• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 16
    • 下载费用:30 金币  

    重庆时时彩后一必赚技巧: 基于多发多收阵列的太赫兹近场稀疏成像方法.pdf

    关 键 词:
    基于 多发 阵列 赫兹 近场 稀疏 成像 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611180361.4

    申请日:

    2016.12.19

    公开号:

    CN106772370A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01S 13/89申请日:20161219|||公开
    IPC分类号: G01S13/89 主分类号: G01S13/89
    申请人: 上海理工大学
    发明人: 丁丽; 伍斯璇; 丁茜; 叶阳阳; 王喜旺; 朱亦鸣
    地址: 200093 上海市杨浦区军工路516号
    优先权:
    专利代理机构: 上海申汇专利代理有限公司 31001 代理人: 吴宝根
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611180361.4

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明涉及一种基于多发多收阵列的太赫兹近场稀疏成像方法,经过成像场景设置、获取太赫兹回波、回波离散化、通过Akaike信息量准则估计出散射点数目、最后通过稀疏重构算法估计目标点坐标,实现多发多收阵列的太赫兹近场稀疏成像。所提方法保留了目标信息在路径延迟中的非线性,利用观测矩阵列原子序号与目标场景之间的一一映射关系,基于稀疏重构技术的贪婪思想实现目标重构。其中,为了改善经典贪婪算法对目标稀疏度(即散射点个数)的依赖性,所提算法在每次迭代选择原子序列时,利用Akaike信息量准则,基于余量对目标的稀疏度进行自适应估计,从而进一步提高了目标重构算法的普适性和实用性。

    权利要求书

    1.一种基于多发多收阵列的太赫兹近场稀疏成像方法,其特征在于,具体包括如下步
    骤:
    1)成像场景设置:太赫兹多发多收阵列的M个发射机和N个接收机分布在二维平面的同
    一基线上,同时发射机、接收机和目标平面三者都位于同一平面XY,以成像场景中心为直角
    坐标原点O建立坐标系XOY,则第m个发射机和第n个接收机所在位置分别表示为和
    设目标散射点的直角坐标为r=(x,y),散射系数记为σ(r),发射机和接收机天线
    组成的天线阵列基线中心到目标平面中心的距离为R0;
    2)获取太赫兹回波,对回波进行去载波、滤波处理;
    3)回波离散化:将获取的太赫兹回波根据成像场景离散化,构建观测矩阵,构建的观测
    矩阵中保留含有目标信息在延迟路径中的非线性,完整保留路径延迟项中的目标信息;
    4)通过Akaike信息量准则估计出散射点数目;
    5)通过贪婪算法估计目标点坐标,同时在每次迭代选择原子序列时,利用Akaike信息
    量准则,基于余量对目标的稀疏度进行自适应估计,实现多发多收阵列的太赫兹近场稀疏
    成像。
    2.根据权利要求1所述基于多发多收阵列的太赫兹近场稀疏成像方法,其特征在于,所
    述步骤2)具体步骤包括如下:
    第m个发射机发射的信号:
    其中um(t)是第m个发射机发射波形的复包络,其中m=1,...,M,其带宽为Bm,fm为第m个
    发射机的发射载频,发射频率分集信号,此时,任意两个相邻发射载频之间的差值
    足够大,使发射信号在频谱上占有分离不相交的频带,实现频域正交;
    反射回波被第n个接收机接收的回波为:
    <mrow> <msubsup> <mi>s</mi> <mi>n</mi> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munder> <mrow> <mo>&Integral;</mo> <mo>&Integral;</mo> </mrow> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </munder> <mi>&sigma;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>u</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mi>j</mi> <mn>2</mn> <msub> <mi>&pi;f</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </msup> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow>
    其中n=1,...,N,σ(x,y)是目标散射系数,τm,n(x,y)是第m个发射机到位于(x,y)的目
    标散射点再到第n个接收机的路径延迟;
    该回波经去载波处理得到:
    <mrow> <msubsup> <mi>s</mi> <mi>n</mi> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>s</mi> <mi>n</mi> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&CenterDot;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&pi;f</mi> <mi>m</mi> </msub> <mi>t</mi> </mrow> </msup> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munder> <mrow> <mo>&Integral;</mo> <mo>&Integral;</mo> </mrow> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </munder> <mi>&sigma;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>u</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&pi;f</mi> <mi>m</mi> </msub> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msup> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow>
    对回波利用发射信号频率正交性实现通道分离输出的第(n,m)个通道信号为:
    <mrow> <msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&Integral;</mo> <mo>&Integral;</mo> </mrow> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </munder> <mi>&sigma;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>u</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&pi;f</mi> <mi>m</mi> </msub> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msup> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow>
    并通过处理器得到:
    <mrow> <msubsup> <mi>s</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&CircleTimes;</mo> <msubsup> <mi>u</mi> <mi>m</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&Integral;</mo> <mo>&Integral;</mo> </mrow> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </munder> <mi>&sigma;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>u</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&pi;f</mi> <mi>m</mi> </msub> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msup> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> <mo>&CircleTimes;</mo> <msubsup> <mi>u</mi> <mi>m</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow>
    其中表示卷积操作,上标*表示取共轭操作;
    对做傅里叶变换,其频域形式为:
    <mrow> <mi>F</mi> <mo>{</mo> <msubsup> <mi>s</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>}</mo> <mo>=</mo> <munder> <mrow> <mo>&Integral;</mo> <mo>&Integral;</mo> </mrow> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </munder> <mi>&sigma;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>U</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo> </mrow> <msubsup> <mi>U</mi> <mi>m</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&pi;</mi> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>+</mo> <mi>f</mi> <mo>)</mo> </mrow> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msup> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> </mrow>
    其中F{·}表示傅里叶变换;Um(f)=F{um(t)},F{um(t)}是复包络um(t)的频谱,

    设置低通匹配滤波器Hlp,m(f)为:
    则经过频域滤波输出为:
    <mrow> <msubsup> <mi>S</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>F</mi> <mo>{</mo> <msubsup> <mi>s</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>}</mo> <msub> <mi>H</mi> <mrow> <mi>l</mi> <mi>p</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>f</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mo>&Integral;</mo> <mo>&Integral;</mo> </mrow> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </munder> <mi>&sigma;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&pi;</mi> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>+</mo> <mi>f</mi> <mo>)</mo> </mrow> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msup> <mi>d</mi> <mi>x</mi> <mi>d</mi> <mi>y</mi> <mo>.</mo> </mrow>
    3.根据权利要求2所述基于多发多收阵列的太赫兹近场稀疏成像方法,其特征在于,所
    述步骤3)具体步骤包括如下:
    a:将获取的太赫兹回波根据成像场景离散化:
    将目标平面根据分辨率划分网格,对路径延迟项τm,n(x,y)进行展开:
    <mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mrow> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>R</mi> <mrow> <mi>T</mi> <mi>x</mi> <mo>,</mo> <mi>m</mi> </mrow> <mi>l</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>R</mi> <mrow> <mi>R</mi> <mi>x</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>l</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <msub> <mi>x</mi> <mi>l</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> </mrow> <mi>c</mi> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mfrac> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>x</mi> <mi>m</mi> <mi>t</mi> </msubsup> <mo>-</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>y</mi> <mi>m</mi> <mi>t</mi> </msubsup> <mo>-</mo> <msub> <mi>y</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mi>c</mi> </mfrac> <mo>+</mo> <mfrac> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>x</mi> <mi>n</mi> <mi>r</mi> </msubsup> <mo>-</mo> <msub> <mi>x</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>y</mi> <mi>n</mi> <mi>r</mi> </msubsup> <mo>-</mo> <msub> <mi>y</mi> <mi>l</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mi>c</mi> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
    其中(xl,yl)表示第l个强散射点的直角坐标,假设目标成像区间内共有L个待测的散射
    点,第m个发射天线到第l个散射点的距离为第n个接收天线到第l个散射的的距离为
    c为光速;
    将获取的太赫兹回波根据目标平面划分的网格离散化处理得到:
    <mrow> <msubsup> <mi>S</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>&sigma;</mi> <mi>l</mi> </msub> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&pi;</mi> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>+</mo> <msub> <mi>f</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>&tau;</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msup> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>&sigma;</mi> <mi>l</mi> </msub> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&pi;</mi> <mfrac> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>+</mo> <msub> <mi>f</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mi>c</mi> </mfrac> <msub> <mi>R</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </msup> </mrow>
    其中表示第(n,m)个通道在第k个频率采样点fk处的回波,
    表示第l个强散射点与第m个发射机和第n个接收机的距离,σl表示第l个强散射点的散射系
    数;
    b:构建观测矩阵:
    收集第(n,m)个通道的K个采样点构成向量为:
    <mrow> <msubsup> <mi>S</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mo>=</mo> <msup> <mrow> <mo>&lsqb;</mo> <msubsup> <mi>S</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>...</mo> <msubsup> <mi>S</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> <mi>r</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>K</mi> </msub> <mo>)</mo> </mrow> <mo>&rsqb;</mo> </mrow> <mi>T</mi> </msup> <mover> <mo>=</mo> <mi>&Delta;</mi> </mover> <msub> <mi>A</mi> <mrow> <mi>m</mi> <mo>,</mo> <mi>n</mi> </mrow> </msub> <mi>&sigma;</mi> </mrow>
    其中上标T为转置操作,

