技术领域
[0001] 本
发明属于雷达成像技术领域,它特别涉及一种基于稀疏约束的实波束扫描雷达角超分辨成像方法。
背景技术
[0002] 实波束扫描雷达的高分辨成像,在
船舶导航、塔台监测和远程预警等领域有着巨大的应用价值,同时该成像模式还具有小体积和低成本等优势,因此该成像模式具有广泛的应用前景。实波束扫描雷达以固定扫描速度先后照射成像区域、通过发射线性调频
信号(LFM)并接收回波信号以获得雷达作用区域的二维回波信号。由于发射信号维为LFM信号,因此,距离向高分辨能够通过使用
脉冲压缩技术实现。在方位向,实波束方位角
分辨率由决定,其中,λ是雷达
波长,D表示天线孔径尺寸,虽然实波束方位角分辨率远低于距离分辨率,但是,通过
信号处理的方法,能够突破天线波长和孔径限制,显著改善方位向分辨率,实现实波束雷达角超分辨成像。
[0003] 文献“Ly C,Dropkin H,Manitius A Z.Extension of the music algorithm to millimeter-wave(mmw)real-beam radar scanning antennas.AeroSense 2002.”根据实波束扫描雷达的回波特性提出用谱估计中的MUSIC
算法实现扫描雷达方位向超分辨成像,但是该方法需要足够的快拍数以准确估计噪声的协方差矩阵,这在实际的机械扫描雷达应用中很难实现的,同时在相干源背景下该方法的角超分辨性能会严重下降。
[0004] 文献“Y.Zhang,Y.Zhang,W.Li,Y.Huang,and J.Yang.Angular superresolution for real beam radar with iterative adaptive approach.in Geoscience and Remote Sensing Symposium(IGARSS),2013IEEE International.IEEE,2013:3100-3103”提出了一种基于实波束扫描雷达的自适应
迭代角超分辨方法,该方法基于加权最小加权二乘准则,该方法克服了快拍数的限制并能够显著改善方位角分辨率,但是该方法的计算复杂度过大,会占用大量的系统资源并严重影响成像的实时性,很难推广到实际应用中。
[0005] 文献“Huang Y,Zha Y,Zhang Y,et al.Real-beam scanning radar angular super-resolution via sparse deconvolution.Geoscience and Remote Sensing Symposium(IGARSS),2014IEEE International.IEEE,2014:3081-3084.”将实波束扫描雷达方位向回波建立为天线方向图与目标散射系数的卷积模型,并通过解卷积算法重建目标场景,实现实波束雷达角分辨率。但是该方法假设的噪声服从泊松分布特性并不符合实际雷达成像特性,因此在低
信噪比下,该算法的成像性能会急剧下降。
发明内容
[0006] 本发明的目的在于克服
现有技术的不足,提供一种使用瑞利分布表征杂波特性,并利用稀疏约束反应目标分布特性,在反演目标分布的同时抑制了噪声对成像结果的影响,提高瑞利分布统计参数的估计
精度,实现了基于稀疏约束的实波束扫描雷达角超分辨成像方法。
[0007] 本发明的目的是通过以下技术方案来实现的,一种基于稀疏约束的实波束扫描雷达角超分辨成像方法,包括以下步骤:
[0008] S1、回波建模,基于实波束扫描雷达与目标的几何关系建立扫描雷达的回
波数据模型;
[0009] S2、对回波数据进行距离向脉冲压缩,实现距离向的高分辨率;
[0010] S3、将脉冲压缩后的回波数据表示为天线波束与观察场景的散射系数的卷积模型;
[0011] S4、根据S3得到的卷积模型建立最大后验目标函数,并推导最大后验解;
[0012] S5、通过自适应迭代的方法精确还原出原始目标分布,包括以下子步骤:
[0013] S51、计算迭代初始值:利用TIKHONOV正则化方法和最大似然估计方法获得目标函数的解和瑞利分布统计参数这两个参数的迭代初始值;
[0014] S52、根据S4得到的最大后验解构建迭代表达式;
[0015] S53、将迭代初始值代入迭代表达式中,得到新的最大后验解;
[0016] S54、将S53得到的最大后验解带入瑞利分布的统计参数计算公式中,更新瑞利分布统计参数值;
[0017] S55、将S53得到的最大后验解和S54得到的瑞利分布统计参数值代入迭代表达式中,重新获得新的最大后验解;
