基于深度学习的穿墙雷达成像方法及系统技术方案

本发明专利技术公开了基于深度学习的穿墙雷达成像方法，首先获取仿真回波数据；对回波数据进行BP成像，作为神经网络训练时的输入图像；然后仿真训练生成参考图片，作为神经网络训练时的参考图片；应用tensorflow工具搭建神经网络对训练数据进行训练，用输入图片和参考图片对神经网络进行训练，并生成网络模型；最后将训练好的网络模型应用于实测数据。本发明专利技术提供的方法提高了穿墙雷达成像的分辨率；降低穿墙雷达图像中的旁瓣。

【技术实现步骤摘要】
基于深度学习的穿墙雷达成像方法及系统
本专利技术涉及雷达图像处理
，特别是基于深度学习的穿墙雷达成像方法。
技术介绍
传统的穿墙雷达成像多采用后向投影算法(BP)，但是成像分辨率有待提高。根据穿墙雷达成像原理，图像方位向分辨率取决于天线的长度，长度越长分辨率越高。但穿墙雷达受限于尺寸要求，天线一般都比较短，所以图像方位向分辨率较低。
技术实现思路
本专利技术的目的之一是提出基于深度学习的穿墙雷达成像方法；目的之二是提出基于深度学习的穿墙雷达成像系统；本方法利用深度学习来提高穿墙雷达图像分辨率。本专利技术的目的是通过以下技术方案来实现的：本专利技术提供的基于深度学习的穿墙雷达成像方法，包括以下步骤：步骤1.获取仿真回波数据；步骤2.对回波数据进行BP成像，作为神经网络训练时的输入图像；步骤3.仿真训练生成参考图片，作为神经网络训练时的参考图片；步骤4.应用tensorflow工具搭建神经网络对训练数据进行训练，用输入图片和参考图片对神经网络进行训练，并生成网络模型；步骤5.将训练好的网络模型应用于实测数据。进一步，所述步骤1中的获取仿真回波数据的具体过程如下：按照预设分布设置雷达天线本文档来自技高网...

【技术保护点】
1.一种基于深度学习的穿墙雷达成像方法，其特征在于：包括以下步骤：步骤1.获取仿真回波数据；步骤2.对回波数据进行BP成像，作为神经网络训练时的输入图像；步骤3.仿真训练生成参考图片，作为神经网络训练时的参考图片；步骤4.应用tensorflow工具搭建神经网络对训练数据进行训练，用输入图片和参考图片对神经网络进行训练，并生成网络模型；步骤5.将训练好的网络模型应用于实测数据。

【技术特征摘要】
1.一种基于深度学习的穿墙雷达成像方法，其特征在于：包括以下步骤：步骤1.获取仿真回波数据；步骤2.对回波数据进行BP成像，作为神经网络训练时的输入图像；步骤3.仿真训练生成参考图片，作为神经网络训练时的参考图片；步骤4.应用tensorflow工具搭建神经网络对训练数据进行训练，用输入图片和参考图片对神经网络进行训练，并生成网络模型；步骤5.将训练好的网络模型应用于实测数据。2.如权利要求1所述的基于深度学习的穿墙雷达成像方法，其特征在于：所述步骤1中的获取仿真回波数据的具体过程如下：按照预设分布设置雷达天线位置；设置穿墙雷达的发射机和接收机位置；所述发射机产生的信号如下所示：s(t)＝a(t)exp(j2πfct)(1)其中，a(t)是发射信号的波形，t是快时间，fc是载波频率；所述接收机获取的回波信号为：sr(tm,t)＝a(t-tm)exp[j2πfc(t-tm)](2)其中，tm可以写成如下所示：其中，sr(tm，t)表示第m个接受机收到的回波信号；tm表示发射信号到达第m个接收机的时间，c表示发射信号传播速度；(x0,y0)为目标点的位置；(xm，ym)是第m个接收机的位置；(xt，yt)是发射机的位置。3.如权利要求1所述的基于深度学习的穿墙雷达成像方法，其特征在于：所述步骤2中的BP成像具体过程如下：按照以下公式压缩回波信号距离：src(tm，t)＝sinc[B(t-tm)]exp(-j2πfctm)(4)其中，src(tm,t)表示第m个接收机接收到的信号经过压缩后的形式，sinc的定义为：B是发射信号的带宽，按照以下公式进行BP算法处理：其中，I(x0,y0)表示经过BP算法后位置为(x0，y0)的点的强度。4.如权利要求1所述的基于深度学习的穿墙雷达成像方法，其特征在于：所述步骤3中的仿真训练生产参考图片具体过程如下：仿真产生回波数据时，设置较少的接受机对回波进行接收，然后对接受到的回波数据进行BP成像，生成第一种穿墙雷达图像；这次生成穿墙雷达图像的分辨率较低，将会作为神经网路的输入数据；仿真产生回波数据时，设置较多的接受机对回波进行接收，然后对接受到的回波数据进行BP成像，生成第二种穿墙雷达图像；这次生成的穿墙雷达图像分辨率较高，将会作为神经网络训练时的参考图片。5.如权利要求1所述的基于深度学习的穿墙雷达成像方法，其特征在于：所述步骤4中的训练过程如下：设计神经网络架构获取训练样本，同时生成测试集；在训练过程中，采用均方差作为损失函数，设置学习速率和批大小；采用Adam方法对所有训练样本进行优化；直到达到预设训练迭代次数；完成网络模型的训练。6.如权利要求1所述的基于深度学习的穿墙雷达成像方法，其特征在于：所述步骤5中的将训练好的模型应用于实测数据：之前通过仿真的数据已经训练完成了一个神经网络，只需要将实测数据输入到已经训练好的网络模型中；得到...

【专利技术属性】
技术研发人员：钱江，黄少寅，王开民，张自文，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51