基于ialm的穿墙雷达成像算法_第1页
基于ialm的穿墙雷达成像算法_第2页
基于ialm的穿墙雷达成像算法_第3页
基于ialm的穿墙雷达成像算法_第4页
基于ialm的穿墙雷达成像算法_第5页
已阅读5页,还剩1页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于ialm的穿墙雷达成像算法

穿过墙的雷达成像是一种利用低频微波的渗透性有效地探测、定位和图像复杂场景和障碍物的目标。它在应急救援、医疗监督、城市安全和反恐斗争等领域发挥着重要作用。穿墙成像中常采用超宽带(UltraWideBand,UWB)信号作为发射信号来提高距离向分辨率和探测精度近年来,国内外学者通过研究与压缩感知(CompressiveSensing,CS)理论结合的雷达成像算法,以此来改善传统算法的不足。美国Rice大学的学者Baraniuk在研究雷达成像时引入CS理论,并在后续的仿真模拟中,利用正交匹配追踪(OrthogonalMatchingPursuit,OMP)算法成功重建成像场景,验证了压缩感知雷达成像的可行性,这也是研究者第一次通过理论证明了压缩感知成像算法优于其他传统成像算法基于CS理论的雷达成像系统可采用低速的A/D转换器进行采样,极大程度地降低了雷达接收端对采样速率的要求,简化了硬件设计,同时基于CS理论的成像算法通过引入稀疏的正则化约束,直接建立成像场景与测量数据之间的线性关系,使得基于CS理论的成像算法往往成像效果更好,但在重构过程中须严格遵循非线性的稀疏约束,对信噪比要求较高,计算过程较复杂,且在TWRI实际应用中,墙体反射回波能量远远大于目标回波能量,导致目标信号常被杂波信号所覆盖,这使得目标的检测变得十分困难。因此,设计一种同时兼顾抑制墙杂波和目标成像的算法显得尤为重要。本文针对传统CS成像技术对噪声敏感、计算过程复杂的问题,提出一种CS框架下的基于非精确增广拉格朗日乘子(InexactAugmentedLagrangeMultiplier,IALM)的穿墙成像算法。将TWRI问题视为正则化最小二乘优化问题,利用成像场景的稀疏性,分析回波信号数据矩阵,引入IALM进行迭代求解,先建立步进频穿墙雷达信号模型,构造目标回波信号稀疏表示字典;再利用随机测量矩阵实现降采样,最后将目标成像和墙杂波抑制视为一个含核范数和l1基于非精确增光拉格朗日乘数的雷达成像1.1a为小样本mn维的传感及信号设x是一个长度为N、稀疏度为K的离散信号,则x可用一组基Ψ其中,α为x在Ψ上的稀疏系数矩阵,Ψ为x的稀疏变换基或字典矩阵。构造一个合适的采样矩阵,将高维信号x投影到低维空间上进行降维采样,则通过降维采样矩阵Φ=[φ其中,y是采样后的M×1维的观测信号,Φ是M×N维的测量矩阵,x是N×1维的离散型原始信号矩阵,M为采样的维度,M≪N。则可推出:其中,A是M×N维传感矩阵或感知矩阵。重构准确性和稳定性决定于A是否满足约束等容特性(RestrictedIsometyProperty,RIP)信号重构可通过对式(3)求逆运算得系数α,再恢复原始信号x。由于Φ的列数远大于行数,使得未知数个数远大于求解方程个数,求解式(3)等同于求l其中,1.2信号信号频率的稀疏特性系统利用合成孔径技术(SAR)的思想,利用单站雷达的运动产生与目标之间的相对位移,把小的实天线孔径合成为一个等效的大虚拟孔径,提高方位向分辨率。如图1所示为穿墙雷达系统探测示意图。依据探测模型,雷达系统采用的是超宽带步进频信号体制,设采样测量点有M个,且每个测量点会发射N个频率步进的雷达脉冲,则第n(n=0,1,2,…,N-1)个发射信号频率为:其中,f天线沿平行于墙面的水平界面上匀速移动,则第m(m=0,1,2,…,M-1)个位置第n个频点的目标回波可表示为:其中,P表示探测区域内散射目总数,σ双程时延可由基于几何光学的穿墙信号模型由ΔBA电磁波在穿墙传播时速度会衰减为:其中,v表示电磁波在墙体内部的传播速度,ε由穿透墙体时的折射点可确定传播路径,进而求解单程反射时延τ:当天线沿水平方向位移时,天线到墙体的距离保持不变,因此,墙体回波与传播时延为一固定值,墙体反射回波与天线的测量位置无关,可认为在空域上基本保持不变其中,σ则雷达在第m个位置第n个工作频点的天线接收信号可表示为:在TWRI的实际应用中,成像区域内目标个数通常为单个或少数的,因此,穿墙雷达目标信号符合稀疏特性。将成像区域近似看作由一个个网格点组成的二维平面设s当某一个网格点与目标位置重叠时,则该网格点对应的散射强度值被定义为目标复散射系数σ其中,Ψ将M个测量位置的所有目标回波信号表示为一个MN×Q的矩阵:同理,处理各个位置的墙杂波信号,系统接收信号组成的字典矩阵表示为:其中,Z通常探测区域中有用的目标仅占据较少的空间位置,目标信号具有稀疏性,故Z1.3测量矩阵的选取本文选择一种简单且易于操作的压缩测量方法,即随机选取天线测量位置,同时随机选取脉冲工作频率进行降采样,则从MN×MN的单位阵中随机选取K行来组成相应的测量矩阵。压缩感知采样示意图如图4所示。