CN113376630A - 雷达成像的方法、装置、电子设备和计算机可读存储介质 - Google Patents
雷达成像的方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113376630A CN113376630A CN202110757264.1A CN202110757264A CN113376630A CN 113376630 A CN113376630 A CN 113376630A CN 202110757264 A CN202110757264 A CN 202110757264A CN 113376630 A CN113376630 A CN 113376630A
- Authority
- CN
- China
- Prior art keywords
- matrix
- array element
- scattering
- target
- echo
- 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.)
- Pending
Links
Images
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
- G01S13/89—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
本申请涉及雷达技术领域,公开了雷达成像的方法、装置、电子设备和计算机可读存储介质,该方法包括:通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号;根据接收的各接收信号,确定初始感知矩阵;对初始感知矩阵进行奇异值分解,获得多个奇异值;对多个奇异值进行调整,获得调整后的奇异值集合;根据调整后的奇异值集合,生成目标感知矩阵;根据目标感知矩阵,生成目标对象的图像。这样,通过对奇异值进行调整,可以获得目标感知矩阵,从而能够根据目标感知矩阵生成目标对象的图像,提高了雷达成像的质量。
Description
技术领域
本申请涉及雷达技术领域,具体而言,涉及雷达成像的方法、装置、电子设备和计算机可读存储介质。
背景技术
多输入多输出(Multiple-input Multiple-output,MIMO)雷达技术在对运动目标对象的成像中具有广阔的应用前景。
目前,MIMO雷达成像方法大多要求发射波形正交,阵列结构规则,采样均匀,但是在发射波形并不是理想正交波形、不规则阵列结构或非均匀采样等情况下导致感知矩阵病态时,现有的MIMO雷达成像方法无法得到清晰的目标对象的图像。
因此,在发射波形并不是理想正交波形、不规则阵列结构或非均匀采样等情况时,如何提高MIMO雷达成像的质量是一个需要解决的问题。
发明内容
本申请实施例的目的在于提供雷达成像的方法、装置、电子设备和计算机可读存储介质,用以在发射波形并不是理想正交波形、不规则阵列结构或非均匀采样等情况时,提高MIMO雷达成像的质量。
第一方面,本申请实施例提供了一种雷达成像的方法,方法包括:
通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号。
根据接收的各接收信号,确定初始感知矩阵。
对初始感知矩阵进行奇异值分解,获得多个奇异值。
对多个奇异值进行调整,获得调整后的奇异值集合。
根据调整后的奇异值集合,生成目标感知矩阵。
根据目标感知矩阵,生成目标对象的图像。
在上述实现过程中,通过对感知矩阵进行奇异值分解,获得多个奇异值,然后对多个奇异值进行调整,获得调整后的奇异值集合,进一步根据调整后的奇异值集合获得目标感知矩阵,最后根据目标感知矩阵生成目标对象的图像,通过对初始感知矩阵中的奇异值进行调整,从而在初始感知矩阵病态时,提高目标对象的成像质量。
结合第一方面,在一种实施方式中,对多个奇异值进行调整,获得调整后的奇异值集合,包括:
从多个奇异值中,筛选出高于第一预设奇异值阈值的奇异值。
根据筛选出的奇异值,获得调整后的奇异值集合。
在上述实现过程中,通过对多个奇异值中高于第一预设奇异值阈值的奇异值进行筛选,将多个奇异值中不高于第一预设奇异值阈值的奇异值进行剔除,从而得到调整后的奇异值集合,实现了对奇异值的调整。
结合第一方面,在一种实施方式中,对多个奇异值进行调整,获得调整后的奇异值集合,包括:
从多个奇异值中,筛选出高于第二预设奇异值阈值的奇异值。
对筛选出的奇异值进行修正,获得修正后的至少一个奇异值。
根据修正后的至少一个奇异值,获得调整后的奇异值集合。
在上述实现过程中,通过对多个奇异值中高于第二预设奇异值阈值的奇异值进行筛选,并进一步对筛选出的奇异值进行修正,从而获得修正后的奇异值集合,进一步,根据修正后的奇异值集合生成目标对象的图像,从而提高了图像的清晰度。
结合第一方面,在一种实施方式中,根据接收的各接收信号,确定初始感知矩阵,包括:
根据各接收信号分别生成针对每一散射点在每一接收阵元处,执行以下步骤:
获取一个散射点在一个接收阵元处的回波数据;
对回波数据进行向量替换,生成回波数据的向量数据;
利用非均匀压缩采样矩阵,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵。
根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵。
对目标回波矩阵进行分解,获得初始散射系数向量,以及初始感知矩阵。
在上述实现过程中,根据各接收信号生成回波数据,进一步对回波数据进行非均匀采样,得到压缩后的回波矩阵,然后对压缩后的回波矩阵进行分解,从而获得初始感知矩阵,为后续感知矩阵的分解提供数据基础。
结合第一方面,在一种实施方式中,一个散射点在一个接收阵元处的回波数据,包括:
若存在M个发射阵元,N个接收阵元的阵列,目标对象的参考点为O,目标对象上的第q个散射点为Q,则获得第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟,以及第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟。
