基于基追踪去噪的近场宽带RCS数据采集与压缩方法技术

本发明专利技术提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，通过在方位向与高程向上的随机降采样，降低了RCS数据的实际测量总量，能够在保证不过多损失雷达目标电磁散射特性信息完整度的情况下，缩短雷达系统对观测目标RCS数据的测量时间，从而提高整个测量系统的工作效率；根据基追踪去噪模型，利用结合了近场宽带RCS数据处理算子的稀疏重构算法，来实现对回波域RCS数据的数据压缩，不仅可以减少数据压缩过程中雷达目标电磁散射特性信息的损失，还可以进一步降低压缩算法的计算复杂度与内存损耗，从而使上述数据压缩过程变得更为精确、快速与高效。

【技术实现步骤摘要】

本专利技术涉及雷达目标RCS数据获取与处理
，尤其涉及一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法。
技术介绍
目标的雷达散射截面(Radar Cross Section，RCS)是表征雷达目标对于照射电磁波散射能力的一个物理量。早在雷达系统出现之前，利用麦克斯韦方程组，就已经求得了几种典型形状的完纯导体目标的电磁散射精确解。等到20世纪30年代雷达系统出现后，雷达目标就成为雷达收、发闭合回路中的一个重要环节，而雷达散射截面便是表征雷达目标特性的一个最基本、最重要的参数。60年代初发展的洲际导弹真、假弹头识别与反识别技术，以及80年代飞行器的隐身与反隐身技术，使得对雷达散射截面的研究出现了两次高潮。在这一时期，相关领域的研究人员对各类雷达目标进行了大量的静态与动态的测量研究与理论分析，由上述研究成果建立起的理论体系促使雷达目标成为雷达领域的一个独立分支，而对特定目标的雷达散射截面研究则成为该分支中的一个重要方向。在实际工程应用中，为全面地了解复杂目标的电磁散射特性，通常需要借助宽带高分辨雷达，来对目标物体在各个观测角度上的散射回波频谱分布进行测量。而上述操作会使测量系统长时间地工作在对同一目标RCS数据的采集过程中，从而导致整个系统的工作效率变得很低。此外，由于复杂目标的RCS数据在回波域通常不具备可压缩性，因此，存放上述数据势必会占用大量的存储空间，致使研究人员对实验设施存储设备的维护频率变得更为频繁。所以，为了提高雷达目标RCS数据测量系统的工作效率，同时降低实验设施存储设备的维护成本，亟需一种高效的RCS数据采集与压缩方法。专利技术内容(一)要解决的技术问题为了解决现有技术问题，本专利技术提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法。(二)技术方案本专利技术提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，包括：步骤A：基于观测目标散射中心分布的稀疏度，完成对观测目标近场宽带RCS数据的采集，得到观测目标的近场宽带RCS数据矩阵；步骤B：构建近场宽带RCS数据处理算子；步骤C：将所述近场宽带RCS数据处理算子与用于求解基追踪去噪模型的稀疏重构算法相结合，将所述观测目标的近场宽带RCS数据矩阵转化为观测目标的散射中心，获得所述观测目标散射中心的后向散射系数；以及步骤D：根据近场宽带RCS数据压缩精度的要求，对所述观测目标散射中心进行筛选，将筛选出的观测目标散射中心的后向散射系数与空间位置进行存储，完成近场宽带RCS数据的数据压缩。(三)有益效果从上述技术方案可以看出，本专利技术的基于基追踪去噪的近场宽带RCS数据采集与压缩方法具有以下有益效果：(1)通过在方位向与高程向上的随机降采样，降低了RCS数据的实际测量总量，能够在保证不过多损失雷达目标电磁散射特性信息完整度的情况下，缩短雷达系统对观测目标RCS数据的测量时间，从而提高整个测量系统的工作效率；(2)根据基追踪去噪模型，利用结合了近场宽带RCS数据处理算子的稀疏重构算法，来实现对回波域RCS数据的数据压缩，不仅可以减少数据压缩过程中雷达目标电磁散射特性信息的损失，还可以进一步降低压缩算法的计算复杂度与内存损耗，从而使上述数据压缩过程变得更为精确、快速与高效。附图说明图1为本专利技术实施例的基于基追踪去噪的近场宽带RCS数据采集与压缩方法的流程图；图2(a)为利用改进过的SPGL1算法获得的观测目标散射中心的恢复结果，图2(b)为利用未改进的SPGL1算法获得的观测目标散射中心的恢复结果；图3(a)为实测近场宽带RCS数据与重构近场宽带RCS数据的幅值与相位比较结果，其中重构近场宽带RCS数据用到的观测目标散射中心是由改进过的SPGL1算法获得的；图3(b)为实测近场宽带RCS数据与重构近场宽带RCS数据的幅值与相位比较结果，其中重构近场宽带RCS数据用到的观测目标散射中心是由未改进的SPGL1算法获得的。具体实施方式在基于地基平台的雷达散射截面测量实验里，观测目标的散射中心分布通常具有较好的稀疏性，本专利技术将雷达目标RCS数据的采集与压缩过程建模为基追踪去噪(Basis Pursuit Denoising，BPDN)。通过在方位向与高程向上的随机降采样，来降低对RCS数据的实际测量总量，然后，利用用于求解基追踪去噪模型的稀疏重构算法，把采集获得的回波数据转化为观测目标的散射中心，以实现对RCS数据的数据压缩。为减少数据压缩过程中雷达目标电磁散射特性信息的损失，选用SPGL1算法(基于L1范数惩罚项的谱投影梯度算法)作为重建观测目标散射中心的方法。SPGL1是一种精确、有效的稀疏信号重构算法。该算法利用基于牛顿迭代的寻根方法，更新在Lasso模型帕累托曲线上的正则化参数取值，从而使Lasso问题的解逐步地逼近基追踪去噪问题的解。而为了快速、高效地获得基追踪去噪问题的解，将结合了近场宽带RCS数据处理算子的谱投影梯度算法应用于上述Lasso问题序列的求解过程之中。改进过的SPGL1算法不仅保留了原算法求解精度高、收敛速度快等优点，还进一步降低了算法本身的计算复杂度与内存损耗。因此，该算法可以快速、高效地完成对近场宽带RCS数据的数据压缩工作。为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术做进一步地详细说明。本专利技术的实施例提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其具体内容包括：步骤A：基于观测目标散射中心分布的稀疏度，完成对观测目标近场宽带RCS数据的采集，得到观测目标的近场宽带RCS数据矩阵。步骤A具体包括：子步骤A1：在雷达目标特征信息数据库中查找与观测目标相类似的已有目标模型，并基于该模型的空间几何形状与电特性参数，利用电磁计算方法估计观测目标散射中心分布的稀疏度；子步骤A2：根据观测目标散射中心分布的稀疏度，在满足稀疏信号重构条件的情况下，确定雷达系统在方位向与高程向上对观测目标RCS数据的随机降采样率，然后，依照上述降采样率，在预先设置的满采样备选网格点上，挑选出用于实现随机降采样的空间采样位置；子步骤A3：在挑选出的空间采样位置上，对观测目标近场宽带RCS数据进行采集，得到观测目标的近场宽带RCS数据矩阵。在方位向与高程向上的随机降采样操作降低了RCS数据的实际测量总量，能够在保证不过多损失雷达目标电磁散射特性信息完整度的情况下，缩短雷达系统对观测目标RCS数据的测量时间，从而提高整个测量系统的工作效率。步骤B：将向量支集搜索方法与滤波逆投影原理引入到近场宽带RCS数据的处理过程中，推导出用于降低稀疏重构算法计算复杂度与内存损耗的近场宽带RCS数据处理算子。在用于求解基追踪去噪模型的传统稀疏重构算法中，一般存在包含了观测矩阵的矩阵-向量乘法运算，由于该运算的时间复杂度与空间复杂度均为平方阶，因此当观测矩阵维度较大时，包含上述运算的稀疏重构算法会在基追踪去噪模型求解过程中花费大量的运算时间，并占用较多的系统内存。为了能有效地解决该问题，我们用近场宽带RCS数据处理算子替代包含了观测矩阵的矩阵-向量乘法运算在上述算法中的功能。步骤B具体包括：子步骤B1：根据向量支集搜索方法的主要思想，构建出近场宽带RCS数据处理算子的回波数据生成项，该回波数据生成项本文档来自技高网...