    则收集MN个通道的回波可组成矩阵:
    <mrow> <msup> <mi>S</mi> <mi>r</mi> </msup> <mo>=</mo> <msup> <mrow> <mo>&lsqb;</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>S</mi> <mrow> <mn>1</mn> <mo>,</mo> <mn>1</mn> </mrow> <mi>r</mi> </msubsup> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>S</mi> <mrow> <mi>M</mi> <mo>,</mo> <mi>N</mi> </mrow> <mi>r</mi> </msubsup> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mo>&rsqb;</mo> </mrow> <mi>T</mi> </msup> <mover> <mo>=</mo> <mi>&Delta;</mi> </mover> <mi>A</mi> <mi>&sigma;</mi> </mrow>
    其中为MNK×L维的观测矩阵,σ为目标场景对应的L×1维向量,实际
    目标强散射点的个数为L0,满足L0<<L。
    4.根据权利要求3所述基于多发多收阵列的太赫兹近场稀疏成像方法,其特征在于,所
    述步骤4)具体步骤包括如下:
    得到接收回波的协方差矩阵R=Sr×(Sr)H,
    其中,上标H表示共轭转置;
    Akaike信息量准则估计算法:
    <mrow> <mi>A</mi> <mi>I</mi> <mi>C</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>L</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>2</mn> <mi>K</mi> <mrow> <mo>(</mo> <mi>M</mi> <mi>N</mi> <mi>K</mi> <mo>-</mo> <msub> <mover> <mi>L</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mi>ln</mi> <mi>&Lambda;</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>L</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mn>2</mn> <msub> <mover> <mi>L</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mi>M</mi> <mi>N</mi> <mi>K</mi> <mo>-</mo> <msub> <mover> <mi>L</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>)</mo> </mrow> </mrow>
    为似然函数
    其中,λi为R的特征值,得到的散射点数目为0,1,...,MNK-1之间使Akaike信息量准则取
    最小值的估计值
    5.根据权利要求4所述基于多发多收阵列的太赫兹近场稀疏成像方法,其特征在于,所
    述步骤5)选择贪婪算法,并每次迭代时基于余量对目标的稀疏度进行自适应估计,以观测
    矩阵A和接收回波Sr作为输入,目标向量的估计值作为输出,目标点坐标进行估计。

    说明书

    基于多发多收阵列的太赫兹近场稀疏成像方法

    技术领域

    本发明涉及一种成像技术,特别涉及一种基于多发多收阵列的太赫兹近场稀疏成
    像方法。

    背景技术

    太赫兹电磁波具有能量低、相干测量等特性,这些特性使得太赫兹成像在很多领
    域具有应用价值;并且太赫兹波有很强的穿透能力,而且具有方向性,因此在一些环境下太
    赫兹成像具有很多优势。

