专利名称：一种基于交叉熵最小化的压缩感知雷达成像方法
技术领域：
本发明涉及雷达成像技术领域，是一种基于交叉熵最小化的压缩感知雷达成像方法，适用于稀疏场景和变换稀疏场景的目标重建。
背景技术：
雷达成像技术是从接收到的回波重建场景目标分布的逆滤波问题。近一二十年来，雷达成像技术得到了长足的发展，为环境监测、资源勘察，目标识别、战场态势评估提供了新的途径。随着雷达成像技术的发展以及其应用需求的推动，传统的基于奈奎斯特采样定理的雷达成像数据采样方式最终导致系统采集的数据速率急剧增大。近几年，出现了一种新的采样理论-压缩采样或称压缩感知(CS, compressivesampling or compressed sensing),该方法是在采样过程的同时实现信号压缩，即以低于奈奎斯特速率的采样率进行采样，并能以极高的准确率恢复出原信号(参见《Compressed sensing)), 干丨J 于 IEEE Transactions on Information Theory, vol. 52, Apr. 2006,pp.1289-1306)。基于压缩感知的信号处理可以降低数据的采样率。利用压缩感知技术对原始雷达回波数据进行成像处理的一个重要前提是目标场景具有稀疏特性。对于稀疏场景信号X，可以对回波信号进行欠采样(即以低于奈奎斯特速率进行采样)，然后利用凸优化的方法重建目标场景。在实现时，通过引入MXN(K<M<N)的采样矩阵φ和雷达系统矩阵Ψ，得到雷达回波可以表示为y = Φ Ψχ由于M < N，y即为采样并压缩后的信号。在接收端，通过凸优化的方法对目标场景重建。目前，已有很多文献提出了对信号进行重建的方法，如Basis Pursuit算法(参见〈〈Matching pursuit with time-frequency dictionaries〉〉，干丨J于 IEEE Transactionson Signal Processing, vol. 41, Dec. 1993, pp.3397-3415)、Orthogonal MatchingPursuit 算法(参见((Signal Recovery from Random Measurements via OrthogonalMatching Pursuit〉〉，干丨J于 IEEE Transactions on Information Theory, vol. 53,Dec. 2007,pp. 4655-4666)等等。基于压缩感知的信号处理可以降低数据的采样率。基于这个理论，Baraniuk将CS应用到雷达的一维成像和二维成像中(参见《Compressive Radar Imaging》,刊于IEEERadar Conference, Boston, MA, USA, Apr. 17-20,2007,128-133), Herman 引入 Alltop序列作为二维CS成像雷达系统的发射脉冲信号(参见《High-Resolution Radar viaCompressed Sensing〉〉，刊于 IEEE Transactions on Signal Processing, vol. 57, June2009，pp.2275-2284)。目前的重建算法用于对压缩感知雷达目标场景进行重建时，一般是通过对目标场景的稀疏目标数，或者对目标场景的噪声水平进行估计，然后通过正则项控制重建精度，这些方法在实际应用中由于先验信息不足导致实用性较差，研究一种适用于实际压缩感知雷达成像的算法是从事压缩感知雷达研究的学者们十分关注的一个问题。
发明内容
本发明的目的是公开一种基于交叉熵最小化的压缩感知雷达成像方法，在雷达成像处理中，利用交叉熵最小化的方法区别图像中的目标和噪声，达到了利用很少回波信号实现对目标场景的准确成像，消除了压缩感知雷达成像中杂波和噪声对成像结果的影响，克服了目前常用的稀疏重建算法处理压缩感知雷达成像时对目标场景中的噪声和杂波处理存在的不足。为达到上述目的，本发明的技术解决方案是一种基于交叉熵最小化的压缩感知雷达成像方法，其包括步骤(I)根据雷达平台与目标场景的几何关系模型，建立压缩感知雷达的回波与目标场景之间的观测方程，并初始化雷达系统参数和迭代参数；
(2)根据观测方程更新迭代参数和目标场景，并计算场景目标雷达散射截面积幅度的直方图分布；(3)根据目标场景的目标雷达散射截面积幅度的直方图分布，计算目标雷达散射截面积幅度中满足交叉熵最小化的阈值；(4)利用步骤(3)中计算得到的阈值，采用硬阈值的方法更新目标场景，并判断重建场景是否满足特定的终止条件，如果满足条件，则输出目标场景，否则，重复步骤(2)
