首页 / 专利库 / 信号处理 / 稀疏变换 / 基于稀疏表示的杂波抑制方法

基于稀疏表示的杂波抑制方法

阅读:26发布:2020-05-13

专利汇可以提供基于稀疏表示的杂波抑制方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于稀疏表示的杂波抑制方法,主要解决 现有技术 运算复杂度高的问题。其方案是:1)产生线性调频 信号 ;2)产生具有对数分布的杂 波数 据;3)由产生的线性调频信号和杂波数据构建回波信号;4)对构建的回波信号进行滤波;5)对滤波后的输出数据进行匹配滤波;6)对匹配滤波后的数据进行稀疏约束,建立稀疏条件约束模型;7)对建立的稀疏条件约束模型利用交替 迭代 法进行求解,输出 滤波器 最优加权因子和杂波抑制后的回波数据。本发明增加了稀疏约束,不需要进行杂波中心谱估计,具有计算方法简单,运算复杂度小的优点,可用于雷达回波信号的目标检测。,下面是基于稀疏表示的杂波抑制方法专利的具体信息内容。

1.一种基于稀疏表示的杂波抑制方法,包括:
(1)设定一个由脉冲宽度为Tp、调频率为μ和载频为f0组成的线性调频信号rect(·)表示矩形信号,t表示快时间,j表示虚数单位;
(2)应用零记忆非线性变换法ZMNL产生具有对数分布的杂波数据Cu;
(3)构建回波信号表达式:X=S(t-N·Tr-τ)+Cu,τ为时间延迟,Tr为脉冲重复周期,N为脉冲重复周期数;
(4)初始化滤波器的加权系数W,将回波信号X通过滤波器进行滤波处理,得到滤波器输出数据Y;
(5)对滤波器输出数据Y进行匹配滤波处理,得到抑制杂波后的数据Z:
Z=H*Y
其中,*表示卷积操作;H=S*(-t)表示匹配滤波函数,即对S(t)的取反共轭;
(6)根据稀疏表示和最小功率理论建立条件约束模型:
其中||·||1表示l1范数,||·||2表示l2范数,ε为常数;
(7)求解上述条件约束模型:
(7a)将上述条件约束模型转化为无约束优化问题,得到拉格朗日函数f如下:
其中γ为拉格朗日乘子;
(7b)对拉格朗日函数f中的Z进行变量分裂,得到条件约束模型:
s.t.Z=AWT
其中,T为矩阵转置符号,A为回波信号X进行匹配滤波后的数据;
(7c)将上述条件约束模型转化为无约束优化问题,得到增广拉格朗日函数L(W,Z,γ,d)如下:
其中,μ为惩罚因子,d为一个待求解的向量,并按式dn+1=dn-(AWT-Z)进行求解,dn为第n次求解得到的向量,dn+1为第n+1次求解得到的向量;
(7d)通过交替迭代法对增广拉格朗日函数L(W,Z,γ,d)进行优化求解,输出最优加权系数W和抑制杂波后的数据Z。
2.根据权利要求1所述的方法,其中步骤(2)中应用零记忆非线性变换法ZMNL产生具有对数分布的杂波数据Cu,按如下步骤进行:
(2a)将独立不相关的服从N(0,1)分布的高斯随机序列n通过线性滤波器H1(ω),得到相关高斯随机分布序列y;
(2b)设定对数分布的均值为μc、对数分布的方差为σc,将得到的相关高斯随机分布序列y与对数分布的方差σc相乘,再将得到的乘积与对数分布的均值μc的自然对数值ln(μc)相加,得到服从 的高斯正态分布序列g;
(2c)将高斯正态分布序列g进行非线性变换exp(g),得到对数分布杂波随机序列q;
(2d)将对数分布杂波随机序列q乘以相位项 得到杂波数据Cu;其中,
为设定的杂波初始相位、fd为杂波多普勒频移、Δt为时域采样间隔。
3.根据权利要求1所述的方法,其中步骤(7d)中通过交替迭代法对增广拉格朗日函数L(W,Z,γ,d)进行优化求解,按如下步骤进行:
(7d1)初始化:
将滤波器加权系数W初始化为长度为N的单位向量,将向量d初始化为长度为N的零向量;
设惩罚因子μ=0.2,迭代次数n=1,2…K,迭代阈值δ=10-3,K=100为迭代总次数;
(7d2)通过交替迭代法求解最优加权系数W和抑制杂波后的数据Z:
(7d21)将第n次迭代得到的加权系数Wn和抑制杂波后的数据Zn的值代入以下两式,求解第n次迭代后的拉格朗日乘子γn和向量dn:
其中,var(·)为求方差函数,dn-1为第n-1次迭代得到的向量;
(7d22)按下式求解第n次迭代得到的惩罚因子μn:
μn=μn-1+n0.2
其中,μn-1为第n-1次迭代得到的惩罚因子;
(7d23)保持第n次迭代得到的抑制杂波后的数据Zn不变,按下式求解第n+1次迭代后的加权系数Wn+1:
其中,Wn为第n次迭代后得到的加权系数,μn为第n次迭代后得到的惩罚因子,dn为第n次迭代后得到的向量;
(7d24)将第n+1次迭代得到的加权系数Wn+1代入下式,求解第n+1次迭代后的抑制杂波后的数据Zn+1:
其中,γn为第n次迭代后得到的拉格朗日乘子;
(7d25)判断是否满足迭代终止条件:
如果前后两次迭代得到的抑制杂波后的数据Zn和Zn+1满足∑(|Zn|-|Zn+1|)<δ,则迭代终止,输出加权系数Wn+1作为最优加权系数W,输出数据Zn+1作为抑制杂波后的数据Z;否则,返回步骤(7d21)继续迭代。