[0018] S56、重复步骤S54和S55,直到迭代表达式的结果与上一次迭代表达式的结果相比,满足迭代收敛条件时,记录该迭代表达式的结果为实波束扫描雷达角超分辨成像结果。
[0019] 进一步地,所述的步骤S1的具体实现方法为:雷达在高度H处以下视角 对-ψ~ψ成像区域按顺
时针顺序扫描;初始时刻,雷达天线与场景中心
位置目标的初始斜距为r0,设场景中各目标点对应坐标为(xi,yi),各目标和雷达之间的方位角对应的为θi,各目标和雷达之间的斜距为ri;
[0020] 设发射信号为线性调频信号 其中,rect(·)表示矩形信号,其定义为 τ为距离向快时间变量,T为发射脉冲持
续时间,c为光速,λ为波长,Kr为调频斜率;为了保证理论与实际验证情况相符,对接收回波进行离散处理;离散化后的回波解析表达式为:
[0021]
[0022] 其中,Ω为目标场景范围,θ为天线波束宽度,f(xi,yi)为点(xi,yi)处目标的散射函数;ω为天线扫描速度,Tβ是目标在3dB天线波束宽度的驻留时间。
[0023] 进一步地,所述的步骤S2的具体实现方法包括以下子步骤:
[0024] S21、构造距离向脉压参考信号:
[0025]
[0026] 其中, 表示距离向参考时间;
[0027] S22、将sref与回波数据 进行最大自相关运算,得到脉冲压缩后的二维信号为:
[0028]
[0029] 其中,B为发射信号带宽。
[0030] 进一步地,所述的步骤S3的具体实现方法为:回波信号的卷积模型表示为:
[0031]
[0032] 其中,s=[s(1,1),s(1,2),…,s(N,1),…,s(N,M)]T为NM×1维的向量,是将所有脉冲压缩后回波信号的测量值按距离单元顺序在方位向上重新排列的结果,上标T表示转置运算;
[0033] f=[f(1,1),f(1,2),…,f(N,1),…,f(N,M)]T为NM×1维的向量,是将成像区域内所有未知目标的幅度按距离单元顺序的在方位向上重新排列的结果;
[0034] n=[n(1,1),n(1,2),…,n(N,1),…,n(N,M)]T,为NM×1维的向量,表示杂波和
干扰信号分量,服从统计独立的瑞利分布;
[0035] H为NM×NM维的矩阵,由卷积测量矩阵HM×N构成,其中,HM×N=[h1,h2,…,hM]。
[0036] 进一步地,所述的步骤S4的具体实现方法为:在贝叶斯公式
基础上,通过给定的噪声统计特性,并结合稀疏目标分布先验信息,推出最大后验概率解卷积超分辨方法,实现卷积反演,具体包括以下子步骤:
[0037] S41、对于公式(3),利用贝叶斯公式,将回波数据的后验概率表示为:
[0038]
[0039] 其中,p(·)表示概率
密度函数;根据最大后验准则,将反卷积问题转化为求解最优解f使得其满足:
[0040]
[0041] 其中,为目标函数的最大后验估计;p(f/s)、p(s/f)和p(f)分别代表回波数据的后验概率、似然概率和目标的先验概率;
[0042] S42、设实波束扫描雷达回波信号中每一
采样点的杂波或干扰信号服从统计独立的瑞利分布,则似然概率表示为:
[0043]
[0044] 其中,i是各离散点目标,
[0045]
[0046] σ2是瑞利分布中的统计参数;
[0047] S43、选择稀疏特性作为正则化约束项,目标散射稀疏的概率密度为:
[0048]
[0049] 其中,0<q≤1;当q=1时,p(f)∝exp(-2||f||1)为拉普拉斯分布;当q→1时,目标的概率为
[0050] S44、根据(6)式和(7)式得到最大后验目标函数为:
[0051]
[0052] 对(8)式取负自然对数,得到:
[0053]
[0054] 求(9)式关于f的梯度运算,得到:
[0055]
[0056] 其中,(·)T表示转置操作,P=diag{p1,…,pNM},pi=|fi|2-q;
[0057] S45、由于(10)式是非线性函数,因此,只能通过迭代的方法获得逼近原始场景的结果,令(10)式为零,得到关于f的最大后验解为:
[0058]
[0059] 进一步地,所述的步骤S51具体实现包括以下步骤:
[0060] S511、利用TIKHONOV正则化方法,计算出原始场景粗估计结果为:
[0061] f=(HTH+βI)-1HTs (12)
[0062] 其中,β为正则化参数,I为NM×NM维单位对角矩阵;
[0063] S512、利用最大似然估计方法估计瑞利分布统计参数,首先,针对一个NM维的服从独立瑞利分布的杂波向量g=[g1,…,gi](i=1,…,NM),对该向量的联合似然函数取对数处理后,得到:
