[发明专利]一种用于大阵列近场聚焦中的假目标清扫方法

权利要求书

1.一种用于大阵列近场聚焦中的假目标清扫方法，其特征在于，基于迭代的思想消除目标旁瓣影响，并结合深度学习算法进行门限判定；具体步骤如下：

步骤1、通过阵列接收目标回波信号，阵列接收信号表达式为：

X＝[x₁(t) x₂(t) … x_N(t)]

N为阵元编号；

步骤2、根据阵列接收信号估计协方差矩阵，对协方差矩阵做特征分解得到N个特征值,并对特征值做归一化，具体为：

设快拍数为L，则阵列协方差矩阵R表示为：

对R进行特征分解得到N个特征值：

λ₁,λ₂,…,λ_N

对特征值做归一化，则第i个归一化特征值表示为：

步骤3、以归一化后的特征值作为输入，目标个数的one-hot编码作为输出产生海量样本训练深度神经网络模型，将上一步骤得到的N个特征值输入该模型得到目标个数估计结果M'，具体为：

设神经网络的输出为k₁,k₂,…,k_m

取k_i的最大值作为估计的目标个数M'：

M'＝argmax(k_i)

步骤4、近场聚焦成像，得到距离-方位维的多目标原始图像结果：

首先对回波信号进行距离向匹配滤波，设距离向参考函数为s_ref(t)，则经匹配滤波后的信号为

然后在成像区域将距离-方位上划分成P×Q个像素点，逐点方位聚焦成像；设(r_p,z_q)表示成像区域第p行、第q列位置处的像素点，将其对应的相对于第n个阵元的距离向脉压值记为y_pq,n，设该像素点到发射雷达与到第n个接收阵元的总时延为τ_pq,n，则其相对应的相位校正因子为对像素点(r_p,z_q)进行聚焦后得到的像素值为

f_c为信号载频，整体成像结果为

步骤5、寻找当前图像中峰值最大的点,并估计该点的位置(r，z)和幅度A；

步骤6、重构位于(r，z)处幅度为A的点目标的成像结果：

首先需要根据点目标位置重构各阵元上的距离脉压信号，雷达发射线性调频信号，记目标(r，z)相对第n个阵元的时延为τ'_n，则将第n个阵元上的脉压信号重构为

t＝T_min,T_min+1/f_s,…,T_max

其中k是调频斜率，T_p是脉冲宽度，f_s为采样率，T_min、T_max分别为采样窗起始、终止时间；

对成像区域每个像素点进行逐点聚焦：首先判断每个像素点所在的距离门，然后根据其所在距离门得到距离向脉压值，设像素点(r_k,z_l)到发射雷达与到第n个接收阵元的总时延为τ'_kl,n，则该像素点所在距离门为

则该像素点相对于第n个阵元的距离向脉压值为

y'_kl,n＝y'_n(d)

对像素点(r_k,z_l)进行聚焦后得到的像素值为

对成像区域每个像素点聚焦即得到单个点目标的聚焦成像结果

步骤7、从图像域中去掉步骤6中计算出来的结果，得到新的图像，新的图像值为F＝F-g

步骤8、重复步骤5～步骤7，直到迭代次数为M'；

步骤9、重组图像，根据找到的各个目标的位置和幅度信息放置主瓣。