【技术保护点】
一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，包括：步骤A：基于观测目标散射中心分布的稀疏度，完成对观测目标近场宽带RCS数据的采集，得到观测目标的近场宽带RCS数据矩阵；步骤B：构建近场宽带RCS数据处理算子；步骤C：将所述近场宽带RCS数据处理算子与用于求解基追踪去噪模型的稀疏重构算法相结合，将所述观测目标的近场宽带RCS数据矩阵转化为观测目标的散射中心，获得所述观测目标散射中心的后向散射系数；以及步骤D：根据近场宽带RCS数据压缩精度的要求，对所述观测目标散射中心进行筛选，将筛选出的观测目标散射中心的后向散射系数与空间位置进行存储，完成近场宽带RCS数据的数据压缩。

【技术特征摘要】
1.一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，包括：步骤A：基于观测目标散射中心分布的稀疏度，完成对观测目标近场宽带RCS数据的采集，得到观测目标的近场宽带RCS数据矩阵；步骤B：构建近场宽带RCS数据处理算子；步骤C：将所述近场宽带RCS数据处理算子与用于求解基追踪去噪模型的稀疏重构算法相结合，将所述观测目标的近场宽带RCS数据矩阵转化为观测目标的散射中心，获得所述观测目标散射中心的后向散射系数；以及步骤D：根据近场宽带RCS数据压缩精度的要求，对所述观测目标散射中心进行筛选，将筛选出的观测目标散射中心的后向散射系数与空间位置进行存储，完成近场宽带RCS数据的数据压缩。2.如权利要求1所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，所述步骤B具体包括：子步骤B1：构建所述近场宽带RCS数据处理算子的回波数据生成项以及子步骤B2：构建所述近场宽带RCS数据处理算子的散射中心重建项3.如权利要求2所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，所述回波数据生成项的表达式为：其中，表示用于搜索观测目标后向散射系数向量中所有非零元素位置的算子，即表示由观测目标后向散射系数向量x中所有非零元素的序号构成的集合；表示利用观测目标后向散射系数向量x中元素序号属于集合的观测目标的后向散射系数生成近场宽带RCS数据的算子，即其中，表示观测目标的近场宽带RCS数据向量，K表示每个步进频脉冲信号的频点总数，M表示在方位向与高程向上的空间采样位置总数，fk表示第k个脉冲的载波频率，且fk＝f1+(k-1)Δf，f1为第1个脉冲的载波频率，Δf为频率的步进长度，c表示电磁波在自由空间的传播速度，Rm，n表示雷达系统第m个空间采样位置坐标(um，vm，wm)与观测目标第n个散射中心位置坐标(un，vn，wn)间的距离，即4.如权利要求2所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，所述散射中心重建项的表达式为：其中，表示把观测目标的近场宽带RCS数据向量重新排列成与之对应的近场宽带RCS数据矩阵的算子；IFFTr(·)表示对近场宽带RCS数据矩阵Y中的每一列步进频脉冲信号进行逆快速傅里叶变换的算子；表示将距离向上的时域投影插值到目标区域空间网格点处的算子；表示对在不同空间采样位置上获得的三维子图像进行相干累加的算子；表示把观测目标的后向散射系数三维矩阵重新排列成观测目标后向散射系数向量的算子；表示时域插值操作前对距离向上的时域投影进行相位补偿的向量，其元素取值为ψ1(l)＝exp(-jπ(K-1)l/K)，l＝0，…，K-1，K表示每个步进频脉冲信号的频点总数；Ψ2，m表示时域插值操作后对目标区域空间网格点处的后向散射系数进行相位补偿的三维矩阵，Ψ2，m共包含N个元素，每个元素的取值为ψ2，m(un，vn，wn)＝exp(j4πfcRm，n/c)，fc表示每个步进频脉冲信号的中心频率，且fc＝(f1+fK)/2，N的取值与观测目标后向散射系数向量的维度相等；⊙表示哈达马乘法运算。5.如权利要求2所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，所述步骤C具体包括：子步骤C1：将观测目标的近场宽带RCS数据矩阵转换成由其M个列向量拼接成的近场宽带RCS数据向量输入近场宽带RCS数据向量y、加性噪声电平σ∈[0，||y||2)、最优输出容限Top∈[0，∞)、充分下降系数η∈(0，1)、Barzilai-Borwein步长取值的下界αmin与上界αmax、第一、二、三层迭代运算的最大迭代次数Niter1、Niter2与Niter3；使第一临时变量xp的初始值为x0＝0，第二临时变量rp的初始值为r0＝y，正则化参数τp的初始值为τ0＝0，Barzilai-Borwein步长αq的初始值为α0＝αmax，第一层迭代运算的迭代次数p的初始值为p＝1；设置观测目标后向散射系数输出向量为第三临时变量为第四临时...

【专利技术属性】
技术研发人员：全相印，张冰尘，吴一戎，高超，吕鸣，
申请(专利权)人：中国科学院电子学研究所，北京环境特性研究所，
类型：发明
国别省市：北京;11