一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法技术

本发明专利技术提供一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像。该方法能够利用在降采样条件下获得的雷达回波数据，重建出高质量、高精度微波图像。

【技术实现步骤摘要】
一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法
本专利技术属于稀疏微波成像体制下的雷达二维成像
，具体涉及一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar，SAR)作为一种主动式微波成像技术，具有全天时、全天候、成像分辨率高等诸多优点。传统SAR成像技术所要用到的采样数据是按照Nyquist采样定律采样获得的。随着对SAR系统成像质量要求的不断提高，基于Nyquist采样定律的采样过程不可避免地产生大量的采样数据，致使对采样数据的实时存储、实时传输和实时处理变得越来越困难。但是，雷达系统观测的许多目标场景在特定的基底上是具有稀疏性的，能够利用压缩感知技术得到很好地重建。不同于传统的采样方式，压缩感知技术利用信号的稀疏性，将压缩与采样相结合，以低于Nyquist采样率的频率采样，实现信号的重建。可是，随着采样率的大幅降低，利用整体阈值迭代稀疏微波成像方法获得的成像结果，也会像匹配滤波成像方法一样，存在因频谱混叠所导致的大量虚假目标，致使对目标场景中强点目标坐标位置的估计与其真实坐标位置之间存在较大的偏差。
技术实现思路
本专利技术所要解决的技术问题是：在采样率大幅降低的情况下，由整体阈值迭代稀疏微波成像方法得到的成像结果中会存在大量的虚假目标，针对由此导致的目标场景后向散射系数估计值无法真实地反映目标场景电磁散射特性的问题，提出了一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法。该方法不仅能够自适应地设定迭代阈值，还能够降低因降采样造成的频谱混叠所导致的虚假目标对最终成像质量的影响；该方法能够利用在降采样条件下获得的雷达回波数据，重建出高质量、高精度微波图像。为解决上述技术问题，本专利技术所采用的技术方法是：一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像。进一步地，本专利技术所述步骤一的具体过程为：步骤101：利用实际试验的雷达系统参数，构建雷达观测模型，根据待观测目标在雷达波束照射范围内的几何面积，预估一个目标场景稀疏度的取值范围[0,Smax]，其中，Smax等于待观测目标在雷达波束照射范围内的几何面积与雷达非模糊成像区域面积的比值；步骤102：初始化参考场景稀疏度S1＝Smax，设定参考场景后向散射系数矢量xt的长度L、更新步长ΔS>0、参考场景重建试验次数N、实际试验的信噪比和降采样条件、稀疏度估计值输出条件，令t＝1；步骤103：使，判断更新后的St是否在取值范围[0,Smax]内，若未在取值范围内，则结束该方法，否则，根据St取值所确定的参考场景后向散射系数矢量xt中非零元素个数StL，随机选取非零元素的位置，构建参考场景的后向散射系数矢量xt，依据雷达观测模型与所述实际试验的信噪比和降采样条件，生成对应参考场景的后向散射系数矢量xt的回波数据yt；步骤104：利用稀疏微波成像模型，计算对应回波数据yt的参考场景后向散射系数矢量的估计，比较矢量与xt的支撑集，若两支撑集相同，则认为在此次重建试验中参考场景重建成功，反之，重建失败；步骤105：对应同一个稀疏度St，对由步骤103和步骤104构成的重建试验重复执行N次，统计出在N次重建试验中参考场景重建成功次数Mt，得到对应稀疏度St的重建概率Mt/N；步骤106：将对应稀疏度St的重建概率Mt/N与所述稀疏度估计值输出条件进行比较，若符合输出条件，则将St作为输出结果Sf，进入步骤107，反之，令t＝t+1，转步骤103；步骤107：根据待观测目标在方位向上强散射点的概率分布，在对应不同的方位向维度坐标条状区域里，利用所述Sf对所述强散射点的概率分布进行加权处理，获得对应不同的方位向维度坐标条状区域的稀疏度估计值Ki·；根据待观测目标在距离向上强散射点的概率分布，在对应不同的距离向维度坐标条状区域里，利用所述Sf对所述强散射点的概率分布进行加权处理，获得对应不同的距离向维度坐标条状区域的稀疏度估计值K·j。进一步地，本专利技术所述步骤二的具体过程为：步骤201：初始化目标场景的后向散射系数x0，设定梯度下降步长μ与迭代终止条件，令t＝0；步骤202：更新梯度下降序列BtBt＝xt+μAH(y-Axt)其中，y表示雷达接收到的实际回波数据，A表示回波生成算子，AH表示微波成像算子；步骤203：基于所述Ki·和K·j，依据阈值计算方法，自适应地设定对应不同正交维度坐标条状区域内的阈值和利用分维度阈值迭代方法，更新目标场景的后向散射系数，xt+1＝η(Bt)其中，η(·)是分维度阈值算子；max{ξKi·,ξK·j}0,otherwise]]>其中，Bt(i,j)是更新梯度下降序列Bt对应在目标场景中方位维坐标为i、距离维坐标为j的元素；T(·)表示在与Bt(i,j)相关的和中取值较大的阈值所在维度对应的转换函数；步骤204：判断目标场景的后向散射系数矢量估计xt+1是否满足迭代终止条件，满足，迭代终止，获得矢量估计xt+1中非零元素在目标场景中的坐标位置，该坐标位置即为强点目标在目标场景中位置坐标的估计，进入步骤三；否则，令t＝t+1，转步骤202。进一步地，本专利技术所述步骤三的具体过程为：步骤301：将强点目标在目标场景中位置坐标的估计构成集合步骤302：利用下式所表示的最小二乘支集投影方法，在集合上计算获得目标场景的后向散射系数其中，表示与集合对应的回波生成算子，表示与集合对应的微波成像算子，y表示雷达接收到的实际回波数据。有益效果：本专利技术基于分维度阈值处理的思想，设计了一种在采样率大幅降低的情况下，通过处理降采样回波数据，重建出高质量、高精度微波图像的成像处理方法。相比于匹配滤波成像方法、整体阈值迭代稀疏微波成像方法，本专利技术的优点在于：本专利技术通过参考场景重建试验方式，利用实际试验的系统参数，估计目标场景的稀疏度，根据稀疏度的估计值和阈值计算方法，自适应地选择阈值，避免了传统阈值迭代算法在阈值选择上的盲目性；本专利技术采用分维度阈值迭代算法，估计后向散射系数矢量的非零元素在目标场景中的坐标位置(即强点目标的坐标位置)，相比于传统微波成像方法，在采样率大幅降低的情况下，本专利技术对强点目标坐标位置的估计具有更高的精度。附图说明图1为本专利技术基于稀疏度估计的分维度阈值迭代稀疏微波成像方法的流程图；图2为二维平面CSAR子孔径成像模型的成像几何；图3为人为设置的参考目标场景；图4为当方位向与距离向均随机降采样50％时，不同的微波成像方法对目标场景的成像结果；其中，(a)匹配滤波成像方法的成像结果；(b)整体阈值迭代稀疏微波成像方法的成像结果本文档来自技高网...