    众所周知,在基于合成孔径的微波成像理论中,距离分辨率和奈奎斯特采样率这
    两个量共同决定了成像系统的复杂度。距离向分辨率上限由发射信号的带宽决定,而根据
    奈奎斯特采样定律,这要求系统的采样频率至少要两倍的信号带宽。这代表着提高成像的
    距离分辨率,信号带宽和系统采样频率都必须相应提高,随之带来的是增加的系统设计复
    杂度和海量的待处理数据。同时,受到当下实际模拟/数字电子器件工艺发展水平的限制,
    增加信号带宽和系统采样频率都使得成像系统的设计与实现变得困难重重。因此,根据目
    标在高频电磁区域中可以由少数有限个强散射点表达这一目标具有稀疏先验的事实,引入
    稀疏信号处理的稀疏成像技术为突破传统微波成像理论的限制和简化系统复杂度带来了
    希望。

    同时由于近场时,目标信息存在于路径延迟的非线性项中,传统基于傅里叶变换
    的重构方法都需要对路径延迟项进行目标空间位置的线性表达近似,如经典的单站系统中
    球面波的平面波叠加近似或驻定相位法分解等。尽管如此,这些方法对多站系统很不适用,
    继续沿用类似方法对多站的路径延迟进行线性近似,引入的近似误差大,造成重构性能的
    下降。此外,对于多站系统,若对路径延迟采用一阶泰勒级数展开后再基于傅里叶变换进行
    目标散射点重构则由于忽略了延迟高阶项的影响,目标被限定在很小的范围内,也不是近
    场时多站系统路径延迟处理方法的优化选择。所以基于稀疏重构技术的贪婪思想,保留目
    标信息在路径延迟中的非线性,成为了太赫兹多发多收阵列近场成像的合理选择。

    发明内容

    本发明是针对传统基于傅里叶变换的目标重构算法在太赫兹近场多站成像中存
    在近似误差增加和目标重构范围缩小的问题,提出了一种基于多发多收阵列的太赫兹近场
    稀疏成像方法,利用一种稀疏度自适应估计的稀疏重构算法解决传统基于傅里叶变换的目
    标重构算法在太赫兹近场多站成像中存在近似误差增加和目标重构范围缩小的问题,以及
    低样本率下的太赫兹成像低分辨率的问题,实现线性紧凑型太赫兹多发多收阵列近场稀疏
    成像。

    本发明的技术方案为:一种基于多发多收阵列的太赫兹近场稀疏成像方法,具体
    包括如下步骤:

    1)成像场景设置:太赫兹多发多收阵列的M个发射机和N个接收机分布在二维平面
    的同一基线上,同时发射机、接收机和目标平面三者都位于同一平面XY,以成像场景中心为
    直角坐标原点O建立坐标系XOY,则第m个发射机和第n个接收机所在位置分别表示为
    和设目标散射点的直角坐标为r=(x,y),散射系数记为σ(r),发射机和接
    收机天线组成的天线阵列基线中心到目标平面中心的距离为R0;

    2)获取太赫兹回波,对回波进行去载波、滤波处理;

    3)回波离散化:将获取的太赫兹回波根据成像场景离散化,构建观测矩阵,构建的
    观测矩阵中保留含有目标信息在延迟路径中的非线性,完整保留路径延迟项中的目标信
    息;

    4)通过Akaike信息量准则估计出散射点数目;

    5)通过贪婪算法估计目标点坐标,同时在每次迭代选择原子序列时,利用Akaike
    信息量准则,基于余量对目标的稀疏度进行自适应估计,实现多发多收阵列的太赫兹近场
    稀疏成像。

    所述步骤2)具体步骤包括如下:

    第m个发射机发射的信号:

    其中um(t)是第m个发射机发射波形的复包络,其中m=1,...,M,其带宽为Bm,fm为
    第m个发射机的发射载频,发射频率分集信号,此时,任意两个相邻发射载频之间
    的差值足够大,使发射信号在频谱上占有分离不相交的频带,实现频域正交;

    反射回波被第n个接收机接收的回波为:


    其中n=1,...,N,σ(x,y)是目标散射系数,τm,n(x,y)是第m个发射机到位于(x,y)
    的目标散射点再到第n个接收机的路径延迟;

