基于压缩感知和目标先验信息的成像鉴别一体化方法
【专利摘要】本发明属于基于目标先验信息的压缩感知重构处理领域，具体涉及一种基于压缩感知和目标先验信息的成像鉴别一体化方法。步骤如下：获取目标的电磁散射特性；对成像区域进行稀疏成像网格划分，并利用获取的电磁散射特性构造特征化字典；获取成像区域的回波数据，并通过构造测量矩阵计算出观测数据；利用上述步骤中的特征化字典和CS算法对上述步骤中的观测数据进行稀疏重构处理，获得稀疏系数；所述稀疏系数中每个元素与成像区域网格存在一一对应关系，当元素为非零值时，判断成像区域网格对应位置存在目标；若为零，则判定成像区域网格对应位置不存在目标。本发明在对目标实现稀疏成像的同时完成目标鉴别，具有较好的鉴别稳健性及一致性。
【专利说明】基于压缩感知和目标先验信息的成像鉴别一体化方法
【技术领域】
[0001]本发明属于基于目标先验信息的压缩感知(Compressed Sensing, CS)重构处理领域，具体涉及一种基于压缩感知和目标先验信息的成像鉴别一体化方法。
【背景技术】
[0002]CS是近几年发展起来建立在信号稀疏表示和逼近理论基础上的新的研究领域，理论指出:只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息。CS理论发展至今，已成功应用于合成孔径雷达(Synthetic ApertureRadar, SAR)、逆合成孔径雷达以及地表穿透雷达(Ground Penetrating Radar, GPR)的高分辨成像。由于前视GPR(Forward Looking GPR，FLGPR)雷达系统具有探测距离远、探测效率高的优点，已广泛应用于地雷探测等领域。由于地雷探测属于复杂环境下的静止弱小目标检测问题，至今也未得到根本解决。由于地雷属于已知物理尺寸的旋转体(Body-of-Revolution’BoR)目标，这些先验信息为其鉴别提供了重要的依据，从基于灰度图像的常规鉴别方法(金添，超宽带SAR浅埋目标成像与检测的理论和技术研究，国防科学技术大学博士学位论文，2007年)，到基于地雷稀疏图像的CS鉴别方法(Peng-yu Wang, Qian Song,Zh1-min Zhou, A Physics-based Landmine DetectionApproach with Compressive Sensing, Progress In Electromagnetics ResearchJournals, 2013，Vol.135，37-53.)，地雷先验信息的利用从特征提取提前至稀疏成像，鉴别方法也随之从图像鉴别转变为几何结构鉴别。基于地雷稀疏图像的CS鉴别方法利用地雷的离散散射结构(Discrete Scattering Structure, DSS),通过CS算法获得与传统恒虚警率(Constant False Alarm Rate, CFAR)检测相当的雷场稀疏图像,实现了成像与检测的一体化处理，将地雷鉴别问题转化为几何鉴别问题，最后利用地雷先验信息提取一致性特征实现对其的鉴别识别。不难发现，基于地雷DSS的鉴别方法并没有跳出传统的先成像再鉴别的处理流程，而地雷先验信息的利用也主要集中于特征提取。
[0003]对于FLGPR系统探雷而言，复杂的探测环境使得地雷鉴别中的杂波不可能用一个或几个模式完全表征，即不存在典型的杂波样本，因此地雷鉴别更接近一类分类(one-class classification)问题(Tax.D.，One-classclassification: concept-learning in the absence of counter-examples,DefltUniversity of Technology, PhD thesis, 2001，June),即区分地雷和地雷之外的一切物体，因此可以说，FLGPR探雷是鉴别与定位已知先验信息目标的过程。CS算法基于地雷DSS实现了稀疏成像与目标检测的一体化处理，如果将地雷先验DSS信息与稀疏字典构造相结合，那么再利用CS算法就可以实现成像鉴别的一体化处理。