一种微波凝视关联成像随机辐射阵元空间排布的优化方法
【技术领域】
[0001] 本发明涉及辐射源设计技术领域，尤其涉及一种微波凝视关联成像随机辐射阵元 空间排布的优化方法。
【背景技术】
[0002] 微波凝视关联成像是指利用位于静止平台的雷达对固定区域进行成像，其可以实 现对特定区域的连续凝视观测和成像。传统的凝视成像，也即实孔径成像，其角度分辨率受 实际天线阵列孔径的约束，限制了其在实际中的应用。
[0003] 基于时空两维随机辐射场的高分辨微波凝视关联成像体制，其通过构造时空两维 随机变化的辐射场与固定凝视区域内的目标相互作用，通过接收的散射回波与辐射场作信 息处理，来得到观测区域内目标的高分辨雷达像。这种新型的成像体制核心是时空两维随 机辐射场，由于微波频段幅度、相位、频率都可以预设且精确已知，因此时空两维随机辐射 场可以通过成像系统参数和发射信号参数等演算而得。由于时空两维随机辐射场在不同时 刻不同空间位置的场值都不同，接收回波中包含了更多的可用于目标分辨的调制信息，最 后对接收到的散射回波与时空两维随机辐射场进行信息处理，就能获得对凝视区域的全景 反演图像。
[0004] 在微波凝视关联成像系统中，随机辐射源的构造是一项关键技术，其性能的好坏 对成像分辨率有很大的影响。辐射源的构造中辐射阵元空间排布的设计是非常关键的部 分。传统的随机辐射源排布方式主要是采用均匀排布或者随机排布方式，这样的方法带有 很强的盲目性，无法保证辐射源的随机性是最优的。
【发明内容】
[0005] 本发明的目的是提供一种微波凝视关联成像随机辐射阵元空间排布的优化方法， 能够提高辐射场的随机性，实现高分辨率成像。
[0006] 本发明的目的是通过以下技术方案实现的：
[0007] -种微波凝视关联成像随机辐射阵元空间排布的优化方法，该方法包括：
[0008] 获取随机辐射源阵面面积、阵元的口径与最小间距，以及阵元的数量；
[0009] 以阵元分布熵最大化为准则利用遗传算法进行优化，获得以阵元分布熵的最大排 布方式。
[0010] 进一步的，所述辐射源阵面为方形、圆形或不规则形状。
[0011] 进一步的，所述以阵元分布熵最大化为准则利用遗传算法进行优化的步骤包括：
[0012] 根据获取的随机辐射源阵面面积S、阵元的口径d与最小间距L，以及阵元的数量 Na，在辐射源阵面上随机选定坐标原点，建立一直角坐标系；
[0013] 遗传算法参数初始化：给定遗传算法中种群个体数Ng、遗传代数Np、交叉的概率P。 以及变异的概率P m;
[0014] 采用直角坐标系中阵元的二维坐标构成的序列来表征个体，设Aj= (Xj，yj), j = 1，…，Na为第j个阵元的坐标，则个体表示为A」的有序排列= 4為……人，;=1,……，Ng, 其中，一个个体代表一种排布方式；随机生成Ng个个体构成初始种群 Tk={llk)\i=\,……，k为已经遗传的次数，令k = O ;
[0015] 将个体的适应度f (Ii)作为该排布方式下的阵元分布熵H(Ii),并依据阵元排布熵 的定义计算初始种群的适应度；
[0016] 根据初始种群的适应度对种群依次进行交叉与变异；
[0017] 计算变异后的种群中每个个体的适应度，将适应度最大的个体为最优个体，并记 录下最优个体的适应度和排布方式；
[0018] 判断当前是否达到最大遗传代数Np，若是，则比较各代种群中最优个体的适应度， 以适应度最大的个体对应的排布方式作为最终结果。
[0019] 进一步的，个体表不为Aj的有序排列忍=為為......為/ a，z' = l，......，义中，任意两个阵 元的间距大于阵元的最小间距L。
[0020] 进一步的，所述根据初始种群的适应度对种群进行交叉包括：
[0021] 在[0, 1]之间随机生成一个数δ，若δ < P。则进行交叉，其步骤包括：
[0022] 计算种群所有个体的适应度之和/ = |；/认），每个个体的适应度f (Ii)除以r， f-1. 得到归一化的适应度/'(/,.) = /(/,.)z/:; m ~
[0023] 令 g", = Z /(/,.)，/" = 1........ N,,； ?-1
[0024] 在区间[0, 1]之间随机生成一个数ε，若有gr< ε < grt, r = 1,......, Ng-I, 则将L个体作为交叉的父亲个体，记为/(&to) =?……< ;
[0025] 母亲个体在种群？； = {/,(k)|/ = l,……,义}中随机选择，记为 j(mother) _ ^(m) ^
[0026] 确定了父亲及母亲个体之后，再随机选出交叉点q，将父亲个体交叉点 之前的部分与母亲个体交叉点之后的部分拼接成新的个体，所述新个体表示为： r(son) _ j(i) j(f) Am) j(m) ^
