基于Nelder-Mead单纯形法的逆合成孔径激光雷达联合补偿成像算法 下载: 848次
1 引言
逆合成孔径激光雷达(ISAL)是一种采用激光作为光源的主动成像技术,其成像过程可描述为:通过向目标等间隔发射多束线性调频(LFM)激光,借助目标相对雷达自身的运动完成脉冲积累,从而获取高分辨率二维图像。与采用微波波段的逆合成孔径雷达(ISAR)相比,ISAL采用了大调制带宽、高频率的激光作为发射信号,图像分辨率可以达到毫米甚至几十微米量级[1-2],合成孔径时间缩短至几十毫秒。ISAL图像分辨率理论上仅与调制带宽、工作波长以及目标运动参数有关,而与激光雷达到目标的距离无关,从而使得ISAL在对远距离目标成像时可以克服光学系统的衍射极限约束,获取较为理想的图像。
传统ISAR对目标成像时一般采用“一步一停”运动模型[3],而由于ISAL的工作载频比ISAR的高3~4个数量级,因此“一步一停”运动模型不再适用。文献[ 4-5]对ISAL回波信号特征进行了研究,结果发现针对ISAL成像,传统的距离-多普勒算法并不适用。其中文献[ 4]通过建立精确的运动模型发现当ISAL采用超大带宽、超高载频的调制激光作为发射信号时,所引起的回波包络展宽、距离像平移及展宽不能忽略。而文献[ 5]进一步研究了脉内多普勒和脉间多普勒效应,经仿真发现当目标不满足匀速运动近似时,即使存在较小的加速度也会造成图像模糊。
近几年研究人员根据ISAL高载频、大带宽特性设计了许多成像算法,其中主要包括基于相位梯度自聚焦(PGA)的成像算法[1,6]、基于时频分析的成像算法[4,7-9]以及基于压缩感知的成像算法[10-11]。这些ISAL成像算法通常仍未脱离ISAR的运动补偿成像框架,即当目标存在平移运动和旋转运动时,先进行平动补偿,再执行转动补偿。然而分别执行平动补偿和转动补偿有可能导致两类补偿精度下降,原因在于ISAL转动误差会影响平动补偿的精度,而平动补偿的残余误差又导致转动误差不能较好地校正,从而使得ISAL图像无法良好聚焦。基于联合运动补偿的ISAR成像算法[12]同时考虑平动误差和转动误差,采用拟牛顿法同时补偿两类误差,获得良好的聚焦ISAR像。然而,拟牛顿法需要预先对优化变量进行精确估计,并作为初值进行优化迭代求解。当对优化变量估计不准确时,利用拟牛顿法进行优化迭代将陷入局部极值,无法获得清晰聚焦图像。本文通过对ISAL成像建立精确的运动模型,提出了基于Nelder-Mead单纯形法的联合补偿成像,算法采用Nelder-Mead单纯形法对平动误差、转动误差以及模型误差三类误差进行全局补偿,然后利用基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)公式的拟牛顿法补偿残余相位误差。仿真实验结果表明,所提出的联合补偿成像算法可得到良好的高分辨率ISAL二维图像。
2 ISAL精确成像模型
应为ISAL运动模型示意图如
一般ISAL采用LFM信号对目标进行探测,其调制信号表示为
式中rect(·)是矩形函数,
由于ISAL相干成像时间很短,一般小于0.1 s,对目标的平移运动采用二阶加速运动模型便可保证足够的精度,并假设ISAL目标转动分量近似为线性运动,角速度小于0.05 rad·s-1。目标的平移运动和旋转运动表示为
式中
当目标离激光雷达较远时,设目标上任意散射点
假设激光雷达发射第
应用求根公式求解时,根据实际情况求根公式符号取“+”号,并考虑到
可见,由于ISAL采用超大带宽LFM信号,回波用时
由于ISAL成像时间很短,通常对应单个脉冲的持续时间仅为几微秒。在这段时间内,一般考虑激光回波延时仅与该脉冲的起始时间
(7)式描述了由
当回波信号与本振信号在光电探测器上进行光外差探测后,其探测器输出信号经过去直流分量处理后得到交流项,可表示为
式中
由(6)式可知,距离向坐标信息
式中
将(10)式代入(9)式得:
式中第二、三个指数项分别代表RVP和回波包络“斜置”项,通过乘以相应系数,这两项误差可以得到补偿[13]。第四个指数项是随
此时ISAL距离聚焦像不同峰值位置对应了目标在距离向上的坐标。
