[發明專利]基于伽馬過程線性回歸的逆合成孔徑雷達成像方法

有效

• 申請號: 201810465728.X
• 申請日: 2018-05-16
• 公開（公告）號: CN108646247B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 白雪茹;張毓;李小勇;劉思琦;周峰
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/90
• 分類號: G01S13/90
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于伽馬過程線性回歸的逆合成孔徑雷達成像方法，其特征在于，對每個距離單元的權向量建立伽馬過程-高斯層級模型，對噪聲向量建立伽馬-高斯層級模型，利用最大后驗-期望最大MAP-EM算法，計算每個距離單元的權向量；該方法的具體步驟包括如下：

(1)接收缺損回波：

通過逆合成孔徑雷達向運動目標發射線性調頻信號，并獲取噪聲環境下所發射線性調頻信號的N_r×N_a的缺損回波矩陣，其中，N_r表示缺損回波的距離單元數，N_a表示缺損回波的方位單元數；

(2)生成實轉置回波矩陣：

(2a)利用解線頻調方法，對缺損回波矩陣進行解線頻調，得到解線頻調后的矩陣；

(2b)刪除解線頻調后的矩陣中缺損距離單元的列向量，得到N_r×N_d的有效回波矩陣，其中，N_d表示刪除缺損列向量后的有效方位單元數；

(2c)對有效回波矩陣沿距離向做傅里葉變換，得到距離向脈沖壓縮后的矩陣；

(2d)對距離向脈沖壓縮后的矩陣進行轉置操作，得到復轉置回波矩陣；

(2e)利用公式構造維數為2N_d×N_r的實轉置回波矩陣，其中，Re(·)表示取實部操作，Im(·)表示取虛部操作，S_c表示復轉置回波矩陣；

(3)構造實傅里葉字典：

(3a)以為元素，構造維數為N_a×N_a的復傅里葉字典，其中，e^(·)表示以自然常數為底的指數操作，j表示虛數單位，π表示圓周率，m表示復傅里葉字典行的序號，n表示復傅里葉字典列的序號，行序號m與列序號n的取值范圍均為[-N_a/2,N_a/2-1]；

(3b)刪除復傅里葉字典中缺損回波矩陣的缺損列序號所對應的行，得到維數為N_d×N_a的有效傅里葉字典；

(3c)利用公式構造實傅里葉字典，其中，Φ_e表示有效傅里葉字典；

(4)按照下式，構建每個距離單元的信號模型：

S_f＝Φω_f+ε

其中，S_f表示實轉置回波矩陣的第f個列向量，Φ表示實傅里葉字典，ω_f表示第f個距離單元的權向量，ε表示噪聲向量；

(5)按照下式，對每個距離單元的權向量建立伽馬過程-高斯層級模型：

p(ω_f)＝N(0,Σ)

其中，p(ω_f)表示第f個距離單元的權向量ω_f的概率密度，N(0,Σ)表示均值為0、協方差矩陣為Σ的高斯分布的概率密度，所述協方差矩陣Σ中每個對角線元素的先驗分布如下：

p(η_j)＝Gam(P,1)

其中，p(η_j)表示協方差矩陣Σ中第j個對角線元素η_j的概率密度，Gam(P,1)表示參數為P和1的伽馬分布的概率密度，P表示協方差矩陣Σ中每個對角線元素的超參數；

(6)按照下式，對噪聲向量建立伽馬-高斯層級模型：

p(ε_i)＝N(0,α^-1)

其中，p(ε_i)表示噪聲向量第i個元素ε_i的概率密度，N(0,α^-1)表示均值為0、精度為α的高斯分布的概率密度，所述精度α的先驗分布如下：

p(α)＝Gam(a,b)

其中，p(α)表示精度α的概率密度，Gam(a,b)表示參數為a和b的伽馬分布的概率密度，a表示精度α的形狀參數，b表示精度α的尺度參數；

(7)利用最大后驗-期望最大MAP-EM算法，計算每個距離單元的權向量：

(7a)將當前距離單元序號設置為1；

(7b)將當前迭代次數設置為1；

(7c)利用參數計算公式，計算當前迭代次數的當前距離單元的權向量；

(7d)判斷當前迭代次數是否大于1，若是，則執行步驟(7e)；否則，將當前迭代次數加1后執行步驟(7c)；

(7e)判斷是否小于終止閾值η＝10^-5，若是，則執行步驟(7f)；否則，執行步驟(7c)，其中，表示第k次迭代后第q個距離單元的權向量，q表示當前距離單元的序號，||·||₂表示2范數操作；

(7f)判斷當前距離單元序號是否等于N_r，若是，則執行步驟(8)；否則，將當前距離單元序號加1后執行步驟(7b)；

(8)生成復權值矩陣：

(8a)將每個距離單元的權向量按列拼成權值矩陣；

(8b)生成復權值矩陣，所述復權值矩陣的實部為權值矩陣中的第1,…,N_a行，復權值矩陣的虛部為權值矩陣中的第N_a+1,…,2N_a行；

(9)二維高分辨成像：

對復權值矩陣進行轉置操作，得到二維高分辨逆合成孔徑雷達ISAR成像結果。