基于bp優(yōu)化的壓縮感知多層isar成像方法
【專利摘要】本發(fā)明公開(kāi)了一種基于BP優(yōu)化的壓縮感知多層ISAR成像方法，它屬于雷達(dá)成像【技術(shù)領(lǐng)域】，主要解決傳統(tǒng)ISAR成像對(duì)噪聲敏感和單層壓縮感知優(yōu)化時(shí)間復(fù)雜度高，稀疏控制參數(shù)難選擇的問(wèn)題。其具體實(shí)現(xiàn)過(guò)程為：原始回波數(shù)據(jù)預(yù)處理；確定方位向分辨率步長(zhǎng)因子σ；初始化編碼矩陣W1，解碼矩陣W2；BP算法進(jìn)行訓(xùn)練優(yōu)化編過(guò)過(guò)程和解碼過(guò)程；用壓縮感知理論重構(gòu)出ISAR圖像；方位向進(jìn)行逆傅立葉變換,把得到的回波輸入下一層，采用相同的原理訓(xùn)練；在最后一層輸出高分辨的ISAR圖像。本發(fā)明具有收斂速度快，可以在低信噪比和回波數(shù)少的條件下實(shí)現(xiàn)高分辨成像，可用于ISAR圖像目標(biāo)的分類和識(shí)別。
【專利說(shuō)明】基于BP優(yōu)化的壓縮感知多層ISAR成像方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于雷達(dá)成像領(lǐng)域，特別是一種涉及ISAR成像的方法，可應(yīng)用于目標(biāo)的分類和識(shí)別。

【背景技術(shù)】
[0002]逆合成孔徑雷達(dá)ISAR成像相對(duì)于其他的遙感技術(shù)，具有全天候，全天時(shí)對(duì)遠(yuǎn)距離運(yùn)動(dòng)目標(biāo)成像的優(yōu)勢(shì)，所以被廣泛應(yīng)用在軍事和民用領(lǐng)域，實(shí)現(xiàn)對(duì)目標(biāo)的分類和識(shí)別。為了提升對(duì)目標(biāo)的分類和識(shí)別能力，需要ISAR圖像具有很高的分辨率，提取目標(biāo)的散射特性和幾何特征。距離向的分辨率依賴于雷達(dá)發(fā)射信號(hào)的帶寬，方位向的分辨率受到目標(biāo)相干積累角的限制。為了提高方位向分辨率，必須增加方位向相干積累時(shí)間，然而在實(shí)際應(yīng)用中，受限于雷達(dá)工作狀態(tài)或目標(biāo)運(yùn)動(dòng)狀態(tài)，方位向相干積累時(shí)間的增加有困難。所以盡可能減少相干積累時(shí)間，而又能實(shí)現(xiàn)方位向的高分辨成像成為研究的熱點(diǎn)。在短的相干時(shí)間內(nèi)，目標(biāo)的運(yùn)動(dòng)可以認(rèn)為相對(duì)簡(jiǎn)單，降低運(yùn)動(dòng)補(bǔ)償難度，并且減少回波的數(shù)據(jù)量，便于存儲(chǔ)和傳輸。
[0003]帶寬外推方法和參數(shù)化的譜估計(jì)技術(shù)是比較常見(jiàn)的超分辨算法，利用這些技術(shù)逼近完整的回波信息，提高方位分辨率。但是這些算法對(duì)噪聲很敏感，且性能受到回波數(shù)量和質(zhì)量的影響，魯棒性不夠好。
[0004]另一種常見(jiàn)的高分辨成像算法是運(yùn)用壓縮感知理論，利用在ISAR成像中，強(qiáng)散射點(diǎn)在成像平面中占據(jù)很少的空間，可以認(rèn)為ISAR信號(hào)是稀疏的，結(jié)合I范數(shù)稀疏約束進(jìn)行搜索，重構(gòu)出ISAR圖像，該算法對(duì)噪聲具有魯棒性，并且能在較少的回波數(shù)據(jù)下保證超分辨的成像質(zhì)量。但是這種算法需要利用牛頓法、共軛梯度等優(yōu)化算法來(lái)優(yōu)化，需要求解Hessian矩陣,增加了算法的時(shí)間復(fù)雜度。當(dāng)回波的信噪比較低時(shí),ISAR圖像不能實(shí)現(xiàn)更好的聚焦，在強(qiáng)散射點(diǎn)附近會(huì)出現(xiàn)虛假點(diǎn)，圖像的質(zhì)量下降。并且稀疏控制參數(shù)在很大程度上影響成像效果，人為設(shè)置參數(shù)降低的算法的魯棒性。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于誤差反向傳播BP優(yōu)化的壓縮感知多層成像方法。
[0006]實(shí)現(xiàn)本發(fā)明目的的具體實(shí)現(xiàn)過(guò)程如下:
[0007](I)根據(jù)采樣得到的回波數(shù)Ntl,目標(biāo)ISAR圖像方位向分辨率N，確定模型的層數(shù)L和步進(jìn)成像的步長(zhǎng)因子σ，每層得到的ISAR圖像的方位向分辨率為{&，N2,, Nj ,N1=σ 1N?且 Nl = N ;
[0008](2)原始回波的預(yù)處理，包絡(luò)對(duì)齊和相位初校正；
[0009](3)對(duì)模型的第I層，輸入為Nw個(gè)回波數(shù)據(jù)S1，輸出為方位向分辨率為N1的ISAR圖像Ii:
[0010]I)初始化編碼矩陣W1，解碼矩陣W2和系統(tǒng)噪聲II1, η2，
[0011]W1 = FE，E為需要進(jìn)行調(diào)節(jié)的相位矩陣，初始化為單位矩陣，F(xiàn)為部分傅立葉矩陣，W2 = W1' II1和n2初始化為O ；
[0012]2)編碼過(guò)程為=I1 = sigmoid(W1SJn1),解碼過(guò)程為:S1=W2I1+N2,優(yōu)化目標(biāo)函數(shù)為：

