CN115421115A - 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 - Google Patents
一种用于联合相位校正与isar成像的重赋权交替方向乘子法 Download PDFInfo
- Publication number
- CN115421115A CN115421115A CN202210564867.4A CN202210564867A CN115421115A CN 115421115 A CN115421115 A CN 115421115A CN 202210564867 A CN202210564867 A CN 202210564867A CN 115421115 A CN115421115 A CN 115421115A
- Authority
- CN
- China
- Prior art keywords
- matrix
- phase correction
- imaging
- target
- isar imaging
- 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.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 107
- 238000012937 correction Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000008878 coupling Effects 0.000 claims abstract description 9
- 238000010168 coupling process Methods 0.000 claims abstract description 9
- 238000005859 coupling reaction Methods 0.000 claims abstract description 9
- 239000000654 additive Substances 0.000 claims abstract description 7
- 230000000996 additive effect Effects 0.000 claims abstract description 7
- 238000012804 iterative process Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000006835 compression Effects 0.000 claims abstract description 4
- 238000007906 compression Methods 0.000 claims abstract description 4
- 230000008030 elimination Effects 0.000 claims abstract description 4
- 238000003379 elimination reaction Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 101100533306 Mus musculus Setx gene Proteins 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 2
- 239000002023 wood Substances 0.000 claims description 2
- 230000007850 degeneration Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception 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
- G01S7/41—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
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9064—Inverse SAR [ISAR]
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达信号处理技术技术领域，尤其涉及一种用于联合相位校正与ISAR成像的重赋权交替方向乘子法。本发明包括以下步骤：步骤s1，雷达发射线性调频信号并接收回波信号，采用Dechirp处理回波信号以降低采样频率；步骤s2，对回波信号进行消除RVP项和去斜处理后，进行距离压缩以得到目标的高分辨距离像；步骤s3，在稀疏孔径和加性复高斯白噪声的影响下，利用高分辨距离像的矩阵形式构建联合相位校正与ISAR成像的信号模型；步骤s4，根据模式耦合稀疏结构信息构建重赋权l1范数最小化问题；步骤s5，利用最小熵方法估算相位误差，利用RADMM实现联合相位校正与ISAR成像的迭代过程，通过2次重赋权处理进一步提高在噪声和稀疏孔径条件下两者的联合处理效率和成像性能。
