基于StOMP的捷变频雷达稀疏场景目标重构方法与流程

本发明涉及雷达信号处理领域，具体涉及一种基于分段正交匹配追踪(stomp，stagewiseorthogonalmatchingpursuit)的捷变频雷达稀疏场景目标重构方法。
背景技术：
：捷变频雷达发射脉冲载波频率在一定范围内快速跳变，当干扰对准当前载频实施干扰时，捷变频雷达此时已随机跳变到另一种载频，使干扰在频率上难以对准雷达，使得干扰效果大大降低。捷变频雷达除了可以有效对抗干扰之外还可以增加雷达作用距离，提高单脉冲雷达的跟踪精度，增加雷达分辨能力等。在实际应用中巨量数据的传输和存储是一个艰难的任务，压缩感知理论以远低于奈奎斯特采样定理的采样速率随机采样数据，以少量数据恢复重建原始信号，降低了数据量大的压力。将压缩感知理论应用于捷变频雷达中，通过构建观测矩阵，只需要以少量的数据就可以恢复重建出高分辨距离-速度维的目标场景，实际应用潜力巨大。在已有的解压缩感知的贪婪算法中，需要先验地知道场景的稀疏度，例如匹配追踪算法(mp，matchingpursuits)、正交匹配追踪算法(omp，orthogonalmatchingpursuit)等，但是在捷变频雷达实际应用中对于场景的稀疏度往往是无法先验知道的。技术实现要素：针对现有技术中存在的问题，本发明的目的在于提供一种基于stomp的捷变频雷达稀疏场景目标重构方法，该方法改进了已有的omp算法，在每次迭代过程中只需要根据阈值判断选择多个原子，最终得到稀疏场景中的重构信号，不需要先验知道稀疏场景的稀疏度即目标点数，更加符合实际的应用。为了达到上述目的，本发明采用以下技术方案予以实现。一种基于stomp的捷变频雷达稀疏场景目标重构方法，包括以下步骤：步骤1，建立捷变频雷达在稀疏场景下的回波信号模型，获得雷达的回波信号对雷达的回波信号进行混频解调，距离向脉压，归一化处理，得归一化回波信号构造一个粗分辨距离单元的观测信号模型，对归一化回波信号进行采样，采样的回波信号在构造的粗分辨距离单元上被处理，得到粗分辨距离单元信号模型；步骤2，利用压缩感知模型将所述粗分辨距离单元信号模型转换为压缩感知模型；步骤3，在压缩感知模型下，使用stomp算法重构稀疏信号，得到一维高分辨目标信号，并将所述一维高分辨目标信号重排得到距离-速度维的二维高分辨信号，完成对捷变频雷达稀疏场景目标的重构。与现有技术相比，本发明的有益效果为：(1)在捷变频雷达针对稀疏场景目标重构中，引入了压缩感知模型，减少了数据量的传输和存储。(2)针对捷变频雷达在稀疏重构中无法先验知道目标个数的问题，提出使用分段正交匹配追踪算法，无需先验地知道场景目标个数，更加符合实际应用。附图说明下面结合附图和具体实施例对本发明做进一步详细说明。图1是基于stomp的捷变频雷达稀疏场景目标重构方法流程示意图；图2是捷变频雷达发射载频的示意图；图3是stomp算法流程示意图；图4是在matlab平台上仿真验证所提方法后得到的稀疏场景目标恢复的二维平面示意图；图5是在matlab平台上仿真验证所提方法后得到的稀疏场景目标恢复的三维空间示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。如图1所示，一种基于stomp的捷变频雷达稀疏场景目标重构方法，包括以下步骤：步骤1，建立捷变频雷达在稀疏场景下的回波信号模型，对雷达的回波信号进行混频解调，距离向脉压，归一化处理，得归一化回波信号构造一个粗分辨距离单元的观测信号模型，对归一化回波信号进行采样，采样的回波信号在构造的粗分辨距离单元上被处理，得到粗分辨距离单元信号模型。具体的，步骤1包含以下子步骤：子步骤1.1，发射载频在固定范围内跳变的信号，即捷变频信号，得到在稀疏场景下的回波信号。雷达的发射载频fn为捷变频率，表达式为：fn＝f0+dnδf，dn＝random(1,2,…,n)……...(1)雷达发射信号的基带信号采用线性调频信号，雷达发射信号为：其中，f0表示发射信号初试载频；dn表示[1,2,…,n]范围内的随机不重复整数，n＝1,2,…n，n表示频点个数；δf表示相邻两个频点之间的载频变化量；合成带宽b＝nδf，使雷达距离分辨率提升；tp和tr分别表示发射脉冲宽度和脉冲发射周期；和tm分别表示快时间和慢时间，表示雷达运行时间，tm＝mtr，m表示第m个脉冲发射周期，m∈[1,m]，共发射m个脉冲；为调频率，br为lfm信号带宽；j表示虚数单位。捷变频发射信号示意图如图2所示。假设观测场景中存在一个动目标点，在t＝0时刻径向距离为r、速度为v。假设该动目标朝远离传感器方向运动，则传感器接收到回波时延为其中，c表示光速；在回波模拟仿真中，时间上考虑为一步一停模型，则此时回波时延忽略回波散射系数，那么雷达的回波信号可以表示为：雷达的回波信号经过接收机混频解调，得雷达解调后的基带信号可以表示为：子步骤1.2，对雷达解调后的基带信号进行距离向脉压，得距离向脉压信号对距离向脉压信号进行归一化处理，得归一化回波信号具体如下：1)设置距离向脉压参考函数为：2)对距离向脉压参考函数进行傅里叶变换，得傅里叶变换后的函数对子步骤1.1所得的雷达解调后的基带信号进行距离向傅里叶变换，得距离向傅里叶变换后的基带信号其中，表示距离向线性调频信号的频率。3)将傅里叶变换后的函数求共轭后与距离向傅里叶变换后的基带信号相乘，并对相乘结果进行距离向逆傅里叶变换，得距离向脉压信号表达式为：4)对距离向脉压信号进行归一化处理，得归一化回波信号表达式为：将fn＝f0+dnδf、与tm＝mtr代入上式中，得到子步骤1.3，假设采样频率为fs，采样时间间隔为采样点数为l，l∈[1,l]，采样时间tml＝mtr+lts，第l个采样时刻对应的距离单元为则rs(l)到rs(l+1)构成一个粗分辨距离单元。子步骤1.4，在同一个粗分辨距离单元内，收集连续发射的多个脉冲的回波，这些数据组成一个cpi内的观测，用于估计目标的运动速度以及该粗分辨距离单元内的高分辨距离像。在不同的粗分辨距离单元上，被采样的回波信号被分别处理，其中，在第l个采样时刻第m个脉冲的回波信号sml为：步骤2，采用压缩感知模型将在稀疏场景下的目标重构问题转换为压缩感知求解模型。具体的，步骤2具体包括如下子步骤：子步骤2.1，对压缩感知模型进行说明，并将其引入到捷变频雷达稀疏场景重构中。由donoho，candes，roberg和tao等人提出的压缩感知理论是一种充分利用信号稀疏性或可压缩性的全新信号获取和重构理论。对于稀疏或可压缩信号，通过低于甚至远低于奈奎斯特标准对其采样。设信号x∈cq在某组基ψq上是稀疏的，比如：傅里叶基，小波变换基；在该基上信号可以表示为x＝ψα，其中α∈cp为x在ψq上的系数，仅有k<<p个非零值，然后利用测量矩阵φ把x投影到低维空间中，得到q(q<<p)个测量值，将其写为矩阵形式为：y＝φx＝φψα＝aα……...(9)其中，q和p分别表示在其域上的个数，c表示复数域。式中，a＝φψ，φ是q×p的测量矩阵，该测量矩阵通常使用高斯矩阵、伯努利矩阵、部分哈达玛测量矩阵、部分傅里叶正交基矩阵等矩阵。cs理论表明，当矩阵a满足受限等距特性(restrictedisometryproperty)或者互不相干性(mip，mutualincoherenceproperty)存在的目标点数为k，可通过求解上式的逆问题得到α，进而恢复信号x。在目标稀疏场景中，目标在某一瞬间被观测时，被观测的位置不变，在整个观测场景范围内，相当于整个观测场景中只有几个位置是非零值，而其它位置则为零值。在被雷达观测时，由于目标的运动导致从散射点反射回的电磁波发生多普勒现象，从而使雷达接收天线收到的回波的频率发生偏移，因此可根据此判断目标的运动速度。对于同一距离上不同运动速度的目标，可以根据此将其分辨。因此可以根据此将整个观测场景划分为距离-速度的二维观测场景，在该二维场景，距离维和速度维被划分为很多份，而目标只存在于其中的极少数份中。因此，根据步骤1中捷变频信号的特性建立场景的观测矩阵，从而重构场景中的目标。子步骤2.2，将步骤1中得到的粗分辨距离单元信号模型转换为步骤2.1中的压缩感知模型。1)在一个粗分辨距离单元内目标具有稀疏性，使用压缩感知的方法重构目标。不考虑噪声的情况下，压缩感知方程为：y＝ax…….....(10)其中，y为观测值，a为观测矩阵，x为待恢复重建的信号。结合步骤1中得到的粗分辨距离单元信号模型，在捷变频稀疏场景目标重构中，仅考虑一个粗分辨单元时，结合式(8)，y为第l个采样时刻的m个脉冲的回波数据，即观测值y由同一个采样时刻的不同脉冲的回波信号构成，y∈cm，c表示复数域。y＝[s1l,s2l,…sml,…,sml]t………..(11)其中，m＝1,2,…,m。