一种超分辨雷达定位方法、系统、设备及存储介质

技术领域

本发明涉及雷达成像定位领域，具体涉及一种超分辨雷达定位方法、系统、设备及存储介质。

背景技术

现有的雷达超分辨率技术包括：基于反卷积的雷达角成像方法、基于最大后验的扫描雷达角分辨成像方法等。

基于反卷积的雷达角成像方法能够突破天线系统参数对雷达图像分辨率的限制，实现雷达角超分辨成像。但其基于一个强假设，通过在复数域上解决一个反演问题来角分辨率，在不同环境下自适应能力差。

基于最大后验的扫描雷达角分辨成像方法使用基于最大后验概率 (MAP)的卷积反演方法实现雷达角超分辨成像。但最大后验概率的方法是基于贝叶斯理论提出的，需要假设相关统计量独立同分布，但是雷达测量数据并不能保证满足这个需求。除此之外，此方法同样自适应能力差且无法解决雷达分辨率不均匀的问题。

发明内容

为了解决上述技术问题，本发明提供一种超分辨率雷达定位方法及系统，解决了目前雷达角分辨成像技术在不同环境下自适应能力差、无法解决雷达分辨率不均匀等问题。

为了实现上述目的，本发明实施例提供如下技术方案：

第一方面，本发明提供一种超分辨雷达定位方法，其特征在于，包括：通过至少一个雷达对同一探测区域进行探测，获取各个雷达的回波信号频谱图；基于所述探测区域和各个雷达的位置信息在所述探测区域所在平面内分别建立全局坐标系和雷达回波基准坐标系；在所述全局坐标系内，根据各个雷达的预设参数配置划分规则，利用所述划分规则将所述探测区域划分为多个成像面元；将所述信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，所述回波强度图像的分辨率为第一预设分辨率；对所述回波强度图像进行预处理，生成图像序列数据包；利用所述图像序列数据包进行图像超分恢复计算，得到雷达图像，所述雷达图像的分辨率为第二预设分辨率；其中，所述第一预设分辨率小于所述第二预设分辨率。

进一步地，通过至少一个雷达对同一探测区域进行探测，获取各个雷达的回波信号频谱图，包括：对多个雷达的预设参数进行配置；通过各个雷达分别对所述探测区域进行探测，获取回波信号；对各个雷达回波信号进行采样和快速傅里叶变换处理，输出各个雷达的回波频谱图；其中，所述多个雷达布置在探测区域两侧，所述多个雷达的布置方法包括：在所述探测区域相对的第一侧和第二侧分别选取第一边界点和第二边界点；基于所述第一边界点和第二边界点分别得到第一侧雷达布置线和第二侧雷达布置线，所述第一侧雷达布置线和所述第二侧雷达布置线为所述探测区域的边界线，或所述第一侧雷达布置线、所述第二侧雷达布置线与所述探测区域之间仅有一个交点，所述第一侧雷达布置线和所述第二侧雷达布置线相互平行；在所述第一侧雷达布置线和所述第二侧雷达布置线上分别布置至少一个雷达；各个雷达的业务覆盖范围完全覆盖所述探测区域。

进一步地，建立所述全局坐标系，包括：获取所述探测区域的位置信息以及各个雷达的位置信息，并在所述第一侧雷达布置线或所述第二侧雷达布置线上对各个雷达依次进行编号；选取所述第一侧雷达布置线或所述第二侧雷达布置线作为x轴；选取雷达编号从小到大的排列方向作为x轴的正方向；选取所述探测区域的各点在所述x轴上的最小垂直投影点作为原点；基于所述原点选取所述x轴的垂直线作为y轴，选取指向另一侧的方向为所述y轴的正方向。

进一步地，建立所述雷达回波基准坐标系，包括：获取各个雷达的位置信息；选取所述雷达所在位置为极点；选取所述雷达的主瓣为极轴。

进一步地，在所述全局坐标系内，根据各个雷达的预设参数配置划分规则，利用所述划分规则将所述探测区域划分为多个成像面元，包括：选取所述距离分辨率作为极轴方向的第一划分步长；选取所述角度分辨率作为角方向的第二划分步长；以极点为起始点，利用所述第一划分步长在所述极轴方向进行网格划分；以极角等于0°为起始点，利用所述第二划分步长在所述角方向进行网格划分；从划分好的网格中选取所述探测区域所覆盖的范围内的节点，用于确定所述多个成像面元；其中，所述成像面元的网格总数为所述极轴方向上的第一节点数量与所述角方向上的第二节点数量的乘积。

