本發(fā)明涉及雷達(dá)目標(biāo)RCS數(shù)據(jù)獲取與處理
技術(shù)領(lǐng)域：
，尤其涉及一種基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法。
背景技術(shù)：
：目標(biāo)的雷達(dá)散射截面(RadarCrossSection，RCS)是表征雷達(dá)目標(biāo)對(duì)于照射電磁波散射能力的一個(gè)物理量。早在雷達(dá)系統(tǒng)出現(xiàn)之前，利用麥克斯韋方程組，就已經(jīng)求得了幾種典型形狀的完純導(dǎo)體目標(biāo)的電磁散射精確解。等到20世紀(jì)30年代雷達(dá)系統(tǒng)出現(xiàn)后，雷達(dá)目標(biāo)就成為雷達(dá)收、發(fā)閉合回路中的一個(gè)重要環(huán)節(jié)，而雷達(dá)散射截面便是表征雷達(dá)目標(biāo)特性的一個(gè)最基本、最重要的參數(shù)。60年代初發(fā)展的洲際導(dǎo)彈真、假?gòu)楊^識(shí)別與反識(shí)別技術(shù)，以及80年代飛行器的隱身與反隱身技術(shù)，使得對(duì)雷達(dá)散射截面的研究出現(xiàn)了兩次高潮。在這一時(shí)期，相關(guān)領(lǐng)域的研究人員對(duì)各類雷達(dá)目標(biāo)進(jìn)行了大量的靜態(tài)與動(dòng)態(tài)的測(cè)量研究與理論分析，由上述研究成果建立起的理論體系促使雷達(dá)目標(biāo)成為雷達(dá)領(lǐng)域的一個(gè)獨(dú)立分支，而對(duì)特定目標(biāo)的雷達(dá)散射截面研究則成為該分支中的一個(gè)重要方向。在實(shí)際工程應(yīng)用中，為全面地了解復(fù)雜目標(biāo)的電磁散射特性，通常需要借助寬帶高分辨雷達(dá)，來(lái)對(duì)目標(biāo)物體在各個(gè)觀測(cè)角度上的散射回波頻譜分布進(jìn)行測(cè)量。而上述操作會(huì)使測(cè)量系統(tǒng)長(zhǎng)時(shí)間地工作在對(duì)同一目標(biāo)RCS數(shù)據(jù)的采集過(guò)程中，從而導(dǎo)致整個(gè)系統(tǒng)的工作效率變得很低。此外，由于復(fù)雜目標(biāo)的RCS數(shù)據(jù)在回波域通常不具備可壓縮性，因此，存放上述數(shù)據(jù)勢(shì)必會(huì)占用大量的存儲(chǔ)空間，致使研究人員對(duì)實(shí)驗(yàn)設(shè)施存儲(chǔ)設(shè)備的維護(hù)頻率變得更為頻繁。所以，為了提高雷達(dá)目標(biāo)RCS數(shù)據(jù)測(cè)量系統(tǒng)的工作效率，同時(shí)降低實(shí)驗(yàn)設(shè)施存儲(chǔ)設(shè)備的維護(hù)成本，亟需一種高效的RCS數(shù)據(jù)采集與壓縮方法。技術(shù)實(shí)現(xiàn)要素：(一)要解決的技術(shù)問(wèn)題為了解決現(xiàn)有技術(shù)問(wèn)題，本發(fā)明提供了一種基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法。(二)技術(shù)方案本發(fā)明提供了一種基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法，包括：步驟A：基于觀測(cè)目標(biāo)散射中心分布的稀疏度，完成對(duì)觀測(cè)目標(biāo)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的采集，得到觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣；步驟B：構(gòu)建遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子；步驟C：將所述遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子與用于求解基追蹤去噪模型的稀疏重構(gòu)算法相結(jié)合，將所述觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣轉(zhuǎn)化為觀測(cè)目標(biāo)的散射中心，獲得所述觀測(cè)目標(biāo)散射中心的后向散射系數(shù)；以及步驟D：根據(jù)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)壓縮精度的要求，對(duì)所述觀測(cè)目標(biāo)散射中心進(jìn)行篩選，將篩選出的觀測(cè)目標(biāo)散射中心的后向散射系數(shù)與空間位置進(jìn)行存儲(chǔ)，完成遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的數(shù)據(jù)壓縮。