[发明专利]一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法

摘要

本发明提供一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像。该方法能够利用在降采样条件下获得的雷达回波数据，重建出高质量、高精度微波图像。

主权项

一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，其特征在于，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像；所述步骤一的具体过程为：步骤101：利用实际试验的雷达系统参数，构建雷达观测模型，根据待观测目标在雷达波束照射范围内的几何面积，预估一个目标场景稀疏度的取值范围[0,S_max]，其中，S_max等于待观测目标在雷达波束照射范围内的几何面积与雷达非模糊成像区域面积的比值；步骤102：初始化参考场景稀疏度S₁＝S_max，设定参考场景后向散射系数矢量x_t的长度L、更新步长ΔS>0、参考场景重建试验次数N、实际试验的信噪比和降采样条件、稀疏度估计值输出条件，令t＝1；步骤103：使S_t＝S₁‑(t‑1)ΔS，判断更新后的S_t是否在取值范围[0,S_max]内，若未在取值范围内，则结束该方法，否则，根据S_t取值所确定的参考场景后向散射系数矢量x_t中非零元素个数S_tL，随机选取非零元素的位置，构建参考场景的后向散射系数矢量x_t，依据雷达观测模型与所述实际试验的信噪比和降采样条件，生成对应参考场景的后向散射系数矢量x_t的回波数据y_t；步骤104：利用稀疏微波成像模型，计算对应回波数据y_t的参考场景后向散射系数矢量的估计比较矢量与x_t的支撑集，若两支撑集相同，则认为在此次重建试验中参考场景重建成功，反之，重建失败；步骤105：对应同一个稀疏度S_t，对由步骤103和步骤104构成的重建试验重复执行N次，统计出在N次重建试验中参考场景重建成功次数M_t，得到对应稀疏度S_t的重建概率M_t/N；步骤106：将对应稀疏度S_t的重建概率M_t/N与所述稀疏度估计值输出条件进行比较，若符合输出条件，则将S_t作为输出结果S_f，进入步骤107，反之，令t＝t+1，转步骤103；步骤107：根据待观测目标在方位向上强散射点的概率分布，在对应不同的方位向维度坐标条状区域里，利用所述S_f对所述强散射点的概率分布进行加权处理，获得对应不同的方位向维度坐标条状区域的稀疏度估计值K_i·；根据待观测目标在距离向上强散射点的概率分布，在对应不同的距离向维度坐标条状区域里，利用所述S_f对所述强散射点的概率分布进行加权处理，获得对应不同的距离向维度坐标条状区域的稀疏度估计值K_·j。