进一步地，将所述信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，所述回波强度图像的分辨率为第一预设分辨率，包括：选取所述成像面元的几何中心作为像素点，所述像素点的坐标为所述几何中心在所述全局坐标系中的坐标；选取单个成像面元内的回波信号强度作为所述像素点的亮度；获取所述探测区域内各个成像面元对应的像素点坐标和像素点的亮度，生成所述第一预设分辨率的回波强度图像。

进一步地，对所述回波强度图像进行预处理，生成图像序列数据包，包括：将所有雷达对应的回波强度图像进行时间对齐，生成时间标签；根据每个回波强度图像中的像素点的坐标进行初始排序，生成像素点编目信息；根据所述像素点编目信息将像素点数据处理为图像序列；通过极大熵谱估计算法或最优线性滤波算法等算法，对所有图像序列进行打包处理，得到图像序列数据包；其中，所述数据包的设计参数包括：雷达编号、时间标签、像素点编目信息和对应像素点的亮度。

进一步地将所述图像序列中严重偏离目标真值的异常值进行剔除；获取所有雷达的预设绝对时的图像序列。

进一步地，利用所述图像序列数据包进行图像超分恢复计算，得到雷达图像，所述雷达图像的分辨率为第二预设分辨率，包括：从所述图像序列数据包获取所有雷达对应的第一图像矩阵，所述第一图像矩阵的行数和列数分别为预设行数W和预设列数L，所述第一图像矩阵的输出通道数为预设通道数N；对各个第一图像矩阵进行局部特征提取，得到第二图像矩阵，所述第二图像矩阵的行数和列数分别为

第二方面，一种超分辨雷达定位系统，包括：通信模块，用于通过至少一个雷达对同一探测区域进行探测，获取各个雷达的回波信号频谱图；坐标系建立模块，用于基于所述探测区域和各个雷达的位置信息在所述探测区域所在平面内分别建立全局坐标系和雷达回波基准坐标系；成像面元划分模块，用于在所述全局坐标系内，根据各个雷达的预设参数配置划分规则，利用所述划分规则将所述探测区域划分为多个成像面元；预处理模块，用于将所述信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，所述回波强度图像的分辨率为第一预设分辨率；对所述回波强度图像进行预处理，生成图像序列数据包；图像恢复计算模块，用于利用所述图像序列数据包进行图像超分恢复计算，得到雷达图像，所述雷达图像的分辨率为第二预设分辨率；其中，所述第一预设分辨率小于所述第二预设分辨率。

第三方面，一种超分辨雷达定位设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述任一项所述一种超分辨雷达定位方法的步骤。

第四方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述一种超分辨雷达定位方法的步骤。

本发明实施例提供了一种超分辨雷达定位方法、系统、设备及存储介质，通过多个雷达组网后对目标区域进行探测得到频谱图，然后，将频谱图映射到成像面元中再进行图像超分恢复计算，得到雷达图像。这样，相比现有技术，不用基于一个强假设便能得到高分辨率的雷达图像，这种方法针对于不同的环境自适应能力强。另外，本发明实施例中，基于网格划分对雷达图像进行超分辨率处理，利用各个雷达的低分辨率的回波强度图像来得到一幅高分辨率的雷达图像，这样，解决了雷达图像分辨率不均匀的问题。

