GTD模型参数估计的时域稀疏成分分析法

doi:10.3969/j.issn.0372-2112.2016.06.011

电子学报 ›› 2016, Vol. 44 ›› Issue (6): 1336-1342.DOI: 10.3969/j.issn.0372-2112.2016.06.011

GTD模型参数估计的时域稀疏成分分析法

钟金荣, 文贡坚

国防科技大学ATR重点实验室, 湖南长沙 410073

收稿日期:2014-09-17 修回日期:2015-10-11 出版日期:2016-06-25
- 作者简介:
- 钟金荣 男,1985年7月生,广西玉林人,现为国防科技大学ATR重点实验室博士研究生,研究方向为雷达目标特性建模,图像处理,自动目标识别.E-mail:Zhong_nudt@163.com;文贡坚 男,1972年8月生,湖南宁乡人,国防科技大学ATR重点实验室教授、博士生导师,研究方向包括图像处理,自动目标识别以及摄影测量与遥感等.
- 基金资助:
- 教育部新世纪优秀人才支持计划 (No.NCET-11-0866)

Time Domain Sparse Component Analysis Method for GTD Model Parameter Estimation

ZHONG Jin-rong, WEN Gong-jian

ATR Key Lab, National University of Defense Technology, Changsha, Hunan 410073, China

Received:2014-09-17 Revised:2015-10-11 Online:2016-06-25 Published:2016-06-25
- Supported by:
- Program for New Century Excellent Talents in University of Ministry of Education of China (No.NCET-11-0866)

摘要/Abstract

摘要：

准确高效地估计GTD模型参数对目标特性研究和目标识别有重要的意义.本文根据雷达宽带时域信号能量集中的特点,建立稀疏成分分析的时域模型,实现GTD模型参数估计.该时域模型,根据高分辨率一维像自适应地缩小散射中心分布的可能区域,缩减字典的列数;利用GTD模型的时域响应构建时域字典,并截断字典中值较小的元素使字典成为稀疏矩阵.根据模型的特点设计了一个基于正交匹配追踪的求解方法.与现有频域模型相比,时域模型的字典不但维数减少而且是一个稀疏矩阵,能极大地降低字典的数据量和模型求解计算量.通过实验验证了时域字典的性能和参数估计方法的有效性.

关键词: GTD模型, 参数估计, 稀疏成分分析, 时域稀疏

Abstract:

Estimating of geometrical theory of diffraction (GTD) model parameters accurately and efficiently is significant for automatic target recognition.In this paper, a time-domain sparse component analysis method is designed for parameter estimation of GTD model.Firstly, potential locations of scattering centers, as well as columns of the dictionary, are reduced according to the high resolution range profile.Secondly, the time domain responses of GTD model is used to construct the dictionary, and the small amplitude areas are cut off.Compared with the presented method, not only columns of the new dictionary are reduced, but also the dictionary becomes a sparse matrix.As a consequence, it needs less memory to store, which is helpful to decrease computational complexity of component analysis.In addition, a reconstruction method based on the orthogonal matching pursuit is designed for our dictionary.Finally, experimental results demonstrate the performance and efficiency of the proposed method.

Key words: GTD model, parameter estimation, sparse component analysis, time domain sparse

中图分类号:

TN957.52

钟金荣, 文贡坚. GTD模型参数估计的时域稀疏成分分析法[J]. 电子学报, 2016, 44(6): 1336-1342.

ZHONG Jin-rong, WEN Gong-jian . Time Domain Sparse Component Analysis Method for GTD Model Parameter Estimation[J]. Acta Electronica Sinica, 2016, 44(6): 1336-1342.

参考文献

[1] Potter L C,Chiang D M,Carriere R,el al.A GTD-based parametric model for radarscattering[J].IEEE Trans Antennas and Propagation,1995,43(10):1058-1066.
[2] 石志广,周剑雄,赵宏钟,等.基于协同粒子群优化的GTD模型参数估计方法[J].电子学报,2007,35(6):1102-1107. Shi Z G,Zhou J X,Zhao H Z,et al.A GTD Scattering center model parameter estimation method based on CPSO[J].Acta Electronica Sinica,2007,35(6):1102-1107.(in Chinese)
[3] 杜小勇,胡卫东,郁文贤.基于稀疏成份分析的几何绕射模型参数估计[J].电子与信息学报,2006,35(2):363-366. Du X Y,Hu W D,Yu W X.Parameter estimation of GTD model based on sparse component analysis[J].Journal of Electronics Information Technology,2006,28(2):363-366.(in Chinese)
[4] Ausin C D.Sparse Methods for Model Estimation with Applications to Radar Imaging[D].Columbus:The Ohio State University,2012.
[5] 邱伟,赵宏钟,周剑雄,等.基于联合稀疏性的高分辨全极化雷达成像研究[J].电子学报,2013,41(9):1685-425. Qiu Wei,Zhao Hong-zhong,Zhou jian-xiong,et al.High resolution full polarization radar Imaging based on joint sparsity[J].Acta Electronica Sinica,2013,40(9):1685-1693.(in Chinese)
[6] 周汉飞,李禹,粟毅.基于压缩感知的多角度SAR特征提取[J].电子学报,2013,41(3):543-548. Zhou Han-fei,LI Yu,Su Yi.Multi-aspect SAR feature extraction based on compressive sensing[J].Acta Electronica Sinica,2013,41(3):543-548.(in Chinese)
[7] Zhang L,Qiao Z J,Xing M D,et al.High-resolution ISAR imaging by exploiting sparse apertures[J].IEEE Trans on Antennas and Propagation,2012,60(2):997-1008.
[8] Donoho D L,Tsaig Y,Drori I,et al.Sparse solution of underdetermined systems of linearequations by stagewise orthogonal matching pursuit[J].IEEE Trans on Information Theory,2012,58(2):1094-1121.
[9] Donoho D L,Elad M,Temlyakov V N.Stable recovery of sparse over complete representation in the presence of noise[J].IEEE Trans Information Theory,2006,52(4):6-18.
[10] Gerry M J,Potter L C,Gupta I J.A parametric modelfor synthetic aperture radar measurements[J].IEEE Trans on Antennas and Propagation,1999,4(7):1179-1188.

[1]	位寅生, 周希波, 刘佳俊. 稳健的基于参数化协方差矩阵估计的空时自适应处理方法[J]. 电子学报, 2019, 47(9): 1943-1950.
[2]	袁晖坪. 泛延拓矩阵的QR分解[J]. 电子学报, 2019, 47(2): 308-313.
[3]	张行, 常颖, 宋康, 李春国, 杨绿溪. 一种新颖的水声信道参数估计算法[J]. 电子学报, 2019, 47(2): 509-512.
[4]	贺雄鹏, 廖桂生, 许京伟, 魏嘉琪. 基于频率轴反转的机动目标距离徙动补偿方法[J]. 电子学报, 2018, 46(6): 1496-1502.
[5]	张俊林, 王彬, 汪洋, 刘明骞. 一种α稳定分布噪声下OFDM信号调制识别与参数估计算法[J]. 电子学报, 2018, 46(6): 1390-1396.
[6]	刘明骞, 郭菲, 李兵兵, 陈钱, 吴芸. Underlay认知网络中时频重叠OFDM信号的信噪比盲估计[J]. 电子学报, 2018, 46(6): 1510-1514.
[7]	陈鑫, 刘振, 魏玺章. 基于旋转均匀圆阵的单近场源参数估计解模糊算法[J]. 电子学报, 2017, 45(3): 584-590.
[8]	张华美, 张业荣, 王芳芳. 墙体参数未知时的穿墙雷达实时成像方法[J]. 电子学报, 2016, 44(7): 1613-1618.
[9]	王慧武, 丛超. 一种基于Duffing系统的信号检测与参数估计新方法[J]. 电子学报, 2016, 44(6): 1450-1457.
[10]	刘奇勇, 罗迎, 高尚伟, 欧阳成, 张群. 基于包络补偿的对称三角线性调频连续波雷达多目标参数估计方法[J]. 电子学报, 2016, 44(3): 541-547.
[11]	李开明, 张群, 雷磊, 罗迎. 基于动态字典的卡车目标微动参数估计方法[J]. 电子学报, 2016, 44(11): 2618-2624.
[12]	徐翔宇, 李海龙. 基于复调制细化谱分析的轧辊偏心谐波参数估计[J]. 电子学报, 2016, 44(10): 2398-2402.
[13]	王洪希, 杨卫东, 田伟. 基于高阶累计量Root-MUSIC法和Prony法的轧辊偏心谐波参数估计[J]. 电子学报, 2014, 42(11): 2213-2218.
[14]	朱凯然, 何学辉, 靳标, 朱文涛, 苏涛. 基于特征向量的多谱线自旋回波串信号参数估计[J]. 电子学报, 2013, 41(9): 1730-1737.
[15]	钟强晖, 张志华, 李大伟. 基于性能退化的电子产品筛选试验设计[J]. 电子学报, 2013, 41(9): 1788-1793.

GTD模型参数估计的时域稀疏成分分析法

Time Domain Sparse Component Analysis Method for GTD Model Parameter Estimation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics