一种基于穿墙雷达的建筑布局重建优化方法与流程

本发明属于穿墙雷达成像
技术领域：
，特别涉及一种对未知场景的建筑布局重建成像技术。
背景技术：
：穿墙雷达成像
技术领域：
主要是利用电磁波在建筑空间中传播时的反射，衍射和透射等电磁现象，对未知区域内的目标及建筑布局进行成像，在灾难救援、医疗监控、城市战争等方面具有重要的应用价值和社会意义。电磁波在建筑物空间中传播时会产生较复杂的电磁现象，收发节点在同侧时，可以利用合成孔径雷达(syntheticapertureradar，sar)接收建筑物表面的反射信号，实现建筑布局成像。一组正对的发射和接收节点位于建筑场景外两侧，电磁波还会穿透建筑空间，利用透射信号也可以实现未知场景的建筑布局重建。国内外许多研究机构开展了穿墙雷达用于建筑物布局成像的研究。美国陆军实验室介绍了一种适用于房间成像的穿墙雷达的计算机仿真方法，模拟了一个复杂房间的sar成像(t.dogaru,a.sullivan,c.leandc.kenyon,"radarsignaturepredictionforsensing-through-the-wallbyxpatchandafdtd-partii,"2010dodhighperformancecomputingmodernizationprogramusersgroupconference,schaumburg,il,2010,pp.401-406.)。加拿大国防研究与发展部通过一些实验结果，证明了超宽带雷达的多视点融合方法对内空间映射的可行性(p.sévignyandd.j.difilippo,"amulti-lookfusionapproachtothrough-wallradarimaging,"2013ieeeradarconference(radarcon13),ottawa,on,2013,pp.1-6.)。上述研究均是利用超宽带雷达的合成孔径形式，获取建筑物表面的回波信号进行建筑物布局重建。美国加州大学圣塔芭芭拉分校利用收发分置的窄带信号雷达节点获取不同位置的接收功率，并提出一种基于总变差最小化的建筑布局成像方法(a.gonzalez-ruiz,a.ghaffarkhahandy.mostofi,"anintegratedframeworkforobstaclemappingwithsee-throughcapabilitiesusinglaserandwirelesschannelmeasurements,"inieeesensorsjournal,vol.14,no.1,pp.25-38,jan.2014.)。电子科技大学提出了利用不同路径数据融合的方法(l.x.cao,g.l.cui,l.j.kong,etal,“narrow-bandthrough-wallimagingwithreceivedsignalstrengthdata”,internationalconferenceoninformationfusion,cambridge,theunitedkingdom,2018.)，它从多路径获取信号的接收功率，然后利用radon逆变换的方法对建筑布局进行重建，同时利用连通域提取方法实现多种介质的建筑内部物体成像。但是上述总变差最小化方法对于尺度较大的场景或三维场景，需处理数据量较大，会加重计算负担导致重建效率低。而基于radon逆变换的方法提升了重建效率，但在融合多路径的采样数据进行重建时，非相干叠加成像会导致建筑场景及内部物体出现部分伪影问题。在实际应用中，通常需要快速高效地实现建筑布局及内部物体的成像。因此研究一种快速高效的建筑布局成像方法，且尽可能减少内部物体成像伪影问题具有重要的研究意义。技术实现要素：为解决上述技术问题，本发明提出一种基于穿墙雷达的建筑布局重建优化方法，通过建立覆盖未知场景的仿真场景，并根据所建立的仿真场景建立坐标系，从而求解得到未知场景建筑布局和内部物体成像。本发明采用的技术方案为：一种基于穿墙雷达的建筑布局重建优化方法，包括：s1、根据多个位置的接收信号功率与系统采样矩阵的关系对未知场景进行初步成像；s2、根据初步成像的图像灰度梯度变化提取建筑布局和内部物体边缘信息，对该初步成像进行区域分割，得到多个子区域；s3、分别对不同子区域的原始图像进行自适应迭代阈值二值化操作；s4、将不同的子区域二值化后结果融合得到未知场景建筑布局和内部物体成像结果。步骤s1之前还包括对未知环境及雷达节点未知参数初始化，具体的：所述雷达节点包括发射节点与接收节点，所述发射节点和接收节点在未知场景外沿若干组规划路径(至少4组路径才能覆盖场景的360°范围)同步等间隔移动，通常取移动间隔小于或等于场景分辨率单元格大小。