CN116990771B - 一种自动利用雷达测量淤泥深度方法及系统 - Google Patents
一种自动利用雷达测量淤泥深度方法及系统 Download PDFInfo
- Publication number
- CN116990771B CN116990771B CN202310975934.6A CN202310975934A CN116990771B CN 116990771 B CN116990771 B CN 116990771B CN 202310975934 A CN202310975934 A CN 202310975934A CN 116990771 B CN116990771 B CN 116990771B
- Authority
- CN
- China
- Prior art keywords
- signal
- echo signal
- radar
- echo
- sparse
- 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
- 239000010802 sludge Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 67
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 56
- 238000009434 installation Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 108010014173 Factor X Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
-
- 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
-
- 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
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- 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
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种自动利用雷达测量淤泥深度方法及系统。通过一发三收雷达系统接收淤泥层反射回来的回波信号，将回波信号表示为字典矩阵的线性组合，通过构建稀疏表示模型并进行优化求解以得到回波信号的最优稀疏系数向量，利用回波信号的最优稀疏系数和字典矩阵，重构回波信号，选定一个参考信号并将其与重构的回波信号进行复信号相乘以得到复信号，对复信号的相位进行计算以提取出重构的回波信号的相位信息，根据重构的回波信号的相位信息对淤泥深度进行计算。本发明在信号处理和数据解释上引入了稀疏表示模型并通过对稀疏问题的优化求解得到最优稀疏系数，进而重构回波信号，提取出回波信号中最重要的特征，大大提高了淤泥深度测量精度和效率。
Description
技术领域
本发明属于淤泥深度测量技术领域，尤其涉及一种自动利用雷达测量淤泥深度方法及系统。
背景技术
传统的淤泥深度测量通常采用人工测量或利用声纳等传感器进行测量。通过人工手段使用测深杆或测量绳等工具在渠道或水域中进行测量，通常需要人员进入水体中进行测量，速度慢且不适用于深水区域。而使用声纳传感器测量淤泥深度，是通过发送声波脉冲并测量其回波来确定水底的位置，然后，通过计算回波的时间延迟来估计淤泥深度。
传统的淤泥深度测量方案一般存在以下问题：1、人工测量需要大量人力和时间，尤其在深水区域进行测量更加困难和危险；2、采用传统的声纳测深方法，会受到水体底部地貌的影响，如植被、岩石等，可能导致深度测量的精度有限，声纳测深仪器需要定期校准以确保准确测量，维护成本较高；3、传统的测量方法采样点有限，难以获取连续的淤泥分布信息，只能提供淤泥深度的点测量，难以全面了解淤泥分布的空间形态。
发明内容
本发明提供一种自动利用雷达测量淤泥深度方法及系统，旨在解决上述背景技术提到的问题。
本发明是这样实现的，提供一种自动利用雷达测量淤泥深度方法，步骤包括：
通过雷达系统的发射天线发送连续波信号，设为发射信号，并通过雷达系统的各个接收天线接收由淤泥层表面反射回来的回波信号，其中，雷达系统为一发三收雷达系统，包括一个发射天线和三个接收天线，接收天线分别为第一接收天线、第二接收天线和第三接收天线；
对各接收天线接收到的回波信号进行预处理以优化信号质量，预处理包括滤波、去噪和增益控制；
将所述回波信号表示为字典矩阵的线性组合，即y＝Dx，其中，y为回波信号，D为字典矩阵，x为回波信号的稀疏系数向量，字典矩阵的每一列为一个原子或基函数；
构建稀疏表示模型并对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数，其中，稀疏表示模型的数学表达式为：min||x||0subject to y＝Dx，x为回波信号的稀疏系数向量，||x||0表示为稀疏系数的非零元素的个数，min||x||0表示为最小化稀疏系数的非零元素的个数，y为回波信号，D为字典矩阵，y＝Dx为回波信号通过字典矩阵的线性组合表示，min||x||0subject to y＝Dx表示为最小化稀疏系数的非零元素的个数的同时通过字典矩阵的线性组合近似表示回波信号；
根据回波信号的最优稀疏系数和字典矩阵进行线性组合以重构回波信号，重构的回波信号为s(t)＝D*X，其中，s(t)为重构的回波信号，X为回波信号的最优稀疏系数，D为字典矩阵；
选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号,将重构的回波信号与所述参考信号进行复信号相乘以得到复信号；
对复信号的相位进行计算以提取出重构的回波信号的相位信息；
根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算。
更进一步的，所述对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数的步骤包括：
初始化回波信号的稀疏系数；
对回波信号的稀疏系数进行迭代更新，在每次迭代中，对梯度进行计算及根据迭代次数对步长参数进行调整，并根据梯度和步长参数对回波信号的稀疏系数进行阈值处理以得到更新后的稀疏系数，具体公式为：
x(k+1)＝SoftThreshold(x(k)+μ·DT(y-Dx(k))，λ)，
其中，x(k+1)为第k+1次迭代得到的回波信号的稀疏系数，x(k)为第k次迭代得到的回波信号的稀疏系数，μ为步长参数，DT为字典矩阵的转置，DT(y-Dx(k))为第k次迭代时的梯度，SoftThreshold为软阈值函数，λ为阈值参数；
通过迭代更新回波信号的稀疏系数以逐渐逼近最小稀疏系数向量，最终得到回波信号的最优稀疏系数向量，其中，最小稀疏系数向量为零向量或趋近于零向量的向量。
更进一步的，所述根据迭代次数对步长参数进行调整的步骤包括：
设置初始步长参数；
在每次迭代中，根据迭代次数和衰减率对步长参数进行调整，调整公式为：μ(k+1)＝μ(k)/(1+α*k)，其中，μ(k+1)为第k+1次迭代的步长参数，μ(k)为第k次迭代的步长参数，α为衰减率，k为当前迭代次数。
更进一步的，所述选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号,将重构的回波信号与所述参考信号进行复信号相乘以得到复信号的步骤中：
复信号为其中，s(t)为重构的回波信号，r(t)为参考信号，/>表示为参考信号的复共轭；
所述对复信号的相位进行计算以提取出重构的回波信号的相位信息的步骤中：
