專利名稱：：一種適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的信號(hào)處理方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及微波成像
技術(shù)領(lǐng)域：
，特別是一種適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的信號(hào)處理方法。
背景技術(shù)：
：傳統(tǒng)的高分辨率檢測(cè)雷達(dá)、合成孔徑雷達(dá)和逆合成孔徑雷達(dá)等是通過(guò)發(fā)射天線對(duì)被觀測(cè)區(qū)域發(fā)射電磁脈沖，并利用接收天線接收雷達(dá)的回波?；夭ㄍǔ１晦D(zhuǎn)化成數(shù)字信號(hào)并存儲(chǔ)起來(lái)，計(jì)算機(jī)通過(guò)對(duì)這些數(shù)據(jù)的處理實(shí)現(xiàn)目標(biāo)檢測(cè)和場(chǎng)景成像。在將回波的模擬信號(hào)轉(zhuǎn)化成數(shù)字信號(hào)的時(shí)候必須采用模數(shù)轉(zhuǎn)換器(ADC)。這個(gè)采樣過(guò)程可以發(fā)生在匹配濾波之前或者匹配濾波之后(MerrillI.Skolnik,"RadarHandbook(SecondEdition)”，McGraw-Hill,1990；andN.LevanonandΕ.Mozeson,"RadarSignals，，，2004)。*艮據(jù)雷達(dá)分辨率的公式，分辨率和發(fā)射信號(hào)的帶寬成反比。為了獲得高分辨的雷達(dá)檢測(cè)和成像結(jié)果，必須發(fā)射帶寬很寬的雷達(dá)信號(hào)。而根據(jù)經(jīng)典的奈奎斯特采樣定理，模擬信號(hào)到數(shù)字信號(hào)的采樣率(ADC速率)至少必須為帶寬的兩倍(對(duì)于復(fù)信號(hào)，采樣率至少應(yīng)該等于信號(hào)帶寬)。這對(duì)ADC提出了很高的要求，而且對(duì)數(shù)據(jù)的存儲(chǔ)、處理和傳輸也都帶來(lái)很大的負(fù)擔(dān)。傳統(tǒng)的雷達(dá)檢測(cè)和成像方法是基于匹配濾波實(shí)現(xiàn)的，即通過(guò)求發(fā)射信號(hào)和接收信號(hào)自相關(guān)實(shí)現(xiàn)的。自相關(guān)結(jié)果在有回波的時(shí)刻會(huì)出現(xiàn)理想的沖擊脈沖。當(dāng)ADC速率低于奈奎斯特采樣率時(shí)，采用傳統(tǒng)方法的成像結(jié)果會(huì)出現(xiàn)模糊。為了提高雷達(dá)的截獲概率性能和電子反對(duì)抗能力，二十世紀(jì)60年代美國(guó)和歐洲就對(duì)以微波噪聲源作為其發(fā)射信號(hào)或者調(diào)制形式的隨機(jī)信號(hào)雷達(dá)給予了廣泛的關(guān)注，60年代末期。美國(guó)的Purdue大學(xué)最早研制了一部試驗(yàn)型隨機(jī)信號(hào)雷達(dá)。法國(guó)的Carpenter教授討論了米波波段的相關(guān)法隨機(jī)信號(hào)雷達(dá)。70年代中期美國(guó)Minnesota大學(xué)的Kaveh教授做了交錯(cuò)脈沖隨機(jī)信號(hào)雷達(dá)的研究。同時(shí)，英國(guó)London大學(xué)的Rarest等人做了固態(tài)隨機(jī)信號(hào)雷達(dá)的研究。80年代以來(lái)，電子技術(shù)的發(fā)展給隨機(jī)信號(hào)雷達(dá)的運(yùn)用提供了可能，已有隨機(jī)信號(hào)雷達(dá)運(yùn)用于地質(zhì)探測(cè)和微波成像。