专利名称：稀疏微波成像方法
技术领域：
本发明涉及信息获取与处理技术领域，是一种稀疏微波成像方法，利用微波成像观测场景数据集的稀疏性，在信号发射时结合观测场景稀疏性，并且利用天线在数据获取时低于奈奎斯特定理的数据采样，在信号处理时实现成像和信息提取一体化。
背景技术：
微波成像技术是以微波谱段的电磁波作为探测手段，利用微波成像传感器获取被观测对象散射特征和相关信息的技术。与光学成像技术相比，微波成像不受日照和天气条件的限制，具有全天时、全天候对目标或场景观测的能力，已发展成为资源勘察、环境监测和灾害评估等遥感应用的重要手段。在过去的半个多世纪里，微波成像系统分辨率由几十米量级发展到厘米量级；成像体制由最初的条带成像发展到聚束式、扫描式、滑动聚束、双 /多站以及面向未来的三维成像和动目标成像模式；极化方式从单极化发展至全极化；应用方式由单一的图像定性解译发展到DEM测量、地物参数测量、海洋参数测量以及目标运动参数测量等。现有的微波成像系统是建立在雷达分辨理论和奈奎斯特采样定理基础上。雷达分辨理论分辨率=光速/(2X信号带宽)，奈奎斯特采样定理无失真恢复时的采样频率要大于2倍的带宽。雷达分辨理论和奈奎斯特采样定理是微波成像的普适性的理论基础，是不可突破的。它决定了微波成像系统的规模和复杂度。分辨率越高、测绘带宽越大、通道数越多系统就越复杂。现有的微波成像处理的核心是根据微波系统观测矩阵构建距离_多普勒二维解耦成像算子，从而获得观测对象的微波图像。在获取距离向高分辨率方面，一般都采用脉冲压缩体制；在获取方位向高分辨率方面，主要采用降低方位向天线长度的方法。稀疏信号处理是本世纪信号处理领域最活跃的分支之一。该分支的研究目标是从原始信号中提取尽可能少的观测数据，同时最大限度地保留原始信号中所含信息，对原始信号进行有效的逼近和恢复。1986年，Santosa和Symes最早明确提出稀疏信号的概念，稀疏信号处理的基本数学模型是线性回归模型。适当地选择稀疏观测矩阵Φ，则稀疏信号处理模型可以用下述方程描述，Y= ΦΧ+Ν其中Y为观测采样数据，N为噪声，X为待估计的向量。一般来讲，X的非零元个数很少，也就是说，X具有稀疏特性。同时，Y的维数远小于X的维数。因此，这是一个欠定方程，一般情况下有无穷多个解。求解上述“稀疏线性回归”问题的有效方法是使用低阶模对普通的二阶误差进行正则化，即对目标函数I ly-ΦχΙ |2+λ I X I1进行优化，该优化问题可转化为如下的问题进行求解min| |x| I1 s. t. | ly-ΦχΙ I2≤ ε，1 = 0这里I I · I I1表示变量的1阶范数，min(·)表示最小化操作，s. t.表示使得满足，ε是设置的门限值，X的零范数表示X的非零元个数，可以用于描述待估计向量的稀疏特性，在现有数学基础理论条件下，零范数的求解非常困难，通常以1 e
阶范数来近似2006年，Donoho系统阐述了 1 1 (即1 = 1)优化和稀疏性之间的关联，还首次使用了 Compressed Sensing(简称CS)的概念，针对待估计信号在某个空间可稀疏表征的特性、采用特定的降维压缩采样、利用优化方法实现信号重建，将信号的采样、恢复及信息提取直接建立在信号稀疏特性表征的基础上。2006年，Canc^s和Tao证明了 RIP条件是1 1 与1 O优化问题等价充分条件，揭示了 1 1优化以及稀疏信号重建之间的关联。在他们的工作基础上，信号处理界的学者们在近几年对稀疏信号处理的相关问题开展了深入而广泛的研究。目前，1 1优化问题的数值求解主要有两大类方法一类是基于迭代寻优技术的方法，如凸优化和线性规划等；另一类是基于贪心算法(Greedy Algorithm)的方法。稀疏信号处理理论近期的研究成果和取得的突破使其在光学成像(如Duarte、 Davenport、Takhar等的单像素光学相机)得到了较为成功的应用。在这些应用中，观测对象具有明显的稀疏特性，通过常用的稀疏基即可获得较理想的重建结果，采用统计方法近似描述采样稀疏性与被观测对象稀疏性之间的关系。现有的微波成像系统并没有考虑到以下因素首先，现有的微波成像系统没有考虑微波成像具有稀疏特性。