(三)有益效果從上述技術(shù)方案可以看出，本發(fā)明的基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法具有以下有益效果：(1)通過(guò)在方位向與高程向上的隨機(jī)降采樣，降低了RCS數(shù)據(jù)的實(shí)際測(cè)量總量，能夠在保證不過(guò)多損失雷達(dá)目標(biāo)電磁散射特性信息完整度的情況下，縮短雷達(dá)系統(tǒng)對(duì)觀測(cè)目標(biāo)RCS數(shù)據(jù)的測(cè)量時(shí)間，從而提高整個(gè)測(cè)量系統(tǒng)的工作效率；(2)根據(jù)基追蹤去噪模型，利用結(jié)合了遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的稀疏重構(gòu)算法，來(lái)實(shí)現(xiàn)對(duì)回波域RCS數(shù)據(jù)的數(shù)據(jù)壓縮，不僅可以減少數(shù)據(jù)壓縮過(guò)程中雷達(dá)目標(biāo)電磁散射特性信息的損失，還可以進(jìn)一步降低壓縮算法的計(jì)算復(fù)雜度與內(nèi)存損耗，從而使上述數(shù)據(jù)壓縮過(guò)程變得更為精確、快速與高效。附圖說(shuō)明圖1為本發(fā)明實(shí)施例的基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法的流程圖；圖2為遠(yuǎn)場(chǎng)平面波的入射方向相對(duì)于觀測(cè)目標(biāo)所在坐標(biāo)系uvw的相對(duì)位置示意圖；圖3為觀測(cè)目標(biāo)散射中心的恢復(fù)結(jié)果：圖3(a)為改進(jìn)過(guò)的SPGL1算法獲得的結(jié)果，圖3(b)為未改進(jìn)的SPGL1算法獲得的結(jié)果；圖4為由電磁仿真獲得的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)與重構(gòu)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的幅值與相位比較結(jié)果：圖4(a)中重構(gòu)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)用到的觀測(cè)目標(biāo)散射中心是由改進(jìn)過(guò)的SPGL1算法獲得的，圖4(b)中重構(gòu)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)用到的觀測(cè)目標(biāo)散射中心是由未改進(jìn)的SPGL1算法獲得的。具體實(shí)施方式在基于地基平臺(tái)的雷達(dá)散射截面測(cè)量實(shí)驗(yàn)里，觀測(cè)目標(biāo)的散射中心分布通常具有較好的稀疏性，本發(fā)明將雷達(dá)目標(biāo)RCS數(shù)據(jù)的采集與壓縮過(guò)程建模為基追蹤去噪(BasisPursuitDenoising，BPDN)。通過(guò)在方位向與高程向上的隨機(jī)降采樣，來(lái)降低對(duì)RCS數(shù)據(jù)的實(shí)際測(cè)量總量，然后，利用用于求解基追蹤去噪模型的稀疏重構(gòu)算法，把采集獲得的回波數(shù)據(jù)轉(zhuǎn)化為觀測(cè)目標(biāo)的散射中心，以實(shí)現(xiàn)對(duì)RCS數(shù)據(jù)的數(shù)據(jù)壓縮。為減少數(shù)據(jù)壓縮過(guò)程中雷達(dá)目標(biāo)電磁散射特性信息的損失，選用SPGL1算法(基于L1范數(shù)懲罰項(xiàng)的譜投影梯度算法)作為重建觀測(cè)目標(biāo)散射中心的方法。SPGL1是一種精確、有效的稀疏信號(hào)重構(gòu)算法。該算法利用基于牛頓迭代的尋根方法，更新在Lasso模型帕累托曲線上的正則化參數(shù)取值，從而使Lasso問(wèn)題的解逐步地逼近基追蹤去噪問(wèn)題的解。而為了快速、高效地獲得基追蹤去噪問(wèn)題的解，將結(jié)合了遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的譜投影梯度算法應(yīng)用于上述Lasso問(wèn)題序列的求解過(guò)程之中。改進(jìn)過(guò)的SPGL1算法不僅保留了原算法求解精度高、收斂速度快等優(yōu)點(diǎn)，還進(jìn)一步降低了算法本身的計(jì)算復(fù)雜度與內(nèi)存損耗。