CN116449369B - 一种基于多范数约束的逆合成孔径雷达成像方法 - Google Patents
一种基于多范数约束的逆合成孔径雷达成像方法 Download PDFInfo
- Publication number
- CN116449369B CN116449369B CN202310714284.XA CN202310714284A CN116449369B CN 116449369 B CN116449369 B CN 116449369B CN 202310714284 A CN202310714284 A CN 202310714284A CN 116449369 B CN116449369 B CN 116449369B
- Authority
- CN
- China
- Prior art keywords
- matrix
- iteration
- steps
- imaging
- representing
- 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 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 230000006835 compression Effects 0.000 claims abstract description 4
- 238000007906 compression Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- 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]
-
- 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
- G01S13/9004—SAR image acquisition techniques
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
本发明公开了一种基于多范数约束的逆合成孔径雷达成像方法,涉及雷达成像技术领域,其包括以下步骤:将接收到的回波信号进行距离压缩、包络对齐和相位补偿,得到处理后的数据;将处理后的数据通过基于多范数的改进的广义正交匹配追踪算法进行重构,得到重构信号;对重构信号进行成像。本发明通过引入多范数约束改进了广义正交匹配追踪算法,可以加速逆合成孔径雷达成像收敛,可快速找到变异数据的最优值,运算速度快,且在复杂成像条件下,有效改善噪声干扰明显,成像效果欠佳的问题,进一步提高成像精度,增强抗噪能力。
Description
技术领域
本发明涉及雷达成像技术领域,具体涉及一种基于多范数约束的逆合成孔径雷达成像方法。
背景技术
逆合成孔径雷达成像过程是运动目标相对于雷达的二维高分辨率成像。在实际成像过程中存在相干处理时间短、回波数据缺失等问题,严重影响成像效果。采用压缩感知技术进行雷达成像能有效改善上述问题对成像效果的影响,由于压缩感知技术可以在远小于奈奎斯特采样率(Nyquist Sampling Rate)的条件下获取信号的离散样本,从而保证信号的无失真重建。
围绕压缩感知技术的核心思想是范数理论基于回波信号的稀疏特性,突破了传统奈奎斯特(Nyquist)采样方法的局限性。科研人员在此理论的基础上提出了正交匹配追踪和广义正交匹配追踪算法,若直接采用这两种算法进行雷达成像,则会出现收敛速度慢、易受噪声干扰等问题。与正交匹配追踪算法相比,广义正交匹配追踪算法在保证优化相同的前提下降低了计算复杂度,有利于实时处理算法的实现。但广义正交匹配追踪算法在局部数据缺失或突变的情况下,难以搜索优化,影响计算精度。因为算法中最小值求解的依据是以其他凸优化等价为/>范数非凸优化,当数据发生突变时,迭代过程中误差过大,无法快速收敛到最优值,导致运算速度慢,收敛精度低,严重影响成像效果。
发明内容
针对现有技术中的上述不足,本发明提供的基于多范数约束的逆合成孔径雷达成像方法解决了在缺少回波数据的情况下成像效果较差、收敛精度低且计算量大的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供了一种基于多范数约束的逆合成孔径雷达成像方法包括以下步骤:
S1、将接收到的回波信号进行距离压缩、包络对齐和相位补偿,得到处理后的数据;
S2、将处理后的数据通过基于多范数的改进的广义正交匹配追踪算法进行重构,得到重构信号;
S3、对重构信号进行成像。
进一步地,步骤S2的子步骤如下:
S2-1、将残差初始值记为观测向量/>;将传感矩阵/>的初始集合/>记为空集;将初始索引集合/>记为元素全为1的集合;将迭代次数/>的初始值记为1;
S2-2、根据公式:
得到第次迭代对应的矩阵/>;获取矩阵/>中最大的/>个元素,以及该/>个元素对应的序列号,将/>个元素对应的序列号构成集合/>;其中,/>表示传感矩阵/>的转置矩阵,表示迭代次数,/>表示在迭代次数为/>的残差,/>函数表示取绝对值;
S2-3、根据公式:
得到第次迭代的索引集合/>和第t次迭代的传感矩阵/>的集合/>;其中,/>表示第/>次迭代的索引集合,/>表示第/>次迭代的传感矩阵/>的集合,/>表示根据集合/>对应的当前传感矩阵/>的数据的集合;
S2-4、根据公式:
,/>
获取对应的最小二乘解和稀疏系数/>;其中,/>表示第/>次迭代的观测向量,/>表示第/>次迭代的稀疏估计系数,/>表示观测矩阵,/>表示变换矩阵,/>表示稀疏估计系数,表示第/>次迭代观测向量,/>函数表示求取最小值,/>为常数,/>表示向量范数的/>次方;
S2-5、根据公式:
得到第次迭代对应的残差/>;
S2-6、将迭代次数加1,判断当前迭代次数是否小于或等于信号稀疏/>;若是则返回步骤S2-2;反之则停止迭代进入步骤S2-7;
S2-7、根据公式:
得到重构信号;其中,/>表示重构信号,/>表示变换矩阵,/>表示最新得到的稀疏系数。
本发明的有益效果为:该基于多范数约束的逆合成孔径雷达成像方法能够在回波数据确实的情况下获得良好的成像效果,可快速收敛到最优值,收敛精度高、抗噪性高且运行速度快,有利于逆合成孔径雷达实时成像。
附图说明
图1为基于多范数约束的逆合成孔径雷达成像方法的具体流程图;
图2为目标模型图;
图3为正交匹配追踪算法的成像结果图;
图4为广义正交匹配追踪算法的成像结果图;
图5为本发明提供的算法的成像结果图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于多范数约束的逆合成孔径雷达成像方法包括以下步骤:
S1、将接收到的回波信号进行距离压缩、包络对齐和相位补偿,得到处理后的数据;
S2、将处理后的数据通过基于多范数的改进的广义正交匹配追踪算法进行重构,得到重构信号;
S3、对重构信号进行成像。
步骤S2的子步骤如下:
S2-1、将残差初始值记为观测向量/>;将传感矩阵/>的初始集合/>记为空集;将初始索引集合/>记为元素全为1的集合;将迭代次数/>的初始值记为1;
S2-2、根据公式:
得到第次迭代对应的矩阵/>;获取矩阵/>中最大的/>个元素,以及该/>个元素对应的序列号,将/>个元素对应的序列号构成集合/>;其中,/>表示传感矩阵/>的转置矩阵,表示迭代次数,/>表示在迭代次数为/>的残差,/>函数表示取绝对值;
S2-3、根据公式:
得到第次迭代的索引集合/>和根据索引集合/>得到的传感矩阵/>的集合/>;其中,/>表示第/>次迭代的索引集合,/>表示根据索引集合/>得到的传感矩阵/>的集合,表示根据集合/>对应的当前传感矩阵/>的数据的集合;
S2-4、根据公式:
,/>
获取对应的最小二乘解和稀疏系数/>;其中,/>表示第/>次迭代的观测向量,/>表示第/>次迭代的稀疏估计系数,/>表示观测矩阵,/>表示变换矩阵,/>表示稀疏估计系数,表示第/>次迭代观测向量,/>函数表示求取最小值,/>为常数,/>表示向量范数的/>次方;
S2-5、根据公式:
得到第次迭代对应的残差/>;
S2-6、将迭代次数加1,判断当前迭代次数是否小于或等于信号稀疏/>;若是则返回步骤S2-2;反之则停止迭代进入步骤S2-7;
S2-7、根据公式:
得到重构信号;其中,/>表示重构信号,/>表示变换矩阵,/>表示最新得到的稀疏系数。
在本发明的一个实施例中,通过Matlab在同一仿真条件下分别用正交匹配追踪算法、广义正交匹配追踪算法以及基于多范数约束的逆合成孔径雷达成像方法提供的改进的广义正交匹配追踪算法对目标模型进行仿真。
设置以下仿真条件:调频信号中心频率为30GHz,带宽为1GHz,信号未压缩脉宽为1ms,脉冲持续时间T为10s。
在距离接收端直线距离的点目标处,令接收窗大小R为30m,信号观测数M为64,信号稀疏K为8。如图2所示,仿真目标是由多个散射点组成的飞机目标。在图2的目标场景下,分别采用正交匹配追踪算法、广义正交匹配追踪算法和基于多范数约束的改进的广义正交匹配追踪算法进行仿真,其中信噪比SNR为10dB。正交匹配追踪算法的成像结果如图3所示,噪声点多,受突变数据影响大,成像模糊。广义正交匹配追踪算法的成像结果如图4所示,噪声点较多,受突变数据影响大,成像较模糊。基于多范数约束的改进的广义正交匹配追踪算法的成像结果如图5所示,由于加入了相关约束,轮廓比图3和图4的轮廓更加清晰,且噪声点少,成像更清晰。
表1是在相同仿真条件下不同算法的结果对比。
表1
从表1可以看出,本发明提供的算法运行时间比广义正交匹配追踪算法的运行时间和广义正交匹配追踪算法的运行时间分别减少了0.083s和0.059s;本发明提供的算法的参差值比广义正交匹配追踪算法的参差值和广义正交匹配追踪算法的参差值分别减少了0.298和0.067。
综上所述,本发明通过引入多范数约束改进了广义正交匹配追踪算法,可以加速逆合成孔径雷达成像收敛,可快速找到变异数据的最优值,运算速度快,且在复杂成像条件下,有效改善噪声干扰明显,成像效果欠佳的问题,进一步提高成像精度,增强抗噪能力。
Claims (1)
1.一种基于多范数约束的逆合成孔径雷达成像方法,其特征在于:包括以下步骤:
S1、将接收到的回波信号进行距离压缩、包络对齐和相位补偿,得到处理后的数据;
S2、将处理后的数据通过基于多范数的改进的广义正交匹配追踪算法进行重构,得到重构信号;
S3、对重构信号进行成像;
所述步骤S2的子步骤如下:
S2-1、将残差初始值记为观测向量/>;将传感矩阵/>的初始集合/>记为空集;将初始索引集合/>记为元素全为1的集合;将迭代次数/>的初始值记为1;
S2-2、根据公式:
得到第次迭代对应的矩阵/>;获取矩阵/>中最大的/>个元素,以及该/>个元素对应的序列号,将/>个元素对应的序列号构成集合/>;其中,/>表示传感矩阵/>的转置矩阵,/>表示迭代次数,/>表示在迭代次数为/>的残差,/>函数表示取绝对值;
S2-3、根据公式:
得到第次迭代的索引集合/>和第t次迭代的传感矩阵/>的集合/>;其中,/>表示第次迭代的索引集合,/>表示第/>次迭代的传感矩阵/>的集合,/>表示根据集合/>对应的当前传感矩阵/>的数据的集合;
S2-4、根据公式:
,/>
获取对应的最小二乘解和稀疏系数/>;其中,/>表示第/>次迭代的观测向量,/>表示第/>次迭代的稀疏估计系数,/>表示观测矩阵,/>表示变换矩阵,/>表示稀疏估计系数,/>表示第/>次迭代观测向量,/>函数表示求取最小值,/>为常数,/>表示向量范数的次方;
S2-5、根据公式:
得到第次迭代对应的残差/>;
S2-6、将迭代次数加1,判断当前迭代次数是否小于或等于信号稀疏/>;若是则返回步骤S2-2;反之则停止迭代进入步骤S2-7;
S2-7、根据公式:
得到重构信号;其中,/>表示重构信号,/>表示变换矩阵,/>表示最新得到的稀疏系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714284.XA CN116449369B (zh) | 2023-06-16 | 2023-06-16 | 一种基于多范数约束的逆合成孔径雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714284.XA CN116449369B (zh) | 2023-06-16 | 2023-06-16 | 一种基于多范数约束的逆合成孔径雷达成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116449369A CN116449369A (zh) | 2023-07-18 |
CN116449369B true CN116449369B (zh) | 2023-08-15 |
Family
ID=87134190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310714284.XA Active CN116449369B (zh) | 2023-06-16 | 2023-06-16 | 一种基于多范数约束的逆合成孔径雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116449369B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116803344B (zh) * | 2023-07-27 | 2024-02-13 | 迈德医疗科技(深圳)有限公司 | 基于多范数聚类和双层离散网络的血糖分类方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006343290A (ja) * | 2005-06-10 | 2006-12-21 | Mitsubishi Electric Corp | 画像レーダ装置 |
CN102841350A (zh) * | 2012-09-19 | 2012-12-26 | 西北工业大学 | 机动目标压缩感知isar成像方法 |
CN103293527A (zh) * | 2013-05-15 | 2013-09-11 | 西安电子科技大学 | 基于置信框架的自适应isar成像方法 |
CN106646470A (zh) * | 2016-12-22 | 2017-05-10 | 北京建筑大学 | 基于广义正交匹配追踪的层析sar三维点云生成方法 |
CN109031295A (zh) * | 2018-07-17 | 2018-12-18 | 中国人民解放军国防科技大学 | 一种基于波程差补偿的isar图像配准方法 |
WO2020034394A1 (zh) * | 2018-08-13 | 2020-02-20 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN115015921A (zh) * | 2022-03-31 | 2022-09-06 | 中国人民解放军国防科技大学 | 一种在数据缺失下对动目标成像的方法 |
CN115079171A (zh) * | 2022-06-22 | 2022-09-20 | 青岛大学 | 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 |
CN115371730A (zh) * | 2022-08-15 | 2022-11-22 | 四川杰诺创科技有限公司 | 一种大功率回旋器件工作状态精准检测系统及方法 |
WO2023045431A1 (zh) * | 2021-09-26 | 2023-03-30 | 南京隼眼电子科技有限公司 | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 |
-
2023
- 2023-06-16 CN CN202310714284.XA patent/CN116449369B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006343290A (ja) * | 2005-06-10 | 2006-12-21 | Mitsubishi Electric Corp | 画像レーダ装置 |
CN102841350A (zh) * | 2012-09-19 | 2012-12-26 | 西北工业大学 | 机动目标压缩感知isar成像方法 |
CN103293527A (zh) * | 2013-05-15 | 2013-09-11 | 西安电子科技大学 | 基于置信框架的自适应isar成像方法 |
CN106646470A (zh) * | 2016-12-22 | 2017-05-10 | 北京建筑大学 | 基于广义正交匹配追踪的层析sar三维点云生成方法 |
CN109031295A (zh) * | 2018-07-17 | 2018-12-18 | 中国人民解放军国防科技大学 | 一种基于波程差补偿的isar图像配准方法 |
WO2020034394A1 (zh) * | 2018-08-13 | 2020-02-20 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
WO2023045431A1 (zh) * | 2021-09-26 | 2023-03-30 | 南京隼眼电子科技有限公司 | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 |
CN115015921A (zh) * | 2022-03-31 | 2022-09-06 | 中国人民解放军国防科技大学 | 一种在数据缺失下对动目标成像的方法 |
CN115079171A (zh) * | 2022-06-22 | 2022-09-20 | 青岛大学 | 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 |
CN115371730A (zh) * | 2022-08-15 | 2022-11-22 | 四川杰诺创科技有限公司 | 一种大功率回旋器件工作状态精准检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
压缩感知理论及其稀疏认知无线信道估计研究;钱方;中国博士学位论文全文数据库 (信息科学辑);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116449369A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116449369B (zh) | 一种基于多范数约束的逆合成孔径雷达成像方法 | |
Rao et al. | Adaptive sparse recovery by parametric weighted L $ _ {1} $ minimization for ISAR imaging of uniformly rotating targets | |
CN112099008B (zh) | 基于cv-admmn的sa-isar成像与自聚焦方法 | |
CN110244303B (zh) | 基于sbl-admm的稀疏孔径isar成像方法 | |
CN110954884B (zh) | 基于StOMP的捷变频雷达稀疏场景目标重构方法 | |
CN107219511B (zh) | 波束-多普勒方向图稀疏约束的stap方法及装置 | |
CN108957387B (zh) | 一种卫星信号二维到达角估计方法及系统 | |
CN111220222B (zh) | 一种超声波燃气表流量的测定算法 | |
CN112731306B (zh) | 基于CS和简化FrFT的UWB-LFM信号参数估计方法 | |
CN115856767B (zh) | 一种可重构智能超表面辅助的波到达方向估计方法 | |
CN106918810A (zh) | 一种存在阵元幅相误差时的微波关联成像方法 | |
CN110989005B (zh) | 基于标量磁力仪阵列的弱磁异常自适应实时探测方法 | |
CN108761384B (zh) | 一种抗差的传感器网络目标定位方法 | |
CN110248325B (zh) | 一种基于信号多重消噪的蓝牙室内定位系统 | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN116112022A (zh) | 一种基于消息传递的多任务聚类稀疏重构方法 | |
CN114137000B (zh) | 一种基于贝叶斯压缩感知与玻恩迭代的混合电磁成像算法 | |
CN110687605A (zh) | 基于改进的k-svd算法在地震信号处理的算法分析应用 | |
CN114036975B (zh) | 基于频域-波数域解卷积的目标信号提取方法 | |
CN110927664A (zh) | 基于循环三阶矩与压缩感知的近场声源参数估计 | |
Ning | Compressed sensing image processing based on stagewise orthogonal matching pursuit | |
Yu et al. | Adaptive sparse recovery of moving targets for distributed MIMO radar | |
CN110554367B (zh) | 一种基于压缩感知的目标散射特性测量干扰去除方法 | |
CN112444788B (zh) | 补零信号的频率估计方法 | |
CN117710512A (zh) | 基于深度神经网络的sar动目标杂波抑制方法 |
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 |