CN111142105A - 复杂运动目标isar成像方法 - Google Patents
复杂运动目标isar成像方法 Download PDFInfo
- Publication number
- CN111142105A CN111142105A CN202010010199.1A CN202010010199A CN111142105A CN 111142105 A CN111142105 A CN 111142105A CN 202010010199 A CN202010010199 A CN 202010010199A CN 111142105 A CN111142105 A CN 111142105A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- isar
- target
- doppler
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 82
- 230000001427 coherent effect Effects 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000006835 compression Effects 0.000 claims abstract description 11
- 238000007906 compression Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000013519 translation Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000002592 echocardiography Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000036461 convulsion Effects 0.000 claims description 5
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 37
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000001629 suppression Effects 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000033001 locomotion Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于准时频双线性相干算法的复杂运动目标ISAR成像方法，本发明方法包括如下步骤：获取目标的回波数据后，对回波信号进行距离压缩和平动补偿；将信号沿距离向抽取数据，并计算抽取结果的改进三次相位函数MCPF；对MCPF进行Radon‑CPF‑Fourier变换，并在多普勒中心‑极半径‑极角域中获得三维数据矩阵；将三维数据矩阵沿极半径和极角投影到多普勒中心轴，通过重组所有的距离‑多普勒中心产生最终的高分辨率逆合成孔径雷达(ISAR)图像。本发明可在无时频分辨率损失的情况下实现对三次相位函数的交叉项干扰抑制，提高信号增益、改善计算性能，获得清晰机动目标ISAR图像。
Description
技术领域
本发明属于雷达技术领域，尤其是涉及信号处理领域一种复杂运动目标ISAR成像方法，可用于非合作、高速机动目标的ISAR成像。
背景技术
传统的光学成像技术对外在环境，尤其是光线条件要求极高，因而适用范围有限。雷达成像技术凭借其全天候、全天时、远距离及在不同频段、不同极化条件下提供高分辨率雷达图像的优点，弥补了光学成像的不足，极大地提高了恶劣光线环境下信息获取的能力，其对民用(如地形测绘、天体观测、海洋观测、农作物评估、灾情预报等均有重大的实用价值。合成孔径雷达(SAR)、逆合成孔径雷达(ISAR)和干涉合成孔径雷达(InSAR)等是最常见的成像雷达，它们的主要区别是工作原理和成像方式有所不同。合成孔径雷达(SAR)是一种有源主动微波遥感雷达，利用雷达运动产生的大等效合成孔径提高雷达成像的分辨率，成像时雷达运动而成像目标静止不动。根据雷达成像理论，雷达成像通过发射大带宽信号保证距离向的高分辨，通过对散射点和雷达有效相对运动产生的多普勒信号进行相干积累，从而获得高的方位向分辨率。然而，当目标的运动较复杂时，很难得到长时间的相干信号，即相干成像转角太小，从而限制了复杂运动目标成像的分辨率。逆合成孔径雷达成像是宽带雷达实现目标信息获取和精细描述的重要途径，但在成像过程中存在复杂运动导致散焦和成像分辨率不高两个难题。逆合成孔径雷达(ISAR)通常固定在地面上，对运动目标成像，利用目标与雷达的相对运动产生的大合成孔径成像。虽然具体成像方法不同，但基本成像原理是相同的，即根据距离向上不同散射点回波时延不同对距离单元进行分辨，根据相对转动时方位向上不同散射点由于转动引起的多普率频率不同进行方位向分辨，上述就是著名的距离—多普勒(R-D) 原理。在实际的ISAR***中，目标作复杂运动时，若雷达发射线性调频(LFM)信号，回波信号将会产生高次相位项，在这种情况下，应用传统的二维傅里叶变换距离——多普勒(RD)法成像会产生模糊。即运用传统的R-D成像方法很难获得清晰的目标图像。近年来，随着逆合成孔径雷达ISAR成像技术的不断发展，平稳目标的ISAR成像技术逐渐趋于成熟，越来越多的研究者将目光集中在了复杂运动目标的成像研究方面。根据雷达成像理论，雷达成像通过发射大带宽信号保证距离向的高分辨，通过对散射点和雷达有效相对运动产生的多普勒信号进行相干积累，从而获得高的方位向分辨率。然而，当目标的运动较复杂时，很难得到长时间的相干信号，即相干成像转角太小，从而限制了复杂运动目标成像的分辨率。目标作复杂运动时的ISAR成像方法，包括如下三个方面：1)三次相位函数(CPF)参数估计法，目标作复杂运动时，若雷达发射线性调频(LFM)信号，回波信号将会产生高次相位项，此时应用传统的距离——多普勒(RD)法成像会产生模糊。若在成像时间内多普勒频移是恒定的，则距离- 多普勒(RD)ISAR成像算法便可有效地获得目标图像。但当目标为非协作、高机动时，一个距离单元内的接收信号通常表征为多阶多项式相位信号(PPS)，基于傅里叶变换(FFT) 的RD算法无法很好地处理该模型，所获得的多普勒频谱被展开，导致ISAR图像模糊。2) 压缩感知法，利用信号的稀疏性，通过非相关测量可以用比传统信号采样理论低得多的速率对信号采样，大大降低了数据率，并且能够以很高的概率恢复信号。压缩感知技术的非相关测量过程可以有效降低雷达成像***对A/D***的高速率要求，进而解决成像过程中超大回波数据的采集、传输与存储困难。由于压缩感知技术能够从很少的信号采样中恢复信号，将其应用于复杂运动目标的成像，可以弥补复杂运动目标相干信号不足的缺陷。压缩感知理论的解码过程与传统的解码过程不同，由于需要解一个欠定方程，因而无法得到原信号的准确表示，而只能通过求解一个非线性最优化问题以一定的概率近似实现信号的重构。相比传统的雷达成像方法，压缩感知方法只需要很短的相干成像时间。但该方法依然需要很高的 A/D速率。目前国内外对基于压缩感知的雷达成像的研究主要集中在利用压缩感知的降维测量对回波数据进行二维采样，以降低雷达的数据率，并通过构建二维稀疏矩阵实现雷达图像的重建。这种方法减少了雷达成像***的数据率并且能够直接得到目标的二维图像，但是也存在一些缺陷，一是降低了***的实时性，因为在降维测量前即需要预先获得所有的回波数据，而且从根本上说并没有降低***的数据率，不能缓解高速A/D的压力；二是雷达图像重构所需的存储空间和运算复杂度极大，因为图像重构过程是在二维稀疏投影空间中进行的，并且需要进行非线性最优化问题的求解。这些缺陷制约了其向实际应用的推广。3)分布式 ISAR成像法，ISAR成像技术是通过一组编队平台上搭载的成像雷达对同一个目标发射电磁波，利用目标相对雷达的旋转运动，对回波进行联合处理，获得比单个雷达更高的方位向分辨率。因此可以将分布式ISAR成像技术应用于复杂运动目标成像，以弥补相干成像转角太小对方位向分辨率的限制。ISAR成像在方位向分辨的依据是方位向不同位置处的散射点在目标旋转时的多普勒频率不同，而要产生多普勒频率必须要求目标与雷达沿雷达发射方向有相对运动分量。ISAR成像在多普勒方向的分辨是依赖于方位向上的不同散射点在转动时的多普勒频率不同，而多普勒频率与散射点到转轴的距离和目标转动速度成正比，这就要求为了正确分辨各个散射点的位置，成像期间目标的转动速度应保持不变，否则各个散射点的多普勒频率会发生变化，从而产生混淆。在对复杂运动目标进行逆合成孔径雷达成像时，由于转动矢量随时间而变化，回波信号中会引入一个与散射点位置有关的相位误差，无法用通常的相位补偿方法进行校正，应用距离-多普勒算法获得的ISAR像会变得模糊。在对机动目标进行ISAR成像时，通常使用距离瞬时多普勒(RID)算法。