因此，該算法可以快速、高效地完成對(duì)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的數(shù)據(jù)壓縮工作。為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明做進(jìn)一步地詳細(xì)說(shuō)明。本發(fā)明的實(shí)施例提供了一種基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法，如圖1所示，其具體內(nèi)容包括：步驟A：基于觀測(cè)目標(biāo)散射中心分布的稀疏度，完成對(duì)觀測(cè)目標(biāo)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的采集，得到觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣。步驟A具體包括：子步驟A1：在雷達(dá)目標(biāo)特征信息數(shù)據(jù)庫(kù)中查找與觀測(cè)目標(biāo)相類似的已有目標(biāo)模型，并基于該模型的空間幾何形狀與電特性參數(shù)，利用電磁計(jì)算方法估計(jì)觀測(cè)目標(biāo)散射中心分布的稀疏度；子步驟A2：根據(jù)觀測(cè)目標(biāo)散射中心分布的稀疏度，在滿足稀疏信號(hào)重構(gòu)條件的情況下，確定雷達(dá)系統(tǒng)在方位向與高程向上對(duì)觀測(cè)目標(biāo)RCS數(shù)據(jù)的隨機(jī)降采樣率，然后，依照上述降采樣率，在預(yù)先設(shè)置的滿采樣備選網(wǎng)格點(diǎn)上，挑選出用于實(shí)現(xiàn)隨機(jī)降采樣的空間采樣位置；子步驟A3：在挑選出的空間采樣位置上，對(duì)觀測(cè)目標(biāo)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)進(jìn)行采集，得到觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣。在方位向與高程向上的隨機(jī)降采樣操作降低了RCS數(shù)據(jù)的實(shí)際測(cè)量總量，能夠在保證不過(guò)多損失雷達(dá)目標(biāo)電磁散射特性信息完整度的情況下，縮短雷達(dá)系統(tǒng)對(duì)觀測(cè)目標(biāo)RCS數(shù)據(jù)的測(cè)量時(shí)間，從而提高整個(gè)測(cè)量系統(tǒng)的工作效率。步驟B：將向量支集搜索方法與濾波逆投影原理引入到遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的處理過(guò)程中，推導(dǎo)出用于降低稀疏重構(gòu)算法計(jì)算復(fù)雜度與內(nèi)存損耗的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子。在用于求解基追蹤去噪模型的傳統(tǒng)稀疏重構(gòu)算法中，一般存在包含了觀測(cè)矩陣的矩陣-向量乘法運(yùn)算，由于該運(yùn)算的時(shí)間復(fù)雜度與空間復(fù)雜度均為平方階，因此當(dāng)觀測(cè)矩陣維度較大時(shí)，包含上述運(yùn)算的稀疏重構(gòu)算法會(huì)在基追蹤去噪模型求解過(guò)程中花費(fèi)大量的運(yùn)算時(shí)間，并占用較多的系統(tǒng)內(nèi)存。為了能有效地解決該問(wèn)題，我們用遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子替代包含了觀測(cè)矩陣的矩陣-向量乘法運(yùn)算在上述算法中的功能。步驟B具體包括：子步驟B1：根據(jù)向量支集搜索方法的主要思想，構(gòu)建出遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的回波數(shù)據(jù)生成項(xiàng)，該回波數(shù)據(jù)生成項(xiàng)的表達(dá)式為：其中，表示用于搜索觀測(cè)目標(biāo)后向散射系數(shù)向量中所有非零元素位置的算子，即這里，表示由觀測(cè)目標(biāo)后向散射系數(shù)向量x中所有非零元素的序號(hào)構(gòu)成的集合；表示利用向量x中元素序號(hào)屬于集合的觀測(cè)目標(biāo)的后向散射系數(shù)生成遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的算子，即這里，表示觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