一种基于复块贝叶斯算法的雷达成像方法

1.本发明涉及探地雷达信号处理技术领域，尤其涉及一种基于复块贝叶斯算法的雷达成像方法。


背景技术：

2.探地雷达可以无损探测地下浅层目标，地下目标成像具有广泛应用前景。
3.目前传统地下目标成像算法是通过回波时延计算出各道回波的幅值，进而对幅值相干叠加完成成像。
4.但是这些雷达成像技术利用回波信息直接计算，虽然技术实现简单，但是在这种情况下，需要大量计算回波的幅值，导致计算量大、计算速度缓慢。


技术实现要素：

5.本发明的目的在于提供一种基于复块贝叶斯算法的雷达成像方法，旨在解决现有的雷达成像方法通过利用回波信息直接计算的计算量大，从而减缓了计算速度的问题。
6.为实现上述目的，本发明提供了一种基于复块贝叶斯算法的雷达成像方法，包括以下步骤：
7.s1建立探地雷达反演的真实模型；
8.s2基于所述真实模型进行正演运算，获得观测雷达数据，生成观测数据矩阵；
9.s3将成像区域划分为若干网格，并计算不同阵元到每个网格的时延，将时延作为字典矩阵；
10.s4基于所述观测数据矩阵和所述字典矩阵利用复块稀疏贝叶斯算法计算系数向量；
11.s5对所述系数向量进行高分辨成像。
12.其中，所述基于所述真实模型进行正演运算，获得观测雷达数据，生成观测数据矩阵的具体方式为：
13.s21获取所述真实模型的若干个测量位置；
14.s22设定发射天线的发射频率，得到设定发射天线；
15.s23使用所述设定发射天线分别在若干个所述测量位置发射电磁波，并使用接收天线分别在若干个所述测量位置对经过目标反射后所述电磁波进行接收，得到若干个目标回波信号；
16.s24将若干个所述目标回波信号进行整合，得到观测雷达数据；
17.s25基于所述观测雷达数据生成观测数据矩阵。
18.其中，所述将成像区域划分为若干网格，并计算不同阵元到每个网格的时延，将时延作为字典矩阵的具体方式为：
19.s31将成像区域划分为若干网格；
20.s32使用所述设定发射天线在每个所述网格发射电磁波，使用所述接收天线对经
每个所述网格反射后的所述电磁波进行接收，得到若干网格回波信号；
21.s33基于若干所述网格回波信号计算不同阵元到每个网格的时延；
22.s34将所述时延作为字典矩阵。
23.其中，所述基于所述观测数据矩阵和所述字典矩阵利用复块稀疏贝叶斯算法计算系数向量的具体方式为：
24.s41基于所述观测数据矩阵和所述字典矩阵构建回波信号模型；
25.s42输入所述回波信号模型和所述字典矩阵，得到输入公式；
26.s43对所述回波信号模型的信号的方差及噪声的方差进行初始化，得到初始化值；
27.s44利用块稀疏贝叶斯基权向量公式迭代更新所述初始化值，每迭代一次，信号的均值、相关性、协方差矩阵及噪声方差更改一次。
28.s45判断所述当前基权向量中的信号均值与上次迭代得到的均值次数差值的最大值是否小于设置的终止阈值，若是，执行步骤s47，否则，执行步骤s46；
29.s46判断所述当前迭代次数是否大于设置的迭代次数，若是，执行步骤s47，否则，将所述当前迭代次数加1后执行步骤s44；
30.s47所述信号均值即为需要求得的系数向量。
31.本发明的一种基于复块贝叶斯算法的雷达成像方法，通过建立探地雷达反演的真实模型；基于所述真实模型进行正演运算，获得观测雷达数据，生成观测数据矩阵；将成像区域划分为若干网格，并计算不同阵元到每个网格的时延，将时延作为字典矩阵；基于所述观测数据矩阵和所述字典矩阵利用复块稀疏贝叶斯算法计算系数向量；对所述系数向量进行高分辨成像，通过所述观测数据矩阵和所述字典矩阵利用复块稀疏贝叶斯算法计算系数向量完成对观测数据矩阵的目标反射系数的重构，降低了计算的复杂度，提高了成像的精度，解决了现有的雷达成像方法通过利用回波信息直接计算的计算量大，从而减缓了计算速度的问题。，解决了现有的雷达成像方法通过利用回波信息直接计算的计算量大，从而减缓了计算速度的问题。