RID算法通常分为两类。一类是参数方法，即各距离单元中的接收信号由特定类型的信号建模，然后估计瞬时多普勒频率并通过估计的多普勒频率获得相应的ISAR图像。然而，该方法需要估计或提取各距离单元中的各个散射点，计算效率低。除此之外，模型不匹配时会导致图像无法聚焦。第二类是非参数方法，利用时频分布(TFD)替换作为方位向聚焦处理中傅里叶变换。频率随时间变化的信号往往需要的是某一时间内的某一频率的信息，分析这一类信号的工具就是联合时频分析方法(TFD)。交叉项是因为wvd不满足变换的线性性质而产生的，从而造成伪峰值。基于 TFD的成像方法包括短时傅里叶变换(STFT)，连续小波变换(CWT)等。STFT和CWT 没有交叉项干扰，但分辨率很低。针对多分量线性调频信号的维格纳-维尔分布(Wigner- VilleDistribution，WVD)交叉项干扰问题，有人提出了能够提供高分辨的时频分析的 Wigner-Ville分布(WVD)方法。维格纳分布WVD是一种重要的时一频分析方法，该方法利用分数阶傅里叶变换(FractionalFourierTransform，FRFT)在最佳FRFT域中对给定的线性调频信号具有最好的能量聚集性，将多分量线性调频信号在FRFT域上分解为若干个单分量信号，线性叠加单分量信号的WVD，从而达到抑制交叉项的效果。但由于该时频分布是双线性的，对于多分量信号而言，WVD存在严重的交叉项干扰，阻碍了其对信号的有效分析、解释和各分量参数的提取。交叉项干扰问题影响了它的推广应用，当三次相位函数(CPF)的交叉项干扰严重时，其性能会恶化。为减少WVD中的交叉项干扰并获得高质量的ISAR图像，Berizzi等人提出了平滑的伪Wigner-Ville分布(SPWVD)算法和L类四阶复数延迟 PWVD算法。这些算法通常在抑制交叉项干扰和时频分辨率之间进行折中。目前TFD方法面临的主要挑战仍是在不降低时频分辨率的情况下最大化交叉项抑制。
针对成像分辨率不高问题，Lv等人提出了一种基于准时频变换(Lv分布)的距离-多普勒中心(RCD)ISAR成像算法，更好地实现了交叉项抑制而不产生时频分辨损失。但该方法仅适用于线性调频(LFM)信号，在处理用于机动目标模型的三次相位调制信号(二次调频信号)信号时性能显著降低。具体成像时，为提高成像分辨率，通常发射大时宽带宽积信号以实现距离向的高分辨；通过对回波信号进行相干积累以获得大的成像转角，以保证方位向的高分辨。针对目标复杂运动导致成像散焦问题，交叉项抑制干扰。
发明内容
本发明针对现有技术存在的不足之处，提供一种方法简单，实现容易，增益更高，能够在无时频分辨率损失的情况下实现交叉项干扰抑制的复杂运动目标ISAR成像方法。
本发明的上述目的可以通过以下措施来达到，一种复杂运动目标ISAR成像方法，具有如下技术特征：基于准时频双线性相干算法对回波信号进行距离压缩、平动补偿，即进行回波序列的包络对齐和初相校正，将所有回波中属于同一散射点的信号处于在同一距离门中；在机动目标平动补偿之后将各距离单元的方位向信号表征为多项式相位信号；计算各距离单元信号的改进三次相位函数(MCPF)；对MCPF进行准时频双线性变换算子RCFT，并在多普勒中心ftm-极半径ρT-极角θT域中获得三维数据矩阵；将三维数据矩阵投影到多普勒频率轴上；重复上述步骤，直至处理完所有距离单元的信号，最后通过重组所有的距离-多普勒中心产生最终的高分辨率逆合成孔径雷达(ISAR)图像。
方法简单，实现容易，本发明基于准时频双线性相干算法对回波信号进行距离压缩和平动补偿，即进行包络对齐和初相校正，将所有回波中属于同一散射点的信号处于同一距离门中；在无时频分辨率损失的情况下实现交叉项干扰抑制。
增益更高。本发明在平动补偿之后将距离单元的方位向信号表征为多项式相位信号，并将其沿时延进行非均匀傅里叶变换构造改进的三次相位函数(MCPF)。利用准时频双线性相干算法中的二维相干积分及其双线性函数特性，使得信号处理增益更高。
本发明将准时频抗噪双线性变换(RCFT)变换应用于平动补偿结果，获得三维数据矩阵，沿距离向抽取数据，对抽取数据进行RCFT变换，将得到的RCFT变换结果投影到多普勒频率轴上；这种采用Radon-CPF-Fourier变换不需要对每个散射点进行参数估计，计算更高效。处理后抑制了交叉项，可提供高分辨的成像结果。
