基于假设检验RANSAC算法的全姿态散射中心提取方法及装置
文献发布时间:2024-04-18 19:58:30
技术领域
本申请涉及雷达目标识别技术领域,特别是涉及一种基于假设检验RANSAC算法的全姿态散射中心提取方法及装置。
背景技术
全姿态三维散射中心是指目标物体在各种姿态、角度和方向下产生散射的主要源点或区域,它们的散射特性直接影响着电磁波与目标的相互作用。在电磁特性模拟及电磁测量数据压缩等领域,全姿态三维散射中心模型充当着重要依据。在雷达应用中,了解飞机或地面车辆等目标在各种角度和方向下的散射特性,可以帮助提高目标探测和识别的准确性。
然而,提取全姿态散射中心并非易事。由于目标物体的复杂形状、多样性姿态和电磁波的多径传播效应,散射过程的复杂性使得散射中心的提取成为一个具有挑战性的问题。目前提取全姿态散射中心的方法主要有射线弹跳追踪技术、广义霍夫变换与clean思想结合方法以及RANSAC算法。射线弹跳追踪法和广义霍夫变换与clean思想结合方法虽然可以得到精细模型但其计算量很大,RANSAC算法是一种相对计算量较小的提取算法,它首先需要将所有一维散射中心反向投影得到全部三维散射中心候选点,然后逐个对三维散射中心候选点鉴别,最终得到适合全姿态范围内的三维散射中心。但传统的RANSAC算法在提取三维散射模型过程中存在两个问题,第一,在反向投影前一维散射中心的关联性是不确定的,因此在反向投影过程中会出现大量虚假三维散射中心,在低信噪比下虚假三维散射中心很难通过网格筛选去除,导致在后续散射中心鉴别过程中存在计算量巨大的问题;第二,三维散射中心模型是直接在全姿态范围内获得的,在估计模型过程中,一般只能提取到全局范围内较为稳定的散射中心,导致提取的模型难以描述微弱散射特性和局部散射特性,全姿态散射中心计算效率低,准确度不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高全姿态散射中心计算效率和准确度的基于假设检验RANSAC算法的全姿态散射中心提取方法及装置。
一种基于假设检验RANSAC算法的全姿态散射中心提取方法,所述方法包括:
采用ESPRIT算法在全姿态网格内提取所有视角下的所有一维散射中心位置集合,利用假设检验RANSAC算法提取一维散射中心位置集合的全局强散射中心位置集合;
将全局强散射中心位置集合进行重投影得到与全局强散射中心位置关联的一维散射中心位置集合并且与所有一维散射中心位置集合做差集运算得到与全局强散射中心位置不关联的一维散射中心位置集合;
根据假设检验RANSAC算法对与全局强散射中心位置不关联的一维散射中心位置集合进行提取,得到全局弱散射中心位置集合;
从全局弱散射中心位置集合中提取与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,将与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合进行全姿态网格分组,对于每组一维散射中心位置集合采用假设检验的RANSAC算法得到局部强散射中心位置集合;
综合全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合并计算散射中心系数构建精细的全姿态综合散射中心模型,利用精细的全姿态综合散射中心模型进行全姿态散射中心提取。
在其中一个实施例中,利用假设检验RANSAC算法提取一维散射中心位置集合的全局强散射中心位置集合,包括:
在全姿态网格内随机选取四个视角,然后利用任意三个视角下的随机组合的散射中心投影计算散射中心位置候选点,将散射中心位置候选点投影至第四个视角上进行检验,若散射中心组合正确,则在第四个视角的投影位置存在相应的散射中心,相应的散射中心为全局强散射中心;若散射中心组合不正确,则认为散射中心位置候选点为虚假散射点进行舍弃。
在其中一个实施例中,将全局强散射中心位置集合重投影得到与全局强散射中心位置关联的一维散射中心位置集合,包括:
将全局强散射中心位置集合重投影得到与全局强散射中心位置关联的一维散射中心位置集合为
min(x
其中,r(θ,γ)是在视线(θ,γ)方向的投影位置,也被称为一维散射中心,(x
在其中一个实施例中,从全局弱散射中心位置集合中提取与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,包括:
将全局弱散射中心位置集合进行重投影得到与全局弱散射中心位置关联的一维散射中心位置集合并且再与全局强散射中心位置不关联的一维散射中心位置集合做差集运算得到与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合。
在其中一个实施例中,将全局弱散射中心位置集合进行重投影得到与全局弱散射中心位置关联的一维散射中心位置集合并且再与所述与全局强散射中心位置不关联的一维散射中心位置集合做差集运算得到与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,包括:
将全局弱散射中心位置集合进行重投影得到与全局弱散射中心关联的一维散射中心位置集合并且再与所述与全局强散射中心位置不关联的一维散射中心位置集合做差集运算得到与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合为
r
其中,r表示所有一维散射中心位置集合,r
在其中一个实施例中,综合全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合并计算散射中心系数构建精细的全姿态综合散射中心模型,包括:
将全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合分别表示为全局强散射中心模型、全局弱散射中心模型和局部强散射中心模型;
根据全局强散射中心模型、全局弱散射中心模型和局部强散射中心模型并计算散射中心系数构建精细的全姿态综合散射中心模型为
U={U
其中,
一种基于假设检验RANSAC算法的全姿态散射中心提取装置,装置包括:
全局强散射中心位置提取模块,用于采用ESPRIT算法在全姿态网格内提取所有视角下的所有一维散射中心位置集合,利用假设检验RANSAC算法提取一维散射中心位置集合的全局强散射中心位置集合;
全局弱散射中心位置提取模块,用于将全局强散射中心位置集合进行重投影得到与全局强散射中心位置关联的一维散射中心位置集合并且与所有一维散射中心位置集合做差集运算得到与全局强散射中心位置不关联的一维散射中心位置集合;根据假设检验RANSAC算法对与全局强散射中心位置不关联的一维散射中心位置集合进行提取,得到全局弱散射中心位置集合;
局部强散射中心位置模块,用于从全局弱散射中心位置集合中提取与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,将与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合进行全姿态网格分组,对于每组一维散射中心位置集合采用假设检验的RANSAC算法得到局部强散射中心位置集合;
全姿态散射中心提取模块,用于综合全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合并计算散射中心系数构建精细的全姿态综合散射中心模型,利用精细的全姿态综合散射中心模型进行全姿态散射中心提取。
上述基于假设检验RANSAC算法的全姿态散射中心提取方法及装置,本申请设置假设检验RANSAC算法,首先提取三维散射中心候选点后引入第四条雷达视线,通过检验候选点在第四条雷达视线的投影位置是否对应的一维散射中心,解决了散射中心候选点出现大量虚假散射中心的问题,提高算法计算效率,同时设计了四步法提取精细的全姿态综合散射中心模型,第一步利用所有的一维散射中心位置集合提取全局强散射中心位置,第二步利用与全局强散射中心不关联的一维散射中心位置集合提取全局弱散射中心位置,第三步将与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合进行全姿态网格分组并基于每个网格提取局部强散射中心位置,第四步综合提取到的所有三维散射中心位置并计算散射中心系数,得到精细的全姿态综合散射中心模型,本申请的方法在低信噪比下可以将提取三维散射中心模型的时间缩短50%以上,分步提取法可以提取更为精细的散射中心模型,有利于提高全姿态散射中心计算效率和准确度。
附图说明
图1为一个实施例中一种基于假设检验RANSAC算法的全姿态散射中心提取方法的流程示意图;
图2为一个实施例中全局弱散射中心位置提取的流程示意图;
图3为一个实施例中局部强散射中心位置提取的流程示意图;
图4为另一个实施例中全姿态综合散射中心模型建模过程的流程示意图;
图5为一个实施例中一种基于假设检验RANSAC算法的全姿态散射中心提取装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于假设检验RANSAC算法的全姿态散射中心提取方法,包括以下步骤:
步骤102,采用ESPRIT算法在全姿态网格内提取所有视角下的所有一维散射中心位置集合,利用假设检验RANSAC算法提取一维散射中心位置集合的全局强散射中心位置集合。
采用ESPRIT算法在全姿态网格内提取所有视角下的所有一维散射中心位置集合,同时还可以利用MUSIC算法,ESPRIT算法,结构化最小二乘,矩阵束算法以及压缩感知算法等超分辨算法来实现一维散射中心位置集合的提取。该过程为现有技术在本申请中不做过多的赘述。
现有算法中,RANSAC方法随机选取三个视角的一维散射中心信息计算出全姿态三维散射中心模型的位置,然而,由于不同视角下散射中心的关联性未知,因此全姿态三维散射中心模型位置难以直接计算。计算结果包含散射中心所有可能的组合,假设一个视角下目标包含q个散射中心,则利用三个视角计算得到的候选位置数目为q
在传统的全姿态散射中心建模方法中,通常在全局范围内提取适用的强散射中心而忽略微弱散射中心和局部散射中心变化引起的电磁散射变换。为此本文设计分步提取三维散射中心方法。将高频区电磁散射特性改写为
其中,前M
全局强散射中心是全局范围内具有较强的散射能力,其影响范围相对较大。在散射问题中,对整体的散射特性起主导作用。通常进行一次三维散射中心提取即可提取出来,由于全局强散射中心在全局范围内电磁散射特性比较明显,本申请利用所有视角下一维散射中心位置集合模型通过假设检验RANSAC提取散射中心算法得到全局强散射中心位置集合。
步骤104,将全局强散射中心位置集合进行重投影得到与全局强散射中心位置关联的一维散射中心位置集合并且与所有一维散射中心位置集合做差集运算得到与全局强散射中心位置不关联的一维散射中心位置集合;根据假设检验RANSAC算法对与全局强散射中心位置不关联的一维散射中心位置集合进行提取,得到全局弱散射中心位置集合。
全局弱散射中心在全局范围内的散射能力相对较弱,往往包含目标的一些细节部分,这类散射中心通常不易直接提取,需要通过去除强散射中心关联的一维散射中心后,经过一次甚至多次迭代提取才能得到。
全局弱散射中心提取属于全局强散射中心提取后的残差问题,假设U,U
那么则有
r
即通过差集运算即可将全局弱散射中心和局部强散射中心对应的一维散射中心分离出来,由于局部强散射中心具有明显的局部特征在全局散射中心估计过程中通常难以表现出来,因此可以在全局弱散射中心估计时可用r
全局弱散射中心提取算法如图2所示,首先通过将得到的全局强散射中心重投影到所有视角,并计算其与原一维散射中心的关联距离,得到所有满足式min(x
步骤106,从全局弱散射中心位置集合中提取与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,将与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合进行全姿态网格分组,对于每组一维散射中心位置集合采用假设检验的RANSAC算法得到局部强散射中心位置集合。
局部强散射中心在局部区域内具有较强的散射能力,但其影响范围相对有限。一般与特定的结构或物体相关联,在局部区域内产生较显著的散射效应。对于局部散射问题的研究,局部强散射中心是至关重要的。这类散射中心通常在全局范围内难以提取,但在局部提取时较为方便。
当目标中存在不可忽略的空变散射中心时,传统全姿态散射中心建模将存在模型失配问题,导致回波模拟精度下降。因此本申请采用分组三维散射中心建模的思路开展研究。基本流程如图3所示,首先将全局弱散射中心位置集合通过式min(x
局部强散射中心的有效范围取决于多个因素,包括目标的尺寸、形状、材料特性、频率等。理论上来说,网格划分的越小那么提取的局部强散射中心越精细,但网格内一维散射中心数量随网格划分减小而减少导致稳定性变差,RANSAC可能估计不出正确的三维散射中心。因此找到最优的网格分组往往是非常困难的,本申请在处理电磁计算数据实验过程中发现,当单个网格内方位角采样数为L
在鉴别三维散射中心候选点时需要进行重投影和关联运算,当三维散射中心关联的一维散射中心数据超过一定数量时,三维散射中心被认为是真实三维散射中心。假设在全姿态范围内方位角θ采样数量为L
步骤108,综合全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合并计算散射中心系数构建精细的全姿态综合散射中心模型,利用精细的全姿态综合散射中心模型进行全姿态散射中心提取。
精细的全姿态综合散射中心模型提取算法如图4所示,首先通过ESPRIT算法估计所有视角下一维散射中心,然后通过假设检验RANSAC的散射中心提取算法提取全局强散射中心位置,接着通过式min(x
上述基于假设检验RANSAC算法的全姿态散射中心提取方法中,本申请设置假设检验RANSAC算法,首先提取三维散射中心候选点后引入第四条雷达视线,通过检验候选点在第四条雷达视线的投影位置是否对应的一维散射中心,解决了散射中心候选点出现大量虚假散射中心的问题,提高算法计算效率,同时设计了四步法提取精细的全姿态综合散射中心模型,第一步利用所有的一维散射中心位置集合提取全局强散射中心位置,第二步利用与全局强散射中心不关联的一维散射中心位置集合提取全局弱散射中心位置,第三步将与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合进行全姿态网格分组并基于每个网格提取局部强散射中心位置,第四步综合提取到的所有三维散射中心位置并计算散射中心系数,得到精细的全姿态综合散射中心模型,本申请的方法在低信噪比下可以将提取三维散射中心模型的时间缩短50%以上,分步提取法可以提取更为精细的散射中心模型,有利于提高全姿态散射中心计算效率和准确度。
