基于相关向量机线性阵列SAR三维成像快速贝叶斯压缩感知方法技术

本发明专利技术公开了一种基于相关向量机的快速贝叶斯压缩感知(FBCS‑RVM)方法，它是在SBRIM算法的基础上，结合了相关向量机，通过利用相关向量机实现目标与背景的分类进而提取成像场景空间中目标可能存在的区域，并根据目标可能存在的区域代替全成像场景空间简化测量矩阵，并估计目标区域的散射系数，本发明专利技术成功的避免了线阵SAR三维成像中的高维度矩阵运算，极大地提高算法的运算效率；同时测量矩阵更好的表征了成像场景空间中的目标特性，更好的抑制了虚假目标、旁瓣干扰对于高质量成像的影响，成功的提高了线阵SAR三维成像的成像质量。本发明专利技术具有重构精度高、运算效率较高的优势，本发明专利技术适用于线阵合成孔径雷达三维成像等领域。

【技术实现步骤摘要】
基于相关向量机线性阵列SAR三维成像快速贝叶斯压缩感知方法
本专利技术属于雷达
，它特别涉及了合成孔径雷达(SAR)成像

技术介绍
作为一种工作在微波波段的有源雷达，合成孔径雷达(SyntheticApertureRadar,SAR)具有全天时、全天候的成像能力，即无论是白天或黑夜、晴天还是雷雨风雪天气，都可以随时随地成像，克服了光学和红外系统不能在晚上和复杂天气条件进行成像的缺点。传统的SAR成像一般只具有二维成像分辨率，在一些起伏比较大的地方比如陡峭的山峰、峡谷以及城市中矗立挺拔的高楼时，传统SAR成像存在的失真(阴影遮挡效应、空间模糊、顶底倒置等)导致空间的一些重要信息(比如高度)丢失，所以能对目标进行三维成像是非常有必要的，为了适应这种需求，目前常见的三维成像技术有圆周SAR(CircularSAR)三维成像、层析SAR(TomographySAR)三维成像、线阵SAR(ArraySAR，ASAR)三维成像。线阵SAR(LASAR)三维成像的基本原理是在切行迹向添加阵列天线，通过沿航迹向平台的飞行形成虚拟的面阵进而获得二维分辨率，距离向再通过脉冲压缩技术获得第三维的分辨率。相比于圆周SAR三维成像，线阵SAR三维成像不需要圆周运动的轨迹；相比于层析SAR三维成像需要航过多次，线阵SAR三维成像只需一次航过，所以线阵SAR三维成像相对于层析SAR和圆周SAR三维成像有更强的灵活性。目前线阵SAR三维成像技术在地形测绘、城市测绘、灾难救援、军事探测等领域发挥着重要的作用。使用匹配滤波器算法进行LASAR三维成像时，LASAR的阵列成像分辨率受线性阵列的长度限制。为了实现高质量的成像，LASAR必须满足以下两个要求:(1)线性阵列中相邻元素之间的间距必须满足Nyquist采样定理，以避免光栅波瓣。(2)必须采用整个线性阵列的回波信号，尽量避免旁瓣干扰。以上两个要求使得线性阵列中的元素数量非常庞大，在真实的硬件系统中实现LASAR是非常复杂和昂贵的。压缩感知(CS)算法可以利用随机采样信号恢复原始稀疏信号，根据LASAR成像场景的稀疏性，已成功地将其引入LASAR成像。采用不同CS算法进行LASAR稀疏成像时，提高了LASAR成像分辨率。为了减少用于稀疏成像的阵元，通常用随机采样阵代替线性阵元。在进行稀疏成像之前，一旦预设参数设置不当，CS算法可能会受到严重的旁瓣干扰，甚至不能正确估计散射系数。它们的计算复杂度可能显著增加。在不同的LASAR数据下，这个预设参数不能总是满足高质量稀疏成像的要求，需要反复调试。由于预设参数通常不需要在不同的LASAR数据下重新调试，SBRIM算法在CS算法中获得了较好的成像结果。然而，由于高维矩阵的运算(如矩阵的求逆)，其计算复杂度非常巨大，硬件系统必须有很强的计算能力才能完成高维矩阵的运算。这一缺点严重限制了SBRIM算法在三维稀疏成像中的应用。因此，我们需要研究如何在保证成像质量的前提下提高SBRIM算法的计算效率。由于三维成像场景的稀疏性强，目标区域通常只占整个成像场景的一小部分，稀疏成像的测量矩阵通常包含大量与目标无关的元素。因此，通过对测量矩阵进行简化，可以有效地提高稀疏成像的计算效率。因此，我们需要研究一种新的快速CS算法用于LASAR三维成像。为了提高基于CS算法的LASAR成像的运算效率，本文专利技术提出了基于相关向量机的快速贝叶斯压缩感知(FBCS-RVM)算法。
技术实现思路
为了提高基于CS算法的LASAR成像的运算效率，本文专利技术提出了基于相关向量机的快速贝叶斯压缩感知(FBCS-RVM)方法，该方法在相关向量机(RVM)框架下计算最大似然边际函数，获得最优超参数，提取非零最优超参数对应的散射单元作为成像场景中的目标区域。然后，根据目标区域，简化测量矩阵并进行稀疏成像。此外，在低信噪比(SNR)或高稀疏度的情况下，不能总是准确地提取目标区域，其中可能包含多个元素，与其他元素相比，这些元素的散射系数太小或更接近于0。使对角矩阵奇异不可逆，散射系数无法正确估计。为了解决这一问题，将奇异矩阵的逆矩阵替换为截断的奇异值分解(TSVD)算法得到的广义逆矩阵，以正确估计散射系数。根据奇异矩阵的秩，提取并消除目标区域中散射系数太小的元素，得到更精确的目标区域。为了方便描述本专利技术的内容，首先作以下术语定义：定义1、合成孔径雷达(SAR)合成孔径雷达是将雷达固定于载荷运动平台上，结合平台的运动以合成等效阵列以实现阵列向的分辨率，再利用雷达波束向回波延时实现距离一维成像，从而实现对观测目标二维成像的一种合成孔径雷达技术。定义2、标准合成孔径雷达回波数据距离向脉冲压缩标准合成孔径雷达回波数据距离向脉冲压缩是指利用合成孔径雷达发射信号参数，采用匹配滤波技术对合成孔径雷达的距离向信号进行信号聚焦成像的过程。详见文献“雷达成像技术”，保铮，邢孟道，王彤，电子工业出版社，2005。定义3、范数设X是复数域上线性空间，其中表示复数域，若它满足如下性质：||X||≥0，且当||X||＝0仅有X＝0；||aX||＝|a|||X||，其中a为任意常数；||X1+X2||≤||X1||+||X2||，则称||X||为X空间上的范数(norm)，其中X1和X2为X空间上的任意两个值。对于定义1中的N×1维离散信号向量X＝[x1,x2,…,xN]T，向量X的LP范数表达式为其中xi为向量X的第i个元素，∑|·|表示绝对值求和运算符号，向量X的L1范数表达式为向量X的L2范数表达式为向量X的L0范数表达式为且xi≠0。详见文献“矩阵理论”，黄廷祝等编著，高等教育出版社出版。定义4、方位向、距离向将雷达平台运动的方向叫做方位向，将垂直于方位向的方向叫做距离向。定义5、压缩感知稀疏重构理论如果一个信号是稀疏的或可压缩的，那么该信号就可以用远低于奈奎斯特采样定理所要求的采样率来无失真的重构出该信号。如果信号稀疏，并且测量矩阵满足不相干和RIP属性，使用压缩感知恢复的信号稀疏重建可以通过解决以下最优化问题来实现：其中，α是估计信号，y是测量信号，Θ是测量矩阵，ε是噪声门限。详见文献“阵列三维合成孔径雷达稀疏成像技术研究”韦顺军，2013。定义6、迭代最小化稀疏贝叶斯重构算法，简称SBRIM方法迭代最小化稀疏贝叶斯重构算法(SparseAutofocusBayesianRecoveryviaIterativeMinimum)由电子科技大学的韦顺军副教授于2013年提出,详见文献“阵列三维合成孔径雷达稀疏成像技术研究”韦顺军，2013。定义7、合成孔径雷达原始回波仿真方法合成孔径雷达原始回波仿真方法是指基于合成孔径雷达成像原理仿真出一定系统参数条件下具有合成孔径雷达回波信号特性的原始信号的方法，详见文献“张朋，合成孔径雷达回波信号仿真研究，西北工业大学博士论文，2004”。定义8、线阵SAR的快时刻和慢时刻...

【技术保护点】
1.一种基于相关向量机的线性阵列SAR三维成像快速贝叶斯压缩感知方法，其特征是它包括如下步骤：/n步骤1、初始化SAR系统参数：/n初始化SAR系统参数包括：平台速度矢量记为

【技术特征摘要】
1.一种基于相关向量机的线性阵列SAR三维成像快速贝叶斯压缩感知方法，其特征是它包括如下步骤：
步骤1、初始化SAR系统参数：
初始化SAR系统参数包括：平台速度矢量记为阵列天线各阵元初始位置矢量，记做其中l为天线各阵元序号，NL为阵列天线的阵元总数；阵列天线长度，记做L；雷达发射信号载频为fc；雷达发射信号的调频斜率为fdr；脉冲重复时间记为PRI；雷达系统的脉冲重复频率为PRF；雷达发射信号带宽记做Br；电磁波在空气中的传播速度记做C；距离向快时间记做n，n＝1,…,NR，NR为距离向快时刻总数，方位向慢时刻记做k，k＝1,…,K，K为方位向慢时刻总数；上述参数均为SAR系统标准参数，其中雷达信号载频fc，雷达发射信号的调频斜率fdr，脉冲重复时间PRI，雷达系统的脉冲重复频率PRF，雷达发射信号带宽Br，阵列天线的阵元总数NL，阵列天线长度L在线阵SAR系统设计过程中已经确定；平台速度矢量阵列天线各阵元初始位置矢量在SAR观测方案设计中已经确定；根据SAR成像系统方案和观测方案，SAR成像方法需要的初始化成像系统参数均为已知；
步骤2、划分SAR的成像场景空间：
以雷达波束照射场区域地平面和垂直于该地平面向上的单位向量所构成的空间直角坐标系作为线阵SAR的成像场景目标空间Ω，其中水平横向和水平纵向构成阵列维成像空间；初始化水平横向成像场空间长度为Lx，水平纵向成像场空间长度为Ly；将成像场景目标空间Ω均匀划分为大小相等的立体单元格，成像场景空间在水平横向、水平纵向单元格数分别为Mx，My；
采用公式计算得到水平横向、水平纵向的单元格大小，分别记为dx和dy；成像场景空间高度向单元格总数为NR，高度向单元格的大小为线阵SAR成像系统距离向分辨率，记为dz；
采用公式计算得到划分后的成像场景空间Ω中第n个等距离单元格的阵列维成像空间中第mx个水平横向单元格第my个水平纵向单元格所对应的元素的位置，记为其中mx＝1，…,Mx，my＝1，…,My；
采用公式得到成像场景空间散射系数矩阵，记做δ，其中m＝(my-1)Mx+mx＝1，…,M，n＝1,…,NR，NR为距离向快时刻总数，为划分后的成像场景空间Ω中第n个等距离单元格的阵列维成像空间中第m个元素的散射系数，M＝Mx·My为第n个等距离单元格的阵列维成像空间中的等效单元格总数；
步骤3、建立线阵SAR(LinearArraySAR,LASAR)的测量矩阵：
步骤3.1、在实际线阵SAR成像中，原始回波数据由数据接收机提供；线阵SAR中二维等效阵列中第i个天线阵元在第n个距离向快时刻的原始回波数据记做s(n,l,k)；采用标准合成孔径雷达距离向脉冲压缩方法对s(n,l,k)进行距离向脉冲压缩，得到距离向压缩后的线阵SAR数据，记做sAC(n,l,k)；
采用公式Sn＝{Sn(i)＝sAC(n,l,k)}，i＝k×NL+l，k＝1,…,K，l＝1,…,NL，计算得到第n个等距离单元格回波信号，记为Sn，n＝1,…,NR，NL为步骤1中初始化得到的阵列天线阵元总数，K为步骤1中初始化得到的方位向慢时刻总数，其中NR为步骤1中初始化得到的距离向快时刻总数，NA＝K×NL为回波信号的行数，即线阵SAR中二维等效阵列中的元素的总数；
步骤3.2、采用公式计算得到第l个阵列天线在第k个方位向慢时刻的位置矢量，记为其中NL为步骤1中初始化得到的阵列天线阵元总数，K为步骤1中初始化得到的方位向慢时刻总数，为步骤1中初始化得到的阵列天线各阵元初始位置，为步骤1中初始化得到的平台速度，PRF为步骤1中初始化得到的雷达系统的脉冲重复频率；
采用公式计算得到在第k个方位向慢时刻线阵SAR成像场景目标空间Ω中第n个等距离单元格中阵列维成像空间中第m个元素到第l个天线阵元的时间延时，记为
采用公式i＝k×NL+i，k＝1,…,K，l＝1,…,NL，m＝1,…,M，计算得到回波信号Sn与散射系数矩阵δ之间的测量矩阵，记做Θn；其中M为步骤2中得到的第n个等距离单元格的阵列维成像空间中的等效单元格总数，||·||2表示向量L2范数，为步骤2中得到的划分后的成像场景目标空间Ω中第n个等距离单元格的阵列维成像空间中第m个元素的位置，C为步骤1中初始化得到的电磁波在空气中的传播速度，Sn为步骤3.1中得到的脉冲压缩后第n个等距离单元格回波信号，n＝1,…,NR，NR为距离向快时刻总数；
步骤4、对测量矩阵、回波信号、散射系数进行实数域表示：
采用公式和i＝1,…,NA，m＝1,…,M，计算得到实数域回波信号和散射系数其中NA为步骤3.1中得到的回波信号Sn的行数，M为步骤2中得到的第n个等距离单元格的阵列维成像空间中的等效单元格总数，Re(·)和Im(·)分别表示复数域数据的实部和虚部，为划分后的成像场景空间Ω中第n个等距离单元格的阵列维成像空间中第m个元素的散射系数；采用公式计算得到实数域测量矩阵，记为Sn为步骤3.1中得到的第n个等距离单元格回波信号，Θn为步骤3.2中得到的第n个等距离单元格的复数域测量矩阵；
步骤5、初始化目标区域：
步骤5.1、初始化噪声方差β0；
步骤5.2、采用公式计算得到的第m列向量，记为其中为步骤4中的实数域测量矩阵；采用公式计算得到第n个等距离单元格中第m个散射系数，记为其中为步骤4中第n个等距离单元格的实数域回波信号，||·||为范数，∑(·)为求和运算符号，(·)T为矩阵转置的运算符号；
采用公式初始化第n个等距离单元格回波信号的散射系数，记为其中M为步骤2中得到的第n个等距离单元格的阵列维成像空间中的等效单元格总数；采用公式初始化超参数，记为其中为第m个散射系数对应的超参数；
步骤5.3、遍历步骤4中的散射系数得到最大元素对应的散射单元，记为Id0；并根据公式得到初始化目标区域，记为
采用公式计算得到散射系数中的最大值对应的超参数，记为其中为的第Id0列元素，为步骤4中实数域测量矩阵，为步骤4中第n个等距离单元格的实数域回波信号，为步骤5.2中第n个等距离单元格回波信...

【专利技术属性】
技术研发人员：张晓玲，王楠，胥小我，田博坤，韦顺军，师君，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51