一组规划路径包括位于未知场景两侧的发射节点路径与接收节点路径，且发射节点路径与接收节点路径之间形成的区域完全覆盖未知场景。步骤s1之前还包括建立仿真场景，所述仿真场景的大小为至少覆盖未知场景，并以仿真场景中心点作为坐标原点，并确定仿真场景的分辨率。每次移动的间隔需根据仿真场景的分辨率大小来确定。雷达波束方向为发射节点正对接收节点。所述接收信号功率与系统采样矩阵的关系，表达式为：p≈ψo其中，p表示归一化衰减功率矩阵，p＝[p1,...pm]t，m表示采样次数，所述采样点数根据覆盖未知场景的采样路径以及每次移动间隔确定；o表示所有单元格的衰减率，o＝[o(r1),...o(rn)]t，o(rn)表示单元格n的衰减率，n＝1,2,3,...,n；ψ表示m×n阶的系统采样矩阵。所述对未知场景进行初步成像，具体为：将归一化衰减功率矩阵p进行一维傅里叶变换后进行滤波操作，然后进行二维傅里叶反变换，即可得到初始重建结果o。步骤s2所述多个子区域，具体为：将初始重建结果进行分割，得到的建筑布局区域和内部物体区域。本发明的有益效果：本发明的方法首先将一组收发分置的雷达节点置于未知场景外两侧，让二者沿着若干组规划的路径同步等间隔移动，且在每个位置处均采样一次电磁信号，根据未知场景与雷达收发节点之间的位置关系建立系统采样矩阵，利用滤波反投影算法求解接收的电磁信号与系统采样矩阵的关系方程，得出建筑布局初始重建结果，然后根据图像灰度梯度变化提取建筑布局的边缘信息来进行区域分割，分别对若干子区域进行自适应迭代阈值二值化操作，最后将多个子区域二值化后结果融合得到未知场景建筑布局成像结果；本发明具备以下优点：1、快速高效的实现未知场景建筑布局重建；2、显著地改善了初始重建结果的伪影问题；3、无需测量未知场景建筑物边长大小，通过建立覆盖未知场景的仿真场景以及相应的坐标系，即可实现重建；4、本发明可以应用于灾难救援、反恐维稳等领域。附图说明图1为收发分置雷达节点工作原理图。图2为具体实施方式中仿真场景及扫描路径示意图(标注两条采样路径以作说明)。图3为具体实施方式中仿真场景的边缘检测结果；其中，图3(a)为子区域1的边缘检测结果；图3(b)为子区域2的边缘检测结果。图4为具体实施方式中仿真场景的不同子区域自适应迭代阈值二值化后结果。图5为具体实施方式中仿真场景的重建结果；其中，图5(a)为初始重建结果自适应二值化后结果；图5(b)为本发明所提算法重建结果自适应二值化后结果。具体实施方式下面根据一个matlab数值仿真例子给出本发明的具体实施方式：本发明的收发分置雷达节点工作原理如图1所示，所述雷达节点包括发射节点与接收节点，所述发射节点和接收节点在未知场景外沿若干组规划路径同步等间隔移动，一组规划路径包括位于未知场景两侧的发射节点路径(a→b)与接收节点路径(c→d)，且发射节点路径与接收节点路径之间形成的区域完全覆盖未知场景。本实施例以如图2所示的仿真场景为例，来对本发明的内容进行说明，具体实现过程包括以下步骤：步骤1：建筑环境及雷达节点位置参数初始化对场景中心存在圆柱形物体的方形建筑场景，其仿真场景如图2所示，坐标系原点位于场景中心位置处，四面墙体中wall_1与wall_3平行于x轴，wall_2与wall_4平行于y轴。且有外侧墙面距离原点的距离d1＝1m、d2＝1m，墙体的厚度均为0.12m，原点处有一个半径为r＝0.3m的圆柱体，墙体与内部物体的相对介电常数均设置为4。在本次仿真实验中，设定仿真场景的分辨率网格大小为0.02m，仿真场景为-2--2m，-2--2m的正方形；以该正方形的中心作为原点(0,0)，原点距每条采样路径的距离为d3＝2m，至少需要4组采样路径才能覆盖场景的360°范围。为获得较好的重建效果，发射路径选取8条倾斜角度为0°--180°均分的采样路径(图2中仅标注两条路径以作说明)。以倾斜角度为45°的采样路径为例，采样路径所围成的区域要覆盖图2所示未知场景，则采样路径长度至少为3m，根据分辨率网格大小为0.02m，采样间隔通常取移动间隔小于或等于场景分辨率单元格大小，本实施例中相邻两个采样点间隔为0.015m，则单条移动路径采样点数为201点。本实施例所选取的仿真场景总点数为8条采样路径的采样点数为1608，即本发明的实际采样点数仅占场景总点数的4.02％。采用本发明的方法，在使用少量采样数据的情况下，就可以实现本实施例中仿真场景的80％的复原度。本领域的技术人员应注意，本发明的方法并不仅限于如图2所示的四面墙体组成的封闭的建筑场景，本发明只需要设定的仿真场景覆盖未知场景，通过设定的仿真场景建立坐标系，通过少量采样数据完成未知场景建筑布局和内部物体成像。