一种近场非均匀采样的直接稀疏成像方法

1.本发明涉及雷达信号处理中的近场合成孔径雷达成像技术领域，更具体地说，特别涉及一种近场非均匀采样的直接稀疏成像方法。


背景技术：

2.近年来，随着商业化毫米波器件的推广，低成本毫米波雷达成像系统受到了人们的广泛关注，传统的近场毫米波雷达成像系统大多是利用高精度导轨控制得到均匀理想的阵列孔径，但局限于机场安检和隐蔽物体检测等常规应用场景。随着5g技术不断问世，超宽带毫米波雷达传感器在车载sar成像、无人机(uav)成像以及智能手机徒手成像定位这类新型应用场景中取得了飞速的发展。然而，以上新型应用场景中毫米波雷达的运动轨迹一般都不规则，已经不满足图像重构需要的均匀阵列构型要求，也给信号处理带来了困难。
3.基于匹配滤波框架的传统成像算法是一个简单的线性滤波过程。在不利用任何先验信息的情况下，由于受其系统带宽和奈奎斯特采样定理的限制，其性能很难突破瑞利边界。在非规则运动轨迹下，需要对原始数据进行插值处理，这也不可避免地会出现主瓣扩展，旁瓣较高等问题，并且大量相干斑点噪声存在使得成像性能恶化。为了在确保图像质量的同时有效地抑制非均匀采样对图像重构的不良影响，确有必要开发一种近场非均匀采样的直接稀疏成像方法。


技术实现要素：

4.本发明的目的在于提供一种近场非均匀采样的直接稀疏成像方法，以克服现有技术所存在的缺陷。
5.为了达到上述目的，本发明采用的技术方案如下：
6.一种近场非均匀采样的直接稀疏成像方法，包括以下步骤：
7.s1、通过非规则轨迹对线性调频连续波雷达进行扫描，得到目标回波信号；
8.s2、对基带信号进行距离向脉冲压缩，并实现后向投影成像；
9.s3、根据图像目标与背景强度之间的差异得到图像阈值，确定目标区域；
10.s4、根据所述目标区域来更新字典矩阵维度，将稀疏重构l0问题转化为松弛为l
p
正则化问题；
11.s5、将l
p
范数通过高斯迭代的方法进行求解，得到初始图像
12.s6、重复步骤s5，当低于迭代门限阈值ξ或超过迭代次数时输出，实现图像稀疏重构。
13.进一步地，所述步骤s1中的回波数据为：
[0014][0015]
式中，ω(x,y,z)和ω(x
′
,y
′
,z
′
)表示分布式目标的坐标及雷达坐标，k＝2πf/c是波数，f表示雷达载频，f(p)是散射稀疏函数，||
·
||2表示l2范数，r为成像场景中每个雷达观测点与目标点之间的距离。
[0016]
进一步地，所述步骤s2中的对回波数据进行傅里叶变换表示为：
[0017]
s(p
′
,r)＝fft
1d
(s(p
′
,f))
[0018]
对所述回波数据进行后向投影成像得：
[0019][0020]
进一步地，所述步骤s3中将图像目标与背景强度之间的差异得到图像阈值具体为：
[0021]
将图像归一化后得到：
[0022][0023]
τ＝min(q(i,j))
[0024]qloc
为窗口大小为3
×
3的图像局部均值，q
all
为图像全局均值，β为图像标准差，将3
×
3的窗口依次滑动遍历整张图像，当q(i,j)最小时，得到图像阈值τ。
[0025]
进一步地，所述步骤s4中将l0问题松弛，对其加入约束条件，将稀疏场景正则化，则表示为：
[0026]
y＝ax θ
[0027][0028]
式中，y是原始数据，a，x分别是观测矩阵和散射系数矩阵，μ为正则化稀疏，p(0＜p＜1)表示收缩参数，假设目标区域为c，则在步骤s3中得到阈值η得：
[0029][0030]
将目标区域更新为x
′
(xi′
,yi′
,zi′
),则假设观测矩阵a维度为m
×
n,则更新后的a
′
为m
×n′
，由此得
[0031][0032]
进一步地，所述步骤s5具体包括：
[0033]
s51、定义代价函数将f对x
′
求偏导得：
[0034][0035]
对求导后寻找时即为所解，其中λ＝diag(|x
′
(i)|
p/2-1
)的n
′
维对角矩阵；
[0036]
s52、对上式采用高斯迭代法进行求解，并对求解可得：
[0037][0038]
式中，a
′
ha′
，a
′hy可提前求解加快迭代速度，a
′
ha′
＝m
×
diag(ones(n
′
))的n
′
维对角矩阵,ones(n
′
)为长度n
′
的单元向量，a
′hy为n
′×
1的矩阵,δ
n 1
＝(δn)
0.8
为变步长。
[0039]
进一步地，所述步骤s6中
[0040]
当低于迭代门限阈值ξ或迭代次数超过时，得到重构结果为：
[0041][0042]
其中，和表示为迭代第n次和第n 1次的重构结果，表示向量l2范数的平方。
[0043]
与现有技术相比，本发明的优点在于：本发明提供的一种近场非均匀采样的直接稀疏成像方法，由于在合成孔径雷达成像的观测场景中，感兴趣的目标区域通常由强散射点组成，对非目标区域成像结果强度往往很小。基于此，本发明通过利用该先验信息来确定成像目标所在的区域，并更新字典矩阵维度，随后通过高斯迭代的方法进行快速稀疏成像。本发明能在实际成像过程中有效抑制旁瓣泄漏、散斑、相干瓣等现象，其成像结果远优于传统匹配滤波方法，实现了成像增强。
附图说明
[0044]
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。
[0045]
图1是本发明近场非均匀采样的直接稀疏成像方法的结构示意图；
[0046]
图2是本发明近场非均匀采样的直接稀疏成像方法的流程图；
[0047]
图3为本发明雷达非均匀采样场景建模示意图；
[0048]
图4为本发明仿真场景；
[0049]
图5a为本发明基于后向投影成像算法下的点目标成像示意图；
[0050]
图5b为本发明基于nufft-rma下的点目标成像示意图；
[0051]
图5c本发明基于直接稀疏成像下的点目标成像示意图；
[0052]
图6为本发明实际雷达成像系统平台；
[0053]
图7a为本发明基于后向投影成像算法下的实测扳手成像示意图；
[0054]
图7b为本发明基于nufft-rma下的实测扳手成像示意图；
[0055]
图7c为本发明直接稀疏成像下的实测扳手成像示意图。
具体实施方式
[0056]
下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能
更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
[0057]
参阅图1和图2所示，本实施例公开了一种近场非均匀采样的直接稀疏成像方法，包括以下六个步骤：
[0058]
步骤s1、将fmcw雷达通过单发单收模式发射电磁波，通过非规则轨迹进行扫描，对待测物体进行照射并获取回波数据。
[0059]
具体的，回波数据可表示为：
[0060][0061]
式中，ω(x,y,z)和ω(x
′
,y
′
,z
′
)表示分布式目标的坐标及雷达坐标，k＝2πf/c是波数，f表示雷达载频，f(p)是散射稀疏函数。||
·
||2表示l2范数，r为成像场景中每个雷达观测点与目标点之间的距离，可表示为：
[0062][0063]
则回波又可表示为：
[0064][0065]
步骤s2、为实现脉冲压缩，距离聚焦。对回波数据进行距离维傅里叶变换可表示为：
[0066]
s(p
′
,r)＝fft
1d
(s(p
′
,f))
[0067]
对上述回波数据进行bp成像可得：
[0068][0069]
步骤s3、得到初始成像图后，根据图像目标与背景强度往往有着明显差异这一特征信息确定目标与杂波边缘阈值τ，阈值的选择极为重要，阈值较小则噪声滤除不净，阈值较大则会影响图像细节信息。将图像归一化后：
[0070][0071]
τ＝min(q(i,j))
[0072]
式中，q
loc
为窗口大小为3
×
3的图像局部均值，q
all
为图像全局均值，β为图像标准差，将3
×
3的窗口依次滑动遍历整张图像，当q(i,j)最小时，即可得到τ。一般在近场成像中τ取0.3。
[0073]
步骤s4、再将原始数据进行稀疏成像，首先稀疏重构问题最直接的方法就是求解l0范数问题，但由于其自身是一个np难题，无法求解，因此将l0问题松弛，对其加入约束条件，将稀疏场景正则化，则可表示为：
[0074]
y＝ax θ
[0075][0076]
式中，y是原始数据，a，x分别是观测矩阵和散射系数矩阵，μ为正则化稀疏，p(0＜p＜1)表示收缩参数，假设目标区域为c，则在步骤三中得到阈值τ可得：
[0077][0078]
可将目标区域更新为x
′
(xi′
,yi′
,zi′
),则假设观测矩阵a维度为m
×
n,则更新后的a
′
为m
×n′
，由此可得
[0079][0080]
步骤s5、将l
p
范数通过高斯迭代的方法进行求解，得到初始图像
[0081]
具体包括以下步骤：
[0082]
步骤s51：对其求导后寻找时即为所解，其中λ＝diag(|x
′
(i)|
p/2-1
)的n
′
维对角矩阵。
[0083][0084]
步骤s52、对上述十字采用高斯迭代法进行求解，对求解可得：
[0085][0086]
式中，a
′
ha′
，a
′hy可提前求解加快迭代速度。a
′
ha′
＝m
×
diag(ones(n
′
))的n
′
维对角矩阵,ones(n
′
)为长度n
′
的单元向量。a
′hy为n
′×
1的矩阵。δ
n 1
＝(δn)
0.8
为变步长。
[0087]
步骤s6、当低于迭代门限阈值ξ或迭代次数超过即可得到重构结果：
[0088][0089]
其中，和表示为迭代第n次和第n 1次的重构结果，表示向量l2范数的平方。
[0090]
图3为雷达非均匀采样场景建模示意图；图4为仿真场景；图5a为基于后向投影成像算法下的点目标成像示意图；图5b为基于nufft-rma下的点目标成像示意图；图5c基于直接稀疏成像下的点目标成像示意图；图6为实际雷达成像系统平台；图7a为基于后向投影成像算法下的实测扳手成像示意图；图7b为基于nufft-rma下的实测扳手成像示意图；图7c基于直接稀疏成像下的实测扳手成像示意图。
[0091]
图3为雷达场景的非均匀采样建模场景，可以清晰地看到雷达以随机非均匀采样模式进行数据采集。从图4，6和图5，7可以很明显的看到在仿真和实测的非均匀采样场景下，基于传统匹配滤波方法的bpa和nufft-rma算法在图像上会不可避免地出现旁瓣和杂波，严重影响图像质量。而基于直接稀疏成像算法则完整重构出目标区域，并有效抑制了旁瓣和杂波，提高了成像的动态范围，实现了高分辨率成像。
[0092]
本发明所提出的一种近场非均匀采样的直接稀疏成像方法，在合成孔径雷达成像的观测场景中，感兴趣的目标区域通常由强散射点组成，对非目标区域成像结果强度往往很小。基于此，该本发明通过利用该先验信息来确定成像目标所在的区域，并更新字典矩阵
维度，随后通过高斯迭代的方法进行快速稀疏成像。本发明能在实际非均匀采样下的成像过程中有效抑制杂波和旁瓣，其成像结果远优于传统匹配滤波方法，提高了成像的动态范围，增强了雷达图像质量，表明本方法具有一定的可行性。
[0093]
虽然结合附图描述了本发明的实施方式，但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改，只要不超过本发明的权利要求所描述的保护范围，都应当在本发明的保护范围之内。