[發(fā)明專利]基于深度學(xué)習(xí)的穿墻雷達(dá)成像方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811496175.0
• 申請日: 2018-12-07
• 公開（公告）號: CN109270525B
• 公開（公告）日: 2020-06-30
• 發(fā)明（設(shè)計(jì)）人: 錢江;黃少寅;王開民;張自文
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G01S13/88
• 分類號: G01S13/88;G01S7/41
• 代理公司: 重慶航圖知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50247
• 代理人: 胡小龍

1.一種基于深度學(xué)習(xí)的穿墻雷達(dá)圖像增強(qiáng)方法，其特征在于：包括以下步驟：

步驟1.獲取仿真回波數(shù)據(jù)；

步驟2.對回波數(shù)據(jù)進(jìn)行后向投影成像，作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)的輸入圖像；

步驟3.仿真訓(xùn)練生成參考圖片，作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)的參考圖片；

步驟4.應(yīng)用tensorflow工具搭建神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，用輸入圖片和參考圖片對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并生成網(wǎng)絡(luò)模型；

步驟5.將訓(xùn)練好的網(wǎng)絡(luò)模型應(yīng)用于實(shí)測數(shù)據(jù)。

2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的穿墻雷達(dá)圖像增強(qiáng)方法，其特征在于：所述步驟1中的獲取仿真回波數(shù)據(jù)的具體過程如下：

按照預(yù)設(shè)分布設(shè)置雷達(dá)天線位置；

設(shè)置穿墻雷達(dá)的發(fā)射機(jī)和接收機(jī)位置；

所述發(fā)射機(jī)產(chǎn)生的信號如下所示：

s(t)＝a(t)exp(j2πf_ct) (1)

其中，a(t)是發(fā)射信號的波形，t是快時(shí)間，f_c是載波頻率；

所述接收機(jī)獲取的回波信號為：

s_r(t_m，t)＝a(t-t_m)exp[j2πf_c(t-t_m)] (2)

其中，t_m可以寫成如下所示：

其中，

s_r(t_m，t)表示第m個(gè)接受機(jī)收到的回波信號；

t_m表示發(fā)射信號到達(dá)第m個(gè)接收機(jī)的時(shí)間，

c表示發(fā)射信號傳播速度；

(x₀，y₀)為目標(biāo)點(diǎn)的位置；

(x_m，y_m)是第m個(gè)接收機(jī)的位置；

(x_t，y_t)是發(fā)射機(jī)的位置。

3.如權(quán)利要求1所述的基于深度學(xué)習(xí)的穿墻雷達(dá)圖像增強(qiáng)方法，其特征在于：所述步驟2中的BP成像具體過程如下：

按照以下公式壓縮回波信號距離：

s_rc(t_m，t)＝sinc[B(t-t_m)]exp(-j2πf_ct_m) (4)

其中，

s_rc(t_m，t)表示第m個(gè)接收機(jī)接收到的信號經(jīng)過壓縮后的形式，

sinc的定義為：

B是發(fā)射信號的帶寬，

按照以下公式進(jìn)行BP算法處理：

其中，I(x₀，y₀)表示經(jīng)過BP算法后位置為(x₀，y₀)的點(diǎn)的強(qiáng)度。

4.如權(quán)利要求1所述的基于深度學(xué)習(xí)的穿墻雷達(dá)圖像增強(qiáng)方法，其特征在于：所述步驟3中的仿真訓(xùn)練生產(chǎn)參考圖片具體過程如下：

仿真產(chǎn)生回波數(shù)據(jù)時(shí)，設(shè)置較少的接受機(jī)對回波進(jìn)行接收，然后對接受到的回波數(shù)據(jù)進(jìn)行BP成像，生成第一種穿墻雷達(dá)圖像；

這次生成穿墻雷達(dá)圖像的分辨率較低，將會作為神經(jīng)網(wǎng)路的輸入數(shù)據(jù)；

仿真產(chǎn)生回波數(shù)據(jù)時(shí)，設(shè)置較多的接受機(jī)對回波進(jìn)行接收，然后對接受到的回波數(shù)據(jù)進(jìn)行BP成像，生成第二種穿墻雷達(dá)圖像；

這次生成的穿墻雷達(dá)圖像分辨率較高，將會作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)的參考圖片。

5.如權(quán)利要求1所述的基于深度學(xué)習(xí)的穿墻雷達(dá)圖像增強(qiáng)方法，其特征在于：所述步驟4中的訓(xùn)練過程如下：

設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)架構(gòu)

獲取訓(xùn)練樣本，同時(shí)生成測試集；

在訓(xùn)練過程中，采用均方差作為損失函數(shù)，設(shè)置學(xué)習(xí)速率和批大小；

采用Adam方法對所有訓(xùn)練樣本進(jìn)行優(yōu)化；

直到達(dá)到預(yù)設(shè)訓(xùn)練迭代次數(shù)；

完成網(wǎng)絡(luò)模型的訓(xùn)練。