基于改进3D-ESPRIT算法的散射中心模型参数估计方法技术

提供一种基于改进3D‑ESPRIT算法的散射中心模型参数估计方法，包括下列步骤：获取目标极化电磁散射数据；建立汉克尔Hankel矩阵；平方处理；奇异值分解；构造过程矩阵F

【技术实现步骤摘要】
基于改进3D-ESPRIT算法的散射中心模型参数估计方法
本专利技术涉及基于几何绕射理论(GTD，geometrictheoryofdiffraction)散射中心模型参数估计提取技术，具体涉及利用一种改进的3D-ESPRIT(three-dimensionalestimatingsignalparameterviarotationalinvariancetechniques)算法，即基于一种改进3D-ESPRIT算法的散射中心模型参数估计方法。
技术介绍
一、散射中心发展简介目前，基于几何绕射理论(GTD，geometrictheoryofdiffraction)的散射中心模型已成为雷达目标电磁散射数据的有效表述模型之一(POTTERLC，CHIANGDM，CARRIERER.AGTD-basedparametricmodelforradarscattering[J].IEEETransactiononAntennasandPropagation，1995，43(10)：1058-1066.)。GTD散射中心模型的核心机理为：雷达目标在高频区的电磁散射回波可近似等效为有限个强散射中心的相干叠加合成的。GTD散射中心模型作为描述目标电磁散射特性的经典模型，在雷达目标识别(1、DINGBY，WENGJ.Aregionmatchingapproachbasedon3DscatteringcentermodelwithapplicationtoSARtargetrecognition[J].IEEESensorsJournal，2018，18(11)：4623-4632.2、LITL，DUL.SARautomatictargetrecognitionbasedonattributescatteringcentermodelanddiscriminativedictionaryLearning[J].IEEESensorsJournal，2019，19(12)：4598-4611.3、ZHOUJX，SHIZG，CHENGX，etal.AutomatictargetrecognitionofSARimagesbasedonglobalscatteringcentermodel[J].IEEETransonGeoscienceandRemoteSensing，2011，19(10)：3713-3729.)，RCS频率内插与外推(1、邱志强.基于空间谱估计的雷达目标散射中心提取研究[D].成都：电子科技大学，2016.2、钟金荣.目标三维电磁散射参数化模型反演方法研究[D].长沙：国防科学技术大学，2016.)，雷达目标三维重构等军事领域均有着十分广泛的应用前景(ZHAOY，ZHANGL，JIUB，etal.Three-dimensionalreconstructionforspacetargetswithmultistaticinversesyntheticapertureradarsystems[J].EURASIPJournalonAdvancesinSignalProcessing，2019：2019(40).)。而如何通过雷达目标的电磁散射回波数据准确估计出GTD散射中心模型参数，从而构建精准的散射中心模型，对雷达目标电磁散射特性的刻画显得尤为重要。针对此类模型参数估计问题，国内外研究者利用如MUSIC算法(1、王旭东，仲倩，闫贺，等.一种二维信号波达方向估计的改进多重信号分类算法[J].电子与信息学报，2019，41(9)：2137-2142.2、郑舒予，张小宽，宗彬锋.基于改进MUSIC算法的散射中心参数提取及RCS重构[J].系统工程与电子技术，2020，42(01)：76-82.3、TANJ，NIEZP.PolarizationsmoothinggeneralizedMUSICalgorithmwithpolarizationsensitivearrayforlowangleestimation[J].Sensors，2018，18(5)：1534-1549.)、ESPRIT算法(1、LEYMENS，KONSTANTINU，PIERREC.MultidimensionalESPRITfordampedandundampedsignals：algorithm，computations，andperturbationanalysis[J].IEEETrans.onSignalProcessing，2017，65：5897-5910.2、ZHANGW，ZHANGXF，SUNHP，etal.Non-circulargeneralised-Espritalgorithmfordirectionofarrivalestimation[J].IETRadar，Sonar&Navigation，2017，11(5)：736-744.)等对参数进行估计提取。GTD散射中心模型从维度的角度可分为一维、二维及三维模型。随着维度的增大，GTD散射中心模型对目标电磁散射特性刻画得愈加精准，但算法的运算复杂度也随之增加。目前多数研究者主要针对一维GTD散射中心模型、二维GTD散射中心模型进行参数估计提取，对三维GTD散射中心模型参数估计问题涉及甚少。对此本专利技术利用经典3D-ESPRIT算法对三维GTD散射中心模型进行参数估计提取。经典3D-ESPRIT算法可较为准确地估计得到三维GTD散射中心模型参数，但当外界环境的噪声较高时，算法的参数估计性能会显著降低。为解决这一问题，本专利技术提出一种基于平方前后向平滑的3D-ESPRIT(P-FB-3D-ESPRIT)算法，该改进算法可有效提高算法的噪声鲁棒性与参数估计性能。二、GTD散射中心模型简介(本专利技术依托的基本模型)GTD散射中心模型作为一种经典的散射中心模型，可有效描述雷达目标在高频区的电磁后向散射特性，以步进频率雷达信号为例，目标的三维GTD散射中心模型可表示如下(温晓杨，石志广，赵宏钟，等.一种基于3D-ESPRIT的散射中心参数估计算法[J].雷达科学与技术，2007，5(2)：119-123.)：式中，表示目标的后向散射回波，分别表示变化的频率、方位角、俯仰角，分别表示目标的方位角和俯仰角。I代表散射中心个数，{Ai，αi，xi，yi，zi}分别表示第i个散射中心的散射强度、散射类型、横向距离、纵向距离及垂直距离。fm＝f0+mΔf，m＝0，1，...，m1，...，M，其中f0为起始频率，Δf为步进频率，m代表频率下标，M为总频率步进数；θn＝θ0+nΔθ，n＝0，1，...，n1，...，N，其中θ0为起始方位角，Δθ为步进方位角，n为方位角下标，N为总方位角步进数；其中为起始俯仰角，为步进俯仰角，k为俯仰角下标，K为总俯仰角步进数；nΔθ、分别为方位方向上的小转角、俯仰方向上的小转角。c＝3×108m/s为电磁波传播速度，为复高斯白噪声。αi为0.5的整数倍，共有5种，不同散射体对应不同的αi值(王菁.光学区雷达目标散射中心提取及其应用研究本文档来自技高网...

【技术保护点】
1.基于改进3D-ESPRIT算法的散射中心模型参数估计方法，其特征在于，包括下列步骤：/n第一步：获取目标极化电磁散射数据/n首先，在原始三维GTD散射中心模型的基础上，增加对目标极化信息的利用，将极化散射系数S

【技术特征摘要】
1.基于改进3D-ESPRIT算法的散射中心模型参数估计方法，其特征在于，包括下列步骤：
第一步：获取目标极化电磁散射数据
首先，在原始三维GTD散射中心模型的基础上，增加对目标极化信息的利用，将极化散射系数Si，p加入三维GTD散射中心模型之中，得到全极化三维GTD散射中心模型如下：



式中，表示目标的后向散射回波，分别表示变化的频率、方位角、俯仰角：fm＝f0+mΔf，m＝0，1，...，M，f0为起始频率，Δf为步进频率，m代表频率下标，M为总频率步进数；θn＝θ0+nΔθ，n＝0，1，...，N，其中θ0为起始方位角，Δθ为步进方位角，n为方位角下标，N为总方位角步进数；其中为起始俯仰角，为步进俯仰角，k为俯仰角下标，K为总俯仰角步进数；nΔθ、分别为方位方向上的小转角、俯仰方向上的小转角；I代表散射中心个数；Si，p表示第i个散射中心在p极化方式下的散射系数，p∈{hh，hv，vh，vv}表示四种极化方式：hh表示水平发射，水平接收；hv表示水平发射，垂直接收；vh表示垂直发射，水平接收；vv表示垂直发射，垂直接收；Bi表示第一过渡参数；Pxi、Pyi、Pzi分别表示第二、三、四过渡参数，这四个参数仅用于对进行拆分，便于后续参数估计；{xi，yi，zi}分别表示第i个散射中心的横向距离、纵向距离及垂直距离；为复高斯白噪声；
下表1给出一些典型目标的散射矩阵；
表1典型目标的散射矩阵






第二步：建立汉克尔Hankel矩阵
首先基于目标后向电磁数据构建Hankel矩阵；
先沿雷达坐标系x方向进行平滑，构建一个[P×Q×l]×[(M-P+1)×(N-Q+1)×(K-L+1)]的增强矩阵Xx，如下式(17)所示；其中M、N、K定义同式(1)，M/2≤P≤2M/3、N/2≤Q≤2N/3、K/2≤L≤2K/3，P、Q、L均为在上述范围内取值的过程变量；



式中，






对含有极化信息的矩阵进行前后向空间平滑处理，可得到新的总协方差矩阵R，如式(20)：



式中，代表矩阵Xx的自相关协方差矩阵；代表矩阵Xx和矩阵Y的互相关协方差矩阵；为一个维度为(P×Q×L)×(P×Q×L)的置换矩阵，其反对角线元素为1其余位置上元素为0；
第三步：平方处理
由式(20)可知，总协方差矩阵R为埃尔米特Hermittan矩阵，因此其满足R＝RH，即R1＝RRH＝R2；则平方后得到的矩阵R1、总协方差矩阵R两者特征值与特征向量具有以下关系式：



式中，λ1、λ分别代表平方后得到的矩阵R1与总协方差R的特征值，Λ1、Λ分别代表平方后得到的矩阵R1与总协方差R的特征向量；
用平方后得到的R1代替总协方差矩阵R，能够增大信号特征值与噪声特征值之间的差距，并且不会改变原有的特征向量，因此在信噪比较低时，更容易区分信号特征值与噪声特征值；从数学关系上来看，各参数的方差表示如下：






式中，E{·}为方差，ω分别代表第i次蒙特卡洛实验估计得到的参数及原始参数；σ2、γi分别代表噪声对应的特征值和信号对应的特征值；I代表总散射中心数目；vi代表第i个特征值γi对应的特征矩阵；(vi)H代表vi的转置矩阵；vi＝γiE-Xx；E代表维度为[P×Q×L]×[P×Q×L]的单位矩阵；GH是G的转置矩阵；
G＝[a1，...，aI](23)






式中，c＝3×108m/s为电磁波传播速度，αi表示第i个散射中心的散射类型；
则由式(22)知，增大噪声特征值与信号特征值之间的差距，方差会减小，能够达到减小估计参数的方差的作用；因此，构建下式...

【专利技术属性】
技术研发人员：郑舒予，张小宽，周剑雄，宗彬锋，赵唯辰，徐嘉华，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西;61