量，L表示每個(gè)步進(jìn)頻脈沖信號(hào)的頻點(diǎn)總數(shù)，M表示在方位向與高程向上的空間采樣位置總數(shù)，kl＝4πfl/c表示對(duì)應(yīng)第l個(gè)發(fā)射脈沖載波頻率fl的波數(shù)，fl表示第l個(gè)脈沖的載波頻率，且fl＝f1+(l-1)Δf，f1為第1個(gè)脈沖的載波頻率，其取值由雷達(dá)系統(tǒng)的系統(tǒng)參數(shù)和回波數(shù)據(jù)的應(yīng)用要求決定，Δf為頻率的步進(jìn)長(zhǎng)度，c表示電磁波在自由空間的傳播速度。如圖2所示，遠(yuǎn)場(chǎng)平面波的入射方向相對(duì)于觀測(cè)目標(biāo)所在坐標(biāo)系uvw的俯仰角與方位角分別為θm和且-π/2≤θm≤π/2、Rm，n表示觀測(cè)目標(biāo)的第m個(gè)散射中心位置在遠(yuǎn)場(chǎng)平面波入射方向上的投影距離，其中，當(dāng)雷達(dá)系統(tǒng)對(duì)三維空間坐標(biāo)為(un，vn，wn)的散射中心進(jìn)行距離向、方位向與高程向上的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)測(cè)量時(shí)，投影距離Rm，n的計(jì)算式可以表示成當(dāng)雷達(dá)系統(tǒng)對(duì)二維空間坐標(biāo)為(un，vn)的散射中心進(jìn)行距離向與方位向上的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)測(cè)量時(shí)，投影距離Rm，n的計(jì)算式可以表示成子步驟B2：根據(jù)濾波逆投影的基本原理，推導(dǎo)出遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的散射中心重建項(xiàng)的表達(dá)式為：其中，表示把觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量重新排列成與之對(duì)應(yīng)的數(shù)據(jù)矩陣的算子；IFFTr(·)表示對(duì)矩陣J⊙Y中的每一列元素進(jìn)行逆快速傅里葉變換的算子，為積分坐標(biāo)變換所用Jacobi行列式構(gòu)成的矩陣，其中，當(dāng)雷達(dá)系統(tǒng)對(duì)散射中心進(jìn)行距離向、方位向與高程向上的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)測(cè)量時(shí)，J中元素Jl，m等于當(dāng)雷達(dá)系統(tǒng)對(duì)散射中心進(jìn)行距離向與方位向上的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)測(cè)量時(shí)，J中元素Jl，m等于kl；Cgrid(·)表示將距離向上的時(shí)域投影插值到目標(biāo)區(qū)域空間網(wǎng)格點(diǎn)處的算子；表示對(duì)在不同空間采樣位置上獲得的子圖像進(jìn)行相干累加的算子；表示把觀測(cè)目標(biāo)的后向散射系數(shù)矩陣重新排列成向量的算子；表示時(shí)域插值操作前對(duì)距離向上的時(shí)域投影進(jìn)行相位補(bǔ)償?shù)南蛄?，其元素取值為?(l)＝exp(-jπ(L-1)l/L)；ψ2，m表示時(shí)域插值操作后對(duì)目標(biāo)區(qū)域空間網(wǎng)格點(diǎn)處的后向散射系數(shù)進(jìn)行相位補(bǔ)償?shù)木仃嚕摼仃嚬舶琋個(gè)元素，當(dāng)雷達(dá)系統(tǒng)對(duì)三維空間坐標(biāo)為(un，vn，wn)的散射中心進(jìn)行距離向、方位向與高程向上的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)測(cè)量時(shí)，在相位補(bǔ)償矩陣ψ2，m中元素ψ2，m(un，vn，wn)的計(jì)算式可以表示成當(dāng)雷達(dá)系統(tǒng)對(duì)二維空間坐標(biāo)為(un，vn)的散射中心進(jìn)行距離向與方位向上的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)測(cè)量時(shí)，在相位補(bǔ)償矩陣ψ2，m中元素ψ2，m(un，vn)的計(jì)算式可以表示成這里，fc表示步進(jìn)頻脈沖信號(hào)的中心頻率，即fc＝(f1+fL)/2，N的取值與觀測(cè)目標(biāo)后向散射系數(shù)向量的維度相等；⊙表示哈達(dá)馬乘法運(yùn)算。