本发明设置抑制多普勒中心频率维中的残余交叉项和噪声的阈值，能够在无时频分辨率损失的情况下实现交叉项干扰抑制，通过重新组合所有的距离-多普勒中心来产生最终的高分辨率ISAR图像，很好地抑制了交叉项的产生，同时也提高了信号增益和改善计算性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍：
图1为本发明利用准时频双线性相干算法进行复杂运动目标ISAR成像的流程示意图；
图2(a)为三次相位函数的仿真结果；
图2(b)为信号经CPF后在
面的结果；
图2(c)为二次调频信号信号经RCFT算法后的结果；
图3为本发明实施例提供的无人机机动模型；
图4(a)为雷达回波信号经距离压缩后的结果；
图4(b)为雷达回波信号经距离压缩及平动补偿后的结果；
图5为无人机机动目标的距离-多普勒成像结果；
图6为本发明的无人机机动目标成像结果；
下面结合附图和实施例对发明进一步说明。
下面将结合本发明实施例中的附图1，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
具体实施方式
参阅图1。根据本发明，基于准时频双线性相干算法对回波信号进行距离压缩、平动补偿，即进行回波序列的包络对齐和初相校正，将所有回波中属于同一散射点的信号处于在同一距离门中；在机动目标平动补偿之后将各距离单元的方位向信号表征为多项式相位信号；计算各距离单元信号的改进三次相位函数(MCPF)；对MCPF进行准时频双线性变换算子RCFT，并在多普勒中心ftm-极半径ρT-极角θT域中获得三维数据矩阵；将三维数据矩阵投影到多普勒频率轴上；重复上述步骤，直至处理完所有距离单元的信号，最后通过重组所有的距离- 多普勒中心产生最终的高分辨率逆合成孔径雷达(ISAR)图像。
在可选实施例的下述步骤中，
步骤1：对回波信号进行距离压缩和平动补偿
(1)包络对齐：距离平动的一个影响就是不同回波中隶属于同一散射点的信号分布在不同的距离门中。因此，需要将所有回波中属于同一散射点的信号处于在同一距离门中。常用的包络对齐方法包括峰值方法、最大相关方法、频域方法、霍夫变换方法以及最小熵方法。
(2)初相校正：在信号的相干处理过程中，目标回波的一维像在距离向上校正完成，但同时也保留了由于目标平动所产生多普勒频移，这样整个回波序列的多普勒频移是由平动分量和转动分量提供的。ISAR成像的方位分辨率正是基于转动分量产生的多普勒频移，而平动分量的多普勒频移需要消除，即使其变成常数。相位误差校正的方法通常有四种类型:参数估计法、特显点估计法、连片目标估计法和图像自聚焦法。
步骤2：在平动补偿之后将距离单元的方位向信号表征为多项式相位信号(PPS)，并将其沿时延进行非均匀傅里叶变换。
(1)机动目标经平动补偿后的方位向信号为方位向多项式相位信号，表示为：
式中，sr(tm)为一个距离单元中的接收信号，tm是方位向慢时间，Ak是第K个散射点的散射系数，K是一个距离单元中散射点的数量，j是虚数单位，fc是载波频率，c是光速， R0是参考点O到雷达的初始距离，xk、yk为探测目标的坐标，Ω、Ω′和Ω″分别是初始角速度、角加速度及角加加速度，vr、ar和γr分别是目标的径向速度，加速度和加加速度， n(tm)为方差为δ2的加性复高斯白噪声。
方位向多项式相位信号的通用形式可表示为：
式中，φk(tm)是信号相位，bk,0表示初始相位，bk,1表示中心频率，bk,2表示调频率，bk,3表示调频变化率。
(2)非均匀傅里叶变换
(1)方位向多项式相位信号的通用形式的瞬时自相关函数可表示为：
其中，
为信号的自相关函数，c是光速，sr是一个距离单元的接收信号，τm是时延变量，Rs,c-terms(tm；τm)是交叉项，Rs,n-terms(tm；τm)是噪声项。
计算方位向多项式相位信号的三次相位函数(CPF)时，需对时延
进行积分，采样非均匀，故对上式进行非均匀快速傅里叶变换，获得方位向信号的三次相位函数：
其中，
为时延τm的频率，
为时延
的NUFFT算子，δ(·)是狄拉克函数，bk,2表示接收信号的调频率，
和
是NUFFT后的交叉项和噪声项。
由于方位向慢时间tm与时延
之间存在非线性耦合，自项的能量集中在慢时间-多普勒频率平面中的
方向上，信号的非线性特征产生的交叉项和伪峰会影响信号的分辨率。
步骤3：将本发明定义的Radon-CPF-Fourier变换(RCFT)应用于步骤2所得到的三次相位函数
并在多普勒中心
-极半径ρT-极角θT域中获得三维数据矩阵
(1)使用狄拉克delta函数的采样特性消除二次项影响，根据步骤2的三次相位函数计算结果构造改进的三次相位函数(MCPF)：
其中，
符号定义参照步骤1、步骤2.