步骤2：建筑布局初始重建成像2.1、以倾斜角度为45°的采样路径来说，将发射节点与接收节点分别放于位置a，位置c，波束方向由发射节点正对向接收节点，如图2所示，发射节点初始坐标a为(0m,-2.82m)，接收节点初始坐标c为(-2.82m，0m)，采样路径与原点的距离为d3＝2m。发射节点与接收节点均沿规划路径同步等间隔移动。2.2、根据实际规划各个采样点的坐标位置，及采样位置处接收节点获得的透射电磁信号，建立接收信号功率模型，以第i次采样接收信号为例，第i次采样时接收信号功率表达式为：p(pi,qi)＝pe(pi,qi)+pa(pi,qi)+η(pi,qi)(1)其中，pi,qi分别表示第i次采样时发射节点与接收节点的坐标位置，p(pi,qi)为第i次采样时接收信号功率，pe(pi,qi)为电磁波穿过空气时的接收功率，pa(pi,qi)表示由场景中物体引起的衰减功率，η(pi,qi)表示系统噪声带来的模型误差。2.3、电磁波穿过未知场景后，由场景中的物体所引起的功率衰减为pa(pi,qi)。为重建未知场景，将整个场景离散化为200×200个单元格，并以其中心点坐标rn表征，其中n∈{1,...40000}。由wentzel-kramers-brillouin(wkb)线性近似模型，可得：其中，λ为常数，oi,j表示第j个单元格的衰减率，di,j表示第j个单元格的边长。将公式(2)代入公式(1)，可得简化模型：其中，pi表示第i次采样时，由建筑物及内部物体引起的衰减功率，δd代表每个单元格的边长。将m次采样的接收信号衰减功率以向量形式表示，则可得：p≈ψo(4)其中，p＝[p1,...p1608]t为归一化衰减功率矩阵，o＝[o(r1),...o(r40000)]t表示所有单元格的衰减率，ψ表示1608×40000阶的系统采样矩阵。因此，可以通过求解未知区域内所有网格的衰减率，来重建未知场景的建筑布局及内部静止物体，对重建结果进行自适应二值化操作，有物体则为1，否则为0。2.4、二维平面上函数o(x,y)的线积分表示为p(r,θ)，其一维傅里叶变换等于函数o(x,y)的二维傅里叶变换，可将p(r,θ)的一维傅里叶变换表示：因此，将归一化衰减功率矩阵p进行一维傅里叶变换后进行滤波操作，然后进行二维傅里叶反变换，即可得到初始重建结果o。初始重建结果o的自适应迭代阈值二值化后的结果如图5(a)所示。本领域的技术人员应注意，本实施例为了便于计算，将采样路径的发射节点路径与接收节点路径设置为相互平行的路径，确保了信号在未知场景中传播了相同的空间距离，方便与信号在空气中传播相同距离作对比；实际应用中，发射节点路径与接收节点路径可以是其他位置关系，那么每一次采集信号，获取信号在场景中的传播距离每次都需要单独计算得到。步骤3：子区域分割及优化3.1、对初始重建结果o提取建筑布局和内部物体的边缘信息，其仿真场景的边缘检测结果如图3所示，图3(a)为子区域1的边缘检测结果；图3(b)为子区域2的边缘检测结果。函数o(x,y)的梯度计算公式为：当某个像素的梯度变化大于限定门限时，该像素即可检测为边缘。3.2、建筑布局区域o1和内部物体区域o2，对两个区域分别进行自适应迭代阈值二值化操作，其结果如图4所示；避免了对整个区域做自适应二值化操作时内部物体出现严重的伪影问题。3.3、分别对多个子区域做自适应迭代阈值二值化操作后，再进行多个子区域融合，获得最终的未知场景建筑布局及内部物体成像结果，如图5(b)所示。具体参数结果如表1所示，以场景复原度，运行时间，内部物体复原半径这三个参数来衡量本发明所提算法的性能。第一列为滤波反投影算法对仿真场景进行重建时的初始重建结果参数，第二列为本发明所提的算法对仿真场景进行重建时的最终结果参数。表1不同算法重建的参数结果参数初始重建结果本发明最终结果场景复原度68.26％81.25％运行时间0.1012s0.12287s内部物体复原半径0.4755m0.3194m由上表可以看出，本发明所提算法的场景复原度达到81.25％，且内部物体的复原半径误差仅为0.0194m，运行时间仅为0.12287s。因此本发明提供的基于穿墙雷达的建筑布局重建优化方法不仅能快速高效的完成未知场景的建筑布局和内部物体的重建，而且内部物体的复原半径误差较小，整个场景的复原度较高，验证了本发明的正确性和有效性。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。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。当前第1页12