显然，CS利用这种包含地雷特征信息的特征化字典(Featured Dictionary, FD)能够在稀疏成像的同时实现鉴别。但根据FD的构造过程不难发现，由于DSS仅包含了地雷的散射结构信息，因此鉴别能力并不强，而且适用性也受到较大限制。对于具有相似的DSS的不同BoR目标(如金属圆柱体、金属圆球)以及不具有DSS的BoR目标而言，FD的鉴别效力将大大降低。电磁散射特性(Electromagnetic Scattering Characteristic, ESC)是目标对于照射电磁波散射(通常默认为正后向散射)能力的一个物理量，包含对照射雷达波幅度和相位的双重调制，其幅度调制的能力就是对雷达照射波的反射能力，即RCS0可见，在已知探测条件下，目标ESC具有唯一性。传统成像方法所获得的灰度图像是目标二维ESC的重构，而鉴别特征则是目标ESC信息提取的子集，如果能够将目标ESC与稀疏字典构造相结合，构造出更为高效且具有更强鉴别能力的模型化字典(Model-based Dictionary, MD),可在解决前述问题的同时,进一步增强基于模型的CS成像鉴别一体化方法的稳健性及适用性。而该方法的关键则是如何较为准确获取目标ESC，并与稀疏字典构造相结合，这将是本专利的核心研究内容。
【发明内容】
[0004]本发明针对地雷等典型旋转体目标的鉴别问题，提出了一种基于旋转体目标ECS的CS成像鉴别一体化处理方法，具体技术方案如下:
[0005]一种基于压缩感知和目标先验信息的成像鉴别一体化方法，包括以下步骤:
[0006](SI)获取目标的电磁散射特性；
[0007](S2)对成像区域进行稀疏成像网格划分，并利用步骤(SI)获取的电磁散射特性构造特征化字典；
[0008](S3)获取成像区域的回波数据，并通过构造测量矩阵计算出观测数据；
[0009](S4)利用所述步骤(S2)中的特征化字典和CS算法对所述步骤(S3)中的观测数据进行稀疏重构处理，获得稀疏系数；所述稀疏系数中每个元素与成像区域网格存在一一对应关系，当元素为非零值时，判定成像区域网格对应位置存在目标；若为零，则判定成像区域网格对应位置不存在目标。
[0010]本发明可以获得以下技术效果:
[0011]本发明基于旋转体目标的方位散射不变性，通过电磁仿真或实际电磁测量获得待鉴别目标的ESC数据，然后将目标的ECS与稀疏点字典相结合，构造包含目标先验信息的特征化字典，最后基于特征化字典利用CS算法对观测数据进行稀疏重构处理，在对目标实现稀疏成像的同时完成目标鉴别，不仅鉴别效率高，而且具有较好的鉴别稳健性及一致性，特别是在数据缺失条件下，本发明依然能够保持良好的鉴别效果，为解决已知先验信息的特性目标的鉴别识别问题开拓了一条新途径。
【专利附图】
【附图说明】
[0012]图1是本发明提取目标ESC数据的仿真示意图；
[0013]图2是本发明方法处理流程示意图；
[0014]图3是本发明验证试验仿真场景图；
[0015]图4是验证试验仿真数据后向投影算法成像结果图；
[0016]图5是本发明方法的处理结果图。
【具体实施方式】[0017]下面结合附图和【具体实施方式】对本发明作进一步说明。
[0018]本发明提供了一种基于压缩感知和目标先验信息的成像鉴别一体化方法，其原理如下:
[0019]第一步:通过对待鉴别旋转体目标进行电磁仿真平台(XFDTD电磁仿真软件)或实际电磁测量，获得该目标在一定参数条件下的ESC。
[0020]具体分为两种情况:
[0021](I)基于电磁仿真的目标ESC获取。
[0022]步骤1:运行XFDTD电磁仿真软件，根据待鉴别旋转体目标的物理参数(例如:圆柱体需要设置半径、高度、材质)建立对应的电磁模型；
[0023]步骤2:设置电磁仿真参数，包括入射波形式、带宽、极化方式、入射波俯视角β等，然后进行仿真计算，得到目标在该条件下的ESC数据ω?Μ(β，fj，其中& = f0+i.Δ f (i= 0，...，Ν_1)为测量频带的离散采样频点，N为频点总数，Af为调频间隔。基于旋转体目标的方位散射不变性，因此，在计算时，忽略方位角。在实际情况中，频点数越多，对目标的电磁散射特性描述得越精细，但构造的模型化字典也就越大。
[0024](2)实际电磁测量过程中的目标ESC获取。
[0025]步骤1:根据待鉴别旋转体目标的物理参数制作对应的实际模型；
[0026]步骤2:选择周围干扰较少的场景(如微波暗室)，将目标放置于旋转平台上，将矢量网络分析仪(Vector Network Analyzer, VNA)作为步进频率信号源置于目标相距R处(其中R应远大于目标尺寸，以满足电磁波散射的远场假设成立)，高度为H ；
[0027]步骤3:当VNA顺序扫频时,与之相连接的发射福射出步进频率电磁波,接收天线获得的回波信号包含目标ESC和天线与目标相对距离引入的相位延迟，根据场景参数(R与H)可计算该相位延迟，从而获得目标ESC数据Oto(Ifi)tj
[0028]第二步:对包含待鉴别目标的成像区域进行稀疏成像网格划分，将待鉴别目标的电磁散射特性与稀疏点字典构造相结合，构造包含目标先验信息的特征化字典
[0029]具体实现步骤为:
[0030]步骤①:根据预先设定的成像分辨率(P^与Pa*别为距离向与方位向分辨率)对长Lr米、宽La米的成像区域进行稀疏成像网格划分，得到NrXNa成像空间矩阵，其中Nr=Lr/ P r，Na = La/ P a ;
[0031]步骤②:根据待鉴别目标的XFDTD电磁仿真或微波暗室实测数据确定起始频率fo、频率步进间隔△ f、频点数N以及目标与雷达天线之间的相对距离R ；
[0032]步骤③:设雷达发射信号为St (t)，根据信号与系统理论，目标也可视为一个系统，对应的传输函数即为目标的响应函数Stm (t)，那么距离雷达R处的目标回波Sjt，R)为
[0033]
【权利要求】
1.一种基于压缩感知和目标先验信息的成像鉴别一体化方法，其特征在于包括以下步骤: (51)获取目标的电磁散射特性； (52)对成像区域进行稀疏成像网格划分，并利用步骤(SI)获取的电磁散射特性构造特征化字典； (53)获取成像区域的回波数据，并通过构造测量矩阵计算出观测数据； (54)利用所述步骤(S2)中的特征化字典和CS算法对所述步骤(S3)中的观测数据进行稀疏重构处理，获得稀疏系数；所述稀疏系数中每个元素与成像区域网格存在一一对应关系，当元素为非零值时，判定成像区域网格对应位置存在目标；若为零，则判定成像区域网格对应位置不存在目标。
2.根据权利要求1所述的一种基于压缩感知和目标先验信息的成像鉴别一体化方法，其特征在于:所述步骤(SI)中的目标为旋转体目标。
3.根据权利要求1所述的一种基于压缩感知和目标先验信息的成像鉴别一体化方法，其特征在于:所述步骤(S2)中的特征化字典ΨΜ为:
ΨΜ(β，Θ , f, R) = Ψ (f, R) ωtar(β, e,f), 其中，β入射波俯视角，Θ为雷达扫描的方位角向量表达式，f为频率的向量表达式，R为雷达与目标之间距离的向量表达式，W(f，R)为稀疏点字典，ω-(β，0,f)为目标在俯视角β下的电磁散射特性。
4.根据权利要求1所述的一种基于压缩感知和目标先验信息的成像鉴别一体化方法，其特征在于:所述步骤(S4)中的稀疏系数b求解过程为:
argmin Ilbll1 s.t.y = Φ ΨΜ ( β，θ , f, R) b 其中，Y为观测数据，s.t.表示满足约束条件的数学符号。
5.根据权利要求1所述的一种基于压缩感知和目标先验信息的成像鉴别一体化方法，其特征在于:所述步骤(S4)中的稀疏系数b求解过程为:argmin(| | Φ ΨΜΒ(β，θ , f, R)b-y |2+λ I |b I1),其中，λ为正则化参数，Φ为测量矩阵。
【文档编号】G01S7/41GK103941246SQ201410203245
【公开日】2014年7月23日 申请日期:2014年5月14日 优先权日:2014年5月14日
【发明者】张汉华, 王建, 李杨寰, 宋千, 陆必应, 周智敏, 金添, 王鹏宇, 安道祥, 范崇祎 申请人:中国人民解放军国防科学技术大学