[0027] 完成第一个个体的交叉之后，按照同样的方法产生其他的个体，最终产生新的种 群7；+1 = {if+1) I/ = 1,......,NgU
[0028] 进一步的，进行变异处理的步骤包括：
[0029] 在[0, 1]之间随机生成一个数η，若η < Pni则进行变异；
[0030] 对新的种群中个体1/进行变异时，随机选择变异点W，对个体1/中第w个阵元 的坐标AJ武以新的随机数，并保证变异后的个体满足阵元间距大于最小间距L，所有阵元均 在口径范围内的条件。
[0031] 由上述本发明提供的技术方案可以看出，遗传算法的主要特点是群体搜索策略和 群体中个体之间的信息交换，搜索不以梯度信息为基础，它尤其适用于处理传统搜索方法 难于解决的复杂和非线性问题，通过利用遗传算法进行优化，能够提高辐射场的随机性，实 现高分辨率成像。
【附图说明】
[0032] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本 领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 附图。
[0033] 图1为本发明实施例提供的一种微波凝视关联成像随机辐射阵元空间排布的优 化方法的流程图；
[0034] 图2为本发明实施例提供的利用遗传算法进行优化的流程图；
[0035] 图3为本发明实施例提供的利用本发明的方案进行优化后阵元排布下示意图；
[0036] 图4为本发明实施例提供的辐射阵面为边长1.5m的正方形下均匀排布的分布图。
【具体实施方式】
[0037] 下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整 地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本 发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例，都属于本发明的保护范围。
[0038] 实施例
[0039] 图1为本发明实施例提供的一种微波凝视关联成像随机辐射阵元空间排布的优 化方法的流程图。如图1所示，该方法主要包括如下步骤：
[0040] 步骤11、获取随机辐射源阵面面积、阵元的口径与最小间距，以及阵元的数量。
[0041] 本发明实施例中，所述辐射源阵面可以为方形、圆形或不规则形状。
[0042] 步骤12、以阵元分布熵最大化为准则利用遗传算法进行优化，获得以阵元分布熵 的最大排布方式。
[0043] 如图2所示，所述以阵元分布熵最大化为准则利用遗传算法进行优化的步骤主要 包括：
[0044] 1)根据获取的随机辐射源阵面面积S、阵元的口径d与最小间距L，以及阵元的数 量Na，在辐射源阵面上随机选定坐标原点，建立一直角坐标系。
[0045] 2)遗传算法参数初始化：给定遗传算法中种群个体数Ng、遗传代数Np、交叉的概率 P。以及变异的概率Pnl。
[0046] 3)采用直角坐标系中阵元的二维坐标构成的序列来表征个体，设Aj= (Xj，yj)，j =1，...，Na为第j个阵元的坐标，则个体表示SAj的有序排列A =為為……?1,……,Ng (任意两个阵元的间距大于阵元的最小间距L)，其中，一个个体代表一种排布方式；随机生 成Ng个个体构成初始种群7!二{Jf 1 U = 1,……,iVg}，k为已经遗传的次数，令k = 0。
[0047] 4)将个体的适应度f (Ii)作为该排布方式下的阵元分布熵H(Ii)，并依据阵元排布 熵的定义计算初始种群的适应度。
[0048] 5)根据初始种群的适应度对种群依次进行交叉与变异。
[0049] 具体来说：
[0050] 所述根据初始种群的适应度对种群进行交叉包括：
[0051] 在[0, 1]之间随机生成一个数δ，若δ < p。则进行交叉，其步骤包括：
[0052] 计算种群所有个体的适应度之和，= Zz(A)，每个个体的适应度f (Ii)除以产， /-1 得到归一化的适应度/_(/,.)=/认)//% m
[0053] 令見"= Z/H = 1，……,Ng;
[0054] 在区间[0, 1]之间随机生成一个数ε，若有gr< ε < grt, r = 1，......, Ng-I, 则将L个体作为交叉的父亲个体，记为/(&hOT> = 4(f^f……Afgi
[0055] 母亲个体在种群7； = {/严丨/ = 1，......，义}中随机选择，记为 j(mother) _ t
[0056] 确定了父亲及母亲个体之后，再随机选出交叉点q，将父亲个体交叉点 之前的