附图说明

图1为本发明一个实施例提供的一种超分辨率雷达定位系统的逻辑架构示意图；

图2为本发明一个实施例提供的一种超分辨雷达定位方法的流程示意图；

图3为本发明一个实施例提供的一种超分辨雷达定位方法的获取各个雷达频谱图流程示意图；

图4为本发明一个实施例提供的一种超分辨雷达定位方法的建立全局坐标系流程示意图；

图5为本发明一个实施例提供的一种超分辨雷达定位方法的划分面元流程示意图；

图6为本发明一个实施例提供的一种超分辨雷达定位方法的建立雷达回波基准坐标系流程示意图；

图7为本发明一个实施例提供的一种超分辨雷达定位方法的生成第一预设分辨率流程示意图；

图8为本发明一个实施例提供的一种超分辨雷达定位方法的预处理流程示意图；

图9为本发明一个实施例提供的一种超分辨雷达定位方法的去噪处理流程示意图；

图10为本发明一个实施例提供的一种超分辨雷达定位方法的图像超分恢复处理的流程示意图；

图11为本发明一个实施例提供的一种超分辨雷达定位方法的雷达部署示意图；

图12为本发明一个实施例提供的面元划分示意图；

图13位本发明一个实施例提供的超分辨率算法流程示意图。

具体实施方式

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

以下对本发明实施例中的缩略语和关键术语定义解释如下：

雷达组网：所谓雷达组网，就是对多部不同频段、不同极化方式和不同体质的雷达进行适当的、合理的优化布站，对网内各个雷达的信息(原始信号、点迹、航迹数据等)，以“网”的形式收集和传递，并由中心站进行综合处理、控制和管理，从而形成一个统一的、有机的、整体的雷达系统。通过雷达组网以扩大系统的时域、频域、空域的覆盖能力，取长补短，同时发挥各雷达的优越性，实现信息共享，有效提高发现目标的速度，降低虚警、漏警，全面提高雷达租完挂在恶劣电子战环境下的“四抗”能力，明显增强雷达的生存能力。

超分辨率技术：通过软、硬件提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。超分辨率重建的核心思想就是用时间带宽(获取同一场景的多帧图像序列)换取空间分辨率，实现时间分辨率向空间分辨率的转换。

FFT：即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。

雷达回波强度图像：雷达平面内回波信号强度幅值的空间分布图。

参考图1，本发明一个实施例提供了一种超分辨率雷达定位系统，包括：通信模块01、坐标建立模块02、成像面元划分模块03、预处理模块 04和图像恢复计算模块05。进一步地，通信模块01，用于通过至少一个雷达对同一探测区域进行探测，获取各个雷达的回波信号频谱图；坐标系建立模块02，用于基于所述探测区域和各个雷达的位置信息在所述探测区域所在平面内分别建立全局坐标系和雷达回波基准坐标系；成像面元划分模块03，用于在所述全局坐标系内，根据各个雷达的预设参数配置划分规则，利用所述划分规则将所述探测区域划分为多个成像面元；预处理模块04，用于将所述信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，所述回波强度图像的分辨率为第一预设分辨率；对所述回波强度图像进行预处理，生成图像序列数据包；图像恢复计算模块05，用于利用所述图像序列数据包进行图像超分恢复计算，得到雷达图像，所述雷达图像的分辨率为第二预设分辨率；其中，所述第一预设分辨率小于所述第二预设分辨率。

具体地，通信模块01与坐标建立模块02相连接，将探测区域位置与每个雷达的位置发送给坐标建立模块02；通信模块01与预处理模块相连接将回波信号频谱图发送给预处理模块04；坐标建立模块02对接收的探测区域位置与每个雷达的位置进行处理，划分为全局坐标系与雷达回波基准坐标系；坐标建立模块02与成像面元划分模块03相连接，将全局坐标系信息与雷达回波基准坐标系的信息发送给成像面元划分模块03，成像面元划分模块03在全局坐标系内，根据各个雷达的预设参数配置划分规则，利用探测区域划分为多个成像面元；预处理模块04接收来自通信模块01的回波信号频谱图和成像面元划分模块03的成像面元信息，再将信号频谱图映射到成像面元内，得到分辨率为第一预设分辨率的离散化的回波强度图像，紧接着，再对回波强度图像进行预处理，生成图像序列数据包，并将图像序列包发送至图像恢复计算模块05；图像恢复计算模块05接收来自预处理模块04的图像序列数据包，利用所述图像序列数据包进行图像超分恢复计算，得到第二预设分辨率的雷达图像。

本发明实施例通过多个雷达组网后对目标区域进行探测得到频谱图，然后，将频谱图映射到成像面元中再进行图像超分恢复计算，得到雷达图像。这样，相比现有技术，不用基于一个强假设便能得到高分辨率的雷达图像，这种方法针对于不同的环境自适应能力强。另外，本发明实施例中，基于网格划分对雷达图像进行超分辨率处理，利用各个雷达的低分辨率的回波强度图像来得到一幅高分辨率的雷达图像，这样，解决了雷达图像分辨率不均匀的问题。

与上述公开的一种超分辨雷达定位系统相对应，本发明实施例还公开了一种超分辨雷达定位方法。以下结合上述描述的一种超分辨雷达定位的系统详细介绍本发明实施例中公开的一种超分辨雷达定位方法。