说明书全文

基于稀疏表示的杂波抑制方法

技术领域

[0001] 本发明属于信号处理技术领域,更进一步涉及一种杂波抑制方法,可用于雷达回波信号的目标检测。

背景技术

[0002] 对于杂波抑制技术,国内外比较成熟的有很多,可以在发射机、天线、接收机和信号处理机上分别采取不同的措施来抑制杂波。而与信号处理相关的杂波抑制方法主要有动目标显示MTI、动目标检测MTD等,这些杂波抑制技术是利用运动目标回波和杂波在频谱上的区别,通过滤波来有效的抑制杂波、提取目标信号的。其中:
[0003] 动目标显示MTI是利用多个回波相消滤除杂波,该方法形成的滤波器频率响应是周期性的,零点位于脉冲重复频率的整数倍处,因此主要抑制的是固定杂波。
[0004] 动目标检测MTD是由一组多普勒滤波器构成,其通带能够覆盖一定的频率范围,可以提供运动目标的速度和距离数据,从固定杂波或低速杂波背景中区分出运动目标。多普勒滤波器组可由FFT或者FIR滤波器实现,FFT方法中每个滤波器形状完全一致,所以不灵活;FIR滤波器虽然灵活,但是运算量大。
[0005] 除前面介绍的杂波抑制技术外,目前常用的还有杂波图检测技术、恒虚警检测技术,以及为适应环境而改进的自适应动目标显示技术等。
[0006] 杂波图检测技术通常与恒虚警技术结合使用,首先建立杂波图,将雷达检测范围按不同要求划分成杂波单元,然后把杂波单元中的杂波特性保存下来,并随着天线的扫描进行实时更新杂波数据,得到稳定的杂波图,由此设置恒虚警检测技术的检测限,进行杂波抑制。该方法杂波图需要实时更新,运算量和所需的存储空间大。
[0007] 自适应动目标显示需要对杂波谱中心进行自适应估计,然后将滤波器的凹口搬移到杂波谱中心,达到消除运动杂波的目的,该方法虽然能抑制运动杂波,但是杂波谱中心估计结果可能存在偏差,并且计算复杂。

