[发明专利]一种基于多分辨率融合卷积神经网络的穿墙雷达成像方法

权利要求书

1.一种基于多分辨率融合卷积神经网络的穿墙雷达成像方法，其特征在于：包括以下步骤:

步骤1:制作所需数据集；

步骤2：构建多分辨率融合卷积神经网络；

步骤3：设置超参数，使用训练集训练多分辨率融合卷积神经网络；

步骤4：使用验证集验证多分辨率融合卷积神经网络；

步骤5：将测试集数据输入多分辨率融合卷积神经网络实现穿墙雷达的成像重建。

2.如权利要求1所述的基于多分辨率融合卷积神经网络的穿墙雷达成像方法，其特征在于：所述步骤1的具体过程分为以下步骤：

步骤1.1：制作训练集和验证集；

训练集和验证集共含有W组数据，设定训练集和验证集使用数据的比例，每组数据都包含一张仿真生成的输入图像和一张与之匹配的参考图像，设置真实目标雷达散射截面积(以下简称RCS)图像，真实目标RCS图像中包含n个目标物体，其中，n～U(1,N₁)，U表示均匀分布，每个目标有n_s个散射中心，其中n_s～U(1,N₂)，每个散射中心的复反射系数σ_k～U(0,1)+jU(0,1)，j表示虚数单位，每个目标几何中心的横坐标x_ο～U(0,X)，纵坐标y_ο～U(0,Y)，其中X和Y分别为探测场景的方位向最大值和距离向最大值，ο＝1,2,…n，第ο(ο＝1,2,…n)个目标的每个散射中心的横坐标为x_οθ～x_ο+U(-l_x/2,l_x/2)，纵坐标为y_οθ～y_ο+U(-l_y/2,l_y/2)，其中θ＝1,2,…n_s，l_x和l_y分别为目标在距离向和方位向长度最大值，输入图像是添加鬼影目标的低分辨率BP图像，参考图像是经二维高斯卷积处理的目标RCS图像；

步骤1.2：制作低分辨率BP图像；

步骤1.2.1：根据穿墙雷达系统的工作参数建立穿墙雷达信号成像模型以获取穿墙雷达回波仿真数据；

穿墙雷达系统的起始工作频率为f_L,终止频率为f_H,共有S个收发共置天线位置，每个收发共置天线位置有T个扫描频率点，工作带宽B如公式(1)所示

B＝f_H-f_L (1)

则频率步进大小Δf如公式(2)所示：

第t个扫描频率大小如公式(3)所示：

f_t＝f_L+(t-1)Δf (3)

其中，t＝1,2,…,T；

对于频率步进体制穿墙雷达，探测场景中包含K个散射中心，第s个收发共置天线位置接收的第t个扫描频率点的回波信号r(s,t)如式(4)所示：

其中，σ_k为第k个散射中心的反射系数，τ_s,k为第s个收发共置天线测量位置到第k个散射中心的双程回波延时；

步骤1.2.2：利用BP算法对仿真生成的穿墙雷达回波数据进行成像；

将目标成像区域划分成P×Q个空间网格，则第p行第q列空间网格像素值b(p,q)如式(5)所示：

其中，p＝1,2,…,P，q＝1,2,…,Q，τ_s(p,q)为第s个收发共置天线测量位置到第p行第q列空间网格的双程回波时延；

步骤1.3：制作训练集和验证集的输入图像；

对基于仿真数据得到的BP图像添加鬼影目标干扰，生成R张与低分辨率BP图像尺寸相同的空白图像，其中R为该低分辨率BP图像中的目标个数；在第r个空白图像中添加3个位置随机、反射系数不高于第r个目标物体反射系数的鬼影目标，其中，r＝1,2,…R，表示图像对应低分辨率BP图像中第r个目标，每个鬼影目标由一个像素点表示，像素点的值取鬼影目标反射系数的模值，对每个添加鬼影目标的空白图像进行二维高斯卷积，滤波器模板大小为ζ_r×ζ_r，高斯核参量设置为σ_r，将R张空白图像与低分辨率BP图像进行非相干相加以获得输入图像；

步骤1.4：制作训练集和验证集的参考图像；

使用低分辨率BP图像生成过程中目标的个数、目标的横坐标、纵坐标位置和反射系数信息生成相对应的目标RCS图像并使用滤波器模板大小为ζ×ζ、高斯核参量为σ的卷积核对目标RCS图像进行2维高斯卷积；

步骤1.5：制作测试集

测试集包含Z组数据，每组数据包含一张穿墙雷达实测回波数据经BP算法得到的低分辨率BP图像。