相位信息计算公式为：其中，/>为重构的回波信号的相位，arg(c(t))为复信号c(t)对应的向量与正实轴之间的角度。
更进一步的，所述根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算的步骤包括：
对两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ为两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差，/>为与第一接收天线接对应的重构的回波信号的相位，/>为与第二接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号的相位差计算得到淤泥层相对于第一接收天线的水平方向角度，θh＝arcsin(λ/(d1*sin(Δφ)))，其中，θh为淤泥层相对于第一接收天线的水平方向角度，λ为雷达信号的波长，d1为第一接收天线和第二接收天线之间的实际物理距离；
对两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ'为两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差，/>为与第三接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差计算得到淤泥层相对于第一接收天线的垂直方向角度，θv＝arcsin(λ/(d2*sin(Δφ')))，其中，d2为第一接收天线和第三接收天线之间的实际物理距离；
根据淤泥层相对于雷达的水平方向角度及垂直方向角度并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算，淤泥深度depth＝dtarget/cos(θh)，dtarget＝hradar*tan(θv)，其中，depth为淤泥深度，dtarget为雷达到淤泥层的距离，hradar为雷达到渠底的安装高度，θh为淤泥层相对于雷达的水平方向角度，θv为淤泥层相对于雷达的垂直方向角度。
更进一步的，所述根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算的步骤后还包括：
定义坐标系，确定原点和坐标轴方向；
根据淤泥层相对于雷达的水平方向角度转换淤泥层在x-y平面上的相对位置；
根据淤泥层相对于雷达的垂直方向角度转换淤泥层在x-z平面上的相对位置；
根据转换后的淤泥层位置并结合淤泥深度数据在坐标系中生成点云，并将淤泥层在x-y平面和x-z平面上的坐标组合起来以形成三维点云，将三维点云上的点云数据定为原始点云数据；
对原始点云数据进行预处理，包括去除异常值和噪声；
对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云；
调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态；
基于拟合后的曲面数据，构建断面的三维模型，并将构建的三维模型进行可视化以直观地显示淤泥分布的空间形态。
更进一步的，所述对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云的步骤包括：
对原始点云数据进行统计分析并计算数据点的密度分布；
将数据点的密度低于预设密度阈值的区域定为稀疏区域；
将没有数据点的区域定为缺失区域；
在已有数据点中找到缺失区域或稀疏区域中每个缺失点的最近邻数据点，并将缺失点的值定为最近邻数据点的值。
更进一步的，所述调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态的步骤包括：
定义拟合误差的平方和作为目标函数，目标函数为E＝∑i(zi-f(xi，yi))2，并通过最小化目标函数求解拟合曲面模型的系数以使拟合曲面逼近原始点云数据，其中，拟合曲面模型f(x，y)＝ax2+bxy+cy2+dx+ey+f，三维点云中每个点的坐标为(xi，yi，zi)，具体为：
对目标函数E分别对a、b、c、d、e和f求偏导数并与零构成等式以得到以下线性方程组：
对线性方程组进行求解以得到a、b、c、d、e和f的值，并根据得到的a，b，c，d，e，f的值构建拟合曲面模型f(x，y)；
将测量区域定义为一个空间网格；
将空间网格均匀划分为若干个网格单元，并获取每个网格单元上网格点的坐标(x，y)；
将每个网格单元上网格点的坐标(x，y)代入拟合曲面模型f(x，y)计算以得到每个网格单元内的高度值z＝f(x，y)；
将每个网格单元上网格点的坐标(x，y)和对应的高度值z作为点的空间坐标以生成一个新的点云数据。
本发明还提供一种自动利用雷达测量淤泥深度系统，用于执行自动利用雷达测量淤泥深度方法，包括：
信号收发模块：用于通过雷达系统的发射天线发送连续波信号，设为发射信号，并通过雷达系统的各个接收天线接收由淤泥层表面反射回来的回波信号，其中，雷达系统为一发三收雷达系统，包括一个发射天线和三个接收天线，接收天线分别为第一接收天线、第二接收天线和第三接收天线；
预处理模块：用于对各接收天线接收到的回波信号进行预处理以优化信号质量，预处理包括滤波、去噪和增益控制；
字典矩阵表示模块：用于将所述回波信号表示为字典矩阵的线性组合，即y＝Dx，其中，y为回波信号，D为字典矩阵，x为回波信号的稀疏系数向量，字典矩阵的每一列为一个原子或基函数；
稀疏表示求解模块：用于构建稀疏表示模型并对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数，其中，稀疏表示模型的数学表达式为：min||x||0subject to y＝Dx，x为回波信号的稀疏系数向量，||x||0表示为稀疏系数的非零元素的个数，min||x||0表示为最小化稀疏系数的非零元素的个数，y为回波信号，D为字典矩阵，y＝Dx为回波信号通过字典矩阵的线性组合表示，min||x||0subject to y＝Dx表示为最小化稀疏系数的非零元素的个数的同时通过字典矩阵的线性组合近似表示回波信号；
回波信号重构模块：用于根据回波信号的最优稀疏系数和字典矩阵进行线性组合以重构回波信号，重构的回波信号为s(t)＝D*X，其中，s(t)为重构的回波信号，X为回波信号的最优稀疏系数，D为字典矩阵；
复信号构建模块：用于选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号，将重构的回波信号与所述参考信号进行复信号相乘以得到复信号；
相位信息提取模块：用于对复信号的相位进行计算以提取出重构的回波信号的相位信息；
计算模块：用于根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算。
本发明的有益效果在于，与现有技术相比，本发明的自动利用雷达测量淤泥深度方法及系统，在进行淤泥深度测量时采用了一发三收的雷达系统，利用了稀疏表示模型和字典矩阵的线性组合，通过优化算法求解得到回波信号的最优稀疏系数，再根据最优稀疏系数和字典矩阵重构回波信号，并利用复信号的相位计算提取出重构的回波信号的相位信息，再通过重构的回波信号的相位信息来计算水平方向角度和垂直方向角度，从而实现淤泥深度的自动测量。相比传统的淤泥深度测量方式，本发明在信号处理和数据解释上引入了稀疏表示模型并通过对稀疏问题的优化求解得到回波信号的最优稀疏系数，进而重构回波信号，提取出了回波信号中的最重要的信号特征，与淤泥深度相关的信号特征，这样不仅大大提高了淤泥深度测量的精度和效率，同时减少了数据处理的复杂性。
稀疏表示模型的数学表达式min||x||0 subject to y＝Dx是一个最优化问题，最优化的目标是找到最优的稀疏系数向量x，使得回波信号y可以通过字典矩阵D的线性组合来近似表示，并且稀疏系数向量的L0范数最小，即非零元素的个数最少，以确保用最少的非零元素来表示回波信号，进而得到重构的回波信息。