步驟C：將遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子與用于求解基追蹤去噪模型的稀疏重構(gòu)算法相結(jié)合，利用該算法將觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣轉(zhuǎn)化為觀測(cè)目標(biāo)的散射中心，獲得觀測(cè)目標(biāo)散射中心的后向散射系數(shù)。為便于說(shuō)明上述操作的具體流程，下面將以結(jié)合了遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的SPGL1算法作為示例，解釋如何通過(guò)求解基追蹤去噪模型，來(lái)完成從遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)到觀測(cè)目標(biāo)散射中心的轉(zhuǎn)化工作。步驟C具體包括：子步驟C1：將觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣輸入到改進(jìn)過(guò)的SPGL1算法中，同時(shí)對(duì)所要用到的參數(shù)與臨時(shí)變量進(jìn)行初始化。子步驟C1具體包括：將觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣轉(zhuǎn)換成由其M個(gè)列向量拼接成的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量并將遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量加性噪聲電平σ∈[0，||y||2)、最優(yōu)輸出容限Top∈[0，∞)、充分下降系數(shù)η∈(0，1)、Barzilai-Borwein步長(zhǎng)取值的下界αmin與上界αmax(0＜αmin＜αmax)、第一、二、三層迭代運(yùn)算的最大迭代次數(shù)Niter1、Niter2與Niter3(Niter1≥1、Niter2≥1、Niter3≥1)輸入到改進(jìn)過(guò)的SPGL1算法中。然后，對(duì)所要用到的參數(shù)與臨時(shí)變量進(jìn)行初始化，使第一臨時(shí)變量xp的初始值為x0＝0，第二臨時(shí)變量rp的初始值為r0＝y(tǒng)，正則化參數(shù)τp的初始值為τ0＝0，Barzilai-Borwein步長(zhǎng)αq的初始值為α0＝αmax，第一層迭代運(yùn)算的迭代次數(shù)p的初始值為p＝1，設(shè)置觀測(cè)目標(biāo)后向散射系數(shù)輸出向量為第三臨時(shí)變量為第四臨時(shí)變量為第五臨時(shí)變量為第六臨時(shí)變量為第七臨時(shí)變量為第八臨時(shí)變量為Δx，第九臨時(shí)變量為Δg，梯度下降步長(zhǎng)為α，第二層迭代運(yùn)算的迭代次數(shù)為q，第三層迭代運(yùn)算的迭代次數(shù)為h，并執(zhí)行子步驟C2。子步驟C2：判斷p≤Niter1是否成立，若成立，則執(zhí)行子步驟C3；否則，將xp-1作為最終結(jié)果進(jìn)行輸出，即輸出結(jié)果獲得觀測(cè)目標(biāo)的散射中心，步驟C執(zhí)行完畢。子步驟C3：判斷|||rp-1||2-σ|/||rp-1||2≤Top是否成立，若成立，則將xp-1作為最終結(jié)果進(jìn)行輸出，即輸出結(jié)果獲得觀測(cè)目標(biāo)的散射中心，步驟C執(zhí)行完畢；否則，更新正則化參數(shù)，使τp＝τp-1+(σ-φ(rp-1))/φ′(rp-1)，并執(zhí)行子步驟C4。子步驟C4：判斷τp＜τp-1是否成立，若成立，則使并執(zhí)行子步驟C5；否則，使并執(zhí)行子步驟C5。其中，由遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的回波數(shù)據(jù)生成項(xiàng)(公式(1))計(jì)算得到。子步驟C5：使第二層迭代運(yùn)算的迭代次數(shù)q＝1，并執(zhí)行第二層迭代運(yùn)算過(guò)程。其中，由遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的散射中心重建項(xiàng)(公式(2))計(jì)算得到。子步驟C6：使第一層迭代運(yùn)算的迭代次數(shù)p＝p+1，返回執(zhí)行子步驟C2。所述執(zhí)行第二層迭代運(yùn)算過(guò)程具體包括：子分步驟C5a：判斷q≤Niter2是否成立，若成立，則執(zhí)行子分步驟C5b；否則，執(zhí)行子步驟C6；子分步驟C5b：判斷是否成立，若成立，則執(zhí)行子步驟C6；否則，使α＝αq-1，第三層迭代運(yùn)算的迭代次數(shù)h＝1，并執(zhí)行第三層迭代運(yùn)算過(guò)程。子分步驟C5c：使并執(zhí)行子分步驟C5d。其中，由遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的散射中心重建項(xiàng)(公式(2))計(jì)算得到。子分步驟C5d：判斷ΔxHΔg≤0是否成立，若成立，則使αq＝αmax，第二層迭代運(yùn)算的迭代次數(shù)q＝q+1，并返回執(zhí)行子分步驟C5a；否則，使第二層迭代運(yùn)算的迭代次數(shù)q＝q+1，并返回執(zhí)行子分步驟C5a。所述執(zhí)行第三層迭代運(yùn)算過(guò)程具體包括：子分步驟C5b1：判斷h≤Niter3是否成立，若成立，則并執(zhí)行子分步驟C5b2；否則，執(zhí)行子分步驟C5c。其中，由遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的回波數(shù)據(jù)生成項(xiàng)(公式(1))計(jì)算得到。子分步驟C5b2：判斷是否成立，若成立，則執(zhí)行子分步驟C5c；否則，使α＝α/2，第三層迭代運(yùn)算的迭代次數(shù)h＝h+1，并返回執(zhí)行子分步驟C5b1。其中，子步驟C3中的φ(rp-1)利用如下函數(shù)進(jìn)行計(jì)算：φ(r)＝||r||2(3)φ′(rp-1)利用如下函數(shù)進(jìn)行計(jì)算：子分步驟C5b中的利用如下函數(shù)進(jìn)行計(jì)算：其中，由遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的散射中心重建項(xiàng)(公式(2))計(jì)算得到；為觀測(cè)目標(biāo)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量；||·||2表示取向量的2-范數(shù)；||·||∞表示取向量的無(wú)窮范數(shù)；上標(biāo)H表示取向量的共軛轉(zhuǎn)置。子步驟C4中的和子分步驟C5b1中的由以下投影算子計(jì)算獲得：公式(6)所示的投影算子用于計(jì)算輸入向量在可行集合{z|||z||1≤τ}上的投影，該投影算子的數(shù)據(jù)處理流程如下所述：步驟P-1：將向量和常數(shù)τ＞0輸入到投影算子中，并執(zhí)行步驟P-2；步驟P-2：判斷||β||1≤τ是否成立，若成立，則直接將β作為最終結(jié)果進(jìn)行輸出，即輸出結(jié)果z＝β；否則，執(zhí)行步驟P-3；步驟P-3：初始化迭代次數(shù)和臨時(shí)變量，使i＝1，γ＝0，κ＝0，v＝-τ，并執(zhí)行步驟P-4；步驟P-4：將向量β中的元素模值，按照取值大小進(jìn)行降序排列，得到新的向量即并執(zhí)行步驟P-5；步驟P-5：判斷i≤N是否成立，若成立，則γ＝v/i，并執(zhí)行步驟P-6，其中，表示向量中的第i個(gè)元素；否則，執(zhí)行步驟P-7；步驟P-6：判斷是否成立，若成立，則執(zhí)行步驟P-7；否則，使κ＝γ，i＝i+1，并返回執(zhí)行步驟P-5；步驟P-7：利用閾值門限為κ的復(fù)數(shù)域軟閾值函數(shù)，對(duì)向量β進(jìn)行處理，然后，將處理過(guò)的向量作為最終結(jié)果進(jìn)行輸出，即輸出結(jié)果z＝SoftThreshold(β，κ)，其中，復(fù)數(shù)域軟閾值函數(shù)表示的數(shù)據(jù)處理過(guò)程為上述利用結(jié)合了遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的SPGL1算法，實(shí)現(xiàn)對(duì)回波域RCS數(shù)據(jù)的數(shù)據(jù)壓縮，不僅可以減少數(shù)據(jù)壓縮過(guò)程中雷達(dá)目標(biāo)電磁散射特性信息的損失，還可以進(jìn)一步降低壓縮算法的計(jì)算復(fù)雜度與內(nèi)存損耗，從而使上述數(shù)據(jù)壓縮過(guò)程變得更為精確、快速與高效。需要說(shuō)明的是，以上僅是以SPGL1算法為例進(jìn)行了說(shuō)明，但本發(fā)明不以此為限，除SPGL1算法外，本發(fā)明的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子可以與多種用于求解基追蹤去噪模型的稀疏重構(gòu)算法相結(jié)合，實(shí)現(xiàn)觀測(cè)目標(biāo)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣向觀測(cè)目標(biāo)散射中心的轉(zhuǎn)化。步驟D：根據(jù)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)壓縮精度的要求，對(duì)重建的觀測(cè)目標(biāo)散射中心進(jìn)行篩選，將篩選出的觀測(cè)目標(biāo)散射中心的后向散射系數(shù)與空間位置進(jìn)行存儲(chǔ)，完成對(duì)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的數(shù)據(jù)壓縮。步驟D具體包括：子步驟D1：初始化在篩選過(guò)程中所要用到的參數(shù)，并對(duì)觀測(cè)目標(biāo)散射中心的后向散射系數(shù)進(jìn)行歸一化處理。子步驟D1具體包括：設(shè)置遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)壓縮精度ε的取值(ε∈[0，∞))，確定篩選門限的起始值T1與下降步長(zhǎng)ΔT的取值(T1＜0、ΔT＜0)，設(shè)定對(duì)強(qiáng)散射中心進(jìn)行篩選的總次數(shù)G的取值(G≥1)，對(duì)步驟C獲得的觀測(cè)目標(biāo)散射中心的后向散射系數(shù)，即輸出向量中的元素模值進(jìn)行歸一化處理，得到單位為dB的向量即令篩選次數(shù)g＝1，并執(zhí)行子步驟D2；子步驟D2：搜索向量中取值大于Tg的元素，將取值大于Tg元素的序號(hào)構(gòu)建成集合即然后，生成遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量的估計(jì)值并計(jì)算遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)向量的壓縮誤差執(zhí)行子步驟D3；子步驟D3：判斷εg≤ε是否成立，若成立，則將向量中元素序號(hào)屬于集合的散射中心的后向散射系數(shù)與空間位置存儲(chǔ)起來(lái)，并同時(shí)保存實(shí)測(cè)獲得的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣的最大幅值max(|Y|)，完成對(duì)觀測(cè)目標(biāo)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的數(shù)據(jù)壓縮；否則，使篩選次數(shù)g＝g+1，并執(zhí)行子步驟D4；子步驟D4：判斷g≤G是否成立，若成立，則執(zhí)行子步驟D2；否則，將向量中元素序號(hào)屬于集合的散射中心的后向散射系數(shù)與空間位置存儲(chǔ)起來(lái)，并同時(shí)保存實(shí)測(cè)獲得的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)矩陣的最大幅值max(|Y|)，完成對(duì)觀測(cè)目標(biāo)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的數(shù)據(jù)壓縮。根據(jù)上述具體實(shí)施方式，下面將利用由電磁仿真獲得的圓柱體遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)，對(duì)本實(shí)施例所述方法的有益效果進(jìn)行驗(yàn)證。由電磁仿真獲得的圓柱體遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的主要參數(shù)如表1所示。表1工作方式步進(jìn)掃頻觀測(cè)方式單站觀測(cè)信號(hào)起始頻率4GHz起始方位角-10°信號(hào)終止頻率6GHz終止方位角0°信號(hào)頻率步長(zhǎng)10MHz方位角步長(zhǎng)0.1°在對(duì)由電磁仿真獲得的圓柱體遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)進(jìn)行數(shù)據(jù)壓縮時(shí)，首先，以75％的方位向降采樣率，從滿采樣數(shù)據(jù)中隨機(jī)抽選出用于恢復(fù)觀測(cè)目標(biāo)散射中心的回波數(shù)據(jù)，然后，分別利用改進(jìn)過(guò)的SPGL1算法(N-SPGL1)與未改進(jìn)的SPGL1算法(SPGL1)處理上述回波數(shù)據(jù)，獲得用于數(shù)據(jù)壓縮的觀測(cè)目標(biāo)散射中心，最后，根據(jù)數(shù)據(jù)壓縮條件，即保留后向散射系數(shù)歸一化幅值大于-50dB的觀測(cè)目標(biāo)散射中心，來(lái)對(duì)上述兩種算法獲得的觀測(cè)目標(biāo)散射中心進(jìn)行篩選，從而得到用于最終存儲(chǔ)的散射中心的后向散射系數(shù)與空間位置，完成對(duì)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的壓縮工作。