CN108562897A - 一种mimo穿墙雷达的结构稀疏成像方法和装置 - Google Patents
一种mimo穿墙雷达的结构稀疏成像方法和装置 Download PDFInfo
- Publication number
- CN108562897A CN108562897A CN201810079149.1A CN201810079149A CN108562897A CN 108562897 A CN108562897 A CN 108562897A CN 201810079149 A CN201810079149 A CN 201810079149A CN 108562897 A CN108562897 A CN 108562897A
- Authority
- CN
- China
- Prior art keywords
- sparse
- scattering coefficient
- pseudorandom
- extension target
- imaging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
- G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于穿墙雷达成像领域，提供了一种MIMO穿墙雷达的结构稀疏成像方法和装置。所述方法包括：对MIMO穿墙雷达阵列采集的扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而构建感知矩阵；根据后向投影成像算法得到扩展目标散射系数初值，并预估用于正交匹配追踪压缩感知算法的索引集；根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；然后重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。本发明不需要人工设置分块参数，所需的存储空间小，降低了运算量和***复杂度，易于硬件实现。
Description
技术领域
本发明属于穿墙雷达成像领域，尤其涉及一种MIMO穿墙雷达的结构稀疏成像方法和装置。
背景技术
多输入多输出(multiple input multiple output，MIMO)穿墙雷达成像是一种能够使用电磁波的传播特性获取墙后场景信息，对墙后隐藏目标进行检测、识别、成像的新型技术，在军事和民用方面，具有广阔的应用前景。目前大多采用MIMO穿墙雷达成像***的结构恢复算法对扩展目标进行成像时，一些是没有使用压缩感知(Compressed sensing，CS)结构稀疏成像方法，然而，所需的天线孔径和带宽较大，且数据运算量大，成像的分辨率不高。另一些是使用了压缩感知结构稀疏成像方法，却采用不利于硬件实现和存储空间较大的高斯随机测量矩阵，导致运算复杂度高和成像位置出现偏移，且需要人工设置分块参数，实际应用中却难以准确知道分块先验信息。
发明内容
本发明的目的在于提供一种MIMO穿墙雷达的结构稀疏成像方法、装置和计算机可读存储介质，旨在解决没有使用压缩感知结构稀疏成像方法，所需的天线孔径和带宽较大，且数据运算量大，成像的分辨率不高；使用了压缩感知结构稀疏成像方法，却采用不利于硬件实现和存储空间较大的高斯随机测量矩阵，导致运算复杂度高和成像位置出现偏移，且需要人工设置分块参数，实际应用中却难以准确知道分块先验信息的问题。
第一方面，本发明提供了一种MIMO穿墙雷达的结构稀疏成像方法，所述方法包括：
接收MIMO穿墙雷达阵列采集的扩展目标的回波信号；
采用稀疏字典对所述扩展目标的回波信号
进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而根据伪随机测量矩阵和稀疏字典构建感知矩阵；
根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集；
根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；
根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。
第二方面，本发明提供了一种MIMO穿墙雷达的结构稀疏成像装置，所述装置包括：
接收模块，用于接收MIMO穿墙雷达阵列采集的扩展目标的回波信号；
构建模块，用于采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而根据伪随机测量矩阵和稀疏字典构建感知矩阵；
预估模块，用于根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集；
新的索引集生成模块，用于根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；
扩展目标散射系数计算模块，用于根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。
第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的MIMO穿墙雷达的结构稀疏成像方法的步骤。
在本发明中，由于采用基于伪随机m序列的伪随机测量矩阵和根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。因此本发明不需要人工设置分块参数，所需的存储空间小，降低了运算量和***复杂度，易于硬件实现，提高了扩展目标稀疏成像算法的稀疏重构性能，实现了高分辨的穿墙扩展目标成像。
