[发明专利]一种微粗糙目标的散射中心参数反演方法及装置

权利要求书

1.一种微粗糙目标的散射中心参数反演方法，其特征在于，包括以下步骤：

S1、构建微粗糙目标GTD模型；其中，微粗糙目标GTD模型的表达式为S(k_n)为雷达回波信号；k_n为波数，n＝1,2,…,N，N是雷达频率采样点数；m＝1,2,…,M，M是散射中心个数；A_m为第m个散射中心的复散射幅度系数；r_m为第m个散射中心的径向位置；h_m为微粗糙表面的粗糙度参数；α_m为类型参数，其取值于-1、-0.5、0、0.5或1；k_c为中心波数；e_n为测量噪声；

S2、基于微粗糙目标GTD模型构建稀疏表达式；其中，稀疏表达式为S＝Φσ+E；S为目标观测回波列向量，S＝[S(k₁)，S(k₂)，…，S(k_N)]^T；Φ为微粗糙目标GTD模型的稀疏字典矩阵，Φ＝[φ(k₁)，φ(k₂)，…，φ(k_N)]^T，φ(k_n)(n＝1，…，N)是由构成的L×P×5维列向量，r_l(l＝1，…，L)为径向位置r_m的所有的可能取值，h_p(p＝1，…，P)为粗糙度参数h_m的所有的可能取值；α_i(i＝1，…，5)为类型参数的五种取值；

S3、基于稀疏表达式设置双正交匹配追踪门限；

S4、初始化参数；其中，参数包括残差、索引集、稀疏基矩阵、支撑集矩阵和迭代次数；

S5、更新迭代次数；

S6、对上一次迭代的稀疏基矩阵进行正交化操作，使已选原子与待选原子去相关；

S7、对正交化后的稀疏基矩阵的每一列进行归一化操作；

S8、基于归一化后的稀疏基矩阵，计算元素索引；

S9、根据计算得到的元素索引，更新索引矩阵和支撑集矩阵；

S10、根据更新的支撑集矩阵，估计稀疏系数向量；

S11、根据稀疏系数向量，更新残差向量；

S12、根据更新的残差向量和双正交匹配追踪门限，判断是否满足收敛条件；若满足条件，则停止迭代；否则返回步骤S5；

S13、输出索引矩阵和稀疏系数向量。

2.根据权利要求1所述的方法，其特征在于，

步骤S3中，双正交匹配追踪门限的表达式为a＝0.01*||S||₂，||·||₂为向量2范数；

步骤S4包括：初始化残差向量R⁽⁰⁾＝S，初始化索引集初始化稀疏基矩阵Z⁽⁰⁾＝Φ，初始化支撑集矩阵Ω⁽⁰⁾＝[]，初始化迭代次数t＝0。

3.根据权利要求2所述的方法，其特征在于，步骤S6包括：

若t＝1，则跳过步骤S6，直接进行步骤S7；

若t≥2，则对于Z^(t-1)的每一列进行正交化操作，使已选原子与待选原子去相关，表达式为：

其中，表示支撑集矩阵Ω^(t-1)的最后一列。

4.根据权利要求3所述的方法，其特征在于，步骤S8包括：

计算当前残差R^(t-1)与稀疏基矩阵Z^(t)各列的内积，找出使内积最大的列元素索引的表达式为·为内积运算符。

5.根据权利要求4所述的方法，其特征在于，步骤S9包括：

对索引集矩阵J进行更新，记录元素索引其中，更新后的索引集矩阵表达式为

更新支撑集矩阵Ω；其中，更新后的支撑集矩阵为为稀疏字典矩阵Φ的第列。

6.根据权利要求5所述的方法，其特征在于，

步骤S10中，稀疏系数向量的表达式为其中，H代表Hermitian转置；

步骤S11中，更新后的残差向量为