对于ISAL慢时间域信号,对(6)式分母进行二阶泰勒级数展开后,分析(12)式中关于
式中第一项与传统ISAR采用“一步一停”模型得到的多普勒频率项一致。第二、三项为“一步一停”模型误差,当采用高频率激光作为调制信号后,将使得这两项产生的多普勒频移误差不可忽略,必须进行相应补偿。为了简化分析,考虑到一般情况下,ISAL成像时间
式中
由(14)式可知,影响ISAL方位向成像的误差主要包括:1)平动误差
(15)式对慢时间
式中
ISAL成像算法流程图如
3 ISAL成像优化补偿算法
图像的熵作为联合补偿成像算法中的ISAL图像评价函数,已经在许多文献中得到成功应用[12,15]。图像的熵定义为
式中
补偿变量
式中
由于图像的熵
3.1 基于Nelder-Mead单纯形法的全局优化补偿
全局优化补偿算法的思想在于尝试采用不同策略搜索大部分的可能解,在迭代搜索过程中,评价函数可能会暂时恶化,但是随着迭代搜索过程的进行,搜索解会逐渐逼近全局最优解,从而避免陷入局部极值,导致误差估计不准确,补偿效果不理想。常用的全局最优化方法有Nelder-Mead单纯形法、模拟退火法、粒子群方法和遗传算法等。本文选取Nelder-Mead单纯形法作为全局优化补偿算法。
首先定义单纯形的概念。在ISAL全局优化补偿过程中,单纯形是由4个点集确定的几何对象。这4个点集可用4个三维向量空间
Nelder-Mead单纯形法的基本搜索思想可表述为:先初始化单纯形
基于Nelder-Mead单纯形法的全局最优化补偿算法流程为:1)初始化单纯形
在经过若干次全局搜索迭代后,得到收敛点
3.2 基于BFGS公式的拟牛顿法残余误差补偿
拟牛顿法是非线性问题优化求解中广泛使用的一类最优化方法。它适用于优化目标函数的海森矩阵(包含对目标函数的二阶微分)难以计算的场合。拟牛顿法的基本思想是对目标函数某个点附近做二次多项式近似,求解该二次多项式的最低点作为目标函数的最小值,然后重复迭代直至收敛到局部极小值。
设经过全局补偿后的ISAL图像为
式中
Re(·)为取实部操作,
优化解
式中
Hessian矩阵
式中
基于BFGS公式的拟牛顿法流程为:1)确定优化问题解的初值
经过迭代优化搜索后,得到残余误差补偿项
4 仿真实验
4.1 ISAL目标模型与系统参数设置
假设ISAL目标为缩小的B727飞机模型,如
图 3. B727模型。(a)三维坐标系;(b)二维坐标系
Fig. 3. B727 model. (a) 3D coordinate system; (b) 2D coordinate system
表 1. 目标几何尺寸和运动参数
Table 1. Geometry and motion parameters of target
|
表 2. ISAL系统工作参数
Table 2. Operating parameters of ISAL system
|
4.2 ISAL成像仿真
根据4.1节介绍的ISAL目标参数和系统工作参数,利用(7)式生成回波信号和本振信号后,经过光外差探测得到光外差信号,并对其沿快时间做IFT,得到原始的ISAL距离像,如
采用所提出的基于Nelder-Mead单纯形法和拟牛顿法分别对ISAL信号进行全局补偿和残余误差补偿,并利用图像的熵作为提出算法的评价函数。
图 4. (a)原始的ISAL距离像;(b)距离对齐的ISAL距离像
Fig. 4. (a) Initial ISAL range image; (b) ISAL range image after range alignment
图 5. (a)全局补偿和(b)残余误差补偿图像熵随迭代次数的变化
Fig. 5. Entropy of ISAL image against iteration number for (a) global compensation and (b) residual error compensation
对经过补偿后的ISAL信号沿慢时间
图 6. (a)本文算法和(b)传统成像算法得到的ISAL图像
Fig. 6. ISAL image obtain by (a) proposed method and (b) traditional method
4.3 ISAL目标运动参数估计
传统ISAL成像算法在进行转动误差补偿时通常是对该误差进行估计,没有准确计算相应的转动参数,从而无法实现方位向坐标单位变换,确定目标的方位坐标。因此介绍所提出的联合补偿成像算法对转动角速度
设置目标的平动参数为速度
图 7. (a)转动角速度的真实值和估计值随实验次数的变化;(b)转动角速度的估计精度随实验次数的变化
Fig. 7. (a) True value and estimates of rotational angular velocity against test number; (b) relative error of rotational angular velocity against test number
5 结论
针对ISAL调制信号具有高频率、大带宽的特性,建立了精确的成像模型,推导并分析了影响ISAL成像质量的三类误差。分析传统ISAL成像算法采用平动误差和转动误差分离补偿时存在的问题,提出了采用Nelder-Mead单纯形法对三类误差进行全局联合补偿,然后利用拟牛顿法补偿残余误差的高分辨率ISAL成像算法。在仿真实验中,利用Nelder-Mead单纯形法和拟牛顿法分别补偿ISAL信号的已知运动误差和残余误差,获得清晰的ISAL二维图像。通过与传统平动、转动分离补偿算法得到的ISAL图像比较,验证了所提出算法的有效性。在转动角速度参量估计仿真实验中,计算得到的目标运动参数与真实值比较接近,验证了算法的可靠性与准确性。
[4] 何劲, 张群, 杨小优, 等. 逆合成孔径成像激光雷达成像算法[J]. 红外与激光工程, 2012, 41(4): 1094-1100.
何劲, 张群, 杨小优, 等. 逆合成孔径成像激光雷达成像算法[J]. 红外与激光工程, 2012, 41(4): 1094-1100.
He J, Zhang Q, Yang X Y, et al. Imaging algorithm for inverse synthetic aperture imaging LADAR[J]. Infrared and Laser Engineering, 2012, 41(4): 1094-1100.
[5] 阮航, 吴彦鸿, 叶伟, 等. 逆合成孔径激光雷达回波信号特征分析[J]. 激光与红外, 2013, 43(4): 385-390.
阮航, 吴彦鸿, 叶伟, 等. 逆合成孔径激光雷达回波信号特征分析[J]. 激光与红外, 2013, 43(4): 385-390.
Ruan H, Wu Y H, Ye W, et al. Echo signal characteristics of inverse synthetic aperture ladar[J]. Laser and Infrared, 2013, 43(4): 385-390.
[6] 阮航, 吴彦鸿, 叶伟, 等. 逆合成孔径激光雷达相位误差补偿算法[J]. 激光与光电子学进展, 2013, 50(10): 102801.
阮航, 吴彦鸿, 叶伟, 等. 逆合成孔径激光雷达相位误差补偿算法[J]. 激光与光电子学进展, 2013, 50(10): 102801.
[7] 郭亮, 邢孟道, 曾晓东, 等. 室内实测数据的逆合成孔径激光雷达成像[J]. 红外与激光工程, 2011, 40(4): 637-642.
郭亮, 邢孟道, 曾晓东, 等. 室内实测数据的逆合成孔径激光雷达成像[J]. 红外与激光工程, 2011, 40(4): 637-642.
Guo L, Xing M D, Zeng X D, et al. Inverse synthetic aperture lidar imaging of indoor real data[J]. Infrared and Laser Engineering, 2011, 40(4): 637-642.
