一种基于在线观测的稀疏微波成像方法
【专利摘要】本发明提供了一种基于在线观测的稀疏微波成像方法，该方法包括步骤如下：步骤S1：根据雷达观测成像机理，构建基于稀疏逼近理论的稀疏微波成像模型；步骤S2：设目标场景后向散射系数第n次估计的值为x(n)；步骤S3：利用目标场景后向散射系数x(n)和新增雷达观测回波数据yn+1在线基于同伦算法观测得到目标场景后向散射系数第n+1次估计值x(n+1)，不断重复上述过程直到终止条件满足，实现稀疏微波成像。本发明可以根据场景自身的特性自适应的确定最小采样数目，并且新增采样数据可以直接对原始结果进行修正，从而避免重新计算以减少计算量。
【专利说明】一种基于在线观测的稀疏微波成像方法
【技术领域】
[0001]本发明属于雷达成像【技术领域】，涉及一种基于稀疏逼近理论的成像处理方法。
【背景技术】
[0002]合成孔径雷达(synthetic aperture radar, SAR)是一种利用飞行器作为运动平台，沿航迹不断收发电磁波，对地面场景进行高分辨成像的主动观测雷达。它不受气象、昼夜等条件影响，具备全天候、全天时的侦查能力。 [0003]近期中国科学院电子学研究所提出稀疏微波成像新体制，也希望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[I]获取被观测对象的稀疏微波信号([1]ZHANG BingChen, HONG Wen, WU YiRong, “Sparse microwave imaging:Principles and applications”， SCIENCE CHINA Physics， Mechanics&Astronomy，2012，
55(8):1722-1754)，以大幅减少数据采集，降低系统复杂度，并实现高分辨率微波成像。
[0004]传统合成孔径雷达回波数据是基于Nyquist采样定理数字化获取的。Nyquist采样定理表明对于一定带宽的信号，如果以高于2倍的频率对信号进行采样，就可以对信号精确重构。压缩感知是近年来信号处理领域内的一个研究热点，在目标场景具有一定稀疏性的前提下，压缩感知保证对于欠采样的数据仍旧可以以很高的概率精确重建，其采样数目与场景的稀疏度关系密切。许多研究人员已经将压缩感知理论[3，6]应用到合成孔径雷达领域中([3]D.L.Donoho,“Compressed sensing, ^IEEE Trans.1nform.Theory, 2006, 52,
[4]，pp.1289-1306.[0005][6]E.Candes and T.Tao“The Dantzig selector !Statistical estimation whenp is much larger than n,，，Ann.Statist., 2007, 35 (6), pp.2313-2351.), Alonso [2]直接减少合成孔径雷达方位向数据量([2]M.T.Alonso,P.L.-Dekker and J.J.Mallorqui ,“ANovel Strategy for Radar Imaging Based on Compressive Sensing,，’IEEE Trans.Ge0.and remote sensing, 2010,48, (12), pp.4285-4295.),仍旧实现了对目标场景后向散射稀疏重建。Ender [4]将压缩感知应用到 ISAR 当中([4] J.H.Ender,“On compressive sensingapplied to radar, ” Signal Processing, 2010,90,pp.1402-1414.),得到了类似的数据量减少结果。但是对于实际情况，稀疏度往往并不能事先已知，实际采样率往往远高于实际系统理论最小采样率，以保证系统可靠性。
[0006]在线观测以序列的形式逐一获取数据，并且同时对数据进行处理与判断是否达到重构要求。在线观测[5]是实现压缩感知最优化问题的另一种实现方式([5] J.Langford，L, Li and T.Zhang, “Sparse Online Learning via Truncated Gradient,，，Journal ofMachine Learning Research, 2009,10, pp.777-801.)。它可以根据场景情况自适应决定米样数目。它在回归分析与机器学习领域也都有丰富的应用。
【发明内容】
[0007](一 )要解决的技术问题[0008]为了解决现有技术的问题，本发明提供一种基于在线观测的稀疏微波成像方法。
[0009]( 二)技术方案
[0010]为实现上述目的，本发明第一方面，提供一种基于在线观测的稀疏微波成像方法的步骤包括:
[0011]步骤S1:根据雷达观测成像机理，构建基于稀疏逼近理论的稀疏微波成像模型；
[0012]步骤S2:设目标场景后向散射系数第η次估计的值为χ(η)；
[0013]步骤S3:利用目标场景后向散射系数x(n)和新增雷达观测回波数据yn+1在线基于同伦算法观测得到目标场景后向散射系数第η+1次估计值χ(η+1)，不断重复上述过程直到终止条件满足，实现稀疏微波成像。
[0014]为了解决现有技术的问题，本发明的第二方面，提供一种使用基于在线观测的稀疏微波成像方法，用于对于非稀疏场景亦能实现有效成像。
[0015](三)有益效果