附图说明
图1是本发明实施例一提供的MIMO穿墙雷达的结构稀疏成像方法的流程图。
图2是MIMO穿墙雷达阵列的成像场景示意图。
图3是MIMO穿墙雷达阵列和等效虚拟阵列在(0，1.6)处的点扩展函数(PSF)、方位向峰值幅值的比较图。
图4是马尔可夫随机场一阶邻域逐个传递过程示意图。
图5是本发明实施例二提供的MIMO穿墙雷达的结构稀疏成像装置的功能模块框图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
请参阅图1，本发明实施例一提供的MIMO穿墙雷达的结构稀疏成像方法包括以下步骤：需注意的是，若有实质上相同的结果，本发明的MIMO穿墙雷达的结构稀疏成像方法并不以图1所示的流程顺序为限。
S101、接收MIMO穿墙雷达阵列采集的扩展目标的回波信号。
在本发明实施例一中，MIMO穿墙雷达阵列是由计算机控制采集扩展目标的回波信号。
S102、采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而根据伪随机测量矩阵和稀疏字典构建感知矩阵。
在本发明实施一中，所述采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样具体为：
采用公式X＝Aσ对所述扩展目标的回波信号进行稀疏变换，其中，X为接收到的扩展目标的回波信号，σ为扩展目标散射系数，为稀疏字典，AM定义为fn为第n个频点，τ为时延，Nx和Nz分别为方位和距离向划分的网格数；
根据伪随机m序列a的长度D＝2c-1≥MN和本原多项式映射表得到多项式g(x)＝xc+xh+1，其中M为MIMO穿墙雷达阵列对应的等效虚拟阵列的阵元数，N为频点数；
根据确定多项式系数vc＝(v1,v2,v3,…vc)，通过c位线性反馈移位寄存器生成伪随机m序列a，其中，vc为0或1；
从伪随机m序列a中随机选取MN个元素得到序列a'如下：a'＝[a1,a2,…aMN]；
通过将序列a'进行Q1Q2-1次循环左移位得到Q1Q2个行向量，构建基于伪随机m序列的伪随机测量矩阵如下：
从而得到测量向量y如下：y＝ΦX，其中Φ是伪随机测量矩阵。
所述根据伪随机测量矩阵和稀疏字典构建感知矩阵具体为：
采用公式T＝ΦA构建感知矩阵T。
在本发明实施例一中，
所述MIMO穿墙雷达阵列是依据配置指标配置为两端发射中间接收和分时复用的模式，得到均匀而不冗余的等效虚拟阵列进行穿墙成像的数据采集。
在本发明实施一中，所述依据配置指标配置为两端发射中间接收和分时复用的模式，得到均匀而不冗余的等效虚拟阵列进行穿墙成像的数据采集具体为：
计算MIMO穿墙雷达阵列的等效虚拟孔径LEA：其中，η为波束宽度因子，η＝0.886，λc为波长，ρ为方位分辨率；
根据计算出等效虚拟阵列的阵元数M，其中，IGLL是设定的理想栅瓣水平。
为了使成像空间谱不重叠和降低旁瓣、栅瓣，同时考虑到MIMO穿墙雷达阵列的复杂性，将MIMO穿墙雷达阵列配置为两端发射中间接收和分时复用模式，得到均匀而不冗余的等效虚拟阵列，可以简化MIMO穿墙雷达阵列结构。MIMO穿墙雷达阵列的成像场景如图2所示。图中仅给出了其中一种双程传播路径。
图3是MIMO穿墙雷达阵列和等效虚拟阵列在(0，1.6)处的点扩展函数(PSF)、方位向峰值幅值的比较图。从图3可以看出两者的点扩展函数、方位向峰值幅值图很接近，MIMO穿墙雷达阵列和等效虚拟阵列具有等效性。
S103、根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集。
在本发明实施一中，S103具体为：
设置散射系数初值σ0＝THw0、初始残差w0＝y，索引集稀疏度为K，迭代次数为l；
根据后向投影成像算法求出扩展目标散射系数为：σl＝THwl，其中T是感知矩阵；
从σ中找出最大的K个像素值对应的索引值构成预估用于正交匹配追踪压缩感知算法的索引集为：Ωl＝max_ind(σ,K)。
S104、根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集。
在本发明实施一中，S104具体为：
支撑向量记为λ，Ni为第i个像素点相邻像素的集合，为Ω的补集，且而对于扩展目标，成像区域除了像素点满足稀疏性之外，非零目标像素点与相邻像素点之间还存在依赖关系，而一维信号σ的第i个像素，可通过图4所示的马尔可夫随机场一阶邻域逐个传递来获取像素间的结构稀疏先验信息；
根据马尔可夫随机场一阶邻域逐个传递过程，对于第i个像素点和其邻域间像素的相互作用的权重表示为：
其中为归一化的条件概率密度函数；
λi＝1时，对应第i个像素值σi为非零值，λi＝-1时，对应第i个像素值σi为零，σi和的联合概率分布为：
进一步取自然对数后，分别定义两个函数为：
记λi的估计为：
记Υ＝Ρ2-Ρ1，ε为用于分离像素值的自适应松弛参数，当|σi|≥ε，I(σi)＝1，反之，I(σi)＝0，则Υ为：
其中ρ为权重参数，满足
从而得到的解为：由对应的索引位置重新构成的新的索引集
S105、根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。
在本发明实施一中，S105具体为：
根据新的索引集通过最小二乘法得到扩展目标散射系数的更新为：
相应残差更新为：若或l＞K时，终止循环迭代，将此时的扩展目标散射系数用于二维成像，其中ξ为收敛门限记。
