基于基追踪去噪的近场宽带rcs数据采集与压缩方法
【专利摘要】本发明提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，通过在方位向与高程向上的随机降采样，降低了RCS数据的实际测量总量，能够在保证不过多损失雷达目标电磁散射特性信息完整度的情况下，缩短雷达系统对观测目标RCS数据的测量时间，从而提高整个测量系统的工作效率；根据基追踪去噪模型，利用结合了近场宽带RCS数据处理算子的稀疏重构算法，来实现对回波域RCS数据的数据压缩，不仅可以减少数据压缩过程中雷达目标电磁散射特性信息的损失，还可以进一步降低压缩算法的计算复杂度与内存损耗，从而使上述数据压缩过程变得更为精确、快速与高效。
【专利说明】
基于基追踪去噪的近场宽带RCS数据采集与压缩方法
技术领域
[0001]本发明涉及雷达目标RCS数据获取与处理技术领域，尤其涉及一种基于基追踪去 噪的近场宽带RCS数据采集与压缩方法。
【背景技术】
[0002]目标的雷达散射截面(Radar Cross Section，RCS)是表征雷达目标对于照射电磁 波散射能力的一个物理量。早在雷达系统出现之前，利用麦克斯韦方程组，就已经求得了几 种典型形状的完纯导体目标的电磁散射精确解。等到20世纪30年代雷达系统出现后，雷达 目标就成为雷达收、发闭合回路中的一个重要环节，而雷达散射截面便是表征雷达目标特 性的一个最基本、最重要的参数。60年代初发展的洲际导弹真、假弹头识别与反识别技术， 以及80年代飞行器的隐身与反隐身技术，使得对雷达散射截面的研究出现了两次高潮。在 这一时期，相关领域的研究人员对各类雷达目标进行了大量的静态与动态的测量研究与理 论分析，由上述研究成果建立起的理论体系促使雷达目标成为雷达领域的一个独立分支， 而对特定目标的雷达散射截面研究则成为该分支中的一个重要方向。
[0003] 在实际工程应用中，为全面地了解复杂目标的电磁散射特性，通常需要借助宽带 高分辨雷达，来对目标物体在各个观测角度上的散射回波频谱分布进行测量。而上述操作 会使测量系统长时间地工作在对同一目标RCS数据的采集过程中，从而导致整个系统的工 作效率变得很低。此外，由于复杂目标的RCS数据在回波域通常不具备可压缩性，因此，存放 上述数据势必会占用大量的存储空间，致使研究人员对实验设施存储设备的维护频率变得 更为频繁。所以，为了提高雷达目标RCS数据测量系统的工作效率，同时降低实验设施存储 设备的维护成本，亟需一种高效的RCS数据采集与压缩方法。
【发明内容】
[0004] (一)要解决的技术问题
[0005] 为了解决现有技术问题，本发明提供了一种基于基追踪去噪的近场宽带RCS数据 采集与压缩方法。
[0006] (二)技术方案
[0007] 本发明提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，包括:步 骤A:基于观测目标散射中心分布的稀疏度，完成对观测目标近场宽带RCS数据的采集，得到 观测目标的近场宽带RCS数据矩阵；步骤B:构建近场宽带RCS数据处理算子;步骤C:将所述 近场宽带RCS数据处理算子与用于求解基追踪去噪模型的稀疏重构算法相结合，将所述观 测目标的近场宽带RCS数据矩阵转化为观测目标的散射中心，获得所述观测目标散射中心 的后向散射系数；以及步骤D:根据近场宽带RCS数据压缩精度的要求，对所述观测目标散射 中心进行筛选，将筛选出的观测目标散射中心的后向散射系数与空间位置进行存储，完成 近场宽带RCS数据的数据压缩。
[0008] (三)有益效果
[0009]从上述技术方案可以看出，本发明的基于基追踪去噪的近场宽带RCS数据采集与 压缩方法具有以下有益效果：
[0010] (1)通过在方位向与高程向上的随机降采样，降低了RCS数据的实际测量总量，能 够在保证不过多损失雷达目标电磁散射特性信息完整度的情况下，缩短雷达系统对观测目 标RCS数据的测量时间，从而提高整个测量系统的工作效率；
[0011] (2)根据基追踪去噪模型，利用结合了近场宽带RCS数据处理算子的稀疏重构算 法，来实现对回波域RCS数据的数据压缩，不仅可以减少数据压缩过程中雷达目标电磁散射 特性信息的损失，还可以进一步降低压缩算法的计算复杂度与内存损耗，从而使上述数据 压缩过程变得更为精确、快速与高效。
