基于RM核算子学习驱动的非视距毫米波雷达三维成像方法OA

非视距(NLOS)毫米波雷达三维成像利用电磁波反射、衍射、散射、穿透等传播特性,实现对隐蔽环境目标的探测、定位和成像,在无人驾驶、灾害救援、城市作战等领域具有重要应用潜力。然而,受实际非视距场景中反射面、遮挡面等不确定性引入的相位误差、孔径遮蔽、多径效应影响,雷达成像出现分辨率差、伪影增多等问题。针对上述问题,结合深度展开网络和环境先验感知,该文提出了一种基于距离徙动(RM)算子学习驱动的非视距毫米波雷达三维成像方法。首先,建立了拐角(LAC)场景下非视距毫米波雷达三维成像模型,引入RM核算子提高成像效率,降低计算复杂度;其次,构建了一种基于快速迭代收缩阈值(FISTA)框架的高精度非视距三维成像网络,利用非视距场景特性,将算法参数设计为网络权重的函数,实现非视距目标高精度、高效率三维重构;最后,搭建了近场非视距毫米波雷达成像平台,完成了理想与非理想反射面场景下金属字母“O”“S”以及埃菲尔铁塔模型、人造卫星模型等目标的实验验证,结果表明所提方法在提升三维成像精度的同时,运行速度较传统稀疏成像算法提升了两个数量级。