下载文档原格式
一种超宽带随机噪声压缩感知雷达成像方法
程蒙;王冰洁
【期刊名称】《现代电子技术》
【年(卷),期】2022(45)9
【摘要】超宽带随机噪声雷达具有较高的成像分辨率和较强的抗电磁干扰能力,然而其高带宽特性给信号的采集硬件带来了沉重负担,压缩感知理论的出现可以很好地解决该问题。
结合合成孔径雷达成像原理,提出一种适用于超宽带随机噪声雷达的压缩感知成像算法,该算法不仅可以极大地降低系统的采样频率并且可以使用较少的数据集对场景成像,因此可以节省系统的存储空间。
成像结果表明,这种基于压缩感知的成像算法,在利用较少的测量数据集时仍然具有较好的成像效果,而采用传统线性成像方法会产生严重的伪影。
由于压缩感知重建算法的计算复杂性随着成像维度的增加而增大,基于压缩感知的方法在时间和内存消耗方面远高于传统线性方法,以至于无法获得大尺度场景的重建,因此采用一种近似的重构算法,该算法在极大地降低计算复杂性的同时,保持着较好的计算精度,可以实现对大尺度场景的成像,文中实现了点数为2048×2048的场景重建。
【总页数】6页(P1-6)
【作者】程蒙;王冰洁
【作者单位】太原理工大学新型传感器与智能控制教育部重点实验室
【正文语种】中文
【中图分类】TN957.52-34
【相关文献】
1.一种基于压缩感知的天波超视距雷达短时海杂波抑制方法
2.基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
3.基于压缩感知的随机噪声成像雷达
4.基于压缩感知的条带随机噪声雷达稀疏成像方法
5.基于相位补偿的矿井超宽带雷达压缩感知成像算法
因版权原因，仅展示原文概要，查看原文内容请购买。
摘要摘要穿墙雷达系统能对不透明障碍物等复杂环境下的生命迹象进行探测和定位，在城市恐怖袭击绑架和消防救援等活动中具有非常重要的作用和意义。
冲激体制的穿墙雷达是一款具有集穿透性强、抗干扰能力强、隐蔽性能好、距离向分辨率高等优点的探测能力比较优秀的穿墙雷达。
而天线作为穿墙雷达系统中重要的组成部分，天线的好坏直接影响雷达系统的性能，因此设计一款性能较佳的天线是非常重要的，而这也是本设计的目标。
本设计的工作和内容主要包括以下几个部分：首先，简要分析和概述了穿墙雷达系统的背景以及其实际应用意义，调研和分析了国内外研究现状和发展。
研究和分析了1GHz~10GHz频段信号对各种墙体穿透能力，以及结合系统体积、雷达信号波形和冲激体制最终确定以1.5GHz~4.5 GHz频段的高斯脉冲加载3GHz正弦波信号作为穿墙雷达信号。
然后对穿墙雷达信号频段进行分析知其为超宽带信号。
分析出适合此类穿墙雷达的天线主要为宽带微带型天线和超宽带天线。
简单介绍微带天线扩展带宽的方法并介绍和对比几种超宽带天线，最终确定带渐变槽的单极子天线和Vivaldi天线作为该系统的终点研究方向。
因而进行概述Vivaldi天线的原理、发展和馈电结构、为本文的设计作铺垫。
其次，设计了一款适合穿墙雷达的天线带渐变槽的单极子天线，详细阐述了该天线的设计过程并对其进行分析。
该天线有一个优点就是体积小它的体积是后面设计的Vivaldi天线的体积的50%，而且带渐变槽的单极子天线的高频特性非常好达到了11GHz。
并且通过分析其时域特性，表明其具有良好的时域特性。
最后，从Vivaldi天线的结构到设计给出了详细分析和计算。
设计主要包括馈电结构和槽线渐变辐射器的计算和设计。
然后对天线整体性能进行描述并分析其仿真和测试结果。
主要包括频域的回波损耗、辐射方向图以及峰值增益和时域的辐射波形、振铃现象、时域方向图以及保真系数等方面的分析。
通过比较这两款天线性能，最终选择Vivaldi天线作为穿墙雷达系统的收发天线。
