申请/专利权人：金陵科技学院

申请日：2018-06-01

公开（公告）日：2018-10-02

公开（公告）号：CN108614265A

主分类号：G01S13/89(2006.01)I

分类号：G01S13/89(2006.01)I

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2022.10.11#发明专利申请公布后的驳回;2018.10.30#实质审查的生效;2018.10.02#公开

摘要：本发明提供基于NSL0重构算法的太赫兹调频连续波雷达成像算法，步骤1、设计一测量矩阵，该测量矩阵确定THz FMCW雷达在扫描平面内的测量位置点；步骤2、根据步骤1中设计的测量矩阵，在对应的空间位置进行THz FMCW雷达回波信号采集，得到测量信号；步骤3、对步骤2中得到的测量信号采用NSL0重构算法进行重构，得到变换域稀疏信号；步骤4、对步骤3中重构得到的变换域稀疏信号进行处理，实现原始信号的重构；步骤5、将重构得到的原始信号进行三维成像处理。本发明中采用的NSL0重构算法，可克服SL0重构算法存在的最优解索路径呈“锯齿状”、函数收敛速度降慢等缺点，具有重构速度快、成像时间短等优点。

主权项：1.基于NSL0重构算法的THz‑FMCW雷达成像算法，具体步骤如下，其特征在于：步骤1、设计一测量矩阵，该测量矩阵确定THz FMCW雷达在扫描平面内的测量位置点；步骤2、根据步骤1中设计的测量矩阵，在对应的空间位置进行THz FMCW雷达回波信号采集，得到测量信号y；步骤3、对步骤2中得到的测量信号采用NSL0重构算法进行重构，得到变换域稀疏信号；步骤4、对步骤3中重构得到的变换域稀疏信号进行处理，实现原始信号的重构；步骤5、将重构得到的原始信号进行三维成像处理。

全文数据：基于NSLO重构算法的THz-FMCW雷达成像算法技术领域[0001]本发明涉及太赫兹调频连续波雷达成像算法领域，特别是涉及基于NSLO重构算法的THz-FMCW雷达成像算法。背景技术[0002]太赫兹波THz是指频率在0.ITHz—IOTHz之间的电磁波，是一个尚未被人类完全认知和利用的电磁波段。THz雷达具有大的工作带宽，能够实现高分辨率成像，同时可以穿透其他频段的电磁波不能穿透的物质，适用于无损检测、安检等一系列实际应用当中。[0003]压缩感知理论利用信号的稀疏性，通过较少的测量数据即可准确恢复出原始信号。在雷达成像领域，尽管THz成像技术可极大提高成像分辨率，但同时对采样率、方位采样间隔提出了更高要求，由此带来数据获取时间长、数据传输困难等问题。依据压缩感知理论，如果雷达场景稀疏或者可通过某种变换稀疏表示，则可通过采集远低于传统奈奎斯特采样方法要求的数据量进行场景重构，即利用较少的采样数据来实现对原始完整信号的近似逼近，获得较理想的恢复重建。由于压缩采样方法的采用，压缩感知雷达成像技术可以降低系统采样率、增大测绘带宽度、降低采样数据量。所以本发明中将压缩感知理论应用到THz雷达成像中以减少数据采集样本，进而提高成像速度。[0004]目前已经有了一系列基于压缩感知的THz雷达成像算法，比如“基于压缩感知的太赫兹调频连续波雷达成像算法研究”论文中研究了基于SLO压缩感知重构算法的THz-FMCW雷达成像算法。专利方面，专利号CN201710782421.8,专利名称基于压缩感知重构的太赫兹雷达成像算法则采用2D-SL0重构算法[0005]尽管目前已有不少基于压缩感知的雷达成像方法的专利，但对于太赫兹调频连续波成像雷达，其基于压缩感知的成像算法较少，比较相关的是本研究团队的“基于压缩感知重构的太赫兹雷达成像算法”、“基于压缩感知的太赫兹调频连续波雷达三维成像算法”等专利，及“基于压缩感知的太赫兹调频连续波雷达成像算法研究”等论文。与对比文献相比，本申请专利主要是采用了NSLO重构算法。由于SLO重构算法在迭代的过程中采用的是最速下降法，沿着最速下降方向搜索最优解，其搜索路径呈“锯齿状”，导致函数收敛速度降低。基于NSLO重构算法的太赫兹调频连续波雷达成像算法，可以克服SLO重构算法中函数收敛速度降低的问题，具有重构速度快、成像时间短等优点。发明内容[0006]为了解决以上问题，本发明提供基于NSLO重构算法的THz-FMCW雷达成像算法，本发明中采用的NSLO重构算法，可克服SLO重构算法存在的最优解索路径呈“锯齿状”、函数收敛速度降慢等缺点，具有重构速度快、成像时间短等优点，为达此目的，本发明提供基于NSLO重构算法的THz-FMCW雷达成像算法，具体步骤如下，其特征在于：[0007]步骤1、设计一测量矩阵，该测量矩阵确定THzFMCW雷达在扫描平面内的测量位置占.[0008]步骤2、根据步骤1中设计的测量矩阵，在对应的空间位置进行THzFMCW雷达回波信号采集，得到测量信号y;[0009]步骤3、对步骤2中得到的测量信号采用NSLO重构算法进行重构，得到变换域稀疏信号；[0010]步骤4、对步骤3中重构得到的变换域稀疏信号进行处理，实现原始信号的重构；[0011]步骤5、将重构得到的原始信号进行三维成像处理。[0012]本发明的进一步改进，步骤3中由较少的测量信号样本y重构原始信号g，然而g是不稀疏的，由y直接重构出g的过程不能成立，此时，将原始信号进行稀疏表示：[0013]δ=Ψχ1[0014]式中，X为原始信号g在Ψ变换域的稀疏表示，Ψ表示稀疏变换基，本发明中采用的稀疏变换基为离散余弦变换基。[0015]考虑到测量测量公式y=®g，则测量信号y与变换域稀疏信号X之间存在着如下的关系：[0016]y=φψχ=Αχ2[0017]式中，A=ΦΨ为感知矩阵，表示测量矩阵和稀疏变换基的乘积；[0018]将7看作是稀疏信号X关于“测量矩阵”A的测量值，通过求解一个类似最优Io范数问题来重构稀疏信号X，即[0019][0020]本发明的进一步改进，步骤3中基于NSLO的压缩感知重构算法总结如下；[0021]输入：（IMXN的感知矩阵Α，其中Μg，则测量信号y与变换域稀疏信号X之间存在着如下的关系：[0059]y=φψχ=Αχ2[0060]式中，A=ΦΨ为感知矩阵，表示测量矩阵和稀疏变换基的乘积；[0061]将7看作是稀疏信号X关于“测量矩阵”A的测量值，通过求解一个类似最优Io范数问题来重构稀疏信号X，即[0062][0063]基于NSLO的压缩感知重构算法总结如下。[0064]输入：（IMXN的感知矩阵Α，其中ΜΝ，Α=ΦΨ。[0065]2长度为M的测量值y。[0066]输出：长度为N的重构稀疏信号i，满足产.ii。[0067]初始化各参数：[0068]IX0=AtAAt-V;[0069]⑵选择合适的〇递减序列（O1，σ2，…，σ」}，σj=βση，β〇β1为递减因子。[0070]算法步骤：[0071]1进行外循环:j=l，2,3,…，J[0072]A、〇=〇j;[0073]B、Xj=Xj-i;[0074]CnTo=O；[0075]D、内部循环:n=l,2,3,···，N[0076]a计算修正后的牛顿方向[0077]b对重构信号进行更新^+气[0078]c根据梯度投影原理，得到[0079]d计算余量，"=一:[0080]e判断余量的差值，若I|r-r〇|Ie则退出当前σ值下的内循环，否则r〇=r;[0081]E、xn;[0082]⑵得到重构稀疏信号=Λ'·;[0083]步骤4、将重构的稀疏信号f乘上稀疏变换基Ψ进行稀疏反变换得到重构的原始信号#:[0084]：4：[0085]步骤5、将重构得到的原始信号进行三维成像处理。[0086]图2-4分别给出了数据稀疏率为20%、30%、50%时的剪刀THzFMCW雷达成像效果图。[0087]图5给出了数据稀疏率为10%、20%、30%、50%时SLO算法与NSLO算法的成像重构时间对比曲线图。由图可知，相比于SLO重构算法，NSLO重构算法重构速度快、成像时间短。[0088]以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

