CN111781595B - 基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法 - Google Patents
基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法 Download PDFInfo
- Publication number
- CN111781595B CN111781595B CN202010600267.XA CN202010600267A CN111781595B CN 111781595 B CN111781595 B CN 111781595B CN 202010600267 A CN202010600267 A CN 202010600267A CN 111781595 B CN111781595 B CN 111781595B
- Authority
- CN
- China
- Prior art keywords
- frequency
- distance
- function
- value
- 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.)
- Active
Links
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9064—Inverse SAR [ISAR]
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—Theoretical aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
提出一种基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法,包括下列步骤:对回波脉冲进行平动补偿和Dechirp处理;第二步:对回波进行脉冲压缩,估计第i个距离单元中最大信号分量的瞬时频率,调频率,二次调频率等参数;第三步:利用估计所得参数,根据最大对比度的原则进行多普勒解模糊处理;第四步:矫正距离弯曲,实现自聚焦,利用重构信号得到高分辨无模糊的群目标ISAR像。该方法能够有效解决复杂机动群目标成像时面临的距离弯曲和多普勒模糊等问题,为群目标ISAR成像提供新的技术手段。
Description
技术领域
本发明属于信号处理技术领域,涉及一种利用匹配搜索和多普勒解模糊算法对复杂机动群目标进行高分辨非模糊逆合成孔径雷达(Inverse synthetic aperture radar,ISAR)成像的技术,具体涉及一种基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法。
背景技术
当群目标做复杂机动时,其回波在慢时间域可以被视作多分量立方相位信号(multi-component cubic phase signal,m-CPS)。这会在成像过程中造成较为严重的距离弯曲现象,该现象将使得成像结果出现模糊和扭曲,降低了成像的质量。同时,由于群目标在空间分布较为分散,使得边缘目标的多普勒频率很容易超出脉冲重复频率的限制,致使部分目标或散射点出现在错误的位置,即多普勒模糊现象。当上述两种现象同时存在时,会使成像质量严重下降。又由于多普勒模糊下的距离弯曲无法在自聚焦前进行补偿,更加大了复杂机动群目标的成像难度。
近年来,国内外学者陆续提出多种对m-CPS信号进行ISAR成像的方法。吕倩在《利用HAF-LVD特性的复杂运动目标ISAR成像算法》(西安电子科技大学学报,2016,43(5).)中提出采用高阶模糊函数-吕氏分布(high order ambiguity function-lv’sdistribution,HAF-LVD)实现调频率和二次调频率的非搜索估计,进而结合CLEAN技术实现对复杂运动目标的高分辨成像。
Zhou Lei在《Quadratic Frequency Modulation Signals ParameterEstimation Based on Product High Order Ambiguity Function-Modified IntegratedCubic Phase Function》(information,2019,10(4),p140.)提出采用HAF首先对信号做降阶处理,估计信号二次调频率,然后通过改进的积分型立方相位函数(ModifiedIntegrated Cubic Phase Function,MICPF)估计信号调频率,进而实现对m-CPS信号的高分辨成像。