Description
技术领域
本发明涉及雷达信号处理技术领域，尤其涉及一种用于联合相位校正与 ISAR成像的重赋权交替方向乘子法。
背景技术
作为一种可以获取非合作目标精细化特征的感知手段，逆合成孔径雷达 (ISAR)凭借其远距离、高分辨、全天时和全天候探测等优势，在战略预警、空间监视等军事和民用领域发挥着重要作用。通过发射宽带信号和增加目标相对于雷达视线(RLOS)方向的转角，可以同时获得运动目标在距离和方位向的高分辨二维图像，有助于后续目标的分类与识别。然而，雷达在分时工作模式和强噪声干扰造成接收的目标回波出现脉冲不完整的现象，称为稀疏孔径，使得传统距离多普勒(RD)算法的成像结果中混有高旁瓣和光栅波瓣，大大降低了目标的分辨率和可读性，无法满足现实成像需求。
随着压缩感知理论的广泛应用，结合目标在成像平面满足稀疏性机理的假设，稀疏孔径条件下的ISAR成像问题获得了有益的解决途径。通过利用目标回波的稀疏信息，许多性能优异的稀疏重构算法被提出，例如正交匹配追踪(OMP)算法、平滑l0范数(SL0)算法、稀疏贝叶斯学习(SBL)算法等，有效地克服了ISAR 图像中的旁瓣干扰，但在稀疏成像之前还需要解决目标回波的平动补偿问题。在稀疏孔径条件下，相邻脉冲的相关性被破坏，基于全局优化的包络对齐方法依然有效，但传统相位校正方法的性能有所下降，影响平动补偿效果。为了解决上述问题，一种联合成像与相位误差校正技术首次用于合成孔径雷达(SAR)自聚焦，该方法也易于推广至稀疏ISAR成像中运动误差的补偿。基于包络对齐已完成的假设，采用SL0与快速最小熵相位补偿(FMEPC)法实现了相位校正与ISAR成像的联合处理，但受噪声影响较大；一种交替方向迭代收缩阈值算法(ADI-STA) 也被提出实现了随机步进频ISAR的相位补偿与图像聚焦，但未考虑稀疏孔径对成像质量的影响。此外，上述联合处理过程中并未考虑目标成像结果的结构特征，该模式耦合稀疏结构(PCSS)信息被验证可以进一步提高目标的成像质量。
中国专利公开号：CN110308446A。公开了一种ISAR图像最小熵相位校正方法及高精度相位补偿方法，虽然在现有技术上述对图像熵方法进行了优化，然而在实际应用中运算量偏大，要应用到实时ISAR成像中依然存在困难。
由此可见，上述方案存在以下问题：无法在充分考虑目标回波的PCSS信息的基础上实现联合相位校正与ISAR成像的迭代过程以提升成像性能和联合处理效率。
发明内容
为此，本发明提供一种用于联合相位校正与ISAR成像的重赋权交替方向乘子法。在充分考虑目标回波的PCSS信息后本专利提出重赋权交替方向乘子法 (RADMM)用于解决相位校正与ISAR成像的联合处理问题。通过构建的重赋权l1范数最小化问题并使用最小熵方法高效、准确地估计相位误差，使得RADMM算法实现联合相位校正与ISAR成像的迭代过程以提升成像性能和联合处理效率。
为实现上述目的，本发明提供一种用于联合相位校正与ISAR成像的重赋权交替方向乘子法。本发明的具体方案如下：
步骤s1，雷达发射线性调频信号并接收回波信号，采用Dechirp处理方式对接收到的回波信号进行处理以降低回波信号的采样频率；
步骤s2，对所述回波信号进行消除RVP项和去斜处理后，进行距离压缩以得到目标的高分辨距离像；
步骤s3，在稀疏孔径和加性复高斯白噪声的影响下，利用高分辨距离像的矩阵形式构建联合相位校正与ISAR成像的信号模型；
步骤s4，根据模式耦合稀疏结构信息设计权重因子并构建重赋权l1范数最小化问题；
步骤s5，利用最小熵方法估算相位误差，推导出RADMM算法实现联合相位校正与ISAR成像的迭代过程。
进一步地，在所述步骤s2中，通过式(1)计算所述目标的高分辨距离像S(fr,tm)：
其中，Kσ为目标散射点的个数，c为光速，λ为雷达波长，Tp为脉冲宽度，γ为调频斜率，fr为距离频率，tm为慢时间，σi为第i个散射点的散射系数， sinc(u)＝sin(πu)/(πu)，
为Dechirp处理过程中目标瞬时距离Ri(tm)与参考距离Rref的差值，设定
进一步地，所述Ri(tm)包括目标的平动分量与转动分量两部分，设定 Ri(tm)≈R0+RT(tm)+xisin(ωtm)+yicos(ωtm)，其中，R0为雷达到目标的初始距离，RT(tm)为瞬时平动距离，(xi,yi)为目标第i个散射点的初始坐标，ω为目标的角速度；在短CPI中设定所述参考距离Rref＝R0，此时设定
进一步地，在所述步骤s2中，通过式(2)计算所述目标在包络对齐的前提下的高分辨距离像：
其中，
第一个相位项为成像所需的多普勒项，第二个相位项为目标平动产生的误差项，记为
进一步地，在所述步骤s3中，在稀疏孔径条件下，结合加性复高斯白噪声将所述式(2)转化为矩阵形式以构建联合相位校正与ISAR成像的信号模型，该模型如式(3)所示：
S＝EΦX+N (3)
其中，S为噪声情况下包含相位误差的HRRP矩阵，设定
X为待重构的ISAR成像矩阵,设定
N为噪声矩阵，设定
Φ为方位向感知矩阵，设定
Φ＝DF，D为方位向欠采样矩阵，按行对M阶单位矩阵进行抽取所得，设定
F为方位向稀疏基矩阵，设定
p,q＝1,2,L,M；E为相位误差矩阵，设定
为相位误差向量，设定
N为距离单元数，M为方位单元数(脉冲数)，L为稀疏孔径包含的脉冲数。
进一步地，在所述步骤s4中，充分利用成像结果中模式耦合稀疏结构信息以设计权重因子并构建重赋权l1范数最小化问题，该问题如式(4)所示：
其中，μ为正则化参数；
为全1矩阵；
为与X相关的权重矩阵；||·||1和||·||F分别表示计算矩阵的l1和Frobenius范数；“e”表示Hadamard 积。
进一步地，引入辅助变量Z以优化所述重赋权l1范数最小化问题，构建优化问题计算公式如式(5)所示：
所述构建优化问题计算公式中的增广拉格朗日函数如式(6)所示：
其中，V为拉格朗日乘子，设定
ρ为惩罚参数。
进一步地，在所述步骤s5中RADMM算法的求解计算公式如式(7)所示：
其中，t＝0,1,L为迭代次数。
进一步地，所述Xt+1的一阶导数结果如式(8)所示：
Xt+1＝(ΦHΦ+ρIM)-1(ΦHEHS+ρZt-Vt) (8)
其中，IM为M阶单位矩阵；
避免每次更新所述Xt+1都进行矩阵求逆运算，利用伍德伯里矩阵恒等式设定：(ΦHΦ+ρIM)-1＝ρ-1(IM-(ρ+1)-1ΦHΦ)，则所述Xt+1子优化计算公式如式(9)所示：
Xt+1＝Zt-ρ-1Vt-(ρ+1)-1(ΦHΦ(Zt-ρ-1Vt)-ΦHEHS) (9)
设定U＝(W+1)eZ以优化所述Zt+1，所述Ut+1的子优化计算公式如式(10)所示：
其中，(·)(-1)表示矩阵所有元素的-1次幂；
所述Ut+1在二阶泰勒展开近似后采用软阈值函数进行求解结果如式(11)所示：
其中，
τ为常数，ξ为阈值ξ＝μ/(ρτ)；
所述Zt+1的子优化更新形式如式(12)所示：
Zt+1＝(W+1)(-1)e Ut+1 (12)。
进一步地，在所述步骤s5中利用最小熵方法估算相位误差，所述相位误差向量
的计算公式如式(13)所示：
其中，angle{·}表示取角运算；
所述相位误差矩阵
的计算公式为：
所述权重矩阵W在第k次重赋权下与前一次赋权得到的所述成像矩阵X结合，在矩阵Wk中第(n,m)个元素
的计算公式如式(14)所示：
其中，Ω:p,q∈{-1,0,1},p2+q2≠0，βk-1为第k-1次重赋权下的耦合参数，为使所述
的分母有意义将ε设定为很小的正数，
为第k-1次重赋权下得到的Xk-1中第(n,m)个元素，重赋权次数k＝0,1,2,L，设定k＝0时，Wk＝0， RADMM退化为ADMM。
与现有技术相比，本发明的有益效果在于充分考虑目标的PCSS信息并将目标回波的PCSS信息融入稀疏重构问题并构建的重赋权l1范数最小化问题，通过最小熵方法高效、准确地估计相位误差，采用RADMM算法实现联合相位校正与ISAR成像的迭代过程，通过2次重赋权处理进一步提高了两者的联合处理性能和处理结果的成像质量，本算法在噪声和稀疏孔径条件下具有较好的成像性能与联合处理效率。
附图说明
图1为本发明所述用于联合相位校正与ISAR成像的重赋权交替方向乘子法的流程图；
图2为两组回波数据包络对齐前后的HRRP成像结果；
图3为使用SL0、OMP与RADMM三种算法用于相位校正与ISAR成像联合处理后的成像结果示意图；
图4为同一稀疏孔径脉冲数和不同信噪比条件下不同算法成像结果的平均 IE和IC曲线示意图；
图5为同一信噪比和不同稀疏孔径脉冲数条件下不同算法成像结果的平均 IE和IC曲线示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
请参阅图1所示，其为本发明所述用于联合相位校正与ISAR成像的重赋权交替方向乘子法的流程图。本发明所述一种用于联合相位校正与ISAR成像的重赋权交替方向乘子法包括：
步骤s1，雷达发射线性调频信号并接收回波信号，采用Dechirp处理方式对接收到的回波信号进行处理以降低回波信号的采样频率；
步骤s2，对所述回波信号进行消除RVP项和去斜处理后，进行距离压缩以得到目标的高分辨距离像；
步骤s3，在稀疏孔径和加性复高斯白噪声的影响下，利用高分辨距离像的矩阵形式构建联合相位校正与ISAR成像的信号模型；
步骤s4，根据模式耦合稀疏结构信息设计权重因子并构建重赋权l1范数最小化问题；
步骤s5，利用最小熵方法估算相位误差，推导出RADMM算法实现联合相位校正与ISAR成像的迭代过程。
进一步地，在所述步骤s2中，通过式(1)计算所述目标的高分辨距离像 S(fr,tm)：
其中，Kσ为目标散射点的个数，c为光速，λ为雷达波长，Tp为脉冲宽度，γ为调频斜率，fr为距离频率，tm为慢时间，σi为第i个散射点的散射系数， sinc(u)＝sin(πu)/(πu)，
为Dechirp处理过程中目标瞬时距离Ri(tm)与参考距离Rref的差值，设定
进一步地，Ri(tm)包括目标的平动分量与转动分量两部分，设定Ri(tm)≈R0+RT(tm)+xisin(ωtm)+yicos(ωtm)，其中，R0为雷达到目标的初始距离，RT(tm)为瞬时平动距离，(xi,yi)为目标第i个散射点的初始坐标，ω为目标的角速度；在短CPI中设定所述参考距离Rref＝R0，此时设定
