一种利用耦合模式字典学习的建筑物墙体成像方法和装置制造方法及图纸

本发明专利技术适用于建筑物墙体成像领域，提供了一种利用耦合模式字典学习的建筑物墙体成像方法和装置。所述方法包括：接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号；通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量；依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型；根据压缩感知模型，通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，得到建筑物墙体成像。本发明专利技术相比于现有方法整体提升了SOI中墙体扩展目标反射系数的重建性能，较好解决未知的数量、位置、墙体参数和测量噪声导致字典与成像场景失配而出现墙体像散焦、位置偏移等问题，同时有效减少成像所需数据量。

【技术实现步骤摘要】
一种利用耦合模式字典学习的建筑物墙体成像方法和装置
本专利技术属于建筑物墙体成像领域，尤其涉及一种利用耦合模式字典学习的建筑物墙体成像方法和装置。
技术介绍
建筑物布局成像雷达通过发射电磁波透入建筑物，进而实现对建筑物墙体的位置、朝向等分布信息进行检测与成像，其在灾难援救、城区巷战、防暴反恐、敌情侦察等领域具有重要的应用价值。传统的穿墙雷达成像算法主要以后向投影成像方法为主，虽然该方法简单高效，但其成像质量需要密集的空间采样和时间采样以及庞大的存储数据空间才能得到保证。一般情况下，探测建筑物结构布局采用的合成孔径阵列或实阵列是平行于前墙的，这样平行于前墙的所有墙体的成像必然成为感兴趣区域的主体。与感兴趣区域的距离向的维数相比，平行于阵列的墙体的数量相对较少，墙体在感兴趣区域中具有稀疏性的，所以墙体的成像实际上是一个稀疏信号的重建问题。尽管这种稀疏成像方法能够有效地减少成像所需的数据量并节省信号带宽，然而其恢复算法对回波信号的信噪比有较高的要求，同时，还要考虑到墙体呈直线连续的结构性分布，那么感兴趣的目标墙体回波实际上也就是一个具有块稀疏的结构性信号，因而稀疏向量元素彼此之间存在一种关联性。此外，稀疏成像过程中要求必须构造出准确且匹配的字典矩阵，而构造这样的字典矩阵要求精确的聚焦时延和已知墙体参数。虽然现有技术给出了很多典型的聚焦时延的计算方法，但由这些方法得到的时延也不能完全等同真实电磁波的传播时延，另外，建筑物布局成像往往并不能准确已知墙体参数，显然，单纯从墙体参数估计或者时延精确补偿的角度构造出来的字典矩阵并不能与成像场景完全匹配，直接利用这种字典成像就容易出现墙体目标失焦，且偏移真实位置。
技术实现思路
本专利技术的目的在于提供一种利用耦合模式字典学习的建筑物墙体成像方法、装置和计算机可读存储介质，旨在解决复杂情形建筑物布局成像中，因未知的数量、位置、墙体参数和测量噪声导致字典与成像场景失配而出现墙体像散焦、位置偏移的问题。第一方面，本专利技术提供了一种利用耦合模式字典学习的建筑物墙体成像方法，所述方法包括：接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号；通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量；依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型；根据压缩感知模型，通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，从而得到建筑物墙体成像。第二方面，本专利技术提供了一种利用耦合模式字典学习的建筑物墙体成像装置，所述装置包括：接收模块，用于接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号；压缩采样模块，用于通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量；构建模块，用于依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型；重构模块，用于根据压缩感知模型，通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，从而得到建筑物墙体成像。