由上式可看出，通过Dirac delta函数的采样特性消除了自项中tm二次项的影响，同时tm的立方项恰好对应时频域中自项能量分布的斜率。
(2)定义Radon-CPF-Fourier变换算子(RCFT)：
其中
表示RCFT算子，
是一个新的变换核函数，由下式给出：
(3)将RCFT算子作用于(1)中改进的三次相位函数(MCPF)
其中，ρT为极半径，θT为极角，
bk,1表示中心频率，bk,2表示调频率，bk,3表示调频变化率，当
的斜率与自项能量分布
的斜率匹配时(tan(θT)＝3bk,3)，便可消除自项中tm的立方项。故RCFT能够实现自项的相干积分，同时抑制交叉项和伪峰。
(4)获得三维数据矩阵
在设置积分时间Ta及ρ与θ的迭代步长后，在CPF平面内定义目标轨迹并沿轨迹抽取数据，对数据进行傅里叶变换，寻找峰值点并记录其坐标(ρT,θT)，在ρ∈[-ρmax,ρmax]与θ∈[0,π]区间上以相应步长迭代，最终获得三维数据矩阵RCFTcterms(ftm；ρT；θT)。
步骤4，将三维数据矩阵
沿着极半径ρT和极角θT投影到多普勒中心ftm轴上。
由于各散射点的多普勒频率与其在目标中的横向坐标相关，故可通过将三维数据矩阵数据投影到多普勒频率轴上来获得目标的横向ISAR图像的投影后信号
步骤5，设置适当的阈值以抑制多普勒中心频率维中的残余交叉项和噪声。
阈值通常设置为最大能量减去3dB～4.5dB。
步骤6，对所有距离单元重复步骤1至步骤5，从而通过重新组合所有距离-多普勒频率中心来产生最终的高分辨率ISAR图像。
计算复杂度分析：
以一个距离单元的处理程序为例，构造双线性三次相位函数矩阵的计算复杂度为O(6NaNτm)，沿延迟时间变量轴的NUFFT的计算复杂度为O(40NaNτmlog2Nτm)，一次补偿函数的复杂度为O(6NaNτm)，对2-D时频
域中的自项进行轨迹提取(搜索点数为M) 并对提取数据沿慢时间轴进行一次FFT运算的计算复杂度为O(5NaNτmlog2Na)。因此，本实施例提出的ISAR成像方法的总计算复杂度约为：
根据上述计算，本发明的ISAR成像算法计算复杂度高于远低于基于参数估计的CIGCPF-CICPF方法。总之，此方法可以很好地实现计算复杂度和成像性能之间的平衡。
本发明的效果通过以下实测数据处理结果分析进一步说明：
(1)将步骤2中定义的通用形式多项式相位信号的参数设置为长度N＝1024，σ1＝σ2＝1， b1,1＝-0.1，b1,2＝0.5×10-3，b1,3＝-0.1×10-6，b2,1＝0.1，b2,2＝-1×10-3，b2,3＝0.2×10-6处理结果如图2所示。从图2(a)和(b)可以看出，仿真结果中出现了尖锐的伪峰，信号的自项能量沿着方向
集中，而交叉项按照函数关系分散在
域中。图2(c)为本三次调相信号经RCFT处理后的结果，可见其伪峰被很好地抑制。
(2)图3为本发明实例的无人机机动目标，其平均速度为20m/s，平均加速度为2m/s2，平均加加速度为2m/s3，有效旋转角速度为0.018rad/s，有效旋转角加速度为0.008rad/s2，有效旋转角加加速度0.002rad/s3。
(3)图4(a)是在信噪比为5dB，载频10GHz，带宽200MHz时，距离压缩后的无人机目标回波信号。
图4(b)是经距离压缩和平动补偿后的目标回波。可看到，经过平动补偿(包络对齐和相位校正)及分辨单元校正后，目标能量集中在一个距离区间。故平动补偿对提高成像效果是有效的。
(4)图5为经过距离压缩和平动补偿后的距离-多普勒算法成像结果。由于目标运动速度较大，多普勒时变，导致成像结果在横向产生严重模糊。
(5)图6为相同条件下本发明的无人机目标成像结果，可看到清晰的无人机轮廓及丰富细节，意味着大部分散射点能被正确定位，散射点损失及目标外形特征损失较少，成功实现了机动目标成像。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种复杂运动目标ISAR成像方法，具有如下技术特征：基于准时频双线性相干算法对回波信号进行距离压缩、平动补偿，即进行回波序列的包络对齐和初相校正，将所有回波中属于同一散射点的信号处于在同一距离门中；在机动目标平动补偿之后将各距离单元的方位向信号表征为多项式相位信号；计算各距离单元信号的改进三次相位函数(MCPF)；对MCPF进行准时频双线性变换算子RCFT，并在多普勒中心
-极半径ρT-极角θT域中获得三维数据矩阵；将三维数据矩阵投影到多普勒频率轴上；重复上述步骤，直至处理完所有距离单元的信号，最后通过重组所有的距离-多普勒中心产生最终的高分辨率逆合成孔径雷达(ISAR)图像。
2.如权利要求1所述的复杂运动目标ISAR成像方法，其特征在于：回波序列的多普勒频移是由平动分量和转动分量提供的。
3.如权利要求2所述的复杂运动目标ISAR成像方法，其特征在于：机动目标经平动补偿后的方位向信号为多项式相位信号，可将一个距离单元中的接收信号表示为：
式中，tm是方位向慢时间，K是一个距离单元中散射点的数量，Ak是第K个散射点的散射系数，j是虚数单位，fc是载波频率，c是光速，R0是参考点O到雷达的初始距离，xk、yk分别为探测目标的坐标，Ω是初始角速度、Ω′和Ω″分别为角加速度及角加加速度，vr、ar和γr分别是目标的径向速度，加速度和加加速度，n(tm)为方差为δ2的加性复高斯白噪声。
4.如权利要求3所述的复杂运动目标ISAR成像方法，其特征在于：方位向多项式相位信号的通用形式表示为：
式中，
是信号相位，bk,0表示初始相位，bk,1表示中心频率，bk,2表示调频率，bk,3表示调频变化率。
5.如权利要求4所述的复杂运动目标ISAR成像方法，其特征在于：方位向的多项式相位信号通用形式的瞬时自相关函数表示为：
其中，