本发明在所述步骤s2中，通过式(2)计算所述目标在包络对齐的前提下的高分辨距离像：
其中，
第一个相位项为成像所需的多普勒项，第二个相位项为目标平动产生的误差项，记为
本发明在所述步骤s3中，在稀疏孔径条件下，结合加性复高斯白噪声将所述式(2)转化为矩阵形式以构建联合相位校正与ISAR成像的信号模型，该模型如式(3)所示：
S＝EΦX+N (3)
其中，S为噪声情况下包含相位误差的HRRP矩阵，设定
X为待重构的ISAR成像矩阵,设定
N为噪声矩阵，设定
Φ为方位向感知矩阵，设定
Φ＝DF，D为方位向欠采样矩阵，按行对M阶单位矩阵进行抽取所得，设定
F为方位向稀疏基矩阵，设定
p,q＝1,2,L,M；E为相位误差矩阵，设定
为相位误差向量，设定
N为距离单元数，M为方位单元数(脉冲数)，L为稀疏孔径包含的脉冲数。
本发明在所述步骤s4中，充分利用成像结果中模式耦合稀疏结构信息以设计权重因子并构建重赋权l1范数最小化问题，该问题如式(4)所示：
其中，μ为正则化参数；
为全1矩阵；
为与X相关的权重矩阵；||·||1和||·||F分别表示计算矩阵的l1和Frobenius范数；“e”表示Hadamard 积。
进一步地，引入辅助变量Z以优化所述重赋权l1范数最小化问题，构建优化问题计算公式如式(5)所示：
所述构建优化问题计算公式中的增广拉格朗日函数如式(6)所示：
其中，V为拉格朗日乘子，设定
ρ为惩罚参数。
本发明在所述步骤s5中RADMM算法的求解计算公式如式(7)所示：
其中，t＝0,1,L为迭代次数。
本发明推导所述Xt+1的一阶导数结果如式(8)所示：
Xt+1＝(ΦHΦ+ρIM)-1(ΦHEHS+ρZt-Vt) (8)
其中，IM为M阶单位矩阵；
避免每次更新所述Xt+1都进行矩阵求逆运算，利用伍德伯里矩阵恒等式设定：(ΦHΦ+ρIM)-1＝ρ-1(IM-(ρ+1)-1ΦHΦ)，则所述Xt+1子优化计算公式如式(9)所示：
Xt+1＝Zt-ρ-1Vt-(ρ+1)-1(ΦHΦ(Zt-ρ-1Vt)-ΦHEHS) (9)
设定U＝(W+1)e Z以优化所述Zt+1，所述Ut+1的子优化计算公式如式(10)所示：
其中，(·)(-1)表示矩阵所有元素的-1次幂；
所述Ut+1在二阶泰勒展开近似后采用软阈值函数进行求解结果如式(11)所示：
其中，
τ为常数，ξ为阈值ξ＝μ/(ρτ)；
所述Zt+1的子优化更新形式如式(12)所示：
Zt+1＝(W+1)(-1)e Ut+1 (12)。
进一步地，在所述步骤s5中本发明利用最小熵方法估算相位误差，所述相位误差向量
的计算公式如式(13)所示：
其中，angle{·}表示取角运算；
所述相位误差矩阵
的计算公式为：
所述权重矩阵W在第k次重赋权下与前一次赋权得到的所述成像矩阵X结合，在矩阵Wk中第(n,m)个元素
的计算公式如式(14)所示：
其中，Ω:p,q∈{-1,0,1},p2+q2≠0，βk-1为第k-1次重赋权下的耦合参数，为使所述
的分母有意义将ε设定为很小的正数，
为第k-1次重赋权下得到的Xk-1中第(n,m)个元素，重赋权次数k＝0,1,2,L，设定k＝0时，Wk＝0， RADMM退化为ADMM。
进一步地，本发明为了分析目标成像性能，采用图像熵(IE)和图像对比度 (IC)这两个指标来评价成像结果的质量。预设两组主要参数，data1的主要参数为：载频位于S波段、带宽100MHz、脉冲重复频率410Hz、脉冲宽度200μs， HRRP矩阵的维数为600×256；data2的主要参数为：载频5.52GHz、带宽400MHz、脉冲重复频率400Hz、脉冲宽度25.6μs，HRRP矩阵的维数为256×256。通过在两组回波数据中人为加入复高斯白噪声使其信噪比为5dB并随机抽取128个脉冲用于稀疏成像，通过全局最小熵方法得到包络对齐后的HRRP，其结果如图2所示,图中，(a)为data1的原始HRRP成像结果；(b)为data1对齐的HRRP成像结果；(c)为data2的原始HRRP成像结果；(d)为data2对齐的HRRP成像结果。
进一步地，本发明依次获取了SL0、OMP与RADMM三种算法用于相位校正与 ISAR成像联合处理后的成像结果，其结果如图3所示，图中，(a)为SL0在data1 的成像结果；(b)为OMP在data1的成像结果；(c)为RADMM在data1的成像结果； (d)为SL0在data2的成像结果；(e)为OMP在data2的成像结果；(f)为RADMM 在data2的成像结果。由图3成像结果可知，SL0和OMP两种算法受噪声的影响相对于RADMM算法较大导致出现成像分辨率较低、图像的聚焦性较差的问题，同时表明成像结果中存在剩余相位误差，相对而言，RADMM通过2次重赋权处理，在充分利用目标的PCSS信息的基础上进一步提高了联合处理结果的成像质量，
