一種基于混合匹配追蹤算法的mimo雷達(dá)稀疏成像算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域和信號處理領(lǐng)域，特別涉及多輸入多輸出類型系統(tǒng)的應(yīng) 用，具體說是一種基于混合匹配追蹤算法的ΜΜ0雷達(dá)稀疏成像算法。
【背景技術(shù)】
[0002] 多輸入多輸出(Μπω)雷達(dá)是一種21世紀(jì)新出現(xiàn)的雷達(dá)系統(tǒng)，它利用多個發(fā)射與接 收天線同時對目標(biāo)進(jìn)行觀測。良好的陣列構(gòu)型設(shè)計和波形分集技術(shù)使得Μ頂0雷達(dá)能夠獲得 遠(yuǎn)多于實際物理陣元個數(shù)的觀測通道和空間自由度，可以顯著的改善參數(shù)的可辨識性，實 現(xiàn)更為靈活的發(fā)射方向圖設(shè)計，改進(jìn)目標(biāo)檢測和參數(shù)估計性能。相比于傳統(tǒng)成像雷達(dá)，Μπω 雷達(dá)在成像的方位向分辨率、實時性和運動補償方面具有明顯的性能優(yōu)勢。因此ΜΜ0雷達(dá) 成像具有廣泛的應(yīng)用前景。
[0003] 常見的ΜΙΜΟ雷達(dá)成像算法，諸如BP(back projection)算法或DAS(delay and sum)類波束形成算法，包括改進(jìn)的Kirchhoff偏移算法、衍射堆棧算法等，具有與匹配濾波 和波束形成相似的形式，其優(yōu)點是算法簡單易于實現(xiàn)，輸出信噪比高，但是存在分辨率較低 且旁瓣水平高，成像效果差的缺陷。
[0004]為了獲得更好的成像效果，人們將壓縮感知技術(shù)應(yīng)用到ΜΜ0雷達(dá)成像中。稀疏微 波成像是指將壓縮感知與雷達(dá)成像有機結(jié)合形成的一種新的成像方法。它通過尋找被觀測 目標(biāo)的少量回波數(shù)據(jù)，利用稀疏重構(gòu)技術(shù)提取目標(biāo)的空間位置、散射特征和運動特征等參 數(shù)。和傳統(tǒng)的雷達(dá)成像算法相比，壓縮感知的引為了獲得更好的成像效果，人們將壓縮感知 技術(shù)應(yīng)用到ΜΙΜ0雷達(dá)成像中。稀疏微波成像是指將壓縮感知與雷達(dá)成像有機結(jié)合形成的一 種新的成像方法。它通過尋找被觀測目標(biāo)的少量回波數(shù)據(jù)，利用稀疏重構(gòu)技術(shù)提取目標(biāo)的 空間位置、散射特征和運動特征等參數(shù)。和傳統(tǒng)的雷達(dá)成像算法相比，壓縮感知的引入可以 顯著地降低系統(tǒng)的數(shù)據(jù)采集率和系統(tǒng)復(fù)雜度，而且稀疏重構(gòu)算法潛在的超分辨能力有進(jìn)一 步提升成像性能的能力。在壓縮感知框架下，ΜΠΚ)雷達(dá)成像可以視為一個稀疏估計問題，其 成像過程可以用線性規(guī)劃的方法或是貪婪類算法予以解決。佛羅里達(dá)大學(xué)的Li J。教授等 提出了許多適用于ΜΙΜ0雷達(dá)稀疏成像的稀疏重構(gòu)算法，如循環(huán)自適應(yīng)算法（Iterative Adaptive Approaches，IAA)和稀疏學(xué)習(xí)循環(huán)最小化方法（Sparse Learning via Iterative Minimization，SLIM)等。Higgins等提出了空間-距離自適應(yīng)處理算法。這些 ΜΙΜ0雷達(dá)成像算法都是將自適應(yīng)技術(shù)應(yīng)用到二維聯(lián)合濾波器權(quán)矢量的設(shè)計中，通過迭代更 新二維權(quán)矢量和獲得的圖像幅值，通過一定的迭代次數(shù)最終得到高分辨率和低旁瓣的成像 結(jié)果。但是，這些方法自適應(yīng)維數(shù)巨大，算法的時間復(fù)雜度過高，不僅難以進(jìn)行實時成像，而 且在常用的處理器上運行都極為困難。文獻(xiàn)（Joint wall mitigation and compressive sensing for indoor image reconstructon〇IEEE Transaction on Geosci〇Temote Sensing，2013，51 (2): 891-906。）采用線性規(guī)劃的方法解決壓縮感知問題，得到良好的效 果。貪婪恢復(fù)算法的代表是0ΜΡ類算法。這種算法有著較低的運算負(fù)荷，較高的成像分辨率， 但是由于0ΜΡ算法在基信號選擇時只能擴充不能去除不良基信號的策略，0ΜΡ類恢復(fù)算法在 雷達(dá)成像應(yīng)用中會存在偽影點，這不利于目標(biāo)的識別。文獻(xiàn)Subspace pursuit for compressive sensing signal recomstruction。IEEE Transaction on Information Theory，2009，55(5): 2230-2249]提出了被稱為子空間追蹤算法（subspace pursuit，SP)的 壓縮感知貪婪算法，糾正了 OMP算法中存在偽影點的問題，但是在MMO雷達(dá)成像應(yīng)用中其分 辨率較0ΜΡ算法低。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述技術(shù)的缺陷，提出一種基于混合匹配追蹤算法的MMO 雷達(dá)稀疏成像算法。