基于压缩感知和粒子滤波的OFDM超宽信道估计马永强;孙伟【摘要】针对通信系统中的正交频分复用(OFDM)超宽信道具有的稀疏多径和含噪声特征,将信道估计问题转换为稀疏信号的重构和优化问题,设计了一种基于压缩感知理论和粒子滤波的OFDM信道估计方法;首先定义和描述了OFDM数学模型,然后在对压缩感知理论模型研究的基础上,采用改进的正交匹配算法对OFDM超宽信道进行重构,为了进一步减少信道重构的误差,将由于正交匹配算法得到的重构信道作为初始的粒子,并将OFDM数学模型转换为动态参数模型,并通过粒子滤波来更新模型中的参数和频率响应,通过不断迭代获得信道的估计值;为了验证文中方法的优越性,将文中方法与经典的正交匹配算法与粒子滤波算法进行比较,结果表明:文中方法能有效地对含噪声的稀疏信号进行估计,具有较小的重构误差,且与其它方法相比,具有较小的归一化均方误差.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)006【总页数】4页(P2175-2177,2181)【关键词】压缩感知;信道估计;正交匹配;粒子滤波【作者】马永强;孙伟【作者单位】集宁师范学院计算机系,内蒙古乌兰察布012000;集宁师范学院计算机系,内蒙古乌兰察布012000【正文语种】中文【中图分类】TP312正交频分复用（orthogonal frequency division multiplexing，OFDM）［1］是一种无线环境的高速技术，已成为下一代蜂窝移动网络的无线接入技术［23］。
常用的信道估计方法可以分为基于导频的信道估计方法和盲信道估计方法［45］。
基于导频的信道估计方法缺点是当信道条件不好时需发送导频信息多次，影响传输的实时性和高效性。
盲信道估计方法通常采用子空间分解方法，其缺点在于估计性能依赖于数据量的大小。
为了克服上述两种方法的缺点，近年来，研究者们开始着力于设计一些基于其它先进技术来解决OFDM的信道估计问题［67］，文献［8］提出了一种新的基于训练序列的信道估计方法。
超宽带穿墙雷达作者：赵敏黄莹吴思莹来源：《中国新通信》 2017年第12期【摘要】本文研究了基于宽带波束形成技术的穿墙雷达成像技术的基本概念和原理，建立了穿墙雷达成像目标回波模型，详细分析了宽带波束形成基本原理，最后通过matlab 仿真成像验证相干成像和非相干成像的不同。
【关键词】穿墙雷达成像成像目标回波模型宽带波束形成原理一、超宽带雷达介绍超宽带穿墙雷达是一种获取更多目标相关信息的新体制雷达，指的是雷达发射信号的带宽与中心频率之比大于0.25，并且带宽越大，雷达的距离分辨率越高。
在超宽带信号的照射下，超宽带雷达从目标的散射中心返回的回波信号有别于窄带雷达，接收机输入端的信号不载仅仅是简单的发射信号的延迟和多普勒频移。
雷达目标信息的提取与回波信号有着紧密的联系，因此对于超宽带雷达目标回波的建模研究与接收和处理回波信号尤为重要。
二、基于宽带波束形成技术穿墙雷达成像基本原理2.1 目标回波模型图1-1 为穿墙雷达成像的场景，假定为点目标，并且假定墙体是单一均匀介质的墙体，厚度和介电常数分别为和，本文采用单发单收天线沿墙体横向移动的方式形成线天线阵列，共在N 个天线位置进行数据采集。
设发射信号为s(t)，为超宽带信号满足距离分辨率要求，接收天线在第m 个天线位置接受到的回波信号为其中，为电磁波在墙体中的传播速度，电磁波在墙体和空气中的传播路径在墙体厚度d 和介电常数确知的条件下可以根据Snell 定律精确求解，从而可以精确计算回波延迟。
2.2 宽带波束形成基本原理将目标区域被划分为多个像素点，任意像素点的像素值可计算如下：其中，，为加权系数，用来表示目标图像扩展程度，一般设置为1。
为延迟，用来表示假设目标为点时的回波延迟。
对于目标区域的所有像素点由公式（1-3）得到其相应的像素值，墙体厚度d 和介电常数已知的条件下，目标点的像素值能够准确反映目标区域各散射点的强度，最终形成目标区域散射点图像，即为目标区域图像。
基于超宽带穿墙雷达的目标定位识别算法吴世有;黄琼;陈洁;孟升卫;方广有;阴和俊【期刊名称】《电子与信息学报》【年(卷),期】2010(032)011【摘要】穿墙目标探测是超宽带脉冲雷达在反恐斗争、灾难救援、城市巷战等方面的一个重要应用.SEABED算法是基于超宽带脉冲雷达的一种新型目标定位识别算法,但其不适用于对障碍物背后的目标进行定位的情况.该文在SEABED算法的基础上,分析SEABED算法在穿墙探测中的不足,提出一种新的定位算法使得SEABED 算法能够对目标进行定位识别.该算法假设在近场条件下,利用回波时延差的关系曲线求得入射角,从而结合几何关系消除墙体对传播时延和传播路径的影响,将SEABED算法应用于穿墙成像应用中.