第三方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的利用耦合模式字典学习的建筑物墙体成像方法的步骤。在本专利技术中，由于通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，无需要求预先设定噪声方差和稀疏度等先验信息，而且把耦合模式的结构稀疏性融入其中，相比于现有方法整体提升了SOI(Sceneofinterest，感兴趣场景)中墙体扩展目标反射系数的重建性能，可以较好解决未知的数量、位置、墙体参数和测量噪声导致字典与成像场景失配而出现墙体像散焦、位置偏移等问题，同时可以有效减少成像所需数据量。附图说明图1是本专利技术实施例一提供的利用耦合模式字典学习的建筑物墙体成像方法的流程图。图2是本专利技术实施例一提供的利用耦合模式字典学习的建筑物墙体成像方法的仿真模型示意图。图3是本专利技术实施例一提供的利用耦合模式字典学习的建筑物墙体成像方法中，电磁波穿墙的传播模型示意图。图4是本专利技术实施例一提供的利用耦合模式字典学习的建筑物墙体成像方法的仿真场景成像结果示意图。图5是本专利技术实施例二提供的利用耦合模式字典学习的建筑物墙体成像装置的功能模块框图。具体实施方式为了使本专利技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。实施例一：请参阅图1，本专利技术实施例一提供的利用耦合模式字典学习的建筑物墙体成像方法包括以下步骤：需注意的是，若有实质上相同的结果，本专利技术的利用耦合模式字典学习的建筑物墙体成像方法并不以图1所示的流程顺序为限。S101、接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号。在本专利技术实施例一中，所述目标建筑物墙体的回波信号是通过以下方式采集的：天线脉冲体制雷达系统采用收发共置的天线以合成孔径方式扫描目标建筑物墙体的成像区域，如图2所示，天线采用发射信号表示为s(t)的窄脉冲信号，s(t)＝exp(-2π2f2(t-f)2)，其中f表示发射信号的中心频率；收发共置的天线分别在L个测量孔径接收目标建筑物墙体的回波信号，L是测量孔径的数量，第l个测量孔径接收的回波信号表示为rl(t)＝sl(t)+el(t)，l∈1,2,…L，其中sl(t)和el(t)分别表示目标墙体反射分量和噪声分量，其中目标墙体反射分量其中，τl；(i,j)为信号从第l个测量孔径到像素(i,j)的双程传播时延，ζ[l；(i,j)]为指示函数，若像素(i,j)在第l个测量孔径的正前方，则ζ[l；(i,j)]取值为1，其它情况ζ[l；(i,j)]取值为0。S102、通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量。在本专利技术实施例一中，S102具体可以包括以下步骤：分别对L个测量孔径接收到的目标建筑物墙体的回波信号rl(t)进行K点的采样，得到采样后的回波信号rl＝[rl(0),rl(1),…,rl(K-1)]T；通过构造高斯随机测量矩阵Φl对每个采样后的回波信号rl做压缩采样，得到每个测量孔径的矢量yl，yl＝Φlrl，其中，yl是kL×1的列向量，k表示随机矩阵从原始采样点K中抽取k个采样点，Φl是k×K的采样矩阵；根据每个测量孔径的矢量计算总的观测值向量其维度是M×1，M＝kL，其中表示为：yl＝Φlrl。S103、依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型。在本专利技术实施例一中，S103具体可以包括以下步骤：S1031、将目标建筑物墙体的成像区域在距离向和方位向上划分为Nx×Ny个像素，距离向和方位向分别有Ny和Nx个网格单元，任意一个网格单元的坐标是(i,j)，i∈1,2,…Nx，j∈1,2,…Ny，基于回波信号的相关域信息以及各网格单元的像素与各测量孔径间的聚焦时延构建L个成像字典Ψl；S1032、基于总的观测值向量、L个成像字典和L个测量矩阵构建压缩感知模型。其中，S1031具体可以为：将目标建筑物墙体的成像区域离散化为N＝Nx×Ny个网格点后，网格距离单元的大小代表雷达分辨率，这样所有图像像素本文档来自技高网...