【權(quán)利要求】
1.一種基于BP優(yōu)化的壓縮感知多層ISAR成像方法，包括如下步驟: 1)原始回波數(shù)據(jù)預(yù)處理:在距離向利用相鄰包絡(luò)相關(guān)法實(shí)現(xiàn)包絡(luò)對(duì)齊，相位初補(bǔ)償采用的是特顯點(diǎn)法； 2)確定步長(zhǎng)因子σ:根據(jù)采樣得到的回波數(shù)Ntl，目標(biāo)ISAR圖像方位向分辨率N，確定模型的層數(shù)L，步長(zhǎng)因子σ，每層得到的ISAR圖像的方位向分辨率N1 ； 3)初始化W1,W2，H1, n2 =W1為編碼矩陣，W1實(shí)現(xiàn)相位的校正，同時(shí)把回波數(shù)據(jù)變換到多普勒域； 4)整個(gè)相位調(diào)節(jié)的過(guò)程分為編碼過(guò)程和解碼過(guò)程，這兩過(guò)程構(gòu)成一個(gè)多層感知器； 5)利用BP算法優(yōu)化目標(biāo)函數(shù)； 6)利用壓縮感知理論恢復(fù)出ISAR圖像I1； 7)判斷是否達(dá)到了預(yù)期的分辨率，如果沒(méi)有達(dá)到，對(duì)ISAR圖像I1方位向進(jìn)行逆傅立葉變換，然后執(zhí)行步驟三；如果達(dá)到預(yù)期的分辨率則直接輸出ISAR圖像I。
2.根據(jù)權(quán)利要求1所述的多層ISAR成像方法，其中N= 256，L = 3，則步進(jìn)成像的步長(zhǎng)因子
，每層得到的ISAR圖像的方位向分辨率為{隊(duì)，N2,..., N1,..., Nl_1； NlI，其中 N1 = σ 1N00
3.根據(jù)權(quán)利要求1所述的多層ISAR成像方法，初始化時(shí)，W1= FE，E為相位矩陣，初始化為單位矩陣，大小為NhXNh，F(xiàn)為部分傅立葉基矩陣，大小為N1XN1+ W2 = W1' H1和n2都初始化為O向量，大小分別為N1X I和Nh X I。
4.根據(jù)權(quán)利要求1所述的多層ISAR成像方法，編碼過(guò)程為I1= sigmoid (W1Sfn1),I1為ISAR圖像，S1為回波數(shù)據(jù)，解碼過(guò)程為免=W2It+n2, S1為重構(gòu)得到的回波數(shù)據(jù)，編碼過(guò)程引入sigmoid(.)函數(shù)，= ，使得ISAR圖像每個(gè)像素點(diǎn)的幅度限制在[0.5，I]之間。
5.根據(jù)權(quán)利要求1所述的多層ISAR成像方法，目標(biāo)函數(shù)為
，其中K表示二范數(shù)，Ii.111表示一范數(shù)，以重構(gòu)誤差元-乂反向傳播，實(shí)現(xiàn)步驟5)的具體過(guò)程如下: 5a)解碼過(guò)程的誤差為q = S1-S1,編碼過(guò)程中，設(shè)A1 = W1Sfn1，則編碼過(guò)程的誤差為e2 = O^e1+! IA1I |)f' (A1), f' (.)為 sigmoid 函數(shù)的導(dǎo)數(shù)； 5b)目標(biāo)函數(shù)f對(duì)W1, W2，H1, n2的偏導(dǎo)數(shù)分別為:

5c) W1, W2, Ii1, n2的梯度分另Il為:
5d)參數(shù)更新過(guò)程為:
W1 = W1- α Δ W1 (9)
Ii1 = Ii1- α Δ Ii1 (10)
W2 = W2- α Δ W2 (11)
η2 = η2- α Δ η2 (12) 5e)直到目標(biāo)函數(shù)的值收斂，分別得到W1, W2, H1, n2。
6.根據(jù)權(quán)利要求1所述的多層ISAR成像方法，把訓(xùn)練得到的W2當(dāng)作一個(gè)字典，成像過(guò)程用壓縮感知理論表示為=S1 = W2Ifn2，利用平滑零范數(shù)SLO算法重構(gòu)出ISAR圖像Ip
7.根據(jù)權(quán)利要求1所述的多層ISAR成像方法，其中，μ= I。
【文檔編號(hào)】G01S13/89GK104181528SQ201410383872
【公開(kāi)日】2014年12月3日 申請(qǐng)日期:2014年8月6日 優(yōu)先權(quán)日:2014年8月6日
【發(fā)明者】侯彪, 焦李成, 李振煒, 張向榮, 馬文萍, 王爽, 李衛(wèi)斌 申請(qǐng)人:西安電子科技大學(xué)