[发明专利]一种基于压缩感知理论的雷达稀疏探测方法

权利要求书

1.一种基于压缩感知理论的雷达稀疏探测方法，其特征在于，在采欠采样接收信号情形下，实现对单个或多个目标信息的有效提取，所述的雷达稀疏探测方法包括以下步骤：

步骤(1)构建雷达稀疏探测模型：对待求解的目标探测区域进行离散化处理，将原始接收回波进行预处理；构建雷达稀疏探测模型，实现接收回波矢量与目标散射系数矢量的线性映射关系；压缩采样处理，对探测场景区域目标反射回来的接收信号进行压缩采样处理后输出；

步骤(2)实现基于稀疏重构技术的目标信息提取：通过设计有效的信号稀疏重构算法，依据压缩感知理论，高精度重构待探测的目标时延维-多普勒维信息，解决传统基于匹配滤波技术的雷达探测方法容易存在主瓣宽、旁瓣高的缺点；

步骤(3)雷达稀疏探测方法目标检测性能分析：基于相同雷达系统配置，分析验证所提目标探测方法传统方法的性能优势；

步骤(4)对基于稀疏重构技术的目标信息提取结果进行虚警处理，增强所提方法在复杂环境中的自适应性及鲁棒性。

2.根据权利要求1所述的雷达稀疏探测方法，其特征在于步骤(1)中雷达稀疏探测模型构建，包括：

2a、对待求解的目标进行离散化处理

将探测场景区域中待求解的目标在时延维—多普勒维域进行离散化处理，变成L×M的网格，如图1所示。其中横坐标L表示时延维，对应距离信息；纵坐标M对应多普勒维，对应速度信息。

对于该网格上的任意一点(l,m)，分别定义时延矩阵和多普勒频移矩阵

其中N表示传输波形向量的长度，ω_M＝e^j2π/M表示第M个单位根。在时延维—多普勒维平面的第(l,m)个元素可以被表示成

p_l,m＝F^m·T^l (3)

其中l＝0,1,...,L-1,m＝0_,1,...,M-1。

2b、构建雷达稀疏探测模型

定义θ_l,m是在目标场景中(l,m)格点位置的目标后向散射系数，则所有可能的目标共同构成的散射系数向量为

θ＝[θ_0,0,θ_0,1,…,θ_L-1,M-1]^T (4)

则从探测场景区域目标反射回来的最终接收信号为

其中n为高斯白噪声矢量。由式(5)可以看出，雷达目标探测过程从本质上讲可以通过求解线性方程来刻画。

h_l,m为(l,m)位置处、散射系数为1的回波信号，H回波信号对应的系统观测矩阵，上述信号建模过程以有源雷达为例，对于无源雷达目标探测而言，通过对原始回波进行预处理之后，也能得出与式(5)类似的结论。

2c、压缩采样处理

对步骤(2b)中的探测场景区域目标反射回来的接收信号进行压缩采样处理后输出

y＝Φr＝ΦHθ+Φn (6)

其中Φ为P×L维的感知矩阵，当采欠采样接收信号时，选择Φ为单位矩阵。

3.根据权利要求1所述的雷达稀疏探测方法，其特征在于步骤(2)中的基于稀疏重构技术的目标信息提取，包括：

采用一种基于迭代软阈值(Iterative Soft Thresholding,IST)技术的稀疏重构算法，将步骤(2b)中的所述疏探测模型进一步进行目标信息提取，最终可表示为：

其中λ为正则化参数，L为泰勒展开二次项近似参数，▽为偏分算子，η(·)为复软阈值函数，其含义为：当输入向量{θ_k-▽f(θ_k)/L}中第k个元素的幅值小于阈值λ/L时，则θ_k+1＝0；反之，θ_k+1＝θ_k-▽f(θ_k)/L-λ/L。