所述图2和图3均为所述两组回波数据的仿真成像结果，所述回波数据具有不同的回波信号强度，所述不同的回波信号强度在所述仿真成像结果中呈现出不同的颜色，所述不同的颜色在本发明具体实施例中统一采用白色，并对白色回波信号的信号强度范围进行限定，所述图2(a)、(b)、(c)和(d)的回波信号的信号强度的限定范围为0.27dB～0.77dB；所述图3(a)、(b)和(c)的回波信号的信号强度的限定范围为-29.06dB～-9.06dB；所述图3(d)、(e)和(f)的回波信号的信号强度的限定范围为-21.86dB～-6.9dB。
本发明为增加性能验证的可信度，采用蒙特卡洛方法进一步比较不同算法在用于相位校正与ISAR成像联合处理时的成像性能。预设稀疏孔径的脉冲数为128，在两组回波数据中人为加入复高斯白噪声产生不同的信噪比，每个信噪比下进行100次试验，记录并统计不同算法成像结果的平均IE和IC曲线如图4所示，图中，“ADMM”、“RADMM(1)”和“RADMM(2)”分别表示重赋权次数为0、1和2， (a)为data1的IE曲线；(b)为data1的IC曲线；(c)为data2的IE曲线；(d) 为data2的IC曲线。由图4可知，ADMM性能优于SL0和OMP，结果表明在考虑目标的PCSS信息后，RADMM算法进一步提高了目标的成像性能和质量，且1次和2次重赋权处理差别较小，
所述图4显示为在同一信噪比的条件下，所述SL0、OMP、ADMM、RADMM(1) 和RADMM(2)算法用于相位校正与ISAR成像联合处理后成像结果图像熵的大小关系为：SL0/OMP＞ADMM＞RADMM(1)/RADMM(2)；所述SL0、OMP、ADMM、RADMM(1) 和RADMM(2)算法用于相位校正与ISAR成像联合处理后成像结果图像对比度的大小关系为：SL0/OMP＜ADMM＜RADMM(1)/RADMM(2)；所述RADMM(1)和RADMM(2)算法用于相位校正与ISAR成像联合处理后成像结果的图像熵和图像对比度的差异均比较小。
进一步地，本发明预设两组回波数据的信噪比为10dB，控制稀疏孔径的脉冲数以16为间隔从80变化到176，记录并统计在不同脉冲下100次试验的平均 IE和IC曲线如图5所示，(a)为data1的IE曲线；(b)为data1的IC曲线；(c) 为data2的IE曲线；(d)为data2的IC曲线。由图5可知，本发明所提出的RADMM 算法在不同稀疏孔径条件下具有最优的成像性能和质量，
所述图5显示为在同一稀疏孔径的脉冲数的条件下，所述SL0、OMP、ADMM、 RADMM(1)和RADMM(2)算法用于相位校正与ISAR成像联合处理后成像结果图像熵的大小关系为：SL0/OMP＞ADMM＞RADMM(1)/RADMM(2)；所述SL0、OMP、ADMM、 RADMM(1)和RADMM(2)算法用于相位校正与ISAR成像联合处理后成像结果图像对比度的大小关系为：SL0/OMP＜ADMM＜RADMM(1)/RADMM(2)；所述RADMM(1)和 RADMM(2)算法用于相位校正与ISAR成像联合处理后成像结果的图像熵和图像对比度的差异均比较小。
进一步地，本发明统计在不同信噪比下用于相位校正与ISAR成像的平均联合处理时间并比较不同算法的联合处理效率。对于data1，上述5种算法的联合处理时间分别为2.74、4.32、0.13、0.24和0.34(单位：s)；对于data2，上述5种算法的联合处理时间分别为12.60、25.23、0.87、1.15和1.35(单位：s)。由此结果可见，本发明所提RADMM算法在满足实时ISAR成像需求的同时，进一步提升联合处理效率。
Claims (10)
1.一种用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，包括以下步骤：
步骤s1，雷达发射线性调频信号并接收回波信号，采用Dechirp处理方式对接收到的回波信号进行处理以降低回波信号的采样频率；
步骤s2，对所述回波信号进行消除RVP项和去斜处理后，进行距离压缩以得到目标的高分辨距离像；
步骤s3，在稀疏孔径和加性复高斯白噪声的影响下，利用高分辨距离像的矩阵形式构建联合相位校正与ISAR成像的信号模型；
步骤s4，根据模式耦合稀疏结构信息设计权重因子并构建重赋权l1范数最小化问题；
步骤s5，利用最小熵方法估算相位误差，推导出RADMM算法实现联合相位校正与ISAR成像的迭代过程。
2.根据权利要求1所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，在所述步骤s2中，通过式(1)计算所述目标的高分辨距离像S(fr,tm)：
其中，Kσ为目标散射点的个数，c为光速，λ为雷达波长，Tp为脉冲宽度，γ为调频斜率，fr为距离频率，tm为慢时间，σi为第i个散射点的散射系数，sinc(u)＝sin(πu)/(πu)，
为Dechirp处理过程中目标瞬时距离Ri(tm)与参考距离Rref的差值，设定