微波成像的稀疏性可以直接体现在微波图像或图像的变换域中，这是因为被观测的场景本身往往具有较强的相关性。微波图像是特定微波观测条件下，场景回波数据经相干合成处理后电磁散射特性的表征，作为被观测场景的不同观测数据集(微波成像原始数据、经部分成像处理的数据、 图像或者在其变换域)具有稀疏化表征的可能性。其次，现有算法数据的获取与成像处理、成像处理与信息提取两两之间是相互独立的。由于观测场景的复杂性和微波成像体制的多样性，现有的微波成像理论尚不支持从微波成像数据的获取、处理和信息提取一体化的角度，系统性地开展研究。第三，目前稀疏信号处理理论在微波成像中的应用都是从现有的雷达系统和工作体制出发，主要用于解决如下问题在实际工作中，由于条件受限或受到干扰等情况，获取的数据不能满足采样约束或部分缺损时，通过对缺省信号的内插和外推，恢复满足奈奎斯特定理的缺省采样；再利用经典信号处理方法实现成像和信息提取。在这种意义上引入的稀疏信号处理，尚无法在微波成像数据获取时考虑应用需求进行有目的地稀疏采样，无法根本上解决应用需求与微波成像系统实现困难、海量信息冗余、信号处理和特征信息提取困难之间的矛盾。参考文献[1] F. Santosa, and W. W. Symes, Linear inversion of band-limited reflectionseismograms,SIAM J. Sci. Statist Comput 7 (1986),1307-1330.[2]D.L.Donoho, Compressed Sensing, IEEE Trans. Inform. Theory,52, no. 4, (2006)，pp.1289-1306.[3]D.L.Donoho, For most large underdetermined systems of linear equationsthe minimal 1 1—norm solution is also the sparsest solution, Comm. PureApp 1. Math. 59，no. 6 (2006)，pp. 797-829.
[4]Ε.J. Candes and Τ.Tao, Decoding by linear programming, IEEE Trans. Inform. Theory 51，4203-4215，2006.
发明内容
本发明的目的是公开一种稀疏微波成像方法，利用微波成像的稀疏性，通过降低数据率，使算法快捷、简便，降低了系统实现的复杂度，使系统成本减少，并且实现成像和特征提取一体化。为达到上述目的，本发明的技术解决方案是一种稀疏微波成像方法，其将稀疏信号处理引入微波成像，并有机结合形成的微波成像；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，经对稀疏微波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，通过优化算法，恢复场景目标信息；根据微波成像观测数据集的稀疏性构建的稀疏微波成像方法，采集的数据量比基于奈奎斯特采样定理的系统采样的数据量少，从而降低微波成像系统的复杂度。所述的稀疏微波成像方法，其所述时间稀疏，是微波成像中距离向采样时间、方位向采样时间二维稀疏。所述的稀疏微波成像方法，其所述空间稀疏，是与平台位置、阵元分布有关的稀疏特性，通过对各通道回波信号的综合处理，实现被观测区域的信息恢复和目标特征信息的提取。所述的稀疏微波成像方法，其所述频谱稀疏，是雷达发射和接收采用稀疏频谱信号，通过稀疏信号处理恢复宽频带信号，并结合时间稀疏微波成像或空间稀疏微波成像获取被观测对象的超高分辨图像和多频谱特征信息。所述的稀疏微波成像方法，其所述极化稀疏，是利用简缩极化、混合极化技术，通过稀疏极化通道实现目标的全极化数据获取，以减小对雷达系统收发通道数和脉冲重复频率的要求。所述的稀疏微波成像方法，其所述的联合稀疏，是利用空间、时间、频谱或极化其中两者或两者以上的稀疏特性，实现联合稀疏微波成像。所述的稀疏微波成像方法，其包括步骤步骤Sl 发射的信号是线性调频信号，或随机序列信号，或空时两维编码信号，发射的信号为式中，t为时间，a(t)是发射信号的幅度，f是发射信号的载频，冰)是发射信号的相位；步骤S2 信号通过功率放大器放大后，由稀疏微波成像雷达系统的天线进行发射；步骤S3 根据发射信号的形式和雷达平台与目标之间的几何关系建立回波模型；步骤S4:稀疏微波成像雷达系统的采样方式，是均勻低速采样、随机采样或经过预处理之后的采样；
