基于ialm的穿墙雷达成像算法.docxVIP

基于ialm的穿墙雷达成像算法 穿过墙的雷达成像是一种利用低频微波的渗透性有效地探测、定位和图像复杂场景和障碍物的目标。它在应急救援、医疗监督、城市安全和反恐斗争等领域发挥着重要作用。 穿墙成像中常采用超宽带（Ultra Wide Band,UWB）信号作为发射信号来提高距离向分辨率和探测精度 近年来，国内外学者通过研究与压缩感知（Compressive Sensing,CS）理论结合的雷达成像算法，以此来改善传统算法的不足。美国Rice大学的学者Baraniuk在研究雷达成像时引入CS理论，并在后续的仿真模拟中，利用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法成功重建成像场景，验证了压缩感知雷达成像的可行性，这也是研究者第一次通过理论证明了压缩感知成像算法优于其他传统成像算法 基于CS理论的雷达成像系统可采用低速的A/D转换器进行采样，极大程度地降低了雷达接收端对采样速率的要求，简化了硬件设计，同时基于CS理论的成像算法通过引入稀疏的正则化约束，直接建立成像场景与测量数据之间的线性关系，使得基于CS理论的成像算法往往成像效果更好，但在重构过程中须严格遵循非线性的稀疏约束，对信噪比要求较高，计算过程较复杂，且在TWRI实际应用中，墙体反射回波能量远远大于目标回波能量，导致目标信号常被杂波信号所覆盖，这使得目标的检测变得十分困难。因此，设计一种同时兼顾抑制墙杂波和目标成像的算法显得尤为重要。 本文针对传统CS成像技术对噪声敏感、计算过程复杂的问题，提出一种CS框架下的基于非精确增广拉格朗日乘子（Inexact Augmented Lagrange Multiplier,IALM）的穿墙成像算法。将TWRI问题视为正则化最小二乘优化问题，利用成像场景的稀疏性，分析回波信号数据矩阵，引入IALM进行迭代求解，先建立步进频穿墙雷达信号模型，构造目标回波信号稀疏表示字典；再利用随机测量矩阵实现降采样，最后将目标成像和墙杂波抑制视为一个含核范数和l 1 基于非精确增光拉格朗日乘数的雷达成像 1.1 a为小样本mn维的传感及信号 设x是一个长度为N、稀疏度为K的离散信号，则x可用一组基Ψ 其中，α为x在Ψ上的稀疏系数矩阵，Ψ为x的稀疏变换基或字典矩阵。 构造一个合适的采样矩阵，将高维信号x投影到低维空间上进行降维采样，则通过降维采样矩阵Φ=[φ 其中，y是采样后的M×1维的观测信号，Φ是M×N维的测量矩阵，x是N×1维的离散型原始信号矩阵，M为采样的维度，M?N。则可推出： 其中，A是M×N维传感矩阵或感知矩阵。重构准确性和稳定性决定于A是否满足约束等容特性（Restricted Isomety Property,RIP) 信号重构可通过对式（3）求逆运算得系数α，再恢复原始信号x。由于Φ的列数远大于行数，使得未知数个数远大于求解方程个数，求解式（3）等同于求l 其中， 1.2 信号信号频率的稀疏特性 系统利用合成孔径技术（SAR）的思想，利用单站雷达的运动产生与目标之间的相对位移，把小的实天线孔径合成为一个等效的大虚拟孔径，提高方位向分辨率。如图1所示为穿墙雷达系统探测示意图。 依据探测模型，雷达系统采用的是超宽带步进频信号体制，设采样测量点有M个，且每个测量点会发射N个频率步进的雷达脉冲，则第n(n=0,1,2,…,N-1)个发射信号频率为： 其中，f 天线沿平行于墙面的水平界面上匀速移动，则第m(m=0,1,2,…,M-1)个位置第n个频点的目标回波可表示为： 其中，P表示探测区域内散射目总数，σ 双程时延可由基于几何光学的穿墙信号模型 由ΔBA 电磁波在穿墙传播时速度会衰减为： 其中，v表示电磁波在墙体内部的传播速度，ε 由穿透墙体时的折射点可确定传播路径，进而求解单程反射时延τ： 当天线沿水平方向位移时，天线到墙体的距离保持不变，因此，墙体回波与传播时延为一固定值，墙体反射回波与天线的测量位置无关，可认为在空域上基本保持不变 其中，σ 则雷达在第m个位置第n个工作频点的天线接收信号可表示为： 在TWRI的实际应用中，成像区域内目标个数通常为单个或少数的，因此，穿墙雷达目标信号符合稀疏特性。将成像区域近似看作由一个个网格点组成的二维平面 设s 当某一个网格点与目标位置重叠时，则该网格点对应的散射强度值被定义为目标复散射系数σ 其中，Ψ 将M个测量位置的所有目标回波信号表示为一个MN×Q的矩阵： 同理，处理各个位置的墙杂波信号，系统接收信号组成的字典矩阵表示为： 其中，Z 通常探测区域中有用的目标仅占据较少的空间位置，目标信号具有稀疏性，故Z 1.3 测量矩阵的选取 本文选择一种简单且易于操作的压缩测量方法，即随机选取天线测量位置，同时随机选取脉冲工作频率进行降采样，则从MN×MN的单位阵中随机