由于自然界中许多信号具有稀疏性，即信号中的大多数元素都是零，只有少数非零元素包含有用信息，因此通过使用最少的非零元素来表示回波信号，可以更准确地反映信号的真实性，并有效去除噪声，提取出信号中最重要的特征信息，因此，重构回波信号能够在复杂背景噪声下准确地提取出与淤泥深度相关的信号；
稀疏表示还可以实现信号的压缩存储，只需存储非零元素和它们的位置信息，忽略大量的零元素，可以显著减少存储空间，对于大规模的数据处理，简化了信号的表示和处理的复杂度，减少计算和存储需求，从而提高算法的运行效率；
在雷达测量中，信号会受到干扰和衰减，而通过采用最少的非零元素来表示回波信号，也可以提高信号的抗干扰性，进而提高测量精度。
附图说明
图1是本发明提供的自动利用雷达测量淤泥深度方法的流程示意图；
图2是本发明提供的自动利用雷达测量淤泥深度系统的系统框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
参考图1，实施例一提供一种自动利用雷达测量淤泥深度方法，包括步骤S101～S106：
S101，通过雷达系统的发射天线发送连续波信号，设为发射信号，并通过雷达系统的各个接收天线接收由淤泥层表面反射回来的回波信号，其中，雷达系统为一发三收雷达系统，包括一个发射天线和三个接收天线，接收天线分别为第一接收天线、第二接收天线和第三接收天线。
需要说明的是，雷达系统的发射天线通过持续不断地发射信号来探测淤泥层，并在回波中检测淤泥层的位置和特征，发射的连续波信号遇到淤泥层表面时会发生反射，然后通过雷达系统的三个接收天线接收这些由淤泥层表面反射回来的回波信号，每个接收天线独立接收回波信号，这样可以提供多个观测角度的信息，增加淤泥深度测量的精度和可靠性。由于雷达系统使用三个接收天线，这些接收天线之间的位置相互有一定的距离，后续通过测量不同接收天线接收到的回波信号之间的相位差，可以计算出目标相对于雷达系统的方位角和俯仰角，从而得到淤泥层的水平方向角度和垂直方向角度。
S102，对各接收天线接收到的回波信号进行预处理以优化信号质量，预处理包括滤波、去噪和增益控制。
S103，将所述回波信号表示为字典矩阵的线性组合，即y＝Dx，其中，y为回波信号，D为字典矩阵，x为回波信号的稀疏系数向量，字典矩阵的每一列为一个原子或基函数。
需要说明的是，回波信号y被表示为字典矩阵D的线性组合，字典矩阵D的每一列代表一个原子或基函数，这些原子可以看作是回波信号的基本成分或特征，它们的线性组合可以表示出回波信号中的结构和特征。假设回波信号y的长度为N，字典矩阵D的大小为N×M(M是字典中基函数的个数)，则回波信号y可以表示为y＝Dx，x是回波信号的稀疏系数向量，长度为M。
S104，构建稀疏表示模型并对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数，其中，稀疏表示模型的数学表达式为：min||x||0subject to y＝Dx，x为回波信号的稀疏系数向量，||x||0表示为稀疏系数的非零元素的个数，min||x||0表示为最小化稀疏系数的非零元素的个数，y为回波信号，D为字典矩阵，y＝Dx为回波信号通过字典矩阵的线性组合表示，min||x||0subject to y＝Dx表示为最小化稀疏系数的非零元素的个数的同时通过字典矩阵的线性组合近似表示回波信号。
需要说明的是，数学表达式min||x||0subject to y＝Dx是一个最优化问题，最优化的目标是找到最优的稀疏系数向量，即最小化稀疏系数向量x的L0范数(即非零元素的个数)的同时，满足回波信号y可以通过字典矩阵D的线性组合来表示(y＝Dx)，以确保用最少的非零元素表示回波信号。L0范数表示向量中非零元素的个数，在稀疏表示中，L0范数是最理想的选择，因为它可以精确地表示稀疏性，
由于自然界中许多信号具有稀疏性，即信号中的大多数元素都是零，只有少数非零元素包含有用信息，因此通过使用最少的非零元素来表示回波信号，可以更准确地反映信号的真实性，并简化了信号的表示和处理。
这里的稀疏表示可以实现回波信号的压缩存储，只需存储非零元素和它们的位置信息，忽略大量的零元素，从而可以显著减少存储空间，特别对于大规模数据处理有很大帮助。
通过使用最少的非零元素来表示信号，可以有效去除噪声，提取出信号中最重要的特征信息，对于在复杂背景噪声下准确地提取淤泥深度相关信号非常重要。
采用稀疏表示可以简化信号处理的复杂度，减少计算量和存储需求，提高算法的运行效率。
在雷达测量中，信号受到干扰和衰减，而通过采用最少的非零元素来表示回波信号，可以提高信号的抗干扰性和测量精度。
更进一步的，所述对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数的步骤包括：
初始化回波信号的稀疏系数；
对回波信号的稀疏系数进行迭代更新，在每次迭代中，对梯度进行计算及根据迭代次数对步长参数进行调整，并根据梯度和步长参数对回波信号的稀疏系数进行阈值处理以得到更新后的稀疏系数，具体公式为：
x(k+1)＝SoftThreshold(x(k)+μ·DT(y-Dx(k))，λ)，
其中，x(k+1)为第k+1次迭代得到的回波信号的稀疏系数，x(k)为第k次迭代得到的回波信号的稀疏系数，μ为步长参数，y为回波信号，DT为字典矩阵的转置，DT(y-Dx(k))为第k次迭代时的梯度，SoftThreshold为软阈值函数，λ为阈值参数；
通过迭代更新回波信号的稀疏系数以逐渐逼近最小稀疏系数向量，最终得到回波信号的最优稀疏系数向量，其中，最小稀疏系数向量为零向量或趋近于零向量的向量。
需要说明的是，首先，将回波信号的稀疏系数向量初始化为一个零向量或者一个较小的非零向量，作为迭代的起始点。
接下来，使用迭代算法来更新稀疏系数向量。在每次迭代中，计算当前稀疏系数向量的梯度，并进行阈值处理，得到更新后的稀疏系数向量。其中，梯度指示了目标函数在当前点的变化率。在稀疏表示模型中，本实施例的目标是最小化稀疏系数向量的非零元素个数，同时使得回波信号通过字典矩阵的线性组合近似表示回波信号，因此，需要计算目标函数关于稀疏系数向量的梯度。
在更新稀疏系数向量时，使用软阈值函数进行阈值处理。软阈值函数是一种非线性函数，当输入值的绝对值小于等于阈值参数λ时，函数输出为0；当输入值的绝对值大于阈值参数λ时，函数输出为输入值减去(或加上)阈值参数λ。这样，通过软阈值函数处理后，稀疏系数向量中的较小的元素将变为零，从而实现稀疏性。
在迭代过程中，需要调整步长参数μ，步长参数μ在迭代更新过程中起到调节步长的作用，即控制每次迭代更新时在梯度方向上前进的距离。较大的步长参数会使得更新跨越较大的距离，加快优化速度，但可能会导致算法不稳定，甚至无法收敛到最优解。相反，较小的步长参数可以增加算法的稳定性，但可能会导致优化过程收敛速度较慢。选择合适的步长参数μ需要考虑优化问题的特性以及算法的收敛性。
通过迭代更新稀疏系数向量，目标是逐渐逼近最小稀疏系数向量，即零向量或趋近于零向量的向量。迭代算法会收敛到一个局部最优解，该局部最优解对应于使用最少的非零元素来表示回波信号。
通过上述迭代过程，能够得到回波信号的最优稀疏系数向量，从而实现了对回波信号的稀疏表示。
进一步的，所述根据迭代次数对步长参数进行调整的步骤包括：
设置初始步长参数；
在每次迭代中，根据迭代次数和衰减率对步长参数进行调整，调整公式为：μ(k+1)＝μ(k)/(1+α*k)，其中，μ(k+1)为第k+1次迭代的步长参数，μ(k)为第k次迭代的步长参数，α为衰减率，k为当前迭代次数。
需要说明的是，随着迭代次数的增加，步长参数μ会逐渐减小，而衰减率α控制了步长参数下降的速度，较大的α会导致步长参数下降得更快，较小的α会导致步长参数下降得更慢。
在每次迭代中，根据迭代次数和衰减率的计算结果，更新步长参数μ，然后将该步长参数用于当前迭代的优化过程。
这种自适应调整步长参数的策略有助于在优化过程中更好地平衡模型的收敛速度和稳定性。在训练早期，较大的步长参数有助于快速搜索空间，加快模型的收敛速度，随着训练的进行，步长参数逐渐减小，使得模型在局部最优解附近更加稳定，有助于更精确地找到全局最优解，得到更精确的最优稀疏系数。
S105，根据回波信号的最优稀疏系数和字典矩阵进行线性组合以重构回波信号，重构的回波信号为s(t)＝D*X，其中，s(t)为重构的回波信号，X为回波信号的最优稀疏系数，D为字典矩阵。
需要说明的是，这个线性组合是利用字典矩阵D的原子按照最优稀疏系数向量X的权重进行加权，得到了重构的回波信号s(t)。这个重构的回波信号可以看作是回波信号在字典矩阵D的基础上，按照最优稀疏系数X来表示的近似信号。
由于本实施例在稀疏表示模型中追求回波信号的稀疏表示，所以重构的回波信号s(t)通常是在保留主要特征的基础上尽可能使用较少的基函数。这样的稀疏表示不仅节省了存储空间，还有助于突出回波信号的重要特征，有助提升后续测量精度及数据处理效率。
S106，选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号,将重构的回波信号与所述参考信号进行复信号相乘以得到复信号。
需要说明的是，首先，选择一个参考信号，可以是雷达系统中实际发射的连续波信号本身，也可以是与发射信号相关的信号，选取参考信号的目的是为了在复信号中提取出回波信号的相位信息。
其中，复信号为其中，s(t)为重构的回波信号，r(t)为参考信号，表示为参考信号的复共轭。利用选定的参考信号r(t)和重构的回波信号s(t)，构建复信号c(t)，复信号的计算是通过将重构的回波信号与参考信号的复共轭相乘得到的，其中，复共轭是指将参考信号r(t)的实部取负号得到的。
S107，对复信号的相位进行计算以提取出重构的回波信号的相位信息。
其中，计算公式为：其中，/>为重构的回波信号的相位，arg(c(t))为复信号c(t)对应的向量与正实轴之间的角度。
需要说明的是，通过arg(c(t))来计算复信号c(t)的辐角，这个辐角表示了重构的回波信号的相位信息。其中，辐角是复数的一个属性，它表示复数所对应的向量与正实轴之间的角度。arg(c(t))给出了重构的回波信号的相位信息，它是一个在区间[-π,π]的值。这样，就能够成功地从复信号中提取出重构的回波信号的相位信息。
S108，根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算。
需要说明的是，由于重构的回波信息是用最少的非零元素来表示的，可以更准确地反映信号的真实性，并有效去除噪声，能够在复杂背景噪声下准确地提取出信号中最重要的信号特征，与淤泥深度相关的信号特征，通过重构的回波信号的相位信息来计算水平方向角度和垂直方向角度，实现淤泥深度的自动测量，大大提高了淤泥深度测量的精度和效率，同时减少了数据处理的复杂性，能够快速有效的测量得到较为精确的淤泥深度数据。
具体的，对两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ为两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差，/>为与第一接收天线接对应的重构的回波信号的相位，/>为与第二接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号的相位差计算得到淤泥层相对于第一接收天线的水平方向角度，θh＝arcsin(λ/(d1*sin(Δφ)))，其中，θh为淤泥层相对于第一接收天线的水平方向角度，λ为雷达信号的波长，d1为第一接收天线和第二接收天线之间的实际物理距离。
对两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ'为两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差，/>为与第三接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差计算得到淤泥层相对于第一接收天线的垂直方向角度，θv＝arcsin(λ/(d2*sin(Δφ')))，其中，d2为第一接收天线和第三接收天线之间的实际物理距离。
根据淤泥层相对于雷达的水平方向角度及垂直方向角度并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算，淤泥深度depth＝dtarget/cos(θh)，dtarget＝hradar*tan(θv)，其中，depth为淤泥深度，dtarget为雷达到淤泥层的距离，hradar为雷达到渠底的安装高度，θh为淤泥层相对于雷达的水平方向角度，θv为淤泥层相对于雷达的垂直方向角度。
更进一步的，所述根据淤泥层相对于雷达的水平方向角度及垂直方向角度并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算的步骤后还包括：
定义坐标系，确定原点和坐标轴方向；
根据淤泥层相对于雷达的水平方向角度转换淤泥层在x-y平面上的相对位置；
根据淤泥层相对于雷达的垂直方向角度转换淤泥层在x-z平面上的相对位置；
根据转换后的淤泥层位置并结合淤泥深度数据在坐标系中生成点云，并将淤泥层在x-y平面和x-z平面上的坐标组合起来以形成三维点云，将三维点云上的点云数据定为原始点云数据；
对原始点云数据进行预处理，包括去除异常值和噪声；
对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云；
调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态；
基于拟合后的曲面数据构建断面的三维模型，并将构建的三维模型进行可视化以直观地显示淤泥分布的空间形态。
需要说明的是，该步骤通过对淤泥层相对于雷达的水平方向角度和垂直方向角度的处理，并结合雷达到渠底的安装高度和淤泥深度数据，进行点云的生成、预处理、曲面拟合和三维模型构建，可以全面了解淤泥层的分布情况，并通过可视化展示，能够更好地支持相关决策和管理工作。
通过将淤泥层相对于雷达的水平方向角度和垂直方向角度转换为在坐标系中的相对位置，结合雷达到渠底的安装高度和淤泥深度数据，生成三维点云，可以在空间中准确地反映淤泥层的分布情况，这样不仅可以获取淤泥层在水平方向上的分布，还可以获取淤泥层在垂直方向上的厚度信息。
对原始点云数据进行预处理，包括去除异常值和噪声，有助于提高数据质量和准确性。同时，对存在数据缺失或稀疏的区域进行数据填充，可以得到连续和完整的点云数据。
调用曲面拟合算法将原始点云数据拟合成光滑的曲面，可以更好地反映淤泥层的变化趋势，这样可以重建淤泥分布的空间形态，帮助更好地理解淤泥的分布特征。
基于拟合后的曲面数据，可以构建断面的三维模型。通过对该模型进行可视化，可以直观地显示淤泥分布的空间形态。
更进一步的，所述对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云的步骤包括：
对原始点云数据进行统计分析并计算数据点的密度分布；
将数据点的密度低于预设密度阈值的区域定为稀疏区域；
将没有数据点的区域定为缺失区域；
在已有数据点中找到缺失区域或稀疏区域中每个缺失点的最近邻数据点，并将缺失点的值定为最近邻数据点的值。
更进一步的，所述调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态的步骤包括：
定义拟合误差的平方和作为目标函数，目标函数为E＝∑i(zi-f(xi，yi))2，并通过最小化目标函数求解拟合曲面模型的系数以使拟合曲面逼近原始点云数据，其中，拟合曲面模型f(x，y)＝ax2+bxy+cy2+dx+ey+f，三维点云中每个点的坐标为(xi，yi，zi)，具体为：