3.根据权利要求2所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，所述Ri(tm)包括目标的平动分量与转动分量两部分，设定Ri(tm)≈R0+RT(tm)+xisin(ωtm)+yicos(ωtm)，其中，R0为雷达到目标的初始距离，RT(tm)为瞬时平动距离，(xi,yi)为目标第i个散射点的初始坐标，ω为目标的角速度；在短CPI中设定所述参考距离Rref＝R0，此时设定
4.根据权利要求1所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，在所述步骤s2中，通过式(2)计算所述目标在包络对齐的前提下的高分辨距离像：
其中，
第一个相位项为成像所需的多普勒项，第二个相位项为目标平动产生的误差项，记为
5.根据权利要求1所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，在所述步骤s3中，在稀疏孔径条件下，结合加性复高斯白噪声将所述式(2)转化为矩阵形式以构建联合相位校正与ISAR成像的信号模型，该模型如式(3)所示：
S＝EΦX+N (2)
其中，S为噪声情况下包含相位误差的HRRP矩阵，设定
X为待重构的ISAR成像矩阵,设定
N为噪声矩阵，设定
Φ为方位向感知矩阵，设定
Φ＝DF，D为方位向欠采样矩阵，按行对M阶单位矩阵进行抽取所得，设定
F为方位向稀疏基矩阵，设定
p,q＝1,2,L,M；E为相位误差矩阵，设定
为相位误差向量，设定
N为距离单元数，M为方位单元数(脉冲数)，L为稀疏孔径包含的脉冲数。
6.根据权利要求1所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，在所述步骤s4中，充分利用成像结果中模式耦合稀疏结构信息以设计权重因子并构建重赋权l1范数最小化问题，该问题如式(4)所示：
其中，μ为正则化参数；
为全1矩阵；
为与X相关的权重矩阵；||·||1和||·||F分别表示计算矩阵的l1和Frobenius范数；“e”表示Hadamard积。
7.根据权利要求6所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，引入辅助变量Z以优化所述重赋权l1范数最小化问题，构建优化问题计算公式如式(5)所示：
所述构建优化问题计算公式中的增广拉格朗日函数如式(6)所示：
其中，V为拉格朗日乘子，设定
ρ为惩罚参数。
8.根据权利要求1所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，在所述步骤s5中RADMM算法的求解计算公式如式(7)所示：
其中，t＝0,1,L为迭代次数。
9.根据权利要求8所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，所述Xt+1的一阶导数结果如式(8)所示：
Xt+1＝(ΦHΦ+ρIM)-1(ΦHEHS+ρZt-Vt) (8)
其中，IM为M阶单位矩阵；
避免每次更新所述Xt+1都进行矩阵求逆运算，利用伍德伯里矩阵恒等式设定：
(ΦHΦ+ρIM)-1＝ρ-1(IM-(ρ+1)-1ΦHΦ)，则所述Xt+1子优化计算公式如式(9)所示：
Xt+1＝Zt-ρ-1Vt-(ρ+1)-1(ΦHΦ(Zt-ρ-1Vt)-ΦHEHS) (9)
设定U＝(W+1)e Z以优化所述Zt+1，所述Ut+1的子优化计算公式如式(10)所示：
其中，(·)(-1)表示矩阵所有元素的-1次幂；
所述Ut+1在二阶泰勒展开近似后采用软阈值函数进行求解结果如式(11)所示：
其中，
τ为常数，ξ为阈值ξ＝μ/(ρτ)；
所述Zt+1的子优化更新形式如式(12)所示：
Zt+1＝(W+1)(-1)e Ut+1 (12)。
10.根据权利要求1所述的用于联合相位校正与ISAR成像的重赋权交替方向乘子法，其特征在于，在所述步骤s5中利用最小熵方法估算相位误差，所述相位误差向量
的计算公式如式(13)所示：
其中，angle{·}表示取角运算；
所述相位误差矩阵
的计算公式为：
所述权重矩阵W在第k次重赋权下与前一次赋权得到的所述成像矩阵X结合，在矩阵Wk中第(n,m)个元素
的计算公式如式(14)所示：
其中，Ω:p,q∈{-1,0,1},p2+q2≠0，βk-1为第k-1次重赋权下的耦合参数，为使所述
的分母有意义将ε设定为很小的正数，
为第k-1次重赋权下得到的Xk-1中第(n,m)个元素，重赋权次数k＝0,1,2,L，设定k＝0时，Wk＝0，RADMM退化为ADMM。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210564867.4A CN115421115B (zh) | 2022-05-23 | 2022-05-23 | 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210564867.4A CN115421115B (zh) | 2022-05-23 | 2022-05-23 | 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115421115A true CN115421115A (zh) | 2022-12-02 |
| CN115421115B CN115421115B (zh) | 2024-06-11 |
Family
ID=84196178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210564867.4A Active CN115421115B (zh) | 2022-05-23 | 2022-05-23 | 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115421115B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116540203A (zh) * | 2023-07-04 | 2023-08-04 | 西安电子科技大学 | 基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109061642A (zh) * | 2018-07-13 | 2018-12-21 | 电子科技大学 | 一种贝叶斯迭代重加权稀疏自聚焦阵列sar成像方法 |
| CN110275166A (zh) * | 2019-07-12 | 2019-09-24 | 中国人民解放军国防科技大学 | 基于admm的快速稀疏孔径isar自聚焦与成像方法 |
| CN110703249A (zh) * | 2019-11-05 | 2020-01-17 | 中国民航大学 | 稳健高效合成孔径雷达多元特征增强成像方法 |
| CN111900994A (zh) * | 2020-06-24 | 2020-11-06 | 中国人民解放军空军预警学院雷达士官学校 | 一种基于迭代重赋权的块稀疏信号重构方法 |
| CN111948652A (zh) * | 2020-07-17 | 2020-11-17 | 北京理工大学 | 一种基于深度学习的sar智能参数化超分辨成像方法 |
| CN112099008A (zh) * | 2020-09-16 | 2020-12-18 | 中国人民解放军国防科技大学 | 基于cv-admmn的sa-isar成像与自聚焦方法 |
-
2022
- 2022-05-23 CN CN202210564867.4A patent/CN115421115B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109061642A (zh) * | 2018-07-13 | 2018-12-21 | 电子科技大学 | 一种贝叶斯迭代重加权稀疏自聚焦阵列sar成像方法 |
| CN110275166A (zh) * | 2019-07-12 | 2019-09-24 | 中国人民解放军国防科技大学 | 基于admm的快速稀疏孔径isar自聚焦与成像方法 |
| CN110703249A (zh) * | 2019-11-05 | 2020-01-17 | 中国民航大学 | 稳健高效合成孔径雷达多元特征增强成像方法 |
| CN111900994A (zh) * | 2020-06-24 | 2020-11-06 | 中国人民解放军空军预警学院雷达士官学校 | 一种基于迭代重赋权的块稀疏信号重构方法 |
| CN111948652A (zh) * | 2020-07-17 | 2020-11-17 | 北京理工大学 | 一种基于深度学习的sar智能参数化超分辨成像方法 |
| CN112099008A (zh) * | 2020-09-16 | 2020-12-18 | 中国人民解放军国防科技大学 | 基于cv-admmn的sa-isar成像与自聚焦方法 |
Non-Patent Citations (3)
| Title |
|---|
| SHUANGHUI ZHANG: "Autofocusing for Sparse Aperture ISAR Imaging Based on Joint Constraint of Sparsity and Minimum Entropy", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》, 31 March 2017 (2017-03-31), pages 998 - 1011 * |
| XU WEI: "Two-dimensional reweighted alternating direction method of multipliers for inverse synthetic aperture radar imaging with pattern-coupled sparse structure", 《JOURNAL OF APPLIED REMOTE SENSING》, 31 December 2021 (2021-12-31), pages 1 - 16 * |
| 杨磊;李埔丞;李慧娟;方澄;: "稳健高效通用SAR图像稀疏特征增强算法", 电子与信息学报, no. 12, 15 December 2019 (2019-12-15), pages 37 - 46 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116540203A (zh) * | 2023-07-04 | 2023-08-04 | 西安电子科技大学 | 基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法 |
| CN116540203B (zh) * | 2023-07-04 | 2023-09-22 | 西安电子科技大学 | 基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115421115B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109100718B (zh) | 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法 | |
| CN111142105B (zh) | 复杂运动目标isar成像方法 | |
| Zhang et al. | High-resolution ISAR imaging by exploiting sparse apertures | |
| CN103901429B (zh) | 基于稀疏孔径的机动目标逆合成孔径雷达成像方法 | |
| CN104950306B (zh) | 一种海杂波背景下前视海面目标角超分辨成像方法 | |
| CN103616687B (zh) | 分段线性估计的多项式拟合isar包络对齐方法 | |
| CN104950305B (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
| CN110726992B (zh) | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 | |
| CN104536000A (zh) | 一种实波束扫描雷达角超分辨方法 | |
| CN115453528B (zh) | 基于快速sbl算法实现分段观测isar高分辨成像方法及装置 | |
| Xu et al. | Maneuvering target imaging and scaling by using sparse inverse synthetic aperture | |
| 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 | |
| Yang et al. | Fast generation of deceptive jamming signal against space-borne SAR | |
| CN116413662B (zh) | 基于深度展开网络的合成孔径雷达射频干扰抑制方法 | |
| Wu et al. | SAR imaging from azimuth missing raw data via sparsity adaptive StOMP | |
| Jiang et al. | SAR imaging method for moving target with azimuth missing data | |
| CN107831473A (zh) | 基于高斯过程回归的距离‑瞬时多普勒图像序列降噪方法 | |
| CN111681272B (zh) | 一种基于奇异性功率谱的sar图像处理方法 | |
| CN113484859B (zh) | 一种基于融合技术的二维超分辨雷达成像方法 | |
| CN115421115A (zh) | 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 | |
| Tian et al. | Low-Complexity Iterative Adaptive Approach Based on Range–Doppler Matched Filter Outputs | |
| CN112946644B (zh) | 基于最小化卷积加权l1范数的稀疏孔径ISAR成像方法 | |
| CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
| CN113608218A (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
| Wei et al. | Translational motion compensation for ISAR imaging based on range joint fast orthogonal matching pursuit algorithm |
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 |