【附图说明】
[0012] 图1为本发明实施例的基于基追踪去噪的近场宽带RCS数据采集与压缩方法的流 程图；
[0013] 图2(a)为利用改进过的SPGL1算法获得的观测目标散射中心的恢复结果，图2(b) 为利用未改进的SPGL1算法获得的观测目标散射中心的恢复结果；
[0014] 图3(a)为实测近场宽带RCS数据与重构近场宽带RCS数据的幅值与相位比较结果， 其中重构近场宽带RCS数据用到的观测目标散射中心是由改进过的SPGL1算法获得的；图3 (b)为实测近场宽带RCS数据与重构近场宽带RCS数据的幅值与相位比较结果，其中重构近 场宽带RCS数据用到的观测目标散射中心是由未改进的SPGL1算法获得的。
【具体实施方式】
[0015] 在基于地基平台的雷达散射截面测量实验里，观测目标的散射中心分布通常具有 较好的稀疏性，本发明将雷达目标RCS数据的采集与压缩过程建模为基追踪去噪（Basis Pursuit Denoising，BFON)。通过在方位向与高程向上的随机降采样，来降低对RCS数据的 实际测量总量，然后，利用用于求解基追踪去噪模型的稀疏重构算法，把采集获得的回波数 据转化为观测目标的散射中心，以实现对RCS数据的数据压缩。为减少数据压缩过程中雷达 目标电磁散射特性信息的损失，选用SPGL1算法(基于L1范数惩罚项的谱投影梯度算法)作 为重建观测目标散射中心的方法。
[0016] SPGL1是一种精确、有效的稀疏信号重构算法。该算法利用基于牛顿迭代的寻根方 法，更新在Lasso模型帕累托曲线上的正则化参数取值，从而使Lasso问题的解逐步地逼近 基追踪去噪问题的解。而为了快速、高效地获得基追踪去噪问题的解，将结合了近场宽带 RCS数据处理算子的谱投影梯度算法应用于上述Lasso问题序列的求解过程之中。改进过的 SPGL1算法不仅保留了原算法求解精度高、收敛速度快等优点，还进一步降低了算法本身的 计算复杂度与内存损耗。因此，该算法可以快速、高效地完成对近场宽带RCS数据的数据压 缩工作。
[0017] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本发明做进一步地详细说明。
[0018] 本发明的实施例提供了一种基于基追踪去噪的近场宽带RCS数据采集与压缩方 法，其具体内容包括：
[0019] 步骤A:基于观测目标散射中心分布的稀疏度，完成对观测目标近场宽带RCS数据 的采集，得到观测目标的近场宽带RCS数据矩阵。
[0020] 步骤A具体包括：
[0021 ]子步骤A1:在雷达目标特征信息数据库中查找与观测目标相类似的已有目标模 型，并基于该模型的空间几何形状与电特性参数，利用电磁计算方法估计观测目标散射中 心分布的稀疏度；
[0022]子步骤A2:根据观测目标散射中心分布的稀疏度，在满足稀疏信号重构条件的情 况下，确定雷达系统在方位向与高程向上对观测目标RCS数据的随机降采样率，然后，依照 上述降采样率，在预先设置的满采样备选网格点上，挑选出用于实现随机降采样的空间采 样位置；
[0023]子步骤A3:在挑选出的空间采样位置上，对观测目标近场宽带RCS数据进行采集， 得到观测目标的近场宽带RCS数据矩阵。
[0024]在方位向与高程向上的随机降采样操作降低了 RCS数据的实际测量总量，能够在 保证不过多损失雷达目标电磁散射特性信息完整度的情况下，缩短雷达系统对观测目标 RCS数据的测量时间，从而提高整个测量系统的工作效率。
[0025]步骤B:将向量支集搜索方法与滤波逆投影原理引入到近场宽带RCS数据的处理过 程中，推导出用于降低稀疏重构算法计算复杂度与内存损耗的近场宽带RCS数据处理算子。 [0026]在用于求解基追踪去噪模型的传统稀疏重构算法中，一般存在包含了观测矩阵的 矩阵-向量乘法运算，由于该运算的时间复杂度与空间复杂度均为平方阶，因此当观测矩阵 维度较大时，包含上述运算的稀疏重构算法会在基追踪去噪模型求解过程中花费大量的运 算时间，并占用较多的系统内存。为了能有效地解决该问题，我们用近场宽带RCS数据处理 算子替代包含了观测矩阵的矩阵-向量乘法运算在上述算法中的功能。
[0027]步骤B具体包括：
[0028]子步骤B1:根据向量支集搜索方法的主要思想，构建出近场宽带RCS数据处理算子 的回波数据生成项，该回波数据生成项的表达式为：
[0029 ] ?% (x) = (Λ*)) (1 )
[0030]其中，;表示用于搜索观测目标后向散射系数向量中所有非零元素位 置的算子』Μ =尺? ·[? e N|x,共0，χ;?,这里，4表示由观测目标后向散射系数向 量X中所有非零元素的序号构成的集合;表示利用向量X中元素序号属于集合^的观 测目标的后向散射系数生成近场宽带RCS数据的算子，即
[0032] 这里，表示观测目标的近场宽带RCS数据向量，Κ表示每个步进频脉冲信 号的频点总数，Μ表示在方位向与高程向上的空间采样位置总数，f k表示第k个脉冲的载波 频率，且为第1个脉冲的载波频率，其取值由雷达系统的系统参数和回 波数据的应用要求决定，△ f为频率的步进长度，C表示电磁波在自由空间的传播速度，Rm,η 表示雷达系统第m个空间采样位置坐标(Um，Vm，Wm)与观测目标第η个散射中心位置坐标( Un， Vn，Wn)间的距离
[0033]子步骤B2:根据滤波逆投影的基本原理，推导出近场宽带RCS数据处理算子的散射 中心重建项的表达式为：
[0035]其中，表示把观测目标的近场宽带RCS数据向量重新排列成与之 对应的数据矩阵￥ € €'%"的算子;IFFTr( ·)表示对近场宽带RCS数据矩阵Υ中的每一列步进 频脉冲信号进行逆快速傅里叶变换的算子;???*'丨表示将距离向上的时域投影插值到目标 区域空间网格点处的算子;?'Ι；·)表示对在不同空间采样位置上获得的三维子图像进行相干 累加的算子;表示把观测目标的后向散射系数三维矩阵重新排列成向量mCM的 算子;％ € C5表示时域插值操作前对距离向上的时域投影进行相位补偿的向量，其元素取 值为机（1) = 6邱(->(1(-1)1/1〇，1 = 0，~，1(-1，1(表示每个步进频脉冲信号的频点总数； Ψ2,"表示时域插值操作后对目标区域空间网格点处的后向散射系数进行相位补偿的三维 矩阵，该三维矩阵共包含Ν个元素，且每个元素的取值可以表示成ih, m(Un，Vn，Wn) = eXp(j43i 匕1^/(3)，这里4。表示每个步进频脉冲信号的中心频率，且匕=出+妃/2屬勺取值与观测 目标后向散射系数向量e C.m的维度相等；θ表示哈达马乘法运算。
[0036]步骤C:将近场宽带RCS数据处理算子与用于求解基追踪去噪模型的稀疏重构算法 相结合，利用该算法将观测目标的近场宽带RCS数据矩阵转化为观测目标的散射中心，获得 观测目标散射中心的后向散射系数。
[0037]为便于说明上述操作的具体流程，下面将以结合了近场宽带RCS数据处理算子的 SPGL1算法作为示例，解释如何通过求解基追踪去噪模型，来完成从近场宽带RCS数据到观 测目标散射中心的转化工作。
[0038] 步骤C具体包括：
[0039]子步骤C1:将观测目标的近场宽带RCS数据矩阵输入到改进过的SPGL1算法中，同 时对所要用到的参数与临时变量进行初始化。
[0040] 子步骤C1具体包括:将观测目标的近场宽带RCS数据矩阵Y e (Ο"'#转换成由其Μ个 列向量拼接成的近场宽带RCS数据向量少并将近场宽带RCS数据向量y、加性噪声电 平〇e[0, | |y| |2)、最优输出容限Τ0Ρε[0,00)、充分下降系数rie(0，l)、BarZilai-Bor Wein 步长取值的下界01^11与上界(1111￡?(0<€[ 11^<€[111￡?)、第一、二、三层迭代运算的最大迭代次数 Niterl、Niter2与Niter3 (Niterl彡1、Niter2彡1、Niter3彡1)输入到改进过的SPGL1算法中。然后，对所 要用到的参数与临时变量进行初始化，使第一临时变量x P的初始值为x0 = 0,第二临时变量 rP的初始值为r0 = y，正则化参数τρ的初始值为T() = 0，Barzilai-Borwein#*a(^t^I^Wl^S a0 = amax，第一层迭代运算的迭代次数p的初始值为p = l，设置观测目标后向散射系数输出 向量为义，第三临时变量为毛，第四临时变量为&，第五临时变量为美，第六临时变量为$， 第七临时变量为F:，第八临时变量为A X，第九临时变量为Ag，梯度下降步长为α，第二层迭 代运算的迭代次数为q，第三层迭代运算的迭代次数为h，并执行子步骤C2。
