[發明專利]穿墻雷達成像中對墻體參數的估計方法

在審

• 申請號: 201910745821.0
• 申請日: 2019-08-13
• 公開（公告）號: CN110456344A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 殷光強;倪明;楊君;潘易希
• 申請（專利權）人: 成都電科慧安科技有限公司
• 主分類號: G01S13/89
• 分類號: G01S13/89;G06K9/62;G06F17/18
• 代理公司: 51211 成都天嘉專利事務所(普通合伙)
• 代理人: 劉軍<國際申請>=<國際公布>=<進入國

1.穿墻雷達成像中對墻體參數的估計方法，其特征在于：該方法包括采集訓練數據、建立模型和訓練模型三個步驟；首先，獲取墻體參數真實值，然后進行采樣并構建數據集，將從接收機中得到的信號進行處理，處理后的信號數據與墻體參數真實值放在一起作為訓練數據構成訓練樣本，建立基于多項式回歸的訓練模型，并利用訓練樣本中的訓練數據對所述模型進行訓練，獲得最優模型，最后利用最優模型即可得到解墻體參數估計值。

2.根據權利要求1所述的一種穿墻雷達成像中對墻體參數的估計方法，其特征在于：該方法是通過以下步驟實現的：

步驟1、采集訓練數據：

步驟1.1、獲取墻體參數真實值；

步驟1.2、在墻體的一側設置目標，墻體的另一側設置天線，天線平行于墻體直線移動，設置天線的采樣位置等間隔。

步驟1.3、利用信號接收機逐個在采樣位置發射并接收信號；

步驟1.4、通過背景相減法得到其中的目標散射信號；

步驟1.5、對目標散射信號進行特征提取，即得到表征信號的特征矢量；

步驟1.6、把特征矢量和墻體參數真實值作為訓練數據放在一起構成訓練樣本；

步驟2、建立模型：

步驟2.1、建立基于多項式回歸的訓練模型，記該模型如式(1)所示：

其中，y_i為墻體參數估計值，(θ₀......θ_n)為待擬定參數，x為特征矢量，q為多項式最高項次數，i為樣本編號，m總樣本數，C代表常數項；

步驟3、訓練模型：

步驟3.1、將訓練樣本按照4:1的比例隨機分為訓練集和交叉驗證集；

步驟3.2、根據步驟2.1中，式(1)現有的最高項次數，通過求解式(2)找出使得代價函數最小的待擬定參數；

其中，θ代表待擬定參數，j代表待擬定參數個數；

步驟3.3、將步驟3.2中求得的待擬定參數帶入式(1)，得到具體的結構模型，并將模型在交叉驗證集上檢驗，計算平均誤差；

步驟3.4、返回步驟3.1，重新劃分數據集，使用新的數據再次訓練，直到所有訓練樣本中的數據都作為交叉驗證集使用過；

步驟3.5、計算五次訓練的平均誤差，若平均誤差滿足要求則結束訓練，若不滿足要求則返回步驟3.2，令最高項次數加1，再重新進行訓練；

步驟3.6、訓練結束后，選取誤差率最低的模型為最優模型；

步驟3.7、利用步驟3.6得到的最優模型求解墻體參數估計值。

3.根據權利要求2所述的一種穿墻雷達成像中對墻體參數的估計方法，其特征在于：所述步驟1.5中，特征矢量包括最大振幅值和最大振幅對應的時間。

4.根據權利要求2所述的一種穿墻雷達成像中對墻體參數的估計方法，其特征在于：所述步驟3.2中，代價函數的定義如下：

其中，(θ₀......θ_n)為待擬定參數，m為總樣本數，h_θ(xⁱ)代表單個樣本的假設函數，y⁽ⁱ⁾代表墻體參數真實值。

5.根據權利要求2所述的一種穿墻雷達成像中對墻體參數的估計方法，其特征在于：所述步驟3.2中，多項式模型最高項次數初始值為2。

6.根據權利要求2所述的一種穿墻雷達成像中對墻體參數的估計方法，其特征在于：所述步驟3.5中，若墻體相對介電常數估計值的平均誤差在0.1之內，且墻體厚度估計值的平均誤差在0.005m之內，則滿足訓練要求可以結束訓練，否則返回步驟3.2，令最高項次數加1，再重新進行訓練。