
CN106202892B (zh) | 一种基于噪声子空间单一矢量的快速doa估计算法 | |
CN115712104A (zh) | 目标散射中心的提取方法、装置及电子设备 |
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 |