[發明專利]基于增廣拉普拉斯算子的微動群目標高分辨成像方法

有效

• 申請號: 201610120452.2
• 申請日: 2016-03-03
• 公開（公告）號: CN105738894B
• 公開（公告）日: 2018-07-06
• 發明（設計）人: 白雪茹;李永國;周峰;黃萍;王虹現
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/89
• 分類號: G01S13/89
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

本發明公開了一種基于增廣拉普拉斯算子的微動群目標高分辨成像方法，主要解決現有的微動群目標高分成像方法對復雜微動形式不具有普適性，不適合在復雜環境下高分辨成像的問題，其實現步驟包括：(1)獲取初始航跡矩陣；(2)利用增廣拉普拉斯算子法重構初始航跡矩陣；(3)基于分類矩陣對多目標進行分類；(4)基于矩陣奇異值分解實現微動群目標高分辨成像。本發明具有穩定度高，成像誤差小，對自旋、進動和章動普適性好的優點，可用于在初始航跡矩陣存在數據缺失，噪聲干擾和奇異值這些復雜情況下的群微動目標高分辨成像。

技術領域

本發明屬于信號處理技術領域，更進一步涉及微動群目標成像中的基于增廣拉普拉斯算子的微動群目標高分辨成像方法。本發明可以實現對多個彈道目標、空間碎片等微動目標在相互遮擋，噪聲干擾等多種復雜環境下的高分辨成像。

背景技術

當采用高分辨雷達對微動目標成像時，在同一雷達波束寬度內可能包含多個微動目標，通常將這些同一雷達波束中具有相似運動狀態的多個目標定義為群目標。

西安電子科技大學在其申請的專利“基于參數化的勻加速運動剛體群目標成像方法”(申請公布號：CN 102778680 A，申請號：201210198806.7)中提出了一種基于參數化的勻加速運動剛體微動群目標成像方法，該方法的具體步驟是，首先，雷達錄取回波，并做模糊數估計與補償以及二次相位粗補償，其次做子目標中心的判定，圖像的分割，以及相位項聯合估計，最后實現群目標圖像的合成。該方法運動補償精確，圖像聚焦良好，運算量較少，運算效率高。但是，仍然存在的不足之處是，這種群目標成像方法僅適合于勻加速運動的剛體群目標，對自旋、進動、章動等微動形式不具有普適性。

朱江等人在其發表的文獻“基于塊稀疏的空間碎片群目標成像方法”(電子信息學報，Vol.37 No.3 Mar.2015)中提出了一種基于塊稀疏的群目標高分辨ISAR成像方法。該方法的具體步驟是，首先，基于塊稀疏壓縮感知理論，通過利用空間碎片群目標特性，抽取出各個碎片的高分辨一維距離像數據，其次結合平動補償和距離多普勒算法得到各碎片的逆合成孔徑雷達ISAR像。在空間碎片的數據可分離時，該方法能夠有效實現群目標高分辨ISAR成像。但是，仍然存在的不足之處是，由于沒有考慮群目標之間相互遮擋導致的回波數據缺失等復雜成像條件，使得其不能夠在復雜環境下實現微動群目標的高分辨成像。

發明內容

本發明的目的在于克服上述現有技術的不足，提出一種基于增廣拉普拉斯算子的微動群目標高分辨成像方法，以在回波數據缺失，噪聲干擾，奇異值存在這些復雜環境下實現微動群目標的高分辨成像。

本發明的基本思路是：利用增廣拉普拉斯算子法，重構在數據缺失，噪聲干擾，奇異值存在的復雜環境下獲取的初始航跡矩陣，并獲得分類矩陣；基于分類矩陣構造圖拉普拉斯算子，并用k均值方法將圖拉普拉斯算子的特征向量聚類；通過帶約束的矩陣奇異值分解的方法實現微動群目標的高分辨成像。其實現步驟包括如下：

(1)獲取含有數據缺失，噪聲、奇異值的初始航跡矩陣D，并記錄該初始航跡矩陣中缺失數據的位置Ω；

(2)利用增廣拉普拉斯算子法實現初始航跡矩陣D的重構；

(2a)令稀疏參數λ＝0.7，步長ρ＝1.1，精度δ＝10^-6；

(2b)令迭代次數k＝1，令第1次迭代的罰參數μ₁＝0.1，令第1次迭代的拉普拉斯乘法矩陣Λ₁、第1次迭代的奇異值矩陣E₁、第1次迭代的填補矩陣Z₁均為行數和列數與初始航跡矩陣D相同的零矩陣；

(2c)通過增廣拉普拉斯算法循環迭代，獲得第k次迭代的拉普拉斯乘法矩陣Λ_k，第k次迭代的奇異值矩陣E_k，第k次迭代的填補矩陣Z_k，最終得到重構矩陣A和分類矩陣C；