利用去噪自编码器减轻穿墙条件下正面雷达图像的畸变

在室内穿墙环境中，人体及其他隐蔽目标的雷达图像会因衰减、折射和多径杂波而产生显著畸变。尽管已有若干方法用于去除与目标无关的固定与动态杂波，但在减轻与目标相关的杂波方面仍存在相当大的挑战，尤其是在无法获知精确传播特性或缺乏解析框架的情况下。本工作聚焦于利用一种基于机器学习的方案——去噪自编码器——来减轻墙体效应，该方案不需要墙体参数或房间几何结构的先验信息。相反，该方法依赖于在穿墙条件下采集的大量训练雷达图像，以及相应的视距条件下干净图像。在训练阶段，自编码器学习如何对受损的穿墙图像去噪，以使其接近自由空间图像。我们针对静态与动态人体目标验证了所提方案的性能。静态目标的正面雷达图像通过对宽带平面阵列测量数据进行二维阵列与距离处理获得；动态目标的正面雷达图像通过使用窄带平面阵列数据经二维阵列与多普勒处理仿真得到。在仿真与测量过程中，我们均引入了目标与传播条件的显著多样性。来自仿真与测量数据的实验结果表明，与原始穿墙图像相比，去噪后的图像与自由空间图像相似度显著提高。