[发明专利]一种基于广义全变差正则化的雷达关联成像方法有效
申请号: | 201810573957.3 | 申请日: | 2018-06-06 |
公开(公告)号: | CN108957448B | 公开(公告)日: | 2022-10-28 |
发明(设计)人: | 包敏;夏双志;王玮;陈颖 | 申请(专利权)人: | 西安电子科技大学;中国电子科技集团公司第五十四研究所 |
主分类号: | G01S13/89 | 分类号: | G01S13/89;G01S7/41 |
代理公司: | 西安长和专利代理有限公司 61227 | 代理人: | 黄伟洪 |
地址: | 710071 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 广义 全变差 正则 雷达 关联 成像 方法 | ||
1.一种基于广义全变差正则化的雷达关联成像方法,其特征在于,雷达关联成像模型为:
S=Aσ+n;
其中,S为接收信号矢量,A表示辐射场参考矩阵,σ为目标散射系数向量,n为噪声向量;
利用所述雷达关联成像模型的基于二阶TGV正则项的优化成像模型为:
其中β>0与噪声等级有关;同时等价为:
其中,x=Dσ-p,D为二维差分算子;
其中,D(1),D(2)分别表示水平和竖直方向一阶离散有限差分算子矩阵;||x||1是所有2x1向量的l2范数的和,||z||1是所有2x2矩阵的l2范数的和;
所述基于二阶TGV正则项的优化成像模型的求解方法,所述求解方法为:构建相应的拉格朗日函数,得到优化模型并迭代求解:
其中和是缩放拉格朗日乘子,μ1和μ2是正数参数,上式是凸优化问题,变量x,z,σ,p分组为{x,z}和{σ,p}两个块,使用交替方向乘子法得到待求解的子问题:
x子问题的解决方案为:
其中xn+1(l)∈R2表示位于l∈Ω的xn+1(l)的分量,各向同性收缩算子shrink2定义为:
Z子问题的解决方案为:
其中zn+1(l)∈S2x2是对应于像素l∈Ω的zn+1的分量:
0是2×2零矩阵,F表示矩阵的Frobenius范数;
σ子问题的解决方案为:
p1子问题的解决方案为:
p2子问题的解决方案为:
计算拉格朗日乘子
2.一种应用权利要求1所述基于广义全变差正则化的雷达关联成像方法的雷达关联成像系统。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学;中国电子科技集团公司第五十四研究所,未经西安电子科技大学;中国电子科技集团公司第五十四研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810573957.3/1.html,转载请声明来源钻瓜专利网。