为信号的自相关函数，c是光速，sr是一个距离单元的接收信号，τm是时延变量，Rs,c-terms(tm；τm)是交叉项，Rs,n-terms(tm；τm)是噪声项。
6.如权利要求5所述的复杂运动目标ISAR成像方法，其特征在于：计算方位向多项式相位信号的三次相位函数CPF，对时延
进行积分，采样非均匀，通过非均匀快速傅里叶变换，获得方位向信号的三次相位函数
其中，
为时延τm的频率，
为时延
的NUFFT算子，δ(·)是狄拉克函数，bk,2表示接收信号的调频率，
和
是NUFFT后的交叉项和噪声项。
7.如权利要求6所述的复杂运动目标ISAR成像方法，其特征在于：构造改进的三次相位函数MCPF：
其中，
8.如权利要求1所述的复杂运动目标ISAR成像方法，其特征在于：准时频双线性变换的Radon-CPF-Fourier变换算子RCFT为：
其中
为变换结果，
表示RCFT算子，
是一个新的变换核函数，由下式给出：
将RCFT算子作用于改进的三次相位函数(MCPF)
其中，ρT为极半径，θT为极角，
bk,1表示中心频率，bk,2表示调频率，bk,3表示调频变化率。
9.如权利要求8所述的复杂运动目标ISAR成像方法，其特征在于：
当
的斜率与自项能量分布
的斜率匹配时(tan(θT)＝3bk,3)，消除自项中tm的立方项，RCFT实现自项的相干积分，同时抑制交叉项和伪峰，获得三维数据矩阵
在设置积分时间Ta及ρ与θ的迭代步长后，在CPF平面内定义目标轨迹并沿轨迹抽取数据，对数据进行傅里叶变换，寻找峰值点并记录其坐标(ρT,θT)，在ρ∈[-ρmax,ρmax]与θ∈[0,π]区间上以相应步长迭代，最终获得三维数据矩阵
10.如权利要求9所述的复杂运动目标ISAR成像方法，其特征在于：将三维数据矩阵
沿着极半径ρT和极角θT投影到多普勒中心
轴上，利用各散射点的多普勒频率与其在目标中的横向坐标相关，将三维数据矩阵数据投影到多普勒频率轴上来获得目标的横向ISAR图像的投影后信号
其中，
为三维数据矩阵，重新组合所有距离-多普勒频率中心来产生最终的高分辨率ISAR图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010010199.1A CN111142105B (zh) | 2020-01-06 | 2020-01-06 | 复杂运动目标isar成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010010199.1A CN111142105B (zh) | 2020-01-06 | 2020-01-06 | 复杂运动目标isar成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111142105A true CN111142105A (zh) | 2020-05-12 |
| CN111142105B CN111142105B (zh) | 2023-06-13 |
Family
ID=70523761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010010199.1A Active CN111142105B (zh) | 2020-01-06 | 2020-01-06 | 复杂运动目标isar成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111142105B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681272A (zh) * | 2020-06-09 | 2020-09-18 | 上海交通大学 | 一种基于奇异性功率谱的sar图像处理方法 |
| CN111856466A (zh) * | 2020-08-14 | 2020-10-30 | 重庆航天火箭电子技术有限公司 | 一种高效的复杂运动目标isar平动补偿方法 |
| CN112233156A (zh) * | 2020-10-14 | 2021-01-15 | 首都师范大学 | 微纳米ct投影数据的中心切片对齐方法 |
| CN112505693A (zh) * | 2020-10-22 | 2021-03-16 | 中山大学 | 干涉逆合成孔径雷达成像配准方法、***和存储介质 |
| CN112578381A (zh) * | 2020-11-13 | 2021-03-30 | 中国科学院国家空间科学中心 | 一种基于干涉逆合成孔径雷达的目标三维转动矢量估计方法 |
| CN113253266A (zh) * | 2021-04-30 | 2021-08-13 | 上海交通大学 | 基于短时迭代自适应法的高分辨isar成像方法和*** |
| CN113419243A (zh) * | 2021-07-20 | 2021-09-21 | 天津萨瑞德科技有限公司 | 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质 |
| CN113466863A (zh) * | 2021-06-30 | 2021-10-01 | 电子科技大学 | 一种sar舰船目标高分辨成像方法 |
| CN113655459A (zh) * | 2021-09-27 | 2021-11-16 | 清华大学 | 一种基于泊松盘采样的雷达无模糊多普勒扩展方法及装置 |
| CN116482686A (zh) * | 2023-06-21 | 2023-07-25 | 中国科学院空天信息创新研究院 | 一种基于方位向自适应分块的高分辨率isar成像方法 |