对目标函数E分别对a、b、c、d、e和f求偏导数并与零构成等式以得到以下线性方程组：
对线性方程组进行求解以得到a、b、c、d、e和f的值，并根据得到的a，b，c，d，e，f的值构建拟合曲面模型f(x，y)；
将测量区域定义为一个空间网格；
将空间网格均匀划分为若干个网格单元，并获取每个网格单元上网格点的坐标(x，y)；
将每个网格单元上网格点的坐标(x，y)代入拟合曲面模型f(x，y)计算以得到每个网格单元内的高度值z＝f(x，y)；
将每个网格单元上网格点的坐标(x，y)和对应的高度值z作为点的空间坐标以生成一个新的点云数据。
需要说明的是，该步骤通过拟合算法将原始点云数据拟合成光滑的曲面，从而实现了对淤泥分布的空间形态的重建，这种方法可以更好地展示淤泥的分布特征，为相关研究和决策提供直观的展示和分析工具。
目标函数E是拟合误差的平方和，用来衡量拟合曲面与原始点云数据的偏差程度，通过最小化目标函数E，可以找到最优的拟合曲面，使其尽可能逼近原始点云数据。
通过对目标函数E分别对拟合曲面模型的系数a、b、c、d、e和f求偏导数，并令偏导数等于零，得到一个包含六个未知数(a、b、c、d、e和f)的线性方程组。通过求解这个线性方程组，可以得到拟合曲面模型的系数值。
根据求解得到的系数a、b、c、d、e和f的值，可以构建拟合曲面模型f(x，y)，这个拟合曲面模型将用于逼近原始点云数据。
将测量区域定义为一个空间网格，将空间网格均匀划分为若干个网格单元，并获取每个网格单元上网格点的坐标(x，y)，然后将这些坐标代入拟合曲面模型f(x，y)计算，以得到每个网格单元内的高度值z＝f(x，y)，这样就得到了重建后的淤泥分布在网格单元内的高度数据。
将每个网格单元上网格点的坐标(x，y)和对应的高度值z作为点的空间坐标，将这些点组合起来，生成一个新的点云数据，这样就得到了通过拟合曲面得到的淤泥分布的空间形态。
本发明的自动利用雷达测量淤泥深度方法及系统，在进行淤泥深度测量时采用了一发三收的雷达系统，利用了稀疏表示模型和字典矩阵的线性组合，通过优化算法求解得到回波信号的最优稀疏系数，再根据最优稀疏系数和字典矩阵重构回波信号，并利用复信号的相位计算提取出重构的回波信号的相位信息，再通过重构的回波信号的相位信息来计算水平方向角度和垂直方向角度，从而实现淤泥深度的自动测量。相比传统的淤泥深度测量方式，本发明在信号处理和数据解释上引入了稀疏表示模型并通过对稀疏问题的优化求解得到回波信号的最优稀疏系数，进而重构回波信号，提取出了回波信号中的最重要的信号特征，与淤泥深度相关的信号特征，这样不仅大大提高了淤泥深度测量的精度和效率，同时减少了数据处理的复杂性。
稀疏表示模型的数学表达式min||x||0 subject to y＝Dx是一个最优化问题，最优化的目标是找到最优的稀疏系数向量x，使得回波信号y可以通过字典矩阵D的线性组合来近似表示，并且稀疏系数向量的L0范数最小，即非零元素的个数最少，以确保用最少的非零元素来表示回波信号，进而得到重构的回波信息。
由于自然界中许多信号具有稀疏性，即信号中的大多数元素都是零，只有少数非零元素包含有用信息，因此通过使用最少的非零元素来表示回波信号，可以更准确地反映信号的真实性，并有效去除噪声，提取出信号中最重要的特征信息，因此，重构回波信号能够在复杂背景噪声下准确地提取出与淤泥深度相关的信号；
稀疏表示还可以实现信号的压缩存储，只需存储非零元素和它们的位置信息，忽略大量的零元素，可以显著减少存储空间，对于大规模的数据处理，简化了信号的表示和处理的复杂度，减少计算和存储需求，从而提高算法的运行效率；
在雷达测量中，信号会受到干扰和衰减，而通过采用最少的非零元素来表示回波信号，也可以提高信号的抗干扰性，进而提高测量精度。
实施例二
参考图2，实施例二提供一种自动利用雷达测量淤泥深度系统，包括：
信号收发模块：用于通过雷达系统的发射天线发送连续波信号，设为发射信号，并通过雷达系统的各个接收天线接收由淤泥层表面反射回来的回波信号，其中，雷达系统为一发三收雷达系统，包括一个发射天线和三个接收天线，接收天线分别为第一接收天线、第二接收天线和第三接收天线。
预处理模块：用于对各接收天线接收到的回波信号进行预处理以优化信号质量，预处理包括滤波、去噪和增益控制。
字典矩阵表示模块：用于将所述回波信号表示为字典矩阵的线性组合，即y＝Dx，其中，y为回波信号，D为字典矩阵，x为回波信号的稀疏系数向量，字典矩阵的每一列为一个原子或基函数。
稀疏表示求解模块：用于构建稀疏表示模型并对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数，其中，稀疏表示模型的数学表达式为：min||x||0subject to y＝Dx，x为回波信号的稀疏系数向量，||x||0表示为稀疏系数的非零元素的个数，min||x||0表示为最小化稀疏系数的非零元素的个数，y为回波信号，D为字典矩阵，y＝Dx为回波信号通过字典矩阵的线性组合表示，min||x||0subject to y＝Dx表示为最小化稀疏系数的非零元素的个数的同时通过字典矩阵的线性组合近似表示回波信号。
稀疏表示求解模块还用于：
初始化回波信号的稀疏系数；
对回波信号的稀疏系数进行迭代更新，在每次迭代中，对梯度进行计算及根据迭代次数对步长参数进行调整，并根据梯度和步长参数对回波信号的稀疏系数进行阈值处理以得到更新后的稀疏系数，具体公式为：
x(k+1)＝SoftThreshold(x(k)+μ·DT(y-Dx(k))，λ)，
其中，x(k+1)为第k+1次迭代得到的回波信号的稀疏系数，x(k)为第k次迭代得到的回波信号的稀疏系数，μ为步长参数，DT为字典矩阵的转置，DT(y-Dx(k))为第k次迭代时的梯度，SoftThreshold为软阈值函数，λ为阈值参数；
通过迭代更新回波信号的稀疏系数以逐渐逼近最小稀疏系数向量，最终得到回波信号的最优稀疏系数向量，其中，最小稀疏系数向量为零向量或趋近于零向量的向量。
稀疏表示求解模块还用于：
设置初始步长参数；
在每次迭代中，根据迭代次数和衰减率对步长参数进行调整，调整公式为：μ(k+1)＝μ(k)/(1+α*k)，其中，μ(k+1)为第k+1次迭代的步长参数，μ(k)为第k次迭代的步长参数，α为衰减率，k为当前迭代次数。
回波信号重构模块：用于根据回波信号的最优稀疏系数和字典矩阵进行线性组合以重构回波信号，重构的回波信号为s(t)＝D*X，其中，s(t)为重构的回波信号，X为回波信号的最优稀疏系数，D为字典矩阵。
复信号构建模块：用于选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号，将重构的回波信号与所述参考信号进行复信号相乘以得到复信号，复信号为其中，s(t)为重构的回波信号，r(t)为参考信号，/>表示为参考信号的复共轭。
相位信息提取模块：用于对复信号的相位进行计算以提取出重构的回波信号的相位信息，其中，/>为重构的回波信号的相位，arg(c(t))为复信号c(t)对应的向量与正实轴之间的角度。
计算模块：用于根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算。
计算模块还用于：
对两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ为两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差，/>为与第一接收天线接对应的重构的回波信号的相位，/>为与第二接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号的相位差计算得到淤泥层相对于第一接收天线的水平方向角度，θh＝arcsin(λ/(d1*sin(Δφ)))，其中，θh为淤泥层相对于第一接收天线的水平方向角度，λ为雷达信号的波长，d1为第一接收天线和第二接收天线之间的实际物理距离；
