[发明专利]基于目标姿态分帧与散射字典截断的RCS重构方法

权利要求书

1.一种基于目标姿态分帧与散射字典截断的RCS重构方法，其特征在于，包括步骤：

对大转角对应的RCS数据进行分帧处理，得到相应的多帧小转角RCS数据；

对单帧的所述小转角RCS数据进行方位向稀疏建模，得到表征单帧的所述小转角RCS数据的二维GTD散射模型等效的各一维DE模型；

采用SPICE算法对各所述一维DE模型进行低精度优化求解，确定单帧的所述小转角RCS数据的方位向散射分布区域；

基于所述方位向散射分布区域对各所述一维DE模型的冗余字典矩阵分别进行截断处理；

采用SPICE算法分别对截断处理后的各所述一维DE模型进行高精度优化求解，得到单帧的所述小转角RCS数据的方位向RCS重构数据；

对所有单帧的所述小转角RCS数据的方位向RCS重构数据进行帧连接处理，得到大转角下的方位向RCS重构结果。

2.根据权利要求1所述的基于目标姿态分帧与散射字典截断的RCS重构方法，其特征在于，对单帧的所述小转角RCS数据进行方位向稀疏建模，得到表征单帧的所述小转角RCS数据的二维GTD散射模型等效的各一维DE模型的步骤，包括：

将单帧的所述小转角RCS数据用所述二维GTD散射模型进行表征；

在雷达坐标系下方位无模糊距离内对每个方位分辨单元进行均匀网格划分；

根据均匀网格划分后方位网格的位置对所述二维GTD散射模型进行网格化处理，得到网格化后的所述二维GTD散射模型；

将网格化后的所述二维GTD散射模型转换成矩阵形式，得到各所述一维DE模型。

3.根据权利要求2所述的基于目标姿态分帧与散射字典截断的RCS重构方法，其特征在于，采用SPICE算法对各所述一维DE模型进行低精度优化求解的过程，包括：

采用SPICE算法分别对各所述一维DE模型进行稀疏迭代求解；

当迭代次数超过初级最大迭代次数或者相邻解向量差值的二范数与解向量二范数的比值小于设定的初级求解精度时，终止迭代并将最终更新的解向量作为稀疏最优解。

4.根据权利要求3所述的基于目标姿态分帧与散射字典截断的RCS重构方法，其特征在于，确定单帧的所述小转角RCS数据的方位向散射分布区域的过程，包括：

分别根据各所述一维DE模型的所述稀疏最优解相应的散射分量进行峰值搜索；

分别对各所述散射分量的峰值搜索结果进行降序排列并分别记录设定数量个峰值对应的位置索引；设定数量为预估散射中心数目；

分别根据各所述位置索引，基于设定的索引半径确定各所述稀疏最优解对应雷达目标散射中心方位坐标分布区域的位置索引区间，得到单帧的所述小转角RCS数据的方位向散射分布区域。

5.根据权利要求4所述的基于目标姿态分帧与散射字典截断的RCS重构方法，其特征在于，基于所述方位向散射分布区域对各所述一维DE模型的冗余字典矩阵分别进行截断处理的步骤，包括：

在雷达坐标系下方位无模糊距离内对所有网格单元进行二次网格划分；

分别利用各所述位置索引区间对二次网格划分后的各所述一维DE模型的冗余字典矩阵进行截断，得到截断后的各截断字典矩阵。

6.根据权利要求5所述的基于目标姿态分帧与散射字典截断的RCS重构方法，其特征在于，采用SPICE算法分别对截断处理后的各所述一维DE模型进行高精度优化求解，得到单帧的所述小转角RCS数据的方位向RCS重构数据的步骤，包括：

分别根据各所述截断字典矩阵，利用所述SPICE算法对相应各所述一维DE模型进行稀疏迭代求解；

当迭代次数超过高级最大迭代次数或者相邻解向量差值的二范数与解向量二范数的比值小于设定的高级求解精度时，终止迭代并将最终更新的解向量作为高级稀疏最优解；

分别对各所述高级稀疏最优解进行门限截断处理；

分别将门限截断处理后的各所述高级稀疏最优解代入相应各所述一维DE模型，得到单帧的所述小转角RCS数据的方位向RCS重构数据。