| CN116859344A (zh) * | 2023-08-28 | 2023-10-10 | 中国电子科技集团公司第十四研究所 | 一种面向相干最优的能谱自适应分布式InSAR空间同步方法 |
| CN117233789A (zh) * | 2023-11-13 | 2023-12-15 | 西安电子科技大学 | 基于匹配傅里叶变换的非匀速转动目标isal成像方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102012510A (zh) * | 2010-09-25 | 2011-04-13 | 哈尔滨工业大学 | 基于时间——相位导数分布的逆合成孔径雷达成像方法 |
| CN107843894A (zh) * | 2017-09-30 | 2018-03-27 | 中国人民解放军战略支援部队航天工程大学 | 一种复杂运动目标的isar成像方法 |
| KR101854573B1 (ko) * | 2017-10-13 | 2018-06-08 | 포항공과대학교 산학협력단 | 라돈 변환 및 투영을 이용한 isar 영상의 수직 거리 스케일링 장치와 그 방법 |
| CN110456351A (zh) * | 2019-08-29 | 2019-11-15 | 哈尔滨工业大学 | 基于时变幅值lfm信号参数估计的机动目标isar成像方法 |
-
2020
- 2020-01-06 CN CN202010010199.1A patent/CN111142105B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102012510A (zh) * | 2010-09-25 | 2011-04-13 | 哈尔滨工业大学 | 基于时间——相位导数分布的逆合成孔径雷达成像方法 |
| CN107843894A (zh) * | 2017-09-30 | 2018-03-27 | 中国人民解放军战略支援部队航天工程大学 | 一种复杂运动目标的isar成像方法 |
| KR101854573B1 (ko) * | 2017-10-13 | 2018-06-08 | 포항공과대학교 산학협력단 | 라돈 변환 및 투영을 이용한 isar 영상의 수직 거리 스케일링 장치와 그 방법 |
| CN110456351A (zh) * | 2019-08-29 | 2019-11-15 | 哈尔滨工业大学 | 基于时变幅值lfm信号参数估计的机动目标isar成像方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘红超: "《一种匀加速空间目标高分辨距离像补偿算法》" * |
| 吕倩: "《基于改进型快速双线性参数估计的复杂运动目标ISAR成像》" * |
| 崔应留: "《一种机动目标调频步进雷达成像算法》" * |
| 李东: "《一种基于相干积累CPF和NUFFT的机动目标ISAR成像新方法》" * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681272B (zh) * | 2020-06-09 | 2023-05-30 | 上海交通大学 | 一种基于奇异性功率谱的sar图像处理方法 |
| CN111681272A (zh) * | 2020-06-09 | 2020-09-18 | 上海交通大学 | 一种基于奇异性功率谱的sar图像处理方法 |
| CN111856466A (zh) * | 2020-08-14 | 2020-10-30 | 重庆航天火箭电子技术有限公司 | 一种高效的复杂运动目标isar平动补偿方法 |
| CN112233156A (zh) * | 2020-10-14 | 2021-01-15 | 首都师范大学 | 微纳米ct投影数据的中心切片对齐方法 |
| CN112505693A (zh) * | 2020-10-22 | 2021-03-16 | 中山大学 | 干涉逆合成孔径雷达成像配准方法、***和存储介质 |
| CN112505693B (zh) * | 2020-10-22 | 2023-07-25 | 中山大学 | 干涉逆合成孔径雷达成像配准方法、***和存储介质 |
| CN112578381A (zh) * | 2020-11-13 | 2021-03-30 | 中国科学院国家空间科学中心 | 一种基于干涉逆合成孔径雷达的目标三维转动矢量估计方法 |
| CN112578381B (zh) * | 2020-11-13 | 2023-10-13 | 中国科学院国家空间科学中心 | 一种基于干涉逆合成孔径雷达的目标三维转动矢量估计方法 |
| CN113253266A (zh) * | 2021-04-30 | 2021-08-13 | 上海交通大学 | 基于短时迭代自适应法的高分辨isar成像方法和*** |
| CN113466863B (zh) * | 2021-06-30 | 2023-06-16 | 电子科技大学 | 一种sar舰船目标高分辨成像方法 |
| CN113466863A (zh) * | 2021-06-30 | 2021-10-01 | 电子科技大学 | 一种sar舰船目标高分辨成像方法 |
| CN113419243A (zh) * | 2021-07-20 | 2021-09-21 | 天津萨瑞德科技有限公司 | 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质 |
| CN113655459A (zh) * | 2021-09-27 | 2021-11-16 | 清华大学 | 一种基于泊松盘采样的雷达无模糊多普勒扩展方法及装置 |