Wang yong在《ISAR Imaging of Maneuvering Target Based on the LocalPolynomial Wigner Distribution and Integrated High-Order Ambiguity Functionfor Cubic Phase Signal Model》(IEEE Journal of Selected Topics in AppliedEarth Observations and Remote Sensing,2014,7,p2971-2991.)中提出采用局部相位魏纳格分布(Local Polynomial Wigner Distribution,LPWD)对回波信号的瞬时频率和二次调频率进行估计,然后采用ICPF对回波调频率进行估计,从而对目标进行高分辨成像。
国内外对多普勒模糊现象的研究较少。黄大荣在《Doppler ambiguity removaland ISAR imaging of group targets with sparse decomposition》(IET Radar,Sonar&Navigation,major revisions.2016,10:1711-1719.)中采用回波稀疏重构的方式解算多普勒模糊数,以实现多普勒解模糊。
发明内容
复杂机动群目标会产生含有多普勒模糊的距离弯曲,导致距离弯曲无法率先被补偿。而大部分m-CPS信号成像方法不适用与多普勒模糊和距离弯曲同时存在的情况。另一方面,采用回波稀疏重构的方式进行多普勒解模糊需要较大的运算量,且对于方位相同模糊数不同的目标分辨能力有限。
本发明提供一种基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法,具体步骤如下:
第一步:对回波脉冲进行平动补偿和解线频调Dechirp处理;
现代雷达广泛采用线性调频信号,其表达式如下:
对回波信号进行解线频调处理,并消除剩余视频项RVP,得到结果:
式(2)中的ΔRp为目标转动引起的距离改变,是一个随慢时间变化的函数,对于复杂机动目标,ΔRp具有如下形式:
其中R0为目标平动距离,yp为散射点p的距离坐标,xp为散射点p的方位坐标,ω为目标转动速度,a1,p为目标转动加速度,a2,p为目标二阶转动加速度;
由于在ISAR成像中目标转过的角度通常较小,因此在进行了平动补偿后,ΔRp可以近似为:
若目标含有N个散射点,那么回波信号就可以被写为:
其中φ1,p=yp,φ2,p=xpω,φ3,p=xpa1,p-ypω2,φ4,p=xpa2,p-3ypa1,pω-ω3;在经过解线频调处理和平动补偿后,复杂运动目标的回波信号在慢时间域即为m-CPS信号;
第二步:对回波进行脉冲压缩,估计第i个距离单元中最大信号分量的各个参数;
对SR(ta,tm)按ta进行快速傅里叶变换FFT,以实现脉冲压缩;其中第i个距离单元的回波信号SRi(tm)为:
其中λ为雷达发射信号波长,Ap′为复幅度;由于脉冲压缩后存在距离弯曲,所以复幅度Ap′为:
其中sinc(·)为辛克函数,fri为第i个距离单元对应的快时间频率;由于距离弯曲没有被矫正,因此在经过脉冲压缩后,回波信号的能量并不能分别聚集到单个距离单元里,而是在多个距离单元中都存在分量;考虑到距离弯曲时对φ1,p估计较为困难,因此将回波在各距离单元中的分量视作经过距离弯曲补偿的独立散射点回波,并对这些分量的参数进行估计;
首先使用匹配搜索的方式对第i个距离单元的回波信号SRi(tm)中最大信号分量的调频率参数进行估计;根据目标飞行特性的先验知识,容易确定调频率的大致范围Δη,从而得到调频率的全部取值:
其中K为调频率总的取值数量,η(k)为调频率的取值,依据调频率的取值构造调频率估计函数f1(tm,k):
将调频率估计函数f1(tm,k)与回波信号SRi(tm)相乘并做傅里叶变换,并取调频率不同时的最大值构成调频率匹配度函数G(k):
G(k)=max{g(fd,k)} (11)
其中max{·}为求最大值函数,g(fd,k)为过渡函数,fd多普勒频率,为快速傅里叶变换;对于复相位信号而言,三次相位项不会影响信号FFT结果的峰值,而二次相位项却会造成峰值钝化;因此调频率匹配度函数G(k)取最大值的唯一条件是:调频率估计函数f1(tm,k)消除了最大信号分量的慢时间二次相位;即正确估计出了最大信号分量的调频率φ3,pm的估计值/>
其中kmax为使得调频率匹配函数G(k)达到最大值的k的取值;
按照相似的原理,估计二次调频率的值;首先确定二次调频率范围:
其中M为二次调频率总的取值数,ζ(m)为调频率的取值,Δζ为二次调频率的取值范围;