[0064]
[0065] 求式(13)关于σ的导数,并令结果为零,得到:
[0066]
[0067] 因此,则σ2的最大似然估计值为:
[0068]
[0069] 对于实波束扫描雷达成像,gi=si-(Hf)i,因此利用TIKHONOV正则化计算结果并结合(15)式计算出关于瑞利分布的统计参数为:
[0070]
[0071] 进一步地,所述的步骤S52构建的迭代表达式为:
[0072]
[0073] 其中,迭代初始值为(12)式和将(12)式带入(16)式计算的结果,k+1和k是迭代的2-q
次数,Pk=diag{(p1)k,…,(pNM)k},(pi)k=|(fi)k| 。
[0074] 进一步地,所述的步骤S56中的收敛条件为:
[0075] ||fk+1-fk||2<ε (18)
[0076] 其中,fk+1、fk为相邻两次迭代结果,ε为预先设定的
阈值。
[0077] 本发明的有益效果是:使用瑞利分布表征杂波特性,并利用稀疏约束反应目标分布特性,在反演目标分布的同时抑制了噪声对成像结果的影响,此外,在迭代处理中,利用自适应的方法提高瑞利分布统计参数的估计精度,使得角超分辨处理结果更加逼近实际目标分布,最终实现了实波束扫描雷达角超分辨成像。
附图说明
[0079] 图2为本发明的具体
实施例的实波束扫描雷达成像模式图;
[0080] 图3为本实施例的雷达天线方向图;
[0081] 图4为本实施例的仿真场景图;
[0082] 图5为本实施例的杂波场景下(SCR=25dB)回波剖面图;
[0083] 图6为本实施例处理后的最终的扫描雷达成像结果图。
具体实施方式
[0084] 下面结合附图进一步说明本发明的技术方案,但本发明所保护的内容不局限于以下所述。
[0085] 如图1所示,一种基于稀疏约束的实波束扫描雷达角超分辨成像方法,包括以下步骤:
[0086] S1、回波建模,基于实波束扫描雷达与目标的几何关系建立扫描雷达的回波数据模型;其具体实现方法为:雷达在高度H处以下视角 对-ψ~ψ成像区域按顺时针顺序扫描;初始时刻,雷达天线与场景中心位置目标的初始斜距为r0,设场景中各目标点对应坐标为(xi,yi),各目标和雷达之间的方位角对应的为θi,各目标和雷达之间的斜距为ri;
[0087] 设发射信号为线性调频信号 其中,rect(·)表示矩形信号,其定义为 τ为距离向快时间变量,T为发射脉冲持续时
间,c为光速,λ为波长,Kr为调频斜率;为了保证理论与实际验证情况相符,对接收回波进行离散处理;离散化后的回波解析表达式为:
[0088]
[0089] 其中,Ω为目标场景范围,θ为天线波束宽度,f(xi,yi)为点(xi,yi)处目标的散射函数;ω为天线扫描速度,Tβ是目标在3dB天线波束宽度的驻留时间。本实施例采用前视扫描雷达成像运动几何模式,如图2所示,扫描雷达成像参数如表一所示。
[0090] 表一扫描雷达系统参数
[0091]参数 符号 数值
载频 fc 10GHz
发射信号时宽 T 10μs
发射信号带宽 B 50MHz
脉冲采样
频率 PRF 1500Hz
天线扫描速度 ω 60°/s
天线波束宽度 θ 2.5°
扫描范围 Φ -12°~12°
扫描雷达作用距离 R0 10km
[0092] S2、对回波数据进行距离向脉冲压缩,实现距离向的高分辨率;其具体实现方法包括以下子步骤:
[0093] S21、构造距离向脉压参考信号:
[0094]
[0095] 其中, 表示距离向参考时间;
[0096] S22、将sref与回波数据 进行最大自相关运算,得到脉冲压缩后的二维信号为:
[0097]
[0098] 其中,B为发射信号带宽。
[0099] S3、将脉冲压缩后的回波数据表示为天线波束与观察场景的散射系数的卷积模型;其具体实现方法为:回波信号的卷积模型表示为:
[0100]
[0101] 其中,s=[s(1,1),s(1,2),…,s(N,1),…,s(N,M)]T为NM×1维的向量,是将所有脉冲压缩后回波信号的测量值按距离单元顺序在方位向上重新排列的结果,上标T表示转置运算;
[0102] f=[f(1,1),f(1,2),…,f(N,1),…,f(N,M)]T为NM×1维的向量,是将成像区域内所有未知目标的幅度按距离单元顺序的在方位向上重新排列的结果;
[0103] n=[n(1,1),n(1,2),…,n(N,1),…,n(N,M)]T,为NM×1维的向量,表示杂波和干扰信号分量,服从统计独立的瑞利分布;
[0104] H为NM×NM维的矩阵,由卷积测量矩阵HM×N构成,其中,HM×N=[h1,h2,…,hM]。
[0105] S4、根据S3得到的卷积模型建立最大后验目标函数,并推导最大后验解;其具体实现方法为:在贝叶斯公式基础上,通过给定的噪声统计特性,并结合稀疏目标分布先验信息,推出最大后验概率解卷积超分辨方法,实现卷积反演,具体包括以下子步骤:
[0106] S41、对于公式(3),利用贝叶斯公式,将回波数据的后验概率表示为:
[0107]
[0108] 其中,p(·)表示概率密度函数;根据最大后验准则,将反卷积问题转化为求解最优解f使得其满足:
[0109]
[0110] 其中,为目标函数的最大后验估计;p(f/s)、p(s/f)和p(f)分别代表回波数据的后验概率、似然概率和目标的先验概率;
[0111] S42、设实波束扫描雷达回波信号中每一采样点的杂波或干扰信号服从统计独立的瑞利分布,则似然概率表示为:
[0112]
[0113] 其中,i是各离散点目标,
[0114]
[0115] σ2是瑞利分布中的统计参数;
[0116] S43、选择稀疏特性作为正则化约束项,目标散射稀疏的概率密度为:
[0117]
[0118] 其中,0<q≤1;当q=1时,p(f)∝exp(-2||f||1)为拉普拉斯分布;当q→1时,目标的概率为
[0119] S44、根据(6)式和(7)式得到最大后验目标函数为:
[0120]
[0121] 对(8)式取负自然对数,得到:
[0122]
[0123] 求(9)式关于f的梯度运算,得到:
[0124]
[0125] 其中,(·)T表示转置操作,P=diag{p1,…,pNM},pi=|fi|2-q;
[0126] S45、由于(10)式是非线性函数,因此,只能通过迭代的方法获得逼近原始场景的结果,令(10)式为零,得到关于f的最大后验解为:
[0127]
[0128] S5、通过自适应迭代的方法精确还原出原始目标分布,包括以下子步骤:
[0129] S51、计算迭代初始值:利用TIKHONOV正则化方法和最大似然估计方法获得目标函数的解和瑞利分布统计参数这两个参数的迭代初始值;其具体实现包括以下步骤:
[0130] S511、利用TIKHONOV正则化方法,计算出原始场景粗估计结果为:
[0131] f=(HTH+βI)-1HTs (12)
[0132] 其中,β为正则化参数,I为NM×NM维单位对角矩阵;
[0133] S512、利用最大似然估计方法估计瑞利分布统计参数,首先,针对一个NM维的服从独立瑞利分布的杂波向量g=[g1,…,gi](i=1,…,NM),对该向量的联合似然函数取对数处理后,得到:
[0134]
[0135] 求式(13)关于σ的导数,并令结果为零,得到:
[0136]
[0137] 因此,则σ2的最大似然估计值为:
[0138]
[0139] 对于实波束扫描雷达成像,gi=si-(Hf)i,因此利用TIKHONOV正则化计算结果并结合(15)式计算出关于瑞利分布的统计参数为:
[0140]
[0141] S52、根据S4得到的最大后验解构建迭代表达式:
[0142]
[0143] 其中,迭代初始值为(12)式和将(12)式带入(16)式计算的结果,k+1和k是迭代的次数,Pk=diag{(p1)k,…,(pNM)k},(pi)k=|(fi)k|2-q。
[0144] S53、将迭代初始值代入迭代表达式中,得到新的最大后验解;
[0145] S54、将S53得到的最大后验解带入瑞利分布的统计参数计算公式中,更新瑞利分布统计参数值;
[0146] S55、将S53得到的最大后验解和S54得到的瑞利分布统计参数值代入迭代表达式中,重新获得新的最大后验解;
[0147] S56、重复步骤S54和S55,直到迭代表达式的结果与上一次迭代表达式的结果相比,满足迭代收敛条件时,记录该迭代表达式的结果为实波束扫描雷达角超分辨成像结果,所述的收敛条件为:
[0148] ||fk+1-fk||2<ε (18)
[0149] 其中,fk+1、fk为相邻两次迭代结果,ε为预先设定的阈值。
[0150] 本实施例采用如图3所示的雷达天线方向图,图4为本实施例的仿真场景图,图5为本实施例的杂波场景下(SCR=25dB)回波剖面图,图6为本实施例处理后的最终的扫描雷达成像结果图。从图中可以看出,通过本发明提供的方法,在瑞利杂波背景下,目标的角度信息得到了很好的恢复。
[0151] 本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体
变形和组合,这些变形和组合仍然在本发明的保护范围内。