降采样后的数据为:其中,Φ是测量矩阵,v(Z)表示将矩阵按列堆叠成列向量的运算。将式(14)、(15)代入式(16)可得:即转化为求一个低秩矩阵和稀疏矩阵的优化问题其中,针对这样一个含核范数和l其中,Z1.4基于ialm的成像重建1.4.1增广拉格朗日乘子法将一个原始数据矩阵D拆分成一个低秩矩阵A和稀疏噪声矩阵E之和,矩阵恢复模型可通过拉格朗日算法重构,可表示为:其中,λ表示正则化参数,rank(A)是矩阵的秩函数,一般取其中,对于这样一个优化模型,一般可用主成分追踪法、加速近似梯度法、增广拉格朗日法可得到增广拉格朗日函数形式:其中,Y表示拉格朗日乘子,通过迭代的方法将式(23)的最小化公式代入下式进行求解:通过多次的交替更新迭代方式可直接求得上式的最优化解,即首先固定E和Y不变,通过运算式(24)最小化条件下的A,再确定A和Y不变,通过函数极小化条件下得到E。通过在每一步的迭代中不断地求矩阵A和E的精确解,最终恢复原始矩阵的方法称为精确增广拉格朗日乘子(ExactAugmentedLagrangeMultiplier,EALM)法。1.4.2基于非精确增广拉格朗日乘子法的求解在实际迭代过程中,不需要求得A和E的精确值,而只需迭代一次就可恢复原始矩阵的局部最优解,该方法称为非精确增广拉格朗日乘子(InexactAugmentedLagrangeMultiplier,IALM)法。本文提出采用非精确增广拉格朗日乘子(IALM)法来求解式(18),先固定矩阵S和Y(Y代表拉格朗日乘子),求一个最小化的Z首先,定义软阈值算子Λ其中,λ为一常数。矩阵奇异值分解(SVD)定义为:奇异值软阈值算子(SVT)定义为:具体迭代步骤为:(1)参数初始化:设Z(2)更新Z(3)更新S:(4)对参数μ令k=k+1,当函数收敛时退出循环。2成像性能对比为验证本文所提成像算法的有效性和准确性,利用图1所建立的穿墙雷达探测模型进行算法的验证。本文所有仿真实验均在Windows10系统下进行,成像部分的仿真均在MATLABR2014a环境下进行。仿真模型设置如下:雷达起始频率f从图5可以看出,在压缩感知框架下利用降采样数据仍能重构目标像,验证了该理论在穿墙雷达成像中具有的利用降维采样数据恢复原始回波信号的独特优势。其中,图5(b)与图5(c)中清晰可见墙体的位置,而图5(d)中墙体回波较弱,不易直接从图中观察到,对比可以看出,利用直接CS成像的效果最差,成像结果中有大量噪声,目标受周围杂波影响较大,目标像分辨率较低,而直接ISTA成像效果最好,但图中目标像的模糊散焦现象较严重。而抑制杂波处理后提高了目标成像质量,其中,分别对比图5(b)与图5(e)、图5(c)与图5(f)可以看出,抑制杂波后目标成像质量更高,说明了很好地消除墙体对目标回波的影响,重构场景中杂波较少,目标像较清晰,图像质量得到了很大的提高,对比图5(d)与图5(g)可看出,目标成像质量基本没有太大的改变,抑制杂波处理的效果不大,说明了抑制杂波对直接ISTA成像提高成像质量影响较小。而图5(h)与图5(i)成像质量较好,场景中目标散射点成像较清晰,目标旁瓣小,杂波较少,成像精度更高,表明本文所提出的算法在成像同时抑制了墙杂波,在未提前抑制墙杂波的情况下仍能满足成像要求,分辨率有了显著提高,能较清晰地重建目标,有更好的聚焦性能和散射点重构效果。但由于墙体的存在,均会使目标位置与实际位置存在一定程度的偏差,造成目标成像位置的偏移。为了定量评价成像重建性能,引入信杂比(TargettoClutterRatio,TCR)和运行时间作为衡量标准。其中,TCR值越大,说明目标重构误差越小,成像质量越好;时间值越小,说明处理速度更快,更符合实际应用中实时性要求。TCR定义为:其中,N反复进行50次实验求得平均值,统计成像重建性能对比结果如表1所示。从表1对比看出,各种算法在抑制杂波后均可提高成像质量,但相应地也增加了运行时间。其中,直接CS成像由于调用CVX工具箱,使得运行速度较慢。直接CS成像在未进行墙杂波抑制处理时的TCR最小,说明了成像质量最差,抑制杂波后的TCR提高了约22dB,但对应处理速度也变慢,平均成像重构时间增加了约2倍,TCR增加了约1倍。直接OMP成像经杂波抑制处理后,平均成像TCR提高了约13dB,重构时间也相应地增加了约20s。而杂波抑制处理对直接ISTA成像几乎没有太大的改善,TCR在处理前后大致相等。直接OMP与直接ISTA成像在运行时间上相差不大,但ISTA类算法在此场景下恢复目标信号的信杂比更高。而本文所提算法的TCR在表1几种处理算法中较高,该算法利用降采样数据重构目标像时,运算速度有所提高,成像质量也有了很好的改善。其中,ALM成像的TCR和IALM成像的TCR相差不大,但处理时间却慢了约4s,说明所提算法在提高成像质量方面的优势,且可以更好地满足实时性的要求。从仿真成像结果和重建性能对比中可看出本文所提算法在对目标成像过程中能够有效地抑制墙杂波

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论