基于bp優化的壓縮感知多層isar成像方法
【專利摘要】本發明公開了一種基于BP優化的壓縮感知多層ISAR成像方法，它屬于雷達成像【技術領域】，主要解決傳統ISAR成像對噪聲敏感和單層壓縮感知優化時間復雜度高，稀疏控制參數難選擇的問題。其具體實現過程為：原始回波數據預處理；確定方位向分辨率步長因子σ；初始化編碼矩陣W1，解碼矩陣W2；BP算法進行訓練優化編過過程和解碼過程；用壓縮感知理論重構出ISAR圖像；方位向進行逆傅立葉變換,把得到的回波輸入下一層，采用相同的原理訓練；在最后一層輸出高分辨的ISAR圖像。本發明具有收斂速度快，可以在低信噪比和回波數少的條件下實現高分辨成像，可用于ISAR圖像目標的分類和識別。
【專利說明】基于BP優化的壓縮感知多層ISAR成像方法
【技術領域】
[0001]本發明屬于雷達成像領域，特別是一種涉及ISAR成像的方法，可應用于目標的分類和識別。
【背景技術】
[0002]逆合成孔徑雷達ISAR成像相對于其他的遙感技術，具有全天候，全天時對遠距離運動目標成像的優勢，所以被廣泛應用在軍事和民用領域，實現對目標的分類和識別。為了提升對目標的分類和識別能力，需要ISAR圖像具有很高的分辨率，提取目標的散射特性和幾何特征。距離向的分辨率依賴于雷達發射信號的帶寬，方位向的分辨率受到目標相干積累角的限制。為了提高方位向分辨率，必須增加方位向相干積累時間，然而在實際應用中，受限于雷達工作狀態或目標運動狀態，方位向相干積累時間的增加有困難。所以盡可能減少相干積累時間，而又能實現方位向的高分辨成像成為研究的熱點。在短的相干時間內，目標的運動可以認為相對簡單，降低運動補償難度，并且減少回波的數據量，便于存儲和傳輸。
[0003]帶寬外推方法和參數化的譜估計技術是比較常見的超分辨算法，利用這些技術逼近完整的回波信息，提高方位分辨率。但是這些算法對噪聲很敏感，且性能受到回波數量和質量的影響，魯棒性不夠好。
[0004]另一種常見的高分辨成像算法是運用壓縮感知理論，利用在ISAR成像中，強散射點在成像平面中占據很少的空間，可以認為ISAR信號是稀疏的，結合I范數稀疏約束進行搜索，重構出ISAR圖像，該算法對噪聲具有魯棒性，并且能在較少的回波數據下保證超分辨的成像質量。但是這種算法需要利用牛頓法、共軛梯度等優化算法來優化，需要求解Hessian矩陣,增加了算法的時間復雜度。當回波的信噪比較低時,ISAR圖像不能實現更好的聚焦，在強散射點附近會出現虛假點，圖像的質量下降。并且稀疏控制參數在很大程度上影響成像效果，人為設置參數降低的算法的魯棒性。
【發明內容】
[0005]本發明的目的在于克服上述已有技術的不足，提出一種基于誤差反向傳播BP優化的壓縮感知多層成像方法。
[0006]實現本發明目的的具體實現過程如下:
[0007](I)根據采樣得到的回波數Ntl,目標ISAR圖像方位向分辨率N，確定模型的層數L和步進成像的步長因子σ，每層得到的ISAR圖像的方位向分辨率為{&，N2,, Nj ,N1=σ 1N?且 Nl = N ;
[0008](2)原始回波的預處理，包絡對齊和相位初校正；
[0009](3)對模型的第I層，輸入為Nw個回波數據S1，輸出為方位向分辨率為N1的ISAR圖像Ii:
[0010]I)初始化編碼矩陣W1，解碼矩陣W2和系統噪聲II1, η2，
[0011]W1 = FE，E為需要進行調節的相位矩陣，初始化為單位矩陣，F為部分傅立葉矩陣，W2 = W1' II1和n2初始化為O ；
[0012]2)編碼過程為=I1 = sigmoid(W1SJn1),解碼過程為:S1=W2I1+N2,優化目標函數為：
【權利要求】
1.一種基于BP優化的壓縮感知多層ISAR成像方法，包括如下步驟: 1)原始回波數據預處理:在距離向利用相鄰包絡相關法實現包絡對齊，相位初補償采用的是特顯點法； 2)確定步長因子σ:根據采樣得到的回波數Ntl，目標ISAR圖像方位向分辨率N，確定模型的層數L，步長因子σ，每層得到的ISAR圖像的方位向分辨率N1 ； 3)初始化W1,W2，H1, n2 =W1為編碼矩陣，W1實現相位的校正，同時把回波數據變換到多普勒域； 4)整個相位調節的過程分為編碼過程和解碼過程，這兩過程構成一個多層感知器； 5)利用BP算法優化目標函數； 6)利用壓縮感知理論恢復出ISAR圖像I1； 7)判斷是否達到了預期的分辨率，如果沒有達到，對ISAR圖像I1方位向進行逆傅立葉變換，然后執行步驟三；如果達到預期的分辨率則直接輸出ISAR圖像I。
2.根據權利要求1所述的多層ISAR成像方法，其中N= 256，L = 3，則步進成像的步長因子
，每層得到的ISAR圖像的方位向分辨率為{隊，N2,..., N1,..., Nl_1； NlI，其中 N1 = σ 1N00
3.根據權利要求1所述的多層ISAR成像方法，初始化時，W1= FE，E為相位矩陣，初始化為單位矩陣，大小為NhXNh，F為部分傅立葉基矩陣，大小為N1XN1+ W2 = W1' H1和n2都初始化為O向量，大小分別為N1X I和Nh X I。
4.根據權利要求1所述的多層ISAR成像方法，編碼過程為I1= sigmoid (W1Sfn1),I1為ISAR圖像，S1為回波數據，解碼過程為免=W2It+n2, S1為重構得到的回波數據，編碼過程引入sigmoid(.)函數，= ，使得ISAR圖像每個像素點的幅度限制在[0.5，I]之間。
5.根據權利要求1所述的多層ISAR成像方法，目標函數為
，其中K表示二范數，Ii.111表示一范數，以重構誤差元-乂反向傳播，實現步驟5)的具體過程如下: 5a)解碼過程的誤差為q = S1-S1,編碼過程中，設A1 = W1Sfn1，則編碼過程的誤差為e2 = O^e1+! IA1I |)f' (A1), f' (.)為 sigmoid 函數的導數； 5b)目標函數f對W1, W2，H1, n2的偏導數分別為:
5c) W1, W2, Ii1, n2的梯度分另Il為:
5d)參數更新過程為:
W1 = W1- α Δ W1 (9)
Ii1 = Ii1- α Δ Ii1 (10)
W2 = W2- α Δ W2 (11)
η2 = η2- α Δ η2 (12) 5e)直到目標函數的值收斂，分別得到W1, W2, H1, n2。
6.根據權利要求1所述的多層ISAR成像方法，把訓練得到的W2當作一個字典，成像過程用壓縮感知理論表示為=S1 = W2Ifn2，利用平滑零范數SLO算法重構出ISAR圖像Ip
7.根據權利要求1所述的多層ISAR成像方法，其中，μ= I。
【文檔編號】G01S13/89GK104181528SQ201410383872
【公開日】2014年12月3日 申請日期:2014年8月6日 優先權日:2014年8月6日
【發明者】侯彪, 焦李成, 李振煒, 張向榮, 馬文萍, 王爽, 李衛斌 申請人:西安電子科技大學