公开/公告号CN103048649A
专利类型发明专利
公开/公告日2013-04-17
原文格式PDF
申请/专利权人 中国科学院电子学研究所;
申请/专利号CN201110309975.9
申请日2011-10-13
分类号G01S7/40;
代理机构中科专利商标代理有限责任公司;
代理人周国城
地址 100190 北京市海淀区北四环西路19号
入库时间 2024-02-19 18:23:12
法律状态公告日
法律状态信息
法律状态
2014-08-13
授权
授权
2013-05-15
实质审查的生效 IPC(主分类):G01S7/40 申请日:20111013
实质审查的生效
2013-04-17
公开
公开
技术领域
本发明涉及雷达成像技术领域,是一种适用于稀疏微波成像雷达 的性能评估方法。它借用相变曲面刻画出稀疏微波成像雷达性能随信 噪比、稀疏度和采样比的变化关系,并利用相变边界将相变图划分为 可重建区域和不可重建区域,从而定量分析得出稀疏微波成像雷达性 能。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种可全天时、 全天候工作的主动式高分辨率微波遥感设备。它被广泛应用于国防建 设和国民经济建设的诸多领域,如高精度测绘与资源环境勘察、自然 灾害监测与突发事件应对、侦察监视与预警等。随着雷达系统分辨率 增高,测绘带增大,系统数据率随之增大,系统也越来越复杂。
传统微波成像技术基于雷达分辨理论和奈奎斯特采样定理,它决 定了微波成像系统的规模和复杂度。奈奎斯特采样定理指出,对于有 限带宽的实信号,无失真恢复信号所需的采样率不低于两倍的信号带 宽,不可避免地产生大量数据。
随着压缩感知(Compressed Sensing,简称CS)理论的快速发展, 以及数学家在稀疏信号处理领域获得最新成果,稀疏微波成像成为了 当前微波成像技术的前沿研究热点。稀疏微波成像是指将稀疏信号处 理理论引入微波成像并有机结合形成的微波成像新理论、新体制和新 方法,即通过寻找被观测对象的稀疏表征域,在空间、时间、频谱或 极化域稀疏采样获取被观测对象的稀疏微波信号,经信号处理和信息 提取,获取被观测对象的空间位置、散射特征和运动特性等几何与物 理特征。稀疏微波成像雷达利用lq(0<q≤1)优化算法对目标场景进行 精确重建,大大减少数据采集,降低系统复杂度,并实现高分辨率微 波成像。
稀疏微波成像适用于原始信号具有稀疏特征的雷达成像领域,如 海洋宽幅测绘、海面舰船监控、空中目标ISAR成像等;也可以应用 于雷达功率图像在变换域具有稀疏特征的观测领域,如功率图像在小 波域稀疏的情况等。传统成像评估方法不再适用于稀疏微波成像雷达 性能评估,有必要建立适用于稀疏微波成像雷达的性能评估体系。对 背景技术的了解可以参考下面四篇文章以及它们的引用文章。
[1]D.L. Donoho,“Compressed sensing”,IEEE Trans.Inform. Theory,
2006,52,(4),pp.1289-1306.
[2]E.Candes,J.Romberg,and T.Tao,“Robust uncertainty principles:exact signal reconstruction from highly incomplete frequency information,”Information Theory,IEEE Transactions on,vol.52,no.2, pp.489-509,Feb.2006.
[3]D.L. Donoho,and J.Jin,“Feature selection by higher criticism thresholding achieves the optimal phase diagram”,Phil.Trans.Roy.Soc. A(2009)367,4449-4470.
[4]D.L. Donoho,and J.Tanner,“Observed universality of phase transitions in high-dimensional geometry,with implications for modern data analysis and signal processing”,Phil.Trans.Roy.Soc.A 367 (2009),4273-4293.