其中,第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟为τq,m=(TmQ-TmO)/C,第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟为τq,n=(RnQ-RnO)/C,C表示光速,TmQ表示第m个发射阵元Tm到第q个散射点Q的距离,TmO表示第m个发射阵元Tm到参考点O的距离,RnQ表示第n个接收阵元Rn到第q个散射点Q的距离,RnO表示第n个接收阵元Rn到参考点O的距离。
各接收信号针对第q个散射点Q在第n个接收阵元Rn处的回波数据如表达式(1)所示:
对回波数据进行向量替换,生成回波数据的向量数据,包括:
bq=[exp(-j2πf0τq,0),…,exp(-j2πf0τq,m),…,exp(-j2πf0τq,M-1)]∈CM×1,则表达式(1)的向量数据如表达式(2)所示:
其中,yq,n表示第q个散射点Q在第n个接收阵元Rn处的回波数据的向量数据。
利用非均匀压缩采样矩阵,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵,包括:
利用第n个接收阵元Rn处的非均匀压缩采样矩阵Ψn∈RL′×L,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵如表达式(3)所示:
根据表达式(3)生成第q个散射点Q在每一接收阵元处的压缩后的回波矩阵如表达式(4)所示:
其中,sq表示第q个散射点Q在每一接收阵元处的压缩后的回波矩阵,
根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵,包括:
若目标对象是由J个散射点组成,则目标回波矩阵如表达式(5)所示:
s=Φθ (5)
其中,Φ=[ω0,…,ωq,…,ωJ-1]∈CL′N×J表示初始感知矩阵,θ=[σ0,…,σq,…,σJ-1]T∈CJ×1表示所有散射点的初始散射系数向量。
在上述实现过程中,通过获取目标对象上每一散射点在每一接收阵元处的回波数据,并根据回波数据生成目标回波矩阵,从而便于根据回波矩阵生成目标对象的图像。
结合第一方面,在一种实施方式中,对初始感知矩阵进行奇异值分解,获得多个奇异值,包括:
若压缩后的回波矩阵的长度小于初始散射系数向量的长度,则对初始感知矩阵进行奇异值分解,获得多个奇异值。
在上述实现过程中,在压缩后的回波矩阵的长度小于初始散射系数向量的长度的情况下,对初始感知矩阵进行奇异值分解,获得多个奇异值,从而便于后续对奇异值进行调整。
结合第一方面,在一种实施方式中,根据目标感知矩阵,生成目标对象的图像,包括:
根据稀疏恢复算法,以及目标感知矩阵,确定目标散射系数向量。
根据目标散射系数向量,生成目标对象的图像。
在上述实现过程中,通过调整后的奇异值获得目标感知矩阵,从而实现对病态感知矩阵的调整,进一步,利用稀疏恢复算法,以及目标感知矩阵,确定目标散射系数向量,从而实现了对目标散射系数向量的求解,进一步能够根据求解得到的目标散射系数向量生成目标对象的图像。
第二方面,本申请实施例提供了一种雷达成像的装置,装置包括:
接收单元,用于通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号。
确定单元,用于根据接收的各接收信号,确定初始感知矩阵。
分解单元,用于对初始感知矩阵进行奇异值分解,获得多个奇异值。
调整单元,用于对多个奇异值进行调整,获得调整后的奇异值集合。
矩阵生成单元,用于根据调整后的奇异值集合,生成目标感知矩阵。
图像生成单元,用于根据目标感知矩阵,生成目标对象的图像。
结合第二方面,在一种实施方式中,调整单元具体用于:
从多个奇异值中,筛选出高于第一预设奇异值阈值的奇异值;
根据筛选出的奇异值,获得调整后的奇异值集合。
结合第二方面,在一种实施方式中,调整单元具体用于:
从多个奇异值中,筛选出高于第二预设奇异值阈值的奇异值。
对筛选出的奇异值进行修正,获得修正后的至少一个奇异值。
根据修正后的至少一个奇异值,获得调整后的奇异值集合。
结合第二方面,在一种实施方式中,确定单元具体用于:
根据各接收信号分别生成针对每一散射点在每一接收阵元处,执行以下步骤:
获取一个散射点在一个接收阵元处的回波数据。
对回波数据进行向量替换,生成回波数据的向量数据。
利用非均匀压缩采样矩阵,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵。
根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵。
对目标回波矩阵进行分解,获得初始散射系数向量,以及初始感知矩阵。
结合第二方面,在一种实施方式中,确定单元具体用于:
若存在M个发射阵元,N个接收阵元的阵列,目标对象的参考点为O,目标对象上的第q个散射点为Q,则获得第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟,以及第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟;
其中,第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟为τq,m=(TmQ-TmO)/C,第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟为τq,n=(RnQ-RnO)/C,C表示光速,TmQ表示第m个发射阵元Tm到第q个散射点Q的距离,TmO表示第m个发射阵元Tm到参考点O的距离,RnQ表示第n个接收阵元Rn到第q个散射点Q的距离,RnO表示第n个接收阵元Rn到参考点O的距离;
各接收信号针对第q个散射点Q在第n个接收阵元Rn处的回波数据如表达式(1)所示:
确定单元具体用于:
bq=[exp(-j2πf0τq,0),…,exp(-j2πf0τq,m),…,exp(-j2πf0τq,M-1)]∈CM×1,则表达式(1)的向量数据如表达式(2)所示:
其中,yq,n表示第q个散射点Q在第n个接收阵元Rn处的回波数据的向量数据;
确定单元具体用于:利用第n个接收阵元Rn处的非均匀压缩采样矩阵Ψn∈RL′×L,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵如表达式(3)所示:
根据表达式(3)生成第q个散射点Q在每一接收阵元处的压缩后的回波矩阵如表达式(4)所示:
其中,sq表示第q个散射点Q在每一接收阵元处的压缩后的回波矩阵,
确定单元具体用于:若目标对象是由J个散射点组成,则目标回波矩阵如表达式(5)所示:
s=Φθ (5)
其中,Φ=[ω0,…,ωq,…,ωJ-1]∈CL′N×J表示初始感知矩阵,θ=[σ0,…,σq,…,σJ-1]T∈CJ×1表示所有散射点的初始散射系数向量。
结合第二方面,在一种实施方式中,分解单元具体:
若压缩后的回波矩阵的长度小于初始散射系数向量的长度,则对初始感知矩阵进行奇异值分解,获得多个奇异值。
结合第二方面,在一种实施方式中,图像生成单元具体用于:
根据稀疏恢复算法,以及目标感知矩阵,确定目标散射系数向量。
根据目标散射系数向量,生成目标对象的图像。
第三方面,本申请实施例提供了一种电子设备,包括:
处理器、存储器和总线,处理器通过总线与存储器相连,存储器存储有计算机可读取指令,当计算机可读取指令由处理器执行时,用于实现上述第一方面的任一实施方式所提供的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时运行如上述第一方面的任一实施方式提供的方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种雷达成像的方法的流程图;
图2为使用相关技术得到的一种均匀采样和均匀阵列下的成像结果图;
图3为使用相关技术得到的一种非均匀阵列的成像结果图;
图4为使用相关技术得到的非均匀采样和非均匀阵列成像结果图;
图5为本申请实施例提供的一种奇异值分布图;
图6为本申请实施例提供的另一种奇异值分布图;
图7为本申请实施例提供的一种非均匀采样和非均匀阵列成像结果图;
图8为本申请实施例提供的一种雷达成像的装置结构框图;
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明,以便于本领域技术人员理解。
终端设备:可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信***设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。还可预见到的是,终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
服务器:可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
MIMO雷达是一种新体制雷达***,在对运动目标对象进行成像领域中具有广阔的应用前景。在MIMO雷达中,通过多个天线发射多个不同的波形,经过接收处理以后,可以等效地形成大的虚拟孔径,从而有效减少相干处理时间。为了实现这一目的,要求发射波形具有理想的正交性,但是对于同一频段的多个波形,很难实现理想正交。
目前,对于非理想正交的波形进行成像有两种方法。一是设计新的正交性较好的发射波形;另一种方法是通过一些后处理算法来改善非理想正交波形的成像质量,相关技术人员通常利用稀疏恢复算法来改善非理想正交波形的成像质量,通常,利用稀疏恢复算法来改善非理想正交波形的成像质量时,大都是基于常规的、均匀的MIMO阵列结构,且在时间上是均匀采样,这限制了阵列设计和回波采样的自由度。
但是由于某些非理想正交波形、不规则阵列结构或非均匀采样等情况导致感知矩阵病态,从而使稀疏恢复算法无效,因此,在发射波形并不是理想正交波形、不规则阵列结构或非均匀采样等情况时,如何提高MIMO雷达成像方法的鲁棒性是一个需要解决的问题。
请参见图1,图1为本申请实施例提供的一种雷达成像的方法的流程图,本申请实施例中,该方法的执行主体可以为电子设备,可选的,电子设备可以是服务器,也可以是终端设备,但本申请不限于此。
作为一种实施例,图1所示的方法具体实施流程如下:
步骤100:通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号。
在一种实施方式中,MIMO雷达为M个发射阵元N个接收阵元的阵列,向目标对象发送M个相同中心频率的信号,令表示第m个发射阵元的发送信号,其中,t表示快时间。令Q点表示目标对象上的第q个散射点。假设目标对象的位置可以通过参数估计粗略得到,并设O点是目标对象的参考点。每一接收阵元接收目标对象上所有散射点返回的接收信号。
进一步的,根据M个发射阵元N个接收阵元的阵列以及发射信号对不同发射信号包络延迟以及不同接收信号的记录时间进行调整,来减少目标回波的信号长度。
则第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟为τq,m=(TmQ-TmO)/C,第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟为τq,n=(RnQ-RnO)/C,C表示光速,TmQ表示第m个发射阵元Tm到第q个散射点Q的距离,TmO表示第m个发射阵元Tm到参考点O的距离,RnQ表示第n个接收阵元Rn到第q个散射点Q的距离,RnO表示第n个接收阵元Rn到参考点O的距离。
在上述实现过程中,通过计算发射阵元到目标对象散射点的距离,与发射阵元到目标对象参考点的距离,进一步计算两者的距离差,并根据距离差调整各发射通道的延时,使不同发射通道波形同时到达目标对象;通过计算接收阵元到目标对象散射点的距离,与接收阵元到目标对象参考点的距离,进一步计算两者的距离差,并根据距离差调整各接收通道的延时,使不同接收通道的回波具有相同的延时。
步骤101:根据接收的各接收信号,确定初始感知矩阵。
具体的,在执行步骤101时,可以采用以下步骤:
第一步:根据各接收信号分别生成针对每一散射点在每一接收阵元处,执行以下步骤:
首先,获取一个散射点在一个接收阵元处的回波数据。
具体的,各接收信号针对第q个散射点Q在第n个接收阵元Rn处的回波数据如表达式(1)所示:
其次,对回波数据进行向量替换,生成回波数据的向量数据。