【技术保护点】
一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，其特征在于，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像。

【技术特征摘要】
1.一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，其特征在于，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像；所述步骤一的具体过程为：步骤101：利用实际试验的雷达系统参数，构建雷达观测模型，根据待观测目标在雷达波束照射范围内的几何面积，预估一个目标场景稀疏度的取值范围[0,Smax]，其中，Smax等于待观测目标在雷达波束照射范围内的几何面积与雷达非模糊成像区域面积的比值；步骤102：初始化参考场景稀疏度S1＝Smax，设定参考场景后向散射系数矢量xt的长度L、更新步长ΔS>0、参考场景重建试验次数N、实际试验的信噪比和降采样条件、稀疏度估计值输出条件，令t＝1；步骤103：使St＝S1-(t-1)ΔS，判断更新后的St是否在取值范围[0,Smax]内，若未在取值范围内，则结束该方法，否则，根据St取值所确定的参考场景后向散射系数矢量xt中非零元素个数StL，随机选取非零元素的位置，构建参考场景的后向散射系数矢量xt，依据雷达观测模型与所述实际试验的信噪比和降采样条件，生成对应参考场景的后向散射系数矢量xt的回波数据yt；步骤104：利用稀疏微波成像模型，计算对应回波数据yt的参考场景后向散射系数矢量的估计比较矢量与xt的支撑集，若两支撑集相同，则认为在此次重建试验中参考场景重建成功，反之，重建失败；步骤105：对应同一个稀疏度St，对由步骤103和步骤104构成的重建试验重复执行N次，统计出在N次重建试验中参考场景重建成功次数Mt，得到对应稀疏度St的重建概率Mt/N；步骤106：将对应稀疏度St的重建概率Mt/N与所述稀疏度估计值输出条件进行比较，若符合输出条件，则将St作为输出结果Sf，进入步骤107，反之，令t＝t+1，转步骤103；步骤107：根据待观测目标在方位向上强散射点的概率分布，在对应不同的方位向维度坐标条状区域里，利用所述Sf...

【专利技术属性】
技术研发人员：全相印，张冰尘，蒋成龙，赵曜，张柘，吴一戎，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：北京;11