[8] 阮航, 吴彦鸿, 叶伟. 基于FRFT-CLEAN的机动目标逆合成孔径激光雷达成像算法[J]. 电子与信息学报, 2013, 35(7): 1540-1546.
阮航, 吴彦鸿, 叶伟. 基于FRFT-CLEAN的机动目标逆合成孔径激光雷达成像算法[J]. 电子与信息学报, 2013, 35(7): 1540-1546.
Ruan H, Wu Y H, Ye W. Inversesynthetic aperture ladar imaging algorithm for maneuvering target based on FRFT-CLEAN[J]. Journal of Electronics and Information Technology, 2013, 35(7): 1540-1546.
[9] 王宏艳, 阮航, 吴彦鸿. 机动目标逆合成孔径激光雷达方位成像快速算法[J]. 光子学报, 2015, 44(2): 118-123.
王宏艳, 阮航, 吴彦鸿. 机动目标逆合成孔径激光雷达方位成像快速算法[J]. 光子学报, 2015, 44(2): 118-123.
Wang H Y, Ruan H, Wu Y H. Fastazimuth imaging algorithm of inverse synthetic aperture ladar for maneuvering targets[J]. Acta Photonica Sinica, 2015, 44(2): 118-123.
[10] 臧博, 张磊, 唐禹, 等. 利用压缩感知的逆合成孔径激光雷达成像新方法[J]. 西安电子科技大学学报(自然科学版), 2010, 37(6): 1027-1032.
臧博, 张磊, 唐禹, 等. 利用压缩感知的逆合成孔径激光雷达成像新方法[J]. 西安电子科技大学学报(自然科学版), 2010, 37(6): 1027-1032.
Zang B, Zhang L, Tang Y, et al. Novel imaging method using compressed sensing for the inverse synthetic aperture imaging ladar[J]. Journal of Xidian University, 2010, 37(6): 1027-1032.
[12] Xu G, Xing M, Yang L, et al. Joint approach of translational and rotational phase error corrections for high-resolution inverse synthetic aperture radar imaging using minimum-entropy[J]. Iet Radar Sonarand Navigation, 2016, 10(3): 586-594.
Xu G, Xing M, Yang L, et al. Joint approach of translational and rotational phase error corrections for high-resolution inverse synthetic aperture radar imaging using minimum-entropy[J]. Iet Radar Sonarand Navigation, 2016, 10(3): 586-594.
[13] 保铮, 邢孟道, 王彤. 雷达成像技术[M]. 北京: 电子工业出版社, 2005: 25- 28.
保铮, 邢孟道, 王彤. 雷达成像技术[M]. 北京: 电子工业出版社, 2005: 25- 28.
BaoZ, Xing MD, WangT. Radarimaging technology[M]. Beijing: Publishing House of Electronics Industry, 2005: 25- 28.
BaoZ, Xing MD, WangT. Radarimaging technology[M]. Beijing: Publishing House of Electronics Industry, 2005: 25- 28.
[16] Chong E KP, Zak SH. An introduction to optimization[M]. 3rd ed. New Jersey: Wiley Press, 2011: 273- 298.
Chong E KP, Zak SH. An introduction to optimization[M]. 3rd ed. New Jersey: Wiley Press, 2011: 273- 298.
[17] GrivaI, Nash SG, SoferA. Linear and nonlinear optimization[M]. 2nd ed. SIAM Press, 2009: 381- 385.
GrivaI, Nash SG, SoferA. Linear and nonlinear optimization[M]. 2nd ed. SIAM Press, 2009: 381- 385.
Article Outline
刘盛捷, 付翰初, 魏凯, 张雨东. 基于Nelder-Mead单纯形法的逆合成孔径激光雷达联合补偿成像算法[J]. 光学学报, 2018, 38(7): 0711002. Shengjie Liu, Hanchu Fu, Kai Wei, Yudong Zhang. Jointly Compensated Imaging Algorithm of Inverse Synthetic Aperture Lidar Based on Nelder-Mead Simplex Method[J]. Acta Optica Sinica, 2018, 38(7): 0711002.