实施例二：
请参阅图5，本发明实施例二提供的MIMO穿墙雷达的结构稀疏成像装置包括：
接收模块11，用于接收MIMO穿墙雷达阵列采集的扩展目标的回波信号；
构建模块12，用于采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而根据伪随机测量矩阵和稀疏字典构建感知矩阵；
预估模块13，用于根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集；
新的索引集生成模块14，用于根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；
扩展目标散射系数计算模块15，用于根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。
本发明实施例二提供的MIMO穿墙雷达的结构稀疏成像装置及本发明实施例一提供的MIMO穿墙雷达的结构稀疏成像方法属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
实施例三：
本发明实施例三提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例一提供的MIMO穿墙雷达的结构稀疏成像方法的步骤。
在本发明中，采用基于伪随机m序列的伪随机测量矩阵和根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，将由后向投影方法预估的正交匹配追踪算法的索引集进行更新；根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。因此本发明不需要人工设置分块参数，所需的存储空间小，降低了运算量和***复杂度，易于硬件实现，提高了扩展目标稀疏成像算法的稀疏重构性能，实现了高分辨的穿墙扩展目标成像。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，RandomAccess Memory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种MIMO穿墙雷达的结构稀疏成像方法，其特征在于，所述方法包括：
接收MIMO穿墙雷达阵列采集的扩展目标的回波信号；
采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而根据伪随机测量矩阵和稀疏字典构建感知矩阵；
根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集；
根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；
根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。
2.如权利要求1所述的方法，其特征在于，所述采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样具体为：
采用公式X＝Aσ对所述扩展目标的回波信号进行稀疏变换，其中，X为接收到的扩展目标的回波信号，σ为扩展目标散射系数，为稀疏字典，AM定义为fn为第n个频点，τ为时延，Nx和Nz分别为方位和距离向划分的网格数；
根据伪随机m序列a的长度D＝2c-1≥MN和本原多项式映射表得到多项式g(x)＝xc+xh+1，其中M为MIMO穿墙雷达阵列对应的等效虚拟阵列的阵元数，N为频点数；
根据确定多项式系数vc＝(v1,v2,v3,…vc)，通过c位线性反馈移位寄存器生成伪随机m序列a，其中，vc为0或1；
从伪随机m序列a中随机选取MN个元素得到序列a'如下：a'＝[a1,a2,…aMN]；
通过将序列a'进行Q1Q2-1次循环左移位得到Q1Q2个行向量，构建基于伪随机m序列的伪随机测量矩阵如下：
从而得到测量向量y如下：
y＝ΦX，其中Φ是伪随机测量矩阵。
3.如权利要求2所述的方法，其特征在于，所述根据伪随机测量矩阵和稀疏字典构建感知矩阵具体为：
采用公式T＝ΦA构建感知矩阵T。
4.如权利要求1至3任一项所述的方法，其特征在于，所述MIMO穿墙雷达阵列是依据配置指标配置为两端发射中间接收和分时复用的模式，得到均匀而不冗余的等效虚拟阵列进行穿墙成像的数据采集。
5.如权利要求4所述的方法，其特征在于，所述依据配置指标配置为两端发射中间接收和分时复用的模式，得到均匀而不冗余的等效虚拟阵列进行穿墙成像的数据采集具体为：
计算MIMO穿墙雷达阵列的等效虚拟孔径LEA：其中，η为波束宽度因子，η＝0.886，λc为波长，ρ为方位分辨率；
根据计算出等效虚拟阵列的阵元数M，其中，IGLL是设定的理想栅瓣水平。
6.如权利要求3所述的方法，其特征在于，所述根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集具体为：
设置散射系数初值σ0＝THw0、初始残差w0＝y，索引集稀疏度为K，迭代次数为l；
根据后向投影成像算法求出扩展目标散射系数为：σl＝THwl，其中T是感知矩阵；
从σ中找出最大的K个像素值对应的索引值构成预估用于正交匹配追踪压缩感知算法的索引集为：Ωl＝max_ind(σ,K)。
7.如权利要求6所述的方法，其特征在于，所述根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集具体为：
支撑向量记为λ，Ni为第i个像素点相邻像素的集合，为Ω的补集，且一维信号σ的第i个像素，通过马尔可夫随机场一阶邻域逐个传递来获取像素间的结构稀疏先验信息；
根据马尔可夫随机场一阶邻域逐个传递过程，对于第i个像素点和其邻域间像素的相互作用的权重表示为：
其中为归一化的条件概率密度函数；
λi＝1时，对应第i个像素值σi为非零值，λi＝-1时，对应第i个像素值σi为零，σi和λi、的联合概率分布为：
进一步取自然对数后，分别定义两个函数为：
记λi的估计为：
记Υ＝Ρ2-Ρ1，ε为用于分离像素值的自适应松弛参数，当|σi|≥ε，I(σi)＝1，反之，I(σi)＝0，则Υ为：
其中ρ为权重参数，满足
从而得到的解为：由对应的索引位置重新构成的新的索引集
8.如权利要求7所述的方法，其特征在于，所述根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像具体为：
根据新的索引集通过最小二乘法得到扩展目标散射系数的更新为：
相应的残差更新为：若或l＞K时，终止循环迭代，将此时的扩展目标散射系数用于二维成像，其中ξ为收敛门限记。
9.一种MIMO穿墙雷达的结构稀疏成像装置，其特征在于，所述装置包括：
接收模块，用于接收MIMO穿墙雷达阵列采集的扩展目标的回波信号；
构建模块，用于采用稀疏字典对所述扩展目标的回波信号进行稀疏变换，并构建基于伪随机m序列的伪随机测量矩阵进行压缩采样，进而根据伪随机测量矩阵和稀疏字典构建感知矩阵；
预估模块，用于根据后向投影成像算法得到扩展目标散射系数初值，并根据感知矩阵和扩展目标散射系数初值预估用于正交匹配追踪压缩感知算法的索引集；
新的索引集生成模块，用于根据马尔可夫随机场一阶邻域逐个传递过程充分考虑像素间的结构稀疏先验信息，得到新的索引集；
扩展目标散射系数计算模块，用于根据新的索引集采用正交匹配追踪压缩感知算法重新计算扩展目标散射系数，直到满足收敛条件，将此时的扩展目标散射系数用于二维成像。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的MIMO穿墙雷达的结构稀疏成像方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810079149.1A CN108562897B (zh) | 2018-01-26 | 2018-01-26 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810079149.1A CN108562897B (zh) | 2018-01-26 | 2018-01-26 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108562897A true CN108562897A (zh) | 2018-09-21 |
| CN108562897B CN108562897B (zh) | 2022-01-11 |
Family
ID=63529974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810079149.1A Active CN108562897B (zh) | 2018-01-26 | 2018-01-26 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108562897B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109298422A (zh) * | 2018-11-14 | 2019-02-01 | 湖南华诺星空电子技术有限公司 | 一种用于穿墙雷达的合成孔径成像优化处理方法、装置 |
| CN109459752A (zh) * | 2018-11-19 | 2019-03-12 | 桂林电子科技大学 | 一种逆合成孔径雷达二维稀疏成像的资源自适应调度方法 |
| CN109696672A (zh) * | 2018-12-29 | 2019-04-30 | 南京汇君半导体科技有限公司 | 一种基于空间结构关联性的高分辨率穿墙雷达成像方法 |
| CN109799499A (zh) * | 2019-01-28 | 2019-05-24 | 沈阳航空航天大学 | 一种穿墙雷达墙体参数估计方法 |
| CN110031838A (zh) * | 2019-05-10 | 2019-07-19 | 沈阳航空航天大学 | 一种不需要参考发射波形的穿墙雷达墙体参数估计方法 |
| CN111239730A (zh) * | 2020-01-19 | 2020-06-05 | 浙江大学 | 一种基于时间反转和压缩感知的电磁非视线成像方法 |
| CN111766575A (zh) * | 2020-06-08 | 2020-10-13 | 桂林电子科技大学 | 一种穿墙雷达自聚焦稀疏成像方法及计算机设备 |
| CN112150614A (zh) * | 2020-09-24 | 2020-12-29 | 济南大学 | 基于微观结构图像的水泥三维仿真模型建立方法及*** |
| CN113376630A (zh) * | 2021-07-05 | 2021-09-10 | 中国人民解放军空军工程大学 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