南京理工大學(xué)的劉國(guó)歲教授從70年代開(kāi)始研究隨機(jī)信號(hào)雷達(dá)，在相關(guān)法、反相關(guān)法和頻率法實(shí)現(xiàn)探測(cè)方面取得了一定的研究成果(劉國(guó)歲、顧紅和蘇為民，“隨機(jī)信號(hào)雷達(dá)”，國(guó)防工業(yè)出版社，200。高分辨率的隨機(jī)噪聲探測(cè)雷達(dá)和成像雷達(dá)同樣碰到了ADC數(shù)據(jù)率高，數(shù)據(jù)存儲(chǔ)量、處理量和傳輸量大的問(wèn)題，有必要研究隨機(jī)噪聲雷達(dá)數(shù)據(jù)率減低的方法。壓縮感知(Compressedknsing，簡(jiǎn)稱CS)是二i^一世紀(jì)發(fā)展起來(lái)的一種稀疏信號(hào)處理技術(shù)，它從觀測(cè)信號(hào)中獲取盡可能少的觀測(cè)數(shù)據(jù)，同時(shí)盡可能地保留信號(hào)中所含的信息，再通過(guò)優(yōu)化算法對(duì)原始信號(hào)進(jìn)行有效的逼近和恢復(fù)。2006年，Donoho系統(tǒng)闡述了11(Ip表示P階范數(shù)，數(shù)學(xué)計(jì)算的表達(dá)式為II·IIp)優(yōu)化和信號(hào)稀疏性之間的關(guān)聯(lián)，同時(shí)他還首次使用了壓縮感知的概念，針對(duì)待估計(jì)信號(hào)在某個(gè)空間可稀疏表征的特性、采用特定的降維壓縮采樣、利用優(yōu)化方法實(shí)現(xiàn)信號(hào)重建，將信號(hào)的采樣、恢復(fù)及信息提取直接建立在信號(hào)稀疏特性表征的基礎(chǔ)上。同年，Canc^s和Tao指出了I1與Itl優(yōu)化問(wèn)題等價(jià)的充分條件(RestrictedIsometryftOperty)，闡明了I1優(yōu)化以及稀疏信號(hào)重建之間的關(guān)系，為設(shè)計(jì)高效的重建算法提供了理論指導(dǎo)。壓縮感知正是基于下面的一系列文章的[1]D.LDonoho,“Compressedsensing，，，IEEETrans.Inform.Theory,vol.52，no.4，pp.1289-1306，Apr.2006.[2]E.CandesandT.Tao,"Decodingbylinearprogramming,，，IEEETrans.Inform.Theory,vol.51，no.12，pp.4203-4215，Dec.2005.[3]E.Candes,J.Romberg，andT.Tao,“Robustuncertaintyprinciples:Exactsignalreconstructionfromhighlyincompletefrequencyinformation,，，IEEETrans.Inform.Theory,vol.52，no.2，pp.489-509，F(xiàn)eb.2006.[4]E.Candes，J.Romberg，andT.Tao,"Stablesignalrecoveryfromincompleteandinaccuratemeasurements，，，Comm.PureApp1.Math.，vol.59,no.8,pp.1207-1223，2006.[5]E.CandesandT.Tao,“Near-optimalsignalrecoveryfromrandomprojectionsanduniversalencodingstrategies？“IEEETrans.Inform.Theory,vol.52，no.12，pp.5406-5245，Dec.2006.[6]E.CandesandJ.Romberg，"Sparsityandincoherenceincompressivesampling，，，InverseProb.，vol.23，no.3，pp.969-986，June2007.壓縮感知是基于這樣的假設(shè)對(duì)于信號(hào)、圖像和其他的數(shù)據(jù)，往往存在一個(gè)能夠稀疏表示它們的基。也就是說(shuō)對(duì)于長(zhǎng)度為N的信號(hào)χ(η)，存在一個(gè)基Ψ，只要Κ(Κ<Ν)個(gè)非零的基向量就能表示它X=m=^eiIPi=jz9^,(1)i=lI=I1其中，Φ=[約φ2·■·W7J為χ(η)的稀疏基；θ是一個(gè)NXl的列向量，它只有k個(gè)元素非零。這個(gè)稀疏基可以是小波基、離散余弦基和傅里葉基等。對(duì)于具有這樣性質(zhì)的信號(hào)x(n)，根據(jù)壓縮感知理論，可以只需獲取M=0(Klog(Ν/Κ))觀測(cè)量就能很好的恢復(fù)出信號(hào)。也就是說(shuō)，我們只需x(n)的M個(gè)線性映射_νΟ)=Φχ=〈χ，《〉，πι=1，…，M就能很好的恢復(fù)信號(hào)。Φ是一個(gè)MXN的觀測(cè)矩陣。由于Μ<Ν，信號(hào)χ(η)的恢復(fù)是一個(gè)欠定的病態(tài)問(wèn)題，根據(jù)壓縮感知理論，只要觀測(cè)矩陣Φ和稀疏基矩陣Ψ的乘積滿足RIP(R.G.Baraniuk,Μ.Davenport,R.A.Devore,andΜ.B.Wakin.“Asimplifiedproofoftherestrictedisometrypropertyforrandommatrices，”ConstructiveApproximation,2007)，I1優(yōu)化就能很好的給出值最大的K個(gè)稀疏基系數(shù)θ—argminθ^st.y=ΦΦ0因此，恢復(fù)的結(jié)果可以表示為x=W(3)I1優(yōu)化是數(shù)值求解問(wèn)題，其解法主要分兩大類。如凸優(yōu)化和線性規(guī)劃等，該類方法及其軟件實(shí)現(xiàn)都已較成熟并有著廣泛應(yīng)用。另一類是基于貪心算法(GreedyAlgorithm)的方法，它起始于“匹配追蹤(MatchingRirsuit)”方法。(2)-類是基于迭代尋優(yōu)技術(shù)的方法，方法在效率方面普遍高于基于迭代尋優(yōu)技術(shù)的方法。目前，優(yōu)化問(wèn)題的數(shù)值求解方法及其軟件實(shí)現(xiàn)已較成熟，而且計(jì)算效率也在逐步提高。
發(fā)明內(nèi)容本發(fā)明的目的是提出一種適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的信號(hào)處理方法，對(duì)于寬帶和高分辨率的隨機(jī)噪聲雷達(dá)系統(tǒng)，能夠有效的降低ADC的速率，緩解ADC壓力；能有效減少信號(hào)的存儲(chǔ)、處理和傳輸?shù)臄?shù)據(jù)量。為達(dá)到上述目的，本發(fā)明的技術(shù)解決方案是一種適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的信號(hào)處理方法，其包括步驟Si.對(duì)具有稀疏特性的目標(biāo)場(chǎng)景，雷達(dá)系統(tǒng)的發(fā)射信號(hào)是帶限的高斯隨機(jī)白噪聲；S2.接收時(shí)用低速均勻采樣的方法獲得比奈奎斯特采樣定理要求所需的觀測(cè)量更少的觀測(cè)數(shù)據(jù)；S3.建立信號(hào)的回波模型；S4.結(jié)合發(fā)射信號(hào)形式和數(shù)據(jù)獲取方式建立觀測(cè)矩陣；S5.