[發(fā)明專利]一種基于交叉熵最小化的壓縮感知雷達(dá)成像方法

有效

• 申請?zhí)枺?/td>: 201110207349.9
• 申請日: 2011-07-22
• 公開（公告）號: CN102890275A
• 公開（公告）日: 2013-01-23
• 發(fā)明（設(shè)計）人: 江海;張冰塵;洪文;吳一戎
• 申請（專利權(quán)）人: 中國科學(xué)院電子學(xué)研究所
• 主分類號: G01S13/89
• 分類號: G01S13/89;G01S7/41
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 周國城

1.一種基于交叉熵最小化的壓縮感知雷達(dá)成像方法，其特征在于：包括步驟：

(1)根據(jù)雷達(dá)平臺與目標(biāo)場景的幾何關(guān)系模型，建立壓縮感知雷達(dá)的回波與目標(biāo)場景之間的觀測方程，并初始化雷達(dá)系統(tǒng)參數(shù)和迭代參數(shù)；

(2)根據(jù)觀測方程更新迭代參數(shù)和目標(biāo)場景，并計算場景目標(biāo)雷達(dá)散射截面積幅度的直方圖分布；

(3)根據(jù)目標(biāo)場景的目標(biāo)雷達(dá)散射截面積幅度的直方圖分布，計算目標(biāo)雷達(dá)散射截面積幅度中滿足交叉熵最小化的閾值；

(4)利用步驟(3)中計算得到的閾值，采用硬閾值的方法更新目標(biāo)場景，并判斷重建場景是否滿足特定的終止條件，如果滿足條件，則輸出目標(biāo)場景，否則，重復(fù)步驟(2)～(4)直到重建場景滿足條件。

2.根據(jù)權(quán)利要求1所述的基于交叉熵最小化的壓縮感知雷達(dá)成像方法，其特征在于：所述步驟(1)中，根據(jù)雷達(dá)平臺與目標(biāo)場景的幾何關(guān)系模型建立的壓縮感知雷達(dá)的回波與目標(biāo)場景之間的觀測方程為：

y＝ΦΨx+n＝Θx+n

其中，y為獲取的采樣時間序列，Φ為觀測矩陣，Ψ為系統(tǒng)矩陣，x為具有稀疏特性的觀測目標(biāo)場景向量，Θ為測量矩陣，n為噪聲向量；

初始化雷達(dá)系統(tǒng)參數(shù)和迭代參數(shù)：雷達(dá)系統(tǒng)參數(shù)的初始化是根據(jù)雷達(dá)系統(tǒng)設(shè)計時的參數(shù)進(jìn)行初始化，目標(biāo)雷達(dá)散射截面初始化為任意非零向量，迭代步數(shù)初始化為0，其他參數(shù)以初始化為特定值，然后根據(jù)觀測方程建立重建目標(biāo)函數(shù)f(x)為：

f(x)＝||y-Θx||²

并計算目標(biāo)函數(shù)f(x)的梯度的最小萊布尼茲常數(shù)L(f)＝2λ_max(Θ^TΘ)，其中，Θ^T表示Θ的轉(zhuǎn)置，λ_max(Θ^TΘ)表示取矩陣Θ^TΘ的最大特征值。

3.根據(jù)權(quán)利要求1所述的基于交叉熵最小化的壓縮感知雷達(dá)成像方法，其特征在于：所述步驟(2)中，根據(jù)觀測方程更新迭代參數(shù)和目標(biāo)場景，并計算場景目標(biāo)雷達(dá)散射截面積幅度的直方圖分布，分為兩步：

1)根據(jù)第k步迭代的場景目標(biāo)雷達(dá)散射截面向量x^k，采用梯度法更新迭代場景目標(biāo)雷達(dá)散射截面向量u^k為：

uk=xk-1L▿f(xk)]]>

其中，表示目標(biāo)函數(shù)f(x)的梯度在x＝x^k處的值；

2)根據(jù)更新迭代的結(jié)果，計算出場景目標(biāo)雷達(dá)散射截面向量u^k的直方圖分布，具體步驟如下：

A、計算場景目標(biāo)雷達(dá)散射截面向量u^k中模值最大值的元素與模值最小的元素的差值d^k，即：

dk=umaxk-umink]]>

B、將場景目標(biāo)雷達(dá)散射截面向量u_k按模值從小到大分成L個集合，即：

umink~umink+dk/L,···,umink+(L-1)dk/L~umaxk]]>

然后計算出場景目標(biāo)雷達(dá)散射截面向量u^k模值分布的統(tǒng)計直方圖h。