步骤S5 建立稀疏微波观测方程，对观测场景的恢复S51 对于具有明显稀疏特性的场景X，稀疏微波的观测方程为Y = ΦΧ +N其中，Y为回波数据，Φ为观测矩阵，N为噪声；根据稀疏信号处理理论，I1优化能很好的给出场景X中值最大的K个元素
权利要求
1.一种稀疏微波成像方法，其特征在于，将稀疏信号处理引入微波成像，并有机结合形成的微波成像；通过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，经对稀疏微波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，通过优化算法，恢复场景目标信息；根据微波成像观测数据的稀疏性构建的稀疏微波成像方法，采集的数据量比基于奈奎斯特采样定理的系统采样的数据量少，从而降低微波成像系统的复杂度。
2.如权利要求1所述的稀疏微波成像方法，其特征在于，所述时间稀疏，是微波成像中距离向采样时间、方位向采样时间二维稀疏。
3.如权利要求1所述的稀疏微波成像方法，其特征在于，所述空间稀疏，是与平台位置、阵元分布有关的稀疏特性，通过对各通道回波信号的综合处理，实现被观测区域的信息恢复和目标特征信息的提取。
4.根据权利要求1所述的稀疏微波成像方法，其特征在于，所述频谱稀疏，是雷达发射和接收采用稀疏频谱信号，通过稀疏信号处理恢复宽频带信号，并结合时间稀疏微波成像或空间稀疏微波成像获取被观测对象的超高分辨图像和多频谱特征信息。
5.根据权利要求1所述的稀疏微波成像方法，其特征在于，所述极化稀疏，是利用简缩极化、混合极化技术，通过稀疏极化通道实现目标的全极化数据获取，以减小对雷达系统收发通道数和脉冲重复频率的要求。
6.根据权利要求1所述的稀疏微波成像方法，其特征在于，所述的联合稀疏，是利用空间、时间、频谱或极化其中两者或两者以上的稀疏特性，实现联合稀疏微波成像。
7.如权利要求1所述的稀疏微波成像方法，其特征在于，包括步骤步骤Sl 发射的信号是线性调频信号，或随机序列信号，或空时两维编码信号； 步骤S2 信号通过功率放大器放大后，由稀疏微波成像雷达系统的天线进行发射； 步骤S3 根据发射信号的形式和雷达平台与目标之间的几何关系建立回波模型； 步骤S4:稀疏微波成像雷达系统的采样方式，是均勻低速采样、随机采样或经过预处理之后的采样；步骤S5 建立稀疏微波观测方程，实现对观测场景的恢复551对于具有明显稀疏特性的场景X，稀疏微波的观测方程为 Y = ΦΧ+Ν其中，Y为回波数据，Φ为观测矩阵，N为噪声；根据稀疏信号处理理论，I1优化能很好的给出场景X中值最大的K个元素X = argmin X ^ st. Y - ΦX ^ < ε其中，I I · I I1表示变量的1阶范数，min(·)表示最小化操作，s. t.表示使得满足，ε 是对于噪声存在时为优化收敛设定的门限值；552对于不存在明显稀疏的场景X，必须根据它的稀疏基，包括空间、时间、频谱、极化或者多维度联合稀疏特性，场景X的稀疏变换表示为X = Ψ θ其中Ψ为稀疏变换矩阵，θ为X在Ψ变换矩阵下的表示，因此稀疏微波成像雷达的观测方程表示为γ = Φ Ψ θ +N根据I1优化理论，值最大的K个稀疏基系数由下式给出
8.如权利要求7所述的稀疏微波成像方法，其特征在于，所述步骤S5中的稀疏微波成像，观测场景稀疏表征与观测场景的观测数据集稀疏性或观测场景的观测数据集变换域的稀疏性有关；利用观测场景的观测数据集空间、时间、频率、极化或者联合多维度稀疏；其变换域关系，或是单位变换、离散余弦变换、小波变换或沃尔什变换。
9.如权利要求8所述的稀疏微波成像方法，其特征在于，所述观测场景的观测数据集， 包括微波成像原始数据、经部分成像处理的数据、图像数据或上述数据的变换域数据。
10.根据权利要求7所述的稀疏微波成像方法，其特征在于，所述步骤S1中发射信号的波形是依赖于观测场景特性，该波形是线性调频信号、随机序列信号、非线性调频信号或空时两维编码信号其中之一。
11.根据权利要求7所述的稀疏微波成像方法，其特征在于，所述步骤S4中的数据获取方法，为低于奈奎斯特速率ADC采样，并且以无模糊恢复目标信息，其采样速率是根据场景的复杂度决定的，场景的稀疏性越强其ADC采样速率越低；该数据获取方法采用随机采样、 均勻采样或者经过预处理后的采样。
12.根据权利要求7所述的稀疏微波成像方法，其特征在于，所述步骤S51中观测矩阵 Φ，是由发射信号波形、天线参数和位置、数据获取方法、工作波长、脉冲重复频率、作用距离、工作视角、平台位置、平台运动特性决定。
13.如权利要求7所述的稀疏微波成像方法，其特征在于，所述步骤S5中的稀疏微波信号处理，是采用凸优化和线性规划，或者是基于贪心算法的方法，通过该信号处理以恢复场景目标的雷达散射特性或者场景目标雷达散射特性的变换域系数，从而实现成像处理和特征提取一体化。
14.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于进行观测场景目标信息提取和成像一体化，利用观测场景目标特征的稀疏性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
15.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于进行运动目标检测， 利用运动目标的稀疏性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
16.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于宽测绘带海洋目标成像，利用海洋上目标稀疏性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
17.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于进行合成孔径雷达成像，利用观测场景的观测数据集变换域系数的稀疏性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
18.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于进行逆合成孔径雷达成像，利用空中目标的稀疏性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
19.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于进行圆周合成孔径雷达成像，利用观测场景的观测数据集变换域系数的稀疏性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
20.根据权利要求1所述的稀疏微波成像方法，其特征在于，用于多通道雷达成像，包括干涉合成孔径雷达成像、三维成像、多发多收成像、编队雷达卫星成像、多基地雷达成像、 数字波束形成、空时自适应处理，利用观测场景的各通道观测数据集变换域系数的稀疏性、 观测场景的各通道观测数据的相关性、稀疏微波成像方法观测矩阵和所述的稀疏微波信号处理。
全文摘要
本发明公开了一种稀疏微波成像方法，涉及信息获取与处理技术，利用微波成像观测的稀疏性，通过将稀疏信号处理理论引入微波成像技术，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。本发明的稀疏微波成像方法，解决了现有技术中基于奈奎斯特采样定理和经典数字信号处理理论的微波成像体制存在系统实现困难、成像处理方法复杂、信息冗余但特征提取困难等瓶颈问题，使微波成像系统结构及成像复杂度降低。
文档编号G01S13/90GK102221696SQ20101014759
公开日2011年10月19日 申请日期2010年4月14日 优先权日2010年4月14日
发明者吴一戎, 张冰尘, 李道京, 洪文, 王彦平 申请人:中国科学院电子学研究所