2)构建观测矩阵a，将距离和速度分别划分为n和m个网格(在一个粗分辨距离中，最大距离和速度不模糊的网格点数分别为n和m，以下设置划分点数为n和m个)，结合式(8)令其中，αmn表示与捷变载频无关的不同距离-速度下的目标散射系数，pn表示距离方向的划分；qm表示速度方向的划分；n∈[1,n]表示距离被划分的第n份；m∈[1,m]表示速度被划分的第m份；表示细分辨距离，表示细分辨速度；令则公式(11)可以表示为：只考虑划分的距离和速度项，令wm(pn,qm)＝exp(-jpndn)exp(-jqmhnm)………...(14)则构建的观测矩阵a∈cm×nm为待恢复重建的信号x∈cnm为：x＝[s(p1,q1),…,s(pn,q1),…,s(p1,qm),…,s(pn,qm)]t…...(16)由压缩感知重建的x中非零元素可得到目标的高分辨距离和速度。步骤3，在压缩感知模型下，使用stomp算法重构稀疏信号，得到一维高分辨目标信号，并将该信号重排得到距离-速度维的二维高分辨信号。具体的，步骤3具体包括如下子步骤：子步骤3.1，将观测矩阵a归一化方差，令其中，m为观测矩阵a的行数。stomp算法的操作流程如图3所示，具体算法步骤如下所示。(1)初始化：r0＝y，t＝10，ts＝2.5。其中r0表示残差，下标‘0’表示初始化，当下标为1时表示第一次迭代得到的残差；λ0表示初始化的集合，表示空集；ts表示迭代的门限，t表示迭代次数的上限值。(2)计算观测矩阵a中的每列和残差的相关，记作u，u＝abs[atrt-1](即计算<rt-1,ajj>，1≤jj≤n)，u表示相关程度，其值越大相关性越强，ajj表示矩阵a中的第jj列，‘t’表示正在进行第t次迭代，t＝1,2,…t。选择u中大于门限th的值，将这些值对应a的列序号jj构成集合sk(列序号集合)。其中‘<·,·>’表示内积运算；abs[·]表示求模值(绝对值)；th＝tsσs，迭代的门限ts为初始化的值为2.5，该值在迭代过程中会被更新，‘||·||’表示二范数，rs表示迭代计算当前的残差。(3)令λt＝λt-1∪sk，at＝[ajj](foralljj∈λt)。若λt＝λt-1，则直接转置步骤(7)。其中‘∪’表示内积运算，ajj表示观测矩阵a中的第jj列，λt-1表示第t次迭代前被选中的矩阵a中的列序列的集合，at表示按λt中的索引选出矩阵a中的列的集合，sk表示当前迭代时被选中的矩阵a中的列序列号的集合。(4)求y＝atxt的最小二乘解，xt表示第t次迭代得到的矢量(或称信号)，表示对xt的估计，argmin||·||，表示以‘·’最小为目的进行计算；(5)更新残差令迭代次数增加1，即t＝t+1；(6)如果残差rs＝0，则直接停止迭代进入第(7)步；若残差rs不为零，则再进行判断，若||rs||2≥th且t小于t，返回第(2)步继续迭代，否则转到第(7)步。(7)令即得重构的一维信号。子步骤3.2，在步骤2中的分析可知重建的信号x为一维信号，其表达式如下所示：x＝[s(p1,q1),…,s(pn,q1),…,s(p1,qm),…,s(pn,qm)]t其中pn，n∈[1,n]表示距离方向的划分；qm，m∈[1,m]，表示速度方向的划分。为得到步骤1中所述的距离-速度维观测场景图，需要将重构的矢量x重新排列。由上式可知信号矢量x的第1到n个元素的速度相同，而距离依次增加，因此将x信号以n个元素为一份，共划分m份。按此重排后，x∈cn×m，得到的信号x为距离-速度维的二维信号。步骤4，在matlab平台上进行仿真实验，得到捷变频雷达恢复重建的高分辨二维信号图，实验验证该方法的优越性；具体的，步骤4具体包括如下：使用平台matlab2017ra仿真实验，设置仿真参数设置如下：载频f010ghz频点个数n64调频间隔δf31.25mhz脉组数2脉冲重复周期tr500μs发射脉冲数m128lfm信号脉宽tp10μs距离向采样点数nrn1024lfm信号带宽br25mhz采样频率fs31.25mhz在该参数的设置下，设置信噪比为snr＝10db，在观测场景中设置三个目标点a、b、c，三个目标点距离雷达的距离分别为4001m、4002m、4003m，三个目标点的运动速度分别为10m/s、15m/s、20m/s。仿真结果的平面示意图如图4所示，三维示意图如图5所示。从图中可明显看出，使用stomp算法很好地完成了稀疏场景中目标的重构，准确地恢复出目标的距离和速度。虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。当前第1页1 2 3