[发明专利]一种自适应稀疏型子空间追踪层析成像重构的方法

摘要

本发明公开了一种自适应稀疏型子空间追踪层析成像重构的方法，包括：获取在射频层析成像系统中发射端及接收端无线射频传感器的总数、接收端各无线射频传感器接收的像素；对无线射频传感器网络覆盖区域进行方形网格划分，针对接收端无线射频传感器接收的像素建立其多散射多路径的系统模型；对所述多散射多路径的系统模型离散化处理，得到多散射多路径的线性模型；采用压缩感知的稀疏度自适应重构算法对目标稀疏度进行估计，利用子空间追踪算法重构射频层析成像系统的目标图像。本发明可以提高重构精度，节省运行时间，提高图像清晰度，可广泛应用于射频层析图像重构技术领域。

主权项

一种自适应稀疏型子空间追踪层析成像重构的方法，其特征在于，包括以下步骤：步骤1：获取在射频层析成像系统中发射端无线射频传感器和接收端无线射频传感器的总数、接收端各无线射频传感器接收的像素；步骤2：对无线射频传感器网络覆盖区域进行方形网格划分，针对接收端无线射频传感器接收的像素建立其多散射多路径的系统模型；步骤3：对所述多散射多路径的系统模型离散化处理，得到多散射多路径的线性模型；步骤4：采用压缩感知的稀疏度自适应重构算法对目标稀疏度进行估计，利用子空间追踪算法重构射频层析成像系统的目标图像；步骤4.1：初始化稀疏度自适应重构算法的内积U0＝P*μ、初始稀疏度值K0、迭代步长S0、迭代次数n，其中，P为字典矩阵，P*为字典矩阵P的转置，μ为测量接收端传感器接收到的射频信号列向量；步骤4.2：初始化目标信号的原子支撑集Γ0＝{|Ud0|前K0个最大值索引}，其中，Ud0为内积U0的第d个元素，即支撑集中第d个原子向量与μ的内积；步骤4.3：利用l0范数得到测量接收端传感器接收到的射频信号列向量μ与初始化目标信号的原子支撑集Γ0下信号μΓ0的最小距离，即初始残差R0；步骤4.4：将当前第n‑1次迭代的残差Rn‑1分别投影到字典矩阵P的各个原子向量上，即Un＝P*Rn‑1，将其投影最大的|Γn‑1|个原子的索引与第n‑1次迭代的目标信号原子支撑集Γn‑1合并，得到第n次迭代的目标信号的原子支撑集Γn＝Γn‑1∪{|Udn|前|Γn‑1|个最大值索引}，其中，Udn表示Un中第d个元素是支撑集中第d个原子向量与残差信号Rn‑1的内积；步骤4.5：根据第n次迭代的目标信号的原子支撑集Γn利用最小二乘法得到第n次迭代重构的目标信号步骤4.6：根据第n次迭代重构的目标信号的模值的前|Γn‑1|个最大值得到目标信号的原子支撑集的步骤4.7：判断第n次迭代重构的目标信号和第n‑1次迭代重构的目标信号的信号差与相邻信号能量差下限阈值T1和相邻信号能量差上限T2的关系，若则执行步骤4.9；若则令迭代步长Sn＝Sn‑1‑Sn‑1/2，执行步骤4.8；若则令迭代步长Sn＝Sn‑1+Sn‑1/2，执行步骤4.8；步骤4.8：判断当前稀疏度估计值K0与稀疏度实际值K的大小关系；若时，则K0＜K，即此时当前稀疏度的估计值小于稀疏度实际值，则令稀疏度估计值为K0＝K0+Sn、令迭代次数为n＝n+1，返回步骤4.4；若时，则K0≥K，即此时当前稀疏度的估计值大于等于稀疏度实际值，则令稀疏度估计值为K0＝K0‑Sn、令迭代次数为n＝n+1，返回步骤4.4；其中，δK为字典矩阵P满足有限等距性的参数，为字典矩阵P在初始目标信号的原子支撑集Γ0下的转置；步骤4.9：利用l0范数得到测量接收端传感器接收到的射频信号列向量μ与当前第n次迭代的目标信号的原子支撑集的下信号的最小距离，得到当前更新的残差步骤4.10：判断当前更新的残差与第n‑1次迭代的残差Rn‑1的大小，若则执行步骤4.11；否则，令返回步骤4.4；步骤4.11：根据第n次迭代重构的目标信号得到射频层析成像系统传感器的灰度图像向量，即得到重构的射频层析成像系统的目标图像。