    该回波经去载波处理得到:



    对回波利用发射信号频率正交性实现通道分离输出的第(n,m)个通道信号
    为:


    并通过处理器得到:



    其中表示卷积操作,上标*表示取共轭操作;

    对做傅里叶变换,其频域形式为:


    其中F{·}表示傅里叶变换;Um(f)=F{um(t)},F{um(t)}是复包络um(t)的频谱,

    设置低通匹配滤波器Hlp,m(f)为:

    则经过频域滤波输出为:



    所述步骤3)具体步骤包括如下:

    a:将获取的太赫兹回波根据成像场景离散化:

    将目标平面根据分辨率划分网格,对路径延迟项τm,n(x,y)进行展开:



    其中(xl,yl)表示第l个强散射点的直角坐标,假设目标成像区间内共有L个待测的
    散射点,第m个发射天线到第l个散射点的距离为第n个接收天线到第l个散射的的距
    离为c为光速;

    将获取的太赫兹回波根据目标平面划分的网格离散化处理得到:


    其中表示第(n,m)个通道在第k个频率采样点fk处的回波,
    表示第l个强散射点与第m个发射机和第n个接收机的距离,σl表示第l
    个强散射点的散射系数;

    b:构建观测矩阵:

    收集第(n,m)个通道的K个采样点构成向量为:


    其中上标T为转置操作,


    则收集MN个通道的回波可组成矩阵:


    其中为MNK×L维的观测矩阵,σ为目标场景对应的L×1维向
    量,实际目标强散射点的个数为L0,满足L0<<L。

    所述步骤4)具体步骤包括如下:

    得到接收回波的协方差矩阵R=Sr×(Sr)H,

    其中,上标H表示共轭转置;

    Akaike信息量准则估计算法:


    为似然函数

    其中,λi为R的特征值,得到的散射点数目为0,1,...,MNK-1之间使Akaike信息量
    准则取最小值的估计值

    所述步骤5)选择贪婪算法,并每次迭代时基于余量对目标的稀疏度进行自适应估
    计,以观测矩阵A和接收回波Sr作为输入,目标向量的估计值作为输出,目标点坐标进行估
    计。

    本发明的有益效果在于:本发明基于多发多收阵列的太赫兹近场稀疏成像方法,
    所提算法保留了目标信息在路径延迟中的非线性,利用观测矩阵列原子序号与目标场景之
    间的一一映射关系,基于稀疏重构技术的贪婪思想实现目标重构。其中,为了改善经典贪婪
    算法对目标稀疏度(即散射点个数)的依赖性,所提算法在每次迭代选择原子序列时,利用
    Akaike信息量准则,基于余量对目标的稀疏度进行自适应估计,从而进一步提高了目标重
    构算法的普适性和实用性。

    附图说明

    图1为本发明基于多发多收阵列的太赫兹近场稀疏成像方法流程图;

    图2为采用基于稀疏重构算法的多发多收阵列太赫兹近场成像方法的二维成像模
    型图;

    图3为本发明基于多发多收阵列的太赫兹近场稀疏成像结果图;

    图4为采用一阶泰勒级数展开后再基于傅里叶变换算法的多发多收阵列太赫兹近
    场成像结果图。

    具体实施方式

    如图1所示本发明基于多发多收阵列的太赫兹近场稀疏成像方法流程图,具体实
    施方案如下:

    步骤A:成像场景设置;

    采用线性紧凑型太赫兹多发多收阵列。图2所示为二维成像模型图,线性紧凑型太
    赫兹多发多收阵列的M个发射机和N个接收机分布在二维平面的同一基线上,同时发射机、
    接收机和目标平面三者都位于同一平面XY。以成像场景中心为直角坐标原点o建立坐标系
    XOY,则第m个发射机和第n个接收机所在位置分别表示为和设目标散射点
    的直角坐标为r=(x,y),散射系数记为σ(r),天线阵列(发射机和接收机天线组成的阵列)
    基线中心到目标平面中心的距离为R0。

    步骤B:获取太赫兹回波;

    第m个发射机发射的信号:

    其中um(t)是第m个发射机发射波形的复包络,其中m=1,...,M,其带宽为Bm,fm为
    第m个发射机的发射载频,发射频率分集信号,此时,任意两个相邻发射载频之间
    的差值足够大,使发射信号在频谱上占有分离不相交的频带,实现频域正交。

    反射回波被第n个接收机接收的回波为:


    其中n=1,...,N,σ(x,y)是目标散射系数,τm,n(x,y)是第m个发射机到位于(x,y)
    的目标散射点再到第n个接收机的路径延迟。

    该回波经去载波处理得到:



    对回波利用发射信号频率正交性实现通道分离输出的第(n,m)个通道信号
    为:


    并通过相关处理器得到:



    其中表示卷积操作,上标*表示取共轭操作。

    对做傅里叶变换,其频域形式为:


    其中F{·}表示傅里叶变换;Um(f)=F{um(t)},F{um(t)}是复包络um(t)的频谱,

    设置低通匹配滤波器Hlp,m(f)为:

    则经过频域滤波输出为:



    步骤C:回波离散化;

    子步骤C1:将获取的太赫兹回波根据成像场景离散化:

    将目标平面根据分辨率划分网格,对路径延迟项τm,n(x,y)进行展开:



    其中(xl,yl)表示第l个强散射点(假设目标成像区间内共有L个待测的散射点)的
    直角坐标,第m个发射天线到第l个散射点的距离为第n个接收天线到第l个散射的距
    离为c为光速。

    将获取的太赫兹回波根据目标平面划分的网格离散化处理得到:


    其中表示第(n,m)个通道在第k个频率采样点fk处的回波,
    表示第l个强散射点与第m个发射机和第n个接收机的距离,σl表示第l
    个强散射点的散射系数。

    子步骤C2:构建观测矩阵:

    收集第(n,m)个通道的K个采样点构成向量为:


    其中上标T为转置操作,

    则收集MN个通道的回波可组成矩阵:


    其中为MNK×L维的观测矩阵,σ为目标场景对应的L×1维向量,
    实际目标强散射点的个数为L0,满足L0<<L。

    在构建观测矩阵时保留了含有目标信息的延迟路径非线性项,未做任何近似及分
    解,能更完整保留相位非线性项中的目标信息。

    步骤D:通过Akaike信息量准则估计出散射点数目;

    子步骤D1:得到接收回波的协方差矩阵R

    R=Sr×(Sr)H

    其中,上标H表示共轭转置。

    子步骤D2:Akaike信息量准则(Akaike information criterion、简称AIC)估计算
    法:


    为似然函数

    其中,λi为R的特征值,得到的散射点数目为0,1,...,MNK-1之间使Akaike信息量
    准则取最小值的估计值

    步骤E:通过稀疏重构算法估计出目标点坐标,实现太赫兹近场成像;

    现有的稀疏重构算法主要可以分为三类:凸优化方法,贪婪算法和组合算法。这些
    稀疏重构算法都可以应用于本发明中,以实现多发多收阵列的太赫兹近场稀疏成像。在本
    发明中借鉴贪婪算法的基本思想,在每次迭代中利用通过Akaike信息量准则估计余量的稀
    疏度(即散射点个数),再根据此稀疏度更新搜索步长,提出一种稀疏度自适应估计的稀疏
    重构算法,以实现较好的稀疏成像效果。

    以下算法中,p指代外循环迭代次数,z指代内循环迭代次数;为目标向量的估计
    值;Sr为接收回波;A为观测矩阵;Jp为第p次外循环迭代更新的支撑集,是第p次迭代时对目
    标场景估计出的散射点坐标序号的集合;rp为第p次迭代后的余量;Cp为第p次迭代的支撑集
    候选集;Gp为第p次迭代的索引集;wp为第p次迭代的搜索步长;rp,z和Jp,z分别为第p次外循环
    下第z次内循环得到的候补余量和候补支撑集,当满足一定条件时赋值给余量rp和支撑集
    Jp;为第p次迭代时候补余量rp,z中散射点数目估计值;Ip,z为第p次外循环下第z次内循环
    的搜索步长;表示向上取整;|·|表示取绝对值;||a||2表示a的2-范数;表示广义逆
    矩阵;AC表示取矩阵A中下标为集合C中元素确定的列向量组成的子矩阵;∪表示取并集;
    表示空集。