二次调频率估计函数f2(tm,m)为:
其中H(m)为二次调频率匹配函数,mmax为使得H(m)达到最大值的m的取值;
将频率估计函数f3(tm)与回波信号SRi(tm)相乘并做FFT,得到结果:
其中fdp为峰值所对应的多普勒频率;
第三步:利用估计所得参数,进行多普勒解模糊处理;
ISAR方位向上的成像场景大小受雷达的脉冲重复频率PRF的影响;如果目标方位坐标超出了成像场景,就会平移至图像的另一侧;导致成像结果错误,也给距离弯曲矫正带来困难;因此第二步中最大信号分量瞬时频率的估计值与真实值φ2,pm存在如下关系:
其中PRF为雷达脉冲重复频率,num为多普勒模糊数;
为了实现多普勒解模糊,构造解模糊函数f4(ta,tm,num):
将解模糊函数f4(ta,tm,num)与初始信号SR(ta,tm)相乘,得到用于多普勒解模糊的二维矩阵Ida(fr,fd,num):
为防止瞬时频率值相同的其它回波对解模糊造成影响,采用汉明窗和矩形窗对矩阵元素进行如下调制:
其中为汉明窗,Rect2D[·]为二维矩形窗,fr为快时间频率;若多普勒模糊数估计正确,则估计参数对应的散射点回波的距离弯曲将被消除;使得解模糊矩阵的对比度值升高,反之,则使得对比度值下降;因此采用最大对比度原则判断多普勒模糊数是否正确;
对比度IC计算公式为:
其中numright为正确的多普勒模糊数;
至此,基于最大对比度的改进型多普勒解模糊完成;
第四步:矫正距离弯曲,实现自聚焦,得到高分辨无模糊的群目标ISAR像;
根据前两步估计得到的各个参数,重构最大信号分量,消除慢时间高次项实现自聚焦:
其中Sreim(ta,tm)为重构信号;
这相当于给单个散射点回波在每个距离单元中的分量添加一个相反的距离弯曲,当回波各个分量叠加后,即消除了原有的距离弯曲;
将已经重构并实现了距离弯曲矫正和自聚焦的信号分量从原数据中消除,直至该距离单元的剩余能量达到初始能量的0.15-0.25:
S′R(ta,tm)=SR(ta,tm)-SΔim(ta,tm) (32)
在本发明的一个具体实施例中,取num∈[-1,0,1]。
本发明采用匹配搜索的方式估计信号参数,采用基于最大对比度原则的改进型解模糊算法进行多普勒解模糊,进而完成距离弯曲矫正和自聚焦,得到复杂机动群目标的无模糊高分辨二维ISAR像。本发明能够有效完成信号参数估计,多普勒解模糊,距离弯曲矫正和自聚焦,对复杂机动群目标进行高分辨非模糊成像。且在低信噪比下依然具有较好的鲁棒性。
附图说明
图1示出本发明基于匹配搜索和多普勒解模糊的复杂机动群目标成像技术的流程示意图;
图2示出群目标的空间分布情况;
图3示出子目标的形状;
图4示出传统RD算法的ISAR成像结果;
图5示出RD算法对应的一维距离像;
图6示出利用本发明得到的ISAR成像结果;
图7示出本发明对应的一维距离像。
具体实施方式
下面结合实施例、附图对本发明作进一步描述。
本发明提供一种基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法,具体步骤如下:
第一步:对回波脉冲进行平动补偿和解线频调(Dechirp)处理;
现代雷达广泛采用线性调频信号,其表达式如下:
对回波信号进行解线频调处理,并消除剩余视频项(RVP),得到的结果为:
式(2)中的ΔRp为目标转动引起的距离改变,是一个随慢时间变化的函数,对于复杂机动目标,ΔRp具有如下形式:
其中R0为目标平动距离,yp为散射点p的距离坐标,xp为散射点p的方位坐标,ω为目标转动速度,a1,p为目标转动加速度,a2,p为目标二阶转动加速度。
由于在ISAR成像中目标转过的角度通常较小,因此在进行了平动补偿后,ΔRp可以近似为:
若目标含有N个散射点,那么回波信号就可以被写为:
其中φ1,p=yp,φ2,p=xpω,φ3,p=xpa1,p-ypω2,φ4,p=xpa2,p-3ypa1,pω-ω3。在经过解线频调处理和平动补偿后,复杂运动目标的回波信号在慢时间域即为m-CPS信号。
第二步:对回波进行脉冲压缩,估计第i个距离单元中最大信号分量的各个参数。
对SR(ta,tm)按ta进行快速傅里叶变换(FFT),以实现脉冲压缩。其中第i个距离单元的回波信号SRi(tm)为:
其中λ为雷达发射信号波长,Ap′为复幅度。由于脉冲压缩后存在距离弯曲,所以复幅度Ap′为:
其中sinc(·)为辛克函数,fri为第i个距离单元对应的快时间频率。由于距离弯曲没有被矫正,因此在经过脉冲压缩后,回波信号的能量并不能分别聚集到单个距离单元里,而是在多个距离单元中都存在分量。考虑到距离弯曲时对φ1,p估计较为困难,因此将回波在各距离单元中的分量视作经过距离弯曲补偿的独立散射点回波,并对这些分量的参数进行估计。