仿真结果表明,该算法能够弥补墙体对SEABED算法的影响,精确度高,目标定位识别效果好,达到穿墙探测的目的.【总页数】6页(P2624-2629)【作者】吴世有;黄琼;陈洁;孟升卫;方广有;阴和俊【作者单位】中国科学院电子学研究所,北京,100190;中国科学院研究生院,北京,100039;中国科学院电子学研究所,北京,100190;中国科学院研究生院,北京,100039;中国科学院电子学研究所,北京,100190;中国科学院电子学研究所,北京,100190;中国科学院电子学研究所,北京,100190;中国科学院,北京,100039【正文语种】中文【中图分类】TN957.51【相关文献】1.基于MMV模型压缩感知在超宽带穿墙雷达的应用 [J], 刘俞伯2.基于高阶模糊函数的连续波穿墙雷达目标定位方法 [J], 丁一鹏;汤井田3.基于改进OMP的超宽带穿墙雷达稀疏成像方法 [J], 晋良念;钱玉彬;申文婷;刘琦;张燕4.一种基于高维频率拟合技术的恒虚警穿墙雷达目标定位算法 [J], 丁一鹏;吴世有;王伟;方广有5.基于CNN的超宽带穿墙雷达静目标数量识别技术 [J], 王亚夫;梁步阁;杨德贵;朱政亮因版权原因，仅展示原文概要，查看原文内容请购买。
超宽带穿墙雷达压缩感知成像中chipping序列的设计潘龙;晋良念【期刊名称】《大众科技》【年(卷),期】2014(000)004【摘要】在超宽带穿墙雷达压缩感知成像中，常常使用Rademacher序列作为模拟信息转换器的chipping序列。
而这种序列的功率谱类似于高斯白噪声的功率谱，它与回波信号的功率谱不匹配，导致低速采样前信号的信噪比偏低，最终影响了成像效果。
文章从低速采样前的平均信噪比最大化入手，构建设计匹配chipping序列的优化算法以导出其成立的条件，给出一种使用马尔科夫链游程长度受限（RLL）序列来设计匹配chipping序列的解决方案。
仿真结果表明，使用马尔科夫链RLL 序列设计匹配chipping序列的成像结果优于Rademacher序列，其图像的信噪比提高2～3dB。
%In the UWB through-the-wall radar imaging with compressed sensing, The Rademacher sequence is the chipping sequenceof Analog-to-Information Conversion (AIC) in general. Its power spectrumis similar to the power spectrum of Gauss white noise, and mismatched with the power spectrum of receive signal. This will lead to a decrease in SNR before sampling at low speed, and then reduce the imaging quality. In this paper, a kind of sequence that the power spectrum is matched withthe power spectral of received signal is designed from maximum of the signal to noise ratio before sampling at low speed. In addition, we show a design scheme of matching chipping sequence that is a Markov-generated Run-Length Limited (RLL) sequence. The results of simulations show thatthe through-the-wall imaging performance with the proposed sequence is better than traditional Rademacher sequence actually, and the signal-to-noise ratio of imaging improves about from 2dB to 3dB.