| CN113777574A (zh) * | 2021-08-30 | 2021-12-10 | 深圳市道通智能汽车有限公司 | 稀疏阵列解栅瓣方法、装置及相关设备 |
| CN113917461A (zh) * | 2021-10-21 | 2022-01-11 | 苏州威陌电子信息科技有限公司 | 一种mimo雷达成像方法及*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101498787A (zh) * | 2008-01-29 | 2009-08-05 | 电子科技大学 | 一种线阵三维成像合成孔径雷达快速成像方法 |
| CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
| CN103064071A (zh) * | 2012-10-25 | 2013-04-24 | 西安电子科技大学 | 基于稀疏分解的雷达目标属性散射中心特征提取方法 |
| US20150355314A1 (en) * | 2013-07-22 | 2015-12-10 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Through-the-Wall-Radar-Imaging using Total-Variation Denoising |
| CN105911544A (zh) * | 2016-05-09 | 2016-08-31 | 西安理工大学 | 一种基于压缩感知技术的扩频穿墙雷达成像方法 |
| CN105917249A (zh) * | 2014-01-13 | 2016-08-31 | 三菱电机株式会社 | 用于重构墙壁后的场景的方法和*** |
| CN106226765A (zh) * | 2016-09-12 | 2016-12-14 | 桂林电子科技大学 | 一种建筑物布局成像方法及*** |
| CN106249233A (zh) * | 2016-09-21 | 2016-12-21 | 清华大学 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和*** |
| US20170023673A1 (en) * | 2015-07-23 | 2017-01-26 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Through-the-Wall Radar Imaging |
| CN107132518A (zh) * | 2017-06-07 | 2017-09-05 | 陕西黄河集团有限公司 | 一种基于稀疏表示和时频特征的距离扩展目标检测方法 |
| CN107316306A (zh) * | 2017-06-23 | 2017-11-03 | 电子科技大学 | 一种基于马尔可夫模型的合成孔径雷达图像快速分割方法 |
-
2018
- 2018-01-26 CN CN201810079149.1A patent/CN108562897B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101498787A (zh) * | 2008-01-29 | 2009-08-05 | 电子科技大学 | 一种线阵三维成像合成孔径雷达快速成像方法 |
| CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
| CN103064071A (zh) * | 2012-10-25 | 2013-04-24 | 西安电子科技大学 | 基于稀疏分解的雷达目标属性散射中心特征提取方法 |
| US20150355314A1 (en) * | 2013-07-22 | 2015-12-10 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Through-the-Wall-Radar-Imaging using Total-Variation Denoising |
| CN105917249A (zh) * | 2014-01-13 | 2016-08-31 | 三菱电机株式会社 | 用于重构墙壁后的场景的方法和*** |
| US20170023673A1 (en) * | 2015-07-23 | 2017-01-26 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Through-the-Wall Radar Imaging |
| CN105911544A (zh) * | 2016-05-09 | 2016-08-31 | 西安理工大学 | 一种基于压缩感知技术的扩频穿墙雷达成像方法 |
| CN106226765A (zh) * | 2016-09-12 | 2016-12-14 | 桂林电子科技大学 | 一种建筑物布局成像方法及*** |
| CN106249233A (zh) * | 2016-09-21 | 2016-12-21 | 清华大学 | 面向多极化穿墙雷达成像的前向混合匹配追踪方法和*** |
| CN107132518A (zh) * | 2017-06-07 | 2017-09-05 | 陕西黄河集团有限公司 | 一种基于稀疏表示和时频特征的距离扩展目标检测方法 |
| CN107316306A (zh) * | 2017-06-23 | 2017-11-03 | 电子科技大学 | 一种基于马尔可夫模型的合成孔径雷达图像快速分割方法 |
Non-Patent Citations (6)
| Title |
|---|
| LEI QIU等: "Sparse and low-rank matrix decomposition based micro-motion target indication in through-the-wall radar", 《RADAR,SONAR AND NAVIGATION》 * |
| QISONG WU: "THROUGH-THE-WALL RADAR IMAGING BASED ON MODIFIED BAYESIAN COMPRESSIVE SENSING", 《2014 IEEE CHINA SUMMIT & INTERNATIONAL CONFERENCE ON SIGNAL AND INFORMATION PROCESSING (CHINASIP) 》 * |
| XUEQIAN WANG等: "Two-Level Block Matching Pursuit for Polarimetric Through-Wall Radar Imaging", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
| 戴耀辉: "超宽带穿墙雷达稀疏成像技术研究", 《万方智搜》 * |
| 晋良念等: "穿墙雷达扩展目标自聚焦稀疏成像方法", 《雷达科学与技术》 * |
| 晋良念等: "组合字典下超宽带穿墙雷达自适应稀疏成像方法", 《电子与信息学报》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109298422A (zh) * | 2018-11-14 | 2019-02-01 | 湖南华诺星空电子技术有限公司 | 一种用于穿墙雷达的合成孔径成像优化处理方法、装置 |
| CN109298422B (zh) * | 2018-11-14 | 2022-06-28 | 湖南华诺星空电子技术有限公司 | 一种用于穿墙雷达的合成孔径成像优化处理方法、装置 |
| CN109459752B (zh) * | 2018-11-19 | 2021-12-31 | 桂林电子科技大学 | 一种逆合成孔径雷达二维稀疏成像的资源自适应调度方法 |
| CN109459752A (zh) * | 2018-11-19 | 2019-03-12 | 桂林电子科技大学 | 一种逆合成孔径雷达二维稀疏成像的资源自适应调度方法 |
| CN109696672A (zh) * | 2018-12-29 | 2019-04-30 | 南京汇君半导体科技有限公司 | 一种基于空间结构关联性的高分辨率穿墙雷达成像方法 |
| CN109799499A (zh) * | 2019-01-28 | 2019-05-24 | 沈阳航空航天大学 | 一种穿墙雷达墙体参数估计方法 |
| CN110031838A (zh) * | 2019-05-10 | 2019-07-19 | 沈阳航空航天大学 | 一种不需要参考发射波形的穿墙雷达墙体参数估计方法 |
| CN111239730A (zh) * | 2020-01-19 | 2020-06-05 | 浙江大学 | 一种基于时间反转和压缩感知的电磁非视线成像方法 |
| CN111766575A (zh) * | 2020-06-08 | 2020-10-13 | 桂林电子科技大学 | 一种穿墙雷达自聚焦稀疏成像方法及计算机设备 |
| CN112150614A (zh) * | 2020-09-24 | 2020-12-29 | 济南大学 | 基于微观结构图像的水泥三维仿真模型建立方法及*** |
| CN112150614B (zh) * | 2020-09-24 | 2023-05-02 | 济南大学 | 基于微观结构图像的水泥三维仿真模型建立方法及*** |
| CN113376630A (zh) * | 2021-07-05 | 2021-09-10 | 中国人民解放军空军工程大学 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
| CN113777574A (zh) * | 2021-08-30 | 2021-12-10 | 深圳市道通智能汽车有限公司 | 稀疏阵列解栅瓣方法、装置及相关设备 |
| CN113917461A (zh) * | 2021-10-21 | 2022-01-11 | 苏州威陌电子信息科技有限公司 | 一种mimo雷达成像方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108562897B (zh) | 2022-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108562897A (zh) | 一种mimo穿墙雷达的结构稀疏成像方法和装置 | |
| CN107462887B (zh) | 基于压缩感知的宽幅星载合成孔径雷达成像方法 | |
| CN106772365B (zh) | 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法 | |
| WO2023045431A1 (zh) | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 | |
| CN104199029B (zh) | 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法 | |
| CN102879782A (zh) | 基于分数阶傅里叶变换的压缩感知sar成像方法 | |
| CN106093876B (zh) | 分布式mimo雷达正交宽主瓣相位编码信号设计方法 | |
| Moses et al. | An autoregressive formulation for SAR backprojection imaging | |
| CN108828593A (zh) | 一种随机辐射雷达关联成像方法 | |
| CN108896990B (zh) | 一种利用耦合模式字典学习的建筑物墙体成像方法和装置 | |
| CN108008389A (zh) | 一种基于gpu的快速频域后向投影三维成像方法 | |
| CN109669184A (zh) | 一种基于全卷积网络的合成孔径雷达方位模糊消除方法 | |
| CN104749573B (zh) | 空频域二维稀疏的步进频率sar成像方法 | |
| Dai et al. | SRCNN-based enhanced imaging for low frequency radar | |
| CN112147608A (zh) | 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法 | |
| Zhao et al. | Computational design of optimal waveforms for MIMO radar via multi-dimensional iterative spectral approximation | |
| KR102173012B1 (ko) | 압축 센싱 기반 합성 개구면 레이다의 영상 생성 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 | |
| CN108845318A (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
| Bouzerdoum et al. | A low-rank and jointly-sparse approach for multipolarization through-wall radar imaging | |
| CN106814343B (zh) | 一种分步估计的空域信号空间谱估计方法 | |
| CN110133656B (zh) | 一种基于互质阵列的分解与融合的三维sar稀疏成像方法 | |
| Gurbuz et al. | Sparse ground-penetrating radar imaging method for off-the-grid target problem | |
| Zhao et al. | Fast ISAR imaging based on enhanced sparse representation model | |
| KR102531755B1 (ko) | 레이더 영상 생성 방법 및 이를 수행하는 장치 | |
| Liu et al. | Downward‐Looking Linear Array 3D SAR Imaging Based on Multiple Measurement Vectors Model and Continuous Compressive Sensing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180921 Assignee: Guilin Dazhi Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000183 Denomination of invention: A Structure Sparse Imaging Method and Device for MIMO Through wall Radar Granted publication date: 20220111 License type: Common License Record date: 20221125 Application publication date: 20180921 Assignee: Guilin Feimin Electronic Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000182 Denomination of invention: A Structure Sparse Imaging Method and Device for MIMO Through wall Radar Granted publication date: 20220111 License type: Common License Record date: 20221125 |