首先使用匹配搜索的方式对第i个距离单元的回波信号SRi(tm)中最大信号分量的调频率参数进行估计。根据目标飞行特性的先验知识,容易确定调频率的大致范围Δη,从而得到调频率的全部取值:
其中K为调频率总的取值数量,η(k)为调频率的取值,依据调频率的取值构造调频率估计函数f1(tm,k):
将调频率估计函数f1(tm,k)与回波信号SRi(tm)相乘并做傅里叶变换,并取调频率不同时的最大值构成调频率匹配度函数G(k):
G(k)=max{g(fd,k)} (11)
其中max{·}为求最大值函数,g(fd,k)为过渡函数,fd多普勒频率,为快速傅里叶变换。对于复相位信号而言,三次相位项不会影响信号FFT结果的峰值,而二次相位项却会造成峰值钝化。因此调频率匹配度函数G(k)取最大值的唯一条件是:调频率估计函数f1(tm,k)消除了最大信号分量的慢时间二次相位。即正确估计出了最大信号分量的调频率φ3,pm的估计值/>
其中kmax为使得调频率匹配函数G(k)达到最大值的k的取值。
按照相似的原理,估计二次调频率的值。首先确定二次调频率范围:
其中M为二次调频率总的取值数,ζ(m)为调频率的取值,Δζ为二次调频率的取值范围。
二次调频率估计函数f2(tm,m)为:
其中H(m)为二次调频率匹配函数,mmax为使得H(m)达到最大值的m的取值。
将频率估计函数f3(tm)与回波信号SRi(tm)相乘并做FFT,得到的结果为:
其中fdp为峰值所对应的多普勒频率。
第三步:利用估计所得参数,进行多普勒解模糊处理。
ISAR方位向上的成像场景大小受雷达的脉冲重复频率(PRF)的影响。如果目标方位坐标超出了成像场景,就会平移至图像的另一侧。导致成像结果错误,也给距离弯曲矫正带来了困难。因此第二步中最大信号分量瞬时频率的估计值与真实值φ2,pm存在如下关系:
其中PRF雷达脉冲重复频率,num为多普勒模糊数。一般情况下可以取num∈[-1,0,1]。
为了实现多普勒解模糊,构造解模糊函数f4(ta,tm,num):
将解模糊函数f4(ta,tm,num)与初始信号SR(ta,tm)相乘,得到用于多普勒解模糊的二维矩阵Ida(fr,fd,num):
为了防止瞬时频率值相同的其它回波对解模糊造成影响,采用汉明窗和矩形窗对矩阵元素进行如下调制:
其中为汉明窗,Rect2D[·]为二维矩形窗,fr为快时间频率。若多普勒模糊数估计正确,则估计参数对应的散射点回波的距离弯曲将被消除。使得解模糊矩阵的对比度值升高,反之,则使得对比度值下降。因此采用最大对比度原则判断多普勒模糊数是否正确。
对比度IC计算公式为:
其中numright为正确的多普勒模糊数。
至此,基于最大对比度的改进型多普勒解模糊完成。
第四步:矫正距离弯曲,实现自聚焦,得到高分辨无模糊的群目标ISAR像。
根据前两步估计得到的各个参数,重构最大信号分量,消除慢时间高次项实现自聚焦:
其中Sreim(ta,tm)为重构信号。
这相当于给单个散射点回波在每个距离单元中的分量添加一个相反的距离弯曲,当回波各个分量叠加后,即消除了原有的距离弯曲。
将已经重构并实现了距离弯曲矫正和自聚焦的信号分量从原数据中消除,直至该距离单元的剩余能量达到初始能量的0.15-0.25:
S′R(ta,tm)=SR(ta,tm)-SΔim(ta,tm) (32)
对所有距离单元进行以上操作后,将得到的重构信号进行二维傅里叶变换,就能够得到复杂机动群目标的高分辨无模糊ISAR像,本发明流程图如图1所示。
实例:对含有3个子目标的群目标进行高分辨成像
仿真参数设定:群目标的空间分布如图2所示,每个子目标的具体形状如图3所示。其中目标1与目标3的速度为453.8m/s,加速度为69.8m/s2,二阶加速度为43.6m/s3。目标2的速度为471.2m/s,加速度为74.1m/s2,二阶加速度为47.9m/s3。
采用传统RD算法得到的ISAR像产生了严重的多普勒模糊,目标位置与实际不符,如图4所示。同时其距离像中存在明显的距离弯曲,如图5所示,导致其成像结果模糊不清。
采用本发明所描述的方法进行ISAR成像,得到的结果如图6所示。可见多普勒模糊被消除,目标位置关系正确,成像质量清晰。对应的距离像如图7所示,可见距离弯曲已经被补偿。
Claims (2)
1.一种基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法,其特征在于,具体步骤如下:
第一步:对回波脉冲进行平动补偿和解线频调Dechirp处理;
现代雷达广泛采用线性调频信号,其表达式如下:
对回波信号进行解线频调处理,并消除剩余视频项RVP,得到结果:
式(2)中的ΔRp为目标转动引起的距离改变,是一个随慢时间变化的函数,对于复杂机动目标,ΔRp具有如下形式:
其中R0为目标平动距离,yp为散射点p的距离坐标,xp为散射点p的方位坐标,ω为目标转动速度,a1,p为目标转动加速度,a2,p为目标二阶转动加速度;
由于在ISAR成像中目标转过的角度通常较小,因此在进行了平动补偿后,ΔRp可以近似为:
若目标含有N个散射点,那么回波信号就可以被写为:
其中φ1,p=yp,φ2,p=xpω,φ3,p=xpa1,p-ypω2,φ4,p=xpa2,p-3ypa1,pω-ω3;在经过解线频调处理和平动补偿后,复杂运动目标的回波信号在慢时间域即为m-CPS信号;
第二步:对回波进行脉冲压缩,估计第i个距离单元中最大信号分量的各个参数;
对SR(ta,tm)按ta进行快速傅里叶变换FFT,以实现脉冲压缩;其中第i个距离单元的回波信号SRi(tm)为:
其中λ为雷达发射信号波长,Ap′为复幅度;由于脉冲压缩后存在距离弯曲,所以复幅度Ap′为:
其中sinc(.)为辛克函数,fri为第i个距离单元对应的快时间频率;由于距离弯曲没有被矫正,因此在经过脉冲压缩后,回波信号的能量并不能分别聚集到单个距离单元里,而是在多个距离单元中都存在分量;考虑到距离弯曲时对φ1,p估计较为困难,因此将回波在各距离单元中的分量视作经过距离弯曲补偿的独立散射点回波,并对这些分量的参数进行估计;
首先使用匹配搜索的方式对第i个距离单元的回波信号SRi(tm)中最大信号分量的调频率参数进行估计;根据目标飞行特性的先验知识,容易确定调频率的大致范围Δη,从而得到调频率的全部取值:
其中K为调频率总的取值数量,η(k)为调频率的取值,依据调频率的取值构造调频率估计函数f1(tm,k):
将调频率估计函数f1(tm,k)与回波信号SRi(tm)相乘并做傅里叶变换,并取调频率不同时的最大值构成调频率匹配度函数G(k):
G(k)=max{g(fd,k)} (11)
其中max{·}为求最大值函数,g(fd,k)为过渡函数,fd多普勒频率,为快速傅里叶变换;对于复相位信号而言,三次相位项不会影响信号FFT结果的峰值,而二次相位项却会造成峰值钝化;因此调频率匹配度函数G(k)取最大值的唯一条件是:调频率估计函数f1(tm,k)消除了最大信号分量的慢时间二次相位;即正确估计出了最大信号分量的调频率φ3,pm的估计值/>
其中kmax为使得调频率匹配函数G(k)达到最大值的k的取值;
按照相似的原理,估计二次调频率的值;首先确定二次调频率范围:
其中M为二次调频率总的取值数,ζ(m)为调频率的取值,Δζ为二次调频率的取值范围;
二次调频率估计函数f2(tm,m)为:
其中H(m)为二次调频率匹配函数,mmax为使得H(m)达到最大值的m的取值;
将频率估计函数f3(tm)与回波信号SRi(tm)相乘并做FFT,得到结果:
其中fdp为峰值所对应的多普勒频率;
第三步:利用估计所得参数,进行多普勒解模糊处理;
ISAR方位向上的成像场景大小受雷达的脉冲重复频率PRF的影响;如果目标方位坐标超出了成像场景,就会平移至图像的另一侧;导致成像结果错误,也给距离弯曲矫正带来困难;因此第二步中最大信号分量瞬时频率的估计值与真实值φ2,pm存在如下关系:
其中PRF为雷达脉冲重复频率,num为多普勒模糊数;
为了实现多普勒解模糊,构造解模糊函数f4(ta,tm,num):
将解模糊函数f4(ta,tm,num)与初始信号SR(ta,tm)相乘,得到用于多普勒解模糊的二维矩阵Ida(fr,fd,num):
为防止瞬时频率值相同的其它回波对解模糊造成影响,采用汉明窗和矩形窗对矩阵元素进行如下调制:
其中为汉明窗,Rect2D[·]为二维矩形窗,fr为快时间频率;若多普勒模糊数估计正确,则估计参数对应的散射点回波的距离弯曲将被消除;使得解模糊矩阵的对比度值升高,反之,则使得对比度值下降;因此采用最大对比度原则判断多普勒模糊数是否正确;
对比度IC计算公式为:
其中numright为正确的多普勒模糊数;
至此,基于最大对比度的改进型多普勒解模糊完成;
第四步:矫正距离弯曲,实现自聚焦,得到高分辨无模糊的群目标ISAR像;
根据前两步估计得到的各个参数,重构最大信号分量,消除慢时间高次项实现自聚焦:
其中Sreim(ta,tm)为重构信号;
这相当于给单个散射点回波在每个距离单元中的分量添加一个相反的距离弯曲,当回波各个分量叠加后,即消除了原有的距离弯曲;
将已经重构并实现了距离弯曲矫正和自聚焦的信号分量从原数据中消除,直至该距离单元的剩余能量达到初始能量的0.15-0.25:
S′R(ta,tm)=SR(ta,tm)-SΔim(ta,tm) (32)