参考图2，为本发明一个实施例提供的一种超分辨雷达定位方法的流程示意图；通过至少一个雷达对同一探测区域进行探测，获取各个雷达的回波信号频谱图；基于所述探测区域和各个雷达的位置信息在所述探测区域所在平面内分别建立全局坐标系和雷达回波基准坐标系；在所述全局坐标系内，根据各个雷达的预设参数配置划分规则，利用所述划分规则将所述探测区域划分为多个成像面元；将所述信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，所述回波强度图像的分辨率为第一预设分辨率；对所述回波强度图像进行预处理，生成图像序列数据包；利用所述图像序列数据包进行图像超分恢复计算，得到雷达图像，所述雷达图像的分辨率为第二预设分辨率；其中，所述第一预设分辨率小于所述第二预设分辨率。

优选地，参考图3，为本发明一个实施例提供的一种超分辨雷达定位方法的获取雷达频谱图流程示意图；通过至少一个雷达对同一探测区域进行探测，获取各个雷达的回波信号频谱图，包括：对多个雷达的预设参数进行配置；通过各个雷达分别对所述探测区域进行探测，获取回波信号；对各个雷达回波信号进行采样和快速傅里叶变换处理，输出各个雷达的回波频谱图；其中，所述多个雷达布置在探测区域两侧，所述多个雷达的布置方法包括：在所述探测区域相对的第一侧和第二侧分别选取第一边界点和第二边界点；基于所述第一边界点和第二边界点分别得到第一侧雷达布置线和第二侧雷达布置线，所述第一侧雷达布置线和所述第二侧雷达布置线为所述探测区域的边界线，或所述第一侧雷达布置线、所述第二侧雷达布置线与所述探测区域之间仅有一个交点，所述第一侧雷达布置线和所述第二侧雷达布置线相互平行；在所述第一侧雷达布置线和所述第二侧雷达布置线上分别布置至少一个雷达；各个雷达的业务覆盖范围完全覆盖所述探测区域。

具体地，参考图11，为本发明一个实施例提供的一种超分辨雷达定位方法的雷达部署示意图，下面举例说明各个雷达的布置方法，假设探测区域为平面内一矩形区域ABCD。首先进行组网雷达的部署与安装，将距离分辨率相同的N个雷达在探测区域的两侧依次排开，各个雷达分别对同一块覆盖区域进行探测，各个雷达的分别获取其回波信号，对其回波信号进行采样和FFT，输出雷达的回波信号频谱图。

进一步地，所述雷达的预设参数包括：距离分辨率和角度分辨率；各个雷达的距离分辨率相同；同一侧上任意两个雷达之间的距离为所述距离分辨率的整数倍，位于不同侧上的任意两个雷达之间的雷达排列方向的距离为所述距离分辨率的整数倍。

本发明实施例，基于对多部不同频段、不同极化方式和不同体质的雷达进行适当的优化布局，以扩大系统的时域、频域、空域的覆盖能力，取长补短，同时发挥各雷达的优越性，增强自身获取信息的能力；同时，依靠超分辨技术通过一系列低分辨率的图像来得到一幅高分辨率的图像，以时间带宽换取空间分辨率，实现时间分辨率相空间分辨率的转换。

另外，本发明实施例，基于对目标区域进行雷达部署，这样的雷达部署方法从根源上保证了分辨率均匀，能够得到便于后期处理的原始数据。

参考图4，为本发明一个实施例提供的一种超分辨雷达定位方法的建立全局坐标系流程示意图；建立所述全局坐标系，包括：获取所述探测区域的位置信息以及各个雷达的位置信息，并在所述第一侧雷达布置线或所述第二侧雷达布置线上对各个雷达依次进行编号；选取所述第一侧雷达布置线或所述第二侧雷达布置线作为x轴；选取雷达编号从小到大的排列方向作为x轴的正方向；选取所述探测区域的各点在所述x轴上的最小垂直投影点作为原点；基于所述原点选取所述x轴的垂直线作为y 轴，选取指向另一侧的方向为所述y轴的正方向。

参考图6，为本发明一个实施例提供的一种超分辨雷达定位方法的建立雷达回波基准坐标系流程示意图；建立所述雷达回波基准坐标系，包括：获取各个雷达的位置信息；选取所述雷达所在位置为极点；选取所述雷达的主瓣为极轴。