在其中一个实施例中,利用假设检验RANSAC算法提取一维散射中心位置集合的全局强散射中心位置集合,包括:
在全姿态网格内随机选取四个视角,然后利用任意三个视角下的随机组合的散射中心投影计算散射中心位置候选点,将散射中心位置候选点投影至第四个视角上进行检验,若散射中心组合正确,则在第四个视角的投影位置存在相应的散射中心,相应的散射中心为全局强散射中心;若散射中心组合不正确,则认为散射中心位置候选点为虚假散射点进行舍弃。
在其中一个实施例中,将全局强散射中心位置集合重投影得到与全局强散射中心位置关联的一维散射中心位置集合,包括:
将全局强散射中心位置集合重投影得到与全局强散射中心位置关联的一维散射中心位置集合为
min(x
其中,r(θ,γ)是在视线(θ,γ)方向的投影位置,也被称为一维散射中心,(x
在其中一个实施例中,从全局弱散射中心位置集合中提取与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,包括:
将全局弱散射中心位置集合进行重投影得到与全局弱散射中心位置关联的一维散射中心位置集合并且再与全局强散射中心位置不关联的一维散射中心位置集合做差集运算得到与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合。
在其中一个实施例中,将全局弱散射中心位置集合进行重投影得到与全局弱散射中心位置关联的一维散射中心位置集合并且再与所述与全局强散射中心位置不关联的一维散射中心位置集合做差集运算得到与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,包括:
将全局弱散射中心位置集合进行重投影得到与全局弱散射中心关联的一维散射中心位置集合并且再与所述与全局强散射中心位置不关联的一维散射中心位置集合做差集运算得到与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合为
r
其中,r表示所有一维散射中心位置集合,r
在其中一个实施例中,综合全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合并计算散射中心系数构建精细的全姿态综合散射中心模型,包括:
将全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合分别表示为全局强散射中心模型、全局弱散射中心模型和局部强散射中心模型;
根据全局强散射中心模型、全局弱散射中心模型和局部强散射中心模型并计算散射中心系数构建精细的全姿态综合散射中心模型为
U={U
其中,
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于假设检验RANSAC算法的全姿态散射中心提取装置,包括:全局强散射中心位置提取模块502、全局弱散射中心位置提取模块504、局部强散射中心位置模块506和全姿态散射中心提取模块508,其中:
全局强散射中心位置提取模块502,用于采用ESPRIT算法在全姿态网格内提取所有视角下的所有一维散射中心位置集合,利用假设检验RANSAC算法提取一维散射中心位置集合的全局强散射中心位置集合;
全局弱散射中心位置提取模块504,用于将全局强散射中心位置集合进行重投影得到与全局强散射中心位置关联的一维散射中心位置集合并且与所有一维散射中心位置集合做差集运算得到与全局强散射中心位置不关联的一维散射中心位置集合;根据假设检验RANSAC算法对与全局强散射中心位置不关联的一维散射中心位置集合进行提取,得到全局弱散射中心位置集合;
局部强散射中心位置模块506,用于从全局弱散射中心位置集合中提取与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合,将与全局强散射中心位置和全局弱散射中心位置不关联的一维散射中心位置集合进行全姿态网格分组,对于每组一维散射中心位置集合采用假设检验的RANSAC算法得到局部强散射中心位置集合;
全姿态散射中心提取模块508,用于综合全局强散射中心位置集合、全局弱散射中心位置集合和局部强散射中心位置集合并计算散射中心系数构建精细的全姿态综合散射中心模型,利用精细的全姿态综合散射中心模型进行全姿态散射中心提取。
关于基于假设检验RANSAC算法的全姿态散射中心提取装置的具体限定可以参见上文中对于基于假设检验RANSAC算法的全姿态散射中心提取方法的限定,在此不再赘述。上述基于假设检验RANSAC算法的全姿态散射中心提取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
- 基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法
- 基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法