2.如权利要求1所述的复杂机动群目标成像方法,其特征在于,取num∈[-1,0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010600267.XA CN111781595B (zh) | 2020-06-28 | 2020-06-28 | 基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010600267.XA CN111781595B (zh) | 2020-06-28 | 2020-06-28 | 基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111781595A CN111781595A (zh) | 2020-10-16 |
CN111781595B true CN111781595B (zh) | 2023-06-27 |
Family
ID=72760747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010600267.XA Active CN111781595B (zh) | 2020-06-28 | 2020-06-28 | 基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111781595B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748427B (zh) * | 2020-12-09 | 2024-04-23 | 中国人民解放军战略支援部队信息工程大学 | 一种脉冲信号的距离差和距离差变化率的联合估计方法 |
CN113219458B (zh) * | 2021-05-26 | 2022-05-03 | 电子科技大学 | 双基地合成孔径雷达盲定位方法 |
CN114910906A (zh) * | 2022-04-29 | 2022-08-16 | 中国人民解放军陆军工程大学 | 一种双基地isar稀疏孔径机动目标成像方法及*** |
CN114966693B (zh) * | 2022-07-20 | 2022-11-04 | 南京信息工程大学 | 基于深度学习的机载舰船目标isar精细化成像方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2650695A1 (en) * | 2012-08-02 | 2013-10-16 | Institute of Electronics, Chinese Academy of Sciences | Imaging method for synthetic aperture radar in high squint mode |
WO2018045566A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 |
CN109633644A (zh) * | 2018-12-27 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种机动目标isar成像方法 |
CN109870686A (zh) * | 2019-01-03 | 2019-06-11 | 西安电子科技大学 | 一种基于改进斜距模型的曲线轨迹sar斜视成像方法 |
CN110208799A (zh) * | 2019-06-19 | 2019-09-06 | 华侨大学 | 基于Legendre正交分解的曲线运动轨迹SAR波数域成像方法 |
-
2020
- 2020-06-28 CN CN202010600267.XA patent/CN111781595B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2650695A1 (en) * | 2012-08-02 | 2013-10-16 | Institute of Electronics, Chinese Academy of Sciences | Imaging method for synthetic aperture radar in high squint mode |
WO2018045566A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 |
CN109633644A (zh) * | 2018-12-27 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种机动目标isar成像方法 |