【总页数】5页(P12-16)【作者】潘龙;晋良念【作者单位】桂林电子科技大学信息与通信学院，广西桂林 541004;桂林电子科技大学信息与通信学院，广西桂林 541004【正文语种】中文【中图分类】TN95【相关文献】1.基于MMV模型压缩感知在超宽带穿墙雷达的应用 [J], 刘俞伯2.基于压缩感知的穿墙雷达成像虚像抑制方法 [J], 郝金双;苗锋;汪洋;3.基于压缩感知的穿墙雷达成像虚像抑制方法 [J], 郝金双;苗锋;汪洋4.压缩感知在脉冲超宽带穿墙雷达中的应用 [J], 刘俞伯5.超宽带穿墙雷达高效的TV-MAP稀疏成像方法 [J], 景素雅;晋良念;刘庆华因版权原因，仅展示原文概要，查看原文内容请购买。
超宽带穿墙探测雷达的运动目标检测技术
宋华;李禹
【期刊名称】《电讯技术》
【年(卷),期】2004(44)6
【摘要】提出了利用低频超宽带(UWB)脉冲信号实现穿墙探测的设想,研究了超宽带穿墙探测雷达(UWB-TWDR)的运动目标回波信号模型,并基于运动目标回波信号的相关性,利用相干叠加原理对多次观测的结果实现运动目标的检测.最后通过具体的穿透混凝土砖块墙壁实测实验验证了上述设想和算法.
【总页数】5页(P133-137)
【作者】宋华;李禹
【作者单位】西安武警工程学院,通信工程系,陕西,西安,710086;西安武警工程学院,通信工程系,陕西,西安,710086
【正文语种】中文
【中图分类】TN95
【相关文献】
1.超宽带穿墙探测雷达TH-UWB脉冲串信号分析 [J], 晋良念;欧阳缮
2.超宽带穿墙探测雷达的反向投影成像算法 [J], 赵彧;黄春琳;粟毅;雷文太
3.超宽带穿墙探测雷达信号处理终端的设计 [J], 徐锐;韩太林
4.基于CNN的超宽带穿墙雷达静目标数量识别技术 [J], 王亚夫;梁步阁;杨德贵;朱政亮
5.超宽带穿墙雷达对人体动目标探测的实验研究 [J], 贺峰;朱国富;牟妙辉;周智敏
因版权原因，仅展示原文概要，查看原文内容请购买。
基于MMV模型压缩感知在超宽带穿墙雷达的应用刘俞伯【摘要】针对超宽带穿墙雷达的具体工作过程和穿墙雷达目标成像空间的稀疏性,提出一种基于MMV模型的压缩感知成像方法,该方法通过获取回波数据,能够降低系统在采样上的要求,利用少量的数据可以很好地恢复出所需要的信息,从而达到成像的目的.仿真实验证明了该方法的可行性和有效性.%With the continuous progress of modern science and sensor systems sustainable development, access to data and increased the capacity,we need to deal with the amount of data is also larger. Shannon adopted the Nyquist sample theorem (Shannon/Nyquist) during data sampling. In order to ensure that does not restore the original signal distortion, the Nyquist sampling theorem requires the sampling frequency must be greater than equal to twice the signal handwidth. Compressed sensing theory broke through the limitations of the traditional Nyquist sampling, using very little sample data will be able to recover the original signal. This papar , with a specific work process for ultra-wideband through-wall radar and through-wall radar target imaging space sparsity is presented based on MMV model of compressed sensing, and simulation results show the feasibility and effectiveness of the method.