bq=[exp(-j2πf0τq,0),…,exp(-j2πf0τq,m),…,exp(-j2πf0τq,M-1)]∈CM×1,则表达式(1)的向量数据如表达式(2)所示:
其中,yq,n表示第q个散射点Q在第n个接收阵元Rn处的回波数据的向量数据。
然后,利用非均匀压缩采样矩阵,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵。
具体的,利用第n个接收阵元Rn处的非均匀压缩采样矩阵Ψn∈RL′×L,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵如表达式(3)所示:
根据表达式(3)生成第q个散射点Q在每一接收阵元处的压缩后的回波矩阵如表达式(4)所示:
第二步:根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵;
具体的,若目标对象是由J个散射点组成,则目标对象的所有散射点在所有接收阵元上的获得的目标回波矩阵如表达式(5)所示:
s=Φθ (5)
其中,s表示目标回波矩阵,Φ=[ω0,…,ωq,…,ωJ-1]∈CL′N×J表示初始感知矩阵,θ=[σ0,…,σq,…,σJ-1]T∈CJ×1表示所有散射点的初始散射系数向量。
在上述实现过程中,通过获取目标对象上每一散射点在每一接收阵元处的回波数据,并根据回波数据生成目标回波矩阵,从而便于根据回波矩阵生成目标对象的图像。
第三步:对目标回波矩阵进行分解,获得初始散射系数向量,以及初始感知矩阵。
具体的,将目标回波矩阵s进行分解,得到初始散射系数向量θ,以及初始感知矩阵Φ。
步骤102:对初始感知矩阵进行奇异值分解,获得多个奇异值。
具体的,若压缩后的回波矩阵的长度小于初始散射系数向量的长度,则对初始感知矩阵进行奇异值分解,获得多个奇异值。
在发射波形具有理想的正交性、均匀的MIMO阵列结构,且在时间上是均匀采样,则通过求解表达式(5)即可获得初始散射系数向量θ,根据初始散射系数向量θ可得到目标对象的图像。
作为一种实施例,当s的长度不小于θ时,即L′N≥J时,可用最小二乘法(LS)求解θ,即θ=Φ+s,其中,Φ+表示Φ的伪逆矩阵。
当高分辨率的情况下,通常s的长度小于θ,L′N<J,可用稀疏恢复算法,求解θ,稀疏恢复算法可以是平滑l0(SL0)算法。
在SL0算法中,一个关键的步骤是将无约束的最大化解θ′投影到可行集{θ|s=Φθ}上,得到最优解θ=θ′-Φ+(Φθ′-s)。
需要说明的是,本申请实施例中,仅以基于平滑L0范数的重建算法(SL0算法)为例进行说明,在实际应用中,稀疏恢复算法也可以是正交匹配追踪算法(OMP算法),也可以是压缩感知块稀疏算法(BOMP算法),在此不作限制。
但是由于发射波形非正交、不规则阵列结构或采样不均匀时,初始感知矩阵Φ可能会出现病态现象,这将使矩阵求逆失败,即无法得到初始感知矩阵Φ对应的伪逆矩阵Φ+。
无法得到初始感知矩阵Φ对应的伪逆矩阵Φ+具体原因如下:
对初始感知矩阵Φ进行奇异值分解,分解表达式为:
其中,U=[u0,…,ui,…,uL′N-1]∈CL′N×L′N和V=[v0,…,vi,…,vL′N-1]∈CJ×L′N是列包含奇异向量的酉矩阵,∑是对角矩阵,包含奇异值λi,i=0,1,…,L′N-1。Φ的伪逆矩阵表示为:
作为一种实施例,当λi=0时,则不存在(7)的求解结果,即初始感知矩阵Φ对应的伪逆矩阵Φ+求解失败。
由(8)可知,当λi非常小时,噪声可能被放大到掩盖真实回波的程度,此时求解出的θ也无法准确得到目标对象的图像。
由此可知,在初始感知矩阵病态的情况下,无法获得初始感知矩阵Φ对应的伪逆矩阵Φ+,即无法获得目标对象的图像。
具体的,当L′N<J时,对初始感知矩阵Φ进行奇异值分解,获得多个奇异值λi,i=0,1,…,L′N-1。
在上述实现过程中,在压缩后的回波矩阵的长度小于初始散射系数向量的长度的情况下,对初始感知矩阵进行奇异值分解,获得多个奇异值,从而便于后续对奇异值进行调整。
步骤103:对多个奇异值进行调整,获得调整后的奇异值集合。
在一种实施方式中,在执行步骤103时,可以采用以下方式中的任意一种或组合:
方式一:根据第一预设奇异值阈值对多个奇异值进行筛选,获得调整后的奇异值集合。
具体的,从多个奇异值中,筛选出高于第一预设奇异值阈值的奇异值。
根据筛选出的奇异值,获得调整后的奇异值集合。
作为一种实施例,通过截断奇异值的方法对多个奇异值进行筛选,获得调整后的奇异值集合。
具体的,第一预设奇异值阈值为λthr,从多个奇异值中λi,i=0,1,…,L′N-1,中筛选出高于第一预设奇异值阈值λthr的奇异值,获得调整后的奇异值集合i=0,1,…,X1-1,其中,X1表示调整后奇异值的数目。即,调整后的奇异值用公式表示为:
其中,第一预设奇异值阈值λthr≥0。
上述对多个奇异值进行筛选的方法也称为截断奇异值法,通过截断奇异值法对初始感知矩阵中的奇异值进行处理,从而是实现了对病态感知矩阵的调整。
在上述实现过程中,通过对多个奇异值中高于第一预设奇异值阈值的奇异值进行筛选,将多个奇异值中不高于第一预设奇异值阈值的奇异值进行剔除,从而得到调整后的奇异值集合。
方式二:根据第二预设奇异值阈值对多个奇异值进行筛选并修正,获得调整后的奇异值集合。
具体的,从多个奇异值中,筛选出高于第二预设奇异值阈值的奇异值;
对筛选出的奇异值进行修正,获得修正后的至少一个奇异值。
根据修正后的至少一个奇异值,获得调整后的奇异值集合。
作为另一种实施例,第二预设奇异值阈值为λa,从多个奇异值中λi,i=0,1,…,L′N-1,中筛选出高于第二预设奇异值阈值λa的奇异值,获得筛选后的奇异值r=0,1,…,X2-1,其中,X2表示筛选后奇异值的数目。
则,筛选后的奇异值为:
需要说明的是,第一预设奇异值阈值λthr与第二预设奇异值阈值λa可以相等,也可以不相等,X1与X2可以相等,也可以不相等。且第一预设奇异值阈值λthr与第二预设奇异值阈值λa的取值可以是0.01,可以是0.001,也可以是0.002,但本申请不限于此。
在上述实现过程中,通过对多个奇异值中高于第二预设奇异值阈值的奇异值进行筛选,并进一步对筛选出的奇异值进行修正,从而获得调整后的奇异值集合,提高了调整后的奇异值的精确度。
步骤104:根据调整后的奇异值集合,生成目标感知矩阵。