附图说明
32.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
33.图1是本发明提供的一种基于复块贝叶斯算法的雷达成像方法的流程图。
34.图2是基于所述真实模型进行正演运算，获得观测雷达数据，生成观测数据矩阵的流程图。
35.图3是将成像区域划分为若干网格，并计算不同阵元到每个网格的时延，将时延作为字典矩阵的流程图。
36.图4是基于所述观测数据矩阵和所述字典矩阵利用复块稀疏贝叶斯算法计算系数向量的流程图。
37.图5是单目标模型场景示意图。
38.图6是复块稀疏贝叶斯恢复单目标模型仿真结果图.
39.图7是多目标模型场景示意图。
40.图8是复块稀疏贝叶斯恢复多目标模型仿真结果图。
41.图9是不同信噪比下的均方误差图。
42.图10为探地雷达成像模型。
具体实施方式
43.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
44.请参阅图1至图5，本发明提供一种基于复块贝叶斯算法的雷达成像方法，包括以下步骤：
45.s1建立探地雷达反演的真实模型；
46.具体的，将所述真实模型设置为两层介质，一层为空气，设置介电常数ε1，另一层为土壤，设置介电常数ε2。
47.s2基于所述真实模型进行正演运算，获得观测雷达数据，生成观测数据矩阵；
48.具体方式为：
49.s21获取所述真实模型的若干个测量位置；
50.具体的，假设在整个测量过程中共有m个测量位置。
51.s22设定发射天线的发射频率，得到设定发射天线；
52.具体的，设置发射天线发射频率从f0到fh的电磁波。
53.s23使用所述设定发射天线分别在若干个所述测量位置发射电磁波，并使用接收天线分别在若干个所述测量位置对经过目标反射后所述电磁波进行接收，得到若干个目标回波信号；
54.具体的，在每个所述测量位置，所述发射天线发射频率从f0到fh的电磁波，经过目标反射后，所述接收天线接收目标回波信号。所述发射天线和所述接受天线移动到下一个所述测量位置，重新开始此过程。
55.s24将若干个所述目标回波信号进行整合，得到观测雷达数据；
56.具体的，直到将探测区域的若干个所述测量位置探测完，将若干个所述目标回波信号进行整合，得到观测雷达数据。
57.s25基于所述观测雷达数据生成观测数据矩阵。
58.所述观测数据矩阵为：
59.其中，ρ
p
为第p个散射点的反射系数，fn为第n个天线的工作频率，τ
p,m
为电磁波在第m个天线测量位置与第p个点目标的双程时延，exp0为以e为底的指数函数。
60.s3将成像区域划分为若干网格，并计算不同阵元到每个网格的时延，将时延作为字典矩阵；
61.具体方式为：
62.s31将成像区域划分为若干网格；
63.具体的，将成像区域均匀划分为k
×
l个网格。
64.s32使用所述设定发射天线在每个所述网格发射电磁波，使用所述接收天线对经每个所述网格反射后的所述电磁波进行接收，得到若干网格回波信号；
65.s33基于若干所述网格回波信号计算不同阵元到每个网格的时延；
66.s34将所述时延作为字典矩阵。
67.s4基于所述观测数据矩阵和所述字典矩阵利用复块稀疏贝叶斯算法计算系数向量；
68.具体方式为：s41基于所述观测数据矩阵和所述字典矩阵构建回波信号模型；
69.s42输入所述回波信号模型和所述字典矩阵，得到输入公式；
70.所述回波信号模型为：ym＝φx v；
71.其中，ym为n
×
1的观测矩阵，φ为n
