【技术实现步骤摘要】
智能微波凝视关联成像方法、设备及存储介质
[0001]本专利技术涉及微波成像领域,尤其涉及一种智能微波凝视关联成像方法。
技术介绍
[0002]微波成像是通过在微波频段获取目标电磁散射信息来完成的,它具有全天候、大范围的成像能力,在遥感、重要军事目标调查等方面有广泛的应用。真实孔径雷达成像可以实现对观测区域的连续观测,但其方位分辨率受到其天线孔径大小的限制,因此,只能应用于低分辨率成像。合成孔径雷达和逆合成孔径雷达成像是依靠雷达和目标之间的相对运动来合成大的天线孔径来实现高分辨率成像的,因此无法实现在观测现场长时间的凝视成像。微波凝视关联成像是一种新的成像体制,其核心思想是构造波束内辐射场的随机时空涨落变化,利用多个随机辐射场样本和回波数据的关联处理来实现波束内目标分辨,可以超越其天线孔径大小的限制进行超分辨率凝视成像。
[0003]微波凝视关联成像的成像结果受到时空随机辐射场和相关重建算法的计算精度的影响。一方面,时空随机辐射场的精确计算取决于雷达系统的精确先验知识,然而,在实际的微波凝视关联成像系统中,总是存在着系统误差,如发射和接收阵列的位置误差,雷达系统的时间同步和频率同步误差等。近年来,针对每一个不同的影响因素,研究者提出了相应的解决方案。针对阵元幅相误差,周小利从贪婪迭代和稀疏贝叶斯学习的角度,分别提出了基于正交匹配追踪(OMP)迭代和稀疏贝叶斯学习(SBL)迭代的幅相误差自校正方法,求解目标的散射系数,然后利用最小二乘估计阵元的幅相误差。针对阵元位置误差,基于基追踪(BP)的交替迭代成像算法被提 ...
【技术保护点】
【技术特征摘要】
1.一种智能微波凝视关联成像方法,其特征在于,包括:在预置时空随机辐射场照射下,通过微波凝视关联成像系统获取已知相互正交目标场景集的散射回波数据,与对应目标场景的标签,由散射回波数据和标签共同构成数据集的训练集和验证集;构建一个机器学习人工神经网络,依据输入的目标散射回波数据与输出的标签来建立直接映射关联成像神经网络模型;通过训练集和验证集对所述直接映射关联成像神经网络模型进行训练与验证,训练与验证完成后,在通过所述微波凝视关联成像系统进行微波凝视关联成像时,通过所述微波凝视关联成像系统获取目标场景的未知散射回波数据,输入至训练验证好的直接映射关联成像神经网络模型,通过该直接映射关联成像神经网络模型预测得出与未知散射回波数据对应的目标微波成像。2.根据权利要求1所述的智能微波凝视关联成像方法,其特征在于,所述已知相互正交目标场景集由微波散射标准件按照预定方式分布排列而成;所述微波散射标准件包括:角反射器、圆柱体、球体、平板中的至少一种,所述微波散射标准件的后向散射系数通过计算或测量得到;所述已知相互正交目标场景集中第j个目标场景的后向散射系数分布矩阵表示为:其中,表示第j个目标场景第(m,n)个空间离散网格处的后向散射系数,m=1,
…
,M,n=1,
…
,N,N,M分别为X,Y方向的离散网格数;所述已知相互正交目标场景集是指目标场景集两两相互正交,满足任意第j、k两个目标场景的后向散射系数分布矩阵的相关性系数表示为:;其中,j≠k,j,k=1
…
Ω,Ω为目标场景集的数量。3.根据权利要求1所述的智能微波凝视关联成像方法,其特征在于,所述对应目标场景的标签是对应目标场景的微波散射标准件的后向散射系数分布矩阵;按以下方式划分数据集的训练集和验证集,包括:将构成的数据集随机分为两部分,一部分作为训练集,另一部分作为验证集。4.根据权利要求1所述的智能微波凝视关联成像方法,其特征在于,所述直接映射关联
成像神经网络模型为:;其中,为在成像区域的目标微波成像;Net为直接映射关联成像神经网络模型;为目标场景的散射回波数据;为直接映射关联成像神经网络模型学习的网络参数,为直接映射关联成像神经网络模型每一层卷积和反卷积的权重,为直接映射关联成像神经网络模型每一层卷积和反卷积的偏差。5.根据权利要求4所述的智能微波凝视关联成像方法,其特征在于,所述直接映射关联成像神经网络模型采用残差结构的全卷积网络,该残差结构的全卷积网络包括:一个输入卷积模块、八个卷积残差融合模块、三个反卷积残差融合模块,四个批量归一化模块、一个输出反卷积残差模块;所述输入卷积模块,与八个卷积残差融合模块依次连接,该输入卷积模块采用3
×
3的卷积核,能将输入的散射回波数据转化为20
×
20
×
64的张量;每个卷积残差融合模块均采用两个3
×
3的卷积核,以ReLU函数作为激活函数,能将输入的20
×
20
×
64的张量转化成5
×5×
512的高维特征信息;最后一个卷积残差融合模块后连接三个反卷积残差融合模块,每个反卷积残差融合模块均连接一个批量归一化模块;每个反卷积残差融合模块均以Softplus函数作为激活函数,三个反卷积残差融合...
【专利技术属性】
技术研发人员:郭圆月,应奎,潘天泽,余新宇,胡文涛,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。