基于张量稀疏表示的MIMO雷达成像方法技术

本发明专利技术属于雷达技术领域和信号处理领域，特别涉及一种多输入多输出类型系统的基于张量稀疏表示的MIMO雷达成像方法。本发明专利技术包括：M个发射阵元发射相互正交的相位编码信号，N个接收阵元接收该相位编码信号；应用匹配滤波器对接收到的雷达信号进行匹配滤波；对匹配滤波后的信号做傅里叶变换，得到空间谱域回波表达式；场景进行网格划分，将雷达回波离散化，得到在压缩感知框架下雷达成像聚焦的数学表达式等。本发明专利技术克服了DAS类方法固有的低分辨率和高旁瓣的缺点。与其他经典化压缩感知成像方法相比，本发明专利技术所提的THMP方法充分利用接收信号的张量特性进行稀疏信号恢复，避免了向量化操作带来的信号内在结构信息损失。

MIMO radar imaging method based on tensor sparse representation

The invention belongs to the radar technical field and the signal processing field, in particular to a MIMO radar imaging method based on tensor sparse representation of a multi input and multi output type system. The present invention includes a M transmitting element transmitting phase encoding orthogonal signals, N array receives the phase encoding signal; application of matched filter by matching filtering of received signals; Fu Liye transform of signal matched filter and spatial spectral domain echo expression; scene mesh will the radar echo discretization, obtained in the framework of compressed sensing radar imaging focusing mathematical expression etc.. The invention overcomes the disadvantages of the low resolution and high side lobe inherent in the DAS class method. With other classical compressed sensing imaging method compared with THMP method, the full use of the tensor characteristics of received signal sparse signal recovery, avoid signal loss caused to quantify the inherent structure information operation.

