一种毫米波成像噪声抑制方法、设备和可读存储介质技术

本申请实施例中一种毫米波成像噪声抑制方法，该方法的步骤包括：分别在空置的成像区域和具有扫描目标的成像区域进行扫描成像，获得第一图像数据和第二图像数据；将所述第一图像数据和第二图像数据进行合并，获得观测矩阵，并利用白化矩阵对观测矩阵进行白化处理；基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵；基于酉矩阵和白化矩阵，对信号源进行估计，获得回波估计信号；对所述回波估计信号进行分布变换和空间变换，获得抑制噪声的回波信号。本申请所述技术方案将独立分量分析(ICA)方法和Wigner‑Hough相结合，对近距离主动式毫米波三维成像进行噪声干扰去除，从而提高回波信号信噪比。

【技术实现步骤摘要】
一种毫米波成像噪声抑制方法、设备和可读存储介质
本申请涉及毫米波检测领域，尤其涉及一种用于近距离主动式毫米波成像的噪声抑制方法、设备和可读存储介质。
技术介绍
噪声抑制是近距离主动式毫米波三维成像系统中的关键技术，有效地噪声抑制能够提高回波信号的信噪比，从而提高系统的三维成像质量，最终保证了系统对危险可疑物品的自动识别能力。目前，已经申请和相关的学术论文中噪声抑制的研究主要是线性处理方法和非线性处理方法，线性处理方法的研究起源于上世纪六七十年代，主要采用的是线性滤波器和各种均值滤波器。线性处理方法具有简单的数学表达形式以及一些理想特性，使得该方法很容易设计和实现。在此之后，以傅里叶分析为代表的线性处理方法占据了几乎整个噪声抑制信号处理领域，最具代表的维纳滤波(Wienerfiltering,WF)和卡尔曼滤波(Kalmanfiltering,KF)为信号中噪声抑制提供了有力的理论支持。自上世纪八十年代开始，非线性科学开始逐渐渗透到信号处理领域之中，许多新颖的数学分析方法被引入到噪声抑制信号处理领域。在对源信号和传输通道几乎没有可利用信息的情况下,基于信号统计特性进行目标特征提取的算法越来越受到关注。当有用信号或噪声信号表现为高斯性时，噪声抑制算法仅需要利用二阶的统计信息即可，例如，主分量分析(PCA)等，但是，当有用信号和噪声信号表现出非高斯性及非稳态性时，此类方法变的无能为力。当信号表现为线性和平稳特性时，傅里叶变换是非常有效的特征提取方法。小波变换(WAVELET)具有提取非平稳信号特征的能力，但是，特征提取方法非常复杂，提取的信号特征难以量化，因此，在某种程度上限制了该方法的应用。独立分量分析(ICA)是一种盲的信号处理方法，该方法是基于高阶统计量的特征提取方法，能够有效获取相互独立的信源量化特征。ICA可以认为是PCA的高阶扩展，仅从观测数据的统计信息出发，实现传输信道的辨识及信源的估计。
技术实现思路
本申请实施例提出了一种独立分量分析(ICA)方法和Wigner-Hough变换算法相结合的用于近距离主动式毫米波三维成像的噪声抑制方法，以解决近距离主动式毫米波三维成像中的噪声干扰问题，提高回波信号信噪比。具体的，本方案公开了一种用于近距离主动式毫米波成像的噪声抑制方法，该方法的步骤包括：分别在空置的成像区域和具有扫描目标的成像区域进行扫描成像，获得第一图像数据和第二图像数据；将所述第一图像数据和第二图像数据进行合并，获得观测矩阵，并利用白化矩阵对观测矩阵进行白化处理；基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵；基于酉矩阵和白化矩阵，对信号源进行估计，获得回波估计信号；对所述回波估计信号进行分布变换和空间变换，获得抑制噪声的回波信号。优选地，所述分别在空置的成像区域和具有扫描目标的成像区域进行扫描成像，获得第一图像数据和第二图像数据的步骤包括：在成像区域没有目标的条件下，对空背景进行图像采样，获得第一图像数据：xnoise＝S(ω,θ,z)，其中，ω表示成像系统发射信号的频率，θ表示天线阵列在此时的固定角度下进行采样，z表示每个收发通道的天线口面沿着Z轴方向的位置；在成像区域有目标的条件下，对目标进行图像采样，获得第二图像数据：S′(ω,θ,z)，其中，ω表示成像系统发射信号的频率，θ表示天线阵列在此时的固定角度下进行采样，z表示每个收发通道的天线口面沿着Z轴方向的位置。优选地，所述将所述第一图像数据和第二图像数据进行合并，获得观测矩阵，并利用白化矩阵对观测矩阵进行白化处理的步骤包括：将S′(ω,θ,z)和xnoise合并在一起构建观测矩阵x，x＝As+n，其中，其中，s为N维源向量，n为噪声分量；利用白化矩阵W，对观测信号进行白化处理：其中，A是一个M×N的满秩线性混合矩阵。优选地，所述基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵的步骤包括：四阶累积矩阵定义：其中，i≥1，j≤n，n为白化观测矩阵z(t)中包含的分量个数。优选地，所述基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵的步骤还包括：累积矩阵Qz(M)＝λM，对应其第ij元素可以表示为[Qz(M)]＝λmij，式中λ是源sm的峰度，M是Qz(M)的特征矩阵；其中，是一个特征分解，则Qz(M)可以转换为UΛ(M)UT的形式，其中，用U矩阵对Qz(M)作二次型处理得到对角矩阵Λ(M)，就是通过UTQ(M)U寻找能够将Q(M)对角化的U矩阵。优选地，所述基于酉矩阵和白化矩阵，对信号源进行估计，获得回波估计信号的步骤包括：利用公式得到信号源s的估计，并获得回波估计信号优选地，对所述回波估计信号进行分布变换和空间变换，获得抑制噪声的回波信号的步骤包括：对回波估计信号进行Wigner-Ville分布变换；变换得到信号的时间频率分布，对回波估计信号的瞬时自相关进行傅里叶变换：优选地，对所述回波估计信号进行分布变换和空间变换，获得抑制噪声的回波信号的步骤还包括：通过Hough变换完成时频空间到参数估计空间的变换，在参数估计空间，提取信号的峰值坐标，进而完成参数的估计，恢复回波信号，对的Wigner-Hough变换：其中，f是对回波信号的中心频率的估计，g是对回波信号的线性调频斜率的估计，通过参数(f,g)的估计，可实现对回波信号的重现。一种电子设备，所述电子设备包括：存储器，一个或多个处理器；存储器与处理器通过通信总线相连；处理器被配置为执行存储器中的指令；所述存储介质中存储有用于执行上述方法中各个步骤的指令一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。本专利技术的有益效果如下：本申请所述技术方案将独立分量分析(ICA)方法和Wigner-Hough相结合，对近距离主动式毫米波三维成像进行噪声干扰去除，从而提高回波信号信噪比。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1示出本方案所述距离主动式毫米波圆柱扫描成像系统的示意图；图2示出本方案所述噪声抑制方法的流程图附图标号1、成像系统，2、毫米波天线阵列。具体实施方式为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。本方案的核心思路是根据近距离三维成像系统中宽带毫米波脉冲线性调频信号及其差频回波信号的特性，利用基于酉最大标准的四阶统计量JADE法，实现回波信号和噪声信号分离，利用Wigner-Hough变换的时频分析特性，完成线回波信号的特征提取以及估计，从而实现将ICA方法与Wigner-Hough变换相结合的噪声抑制。如图1和图2所示，本方案提供了一种近距离主动式毫米波三维成像系统噪声抑制方法具体步骤如下：第一步：建立近距离主动式毫米波圆柱扫描成像系统的噪声模型在图1所示近距离主动式毫米波圆柱扫描成像系统中，成像系统的成像区域没有目标的条件下，成像系统完成空背景的采样，定义采样数据为S本文档来自技高网...

【技术保护点】
一种毫米波成像噪声抑制方法，其特征在于，该方法的步骤包括：分别在空置的成像区域和具有扫描目标的成像区域进行扫描成像，获得第一图像数据和第二图像数据；将所述第一图像数据和第二图像数据进行合并，获得观测矩阵，并利用白化矩阵对观测矩阵进行白化处理；基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵；基于酉矩阵和白化矩阵，对信号源进行估计，获得回波估计信号；对所述回波估计信号进行分布变换和空间变换，获得抑制噪声的回波信号。

【技术特征摘要】
1.一种毫米波成像噪声抑制方法，其特征在于，该方法的步骤包括：分别在空置的成像区域和具有扫描目标的成像区域进行扫描成像，获得第一图像数据和第二图像数据；将所述第一图像数据和第二图像数据进行合并，获得观测矩阵，并利用白化矩阵对观测矩阵进行白化处理；基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵；基于酉矩阵和白化矩阵，对信号源进行估计，获得回波估计信号；对所述回波估计信号进行分布变换和空间变换，获得抑制噪声的回波信号。2.根据权利要求1所述的噪声抑制方法，其特征在于，所述分别在空置的成像区域和具有扫描目标的成像区域进行扫描成像，获得第一图像数据和第二图像数据的步骤包括：在成像区域没有目标的条件下，对空背景进行图像采样，获得第一图像数据：xnoise＝S(ω,θ,z)，其中，ω表示成像系统发射信号的频率，θ表示天线阵列在此时的固定角度下进行采样，z表示每个收发通道的天线口面沿着Z轴方向的位置；在成像区域有目标的条件下，对目标进行图像采样，获得第二图像数据：S′(ω,θ,z)，其中，ω表示成像系统发射信号的频率，θ表示天线阵列在此时的固定角度下进行采样，z表示每个收发通道的天线口面沿着Z轴方向的位置。3.根据权利要求2所述的噪声抑制方法，其特征在于，所述将所述第一图像数据和第二图像数据进行合并，获得观测矩阵，并利用白化矩阵对观测矩阵进行白化处理的步骤包括：将S′(ω,θ,z)和xnoise合并在一起构建观测矩阵x，x＝As+n，其中，其中，s为N维源向量，n为噪声分量；利用白化矩阵W，对观测信号进行白化处理：其中，A是一个M×N的满秩线性混合矩阵。4.根据权利要求3的噪声抑制方法，其特征在于，所述基于所述观测矩阵构建四阶累计矩阵，并对该矩阵进行特征分解，获得酉矩阵的步骤包括：四阶累积矩阵定义：其中，i≥1，j≤n，n为白化观测矩阵z(t)中包含的分量个数。5....

【专利技术属性】
技术研发人员：温鑫，费鹏，郭洧华，张璐，
申请(专利权)人：北京无线电计量测试研究所，
类型：发明
国别省市：北京,11