×
kl的字典矩阵，x为一个kl
×
1的信号矩阵，即为待求的系数向量，v为噪声矩阵。
72.其中，ym＝[ym(0),ym(1),...,ym(n-1)]
t
；
[0073]
φ
p
＝[exp(-j2πf0τ
p,m
),exp(-j2πf1τ
p,m
),...,exp(-j2πfnτ
p,m
)]
t
。
[0074]
s43对所述回波信号模型的信号的方差及噪声的方差进行初始化，得到初始化值；
[0075]
具体的，对所述信号的方差及噪声方差进行初始化，得到初始化值，在输入公式中，输入雷达回波ym和字典矩阵φ。
[0076]
s44利用块稀疏贝叶斯基权向量公式迭代更新所述初始化值，每迭代一次，信号的均值、相关性、协方差矩阵及噪声方差更改一次。
[0077]
s45判断所述当前基权向量中的所有参数的最大值是否小于设置的终止阈值，若是，执行步骤s47，否则，执行步骤s46；
[0078]
具体的，判断中的所有元素中的最大值是否小于设置的终止阈值。
[0079]
s46判断所述当前迭代次数是否大于设置的迭代次数，若是，执行步骤s47，否则，将所述当前迭代次数加1后执行步骤s44；
[0080]
s47所述信号均值即为需要求得的系数向量。
[0081]
具体的，所述信号均值即为需要求得的系数向量x。
[0082]
s5对所述系数向量进行高分辨成像。
[0083]
为了说明本发明的效果，进行了以下仿真实验：
[0084]
实验1，建立了如图5所示的包含双层介质的层状模型，上层为空气，设置介电常数ε1＝1，下层为土壤，设置介电常数ε2＝3。在仿真中，假设电磁波的起始频率f0＝0.3ghz，步进频率δf＝120mhz，天线位置测量总数m＝20，每根发射天线间隔为0.05m。假设成像区域大小为1m
×
1m，网格划分为0.02m,即在水平方向和距离方向上被均匀划分为50
×
50个网格。在此背景下，设置一方形目标在成像区域中间，目标的水平长度区间为[0.5m,0.6m]，共0.1m，距离长度区间为[0.6m,0.62m]，共0.02m。应用本发明的复块稀疏贝叶斯探地雷达成像方法进行反演，可以得到结果如图6。
[0085]
实验2，建立了如图7所示的包含双层介质的层状模型，上层为空气，设置介电常数ε1＝1，下层为土壤，设置介电常数ε2＝3。在仿真中，假设电磁波的起始频率f0＝0.3ghz，步进频率δf＝120mhz，天线位置测量总数m＝20，每根发射天线间隔为0.1m。假设成像区域大小为2m
×
1m，网格划分为0.02m,即在水平方向和距离方向上被均匀划分为100
×
50个网格。
在此背景下，分别设置一个方形目标和一个圆形目标在成像区域中间，方形目标的水平长度为区间为[0.4m,0.5m]，共0.1m，距离长度区间为[0.5m,0.56m]，共0.06m，圆形目标的圆心坐标为(1.4m，0.54m),半径为0.04m。应用本发明的复块稀疏贝叶斯探地雷达成像方法进行反演，可以得到结果如图8。
[0086]
实验3，将本发明算法与传统贝叶斯算法进行性能比较，成像结果均方误差以db形式给出：
[0087][0088]
其中，k为总实验次数，为第k次实验下的成像结果，x为初始成像结果，在这里，我们取x为信噪比snr＝0db时的成像结果。设置实验次数为100次，实验结果如图9所示。
[0089]
计算机仿真实验表明，使用块稀疏贝叶斯探地雷达成像方法进行反演，可以得到较为精准的成像结果，与传统贝叶斯方法相比，成像误差较小。
[0090]
以上所揭露的仅为本发明一种基于复块贝叶斯算法的雷达成像方法较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。