【技术实现步骤摘要】
【】本专利技术属于雷达信号处理领域，涉及一种逆合成孔径雷达(isar)稀疏孔径成像处理方法，具体涉及一种支撑域加权二维压缩感知重构的两阶段isar成像方法。
技术介绍
0、
技术介绍
1、压缩感知(compressed sensing,cs)理论证明了在某个信号域具有稀疏性的信号，利用低于奈奎斯特采样定理的采样率观测的数据能够大概率被精确重构(见文献：“d.l.donoho,“compressed sensing,”ieee trans.inf.theor.vol.52,no.4,pp.1289-1306,2006.”donoho的论文：压缩感知)。高频区二维成像结果的一个距离单元内可以被等效为有限个强散射点(见文献“s.zhang,“introduction,”in sparse bayesian isarimaging technique.beijing,china:science press,2020,pp.11-12.”张双辉的著作：稀疏贝叶斯isar成像方法)，这恰好满足cs理论对于信号稀疏性的要求(见文献“r.baraniuk,m.davenport,r.devore,m.wakin,“a simple proof of the restricted isometryproperty for random matrices,”constr.approx.,vol.28,no.3,pp.253-263,2008”baraniuk的论文：随机矩阵的等距性约束的一个简单证明)。因此cs方法能够被用来解决稀疏孔
2、传统omp算法迭代寻优的解空间包括了完整的成像区域。但是根据目标散射点的稀疏特性可知，这样的解空间远远大于真实散射点的区域。在解决短孔径成像问题时，张磊提出将基于fft方法的成像结果作为先验信息引入omp重构算法中，提升了低信噪比(signal-to-noise ratio,snr)条件下的重构效果(见文献：“l.zhang,m.xing,qiu c.,lij.,sheng j.,li y.,bao z.,“resolution enhancement for inversed syntheticaperture radar imaging under low snr via improved compressive sensing,”ieeetrans.geo remote sens.,vol.48,no.10,pp.3824-3838,2010.”张磊的论文：基于改进压缩感知的低信噪比下逆合成孔径雷达成像分辨率增强)。在此基础上，程凯改进了根据基于fft方法的成像结果设计的加权函数(见专利：杨淑媛，焦李成，程凯等.基于加权l1优化与视觉显著注意的isar成像方法,专利受理号：2014102400723)。
3、针对飞行姿态稳定的目标的稀疏孔径成像问题，本专利技术设计了一种支撑域加权二维压缩感知重构的两阶段isar成像方法，提升低稀疏度下的图像重构质量。
技术实现思路
0、
技术实现思路
1、本专利技术的目的在于针对现有技术的问题，设计一种支撑域加权二维压缩感知重构的两阶段isar成像方法。具体内容为：基于压缩感知原理，针对稀疏孔径成像问题，提出一种两阶段isar成像方法，阶段一，利用完整孔径的成像结果，提取图像支撑域并构造加权函数。阶段二，利用这一先验信息对压缩感知重构过程进行加权。本方法针对飞行姿态平稳的目标，提升了稀疏孔径图像重构的准确率。
2、为了达到上述目的，本专利技术采取的技术方案如下：
3、步骤一：构建雷达成像模型；
4、步骤二：基于fft成像结果构建信号支撑域；
5、步骤三：构建压缩感知成像模型；
6、步骤四：利用加权约束的压缩感知算法实现雷达图像重构；
7、其中，步骤二所述具体过程如下：
8、根据fft方法的成像结果中所有像素点的均值设定检测门限th，将过门限的点去除离散点之后得到的集合记为信号支撑域，得到加权函数。
9、其中，步骤三所述具体流程如下：
10、基于压缩感知原理，构造感知矩阵φ＝pψ，其中，ψ＝ξ-1为稀疏变换基，p为稀疏测量矩阵。
11、其中，步骤四所述利用加权的压缩感知算法实现二维图像重构，以下称为2d-omp重构算法，具体流程如下：
12、输入：有效孔径数据s′，感知矩阵φ，加权矩阵w，噪声容限ε；
13、输出：目标稀疏重构结果
14、步骤4.1：循环计数记为l，残差矩阵记为rl，感知矩阵φ中选中的基向量存储在元胞数组λl中。初始化：l＝0，rl＝s′，
15、步骤4.2：令l＝l+1；
16、步骤4.3：计算加权后的投影矩阵g，g＝w⊙p，其中p＝abs[(φhrl-1)]，()h表示矩阵共轭转置，⊙表示哈达玛积。