权利要求：1.基于NSLO重构算法的THz-FMCW雷达成像算法，具体步骤如下，其特征在于：步骤1、设计一测量矩阵，该测量矩阵确定THzFMCW雷达在扫描平面内的测量位置点；步骤2、根据步骤1中设计的测量矩阵，在对应的空间位置进行THzFMCW雷达回波信号采集，得到测量信号y;步骤3、对步骤2中得到的测量信号采用NSLO重构算法进行重构，得到变换域稀疏信号；步骤4、对步骤3中重构得到的变换域稀疏信号进行处理，实现原始信号的重构；步骤5、将重构得到的原始信号进行三维成像处理。2.根据权利要求1所述的基于NSLO重构算法的THz-FMCW雷达成像算法，其特征在于:步骤3中由较少的测量信号样本y重构原始信号g，然而g是不稀疏的，由y直接重构出g的过程不能成立，此时，将原始信号进行稀疏表示：Ε=Ψχ1式中，X为原始信号g在Ψ变换域的稀疏表示，Ψ表示稀疏变换基，本发明中采用的稀疏变换基为离散余弦变换基。考虑到测量测量公式y=®g，则测量信号y与变换域稀疏信号X之间存在着如下的关系：y=φψχ=Αχ2式中，A=ΦΨ为感知矩阵，表示测量矩阵和稀疏变换基的乘积；将y看作是稀疏信号X关于“测量矩阵”A的测量值，通过求解一个类似最优1〇范数问题来重构稀疏信号X，即3.根据权利要求1所述的基于NSLO重构算法的THz-FMCW雷达成像算法，其特征在于:步骤3中基于NSLO的压缩感知重构算法总结如下；输入：（IMXN的感知矩阵A，其中ΜΝ，Α=ΦΨ;⑵长度为M的测量值y;输出：长度为N的重构稀疏信号:f,满足f=初始化各参数：IXo=AtAAt-V;⑵选择合适的σ递减序列{0:,02,...，〇」}，〇」=0〇」-1，0〇31为递减因子；算法步骤：1进行外循环：j=l，2,3,···，JA、〇=〇j;B、Xj=Xj-I;C、r〇=0;D、内部循环:n=l，2,3，...，Na计算修正后的牛顿方向b对重构信号进行更新5„—+C根据梯度投影原理，得到d计算余量，=5e判断余量的差值，若I|r-r〇||e则退出当前〇值下的内循环，否则r〇=r;⑵得到重构稀疏信号4.根据权利要求1所述的基于NSLO重构算法的THz-FMCW雷达成像算法，其特征在于:步骤4中将重构的稀疏信号i乘上稀疏变换基Ψ进行稀疏反变换得到重构的原始信号#:

百度查询： 金陵科技学院 基于NSL0重构算法的THz-FMCW雷达成像算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD