基于bp优化的压缩感知多层isar成像方法
【专利摘要】本发明公开了一种基于BP优化的压缩感知多层ISAR成像方法，它属于雷达成像【技术领域】，主要解决传统ISAR成像对噪声敏感和单层压缩感知优化时间复杂度高，稀疏控制参数难选择的问题。其具体实现过程为：原始回波数据预处理；确定方位向分辨率步长因子σ；初始化编码矩阵W1，解码矩阵W2；BP算法进行训练优化编过过程和解码过程；用压缩感知理论重构出ISAR图像；方位向进行逆傅立叶变换,把得到的回波输入下一层，采用相同的原理训练；在最后一层输出高分辨的ISAR图像。本发明具有收敛速度快，可以在低信噪比和回波数少的条件下实现高分辨成像，可用于ISAR图像目标的分类和识别。
【专利说明】基于BP优化的压缩感知多层ISAR成像方法
【技术领域】
[0001]本发明属于雷达成像领域，特别是一种涉及ISAR成像的方法，可应用于目标的分类和识别。
【背景技术】
[0002]逆合成孔径雷达ISAR成像相对于其他的遥感技术，具有全天候，全天时对远距离运动目标成像的优势，所以被广泛应用在军事和民用领域，实现对目标的分类和识别。为了提升对目标的分类和识别能力，需要ISAR图像具有很高的分辨率，提取目标的散射特性和几何特征。距离向的分辨率依赖于雷达发射信号的带宽，方位向的分辨率受到目标相干积累角的限制。为了提高方位向分辨率，必须增加方位向相干积累时间，然而在实际应用中，受限于雷达工作状态或目标运动状态，方位向相干积累时间的增加有困难。所以尽可能减少相干积累时间，而又能实现方位向的高分辨成像成为研究的热点。在短的相干时间内，目标的运动可以认为相对简单，降低运动补偿难度，并且减少回波的数据量，便于存储和传输。
[0003]带宽外推方法和参数化的谱估计技术是比较常见的超分辨算法，利用这些技术逼近完整的回波信息，提高方位分辨率。但是这些算法对噪声很敏感，且性能受到回波数量和质量的影响，鲁棒性不够好。
[0004]另一种常见的高分辨成像算法是运用压缩感知理论，利用在ISAR成像中，强散射点在成像平面中占据很少的空间，可以认为ISAR信号是稀疏的，结合I范数稀疏约束进行搜索，重构出ISAR图像，该算法对噪声具有鲁棒性，并且能在较少的回波数据下保证超分辨的成像质量。但是这种算法需要利用牛顿法、共轭梯度等优化算法来优化，需要求解Hessian矩阵,增加了算法的时间复杂度。当回波的信噪比较低时,ISAR图像不能实现更好的聚焦，在强散射点附近会出现虚假点，图像的质量下降。并且稀疏控制参数在很大程度上影响成像效果，人为设置参数降低的算法的鲁棒性。
【发明内容】
[0005]本发明的目的在于克服上述已有技术的不足，提出一种基于误差反向传播BP优化的压缩感知多层成像方法。
[0006]实现本发明目的的具体实现过程如下:
[0007](I)根据采样得到的回波数Ntl,目标ISAR图像方位向分辨率N，确定模型的层数L和步进成像的步长因子σ，每层得到的ISAR图像的方位向分辨率为{&，N2,, Nj ,N1=σ 1N?且 Nl = N ;
[0008](2)原始回波的预处理，包络对齐和相位初校正；
[0009](3)对模型的第I层，输入为Nw个回波数据S1，输出为方位向分辨率为N1的ISAR图像Ii:
[0010]I)初始化编码矩阵W1，解码矩阵W2和系统噪声II1, η2，
[0011]W1 = FE，E为需要进行调节的相位矩阵，初始化为单位矩阵，F为部分傅立叶矩阵，W2 = W1' II1和n2初始化为O ；
[0012]2)编码过程为=I1 = sigmoid(W1SJn1),解码过程为:S1=W2I1+N2,优化目标函数为：
【权利要求】
1.一种基于BP优化的压缩感知多层ISAR成像方法，包括如下步骤: 1)原始回波数据预处理:在距离向利用相邻包络相关法实现包络对齐，相位初补偿采用的是特显点法； 2)确定步长因子σ:根据采样得到的回波数Ntl，目标ISAR图像方位向分辨率N，确定模型的层数L，步长因子σ，每层得到的ISAR图像的方位向分辨率N1 ； 3)初始化W1,W2，H1, n2 =W1为编码矩阵，W1实现相位的校正，同时把回波数据变换到多普勒域； 4)整个相位调节的过程分为编码过程和解码过程，这两过程构成一个多层感知器； 5)利用BP算法优化目标函数； 6)利用压缩感知理论恢复出ISAR图像I1； 7)判断是否达到了预期的分辨率，如果没有达到，对ISAR图像I1方位向进行逆傅立叶变换，然后执行步骤三；如果达到预期的分辨率则直接输出ISAR图像I。
2.根据权利要求1所述的多层ISAR成像方法，其中N= 256，L = 3，则步进成像的步长因子
，每层得到的ISAR图像的方位向分辨率为{队，N2,..., N1,..., Nl_1； NlI，其中 N1 = σ 1N00
3.根据权利要求1所述的多层ISAR成像方法，初始化时，W1= FE，E为相位矩阵，初始化为单位矩阵，大小为NhXNh，F为部分傅立叶基矩阵，大小为N1XN1+ W2 = W1' H1和n2都初始化为O向量，大小分别为N1X I和Nh X I。
4.根据权利要求1所述的多层ISAR成像方法，编码过程为I1= sigmoid (W1Sfn1),I1为ISAR图像，S1为回波数据，解码过程为免=W2It+n2, S1为重构得到的回波数据，编码过程引入sigmoid(.)函数，= ，使得ISAR图像每个像素点的幅度限制在[0.5，I]之间。
5.根据权利要求1所述的多层ISAR成像方法，目标函数为
，其中K表示二范数，Ii.111表示一范数，以重构误差元-乂反向传播，实现步骤5)的具体过程如下: 5a)解码过程的误差为q = S1-S1,编码过程中，设A1 = W1Sfn1，则编码过程的误差为e2 = O^e1+! IA1I |)f' (A1), f' (.)为 sigmoid 函数的导数； 5b)目标函数f对W1, W2，H1, n2的偏导数分别为:
5c) W1, W2, Ii1, n2的梯度分另Il为:
5d)参数更新过程为:
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)直到目标函数的值收敛，分别得到W1, W2, H1, n2。
6.根据权利要求1所述的多层ISAR成像方法，把训练得到的W2当作一个字典，成像过程用压缩感知理论表示为=S1 = W2Ifn2，利用平滑零范数SLO算法重构出ISAR图像Ip
7.根据权利要求1所述的多层ISAR成像方法，其中，μ= I。
【文档编号】G01S13/89GK104181528SQ201410383872
【公开日】2014年12月3日 申请日期:2014年8月6日 优先权日:2014年8月6日
【发明者】侯彪, 焦李成, 李振炜, 张向荣, 马文萍, 王爽, 李卫斌 申请人:西安电子科技大学