进一步的,根据调整后的奇异值集合生成目标感知矩阵Φ*,目标感知矩阵Φ*为:
进一步地,计算目标感知矩阵Φ*对应的伪逆矩阵Φpinv,则伪逆矩阵Φpinv为:
步骤105:根据目标感知矩阵,生成目标对象的图像。
具体的,在执行步骤105时,可以采用以下步骤:
步骤a:根据稀疏恢复算法,以及目标感知矩阵,确定目标散射系数向量。
作为一种实施例,利用SL0算法,根据目标感知矩阵Φ*,计算目标散射系数向量θ*。
即在SL0算法中,初始化的步骤为:
θ0=Φpinvs (16)
投影的步骤为:
θ*=θ′-Φpinv(Φ*θ′-s) (17)
步骤b:根据目标散射系数向量,生成目标对象的图像。
具体的,通过上述方法那个计算出目标散射系数向量θ*,并根据目标散射系数向量θ*生成目标对象的图像,即将目标散射系数向量θ*的形式进行变换即可得到目标对象的图像。
在上述实现过程中,通过调整后的奇异值获得目标感知矩阵,从而实现对病态感知矩阵的调整,进一步,利用稀疏恢复算法,以及目标感知矩阵,确定目标散射系数向量,从而实现了对目标散射系数向量的求解,进一步能够根据求解得到的目标散射系数向量生成目标对象的图像。
考虑了一个具有4个发射阵元和40个接收阵元的线性MIMO阵列。接收阵元间距和发射阵元间距分别为3.735m和149.4m。发送4个码长为300的多相编码信号。带宽是600MHz,中心频率是10GHz。这些发射信号不是理想的正交信号,它们具有较低的自相关旁瓣,但具有较高的互相关旁瓣。考虑一个有330个散射点构成的点散射目标,离雷达距离5km。在距离向和方位向上的理论分辨率分别为0.25m和0.251m。
采用联合块稀疏恢复算法在均匀采样和均匀MIMO阵列的情况下,以600MHz的频率对目标对象的回波进行均匀采样,获得的目标对象的二维图像,如图2所示,图2为使用相关技术得到的一种均匀采样和均匀阵列下的成像结果图。
考虑非均匀阵列的情况。从上面的均匀阵列中随机选择了20个接收阵元。在其他参数不变的情况下,采用联合块稀疏恢复算法来恢复目标的高分辨距离像(HRRPs),非均匀阵列的成像结果如图3所示,图3为使用相关技术得到的一种非均匀阵列的成像结果图。结果表明,采用非均匀阵列,接收阵元数量较少,成像效果较差。
进一步,将非均匀采样与非均匀阵列一起考虑。从均匀采样回波中随机选取的30%数据作为非均匀采样回波。采用非均匀采样和非均匀阵列的成像结果如图4所示,图4为使用相关技术得到的非均匀采样和非均匀阵列成像结果图。显然,联合块稀疏恢复算法是无效的,因为回波在时间和空间上都是随机降采样的。
作为一种实施例,采用本申请所提出的雷达成像方法,在非均匀采样和非均匀阵列情况下生成目标对象的图像。成像区域与图4相同,成像区域被划分为网格,网格的大小设定为理论分辨率。其他参数与图4中的相同。构造感知矩阵,感知矩阵的奇异值如图5和图6所示。本申请实施例提供的一种奇异值分布图,图6为本申请实施例提供的另一种奇异值分布图,从图5和图6中可以看出,存在零奇异值和很小奇异值。这意味着,由于非正交波形、非均匀阵列和非均匀采样,使得感知矩阵是病态的。在这种情况下,计算成像方法不能直接应用,需要对奇异值进行调整。
进一步,利用本申请中的方式一获取调整后的奇异值,其中,第一预设奇异值阈值为0.01,并根据式(15)计算感知矩阵的伪逆,用基于式(16)以及式(17)的修正的SL0算法对目标对象进行成像。通过本申请的方法获得的成像结果如图7所示,图7为本申请实施例提供的一种非均匀采样和非均匀阵列成像结果图,结果表明,本申请方法在非正交波形、非均匀阵列和非均匀采样情况下是有效的。
因此,通过联合块稀疏恢复算法只适用于均匀采样和均匀MIMO阵列的情况下获得目标对象的二维图像,对将非均匀采样与非均匀阵列的情况进行成像,最终成像效果差,但通过本申请中的方法,对感知矩阵进行调整,具体采用截断奇异值法对感知矩阵进行调整,并利用调整后的目标感知矩阵,以及SL0算法求解目标对象的目标散射系数向量,从而得到目标对象的图像效果较好,从而在发射波形并不是理想正交波形、不规则阵列结构或非均匀采样等情况时,提高MIMO雷达成像方法的鲁棒性。
参阅图8所示,图8为本申请实施例提供的一种雷达成像的装置结构框图,图8所示的装置800与图1的方法对应,包括能够实现图1方法的各个功能模块。
在一种实施方式中,图8所示的装置800包括:
接收单元801,用于通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号。
确定单元802,用于根据接收的各接收信号,确定初始感知矩阵;
分解单元803,用于对初始感知矩阵进行奇异值分解,获得多个奇异值。
调整单元804,用于对多个奇异值进行调整,获得调整后的奇异值集合。
矩阵生成单元805,用于根据调整后的奇异值集合,生成目标感知矩阵。
图像生成单元806,用于根据目标感知矩阵,生成目标对象的图像。
在一种实施方式中,调整单元804具体用于:
从多个奇异值中,筛选出高于第一预设奇异值阈值的奇异值。
根据筛选出的奇异值,获得调整后的奇异值集合。
在一种实施方式中,调整单元804具体用于:
从多个奇异值中,筛选出高于第二预设奇异值阈值的奇异值。
对筛选出的奇异值进行修正,获得修正后的至少一个奇异值。
根据修正后的至少一个奇异值,获得调整后的奇异值集合。
在一种实施方式中,确定单元802具体用于:
根据各接收信号分别生成针对每一散射点在每一接收阵元处,执行以下步骤:
获取一个散射点在一个接收阵元处的回波数据。
对回波数据进行向量替换,生成回波数据的向量数据。
利用非均匀压缩采样矩阵,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵。
根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵。
对目标回波矩阵进行分解,获得初始散射系数向量,以及初始感知矩阵。
结合第二方面,在一种实施方式中,确定单元802具体用于:
若存在M个发射阵元,N个接收阵元的阵列,目标对象的参考点为O,目标对象上的第q个散射点为Q,则获得第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟,以及第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟。
其中,第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟为τq,m=(TmQ-TmO)/C,第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟为τq,n=(RnQ-RnO)/C,C表示光速,TmQ表示第m个发射阵元Tm到第q个散射点Q的距离,TmO表示第m个发射阵元Tm到参考点O的距离,RnQ表示第n个接收阵元Rn到第q个散射点Q的距离,RnO表示第n个接收阵元Rn到参考点O的距离。
各接收信号针对第q个散射点Q在第n个接收阵元Rn处的回波数据如表达式(1)所示:
确定单元802具体用于:
bq=[exp(-j2πf0τq,0),…,exp(-j2πf0τq,m),…,exp(-j2πf0τq,M-1)]∈CM×1,则表达式(1)的向量数据如表达式(2)所示:
其中,yq,n表示第q个散射点Q在第n个接收阵元Rn处的回波数据的向量数据。
确定单元802具体用于:利用第n个接收阵元Rn处的非均匀压缩采样矩阵Ψn∈RL ′×L,对向量数据进行非均匀压缩采样,获得压缩后的回波矩阵如表达式(3)所示:
根据表达式(3)生成第q个散射点Q在每一接收阵元处的压缩后的回波矩阵如表达式(4)所示:
确定单元802具体用于:若目标对象是由J个散射点组成,则目标回波矩阵如表达式(5)所示:
s=Φθ (5)
其中,Φ=[ω0,…,ωq,…,ωJ-1]∈CL′N×J表示初始感知矩阵,θ=[σ0,…,σq,…,σJ-1]T∈CJ×1表示所有散射点的初始散射系数向量。
在一种实施方式中,分解单元803具体:
若压缩后的回波矩阵的长度小于初始散射系数向量的长度,则对初始感知矩阵进行奇异值分解,获得多个奇异值。
在一种实施方式中,图像生成单元806具体用于:
根据稀疏恢复算法,以及目标感知矩阵,确定目标散射系数向量。
根据目标散射系数向量,生成目标对象的图像。
需要说明的是,图8所示的装置800,能够实现图1方法实施例中雷达成像的方法的各个过程。装置800中的各个模块的操作和/或功能,分别为了实现图1中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
请参照图9,图9为本申请实施例提供的一种电子设备的结构示意图,图9所示的电子设备900可以包括:至少一个处理器910,例如CPU,至少一个通信接口920,至少一个存储器930和至少一个通信总线940。其中,通信总线940用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口920用于与其他节点设备进行信令或数据的通信。存储器930可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器930可选的还可以是至少一个位于远离前述处理器的存储装置。存储器930中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器910执行时,电子设备执行上述图1所示方法过程。
本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被服务器执行时实现图1所示的方法过程。
在本申请所提供的几个实施例中,应该理解到,所揭露的***和方法,也可以通过其它的方式实现。以上所描述的***实施例仅仅是示意性的,例如,所述***装置的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个装置或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种雷达成像的方法,其特征在于,所述方法包括:
通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号;
根据接收的各接收信号,确定初始感知矩阵;
对所述初始感知矩阵进行奇异值分解,获得多个奇异值;
对所述多个奇异值进行调整,获得调整后的奇异值集合;
根据所述调整后的奇异值集合,生成目标感知矩阵;
根据所述目标感知矩阵,生成所述目标对象的图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述多个奇异值进行调整,获得调整后的奇异值集合,包括:
从所述多个奇异值中,筛选出高于第一预设奇异值阈值的奇异值;
根据筛选出的奇异值,获得所述调整后的奇异值集合。
3.根据权利要求1所述的方法,其特征在于,所述对所述多个奇异值进行调整,获得调整后的奇异值集合,包括:
从所述多个奇异值中,筛选出高于第二预设奇异值阈值的奇异值;
对筛选出的奇异值进行修正,获得修正后的至少一个奇异值;
根据所述修正后的至少一个奇异值,获得所述调整后的奇异值集合。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据接收的各接收信号,确定初始感知矩阵,包括:
根据各接收信号分别生成针对每一散射点在每一接收阵元处,执行以下步骤:
获取一个散射点在一个接收阵元处的回波数据;
对所述回波数据进行向量替换,生成所述回波数据的向量数据;
利用非均匀压缩采样矩阵,对所述向量数据进行非均匀压缩采样,获得压缩后的回波矩阵;
根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵;
对所述目标回波矩阵进行分解,获得初始散射系数向量,以及所述初始感知矩阵。
5.根据权利要求4所述的方法,其特征在于,所述一个散射点在一个接收阵元处的回波数据,包括:
若存在M个发射阵元,N个接收阵元的阵列,所述目标对象的参考点为O,所述目标对象上的第q个散射点为Q,则获得所述第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟,以及所述第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟;
其中,所述第q个散射点Q相对于第m个发射阵元Tm的调整时间延迟为τq,m=(TmQ-TmO)/C,所述第q个散射点Q相对于第n个接收阵元Rn的调整时间延迟为τq,n=(RnQ-RnO)/C,C表示光速,TmQ表示所述第m个发射阵元Tm到所述第q个散射点Q的距离,TmO表示所述第m个发射阵元Tm到所述参考点O的距离,RnQ表示所述第n个接收阵元Rn到所述第q个散射点Q的距离,RnO表示所述第n个接收阵元Rn到所述参考点O的距离;
所述各接收信号针对所述第q个散射点Q在第n个接收阵元Rn处的回波数据如表达式(1)所示:
所述对所述回波数据进行向量替换,生成所述回波数据的向量数据,包括:
bq=[exp(-j2πf0τq,0),…,exp(-j2πf0τq,m),…,exp(-j2πf0τq,M-1)]∈CM×1,则所述表达式(1)的向量数据如表达式(2)所示:
其中,yq,n表示所述第q个散射点Q在第n个接收阵元Rn处的回波数据的向量数据;
所述利用非均匀压缩采样矩阵,对所述向量数据进行非均匀压缩采样,获得压缩后的回波矩阵,包括:
利用所述第n个接收阵元Rn处的非均匀压缩采样矩阵Ψn∈RL′×L,对所述向量数据进行非均匀压缩采样,获得压缩后的回波矩阵如表达式(3)所示:
根据所述表达式(3)生成所述第q个散射点Q在每一接收阵元处的压缩后的回波矩阵如表达式(4)所示:
所述根据所有散射点在每一接收阵元处的压缩后的回波矩阵,生成目标回波矩阵,包括:
若所述目标对象是由J个散射点组成,则所述目标回波矩阵如表达式(5)所示:
s=Φθ (5)
其中,Φ=[ω0,…,ωq,…,ωJ-1]∈CL′N×J表示所述初始感知矩阵,θ=[σ0,…,σq,…,σJ-1]T∈CJ×1表示所有散射点的所述初始散射系数向量。
6.根据权利要求4所述的方法,其特征在于,所述对所述初始感知矩阵进行奇异值分解,获得多个奇异值,包括:
若所述压缩后的回波矩阵的长度小于所述初始散射系数向量的长度,则对所述初始感知矩阵进行奇异值分解,获得所述多个奇异值。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述目标感知矩阵,生成所述目标对象的图像,包括:
根据稀疏恢复算法,以及所述目标感知矩阵,确定目标散射系数向量;
根据所述目标散射系数向量,生成所述目标对象的图像。
8.一种雷达成像的装置,其特征在于,所述装置包括:
接收单元,用于通过多个接收阵元接收目标对象上的多个散射点基于多个发射阵元的发射信号返回的接收信号;
确定单元,用于根据接收的各接收信号,确定初始感知矩阵;
分解单元,用于对所述初始感知矩阵进行奇异值分解,获得多个奇异值;
调整单元,用于对所述多个奇异值进行调整,获得调整后的奇异值集合;
矩阵生成单元,用于根据所述调整后的奇异值集合,生成目标感知矩阵;
图像生成单元,用于根据所述目标感知矩阵,生成所述目标对象的图像。
9.一种电子设备,其特征在于,包括:
处理器、存储器和总线,所述处理器通过所述总线与所述存储器相连,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,用于实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被服务器执行时实现如权利要求1-7中任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110757264.1A CN113376630A (zh) | 2021-07-05 | 2021-07-05 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110757264.1A CN113376630A (zh) | 2021-07-05 | 2021-07-05 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113376630A true CN113376630A (zh) | 2021-09-10 |
Family
ID=77580915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110757264.1A Pending CN113376630A (zh) | 2021-07-05 | 2021-07-05 | 雷达成像的方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376630A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010166428A (ja) * | 2009-01-16 | 2010-07-29 | Nec Corp | 受信装置、及び信号受信方法 |
WO2016029276A1 (en) * | 2014-08-29 | 2016-03-03 | Commonwealth Scientific And Industrial Research Organisation | Imaging method and apparatus |
CN107064896A (zh) * | 2017-03-30 | 2017-08-18 | 南京信息工程大学 | 基于截断修正sl0算法的mimo雷达参数估计方法 |
CN108562897A (zh) * | 2018-01-26 | 2018-09-21 | 桂林电子科技大学 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
CN109507664A (zh) * | 2019-01-22 | 2019-03-22 | 中国人民解放军空军工程大学 | 压缩感知mimo雷达认知波形获取方法和装置 |
CN112444830A (zh) * | 2020-11-10 | 2021-03-05 | 中国科学院微小卫星创新研究院 | 基于奇异值分解的压缩感知gnss信号捕获方法 |
-
2021
- 2021-07-05 CN CN202110757264.1A patent/CN113376630A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010166428A (ja) * | 2009-01-16 | 2010-07-29 | Nec Corp | 受信装置、及び信号受信方法 |
WO2016029276A1 (en) * | 2014-08-29 | 2016-03-03 | Commonwealth Scientific And Industrial Research Organisation | Imaging method and apparatus |
CN107064896A (zh) * | 2017-03-30 | 2017-08-18 | 南京信息工程大学 | 基于截断修正sl0算法的mimo雷达参数估计方法 |
CN108562897A (zh) * | 2018-01-26 | 2018-09-21 | 桂林电子科技大学 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
CN109507664A (zh) * | 2019-01-22 | 2019-03-22 | 中国人民解放军空军工程大学 | 压缩感知mimo雷达认知波形获取方法和装置 |
CN112444830A (zh) * | 2020-11-10 | 2021-03-05 | 中国科学院微小卫星创新研究院 | 基于奇异值分解的压缩感知gnss信号捕获方法 |
Non-Patent Citations (2)
Title |
---|
陈金立 等: "基于平滑l0范数和TSVD的MIMO雷达目标参数估计方法", 《中国电子科学研究院学报》, vol. 12, no. 3, pages 295 - 301 * |
陈金立;李伟;唐彬彬;李家强;: "基于截断修正平滑l_0范数的MIMO雷达目标参数估计", 电讯技术, no. 09, pages 998 - 1003 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10311547B2 (en) | Image upscaling system, training method thereof, and image upscaling method | |
US9697592B1 (en) | Computational-complexity adaptive method and system for transferring low dynamic range image to high dynamic range image | |
US9563806B2 (en) | Methods and apparatuses for detecting anomalies using transform based compressed sensing matrices | |
CN113870104A (zh) | 超分辨率图像重建 | |
CN113222855B (zh) | 一种图像恢复方法、装置和设备 | |
WO2015094537A1 (en) | Methods and apparatuses for detecting anomalies in the compressed sensing domain | |
Chountasis et al. | Applications of the Moore-Penrose inverse in digital image restoration | |
CN113376630A (zh) | 雷达成像的方法、装置、电子设备和计算机可读存储介质 | |
Nguyen et al. | Generalized minimum noise subspace for array processing | |
CN112235062A (zh) | 一种对抗通信噪声的联邦学习方法和*** | |
US8798569B2 (en) | Channel estimation method and device in a multi-antenna system | |
Akbari et al. | Image error concealment using sparse representations over a trained dictionary | |
CN113497648A (zh) | 用于恢复角度稀疏信道的方法及使用该方法的*** | |
Mou et al. | Compressed smooth sparse decomposition | |
CN109143155B (zh) | 基于互素阵列的相关信号波达方向估计方法及*** | |
WO2020042108A1 (en) | Frequency time domain channel hardening and overhead reduction | |
Li et al. | Recursive low-rank and sparse recovery of surveillance video using compressed sensing | |
US20060245667A1 (en) | 1-D image restoration using a sliding window method | |
CN111245490A (zh) | 宽带信号提取方法、装置及电子设备 | |
CN111355881B (zh) | 同时消除卷帘伪影和抖动的视频稳定化方法 | |
Purnamasari et al. | Recovery of radar's beat signal based on compressive sampling | |
CN114692085B (zh) | 特征提取方法、装置、存储介质及电子设备 | |
WO2022222896A1 (zh) | 一种发送、接收方法、装置、电子设备和存储介质 | |
US12040855B2 (en) | Frequency time domain channel hardening and overhead reduction | |
CN110689494B (zh) | 一种条纹去除方法、装置、电子设备及存储介质 |
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 |