基于三维属性散射中心模型的多雷达融合高分辨成像方法技术

本发明专利技术公开了一种基于三维属性散射中心模型的多雷达融合高分辨成像方法。通过提取多视角下的目标部件三维信息，将其统一投影到同一坐标系下，再进行目标参数的三维融合。考虑目标三维信息提取过程需要密集采样、计算内存过大的问题，本发明专利技术利用多维度压缩感知算法节省了三维成像过程中的内存消耗，降低了雷达硬件系统需求。

【技术实现步骤摘要】
基于三维属性散射中心模型的多雷达融合高分辨成像方法
本专利技术属于雷达成像领域，具体是一种基于三维属性散射中心模型的多雷达融合高分辨成像方法。
技术介绍
多雷达融合高分辨成像是指多部雷达对同一目标或场景从不同角度进行探测获取回波数据，并将其融合处理，实现雷达高分辨成像。面对日益复杂的战场环境，雷达获取数据的方式从单站、单极化往多站，多极化发展，雷达成像的能力也发展到三维成像，三维成像能够更加详细的描述目标的特征，对战场侦察、目标检测等领域提供更加全面的信息，提高雷达成像质量。传统点散射模型认为目标由相互独立的点散射中心构成，没有考虑频率依赖性和各向异性，导致出现散焦等问题。属性散射中心模型，从几何绕射解和物理光学的角度出发，为散射中心提供更完备的电磁特性和几何特性信息。但是由于三维属性散射中心模型部件的参数估计运算量大，计算复杂，有关方法都忽略这一问题，本文所提方法有效解决该问题，减少了计算机的运载负荷。单部雷达观测下目标的回波数据所限定的目标姿态角比较窄，观测数据有限，所成三维像会存在遮挡问题，导致目标的部件漏检，因此应用多部雷达进行融合高分辨成像至关重要。文献(多视角属性散射中心模型的部件提取与合成)中只考虑目标的二维信息，对目标的细节信息描述不全面，而且文章中并未考虑属性散射中心模型部件的参数过多，计算内存消耗过大的问题。
技术实现思路
传统单部雷达受到观测角度的限制，存在遮挡效应，导致目标部件信息丢失，本专利技术的目的在于针对这一问题，提出基于三维属性散射中心模型的多雷达融合成像方法。该方法有效解决在属性散射中心建模下参数估计运算量大、计算法负荷大的问题，并解决单部雷达观测下的遮挡问题，从而为多雷达目标融合高分辨成像提供重要的途径。实现本专利技术目的的技术解决方案为：一种基于三维属性散射中心模型的多雷达融合高分辨成像方法，步骤如下：第一步，利用解析方法和电磁仿真方法获取目标不同频点不同方位角不同俯仰角下的回波数据，待测试使用。第二步，构建三维属性散射中心模型，利用多维度压缩感知加OMP算法完成单部雷达观测目标三维成像过程。第三步，构造多雷达观测目标场景，完成多雷达融合高分辨三维成像。本专利技术与现有技术相比，其显著优点为：(1)借助多维压缩感知理论，充分利用其内在的结构特征进行处理，有利于降低字典矩阵的内存消耗，进一步提高高维数据处理效率。(2)使用融合理论，充分利用多个子孔径的回波数据，在提高融合后雷达成像分辨率的同时，可获得到目标的全方位三维部件信息。(3)采用分步估计的方法，降低了矩阵遍历搜索难度和计算量，也不影响回波重构精度。附图说明图1是解析数据算例三维成像结果。图2是巡航导弹的模型图。图3是雷达一观测巡航导弹成像结果。图4是雷达四观测巡航导弹成像结果。图5是多雷达融合三维成像结果。具体实施方式本专利技术基于三维属性散射中心模型的多雷达融合高分辨成像方法，利用解析方法和电磁仿真方法获取目标不同频点不同方位角不同俯仰角下的回波数据。构建三维属性散射中心模型，利用多维度压缩感知-OMP算法完成单部雷达观测目标三维成像过程。构造多雷达观测目标场景，完成多雷达融合高分辨三维成像。该方法具有内存消耗小的优点，通过多角度融合对目标实现三维成像。本专利技术中基于三维属性散射中心模型的多雷达融合高分辨成像方法，步骤如下：第一步，所述雷达目标不同频点不同方位不同俯仰角度下的回波数据，是指基于短脉冲雷达体制获取到的回波数据，雷达回波数据为三维矩阵形式E(f,θ,φ)，f＝f0+(n-1)Δf,n＝1,…,N为雷达频率点，f0为起始频率，Δf为频率采样间隔，θ＝θ0+(m-1)Δθ,m＝1,…,M为方位观测角度，θ0为起始方位角，Δθ为方位角采样间隔，φ＝φ0+(l-1)Δφ,l＝1,…,L为俯仰观测角度，φ0为起始俯仰角，Δφ为俯仰角采样间隔。第二步，构建三维属性散射中心模型，利用多维度压缩感知加OMP算法完成单部雷达观测目标三维成像过程。将三维雷达回波用属性散射中心模型表征：其中，A、L、分别为散射中心幅度、长度和初始指向角，(x,y,z)为散射中心的三维位置，(f,θ,φ)为观测雷达的频率、方位观测角和俯仰观测角。通过单部雷达观测目标，利用两步计算过程实现目标散射中心的三维信息提取完成单部雷达三维成像。过程一：利用多维度压缩感知算法实现散射中心三维位置(x,y,z)的提取；过程二：在目标散射中心位置已知的情况下实现长度、初始指向角和幅度的提取。过程一：利用多维度压缩感知算法实现散射中心三维位置(x,y,z)提取具体实现过程：参考张量Tucker分解，可以将三阶张量分解成一个新的核心张量与其他三个矩阵的乘积表示的形式，其中，为三阶张量，为信号每个维度上的主要成分，称为因子矩阵，也可以叫做每个维度的字典矩阵。根据上述理论，为提取观测目标散射中心的三维坐标信息，将三维雷达回波信号表达式近似为E≈s×1Hr×2Hθ×3Hφ(3)其中，Hr、Hθ、Hφ分别为距离、方位、俯仰上的字典矩阵，为雷达目标后向散射系数张量。通过求解下式获取幅度较大的散射中心位置，ε用来约束噪声，||s||0定义张量s中非0元素的个数，即三维成像场景中幅度较大的位置的值。采用多维度压缩感知算法Multidimensional-NSL0(MD-NSL0)，多维度压缩感知算法MD-NSL0利用双曲正切函数fσ(si)来估计张量s的0范数：当σ趋向于0时，可得spqk为向量的pqk位置上的元素，则张量的0范数可以近似为因此对于张量的稀疏求解问题(5)可以转化为MD-NSL0具体过程如下：设定初始值，为各自的伪逆。选择递减序列σ,σ＝[σ0,σ1,…σi,…,σI]T，是一般情况下，J我们取5，对于I的取值，根据σI的值以及σ的递减因子来决定。循环求解结束之后，得到的张量s即为雷达目标三维散射系数，获取其中值较大的元素的位置即为有效散射中心的三维位置信息。过程二：在目标散射中心位置已知的情况下实现位置、初始指向角、长度、幅度提取具体过程：在已知散射中心位置信息后，将其数值代入到式(1)中，此时，利用正交匹配追踪算法(OMP)对初始指向角、长度、幅度进行参数估计。首先构造矩阵为A，可得：其中，为对应参数的归一化原子。此时信号可表示为E＝As，输入：(1)M×N的传感矩阵A；(2)M×1维观测向量E，输出：信号稀疏表示系数估计s。以下流程中：rt表示残差，t表示迭代次数，表示空集，Λt表示t次迭代的索引集合，λt表示第t次迭代找到的索引，aj表示矩阵A的第j列，At表示按索引Λt选出的矩阵A的列集合，s为N×1的列向量，符号∪是集合并，<·,·>是求向量内积。1)：初始化r0＝E，t＝12)：找到索引λt，使得：3)：Λt＝Λt-1∪(λt)，At＝At-1∪aλ4)：y＝Atθt的最小二乘解：5)：更新残差6)：t＝t+1，如果t≤K那么返回第二步，否则结束循环进入第七步7)：重构所得在Λt处有非零项，其值分别为最后一次迭代所得此时可把散射中心的位置、长度、初始指向角以及幅度信息提取出来。第三步，构造多雷达观测目标场景，完成多雷达融合高分辨三维成像。具体步骤如下：根据第二步的算法步骤，对不同俯仰和方位角的雷达回波分别提取目标三维位置本文档来自技高网...

【技术保护点】
1.一种基于三维属性散射中心模型的多雷达融合高分辨成像方法，其特征在于包括下述步骤：第一步，利用解析方法和电磁仿真方法获取雷达目标不同频点、不同方位角、不同俯仰角下的回波数据；第二步，构建雷达目标的三维属性散射中心模型，利用多维度压缩感知‑OMP算法完成单部雷达观测目标三维成像过程；第三步，构造多雷达观测目标场景，完成多雷达融合高分辨三维成像。

【技术特征摘要】
1.一种基于三维属性散射中心模型的多雷达融合高分辨成像方法，其特征在于包括下述步骤：第一步，利用解析方法和电磁仿真方法获取雷达目标不同频点、不同方位角、不同俯仰角下的回波数据；第二步，构建雷达目标的三维属性散射中心模型，利用多维度压缩感知-OMP算法完成单部雷达观测目标三维成像过程；第三步，构造多雷达观测目标场景，完成多雷达融合高分辨三维成像。2.根据权利要求1所述的多雷达融合高分辨成像方法，其特征在于：第一步中所述雷达目标不同频点、不同方位、不同俯仰角度下的回波数据，雷达回波数据为三维矩阵形式E(f,θ,φ)，f＝f0+(n-1)Δf,n＝1,…,N为雷达频率点，f0为起始频率，Δf为频率采样间隔，θ＝θ0+(m-1)Δθ,m＝1,…,M为方位观测角度，θ0为起始方位角，Δθ为方位角采样间隔，φ＝φ0+(l-1)Δφ,l＝1,…,L为俯仰观测角度，φ0为起始俯仰角，Δφ为俯仰角采样间隔。3.根据权利要求1所述的多雷达融合高分辨成像方法，其特征在于：第二步中所述单部雷达观测目标三维成像过程，具体步骤如下：(2.1)将三维雷达回波用属性散射中心模型表征：其中，A、L、分别为散射中心幅度、长度和初始指向角，(x,y,z)为散射中心的三维位置，(f,θ,φ)为观测雷达的频率、方位观测角和俯仰观测角；(2.2)通过单部雷达观测目标，利用两步计算过程实现目标散射中心的三维信息提取完成单部雷达三维成像；过程一：利用多维度压缩感知算法实现散射中心三维位置(x,y,z)的提取；过程二：...

【专利技术属性】
技术研发人员：陶诗飞，陈如山，裴春英，王鑫，刘畅，易刘，顾亚龙，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32