(4)直到重建场景满足条件。所述的基于交叉熵最小化的压缩感知雷达成像方法，其所述步骤(I)中，根据雷达平台与目标场景的几何关系模型建立的压缩感知雷达的回波与目标场景之间的观测方程为y = Φ Ψχ+η = Θ χ+η其中，Ψ为系统矩阵，Φ为观测矩阵，y为获取的采样时间序列，X为具有稀疏特性的观测目标场景， 为测量矩阵，η为噪声向量；初始化雷达系统参数和迭代参数雷达系统参数的初始化是根据雷达系统设计时的参数进行初始化，目标雷达散射截面初始化为任意非零向量，迭代步数初始化为0，其他参数以初始化为特定值，然后根据观测方程建立重建目标函数f(x)为f (X) = I I y- Θ X I 12并计算目标函数f (X)的梯度的最小莱布尼兹常数L (f) = 2λ_ (OtO)，其中，Ot表不 的转置，λ max ( ΘτΘ )表不取矩阵ΘτΘ的最大特征值。所述的基于交叉熵最小化的压缩感知雷达成像方法，其所述步骤(2)中，根据观测方程更新迭代参数和目标场景，并计算场景目标雷达散射截面积幅度的直方图分布，分为两步I)根据第k步迭代的场景目标雷达散射截面向量xk，采用梯度法更新迭代场景目标雷达散射截面向量Uk为
权利要求
1.一种基于交叉熵最小化的压缩感知雷达成像方法，其特征在于包括步骤 (1)根据雷达平台与目标场景的几何关系模型，建立压缩感知雷达的回波与目标场景之间的观测方程，并初始化雷达系统参数和迭代参数； (2)根据观测方程更新迭代参数和目标场景，并计算场景目标雷达散射截面积幅度的直方图分布； (3)根据目标场景的目标雷达散射截面积幅度的直方图分布，计算目标雷达散射截面积幅度中满足交叉熵最小化的阈值； (4)利用步骤(3)中计算得到的阈值，采用硬阈值的方法更新目标场景，并判断重建场景是否满足特定的终止条件，如果满足条件，则输出目标场景，否则，重复步骤(2) (4)直到重建场景满足条件。
2.根据权利要求I所述的基于交叉熵最小化的压缩感知雷达成像方法，其特征在于所述步骤(I)中，根据雷达平台与目标场景的几何关系模型建立的压缩感知雷达的回波与目标场景之间的观测方程为
3.根据权利要求I所述的基于交叉熵最小化的压缩感知雷达成像方法，其特征在于所述步骤(2)中，根据观测方程更新迭代参数和目标场景，并计算场景目标雷达散射截面积幅度的直方图分布，分为两步 1)根据第k步迭代的场景目标雷达散射截面向量xk，采用梯度法更新迭代场景目标雷达散射截面向量Uk为
4.根据权利要求I所述的基于交叉熵最小化的压缩感知雷达成像方法，其特征在于所述步骤(3)中，根据目标场景的目标雷达散射截面积幅度的直方图分布，计算目标雷达散射截面积幅度中满足交叉熵最小化的阈值，是利用迭代的方法对步骤(2)中计算出的目标场景的直方图分布h进行迭代处理，计算出满足交叉熵最小化的最优阈值μ。
5.根据权利要求I所述的基于交叉熵最小化的压缩感知雷达成像方法，其特征在于所述步骤(4)中，利用步骤(3)中计算得到的最优的阈值μ，采用硬阈值的方法更新目标场景，并判断重建场景是否满足特定的终止条件，如果目标场景满足条件，则输出目标场景，否则重复步骤(2) (4)直到重建场景满足条件，输出目标场景。
6.根据权利要求5所述的基于交叉熵最小化的压缩感知雷达成像方法，其特征在于所述终止条件，根据需要设定，最终是实现对场景目标雷达散射截面成像。
全文摘要
本发明公开了一种基于交叉熵最小化的压缩感知雷达成像方法，包括1)根据雷达平台与目标场景的几何关系模型建立压缩感知雷达的回波与目标场景之间观测方程，初始化雷达系统参数和迭代参数；2)根据观测方程更新迭代参数和目标场景，计算场景目标雷达散射截面积幅度的直方图分布；3)根据步骤2)的直方图分布计算目标雷达散射截面积幅度中满足交叉熵最小化的阈值；4)用步骤3)中计算得到的阈值采用硬阈值方法更新目标场景，判断重建场景是否满足特定的终止条件，如满足，则输出目标场景，否则重复步骤2～4重建场景满足条件。本发明有效解决目标场景中的杂波和系统观测噪声对稀疏场景重建的影响，实现压缩感知雷达成像。
文档编号G01S13/89GK102890275SQ201110207349
公开日2013年1月23日 申请日期2011年7月22日 优先权日2011年7月22日
发明者江海, 张冰尘, 洪文, 吴一戎 申请人:中国科学院电子学研究所