通過(guò)稀疏信號(hào)處理理論的壓縮感知的信號(hào)處理方法，優(yōu)化求解獲得場(chǎng)景目標(biāo)的后向散射系數(shù)；S6.經(jīng)后續(xù)處理，得到高分辨率的目標(biāo)檢測(cè)和雷達(dá)圖像。所述的信號(hào)處理方法，其所述Sl步中的帶限高斯隨機(jī)白噪聲，系統(tǒng)的熱噪聲就是其信號(hào)源，具有信號(hào)實(shí)現(xiàn)簡(jiǎn)單、低截獲概率性能和強(qiáng)電子反對(duì)抗能力；信號(hào)的隨機(jī)性提高了觀測(cè)矩陣的RIP，增加了算法準(zhǔn)確恢復(fù)的概率。所述的信號(hào)處理方法，其所述S2步中的觀測(cè)數(shù)據(jù)，是由被觀測(cè)場(chǎng)景的稀疏性決定的；觀測(cè)數(shù)據(jù)量決定了隨機(jī)噪聲雷達(dá)系統(tǒng)中ADC的信號(hào)采樣率小于奈奎斯特采樣率，大大減小了ADC的壓力，以及后續(xù)的信號(hào)存貯、處理和傳輸?shù)鹊膲毫ΑＫ龅男盘?hào)處理方法，其所述S3步中，回波形式為權(quán)利要求1.一種適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的信號(hào)處理方法，其特征在于，包括步驟51.對(duì)具有稀疏特性的目標(biāo)場(chǎng)景，雷達(dá)系統(tǒng)的發(fā)射信號(hào)是帶限的高斯隨機(jī)白噪聲；52.接收時(shí)用低速均勻采樣的方法獲得比奈奎斯特采樣定理要求所需的觀測(cè)量更少的觀測(cè)數(shù)據(jù)；53.建立信號(hào)的回波模型；54.結(jié)合發(fā)射信號(hào)形式和數(shù)據(jù)獲取方式建立觀測(cè)矩陣；55.通過(guò)稀疏信號(hào)處理理論的壓縮感知的信號(hào)處理方法，優(yōu)化求解獲得場(chǎng)景目標(biāo)的后向散射系數(shù)；56.經(jīng)后續(xù)處理，得到高分辨率的目標(biāo)檢測(cè)和雷達(dá)圖像。2.根據(jù)權(quán)利要求1所述的信號(hào)處理方法，其特征在于，所述Sl步中的帶限高斯隨機(jī)白噪聲，系統(tǒng)的熱噪聲就是其信號(hào)源，具有信號(hào)實(shí)現(xiàn)簡(jiǎn)單、低截獲概率性能和強(qiáng)電子反對(duì)抗能力；信號(hào)的隨機(jī)性提高了觀測(cè)矩陣的RIP，增加了算法準(zhǔn)確恢復(fù)的概率。3.根據(jù)權(quán)利要求1所述的信號(hào)處理方法，其特征在于，所述S2步中的觀測(cè)數(shù)據(jù)，是由被觀測(cè)場(chǎng)景的稀疏性決定的；觀測(cè)數(shù)據(jù)量決定了隨機(jī)噪聲雷達(dá)系統(tǒng)中ADC的信號(hào)采樣率小于奈奎斯特采樣率，大大減小了ADC的壓力，以及后續(xù)的信號(hào)存貯、處理和傳輸?shù)鹊膲毫Α?.根據(jù)權(quán)利要求1所述的信號(hào)處理方法，其特征在于，所述S3步中，回波形式為Γ/\272.Rs(t)=Φ一~)ρexpj(W0+6w){t一—)+φ■cIlI式中，t為時(shí)間，C為光速，R為目標(biāo)到天線的距離，a(t)是發(fā)射信號(hào)的幅度，W0是發(fā)射信號(hào)的中心頻率，Sw是均勻分布的隨機(jī)頻率分量，ρ和φ分別為目標(biāo)的幅度和相位。5.根據(jù)權(quán)利要求1所述的信號(hào)處理方法，其特征在于，所述S4步中的觀測(cè)矩陣，是根據(jù)發(fā)射信號(hào)的形式和系統(tǒng)的觀測(cè)幾何構(gòu)成，該矩陣是帶狀矩陣，只有矩陣的對(duì)角線附近的元素不為零，而且矩陣規(guī)模遠(yuǎn)小于根據(jù)滿足奈奎斯特采樣定理構(gòu)建的觀測(cè)矩陣。