[0016]本发明根据稀疏逼近理论构建稀疏微波成像模型，对于回波数据，采用同伦算法实现对观测场景后向散射系数进行更新，采用在线观测实现对观测场景后向散射系数的重建。本发明利用在线观测，可以根据场景自身的特性自适应的确定最小采样数目，减少系统复杂性，并且新增采样数据可以直接对上一步成像结果进行修正，从而避免重新计算以减少计算量。并且在采样的同时即可进行后向散射稀疏重建，不需要等待全体数据采样结束。
【专利附图】
【附图说明】
[0017]图1是本发明基于在线观测的稀疏微波成像方法流程图。
[0018]图2采用同伦算法修正目标场景后向散射系数估计x(n)得到x(n+1)算法流程图。
[0019]图3基于在线观测的成像稀疏微波成像方法流程图。
[0020]图4a为传统成像结果；
[0021]图4b为基于在线观测的稀疏微波成像方法成像结果。
[0022]图5a为传统成像方法满采样成像结果；
[0023]图5b为基于在线观测成像方法10%采样成像结果；
[0024]图5c为基于在线观测成像方法5%采样成像结果。
【具体实施方式】
[0025]下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。
[0026]如图1示出本发明基于在线观测的稀疏微波成像方法流程图，该方法包括步骤如下:
[0027]步骤S1:根据雷达观测成像机理，构建基于稀疏逼近理论的稀疏微波成像模型；
[0028]步骤S2:设目标场景后向散射系数第η次估计的值为χ(η)；
[0029]步骤S3:利用目标场景后向散射系数x(n)和新增雷达观测回波数据yn+1在线基于同伦算法观测得到目标场景后向散射系数第η+1次估计值χ(η+1)，不断重复上述过程直到终止条件满足，实现稀疏微波成像。
[0030]其中:构建基于稀疏逼近理论的稀疏微波成像模型X*如下:
【权利要求】
1.一种基于在线观测的稀疏微波成像方法，其特征在于该方法包括步骤如下: 步骤S1:根据雷达观测成像机理，构建基于稀疏逼近理论的稀疏微波成像模型； 步骤S2:设目标场景后向散射系数第η次估计的值为χ(η)； 步骤S3:利用目标场景后向散射系数χω和新增雷达观测回波数据yn+1在线基于同伦算法观测得到目标场景后向散射系数第n+1次估计值x(n+1)，不断重复上述过程直到终止条件满足，实现稀疏微波成像。
2.根据权利要求1所述基于在线观测的稀疏微波成像方法，其特征在于:构建基于稀疏逼近理论的稀疏微波成像模型X*如下:
3.根据权利要求1所述基于在线观测的稀疏微波成像方法，其特征在于:对于缺乏先验稀疏度信息的情况，随着雷达观测回波数据Yn-P…，Yn-!, yn的增加，通过比较目标场景后向散射系数估计χ(η_υ，…，X(lriWn)，得到正确重建目标场景所需的最低采样数，具体地，当|Χ(η+1)-Χ(η)| ( ε时，目标场景能够重建，其中ε为成像算法的计算精度参数。
4.根据权利要求1所述基于在线观测的稀疏微波成像方法，其特征在于:目标场景后向散射系数估计更新x(n+1)的LI正则化模型表示为:
5.根据权利要求4所述基于在线观测的稀疏微波成像方法，其特征在于:在目标场景后向散射系数估计更新中，目标场景后向散射系数估计χ(η+1)具有分段光滑的性质:具体地，存在迭代步长区间[0，t*)，目标场景后向散射系数初始值x(°)的支集将会在迭代步长区间中保持不变，并且目标场景后向散射系数估计更新χ(η+1)是光滑的；在临界点处更新后向散射系数估计的支集；在下一个临界点到来之前后向散射系数估计的支集将会保持不变。
6.根据权利要求1所述基于在线观测的稀疏微波成像方法，其特征在于:根据目标场景后向散射系数估计更新观测矩阵Φ的第n+1步迭代扩展观测矩阵和第n+1步迭代扩展的回波数据7如下表示:
7.根据权利要求5所述基于在线观测的稀疏微波成像方法，其特征在于:临界点如下表示:
8.根据权利要求1所述基于在线观测的稀疏微波成像方法，其特征在于:基于同伦算法设计修正目标场景后向散射系数估计χ(η)得到目标场景后向散射系数估计χ(η+1)的步骤如下: 步骤31:初始化目标场景后向散射系数初始值x(°)的支集，设V = sign(X(°))，V表示初始值x(°)支集中元素的符号，V和Φη+1的支集子向量分别表示为V1和Φη+u，λ是成像中的正则化参数，y为第η+1步迭代时的扩展回波数据Φ是支集对应的观测矩阵$的子矩阵； 初始化支集处后向散射系数的值系
9.根据权利要求3所述基于在线观测的稀疏微波成像方法，其特征在于:根据目标场景自适应停止采样，得到最小采样数的步骤如下: 步骤Al:获得初始雷达观测回波数据y2_i，y1-1...%，并且利用同伦算法得到目标场景后向散射系数估计X(H)，Χ(η)，…，χ(°)，设定i为算法重建概率参数和ε为成像算法的计算精度参数，令η = I ; 步骤Α2:获取雷达观测回波数据yn ； 步骤A3:基于同伦算法，利用雷达观测回波数据y2_i; yi_i…，7?和目标场景后向散射系数估计Xin-'得到目标场景后向散射系数估计x(n)； 步骤A4:判断是否满足|X(n+1)-X(n)| ≤ ε，若否，令η = η+1，转步骤Α2;若是算法终止。
10.一种使用权利要求1所述的基于在线观测的稀疏微波成像方法，还用于对于非稀疏场景亦能实现有效成像。
【文档编号】G01S13/89GK103760559SQ201410035662
【公开日】2014年4月30日 申请日期:2014年1月24日 优先权日:2014年1月24日
【发明者】赵曜, 张冰尘, 洪文, 吴一戎 申请人:中国科学院电子学研究所