[0041 ]子步骤C2:判断1)^^1^1是否成立，若成立，则执行子步骤C3;否则，将xm作为最终 结果进行输出，即输出结果I = ,获得观测目标的散射中心，步骤C执行完毕。
[0042] 子步骤C3:判断| | Iml |2_σ|/| 1^1 ^^是否成立，若成立，则将xw作为最终 结果进行输出，即输出结果力=Ay,获得观测目标的散射中心，步骤C执行完毕;否则，更新 正则化参数，使τ Ρ = τρ-# (σ- φ (rP-1)) / Φ ' (rP-1)，并执行子步骤C4。
[0043] 子步骤C4:判断τρ<、^是否成立，若成立，则使毛=% , ξ =丨-? (乓），并 执行子步骤C5;否则，使％ =气,-,:,ξ = &-,_，并执行子步骤C5。其中，g(乓)由近场宽带RCS 数据处理算子的回波数据生成项(公式(1))计算得到。
[0044] 子步骤C5:使象==-?.?),第二层迭代运算的迭代次数q=l，并执行第二层迭代 运算过程。其中，:4.(?由近场宽带RCS数据处理算子的散射中心重建项（公式⑵）计算得 到。
[0045] 子步骤06:使乂 =果H& =^4 ,第一层迭代运算的迭代次数p = p+l，返回执行子 步骤C2。
[0046] 所述执行第二层迭代运算过程具体包括：
[0047] 子分步骤C5a:判断否成立，若成立，则执行子分步骤C5b;否则，执行子 步骤C6;
[0048] 子分步骤C5b:判断^^ S 1；^是否成立，若成立，则执行子步骤C6;否则，使α = atrl，第三层迭代运算的迭代次数h=l，并执行第三层迭代运算过程。
[0049] 子分步骤。5。：使弋=无，- 并执行子分步骤C5d。其中由近场宽带RCS数据处理算子的散射中心重建项（公式 (2))计算得到。
[0050] 子分步骤C5d:判断Δ χΗΔ g彡〇是否成立，若成立，则使aq = amax，第二层迭代运算的 迭代次数q = q+Ι，并返回执行子分步骤C5a;否则，使％ _ni>，ma+min,||叫， 第二层迭代运算的迭代次数q = q+l，并返回执行子分步骤C5a。
[0051 ]所述执行第三层迭代运算过程具体包括：
[0052] 子分步骤C5bl :判断h彡Niter3是否成立，若成立，则无= ? = ⑷，并执行子分步骤C5b2;否则，执行子分步骤C5c。其中由近场宽带RCS 数据处理算子的回波数据生成项(公式(1))计算得到。
[0053] 子分步骤Cf5b2:判断+，?(无-&f &是否成立，若成立，则执行子分 步骤C5c;否则，使α = α/2,第三层迭代运算的迭代次数h = h+l，并返回执行子分步骤C5bl。
[0054] 其中，子步骤C3中的Φ (r^)利用如下函数进行计算：
[0055] φ (r) = | | r | 12 (3)
[0056] (^ (^)利用如下函数进行计算：
[0060] 其中，：^(>)由近场宽带RCS数据处理算子的散射中心重建项(公式(2))计算得到； jscKMX1为观测目标的近场宽带rcs数据向量；11 · 112表示取向量的2-范数；u · | μ表示 取向量的无穷范数;上标Η表示取向量的共辄转置。
[0061] 子步骤C4中的和子分步骤C5bl中的％ 由以下投影算子 只(/〇计算获得：
[0058]子分步骤0513中的式。利用如下函数进行计算：
[0063] 公式(6)所示的投影算子只(/)〇用于计算输入向量在可行集合{z| | |z| τ}上的投影，该投影算子的数据处理流程如下所述：
[0064] 步骤Ρ-1:将向量夕eC#和常数τ>0输入到投影算子中，并执行步骤Ρ-2;
[0065]步骤Ρ-2:判断| |β| 是否成立，若成立，则直接将β作为最终结果进行输出，即 输出结果ζ = β;否则，执行步骤Ρ-3;