CN109870686A (zh) * | 2019-01-03 | 2019-06-11 | 西安电子科技大学 | 一种基于改进斜距模型的曲线轨迹sar斜视成像方法 |
CN110208799A (zh) * | 2019-06-19 | 2019-09-06 | 华侨大学 | 基于Legendre正交分解的曲线运动轨迹SAR波数域成像方法 |
Non-Patent Citations (1)
Title |
---|
一种新的高速多目标快速参数化检测算法;郑纪彬;朱文涛;苏涛;何学辉;;电子与信息学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111781595A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111781595B (zh) | 基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法 | |
CN103744068B (zh) | 双通道调频连续波sar***的动目标检测成像方法 | |
CN105974414B (zh) | 基于二维自聚焦的高分辨聚束sar自聚焦成像方法 | |
CN111142105B (zh) | 复杂运动目标isar成像方法 | |
CN109856635B (zh) | 一种csar地面动目标重聚焦成像方法 | |
CN103760558B (zh) | 一种太赫兹雷达isar成像方法 | |
CN102590812B (zh) | 基于调频连续波的sar实时成像方法 | |
Huang et al. | Radar high speed small target detection based on keystone transform and linear canonical transform | |
Li et al. | ISAR imaging of nonuniformly rotating target based on the multicomponent CPS model under low SNR environment | |
Callow et al. | Stripmap phase gradient autofocus | |
CN114545411A (zh) | 一种基于工程实现的极坐标格式多模高分辨sar成像方法 | |
CN113589287A (zh) | 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 | |
CN110133646B (zh) | 基于nlcs成像的双基前视sar的多通道两脉冲杂波对消方法 | |
CN113466863B (zh) | 一种sar舰船目标高分辨成像方法 | |
CN102012510A (zh) | 基于时间——相位导数分布的逆合成孔径雷达成像方法 | |
CN114325695A (zh) | 一种基于旋转天线的雷达目标二维高分辨成像方法 | |
CN113030964B (zh) | 基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法 | |
CN112415512B (zh) | 基于进退法和黄金分割法的sar运动目标聚焦方法 | |
CN113900099A (zh) | 稀疏孔径isar机动目标成像与定标方法 | |
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 | |
Wang et al. | ISAR imaging of maneuvering target based on the estimation of time varying amplitude with Gaussian window | |
CN114780911B (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
CN111880154B (zh) | 基于对称波数谱对消的复图像域运动目标检测方法 | |
CN113376632B (zh) | 一种基于预处理和改进pfa的大斜视机载sar成像方法 | |
CN113484862A (zh) | 一种自适应的高分宽幅sar清晰重构成像方法 |
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 |