17、步骤4.4：记g中最大元素位于矩阵g的第p行，第q列。更新元胞数组，将传感矩阵φ的第p列存入第q个元胞数组中，表示为λl{q}＝λl-1{q}∪φcol-p，其中，φcol-p表示感知矩阵φ的第p列。
18、步骤4.5：计算最小二乘解γl＝[(λl{q})hλl{q}]-1(λl{q})hs′col-q，其中，s′col-q表示s′的第q列。
19、步骤4.6：更新待重构信号，其中，表示根据元胞数组λl索引得到的矩阵中被更新的元素。
20、步骤4.7：rl＝rl-1，然后更新残差矩阵的第q列，rl-col-q＝s′col-q-λl{q}γl；
21、步骤4.8：如果||rl||f＞ε成立，则返回步骤4.2；否则结束循环，并输出目标稀疏重构结果
22、本专利技术的有益效果主要包括：
23、第一，基于压缩感知原理实现回波信号重构，提出的支撑域加权约束缩小了迭代寻优过程中解空间的大小，能够提升低稀疏度条件下目标重构的准确性。
24、第二，设计的两阶段isar成像方法应用于空间目标的监视时，能够大大减少观测脉冲的数量，从而提高同时监视的目标数量，提升雷达资源的利用率。
本文档来自技高网...【技术保护点】
1.一种域加权二维压缩感知重构的两阶段ISAR成像方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，在步骤一中，发射信号为线性调频信号，表示为：
3.根据权利要求2述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，其特征在于：NT个散射点构成，对于第i个散射点P(xi,yi)，设其在一个脉冲重复间隔内的等效转动量可以忽略，在tm时刻与雷达之间的距离为：
4.根据权利要求3所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，其特征在于：目标回波表示为：
5.根据权利要求4所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，其特征在于：设雷达采样率为fs，则单个脉冲内的采样点数为N＝fsT；接收到tm时刻目标信号回波后进行距离向Dechirp处理以及逆傅里叶变换后即得到目标的一维距离像序列；得到目标的慢时间-距离像序列后进行包络对齐与相位校正，将处理后的距离像序列记为M×N的矩阵S；
6.根据权利要求1所述的一种域加权二维压缩感知重构的两阶段ISA
7.根据权利要求6所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，其特征在于：矩阵S2D中第m行，第n列的原子表示第m个方位向的中第n个距离单元对应的高分辨距离像；加权矩阵W以哈达玛积的方式对解空间进行约束，因此加权矩阵中的原子与S2D中的原子在位置上是一一对应的；加权矩阵中的第m行，第n列的原子表示为：
8.根据权利要求1所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，在步骤三中，构建回波信号的稀疏孔径模型：
9.根据权利要求1或8所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，在步骤三中，构建稀疏重构模型：
10.根据权利要求1所述的一种域加权二维压缩感知重构的两阶段ISAR成像方法，其特征在于：在步骤四中，利用加权的压缩感知算法实现二维图像重构，以下称为2D-OMP重构算法，具体流程如下：
...【技术特征摘要】
1.一种域加权二维压缩感知重构的两阶段isar成像方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种域加权二维压缩感知重构的两阶段isar成像方法，在步骤一中，发射信号为线性调频信号，表示为：
3.根据权利要求2述的一种域加权二维压缩感知重构的两阶段isar成像方法，其特征在于：nt个散射点构成，对于第i个散射点p(xi,yi)，设其在一个脉冲重复间隔内的等效转动量可以忽略，在tm时刻与雷达之间的距离为：
4.根据权利要求3所述的一种域加权二维压缩感知重构的两阶段isar成像方法，其特征在于：目标回波表示为：
5.根据权利要求4所述的一种域加权二维压缩感知重构的两阶段isar成像方法，其特征在于：设雷达采样率为fs，则单个脉冲内的采样点数为n＝fst；接收到tm时刻目标信号回波后进行距离向dechirp处理以及逆傅里叶变换后即得到目标的一维距离像序列；得到目标的慢时间-距离像序列后进行包络对齐与相位校正，将处理后的距离像序列记为m×n的矩阵s；
【专利技术属性】
技术研发人员：吴其华，赵铁华，赵锋，刘晓斌，徐志明，王延锋，潘小义，顾赵宇，田瑞琦，肖顺平，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。