【技术实现步骤摘要】
基于张量稀疏表示的MIMO雷达成像方法
本专利技术属于雷达
和信号处理领域，特别涉及一种多输入多输出类型系统的基于张量稀疏表示的MIMO雷达成像方法。
技术介绍
多输入多输出(MIMO)雷达是一种21世纪新出现的雷达系统，它利用多个发射与接收天线同时对目标进行观测。良好的阵列构型设计和波形分集技术使得MIMO雷达能够获得远多于实际物理阵元个数的观测通道和空间自由度，可以显著的改善参数的可辨识性，实现更为灵活的发射方向图设计，改进目标检测和参数估计性能。相比于传统成像雷达，MIMO雷达在成像的方位向分辨率、实时性和运动补偿方面具有明显的性能优势。因此MIMO雷达成像具有广泛的应用前景。常见的MIMO雷达成像方法，诸如BP(backprojection)方法或DAS(delayandsum)类波束形成方法，包括改进的Kirchhoff偏移方法、衍射堆栈方法等，具有与匹配滤波和波束形成相似的形式，其优点是方法简单易于实现，输出信噪比高，但是存在分辨率较低且旁瓣水平高，成像效果差的缺陷。为了获得更好的成像效果，人们将压缩感知技术应用到MIMO雷达成像中。稀疏微波成像是指将压缩感知与雷达成像有机结合形成的一种新的成像方法。它通过寻找被观测目标的少量回波数据，利用稀疏重构技术提取目标的空间位置、散射特征和运动特征等参数。和传统的雷达成像方法相比，压缩感知的引入可以显著地降低系统的数据采集率和系统复杂度，而且稀疏重构方法潜在的超分辨能力有进一步提升成像性能的能力。在压缩感知框架下，MIMO雷达成像可以视为一个稀疏估计问题，其成像过程可以用线性规划的方法或是贪婪类方法予以解决。佛罗里达大学的LiJ.教授等提出了许多适用于MIMO雷达稀疏成像的稀疏重构方法，如循环自适应方法(IterativeAdaptiveApproaches,IAA)和稀疏学习循环最小化方法(SparseLearningviaIterativeMinimization,SLIM)等。Higgins等提出了空间-距离自适应处理方法。这些MIMO雷达成像方法都是将自适应技术应用到二维联合滤波器权矢量的设计中，通过迭代更新二维权矢量和获得的图像幅值，通过一定的迭代次数最终得到高分辨率和低旁瓣的成像结果。但是，这些方法自适应维数巨大，方法的时间复杂度过高，不仅难以进行实时成像，而且在常用的处理器上运行都极为困难。文献(Jointwallmitigationandcompressivesensingforindoorimagereconstructon.IEEETransactiononGeosci.RemoteSensing,2013,51(2):891-906.)采用线性规划的方法解决压缩感知问题，得到良好的效果。贪婪恢复方法的代表是OMP类方法。这种方法有着较低的运算负荷，较高的成像分辨率，但是由于OMP方法在基信号选择时只能扩充不能去除不良基信号的策略，OMP类恢复方法在雷达成像应用中会存在伪影点，这不利于目标的识别。文献(Subspacepursuitforcompressivesensingsignalrecomstruction.IEEETransactiononInformationTheory,2009,55(5):2230-2249)提出了被称为子空间追踪方法(subspacepursuit,SP)的压缩感知贪婪方法，纠正了OMP方法中存在伪影点的问题，但是在MIMO雷达成像应用中其分辨率较OMP方法低。此外，上述所提的稀疏成像方法通常将接收信号作堆栈处理，这无疑将破坏信号的多维结构从而不能利用信号的多维结构信息导致方法性能降低。特别在低信噪比和小样本情况下，性能更加恶化。本专利技术提出将张量信号处理方法引入MIMO雷达稀疏成像中去。
技术实现思路
本专利技术的目的在于提供一种基于张量稀疏表示的MIMO雷达成像方法。本专利技术的目的是这样实现的：本专利技术包括如下步骤：(1)M个发射阵元发射相互正交的相位编码信号，N个接收阵元接收该相位编码信号；(2)应用匹配滤波器对接收到的雷达信号进行匹配滤波；(3)对匹配滤波后的信号做傅里叶变换，得到空间谱域回波表达式；(4)场景进行网格划分，将雷达回波离散化，得到在压缩感知框架下雷达成像聚焦的数学表达式；(5)根据发射-接收-采样的三维形式将接收信号写成张量形式；(6)对张量接收信号作高阶奇异值分解，得到多维线性测量结果；(7)采用张量混合匹配追踪方法对步骤(6)得到的稀疏信号恢复；(8)将恢复的向量按照预先划分好的网格进行矩阵化处理，得到最终MIMO雷达稀疏成像的结果；(9)在色噪声情况下，划分两个子发射阵列，构造互协方差张量，通过高阶奇异值分解去除色噪声带来的不利影响。所述步骤(5)的张量形式建立过程如下：(5.1)获得单基地共址MIMO雷达空间谱域回波：(5.2)划分成像网格点，得到离散稀疏信号模型；且有(5.3)将上述接收信号按照发射-接收-采样的三维信息写成张量形式所述步骤(7)中所述采用张量混合匹配追踪方法对得到的稀疏信号恢复的步骤如下：(7.1)初始化；首先定义支撑集Λold＝max_ind(|σkron-omp|，K)，其中σkron-omp＝kron-omp(Z，B1，B2，B3，K)定义为标准kron-OMP方法的计算结果；残差初始化为(7.2)支撑集扩充至2K个；其中，(7.3)支撑集更新；新的支撑集为Λnew＝max_ind(Z×3B1(Λtemp)T×2B2(Λtemp)T×1B3(Λtemp)T,K)；(7.4)残差更新；(7.5)迭代终止判断；通过迭代来持续更新残差和支撑集，当残差范数满足误差容限时，迭代停止，计算和输出σ；所述的步骤(9)去除色噪声影响按照如下方法进行：(9.1)划分发射阵列为两个子阵列，第一个子阵包含发射阵列的前M1个天线，第二个子阵包含剩余的M2＝M-M1个天线；(9.2)分别进行匹配滤波处理，得到(9.3)将每个脉冲的匹配滤波输出堆栈成一个向量(9.4)根据张量定义构建3阶张量(9.5)根据(9.4)中的3阶张量，定义4阶协方差张量(9.6)对协方差张量进行高阶奇异值分解去除色噪声影响本专利技术的有益效果在于：1.与DAS类成像方法相比，本专利技术克服了DAS类方法固有的低分辨率和高旁瓣的缺点。2.与其他经典化压缩感知成像方法相比，本专利技术所提的THMP方法充分利用接收信号的张量特性进行稀疏信号恢复，避免了向量化操作带来的信号内在结构信息损失。3.此外，本专利技术所提的THMP方法中的每一次索引选择的过程是利用OMP方法实现的，这种操作保证了在基信号选择时的正交性，也就能在字典矩阵具有傅里叶类似性质的时候可以区分相距很近的空间面元；与此同时，在THMP方法中存在的回溯选择操作与SP方法相同。这种操作的存在保证了THMP方法有能力剔除在前面的迭代过程中被选择的病态的索引，向支撑集中添加新的潜力高的索引。因此，THMP方法在理论上比OMP方法和SP方法的性能都要好。附图说明图1是采用HMP方法的MIMO雷达成像具体流程图；图2是本专利技术的单基地MIMO雷达二维成像模型示意图；图3是接收信号张量模型立体示意图；图4是张量分解原理图；图5是Kron-OMP方法的MIMO雷达本文档来自技高网...

【技术保护点】
基于张量稀疏表示的MIMO雷达成像方法，其特征在于，包括如下步骤：(1)M个发射阵元发射相互正交的相位编码信号，N个接收阵元接收该相位编码信号；(2)应用匹配滤波器对接收到的雷达信号进行匹配滤波；(3)对匹配滤波后的信号做傅里叶变换，得到空间谱域回波表达式；(4)场景进行网格划分，将雷达回波离散化，得到在压缩感知框架下雷达成像聚焦的数学表达式；(5)根据发射‑接收‑采样的三维形式将接收信号写成张量形式；(6)对张量接收信号作高阶奇异值分解，得到多维线性测量结果；(7)采用张量混合匹配追踪方法对步骤(6)得到的稀疏信号恢复；(8)将恢复的向量按照预先划分好的网格进行矩阵化处理，得到最终MIMO雷达稀疏成像的结果；(9)在色噪声情况下，划分两个子发射阵列，构造互协方差张量，通过高阶奇异值分解去除色噪声带来的不利影响。

【技术特征摘要】
1.基于张量稀疏表示的MIMO雷达成像方法，其特征在于，包括如下步骤：(1)M个发射阵元发射相互正交的相位编码信号，N个接收阵元接收该相位编码信号；(2)应用匹配滤波器对接收到的雷达信号进行匹配滤波；(3)对匹配滤波后的信号做傅里叶变换，得到空间谱域回波表达式；(4)场景进行网格划分，将雷达回波离散化，得到在压缩感知框架下雷达成像聚焦的数学表达式；(5)根据发射-接收-采样的三维形式将接收信号写成张量形式；(6)对张量接收信号作高阶奇异值分解，得到多维线性测量结果；(7)采用张量混合匹配追踪方法对步骤(6)得到的稀疏信号恢复；(8)将恢复的向量按照预先划分好的网格进行矩阵化处理，得到最终MIMO雷达稀疏成像的结果；(9)在色噪声情况下，划分两个子发射阵列，构造互协方差张量，通过高阶奇异值分解去除色噪声带来的不利影响。2.根据权利要求1所述的基于张量稀疏表示的MIMO雷达成像方法，其特征在于：所述步骤(5)的张量形式建立过程如下：(5.1)获得单基地共址MIMO雷达空间谱域回波：(5.2)划分成像网格点，得到离散稀疏信号模型；zn，m＝[zn，m(Kn，m(f1))…zn，m(Kn，m(fq))]＝An，mσ且有(5.3)将上述接收信号按照发射-接收-采样的三维信息写成张量形式3.根据权利要求1所述的基于张量稀疏表示的MIMO雷达成像方法，其特征...

【专利技术属性】
技术研发人员：王伟，张斌，李欣，魏振宇，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23