[0066] 步骤Ρ-3:初始化迭代次数和临时变量，使i = l，γ =0，1〇 = 〇，￥ = -1：，并执行步骤?-4；
[0067] 步骤Ρ-4:将向量β中的元素模值，按照取值大小进行降序排列，得到新的向量 彦骑:.％即异=Descend(丨到），并执行步骤ρ_ 5;
[0068] 步骤P-5:判断i彡N是否成立，若成立，贝# = +彦，γ =v/i，并执行步骤P-6,其中， 具表示向量#中的第i个元素;否则，执行步骤P-7;
[0069] 步骤P-6:判断f之為是否成立，若成立，则执行步骤P-7;否则，使κ=γ，i = i+l，并 返回执行步骤P-5;
[0070] 步骤P-7:利用阈值门限为K的复数域软阈值函数，对向量β进行处理，然后，将处理 过的向量作为最终结果进行输出，即输出结果z = S〇ftThreSh〇ld(i3，K)，其中，复数域软阈 值函数表示的数据处理过程为? = Sfl*Threshokl(炙κ·) 卜*r)/|zsl,
[0071] 上述利用结合了近场宽带RCS数据处理算子的SPGL1算法，实现对回波域RCS数据 的数据压缩，不仅可以减少数据压缩过程中雷达目标电磁散射特性信息的损失，还可以进 一步降低压缩算法的计算复杂度与内存损耗，从而使上述数据压缩过程变得更为精确、快 速与高效。
[0072]需要说明的是，以上仅是以SPGL1算法为例进行了说明，但本发明不以此为限，除 SPGL1算法外，本发明的近场宽带RCS数据处理算子可以与多种用于求解基追踪去噪模型的 稀疏重构算法相结合，实现观测目标近场宽带RCS数据矩阵向观测目标散射中心的转化。 [0073]步骤D:根据近场宽带RCS数据压缩精度的要求，对重建的观测目标散射中心进行 筛选，将筛选出的观测目标散射中心的后向散射系数与空间位置进行存储，完成对近场宽 带RCS数据的数据压缩。
[0074] 步骤D具体包括：
[0075] 子步骤D1:初始化在筛选过程中所要用到的参数，并对观测目标散射中心的后向 散射系数进行归一化处理。
[0076]子步骤D1具体包括:设置近场宽带RCS数据压缩精度ε的取值（￡^[0，0))，确定筛 选门限的起始值!^与下降步长△ Τ的取值(TiSO、△ Τ<0)，设定对强散射中心进行筛选的总 次数G的取值(G多1)，对步骤C获得的观测目标散射中心的后向散射系数，即输出向量i中的 元素模值进行归一化处理，得到单位为dB的向量毛 &,即4 = 201§_/：^减|邓），令筛选次 数g = l，并执行子步骤D2;
[0077] 子步骤D2:搜索向量中取值大于Tg的元素，将取值大于Tg元素的序号构建成集 合4，即為=丨《€叫< =?; + (g-l)Af| ,然后，生成近场宽带RCS数据向量的 估计值,并计算近场宽带RCS数据向量的压缩误差％ _(丨；#__+)|/|^， 执行子步骤D3;
[0078] 子步骤D3:判断是否成立，若成立，则将向量i中元素序号属于集合^的散射 中心的后向散射系数与空间位置存储起来，并同时保存实测获得的近场宽带RCS数据矩阵 的最大幅值max( | Y |)，完成对观测目标近场宽带RCS数据的数据压缩;否则，使筛选次数g = g+1，并执行子步骤D4;
[0079] 子步骤D4:判断g<G是否成立，若成立，则执行子步骤D2;否则，将向量支中元素序 号属于集合的散射中心的后向散射系数与空间位置存储起来，并同时保存实测获得的 近场宽带RCS数据矩阵的最大幅值max( | Y | )，完成对观测目标近场宽带RCS数据的数据压 缩。
[0080] 根据上述【具体实施方式】，下面将利用实测的F16模型近场宽带RCS数据，对本实施 例所述方法的有益效果进行验证，实验数据的主要参数如表1所示。
[0081] 表 1
[0083]在对实测的F16模型近场宽带RCS数据进行数据压缩时，首先，以75 %的方位向降 采样率，从满采样数据中随机抽选出用于恢复观测目标散射中心的回波数据，然后，分别利 用改进过的SPGL1算法(N-SPGL1)与未改进的SPGL1算法(SPGL1)处理上述回波数据，获得用 于数据压缩的观测目标散射中心，最后，根据数据压缩条件，即保留后向散射系数归一化幅 值大于_25dB的观测目标散射中心，来对上述两种算法获得的观测目标散射中心进行筛选， 从而得到用于最终存储的散射中心的后向散射系数与空间位置，完成对近场宽带RCS数据 的压缩工作。