    具体流程为:

    输入:观测矩阵A,接收回波Sr

    输出:目标向量的估计值

    子步骤E1:根据步骤D中估计出的散射点数目得到步长的初始值,令外循环初始搜
    索步长

    子步骤E2:初始化向量余量r0=Sr,支撑集索引集候补支
    撑集令外循环迭代次数p=1,内循环迭代次数z=1。

    子步骤E3:更新第p次外循环下第z次内循环的搜索步长为Ip,z=wp-1;计算|Arp-1|,
    将结果中模值最大的Ip,z个元素值所对应的下标存入索引集Gp。

    子步骤E4:令支撑集候选集Cp=Jp-1∪Gp;计算将结果中模值最大的Ip,z个元
    素值所对应的下标存入候补支撑集Jp,z;计算候补余量

    子步骤E5:利用Akaike信息量准则估计出余量rp,z中的散射点数目,估计值为
    步长更新

    子步骤E6:如果满足迭代终止条件,则结束迭代,输出结果;否则,转至子步骤E7。

    其中迭代终止条件为:当余量rp,z的2-范数小于阈值时迭代终止,即||rp,z||2≤ε,
    其中在无噪声情况下ε=0,有噪声情况下ε可选择为噪声的能量值。

    子步骤E7:如果||rp,z||2>||rp-1||2,则需要进行内循环,更新内循环迭代次数z=
    z+1,支撑集的大小Ip,z=zwp,使得支撑集的大小越来越接近未知的稀疏度(即散射点个数
    L0),转至子步骤E3;否则,更新支撑集Jp=Jp,z、余量rp=rp,z和外循环迭代次数p=p+1,内循
    环迭代次数重置z=1,转至子步骤E3。

    图3是在本实施例基于稀疏重构算法的多发多收阵列太赫兹近场成像方法成像结
    果图,图4是基于泰勒展开与傅里叶变换算法的多发多收阵列太赫兹近场成像结果图。其
    中:载波频率180GHz;采用7GHz带宽;发射机接收机所在基线与目标平面距离为5米;并根据
    分辨率划分目标平面网格;设置4个发射机,10个接收机均分布在二维平面的同一基线上,
    同时发射机、接收机和目标三者都位于同一平面,每相邻两个发射机间的距离均为0.1667
    米,每相邻两个接收机间的距离均为0.0167米。图3和4中白色圆点指示真实的散射点位置;
    4个发射机和10个接收机共组成40组通道,图3中示出在40组通道中随机选取8组通道,采用
    稀疏度自适应估计的稀疏重构算法得出的太赫兹近场成像结果图;图4中示出40组通道全
    部选取,采用一阶泰勒级数展开后再基于傅里叶变换算法得出的太赫兹近场成像结果图。

    比较上述两维点目标仿真实验的成像结果,知此稀疏度自适应估计的稀疏重构算
    法在稀疏采样情况下,仍能较好的还原目标信息。并且本发明中利用的稀疏重构算法能够
    较好的解决多发多收阵列在近场目标信息位于延迟路径非线性项的问题,没有出现利用经
    典单站系统中球面波的平面波叠加近似或驻定相位法分解等引起的误差较大的问题,也没
    有出现采用一阶泰勒级数展开后再基于傅里叶变换引起的目标被限定在很小范围内的问
    题,所以本发明提出的算法具有普适性和实用性。

    关于本文
    本文标题:基于多发多收阵列的太赫兹近场稀疏成像方法.pdf
    链接地址://www.4mum.com.cn/p-6001337.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 闽乐游百人牛牛辅助 腾讯分分彩走势图 A彩娱乐网址 广东快乐10分玩法 宁夏11选5电子走势图官网 足球小将2018 钱龙捕鱼 25选72017083 中国体彩七星彩 内蒙古11选5遗漏top 德州扑克牌怎么玩的 吃鸡游戏有哪些 体育彩票20选5玩法 陕西十一选五开奖直播 新新疆时时彩开奖结果 红姐彩色六合图库