如圖3所示，改進(jìn)過(guò)的SPGL1算法與未改進(jìn)的SPGL1算法均能較好地恢復(fù)觀測(cè)目標(biāo)的散射中心，并且由上述散射中心重構(gòu)的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)與由電磁仿真獲得的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)非常接近(圖4)。可是，根據(jù)表2給出的上述算法對(duì)由電磁仿真獲得的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的處理性能，可以看出：在RCS數(shù)據(jù)壓縮率與壓縮精度相近時(shí)，改進(jìn)過(guò)的SPGL1算法所需的運(yùn)行時(shí)間與系統(tǒng)內(nèi)存均要遠(yuǎn)低于未改進(jìn)的SPGL1算法。因此，結(jié)合了遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的SPGL1算法具有更為精確、快速與高效的對(duì)遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)的壓縮性能。表2N-SPGL1SPGL1算法程序運(yùn)行時(shí)間2.96min39.55min處理系統(tǒng)內(nèi)存損耗4101MB5611MBRCS數(shù)據(jù)重構(gòu)誤差0.0290.037RCS數(shù)據(jù)壓縮率166.40176.53至此，已經(jīng)結(jié)合附圖對(duì)本發(fā)明實(shí)施例進(jìn)行了詳細(xì)描述。依據(jù)以上描述，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)對(duì)本發(fā)明的基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法有了清楚的認(rèn)識(shí)。本發(fā)明的基于基追蹤去噪的遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)采集與壓縮方法，通過(guò)在方位向與高程向上的隨機(jī)降采樣，降低了RCS數(shù)據(jù)的實(shí)際測(cè)量總量，能夠在保證不過(guò)多損失雷達(dá)目標(biāo)電磁散射特性信息完整度的情況下，縮短雷達(dá)系統(tǒng)對(duì)觀測(cè)目標(biāo)RCS數(shù)據(jù)的測(cè)量時(shí)間，從而提高整個(gè)測(cè)量系統(tǒng)的工作效率；根據(jù)基追蹤去噪模型，利用結(jié)合了遠(yuǎn)場(chǎng)寬帶RCS數(shù)據(jù)處理算子的稀疏重構(gòu)算法，來(lái)實(shí)現(xiàn)對(duì)回波域RCS數(shù)據(jù)的數(shù)據(jù)壓縮，不僅可以減少數(shù)據(jù)壓縮過(guò)程中雷達(dá)目標(biāo)電磁散射特性信息的損失，還可以進(jìn)一步降低壓縮算法的計(jì)算復(fù)雜度與內(nèi)存損耗，從而使上述數(shù)據(jù)壓縮過(guò)程變得更為精確、快速與高效。需要說(shuō)明的是，在附圖或說(shuō)明書正文中，未繪示或描述的實(shí)現(xiàn)方式，均為所屬
技術(shù)領(lǐng)域：
中普通技術(shù)人員所知的形式，并未進(jìn)行詳細(xì)說(shuō)明。此外，上述對(duì)各元件的定義并不僅限于實(shí)施例中提到的各種方式，本領(lǐng)域普通技術(shù)人員可對(duì)其進(jìn)行簡(jiǎn)單地更改或替換，例如：(1)實(shí)施例中提到的方向用語(yǔ)，例如“上”、“下”、“前”、“后”、“左”、“右”等，僅是參考附圖的方向，并非用來(lái)限制本發(fā)明的保護(hù)范圍；(2)上述實(shí)施例可基于設(shè)計(jì)及可靠度的考慮，彼此混合搭配使用或與其他實(shí)施例混合搭配使用，即不同實(shí)施例中的技術(shù)特征可以自由組合形成更多的實(shí)施例。以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3