【技术保护点】
1.一种利用耦合模式字典学习的建筑物墙体成像方法，其特征在于，所述方法包括：接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号；通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量；依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型；根据压缩感知模型，通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，从而得到建筑物墙体成像。

【技术特征摘要】
1.一种利用耦合模式字典学习的建筑物墙体成像方法，其特征在于，所述方法包括：接收天线脉冲体制雷达系统采集的目标建筑物墙体的回波信号；通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量；依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型；根据压缩感知模型，通过耦合模式贝叶斯字典学习算法将墙后图像的稀疏信号矢量重构，从而得到建筑物墙体成像。2.如权利要求1所述的方法，其特征在于，所述目标建筑物墙体的回波信号是通过以下方式采集的：天线脉冲体制雷达系统采用收发共置的天线以合成孔径方式扫描目标建筑物墙体的成像区域，天线采用发射信号表示为s(t)的窄脉冲信号，s(t)＝exp(-2π2f2(t-f)2)，其中f表示发射信号的中心频率；收发共置的天线分别在L个测量孔径接收目标建筑物墙体的回波信号，L是测量孔径的数量，第l个测量孔径接收的回波信号表示为rl(t)＝sl(t)+el(t)，l∈1,2,…L，其中sl(t)和el(t)分别表示目标墙体反射分量和噪声分量，其中目标墙体反射分量其中，τl；(i,j)为信号从第l个测量孔径到像素(i,j)的双程传播时延，ζ[l；(i,j)]为指示函数，若像素(i,j)在第l个测量孔径的正前方，则ζ[l；(i,j)]取值为1，其它情况ζ[l；(i,j)]取值为0。3.如权利要求2所述的方法，其特征在于，所述通过随机测量矩阵对目标建筑物墙体的回波信号进行压缩采样获得观测值向量具体包括：分别对L个测量孔径接收到的目标建筑物墙体的回波信号rl(t)进行K点的采样，得到采样后的回波信号rl＝[rl(0),rl(1),…,rl(K-1)]T；通过构造高斯随机测量矩阵Φl对每个采样后的回波信号rl做压缩采样，得到每个测量孔径的矢量yl，yl＝Φlrl，其中，yl是kL×1的列向量，k表示随机矩阵从原始采样点K中抽取k个采样点，Φl是k×K的采样矩阵；根据每个测量孔径的矢量计算总的观测值向量其维度是M×1，M＝kL，其中表示为：yl＝Φlrl。4.如权利要求3所述的方法，其特征在于，所述依据自由空间传播特性设计成像字典，并基于观测值向量和成像字典构建压缩感知模型具体包括：将目标建筑物墙体的成像区域在距离向和方位向上划分为Nx×Ny个像素，基于回波信号的相关域信息以及各网格单元的像素与各测量孔径间的聚焦时延构建L个成像字典Ψl；基于总的观测值向量、L个成像字典和L个测量矩阵构建压缩感知模型。5.如权利要求4所述的方法，其特征在于，所述将目标建筑物墙体的成像区域在距离向和方位向上划分为Nx×Ny个像素，基于回波信号的相关域信息以及各网格单元的像素与各测量孔径间的聚焦时延构建L个成像字典Ψl具体为：将目标建筑物墙体的成像区域离散化为N＝Nx×Ny个网格点，距离向和方位向分别有Ny和Nx个网格单元，任意一个网格单元的坐标是(i,j)，i∈1,2,…Nx，j∈1,2,…Ny，网格距离单元的大小代表雷达分辨率，所有图像像素信息归入一个一维列向量，即稀疏信号矢量σ，且一维列向量的维度大小是N×1；rl视为每个像素产生的回波信息叠加，利用每个像素点的特征设计成像字典Ψl，rl＝Ψlσ，Ψl是第l个测量孔径处雷达系统的成像字典，其维度是K×N，第l个测量孔径的成像字典的第k行向量表示为：其中，τl；(i,j)为信号从第l个测量孔径到像素(i,j)的双程传播时延，该值根据电磁波穿墙的传播模型计算。6.如权利要求5所述的方法，其特征在于，根据电磁波穿墙的传播模型具体计算如下：墙壁的介电常数和厚度分别为d和εr，墙后任意一点P的坐标为P(xp,yp)，B点是电磁波的折射点，其坐标为B(x2,y2)，天线的坐标是A(xa,ya)，θ1和分别为电磁波穿墙时的折射角与入射角，发射天线到点P之间的电长度为其中的rAB与rBP表示发射点到折射点以及折射点到像点P的直线距离，且当像点与天线距离远大于墙体厚度时，近似认为线段PQ和PA相互平行，那么此时的rBP表示为rBP＝rAP-Δr，其中Δr表示这两段线段的长度差，lAP表示A点和P点之间直线距离，其值为综合上述各式，lAP表示为此时的τl；(i,j)计算为τl；(i,j)＝lAP/c，在实际的建筑物布局成像应用中，成像墙体与天线之间的距离远大于墙体厚度，所以θ1近似表示为θ1≈arctan(|xp-xa|/|yp-ya|)。7.如权利要求6所述的方法，其特征在于，所述基于总的观测值向量、L个成像字典和L个测量矩阵构建压缩感知模型具体为：用L个高斯随机测量矩阵Φl构成总测量矩阵Φ，用L个成像字典Ψl构成总字典Ψ＝[Ψ...

【专利技术属性】
技术研发人员：晋良念，冯飞，谢辉玉，纪元法，孙希延，刘庆华，谢跃雷，蒋俊正，欧阳缮，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45