发明内容
本发明的目的是公开一种基于相变图分析的稀疏微波成像雷达 性能评估方法,借用物理学中相变图的概念,提出适用于稀疏微波成 像的雷达系统和雷达图像性能评估方法。本发明采用正确重建率和相 对均方误差作为判别标准,大大降低了计算量,为稀疏微波成像雷达 性能分析提供了一种高效评估方法。
为实现上述目的,本发明的技术解决方案是:
一种基于相变图分析的稀疏微波成像雷达性能评估方法,其包括 步骤:
a)针对稀疏微波成像雷达机理,将信噪比引入分析图中建立以 信噪比、稀疏度和采样比为坐标轴的雷达成像性能相变图;
b)分别计算不同信噪比、稀疏度和采样比的条件下,稀疏微波 成像雷达性能随这三维变量的变化趋势,绘制三维分析图;
c)在满足雷达图像性能,符合观测要求的情况下,选取正确重 建阈值,采用曲面拟合的方法绘制相变曲面,用相变边界衡量雷达成 像性能;
d)利用边界曲面将相变图划分为可重建区域和不可重建区域, 比较可重建区域大小,定量分析稀疏微波成像雷达性能。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其所 述a)步,雷达成像性能相变图的坐标轴中,信噪比是雷达接收端信 号功率和噪声功率的比值,稀疏度是场景非零目标数K和场景总目标 数N的比值K/N;采样比是雷达采样数M和场景总目标数N的比值 M/N;以信噪比、稀疏度、采样比为轴的雷达成像相变图可划分为 三个截面图,每个截面图中可重建区域和不可重建区域随信噪比、稀 疏度、采样比三个参量变化。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其所 述b)步,选取目标场景正确重建率作为评价标准衡量重建结果,定 量分析稀疏微波成像雷达性能,包括以下步骤:
步骤1:将观测场景离散化之后表示成列向量的形式:
x=[x1 x2…xN]T
其中有K个非零元素。把x中所有的非零元素按先后次序组 成一个新的向量为:
x′=[x1′x2′…xK′]T;
步骤2:利用lq(0<q≤1)优化算法对观测场景后向散射系数的恢 复,重建目标表示为
相应的,将重建后支撑域非零元素恢复的结果表示为:
步骤3:采用相对重建误差作为评价准则,检测支撑域第k个非零 元素重建结果,表示为:
其中,||·||2表示二阶范数;
选取门限值ηm,比较二者当REk<ηm时,表示重建正确,反之重建 错误;
步骤4:统计K个非零元素中重建正确的个数为nc,则非零元素重 建正确率表示为:
同样,采用相对重建误差作为评价准则对非支撑域零元素进行检 测,则零元素重建正确率表示为P(H0/H0);
步骤5:假设非零元素的先验概率为P(H1),零元素的先验概率为 P(H0),分别为支撑域非零元素和非支撑域零元素目标后向散射系数 重建正确率引入加权因子,则目标场景重建正确率为:
Pd=c0P(H0)·P(H0/H0)+c1P(H1)·P(H1/H1)
其中c0,c1分别为零元素和非零元素正确重建加权因子,且 c0+c1=1。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其所 述b)步,可采用相对均方误差作为评价标准衡量观测场景后向散射 系数重建结果,定量分析稀疏微波成像雷达性能,表示为:
其中,E(·)是求均值操作。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法中目 标场景重建正确率,表示不同信噪比、稀疏度和采样比的条件下,重 新生成观测场景,对观测区域做了一次重建过程,可用目标场景重建 正确率代替准确重建概率。
本发明方法根据所设计雷达系统参数和系统平台几何参数建立 稀疏场景观测模型,使用lq(0<q≤1)优化算法重建目标区域。定量统 计出不同信噪比、稀疏度和采样比下,目标场景中支撑域和非支撑域 的重建结果,绘出稀疏微波成像雷达性能相变图及相变边界,划分出 可重建区域和不可重建区域。
利用雷达成像性能相变图及相变边界曲线,可比较不同信号波形 和带宽下,目标场景重建正确率随信噪比、稀疏度、采样比的变化趋 势。以相对重建误差作为判决准则得到目标场景重建正确率,并绘制 雷达成像性能相变图以及相变边界曲线可以很好的反映出稀疏微波 成像雷达重建性能。
附图说明
图1为稀疏微波成像雷达相变示意图;
图2本发明的一种基于相变图分析的稀疏微波成像雷达性能评 估方法流程图;
图3(a)本发明方法的描述目标场景重建正确率相变图;
图3(b)本发明方法的描述目标场景准确重建概率相变图;
图4(a)为本发明方法的雷达成像性能相变图;
图4(b)为本发明方法的雷达成像性能相变图中的信噪比-稀疏 度二维截面;
图4(c)为本发明方法的雷达成像性能相变图中的稀疏度-采样 比二维截面;
图4(d)为本发明方法的雷达成像性能相变图中的信噪比-采样 比二维截面;
图5(a)为不同发射信号波形下,本发明方法的线性调频信号 源重建相变图;
图5(b)为不同发射信号波形下,本发明方法的高斯随机信号 源重建相变图;
图5(c)为图5(a)、图5(b)二者相变边界曲线图。
具体实施方式
本发明的一种基于相变图分析的稀疏微波成像雷达性能评估方 法,根据雷达系统参数和平台几何参数建立稀疏微波成像模型,包括: 稀疏矩阵、成像雷达观测矩阵、稀疏变换矩阵、稀疏系数矢量矩阵。
y=Φ·x+n=Θ·H·Ψ·α+n
其中,表示稀疏微波成像雷达回波采样数据, 是稀疏微波成像雷达观测矩阵,是稀疏矩阵, 是雷达成像系统观测矩阵,表示稀疏目标信号, 是稀疏变换矩阵,是稀疏系数矢量矩阵,表示 系统噪声。雷达成像系统观测矩阵H是根据所设计雷达系统参数和系 统平台几何参数构建。雷达发射脉冲为
其中fc为载波频率,t为快时间,T为脉冲宽度,K为线性调频率。 二维雷达成像观测方程的构建,需将场景数据和回波数据排列为一维 向量。
利用lq(0<q≤1)优化算法实现对观测场景后向散射系数的恢复, 重建目标区域等效于求解:
其中,ε描述了数据中的噪声水平或在x非理想稀疏时近似带来 的误差水平,arg min是最小化计算式,s.t.是“subject to”的缩写,表 示“同时满足”。
对观测场景利用lq优化算法恢复结果,采用估计结果和实际目标 的相对重建误差作为目标后向散射系数的评判准则;选取门限值,当 相对重建误差小于门限值时,表示重建正确,反之重建错误;统计目 标区域中重建正确的个数得到观测场景重建正确率。重复上述方法计 算得到不同信噪比、稀疏度、采样比下,目标场景的重建正确率,绘 制雷达成像性能相变图,并采用曲线拟合的方法绘制相变边界。
雷达成像性能相变图坐标轴由信噪比、稀疏度和采样比构成。信 噪比是微波成像雷达的重要参数,以稀疏度和采样比为轴的相变图可 重建区域和不可重建区域随信噪比变化,引入信噪比有助于更全面的 分析稀疏微波成像雷达性能。稀疏度定义为场景非零目标数和场景总 目标数的比值。
用相变图比较目标场景重建正确率和准确重建概率,可以得出二 者相变图分布一致,目标场景重建正确率等于准确重建概率;可利用 目标场景重建正确率代替准确重建概率,以减少大的数据运算量。
下面结合附图详细说明本发明方法中所涉及的各个细节问题。应 指出的是,所描述的实施例仅旨在便于对本发明方法的理解,而对其 不起任何限定作用。
如图1所示,是稀疏微波成像雷达相变示意图,所设计的相变示 意图三维坐标轴由信噪比、稀疏度和采样比构成。借用相变曲面刻画 出目标重建正确率随信噪比、稀疏度和采样比的变化趋势,将相变图 划分为可重建区域和不可重建区域,从而定量分析得出稀疏微波成像 雷达性能。
如图2所示,采用相变图分析的稀疏微波成像雷达性能评估方 法步骤为:
步骤1:将观测场景离散化之后表示成列向量的形式:
x=[x1 x2…xN]T
其中有K个非零元素。把x中所有的非零元素按先后次序组 成一个新的向量为
x′=[x1′x2′xK′]T
步骤2:利用lq优化算法对观测场景后向散射系数的恢复,重建 目标可以表示为
相应的,将重建后支撑域非零元素恢复的结果表示为
步骤3:采用相对重建误差作为评价准则检测支撑域第k个非零元 素重建结果,表示为
其中,||·||2表示二阶范数。
选取门限值ηm,比较二者当REk<ηm时,表示重建正确,反之重建 错误。
步骤4:统计K个非零元素中重建正确的个数为nc,则非零元素重 建正确率可表示为
同样,可采用相对重建误差作为评价准则对非支撑域零元素进行 检测,则零元素重建正确率可表示为P(H0/H0)。
步骤5:假设非零元素的先验概率为P(H1),零元素的先验概率为 P(H0),分别为支撑域非零元素和非支撑域零元素目标后向散射系数 重建正确率引入加权因子,则目标场景重建正确率为
Pd=c0P(H0)·P(H0/H0)+c1P(H1)·P(H1/H1) 其中c0,c1分别为零元素和非零元素正确重建加权因子,且c0+c1=1。
步骤6:重复上述方法,将信噪比、稀疏度、采样比作为雷达 成像性能相变图的三个维度。分别在一个维度固定,两个维度改变的 情况下,计算目标场景的重建正确率随另外两个条件的变化趋势,绘 制相变图。而后选取正确重建阈值,采用曲线拟合的方法绘制相变边 界曲线。
步骤7:计算在不同信噪比、稀疏度、采样比的三个维度下,目 标场景的重建正确率,绘制雷达成像性能相变图及相变边界曲面。
如图3所示,比较目标场景重建正确率和准确重建概率的相变 图,可以发现二者相变图分布一致,目标场景重建正确率等于准确重 建概率;可利用目标场景重建正确率代替准确重建概率,以减少大的 数据运算量。图3(a)为目标场景重建正确率相变图,图3(b)为 目标场景准确重建概率相变图,其中黑色区域表示重建错误,浅色区 域表示重建正确。
如图4所示,将信噪比、稀疏度、采样比作为雷达成像性能相变 图的三个维度。分别在一个维度固定,两个维度改变的情况下,计算 目标场景的重建正确率随另外两个条件的变化趋势,绘制相变图,其 中黑色区域表示重建错误,浅色区域表示重建正确。并绘制在不同信 噪比、稀疏度、采样比这三个维度下,雷达成像性能相变图。主要的 雷达参数为:平台速度100m/s,平台高度4km,目标地距1km,信 号波长0.1m,信号带宽100MHz,脉冲持续时间2us,天线长度5m, 脉冲重复频率100Hz,采样率100MHz。图4(a)为雷达成像性能相 变图,图4(b)为信噪比-稀疏度二维截面,图4(c)为稀疏度-采样 比二维截面,图4(d)为信噪比-采样比二维截面。
如图5所示,在相同带宽下,分别使用线性调频信号源和高斯 随机信号源,利用相变图及曲线拟合后的相变边界曲线分析目标场景 重建正确率随信噪比、稀疏度的变化趋势。图5(a)为线性调频信 号源重建相变图,图5(b)为高斯随机信号源重建相变图,图5(c) 为图5(a)和图5(b)二者相变边界曲线图。
机译: 一种稀疏图形创建设备,该稀疏图形创建设备创建用于稀疏图形代码的稀疏图,以及稀疏图形创建方法,该方法创建用于稀疏图形代码的稀疏图
机译: 一种基于心电图分析的心脏功能状态评估方法
机译: 基于稀疏的拓扑图的构建方法和装置,基于拓扑探索的移动机器人的稀疏的拓扑图构建方法和装置