6.根據(jù)權(quán)利要求1所述的信號(hào)處理方法，其特征在于，所述S5步中的壓縮感知的信號(hào)處理方法，是基于迭代尋優(yōu)技術(shù)中的凸優(yōu)化或線性規(guī)劃方法；或是基于貪心算法的方法。7.根據(jù)權(quán)利要求1所述的信號(hào)處理方法，其特征在于，將觀測(cè)數(shù)據(jù)和基于壓縮感知的隨機(jī)噪聲雷達(dá)的觀測(cè)矩陣分塊分別處理，分塊方法減小了信號(hào)處理器的處理壓力，并提高了處理速度。8.根據(jù)權(quán)利要求7所述的信號(hào)處理方法，其特征在于，所述分塊分別處理，包括步驟51.將觀測(cè)數(shù)據(jù)根據(jù)計(jì)算效率的需求分為Q塊，記第q塊數(shù)據(jù)為Yes(q)，它對(duì)應(yīng)的觀測(cè)場(chǎng)景記為X(q)；52.根據(jù)和第q塊觀測(cè)數(shù)據(jù)向量列位置選取觀測(cè)矩陣中位置相同的部分，對(duì)應(yīng)的分塊觀測(cè)矩陣記為Ocs(q)；53.根據(jù)優(yōu)化算法，恢復(fù)出第q塊場(chǎng)景；S4將Q塊場(chǎng)景的恢復(fù)結(jié)果組合起來(lái)，得到完整區(qū)域的觀測(cè)結(jié)果。9.根據(jù)權(quán)利要求8所述的信號(hào)處理方法，其特征在于，所述步驟Sl中分為Q塊，其Q塊可大小不等。10.根據(jù)權(quán)利要求1、5或7所述的信號(hào)處理方法，其特征在于，所述建立觀測(cè)矩陣，在觀測(cè)矩陣實(shí)際的構(gòu)建中，在發(fā)射隨機(jī)信號(hào)的同時(shí)，通過(guò)線性延時(shí)線提取出采樣率和回波數(shù)據(jù)獲取采樣率一致的發(fā)射信號(hào),作為觀測(cè)矩陣的列向量。全文摘要一種適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的信號(hào)處理方法，涉及微波成像技術(shù)，對(duì)具有稀疏特性的目標(biāo)場(chǎng)景，系統(tǒng)的發(fā)射信號(hào)是帶限的高斯隨機(jī)白噪聲，接收時(shí)用低速均勻采樣的方法獲得比奈奎斯特采樣定理要求所需的觀測(cè)量更少的觀測(cè)數(shù)據(jù)。在結(jié)合發(fā)射信號(hào)形式和數(shù)據(jù)獲取方式建立觀測(cè)矩陣之后，通過(guò)稀疏信號(hào)處理理論的壓縮感知優(yōu)化求解獲得場(chǎng)景目標(biāo)的后向散射系數(shù)，得高分辨率的目標(biāo)檢測(cè)和成像。為了提高計(jì)算效率采用適用于稀疏微波成像的隨機(jī)噪聲雷達(dá)的分塊信號(hào)處理方法，分塊處理時(shí)，結(jié)合數(shù)據(jù)采用的分塊形式建立相應(yīng)的分塊觀測(cè)矩陣。與傳統(tǒng)的雷達(dá)系統(tǒng)相比，本發(fā)明在獲得相同的分辨率時(shí)只需很少的觀測(cè)數(shù)據(jù)；在采用相同的觀測(cè)數(shù)據(jù)量時(shí)可獲得更高的分辨率。文檔編號(hào)G01S13/89GK102207547SQ201010139169公開(kāi)日2011年10月5日申請(qǐng)日期2010年3月31日優(yōu)先權(quán)日2010年3月31日發(fā)明者吳一戎,張冰塵,林月冠,洪文申請(qǐng)人:中國(guó)科學(xué)院電子學(xué)研究所