[0084] 如图2所示，改进过的SPGL1算法与未改进的SPGL1算法均能较好地恢复观测目标 的散射中心，并且由上述散射中心重构的近场宽带RCS数据与实测的近场宽带RCS数据非常 接近（图3)。可是，根据表2给出的上述算法对实测RCS数据的处理性能，可以看出：尽管未改 进的SPGL1算法的数据压缩率是改进过的SPGL1算法的3倍，但在近场宽带RCS数据压缩精度 相近时，改进过的SPGL1算法所需的运行时间与系统内存均要远低于未改进的SPGL1算法， 且前者能够在较短的时间内获得收敛解，而后者却不能办到。因此，结合了近场宽带RCS数 据处理算子的SPGL1算法具有更为精确、快速与高效的对近场宽带RCS数据的压缩性能。
[0085] 表 2
[0087]至此，已经结合附图对本发明实施例进行了详细描述。依据以上描述，本领域技术 人员应当对本发明的基于基追踪去噪的近场宽带RCS数据采集与压缩方法有了清楚的认 识。
[0088]本发明的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，通过在方位向与 高程向上的随机降采样，降低了 RCS数据的实际测量总量，能够在保证不过多损失雷达目标 电磁散射特性信息完整度的情况下，缩短雷达系统对观测目标RCS数据的测量时间，从而提 高整个测量系统的工作效率;根据基追踪去噪模型，利用结合了近场宽带RCS数据处理算子 的稀疏重构算法，来实现对回波域RCS数据的数据压缩，不仅可以减少数据压缩过程中雷达 目标电磁散射特性信息的损失，还可以进一步降低压缩算法的计算复杂度与内存损耗，从 而使上述数据压缩过程变得更为精确、快速与高效。
[0089]需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术 领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件的定义并不仅限 于实施例中提到的各种方式，本领域普通技术人员可对其进行简单地更改或替换，例如：
[0090] (1)实施例中提到的方向用语，例如"上"、"下"、"前"、"后"、"左"、"右"等，仅是参 考附图的方向，并非用来限制本发明的保护范围；
[0091] (2)上述实施例可基于设计及可靠度的考虑，彼此混合搭配使用或与其他实施例 混合搭配使用，即不同实施例中的技术特征可以自由组合形成更多的实施例。
[0092] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了详细说明， 所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明 的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之 内。
【主权项】
1. 一种基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在于，包括： 步骤A:基于观测目标散射中屯、分布的稀疏度，完成对观测目标近场宽带RCS数据的采 集，得到观测目标的近场宽带RCS数据矩阵； 步骤B:构建近场宽带RCS数据处理算子； 步骤C:将所述近场宽带RCS数据处理算子与用于求解基追踪去噪模型的稀疏重构算法 相结合，将所述观测目标的近场宽带RCS数据矩阵转化为观测目标的散射中屯、，获得所述观 测目标散射中屯、的后向散射系数;W及 步骤D:根据近场宽带RCS数据压缩精度的要求，对所述观测目标散射中屯、进行筛选，将 筛选出的观测目标散射中屯、的后向散射系数与空间位置进行存储，完成近场宽带RCS数据 的数据压缩。2. 如权利要求1所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述步骤B具体包括： 子步骤B1:构建所述近场宽带RCS数据处理算子的回波数据生成项及 子步骤Β2:构建所述近场宽带RCS数据处理算子的散射中屯、重建项而?，）。3. 如权利要求2所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述回波数据生成项备(為的表达式为：(1) 其中，巧;(·)表示用于捜索观测目标后向散射系数向量e €'w中所有非零元素位置的 算子，即=巧= {"eN|x。引J，X。€ Λ·}表示由观测目标后向散射系数向量X中所有 非零元素的序号构成的集合;表示利用观测目标后向散射系数向量X中元素序号属 于集合乂的观测目标的后向散射系数生成近场宽带RCS数据的算子，即其中，表示观测目标的近场宽带RCS数据向量，K表示每个步进频脉冲信号的 频点总数，Μ表示在方位向与高程向上的空间采样位置总数，fk表示第k个脉冲的载波频率， 且fk = fi+化-1) Af，fi为第1个脉冲的载波频率，Af为频率的步进长度，C表示电磁波在自 由空间的传播速度，Rm,η表示雷达系统第m个空间采样位置坐标(Um，Vm，Wm)与观测目标第η个 散射中屯、位置坐标(化，Vn，Wn)间的距离，即.4. 如权利要求2所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述散射中屯、重建项而i/j的表达式为：巧） 其中，'馬J、·)表示把观测目标的近场宽带RCS数据向量戶重新排列成与之对应 的近场宽带RCS数据矩阵的算子;IFFTr( ·)表示对近场宽带RCS数据矩阵Y中的每 一列步进频脉冲信号进行逆快速傅里叶变换的算子;表示将距离向上的时域投影插 值到目标区域空间网格点处的算子;表示对在不同空间采样位置上获得的Ξ维子图像 进行相干累加的算子;巧i (Λ)表示把观测目标的后向散射系数Ξ维矩阵重新排列成观测 目标后向散射系数向量Xe的算子;巧eC^表示时域插值操作前对距离向上的时域投 影进行相位补偿的向量，其元素取值为Φι(1) = θ邱(-扣化-1)1/Κ)，1 = 0,…，K-1，κ表示每 个步进频脉冲信号的频点总数；Ψ2,"表示时域插值操作后对目标区域空间网格点处的后向 散射系数进行相位补偿的立维矩阵，ψ2,η共包含Ν个元素，每个元素的取值为恥,m(Un，Vn，Wn) =e邱（j4JTfcRm,n/c)，fc表示每个步进频脉冲信号的中屯、频率，且fc = (fl+fK)/2，N的取值与 观测目标后向散射系数向量Λ·e的维度相等；曰表示哈达马乘法运算。5. 如权利要求2所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述步骤C具体包括： 子步骤C1:将观测目标的近场宽带RCS数据矩阵Yell/W转换成由其Μ个列向量拼接成 的近场宽带RCS数据向量输入近场宽带RCS数据向量y、加性噪声电平〇e[〇, I |y 2)、最优输出容限Tope [0, 〇〇)、充分下降系数qe (0,1)、Barzilai-Bo;rwein步长取值的下 界amin与上界amax、第一、二、S层迭代运算的最大迭代次数Niterl、Niter2与Niters ;使第一临时 变量Xp的初始值为x〇 = 〇,第二临时变量。的初始值为r〇 = y，正则化参数Tp的初始值为τ〇 = OJarzilai-Borwein步长Qq的初始值为a〇 = amax，第一层迭代运算的迭代次数Ρ的初始值为Ρ =1;设置观测目标后向散射系数输出向量为著，第立临时变量为式，第四临时变量为^^，，第 五临时变量为衣，第六临时变量为-f，第屯临时变量为r，第八临时变量为Δ X，第九临时变 量为A g，梯度下降步长为α，第二层迭代运算的迭代次数为q，第Ξ层迭代运算的迭代次数 为h，并执行子步骤C2; 子步骤C2 :判断p《Niterl是否成立，若成立，则执行子步骤C3;否则，输出结果《= ， 获得观测目标散射中屯、的后向散射系数，步骤C执行完毕； 子步骤C3:判断I Mrp-i||2-〇|/Mrp-i| h《T〇p是否成立，若成立，输出结果，获得 观测目标散射中屯、的后向散射系数，步骤C执行完毕；否则，更新正则化参数，使τρ = τρ-ι+ (0- Φ ()) / Φ ' (rp-i)，并执行子步骤C4; 子步骤C4:判断τρ<τρ_ι是否成立，若成立，则使.? =巧,(?一.1)，玲每(為），并执行 子步骤巧;否则，使為-乂>!，焉二?μ!，并执行子步骤巧； 子步骤巧:使無=-而(/?;)，第二层迭代运算的迭代次数q = 1，并执行第二层迭代运算过 程；W及 子步骤C6:使Λ：/; = ，/> =巧一，第一层迭代运算的迭代次数p = p+l，返回执行子步骤 C2。6. 如权利要求5所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述执行第二层迭代运算过程具体包括： 子分步骤巧a:判断q《Niter2是否成立，若成立，则执行子分步骤巧b;否则，执行子步骤 C6; 子分步骤巧b:判断式,.(^^；)<了^是否成立，若成立，则执行子步骤〔6;否则，使〇 = 〇。-1， 第Ξ层迭代运算的迭代次数h = l，并执行第Ξ层迭代运算过程； 子分步骤巧。使龙,-克，ξ-F，鳥=-.馬提)，&C二馬-馬-s，襄-起-,，并执行子 分步骤巧d;W及 子分步骤巧d:判断A/Ag^O是否成立，若成立，则使aq = amax，第二层迭代运算的迭代 次数q = q+1，并返回执行子分步骤巧a;否则，屯第二层迭代运算的迭代次数q = q+l，并返回执行子分步骤巧曰。 7 .如权利要求6所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述执行第Ξ层迭代运算过程具体包括： 子分步骤CSbl:判断h《Niter3是否成立，若成立，则交=巧，（爭.1 - α矣-!)，f = J.，-04文）.， 并执行子分步骤巧b2;否则，执行子分步骤巧C; W及 子分步骤巧b2:判I.1是否成立，若成立，则执行子分步骤 C5c;否则，使α = α/2,第Ξ层迭代运算的迭代次数h = h+l，并返回执行子分步骤巧bl。8. 如权利要求5所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述子步骤C3中的Φ (rp-i)利用如下公式计算： Φ(γ)=| |r| I2 (3) φ/0-ρ-1)利用如下公式计算：(4) 其中，玉、，0^)由近场宽带RCS数据处理算子的散射中屯、重建项计算得到。9. 如权利要求6所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征在 于，所述子分步骤巧b中的；)利用如下公式计算：巧 其中，由近场宽带RCS数据处理算子的散射中屯、重建项计算得到；J电沪WX哨近 场宽带RCS数据向量；I I · IU表示取向量的2-范数；II · 11~表示取向量的无穷范数;上标Η 表示取向量的共辆转置。10. 如权利要求5所述的基于基追踪去噪的近场宽带RCS数据采集与压缩方法，其特征 在于，所述步骤D具体包括： 子步骤D1:设置近场宽带RCS数据压缩精度ε、筛选口限的起始值Τι、下降步长ΔΤ、对强 散射中屯、进行筛选的总次数G，对观测目标散射中屯、的后向散射系数模值进行归一化处理， 得到单位为地的向量，即惠曲=撕权(间/掛a刮料分，令筛选次数g = 1，执行子步骤; 子步骤D2:捜索向量中取值大于Tg的元素，将取值大于Tg元素的序号构建成集合為，： 印生成近场宽带RCS数据向量的估计值 束并计算近场宽带RCS数据向量的压缩误I执行子步骤D3; 子步骤D3:判断是否成立，若成立，对向量i中元素序号属于集合心，的散射中屯、的 后向散射系数与空间位置进行存储，并保存近场宽带RCS数据矩阵的最大幅值max( |Y| )，完 成观测目标近场宽带RCS数据的数据压缩;否则，使筛选次数g = g+l，执行子步骤D4; W及 子步骤D4:判断g《G是否成立，若成立，则执行子步骤D2;否则，对向量去中元素序号属 于集合心的散射中屯、的后向散射系数与空间位置进行存储，并保存近场宽带RCS数据矩阵 的最大幅值max( IYI)，完成观测目标近场宽带RCS数据的数据压缩。
【文档编号】G01S7/02GK106093875SQ201610462781
【公开日】2016年11月9日
【申请日】2016年6月23日
【发明人】全相印, 张冰尘, 吴戎, 吴一戎, 高超, 吕鸣
【申请人】中国科学院电子学研究所, 北京环境特性研究所