[0006] 本發(fā)明的目的是這樣實現(xiàn)的：
[0007] 本發(fā)明包括如下步驟：
[0008] (1)Μ個發(fā)射陣元發(fā)射相互正交的相位編碼信號，Ν個接收陣元接收該相位編碼信 號；
[0009] (2)每個接收陣元的接收機的匹配濾波器對接收到的相位編碼信號進(jìn)行匹配濾 波；
[0010] (3)對匹配濾波后的信號作傅里葉變換，得到空間譜域回波表達(dá)式；
[0011] (4)場景進(jìn)行網(wǎng)格劃分，將雷達(dá)回波離散化，得到在壓縮感知框架下雷達(dá)成像聚焦 的數(shù)學(xué)表達(dá)式；
[0012] (5)采用混合匹配追蹤算法對步驟(4)得到的稀疏信號恢復(fù)；
[0013] (6)將恢復(fù)的向量按照預(yù)先劃分好的網(wǎng)格進(jìn)行矩陣化處理，得到最終ΜΜ0雷達(dá)稀 疏成像的結(jié)果。
[0014] 所述的步驟(5)中所述采用混合匹配追蹤算法對稀疏信號恢復(fù)按下列方法進(jìn)行： [0015] 初始化;首先定義支撐集Λ 〇id = max_ind(〇Qmp I，κ)，其中〇〇mp = 〇mp(z，A，K)定義為 標(biāo)準(zhǔn)0ΜΡ算法的計算結(jié)果;殘差初始化為
[0016] 支撐集擴充至2K個；
[0017]
[0018]
[0019]支撐集更新。新的支撐集為
[0020]殘差更新；
[0021]
[0022]迭代終止判斷；當(dāng)殘差滿足范數(shù)關(guān)系關(guān)系時，則令rcild = rnew和AQld = Λ n e w，然后跳回步驟1進(jìn)行迭代；否則，迭代停止，計算和輸出〇。
[0023] (0ri，0tl)(i = l，2, . . .，ρ)，且發(fā)射角度和接收角度自動配對，然后進(jìn)行交叉定位 得到目標(biāo)的位置。
[0024] 本發(fā)明的有益效果在于：
[0025] 本發(fā)明與DAS類成像算法相比，本發(fā)明克服了 DAS類算法固有的低分辨率和高旁瓣 的缺點。與其他壓縮感知成像算法相比，本文所提的HMP算法中的每一次索引選擇的過程是 利用0ΜΡ算法實現(xiàn)的，這種操作保證了在基信號選擇時的正交性，也就能在字典矩陣具有傅 里葉類似性質(zhì)的時候可以區(qū)分相距很近的空間面元;與此同時，在HMP算法中存在的回溯選 擇操作與SP算法相同。這種操作的存在保證了HMP算法有能力剔除在前面的迭代過程中被 選擇的病態(tài)的索引，向支撐集中添加新的潛力高的索引。因此，HMP算法在理論上比0ΜΡ算法 和SP算法的性能都要好。
【附圖說明】
[0026] 圖1是采用HMP算法的MBTO雷達(dá)成像具體流程圖；
[0027] 圖2是本發(fā)明的單基地MBTO雷達(dá)二維成像模型示意圖；
[0028]圖3是0ΜΡ算法的單個點目標(biāo)時MBTO雷達(dá)的成像結(jié)果；
[0029]圖4是SP算法的單個點目標(biāo)時MBTO雷達(dá)的成像結(jié)果；
[0030] 圖5是ΗΜΡ算法的單個點目標(biāo)時MBTO雷達(dá)的成像結(jié)果；
[0031] 圖6是0ΜΡ算法的多個點目標(biāo)時MBTO雷達(dá)的成像結(jié)果；
[0032] 圖7是SP算法的多個點目標(biāo)時MBTO雷達(dá)的成像結(jié)果；
[0033] 圖8是ΗΜΡ算法的多個點目標(biāo)時MBTO雷達(dá)的成像結(jié)果；
[0034] 圖9是多個點目標(biāo)時MBTO雷達(dá)成像結(jié)果的距離向剖面圖。
【具體實施方式】
[0035] 下面結(jié)合附圖對本發(fā)明做進(jìn)一步描述：
[0036] 本發(fā)明提供一種基于混合匹配追蹤算法的單基地共址多輸入多輸出（ΜΙΜΟ)雷達(dá) 成像方法，主要為了解決目前現(xiàn)有的ΜΜ0雷達(dá)壓縮感知成像算法分辨率低、成像結(jié)果有偽 影點的缺點。通過將正交匹配追蹤算法(0ΜΡ)和子空間追蹤算法(SP)兩