| CN113655459B (zh) * | 2021-09-27 | 2024-04-26 | 清华大学 | 一种基于泊松盘采样的雷达无模糊多普勒扩展方法及装置 |
| CN116482686A (zh) * | 2023-06-21 | 2023-07-25 | 中国科学院空天信息创新研究院 | 一种基于方位向自适应分块的高分辨率isar成像方法 |
| CN116482686B (zh) * | 2023-06-21 | 2023-08-15 | 中国科学院空天信息创新研究院 | 一种基于方位向自适应分块的高分辨率isar成像方法 |
| CN116859344A (zh) * | 2023-08-28 | 2023-10-10 | 中国电子科技集团公司第十四研究所 | 一种面向相干最优的能谱自适应分布式InSAR空间同步方法 |
| CN116859344B (zh) * | 2023-08-28 | 2023-11-03 | 中国电子科技集团公司第十四研究所 | 一种面向相干最优的能谱自适应分布式InSAR空间同步方法 |
| CN117233789A (zh) * | 2023-11-13 | 2023-12-15 | 西安电子科技大学 | 基于匹配傅里叶变换的非匀速转动目标isal成像方法及装置 |
| CN117233789B (zh) * | 2023-11-13 | 2024-02-20 | 西安电子科技大学 | 基于匹配傅里叶变换的非匀速转动目标isal成像方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111142105B (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111142105B (zh) | 复杂运动目标isar成像方法 | |
| CN108051809B (zh) | 基于Radon变换的运动目标成像方法、装置及电子设备 | |
| CN107271993B (zh) | 一种基于最大后验的扫描雷达角超分辨成像方法 | |
| US7969345B2 (en) | Fast implementation of a maximum likelihood algorithm for the estimation of target motion parameters | |
| Yang et al. | Airborne SAR moving target signatures and imagery based on LVD | |
| CN108427115B (zh) | 合成孔径雷达对运动目标参数的快速估计方法 | |
| CN109669182B (zh) | 无源双基地sar动/静目标联合稀疏成像方法 | |
| CN104950305A (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
| Ran et al. | An adaptive fast factorized back-projection algorithm with integrated target detection technique for high-resolution and high-squint spotlight SAR imagery | |
| CN111965643A (zh) | 一种斜视sar bp图像中运动舰船目标重聚焦方法 | |
| Hu et al. | IAA-based high-resolution ISAR imaging with small rotational angle | |
| CN109031299B (zh) | 低信噪比条件下基于相位差分的isar平动补偿方法 | |
| CN110879391B (zh) | 基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法 | |
| CN115356729A (zh) | 一种近场非均匀采样的直接稀疏成像方法 | |
| CN109541579B (zh) | 基于Bezier模型的霍夫变换的多普勒穿墙雷达定位方法 | |
| CN107783111B (zh) | 一种基于最大熵准则的雷达前视超分辨成像方法 | |
| Yang et al. | Fast generation of deceptive jamming signal against space-borne SAR | |
| CN113484859A (zh) | 一种基于融合技术的二维超分辨雷达成像方法 | |
| CN113466863A (zh) | 一种sar舰船目标高分辨成像方法 | |
| CN106772373B (zh) | 针对任意地面运动目标的sar成像方法 | |
| CN112859018A (zh) | 一种基于图像几何校正的视频sar成像方法 | |
| CN116559905A (zh) | 一种双基sar海面舰船运动目标无畸变三维图像重构方法 | |
| Fu et al. | ISAR translational motion compensation with simultaneous range alignment and phase adjustment in low SNR environments | |
| CN115877380A (zh) | 一种sar多运动目标成像方法、装置和存储介质 | |
| CN111880154B (zh) | 基于对称波数谱对消的复图像域运动目标检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |