基于目标散射系数非负约束的全变差正则化关联成像方法技术

本发明专利技术属于雷达成像技术领域，公开了一种基于目标散射系数非负约束的全变差正则化关联成像方法；首先根据关联成像的几何关系建立雷达关联成像模型；对目标散射系数进行幅度和相位的拆分，建立非负约束条件下的全变差正则化函数；采用交替方向乘子法对正则化函数进行最优化求解。本发明专利技术对散射系数的幅度和相位信息分开考虑，充分利用了散射系数幅值的非负性进行雷达目标场景的重建，模型的建立更接近于实际情况，有利于获得更好的成像效果，与常用的关联成像算法相比，本发明专利技术方法能更好的保留重构图像中区域之间的边缘信息，并增强区域平滑度。

【技术实现步骤摘要】
基于目标散射系数非负约束的全变差正则化关联成像方法
本专利技术属于用于雷达成像
，尤其涉及一种基于目标散射系数非负约束的全变差正则化关联成像方法。
技术介绍
目前，业内常用的现有技术是这样的：近年来，关于雷达关联成像技术的研究不断深入，并且取得了一系列成果。现有技术一首次提出了基于时空二维随机辐射场的成像方法，揭示了辐射场的时空两维随机性是实现目标超分辨率重构的本质原因，为后续的理论研究奠定了基础。现有技术二将热关联成像，雷达关联成像和传统雷达成像进行了对比分析，验证了雷达关联成像的有效性。现有技术三构建了微波关联凝视成像的数学模型，通过压缩感知的方法对时空两维随机辐射场和散射回波进行处理得到反演的目标图像。现有技术四基于全变差正则化，利用牛顿迭代法对关联成像进行求解。但是，在现有的成像算法中均为基于回波幅度信息的信号处理，忽略了雷达成像不同于其他成像的特殊性即雷达观测到的回波数据和目标散射系数均为复数，特别是目标散射系数的相位信息没有得到充分利用。综上所述，现有技术存在的问题是：现有的成像算法中均假设散射系数为实数，并对其进行幅度约束，然而雷达成像观测到的回波数据和目标散射系本文档来自技高网...

【技术保护点】
1.一种雷达关联成像模型，其特征在于，所述雷达关联成像模型为：

【技术特征摘要】
1.一种雷达关联成像模型，其特征在于，所述雷达关联成像模型为：表示为矩阵形式为：b＝Aσ+n；其中，b为接收信号矢量，A表示辐射场参考矩阵，σ为目标散射系数向量，n为噪声向量；M为离散成像单元；成像区域M个成像单元的散射系数分别为[σ1,σ2,…,σM]；回波离散化得到K个采样时刻[t1,t2…,tK]；K个采样时刻的噪声分别为[n1,n2,...,nK]，为k时刻，第m个成像单元的辐射场参考信号。2.一种如权利要求1所述雷达关联成像模型的构建方法，其特征在于，所述雷达关联成像模型的构建方法包括：(1)将成像区域分割成M个离散成像单元，这些离散网格具有相同的尺寸，成像网格的位置坐标和散射特性由其中心点处的位置坐标矢量和散射系数代替；成像区域M个成像单元的等效散射系数矢量为σ＝[σ1,σ2,…,σM]，若在某一个成像单元中不存在目标点，则将散射系数设为零；(2)阵元在XOY平面中的坐标为第m个成像单元在成像平面内的位置坐标为H为发射阵元平面到成像平面的距离；脉冲重复周期为Tr，第i个阵元发射的信号为Si(t)；(3)雷达关联成像发射阵列具有N个阵元，第i个阵元发射的随机信号到第m个成像单元反射至接收阵元的延时为：雷达接收回波离散化得到K个时刻[t1,t2…,tK]的采样值为：其中，为辐射场参考信号，表示为：其中，fc为载频。3.一种利用权利要求1所述雷达关联成像模型建立的非负约束最小全变差正则化函数，其特征在于，所述非负约束最小全变差正则化函数为：其中，λ和v是拉格朗日乘子，β1,β2,β3是惩罚参数；D为二维差分算子；为σ的相位，f为σ的幅度|σ|；松弛变量w；观测模型表述为b＝Aφf；f表示σ的幅度|σ|。4.一种权利要求3所述非负约束最小全变差正则化函数构建方法，其特征在于，所述非负约束最小全变差正则化函数构建方法包括：(1)利用正则化方法将成像模型转化成最优化问题：其中，为场景的离散梯度，D为二维差分算子；其中，D(1)，D(2)分别表示水平和竖直方向一阶离散有限差分算子矩阵，参数ε为模型中误差的大小；(2)雷达成像中的目标散射系数为复数，将目标散射系数表示成幅度和相位的组合：σ＝φf；其中，是一个对角矩阵，为σ的相位，f为σ的幅度|σ|；σ表示成幅度及相位的组合后，观测模型表述为b＝Aφf，优化问题...

【专利技术属性】
技术研发人员：包敏，陈颖，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61