基于结构化压缩感知的穿墙雷达成像技术研究

Since through-the-wall radar (TWR) imaging technology has broad application prospects in the areas of urban war and disaster rescue etc, it has become a hot research topic in the field of radar technology. Compressive sensing (CS) based TWR imaging technology can reduce the measurement data and reconstruct the region of interest with higer resolution. However, the traditonal CS based TWR imaging methods adopt the single measurement vector model and have limited improvement ability of imaging performance. In addition, the traditional CS based TWR imaging methods are sensitive to the target scattering model, the measurement noise and the set of artificial parameters. To solve the above problem, the project will discuss the application of structured compressive sensing to TWRI imaging reconstruction technology. The project is to research the structured sparsity representation of TWR echoes and obtain the more accuate structured sparstiy microwave imaging model; research the structured sparse sampling method and further reduce the measurement data; research the accurate, robust and efficient structured sparsity-based TWR imaging reconstruction algorithm and improve the accuracy and resolution of imaging results. It is believed that the project has important academic values and broad appliaction prospects, which can make great contribution to both the theory research and engineering implementation for TWR system and the innovation of the sparse signal model and recovery algorithm.

穿墙雷达成像技术在城市巷战、灾害救援等领域都有广阔的应用前景，近年来成为雷达领域的一个研究热点。基于压缩感知的穿墙雷达成像技术可以减小系统数据采集量，实现对墙后目标的高分辨率成像。但传统压缩感知穿墙雷达成像技术大都采用单测量向量模型，成像性能提高有限，同时敏感于目标散射模型、测量噪声和人工参数的设置。针对上述问题，本项目将结构化压缩感知理论与穿墙雷达成像技术相结合，研究穿墙雷达回波信号的结构化稀疏表示方法以建立更加合理准确的结构化稀疏微波成像模型；研究穿墙雷达结构化稀疏采样方案，进一步降低系统数据采集量；研究准确稳健高效的穿墙雷达结构化稀疏成像重建算法，提高成像重建结果的精度和分辨率。本项目的研究成果对穿墙雷达的理论研究和工程实现具有重要意义，同时也是对稀疏信号模型与恢复算法的创新，具有重要的学术价值和广阔的应用前景。

基于结构化压缩感知的穿墙雷达成像技术利用结构化稀疏先验信息，不仅可以有效减小系统数据采集量，而且能够进一步提高成像准确性和成像质量。本项目把结构化压缩感知理论引入到穿墙雷达成像重建领域，探索建立更加合理准确的穿墙雷达结构化稀疏微波成像模型，开发准确稳健高效的穿墙雷达结构化稀疏成像重建算法，进一步提高成像结果的准确性和鲁棒性。经过一年的研究，取得了以下主要成果：.(1)针对墙杂波与成像空间分别具有低秩性和稀疏性的特点，提出了一种基于低秩稀疏约束的穿墙雷达成像方法。所提成像方法通过奇异值软阈值法和L1范数最小化技术进行迭代求解低秩稀疏约束优化问题，实现在墙体强反射波存在的探测环境中基于压缩感知框架对墙后隐蔽目标的准确成像重建。.(2)提出了一种高效准确的穿墙雷达稀疏成像重建方法，所提成像方法将谱投影梯度L1范数最小化算法和非均匀傅里叶变换技术两者相结合实现成像重建。由于成像重建过程中利用谱投影梯度L1范数最小化算法的函数化操作和非均匀傅里叶变换的计算效率，故所提成像方法可以降低对计算机内存的需求，同时降低计算复杂度，适用于大规模高分辨率穿墙雷达成像场合。.(3)提出了一种基于组稀疏基追踪去噪的极化穿墙雷达成像方法。利用各极化通道对应场景反射率向量的联合稀疏性将极化穿墙雷达成像问题转化为组稀疏基追踪去噪问题，采用谱投影梯度L1范数最小化算法求解组稀疏基追踪去噪问题实现成像重建,成像过程中采用非均匀快速傅里叶变换技术实现正向函数和伴随函数算子的计算，避免了对字典矩阵各个元素的计算和存贮，可以显著地减少成像过程中对计算机内存的需求，同时能够提高成像重建的质量，适用于大规模高分辨率极化穿墙雷达成像场合。.(4)提出了多径效应环境下基于拟牛顿法和块稀疏重建的穿墙雷达成像方法。将边墙位置和目标重建表示成一个联合优化问题，通过非线性优化算法和块稀疏重建算法求解联合优化问题，进而实现对墙体参数估计和目标成像重建。所提成像方法不仅实现对墙体参数的准确估计，而且得到准确高分辨率的成像重建结果，进而同时完成了墙体参数估计和成像重建两个任务。.本项目的研究丰富了穿墙雷达系统的成像数据处理手段，对于结构化压缩感知在穿墙雷达成像工程应用领域具有一定指导意义。