【期刊名称】《桂林电子科技大学学报》【年(卷),期】2012(032)002【总页数】5页(P93-96,154)【关键词】超宽带;压缩感知;MMV模型;有效性【作者】刘俞伯【作者单位】桂林电子科技大学信息与通信学院,广西桂林 541004【正文语种】中文【中图分类】TN911.72穿墙探测雷达（through－wall detection radar，简称TWDR）是20世纪90年代兴起的一种新体制雷达，由于其融入了超宽带（UWB）技术和合成孔径技术，具有频谱丰富、分辨能力强等优点，已在商用和军用雷达探测得到广泛应用［1］。
穿墙雷达成像要想获得高分辨率图像需要采用大信号带宽才能实现。
随着对雷达成像分辨率需求的提高，以香农采样定理为理论基础的信号处理方式对采样速度和数据处理速度的要求越来越高，需要处理的数据量越来越大，大大增加了存储和传输的代价。
2004年，Candes等［2］提出了压缩感知或压缩采样（compressive sensingor compressive sampling）的理论。
其依据是一般情况下自然信号对某种基具有稀疏性，如果将一般信号用这种基来表示，就使其具备了稀疏性的特点，这时再对信号进行采样，速率就可以不需要高于信号带宽的2倍，实际中为了满足信号采集的完整性，在应用中往往把信号的采样率提高到信号带宽的5～10倍。
这样，压缩感知理论对于传统采样理论的突破就显得意义重大。
本研究基于冲击波超宽带穿墙雷达系统，从算法原理上阐明CS对于超宽带雷达成像的可适用性，并利用仿真实验数据验证了算法的有效性。
1 压缩感知理的基本内容在介绍CS理论之前先了解2个概念：稀疏性和非相关性。
稀疏性：就是信号带宽要远大于连续时间信号的信息率，对于离散时间信号而言就是信号长度要远大于其自由度。
更进一步说，就是CS理论是利用很多自然信号在某些特定的基上是稀疏的，或者说是可压缩的这一特性。
非相关性：这一特性表现在频率与时间的二元性中，就好像Dirac函数在时域中是稀疏的转换到频域就铺满整个频域。
这里表明信号如果在φ域具有稀疏性，那么在采样域必须要散步开。
也就是说，无论怎样采样波形都会在φ域有及其敏感的表达。
CS理论本质是一种非适应性、非线性的重建系数信号的方法，主要内容是：通常，RN中的离散信号x［n］，n＝1，2，…，N可以表示为其中：φ为N×N维标准正交基，a是信号x在该正交基上展开的系数向量。
φi为正交基φ中的列向量，ai为维系数向量a中的元素，ai＝〈x，φi〉＝。
如果信号x仅是N个基向量中K个的线性组合，即系数向量a中仅有K个元素不为零，则称x是K阶稀疏信号或可压缩信号［3］。
压缩感知是建立在信号稀疏表示基础上的信号采样理论，和传统先采样再压缩理论不同，压缩感知对稀疏信号直接采样。
该理论指出，任意N维K阶稀疏信号x的稀疏表示，a可以通过x在空间RN的M＝O（Klog（N／K））（M×N）维随机测量值y以很高的概率精确重建［4］，随机测量过程的数学表示为式中，y表示M维随机测量值，ψ为M×N维随机测量矩阵。
图1 离散余弦变换矩阵表示Fig.1 Discrete cosine transform matrix representation当ψφ满足有限等距特性（restricted isometry property，简称RIP）［5－6］时，通过求解l1范数约束最优化问题可以从欠定方程式（2）M个测量数据中复原信号x的稀疏表示a。
然后可以用压缩感知重构算法逼近得到原始信号x。
压缩感知理论在图像重建、医学成像、雷达成像和信道编码等领域引起了众多关注，本文探讨压缩感知理论在超宽带穿墙雷达中的应用［3］。
将传统的信号处理过程与压缩感知处理过程进行比较，图2为传统的信号处理过程，图3为压缩感知的信号处理过程。
图2 传统的信号处理过程Fig.2 Traditional signal processing图3 压缩感知系统Fig.3 Compressed sensing system2 基于MMV模型压缩感知的应用2.1 字典矩阵的构造在脉冲超宽带的雷达中对于整个感兴趣的成像区域来说，目标所占的位置很少，目标所占的位置对于扫描的区域来说是稀疏的，这样就可以使用压缩感知的方法去处理。
将成像的区域离散化，分成很多个网格点，记做B＝｛π1，π2，π3，…，πN｝，如图4所示。
图4 区域离散化示意图Fig.4 Discrete region of the schematic图5 压缩感知采样过程Fig.5 The sampling process of compressed sensing其中N是整个成像所有的网格点数，它决定了分辨率。
目标成像空间的划分关系到字典矩阵的构造和目标最终的成像位置，划分网格越多对目标的定位越有利，同时也增加了算法的复杂度。
πj代表第j个网格点。
然后就可以构造字典φ，φ的每一列对应B中的一个网格。
例如：φi的第j列就是目标在πj位置的时候所对应的回波。
在构造字典φ时，针对第i个接收天线，φi的第j列的第n行可以写为其中：是时间的开端，0≤n≤Nt－1，Fs是采样频率，分母代表的是信号的能量。
根据B中每一个可能的目标点重复上式，就可以得到合成孔径雷达一次扫描的字典。
如果有L个接收天线，则将φi依次排开为：，如图6所示。
a是目标加权向量，如果探测的目标在πj处，则a的第j行为非零数即此目标的反射系数，假设为1，a其他的元素为0。
显然a满足压缩感知的信号稀疏条件（a中大多数元素为零只有少部分元素为非零）。
2.2 MMV多测量矢量模型及求解在合成孔径的穿墙雷达中，接收天线采用阵列形式通常一发多收，每一个测量点的回波都包含了整个扫描区域的信息，这样可以结合合成孔径雷达的特点，将它的成像问题转化为MMV的问题。
在MMV模型中，Y为K×L的矩阵，其中包含L个测量矢量，φ为包含各个接收天线回波信息的完备字典，A为包含L个稀疏列向量的矩阵。
这里R（A）表示A的稀疏度，即矩阵A中非零行的个数，要找到一个稀疏度最小的稀疏阵A，A中的每一列都具有相同的稀疏排列。
当有噪声时，这个问题转化为ε的选择与整个系统噪声有关。
ε的选择对实验结果影响很大，如果ε设置过大会导致最后的成像结果目标丢失，但如若ε设置过小则会使成像结果中有虚假目标的出现。
在选择ε时，可以通过交叉验证（crossvalidation，简称CV）算法［8］来通过迭代的方式对参数进行选择。
在通过L个扫描点形成的合成孔径来成像中，Y，测量矩阵ψ＝diag｛ψ1，…，ψL｝，完备字典最终的模型为其中：ψi的大小为M×Nt，φi的大小为Nt×N，M×Nt。
相当于在每一次采样点数Nt中随机地抽取出了M个数据，去求解稀疏矩阵，从而恢复想要得到的信息。
解MMV问题可以用常规的OMP等算法来解，因为矩阵是联合稀疏的，考虑到压缩感知算法对噪声的敏感性，可以用JLZA算法对MMV问题进行求解。
在MMV中因为引入了平滑的高斯函数，使得MMV的抗噪能力较强。
将上面提到的求解minR（A）的问题转化为求‖A‖2.0的问题［8］：其中：j表示A矩阵的第j行，函数由于0范数是不平滑的函数，这里引入高斯函数［7］：定义fσ（α）＝e－α2／2σ2。
当＝1－ζ（α），当α≠0时，就有：当σ→0，可以最终将问题转化为求解：最后，用不动点迭代算法［8］进行求解，所求得的矩阵A就是目标区域稀疏系数矩阵。
3 实验仿真及结果用1GHz的GPP高斯脉冲波形，假设探测的区域是4m×4m，网格尺寸为10cm，接收天线沿墙壁运动运动，在10个不同的位置进行接收，假设在第725格和第945格有2个理想的点目标，反射系数均为1，测量矩阵选择为±1的等概率随机矩阵，在10个测量孔径处每个孔径处采样点数为2 116个，测量矩阵行数为400，即测量矩阵仅从每道接收天线的2 116个数据点中随机的抽取400个数据，在无噪声的条件下和信噪比为20dB的情况下进行仿真得到的灰度图像。
用Matlab仿真FDTD环境对整个系统进行仿真实验。
