[发明专利]一种基于压缩感知的暗室宽带RCS测量方法

说明书

本发明公开了一种基于压缩感知的暗室宽带RCS测量方法,包括步骤有：(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置；(2)依次将定标体、测量目标放在转台上，完成对测量目标的回波数据采样，采样过程中转台做匀速转动；(3)根据得到的采样数据完成对测量目标的定标处理；(4)将定标后的目标数据通过稀疏测量矩阵进行稀疏化处理；(5)利用二维矩阵数据重构算法对其他角度和其他频率的数据重构。本发明利用了二维信号的耦合性，所以在同样数据量的前提下，成像分辨率提高。

技术领域

本发明涉及测量领域，尤其涉及一种基于压缩感知的暗室宽带RCS测量方法。

背景技术

传统的宽带RCS测量方法，要使目标扩展在距离向和方位向不模糊，测量频率间隔、角度步长要受Nyquist采样定理的限制，在该理论约束下的信息获取、存储、传输及处理已成为目前信息处理领域进一步发展的主要瓶颈之一。与Nyquist采样不同的是，压缩感知(CS)不是直接测量信号本身，而是利用构造观测矩阵Φ把一个稀疏或可压缩的高维信号投影到低维空间上，测量值是信号从高维空间到低维空间的投影值。这样，压缩感知理论基于高维数据中包含的信息维数往往远低于数据维数，把对信号的采样转变成对信息的采样，使得采样和压缩一并实现，从而降低信号的采样率、数据存储和传输代价。

压缩感知理论主要涉及三个关键要素：信号的稀疏表示、测量矩阵的构造、重构算法。在现有研究成果中，随机测量矩阵由于具有较好的理论特性受到广泛关注。但是，实际中随机矩阵实现困难，计算效率低下。因此，构造具有通用性，结构允许快速计算，且便于物理实现的确定性测量矩阵是将利用CS理论进行RCS测量推向实用化的关键所在。另外，现有技术中的重构算法主要有凸优化、贪婪追踪、组合算法等三大类。单一的算法往往是优缺点并存，例如，贪婪算法运行速度快，但需要的测量数据多，精度较低；凸优化算法需要的测量数据较少，重构精度较高，但有繁重的计算负担。

发明内容

针对上述现有技术存在的缺陷，本发明提供一种基于压缩感知的暗室宽带RCS测量方法，实现缩短测量时间，提高RCS测量效率的目的。

本发明提供的一种基于压缩感知的暗室宽带RCS测量方法,其改进之处在于，所述方法包括如下步骤：

(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置；

(2)依次将定标体、测量目标放在转台上，完成对所述测量目标的回波数据采样，采样过程中转台做匀速转动；

(3)根据得到的采样数据完成对所述测量目标的定标处理；

(4)将定标后的目标数据通过所述稀疏测量矩阵进行稀疏化处理；

(5)利用二维矩阵数据重构算法对其他角度和其他频率的数据重构。

优选的，所述压缩采样测试参数包括频率维和角度维；所述频率维包括起始频率、终止频率和步进频率；所述角度维包括起始角度、终止角度和步进角度；

步骤(1)设计稀疏测量矩阵,对压缩采样测试参数进行配置，包括如下步骤：

1)径向和横向分别预估所述测量目标的稀疏散射中心个数；

2)计算所述稀疏测量矩阵的维数大小；

3)完成所述频率维和所述角度维参数设置，形成所述稀疏测量矩阵。

较优选的，步骤(2)的采样方式包括等角度间隔稀疏采样、频率步进稀疏采样和二维联合稀疏采样。

较优选的，所述测量目标的RCS表示为：