[发明专利]一种用于大阵列近场聚焦中的假目标清扫方法

摘要

本发明属于信号与信息处理技术领域，涉及一种用于大阵列近场聚焦中的假目标清扫方法。本发明首先利用深度学习算法估计目标个数，然后将其作为清扫算法的迭代次数。在进行近场距离‑方位维聚焦成像后，迭代开始，每次寻找当前图像中峰值最大的点并重构位于该点处目标的成像结果，然后从图像域中去掉计算出来的结果得到新的图像。迭代结束后最终得到的图像就是清扫后的结果。本发明联合基于深度学习的目标个数估计对假目标清扫算法建立门限判定准则，避免了每次迭代计算门限的繁琐步骤，提高了计算精度，解决了传统优化布阵所无法解决的大阵列近场聚焦成像上由于随机阵高旁瓣造成的假目标问题。

主权项

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：/n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：/nX＝[x₁(t) x₂(t) … x_N(t)]/nN为阵元编号；/n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：/n设快拍数为L，则阵列协方差矩阵R表示为：/n /n对R进行特征分解得到N个特征值：/nλ₁,λ₂,…,λ_N/n对特征值做归一化，则第i个归一化特征值表示为：/n /n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：/n设神经网络的输出为/nk₁,k₂,…,k_m/n取k_i的最大值作为估计的目标个数M'：/nM'＝argmax(k_i)/n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：/n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/n /n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/n /nf_c为信号载频，整体成像结果为/n /n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；/n步骤6、重构位于(r，z)处幅度为A的点目标的成像结果：/n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/n /n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；/n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/n /n则该像素点相对于第n个阵元的距离向脉压值为/ny'_kl,n＝y'_n(d)/n对像素点(r_k,z_l)进行聚焦后得到的像素值为/n /n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/n /n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/nF＝F-g/n步骤8、重复步骤5～步骤7，直到迭代次数为M'；/n步骤9、重组图像，根据找到的各个目标的位置和幅度等信息放置主瓣。/n