具体地，参考图11为本发明一个实施例提供的一种超分辨雷达定位方法的雷达部署示意图；以平面坐标系为例，以A点为原点o，AB方向为x轴正方向建立平面直角坐标系x-o-y；然后，以雷达L

本发明实施例提供的方法，上述建立全局坐标系的方法使探测区域仅在一个象限内，这样，有利于之后在全局坐标系内划分网络并标记网络节点坐标时记录符号位，大大地降低后续算法的时间开销。

参考图5，为本发明一个实施例提供的一种超分辨雷达定位方法的划分面元流程示意图；在所述全局坐标系内，根据各个雷达的预设参数配置划分规则，利用所述划分规则将所述探测区域划分为多个成像面元，包括：选取所述距离分辨率作为极轴方向的第一划分步长；选取所述角度分辨率作为角方向的第二划分步长；以极点为起始点，利用所述第一划分步长在所述极轴方向进行网格划分；以极角等于0°为起始点，利用所述第二划分步长在所述角方向进行网格划分；从划分好的网格中选取所述探测区域所覆盖的范围内的节点，用于确定所述多个成像面元；其中，所述成像面元的网格总数为所述极轴方向上的第一节点数量与所述角方向上的第二节点数量的乘积。

本发明实施例，将探测区域划分为多个成像面元是对待处理的雷达图像取样，得到离散的雷达回波图像，其取样间隔由第一划分步长和第二划分步长规定；我们可以根据实际应用的场景，自定义采样间隔。

参考图7，为本发明一个实施例提供的一种超分辨雷达定位方法的生成第一预设分辨率流程示意图；将所述信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，所述回波强度图像的分辨率为第一预设分辨率，包括：选取所述成像面元的几何中心作为像素点，所述像素点的坐标为所述几何中心在所述全局坐标系中的坐标；选取单个成像面元内的回波信号强度作为所述像素点的亮度；获取所述探测区域内各个成像面元对应的像素点坐标和像素点的亮度，生成所述第一预设分辨率的回波强度图像。

参考图12，为本发明一个实施例提供的面元划分示意图；上述雷达回波基准坐标系与图像像素的关系为，每个成像的像素单元对应一个划分的网格节点，网格节点在极轴上划分的起始位置为雷达回波基准坐标系的原点，在θ方向上划分的起始位置为极轴θ＝0°，步长、节点数量确定方法如前面所述，从划分好的网格选取业务覆盖范围内的对应节点，用于雷达成像面元的确定。雷达量测数据为雷达回波图像，雷达回波图像像素数即区域的网格节点数，雷达成像区域的面元划分如附图4所示，成像面元对应划分的网格区域，像素点的坐标为成像单元几何中心在直角坐标系x-o-y的位置(x,y)，像素点的亮度表示单个面元内的回波信号强度，规定超出雷达最大探测范围，没有回波信号的像素点的亮度为0。

本发明实施例，基于面元的划分，解决了现有技术中雷达图像无法从极坐标转化为笛卡尔坐标的问题。对之后图像量化处理创造必要条件条件。

参考图8，为本发明一个实施例提供的一种超分辨雷达定位方法的预处理流程示意图；对所述回波强度图像进行预处理，生成图像序列数据包，包括：将所有雷达对应的回波强度图像进行时间对齐，生成时间标签；根据每个回波强度图像中的像素点的坐标进行初始排序，生成像素点编目信息；根据所述像素点编目信息将像素点数据处理为图像序列；通过极大熵谱估计算法或最优线性滤波算法等算法，对所有图像序列进行打包处理，得到图像序列数据包；其中，所述数据包的设计参数包括：雷达编号、时间标签、像素点编目信息和对应像素点的亮度。

优选地，参考图9，将所述图像序列中严重偏离目标真值的异常值进行剔除；获取所有雷达的预设绝对时的图像序列。

具体地，已知回波图像像素点在x-o-y坐标系下对应的坐标(x,y)，像素坐标x和y均为最小时编目为(1,1)，当像素点x＝x

本发明实施例提供的方法，将信号频谱图映射到所述成像面元内，得到离散化的回波强度图像，是一种将信号数字化的过程，其中，离散化的回波强度图像由亮度、在全局坐标系的坐标构成，有利于我们对多张同一区域、同一时刻但不同维度的图像做计算处理，将多张低分辨率图像提升至高分辨率图像。

参考图10，为本发明一个实施例提供的一种超分辨雷达定位方法的图像超分恢复处理的流程示意图；利用所述图像序列数据包进行图像超分恢复计算，得到雷达图像，所述雷达图像的分辨率为第二预设分辨率，包括：从所述图像序列数据包获取所有雷达对应的第一图像矩阵，所述第一图像矩阵的行数和列数分别为预设行数W和预设列数L，所述第一图像矩阵的输出通道数为预设通道数N；对各个第一图像矩阵进行局部特征提取，得到第二图像矩阵，所述第二图像矩阵的行数和列数分别为

本发明实施例，通过神经网络算法多次卷积提取的特征构成特征图像，再将多张低分辨率的特征图像通过还原处理，就得到了我们现在所需要的高分辨率图像。

参考图13，为本发明一个实施例提供的超分辨率算法流程示意图；以下举例说明超分算法的具体实施步骤；

步骤一：对于输入的N个第一图像矩阵I

步骤二：再对每个通道的图片进行长度为2的填充，通过5×5的卷积核以步长为1进行卷积，再经过激活层ReLU层，激活层的作用是给网络添加非线性因素，减少参数量，防止模型过拟合，之后通过2×2的最大池化层进行1/2降采样，最大池化层主要用于特征降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性，重复两次，输出的图片大小为

步骤三：之后通过两次5×5的卷积核，以步长为1，填充为2进行卷积，经过上述步骤一至步骤三，得到第二图像矩阵，根据第二图像矩阵输出的图片大小为

步骤四：通过4×16的卷积核进行上采样，步长为2。之后通过5×5的卷积核，以步长为1进行卷积。再经过ReLU层，重复两次，得到第三图像矩阵，根据第三图像矩阵输出的图片大小为4W·4L，输出的通道数为 N。

步骤五：最后经过1×1的卷积核，将多通道变为单通道输出。得到分辨率大小为4W·4L的高分辨率图像对应的第四图像矩阵，实际上第四图像矩阵的分辨率大小可以通过改变网络卷积核大小、步长、池化等参数来调整。

步骤六：对于4W·4L的第四图像矩阵从第一行第一列开始按照等采样间隔c进行等间隔采样，得到第五图像矩阵，根据第五图像矩阵得到超分后的高分辨率雷达图像I

接下来将处理后的雷达图像进行实时的输出，将超分恢复后kW·kL 大小的雷达回波强度图像数据输出，具体地，将处理后的数字图像I

以上描述中超分算法中神经网络参数θ是通过神经网络训练得到的。下面说明神经网络参数训练的过程：

整个训练过程需要输入：训练数据集T和X

具体地，假设N＝2，W＝4，L＝4；

步骤一：首先随机初始化神经网络的权重参数θ,θ包含了神经网络中的所有卷积核、转置矩阵的值。

步骤二：对于输入的N个矩阵t1,t2,...,t

步骤三：再对每个通道的图片进行长度为2的填充，通过5×5的卷积核以步长为1进行卷积，再经过激活层ReLU层，激活层的作用是给网络添加非线性因素，减少参数量，防止模型过拟合，之后通过2×2的最大池化层进行1/2降采样，最大池化层主要用于特征降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性，重复两次，输出的图片大小为

步骤四：之后通过两次5×5的卷积核，以步长为1，填充为2进行卷积，输出的图片大小为

步骤五：通过4×16的卷积核进行上采样，步长为2。之后通过5×5 的卷积核，以步长为1进行卷积。再经过ReLU层，重复两次，输出的图片大小为4W·4L，输出的通道数为N。

步骤六：最后经过1×1的卷积核，将多通道变为单通道输出。得到分辨率大小为4W·4L的高分辨率图像对应的矩阵t

步骤七：对于4W·4L的矩阵t

步骤八：在t

步骤九：根据步骤八得到的预期的高清图像t

具体地，步骤九中的神经网络参数θ具体更新过程在深度学习框架中已封装，使用梯度下降法更新。作为一个例子说明参数更新具体过程：假设有一个十分简单的网络t＝θ·z，t为一个数字，θ为2·1行向量， z为1·2列向量。假设训练数据为

步骤十：使用多组训练数据，重复步骤二到步骤九直至收敛，得到最终的神经网络参数θ。

本发明实施例提供一种超分辨雷达定位设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述任一项所述一种超分辨雷达定位方法的步骤。

本发明实施例提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述一种超分辨雷达定位方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，功能调用设备，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。