对两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ'为两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差，/>为与第三接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差计算得到淤泥层相对于第一接收天线的垂直方向角度，θv＝arcsin(λ/(d2*sin(Δφ')))，其中，d2为第一接收天线和第三接收天线之间的实际物理距离；
根据淤泥层相对于雷达的水平方向角度及垂直方向角度并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算，淤泥深度depth＝dtarget/cos(θh)，dtarget＝hradar*tan(θv)，其中，depth为淤泥深度，dtarget为雷达到淤泥层的距离，hradar为雷达到渠底的安装高度，θh为淤泥层相对于雷达的水平方向角度，θv为淤泥层相对于雷达的垂直方向角度。
计算模块还用于：
定义坐标系，确定原点和坐标轴方向；
根据淤泥层相对于雷达的水平方向角度转换淤泥层在x-y平面上的相对位置；
根据淤泥层相对于雷达的垂直方向角度转换淤泥层在x-z平面上的相对位置；
根据转换后的淤泥层位置并结合淤泥深度数据在坐标系中生成点云，并将淤泥层在x-y平面和x-z平面上的坐标组合起来以形成三维点云，将三维点云上的点云数据定为原始点云数据；
对原始点云数据进行预处理，包括去除异常值和噪声；
对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云；
调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态；
基于拟合后的曲面数据构建断面的三维模型，并将构建的三维模型进行可视化以直观地显示淤泥分布的空间形态。
计算模块还用于：
对原始点云数据进行统计分析并计算数据点的密度分布；
将数据点的密度低于预设密度阈值的区域定为稀疏区域；
将没有数据点的区域定为缺失区域；
在已有数据点中找到缺失区域或稀疏区域中每个缺失点的最近邻数据点，并将缺失点的值定为最近邻数据点的值。
计算模块还用于：
定义拟合误差的平方和作为目标函数，目标函数为E＝∑i(zi-f(xi，yi))2，并通过最小化目标函数求解拟合曲面模型的系数以使拟合曲面逼近原始点云数据，其中，拟合曲面模型f(x，y)＝ax2+bxy+cy2+dx+ey+f，三维点云中每个点的坐标为(xi，yi，zi)，具体为：
对目标函数E分别对a、b、c、d、e和f求偏导数并与零构成等式以得到以下线性方程组：
对线性方程组进行求解以得到a、b、c、d、e和f的值，并根据得到的a，b，c，d，e，f的值构建拟合曲面模型f(x，y)；
将测量区域定义为一个空间网格；
将空间网格均匀划分为若干个网格单元，并获取每个网格单元上网格点的坐标(x，y)；
将每个网格单元上网格点的坐标(x，y)代入拟合曲面模型f(x，y)计算以得到每个网格单元内的高度值z＝f(x，y)；
将每个网格单元上网格点的坐标(x，y)和对应的高度值z作为点的空间坐标以生成一个新的点云数据。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种自动利用雷达测量淤泥深度方法，其特征在于，步骤包括：
通过雷达系统的发射天线发送连续波信号，设为发射信号，并通过雷达系统的各个接收天线接收由淤泥层表面反射回来的回波信号，其中，雷达系统为一发三收雷达系统，包括一个发射天线和三个接收天线，接收天线分别为第一接收天线、第二接收天线和第三接收天线；
对各接收天线接收到的回波信号进行预处理以优化信号质量，预处理包括滤波、去噪和增益控制；
将所述回波信号表示为字典矩阵的线性组合，即y＝Dx，其中，y为回波信号，D为字典矩阵，x为回波信号的稀疏系数向量，字典矩阵的每一列为一个原子或基函数；
构建稀疏表示模型并对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数，其中，稀疏表示模型的数学表达式为：min||x||0subject to y＝Dx，x为回波信号的稀疏系数向量，||x||0表示为稀疏系数的非零元素的个数，min||x||0表示为最小化稀疏系数的非零元素的个数，y为回波信号，D为字典矩阵，y＝Dx为回波信号通过字典矩阵的线性组合表示，min||x||0subject to y＝Dx表示为最小化稀疏系数的非零元素的个数的同时通过字典矩阵的线性组合近似表示回波信号；
根据回波信号的最优稀疏系数和字典矩阵进行线性组合以重构回波信号，重构的回波信号为s(t)＝D*X，其中，s(t)为重构的回波信号，X为回波信号的最优稀疏系数，D为字典矩阵；
选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号,将重构的回波信号与所述参考信号进行复信号相乘以得到复信号；
对复信号的相位进行计算以提取出重构的回波信号的相位信息；
根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算。
2.根据权利要求1所述的自动利用雷达测量淤泥深度方法，其特征在于，所述对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数的步骤包括：
初始化回波信号的稀疏系数；
对回波信号的稀疏系数进行迭代更新，在每次迭代中，对梯度进行计算及根据迭代次数对步长参数进行调整，并根据梯度和步长参数对回波信号的稀疏系数进行阈值处理以得到更新后的稀疏系数，具体公式为：
x(k+1)＝SoftThreshold(x(k)+μ·DT(y-Dx(k))，λ)，
其中，x(k+1)为第k+1次迭代得到的回波信号的稀疏系数，x(k)为第k次迭代得到的回波信号的稀疏系数，μ为步长参数，DT为字典矩阵的转置，DT(y-Dx(k))为第k次迭代时的梯度，SoftThreshold为软阈值函数，λ为阈值参数；
通过迭代更新回波信号的稀疏系数以逐渐逼近最小稀疏系数向量，最终得到回波信号的最优稀疏系数向量，其中，最小稀疏系数向量为零向量或趋近于零向量的向量。
3.根据权利要求2所述的自动利用雷达测量淤泥深度方法，其特征在于，所述根据迭代次数对步长参数进行调整的步骤包括：
设置初始步长参数；
在每次迭代中，根据迭代次数和衰减率对步长参数进行调整，调整公式为：μ(k+1)＝μ(k)/(1+α*k)，其中，μ(k+1)为第k+1次迭代的步长参数，μ(k)为第k次迭代的步长参数，α为衰减率，k为当前迭代次数。
4.根据权利要求1所述的自动利用雷达测量淤泥深度方法，其特征在于，所述选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号,将重构的回波信号与所述参考信号进行复信号相乘以得到复信号的步骤中：
复信号为其中，s(t)为重构的回波信号，r(t)为参考信号，/>表示为参考信号的复共轭；
所述对复信号的相位进行计算以提取出重构的回波信号的相位信息的步骤中：
相位信息计算公式为：其中，/>为重构的回波信号的相位，arg(c(t))为复信号c(t)对应的向量与正实轴之间的角度。
5.根据权利要求4所述的自动利用雷达测量淤泥深度方法，其特征在于，所述根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算的步骤包括：
对两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ为两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号之间的相位差，/>为与第一接收天线接对应的重构的回波信号的相位，/>为与第二接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第二接收天线的重构的回波信号的相位差计算得到淤泥层相对于第一接收天线的水平方向角度，θh＝arcsin(λ/(d1*sin(Δφ)))，其中，θh为淤泥层相对于第一接收天线的水平方向角度，λ为雷达信号的波长，d1为第一接收天线和第二接收天线之间的实际物理距离；
对两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差进行计算，其中，Δφ'为两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差，/>为与第三接收天线对应的重构的回波信号的相位，并根据两个相隔半波长的第一接收天线和第三接收天线的重构的回波信号之间的相位差计算得到淤泥层相对于第一接收天线的垂直方向角度，θv＝arcsin(λ/(d2*sin(Δφ')))，其中，d2为第一接收天线和第三接收天线之间的实际物理距离；
根据淤泥层相对于雷达的水平方向角度及垂直方向角度并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算，淤泥深度depth＝dtarget/cos(θh)，dtarget＝hradar*tan(θv)，其中，depth为淤泥深度，dtarget为雷达到淤泥层的距离，hradar为雷达到渠底的安装高度，θh为淤泥层相对于雷达的水平方向角度，θv为淤泥层相对于雷达的垂直方向角度。
6.根据权利要求1所述的自动利用雷达测量淤泥深度方法，其特征在于，所述根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算的步骤后还包括：
定义坐标系，确定原点和坐标轴方向；
根据淤泥层相对于雷达的水平方向角度转换淤泥层在x-y平面上的相对位置；
根据淤泥层相对于雷达的垂直方向角度转换淤泥层在x-z平面上的相对位置；
根据转换后的淤泥层位置并结合淤泥深度数据在坐标系中生成点云，并将淤泥层在x-y平面和x-z平面上的坐标组合起来以形成三维点云，将三维点云上的点云数据定为原始点云数据；
对原始点云数据进行预处理，包括去除异常值和噪声；
对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云；
调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态；
基于拟合后的曲面数据，构建断面的三维模型，并将构建的三维模型进行可视化以直观地显示淤泥分布的空间形态。
7.根据权利要求6所述的自动利用雷达测量淤泥深度方法，其特征在于，所述对存在数据缺失或稀疏的区域进行数据填充以得到完整和连续的点云的步骤包括：
对原始点云数据进行统计分析并计算数据点的密度分布；
将数据点的密度低于预设密度阈值的区域定为稀疏区域；
将没有数据点的区域定为缺失区域；
在已有数据点中找到缺失区域或稀疏区域中每个缺失点的最近邻数据点，并将缺失点的值定为最近邻数据点的值。
8.根据权利要求6所述的自动利用雷达测量淤泥深度方法，其特征在于，所述调用曲面拟合算法将原始点云数据拟合成光滑的曲面以重建淤泥分布的空间形态的步骤包括：
定义拟合误差的平方和作为目标函数，目标函数为E＝∑i(zi-f(xi，yi))2，并通过最小化目标函数求解拟合曲面模型的系数以使拟合曲面逼近原始点云数据，其中，拟合曲面模型f(x，y)＝ax2+bxy+cy2+dx+ey+f，三维点云中每个点的坐标为(xi，yi，zi)，具体为：
对目标函数E分别对a、b、c、d、e和f求偏导数并与零构成等式以得到以下线性方程组：
对线性方程组进行求解以得到a、b、c、d、e和f的值，并根据得到的a，b，c，d，e，f的值构建拟合曲面模型f(x，y)；
将测量区域定义为一个空间网格；
将空间网格均匀划分为若干个网格单元，并获取每个网格单元上网格点的坐标(x，y)；
将每个网格单元上网格点的坐标(x，y)代入拟合曲面模型f(x，y)计算以得到每个网格单元内的高度值z＝f(x，y)；
将每个网格单元上网格点的坐标(x，y)和对应的高度值z作为点的空间坐标以生成一个新的点云数据。
9.一种自动利用雷达测量淤泥深度系统，其特征在于，包括：
信号收发模块：用于通过雷达系统的发射天线发送连续波信号，设为发射信号，并通过雷达系统的各个接收天线接收由淤泥层表面反射回来的回波信号，其中，雷达系统为一发三收雷达系统，包括一个发射天线和三个接收天线，接收天线分别为第一接收天线、第二接收天线和第三接收天线；
预处理模块：用于对各接收天线接收到的回波信号进行预处理以优化信号质量，预处理包括滤波、去噪和增益控制；
字典矩阵表示模块：用于将所述回波信号表示为字典矩阵的线性组合，即y＝Dx，其中，y为回波信号，D为字典矩阵，x为回波信号的稀疏系数向量，字典矩阵的每一列为一个原子或基函数；
稀疏表示求解模块：用于构建稀疏表示模型并对稀疏表示模型中的优化问题进行求解以得到回波信号的最优稀疏系数，其中，稀疏表示模型的数学表达式为：min||x||0subjectto y＝Dx，x为回波信号的稀疏系数向量，||x||0表示为稀疏系数的非零元素的个数，min||x||0表示为最小化稀疏系数的非零元素的个数，y为回波信号，D为字典矩阵，y＝Dx为回波信号通过字典矩阵的线性组合表示，min||x||0subject to y＝Dx表示为最小化稀疏系数的非零元素的个数的同时通过字典矩阵的线性组合近似表示回波信号；
回波信号重构模块：用于根据回波信号的最优稀疏系数和字典矩阵进行线性组合以重构回波信号，重构的回波信号为s(t)＝D*X，其中，s(t)为重构的回波信号，X为回波信号的最优稀疏系数，D为字典矩阵；
复信号构建模块：用于选定一个参考信号，所述参考信号为发射信号或与发射信号相关的信号，将重构的回波信号与所述参考信号进行复信号相乘以得到复信号；
相位信息提取模块：用于对复信号的相位进行计算以提取出重构的回波信号的相位信息；
计算模块：用于根据重构的回波信号的相位信息并结合雷达到渠底的安装高度对各个区域的淤泥深度进行计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310975934.6A CN116990771B (zh) | 2023-08-04 | 2023-08-04 | 一种自动利用雷达测量淤泥深度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310975934.6A CN116990771B (zh) | 2023-08-04 | 2023-08-04 | 一种自动利用雷达测量淤泥深度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116990771A CN116990771A (zh) | 2023-11-03 |
| CN116990771B true CN116990771B (zh) | 2024-03-22 |
Family
ID=88529767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310975934.6A Active CN116990771B (zh) | 2023-08-04 | 2023-08-04 | 一种自动利用雷达测量淤泥深度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116990771B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117523138A (zh) * | 2023-11-06 | 2024-02-06 | 南京航空航天大学 | 构造肿瘤拟合曲面的方法、电阻抗成像逆问题求解方法、检测系统 |
| CN117966876B (zh) * | 2024-04-02 | 2024-05-31 | 福建巨联环境科技股份有限公司 | 一种基于机器人技术的管网清淤检测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103713288A (zh) * | 2013-12-31 | 2014-04-09 | 电子科技大学 | 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法 |
| CN111551928A (zh) * | 2020-06-02 | 2020-08-18 | 西安石油大学 | 一种基于墙体低秩稀疏约束的穿墙雷达成像方法 |
| CN113433526A (zh) * | 2021-05-07 | 2021-09-24 | 中国电子科技集团公司第十四研究所 | 一种基于k奇异值分解的航管雷达风场杂波抑制方法 |
| CN115825944A (zh) * | 2022-12-22 | 2023-03-21 | 中国人民解放军军事科学院系统工程研究院 | 基于外辐射源雷达的单快拍多目标来波方向估计方法 |
| CN116338618A (zh) * | 2023-03-10 | 2023-06-27 | 西安电子科技大学 | 一种面向离网目标的稀疏重构仰角估计方法 |
| CN116482641A (zh) * | 2023-04-25 | 2023-07-25 | 上海航天电子通讯设备研究所 | 基于块稀疏建模的低空多径目标超分辨仰角估计方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014066360A1 (en) * | 2012-10-22 | 2014-05-01 | Saab-Sensis Corporation | Sensor system and method for determining target location using sparsity-based processing |
| US10042046B2 (en) * | 2015-07-07 | 2018-08-07 | Mitsubishi Electric Research Laboratories, Inc. | System and method for radar imaging using distributed arrays and compressive sensing |
-
2023
- 2023-08-04 CN CN202310975934.6A patent/CN116990771B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103713288A (zh) * | 2013-12-31 | 2014-04-09 | 电子科技大学 | 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法 |
| CN111551928A (zh) * | 2020-06-02 | 2020-08-18 | 西安石油大学 | 一种基于墙体低秩稀疏约束的穿墙雷达成像方法 |
| CN113433526A (zh) * | 2021-05-07 | 2021-09-24 | 中国电子科技集团公司第十四研究所 | 一种基于k奇异值分解的航管雷达风场杂波抑制方法 |
| CN115825944A (zh) * | 2022-12-22 | 2023-03-21 | 中国人民解放军军事科学院系统工程研究院 | 基于外辐射源雷达的单快拍多目标来波方向估计方法 |
| CN116338618A (zh) * | 2023-03-10 | 2023-06-27 | 西安电子科技大学 | 一种面向离网目标的稀疏重构仰角估计方法 |
| CN116482641A (zh) * | 2023-04-25 | 2023-07-25 | 上海航天电子通讯设备研究所 | 基于块稀疏建模的低空多径目标超分辨仰角估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于协方差准则迭代估计的雷达回波压缩重构;苏亮又;柏业超;张兴敢;吴琼;;南京大学学报(自然科学);20150130(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116990771A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116990771B (zh) | 一种自动利用雷达测量淤泥深度方法及系统 | |
| CN111583214B (zh) | 基于rbf神经网络的航海雷达图像反演海面风速方法 | |
| CN109212526B (zh) | 用于高频地波雷达的分布式阵列目标角度测量方法 | |
| CN109212527B (zh) | 用于高频地波雷达的大孔径分布式多站目标定位方法 | |
| CN108469620B (zh) | 适用于辐射沙脊群浅水海域的水下地形测量方法 | |
| CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
| CN108957406A (zh) | 一种基于神经网络的雷达主瓣干扰抑制方法 | |
| CN113191087A (zh) | 联合历史剖面声速与实测表层声速的航渡式测深数据剖面声速改正方法 | |
| CN110824429A (zh) | 深海环境下利用非同步垂直阵的宽带声源被动定位方法 | |
| CN109085556B (zh) | 一种基于一二阶峰比值的高频地波雷达浪场形成方法 | |
| CN115438571B (zh) | 一种基于机器学习的地波雷达波浪场计算方法及装置 | |
| CN104656073A (zh) | 三维成像声纳波束形成方法及在多核处理器上的实现方法 | |
| US6980482B2 (en) | Seismic survey system | |
| CN117272843B (zh) | 基于随机森林的gnss-r海面风速反演方法及系统 | |
| CN106872979B (zh) | 基于海面起伏运动目标sar图像再聚焦的海浪参数获取方法 | |
| CN110109087B (zh) | 一种声纳不规则探测范围显示方法及系统 | |
| CN112986996A (zh) | 基于几何熵的多源sar卫星联合三维定位方法 | |
| CN109752705A (zh) | 高频水声阵列性能参数测量方法及系统、设备及存储介质 | |
| CN115587291B (zh) | 一种基于裂纹超声散射矩阵的去噪表征方法及系统 | |
| CN113848556B (zh) | 基于多波束测深声呐波束图像的水深范围快速提取方法 | |
| CN113777654B (zh) | 一种基于伴随状态法初至波走时层析的海水速度建模方法 | |
| CN111123229B (zh) | 基于电性能幅值加权的阵元安装位置的测量方法 | |
| CN115540832A (zh) | 基于VGGNet的卫星测高海底地形校正方法及系统 | |
| CN112130155B (zh) | 一种导航声纳灰度图像时变增强方法 | |
| CN110058247B (zh) | 一种合成孔径声呐实时成像的方法 |
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 |