发明内容

[0008] 本发明的目的在于针对上述现有技术的不足,提出一种基于稀疏表示的杂波抑制方法,以减小运算复杂度。
[0009] 本发明的基本思路是:通过设置滤波器加权系数的初始值,将接收回波进行滤波器处理后输出数据,将输出数据进行匹配滤波处理得到观测数据矩阵;依据稀疏表示和最小功率理论对观测数据矩阵建立求解模型,应用增广拉格朗日理论和交替迭代方法优化求解,得到滤波器的最优加权系数,输出目标数据,其实现步骤包括如下:
[0010] (1)设定一个由脉冲宽度为Tp、调频率为μ、调频带宽为B和载频为f0组成的线性调频信号 rect(·)表示矩形信号;
[0011] (2)应用零记忆非线性变换法ZMNL产生具有对数分布的杂波数据Cu;
[0012] (3)构建回波数据信号表达式:X=S(t-N·Tr-τ)+Cu,τ为时间延迟,Tr为脉冲重复周期,N为脉冲重复周期数;
[0013] (4)初始化滤波器的加权系数W,将回波信号X通过滤波器进行滤波处理,得到滤波器输出数据Y;
[0014] (5)对滤波器输出数据Y进行匹配滤波处理,得到观测数据矩阵Z:
[0015] Z=H*Y
[0016] 其中,*表示卷积操作;H=S*(-t)表示匹配滤波函数,即对S(t)的取反共轭;
[0017] (6)根据稀疏表示和最小功率理论建立条件约束模型:
[0018]
[0019] 其中||·||1表示l1范数,||·||2表示l2范数,ε为常数;
[0020] (7)求解上述约束模型:
[0021] (7a)将上述条件约束模型转化为无约束优化问题,得到拉格朗日函数f如下:
[0022]
[0023] 其中γ为拉格朗日乘子;
[0024] (7b)对拉格朗日函数f中的Z进行变量分裂,得到条件约束模型:
[0025]
[0026] 其中,T为矩阵转置符号,A为回波信号X进行匹配滤波后的数据;
[0027] (7c)将上述条件约束模型转化为无约束优化问题,得到增广拉格朗日函数L(W,Z,γ,d)如下:
[0028]
[0029] 其中,μ为惩罚因子,d为一个待求解的向量,并按式dn+1=dn-(AWT-Z)进行求解,dn为第n次求解得到的向量,dn+1为第n+1次求解得到的向量。
[0030] (7d)通过交替迭代法对增广拉格朗日函数L(W,Z,γ,d)进行优化求解,输出最优加权系数W和抑制杂波后的数据Z。
[0031] 本发明与现有技术相比具有以下优点:
[0032] 第一,本发明增加了稀疏约束,经过多次优化迭代,得到滤波器的最优加权系数,杂波抑制效果得到提高。
[0033] 第二,本发明不需要进行杂波中心谱估计,求解模型简单,减小了运算复杂度。附图说明
[0034] 图1为本发明的实现流程图
[0035] 图2为杂波抑制前的回波数据图;
[0036] 图3为采用本发明进行杂波抑制后的回波数据图。

具体实施方式

[0037] 下面结合附图对本发明做进一步详细描述。
[0038] 参照图1,本发明的具体实施步骤如下:
[0039] 步骤1.产生线性调频信号。
[0040] 设定脉冲宽度为Tp、调频率为μ、调频带宽为B和载频为f0,组成线性调频信号rect(·)表示矩形信号,t表示快时间,j表示虚数单位。
[0041] 步骤2.产生具有对数分布的杂波数据Cu。
[0042] 产生具有对数分布的杂波数据Cu的现有方法包括:零记忆非线性变换法ZMNL和球不变随机过程法SIPR,本发明采用零记忆非线性变换法ZMNL,其步骤如下:
[0043] (2a)将独立不相关的服从N(0,1)分布的高斯随机序列n通过线性滤波器H1(ω),得到相关高斯随机分布序列y;
[0044] (2b)设定对数分布的均值为μc、对数分布的方差为σc,将得到的相关高斯随机分布序列y与对数分布的方差σc相乘,再将得到的乘积与对数分布的均值μc的自然对数值ln(μc)相加,得到服从 的高斯正态分布序列g;
[0045] (2c)将高斯正态分布序列g进行非线性变换exp(g),得到对数分布杂波随机序列q;
[0046] (2d)将对数分布杂波随机序列q乘以相位项 得到杂波数据Cu;
[0047] 其中, 为设定的杂波初始相位、fd为杂波多普勒频移、Δt为时域采样间隔。
[0048] 步骤3.构建回波信号表达式X。
[0049] (3a)由产生的线性调频信号S(t)构建目标回波信号Sm(t):
[0050]
[0051] 其中,Tr为脉冲重复周期,τ表示目标的回波延时 tm=mTr,m=1,2…N,N为脉冲重复周期数,R0为t=0时的目标距离,v为目标朝向雷达运动的径向速度;
[0052] (3b)根据步骤(3a)产生的目标回波信号Sm(t)和步骤2产生的杂波数据Cu得到回波信号表达式X=Sm(t)+Cu。
[0053] 步骤4.对回波信号X进行滤波处理,得到抑制杂波后的数据Z。
[0054] (4a)将滤波器的加权系数W初始化为长度为N的单位向量;
[0055] (4b)将回波信号X通过滤波器进行滤波,得到滤波器输出数据Y:
[0056] Y=WX;
[0057] (4c)对步骤1得到的线性调频信号S(t)取反共轭,得到匹配滤波函数H:
[0058] H=S*(-t);
[0059] (4d)根据步骤(4b)得到的滤波器输出数据Y和步骤(4c)得到的匹配滤波函数H,进行匹配滤波,得到抑制杂波后的数据Z:
[0060] Z=H*Y,
[0061] 其中,*表示卷积操作。
[0062] 步骤5.根据稀疏表示和最小功率理论建立稀疏条件约束模型。
[0063] (5a)对步骤(4d)得到的数据Z取l1范数得到稀疏约束:
[0064] min||Z||1,
[0065] 其中||·||1表示l1范数;
[0066] (5b)设定一个最小功率常数ε,使得滤波器输出数据Y的功率小于最小功率常数ε,即 ||·||2表示l2范数, 表示输出功率,此时滤波器输出数据Y中的杂波分量达到最小。
[0067] (5c)根据步骤(5a)的稀疏约束和步骤(5b)的最小功率约束建立稀疏条件约束模型:
[0068]
[0069] 步骤6.求解上述稀疏条件约束模型。
[0070] (6a)将上述条件约束模型转化为无约束优化问题,得到拉格朗日函数f如下:
[0071]
[0072] 其中γ为拉格朗日乘子;
[0073] (6b)对拉格朗日函数f中的Z进行变量分裂,得到拉格朗日条件约束模型:
[0074]
[0075] 其中,T为矩阵转置符号,A为回波信号X进行匹配滤波后的数据;
[0076] (6c)将步骤(6b)得到的拉格朗日条件约束模型转化为无约束优化问题,得到增广拉格朗日函数L(W,Z,γ,d)如下:
[0077]
[0078] 其中,μ为惩罚因子;d为一个待求解的向量,初始化为长度为N的零向量;
[0079] (6d)对增广拉格朗日函数L(W,Z,γ,d)进行优化求解,输出最优加权系数W和抑制杂波后的数据Z:
[0080] (6d1)初始化:
[0081] 将滤波器加权系数W初始化为长度为N的单位向量,将向量d初始化为长度为N的零向量;
[0082] 设惩罚因子μ=0.2,迭代次数n=1,2…K,迭代阈值δ=10-3,K=100为迭代总次数;
[0083] (6d2)通过交替迭代法求解最优加权系数W和抑制杂波后的数据Z:
[0084] (6d21)将第n次迭代得到的加权系数Wn和抑制杂波后的数据Zn的值代入以下两式,求解第n次迭代后的拉格朗日乘子γn和向量dn:
[0085]
[0086]
[0087] 其中,var(·)为求方差函数,dn-1为第n-1次迭代得到的向量;
[0088] (6d22)按下式求解第n次迭代得到的惩罚因子μn:
[0089] μn=μn-1+n0.2,
[0090] 其中,μn-1为第n-1次迭代得到的惩罚因子;
[0091] (6d23)保持第n次迭代得到的抑制杂波后的数据Zn不变,按下式求解第n+1次迭代后的加权系数Wn+1:
[0092]
[0093] 其中,Wn为第n次迭代后得到的加权系数,μn为第n次迭代后得到的惩罚因子,dn为第n次迭代后得到的向量;
[0094] (6d24)将第n+1次迭代得到的加权系数Wn+1代入下式,求解第n+1次迭代后的抑制杂波后的数据Zn+1:
[0095]
[0096] 其中,γn为第n次迭代后得到的拉格朗日乘子;
[0097] (6d25)判断是否满足迭代终止条件:
[0098] 如果前后两次迭代得到的抑制杂波后的数据Zn和Zn+1满足∑(|Zn|-|Zn+1|)<δ,则迭代终止,输出加权系数Wn+1作为最优加权系数W,输出数据Zn+1作为抑制杂波后的数据Z;否则,返回步骤(6d21)继续迭代。
[0099] 本发明的效果可通过下面仿真实验进一步描述。
[0100] 1.仿真条件:
[0101] 本发明的仿真的运行平台配置如下:
[0102] CPU:Intel(R)Core(TM)i7-4790 CPU@3.60GHz,内存8.00GB;
[0103] 操作系统:Windows7旗舰版64位SP1操作系统;
[0104] 仿真软件:MATLAB R(2014b)。
[0105] 本发明的实验仿真参数设置如表1。
[0106] 表1信号参数及实验仿真参数一览表
[0107]
[0108]
[0109] 2.仿真内容:
[0110] 仿真1,根据表1中的回波参数构建杂波抑制前的回波数据,并用商用软件MATLAB画出此回波数据的距离幅度图,结果如图2。其中横坐标表示距离,单位为m,纵坐标表示回波数据幅值,单位为db。
[0111] 仿真2,用本发明方法对杂波抑制前的回波数据进行处理,得到杂波抑制后的数据,并用商用软件MATLAB画出杂波抑制后的数据的距离幅度图,结果如图3,其中横坐标表示距离,单位为m,纵坐标表示回波数据幅值,单位为db。3.仿真结果分析:
[0112] 从图2可见,目标被杂波掩盖,无法辨识出目标的位置
[0113] 从图3可见,采用本发明可将回波数据中的杂波的幅值减少30db左右,目标的距离为500m,与表1中设定的目标距离一致。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