CN113608214B - 一种机载扫描雷达实时超分辨成像方法 - Google Patents
一种机载扫描雷达实时超分辨成像方法 Download PDFInfo
- Publication number
- CN113608214B CN113608214B CN202110909436.2A CN202110909436A CN113608214B CN 113608214 B CN113608214 B CN 113608214B CN 202110909436 A CN202110909436 A CN 202110909436A CN 113608214 B CN113608214 B CN 113608214B
- Authority
- CN
- China
- Prior art keywords
- matrix
- resolution
- representing
- real
- target
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005316 response function Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种机载扫描雷达实时超分辨成像方法，应用于雷达信号处理领域，针对传统批处理模式下超分辨方法计算复杂度和内存占用率高的问题；本发明通过建立斜前视矢量卷类积精确回波模型，突破斜前视角分辨率提升机理性瓶颈；然后构造描述天线方向图和多普勒导向矩阵与雷达回波信号的可解析优化代价函数，将斜前视成像分辨率提升问题转化为在线递归优化估计问题；最后，通过Updating和Downdating滑窗递归，实现斜前视区域目标散射系数的实时更新。本方法不仅有效地改善了传统方法的方位分辨率，而且显著降低了其复杂度和内存占用率，有利于机载雷达的高品质连续实时成像。仿真结果证明了所提出方法的有效性。
Description
技术领域
本发明属于雷达信号处理技术领域，特别涉及一种扫描雷达技术中的实时快速成像技术。
背景技术
机载雷达斜前视高分辨率成像具备全天时、全天候工作的特点，作为一种主动式的遥感手段在地质测绘、灾害监测、军事侦察等领域有着广泛的应用。机载雷达往往采用多普勒波束锐化技术(DBS)对斜前视区成像，其主要利用雷达与目标之间的相对运动所引起的多普勒信息区分目标。但是，在宽幅快扫的成像模式中，基于传统快速傅里叶变换的DBS技术往往因其观测孔径不足而导致方位分辨率受限，其点扩散函数往往呈现宽主瓣、高旁瓣的特点。
为进一步提升方位分辨率，文献“Super-resolution Doppler beam sharpeningimaging based on an iterative adaptive approach，Remote Sensing Letters,vol.7,pp.259–268,01 2016.”提出了一种基于迭代自适应方法(IAA)谱估计方法用于解决DBS目标散射系数估计问题。但是，由于每次迭代的矩阵求逆运算，该方法的计算复杂度非常高，不利于实时处理。文献“Super-resolution Doppler beam sharpening method usingfast iterative adaptive approach based spectral estimation，Journal of AppliedRemote Sensing,vol.12,no.1,pp.1,2018.”提出了一种基于加权的快速迭代自适应超分辨率频谱估计方法提出了最小二乘理论以增强DBS的分辨率。然而，该方法确实有效地降低了迭代自适应方法的计算复杂度，但其对于回波的处理方式仍采用批处理形式。这意味着该方法无法在扫描的同时进行超分辨处理，从而导致实时性能的损失。
发明内容
为解决上述技术问题，本发明提出一种机载扫描雷达实时超分辨成像方法，不仅有效地改善了传统方法的方位分辨率，而且显著降低了其复杂度和内存占用率，有利于机载雷达的高品质连续实时成像。
本发明采用的技术方案为：一种机载扫描雷达实时超分辨成像方法，包括：
A1、建立斜前视矢量卷类积精确回波模型；
A2、构造描述天线方向图和多普勒导向矩阵与雷达回波信号的可解析最小二乘代价函数，将斜前视成像分辨率提升问题转化为优化估计问题；
A3、针对首个窗口数据，采用基于正则化的方法进行目标估计；
A4、针对剩下的窗口数据，采用Updating和Downdating滑窗递归，实现斜前视区域目标散射系数的实时更新。
步骤A1所述斜前视矢量卷类积精确回波模型为：
Y＝Aσ+e
A＝D⊙H
其中，Y表示方位回波矩阵，表示复数集合，A表示导向矩阵，D表示多普勒矩阵，H表示天线方向图矩阵，σ是目标的散射系数，e是加性高斯噪声矩阵，⊙表示点积。
Y通过下式离散采样得到：
其中，τ和t分别表示距离和方位时间变量，σ(x,y)和h(·)分别表示目标后向散射系数和天线方向图响应函数，sinc(·)表示脉冲压缩响应函数，Φ为感兴趣的观测区域，B为带宽,λ为波长。
步骤A2所述的代价函数表达式为：
其中，Y1:L表示首次滑窗窗口的回波矢量，A1:L表示首次滑窗窗口对应的导向矩阵。
步骤A3首个窗口数据估计得到的目标散射系数最优解为：
步骤A4具体为：
A41、引入矩阵
其中I表示单位矩阵；
A42、Downdating的结果可表示为
其中
A43、当前的目标散射系数由Downdating结果/>通过Updating递归计算得出
其中
A44、对于n>L重复步骤A42-A43，实现当前第n时刻的在线递归更新结果
本发明的有益效果：本发明通过建立斜前视矢量卷类积精确回波模型，突破斜前视角分辨率提升机理性瓶颈；然后构造描述天线方向图和多普勒导向矩阵与雷达回波信号的可解析最小二乘代价函数，将斜前视成像分辨率提升问题转化为优化估计问题；最后，通过Updating和Downdating滑窗递归，实现斜前视区域目标散射系数的实时更新。相对于传统方法，提升了方位分辨率，同时显著降低了其复杂度和内存占用率。
附图说明
图1为本发明的方法流程图；
图2为本发明实施例提供的机载雷达斜前视超分辨成像方法的几何构型；
图3为本发明方法与传统方法的距离剖面一维对比结果；
图4为本发明的成像结果与现有技术的对比；
其中，图4(a)为实波束的二维成像结果，图4(b)为DBS方法的二维成像结果，图4(c)为LS方法的二维成像结果，图4(d)为本发明方法的二维成像结果。
具体实施方式
为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。
如图1所示，本发明的方法包括以下步骤：
步骤一：建立机载雷达斜前视回波精确模型
采用如图2所示机载雷达斜前视成像几何模型，选取如表1所示的雷达仿真***参数。信噪比设置为SNR＝20dB。设机载雷达平台以恒定速度v＝30m/s沿着X轴方向匀速飞行，雷达天线以角速度ω＝90°/s扫描斜前视区域。平台的飞行高度为H＝1000m平台和目标P的初始斜距为R0＝3000m。在t时刻，平台与目标的距离历史R(t)表示为
其中，表示目标俯仰角，θ表示目标方位角。
表1仿真参数
| 参数 | 数值 |
| 工作频段fc | 30.75GHz |
| 时宽Tp | 40MHz |
| 带宽B | 2μs |
| 扫描区域 | -25°～-5° |
| 扫描速度ω | 90°/s |
| 波束宽度Δθ | 4° |
| 脉冲重复频率PRF | 2KHz |
| 初始斜距R0 | 3000m |
| 机载平台飞行速度v | 30m/s |
雷达通过发射具有较大时间带宽积的线性调频信号，实现了高距离分辨率。经过距离预处理，即脉冲压缩和徙动校正，回波信号可以写为，
其中，τ和t分别表示距离和方位时间变量，σ(x,y)表示处于观测区域Φ内坐标(x,y)处的目标后向散射系数，h(·)表示天线方向图响应函数，sinc(·)表示脉冲压缩响应函数，Φ为感兴趣的观测区域，c表示电磁波传播速度，带宽为B＝40MHz,波长为λ＝0.01m。
仿真设定回波的方位采样点数为N＝1024，对于某一距离单元，回波的离散矩阵形式可以由上式导出为
Y＝Aσ+e
A＝D⊙H
其中，表示方位回波，/>表示复数集合，/>表示导向矩阵，由多普勒矩阵/>和天线方向图矩阵/>组成。仿真中设定的方位目标采样点数K＝670。/>是目标的散射系数，/>是加性高斯噪声矩阵，⊙表示点积。
本发明通过建立斜前视矢量卷类积精确回波模型，突破斜前视角分辨率提升机理性瓶颈。
实波束回波的点目标剖面结果如附图3中实线所示，二维目标成像结果附图4(a)所示。
步骤二：针对首个窗口数据处理，采用基于正则化的方法进行目标估计
设滑动窗口长度与天线方向图长度相等，即L＝120。定义滑窗窗口内的回波和导向矩阵的矢量形式分别为
其中，Yn-L+1:n表示包含从n-L+1时刻到n时刻的滑动窗口长度为120的离散回波矢量，y(n)表示Yn-L+1:n中的第n个元素，An-L+1:n表示滑窗窗口内的导向矩阵，a(n)表示矩阵An-L+1:n的第n行矢量，此外，添加正则化项γ抑制噪声。则目标散射估计问题可以被重建为一个正则化约束下的最优化问题
||·||2表示矩阵的二范数运算；
对于首次递归，令n＝L，根据上述优化问题构建代价函数
其中，表示对σ的估计值，/>表示首次滑窗窗口的回波矢量，/>表示首次滑窗窗口对应的导向矩阵。上式是对于首次目标散射/>的凸优化问题，最优解可以表示为
其中，γ表示正则化参数，用以权衡噪声和方位分辨率。
步骤三：基于Downdating和Updating的滑动窗口数据在线递归更新
在仿真递归更新算法计算时，选取正则化参数为γ＝0.1，对于N>L＝120的方位回波反演可以通过结合Downdating和Updating递归分别实现和/> 的递归更新，最终得到从/>到/>递归更新算法。
首先，引入矩阵
其中，表示恒等于，上标H表示共轭转置，I表示单位矩阵。
Downdating的结果可表示为
其中
这里的计算采用an来表示a(n)；上标中的L表示Downdating递归时的维度；
当前的目标散射系数即下一次更新的结果，可以由Downdating结果通过Updating递归计算得出
其中
上标中的L-1表示Updating递归时的维度；即Updating递归与Downdating递归的维度不相同。
对于n＝L+1,L+2,...，依次遍历上述迭代公式直到波束最终方位，得到第n次在线递归更新时目标散射系数使用本发明提出的滑窗递归实时成像方法对目标进行递归求解，对于一个点目标的距离剖面的超分辨结果如附图3所示(三角型线)，其中虚线表示传统DBS方法的结果，星号线表示传统LS方法的结果。可以看到，本发明方法的分辨率明显优于传统方法。
如图4(b)所示为传统DBS方法的二维成像结果，如图4(c)所示为LS方法的二维成像结果。与DBS方法相比，其分辨率有所提高。但是，该方法具有较高的复杂度和较差的实时性能。图4(d)给出了本发明方法的成像结果，该结果为多个滑动窗口结果的叠加显示。可以看出，本发明方法的结果明显优于传统的DBS方法，并与LS方法的分辨率性能相近。在实际应用中，本发明方法在算法复杂度，实时性能和内存占用方面均优于传统LS方法。
综上所述，本发明方法相较于传统成像方法，有效地提升了方位分辨率，同时显著降低了算法复杂度和成像处理器的内存占用率。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (2)
1.一种机载扫描雷达实时超分辨成像方法，其特征在于，包括：
A1、建立斜前视矢量卷类积精确回波模型；步骤A1所述斜前视矢量卷类积精确回波模型为：
Y＝Aσ+e
A＝D⊙H
其中，Y表示方位回波矩阵，表示复数集合，A表示导向矩阵，D表示多普勒矩阵，H表示天线方向图矩阵，σ是目标的散射系数，e是加性高斯噪声矩阵，⊙表示点积；
A2、构造描述天线方向图和多普勒导向矩阵与雷达回波信号的可解析最小二乘代价函数，将斜前视成像分辨率提升问题转化为优化估计问题；步骤A2所述的代价函数表达式为：
其中，表示对σ的估计值，Y1:L表示首次滑窗窗口的回波矢量，A1:L表示首次滑窗窗口对应的导向矩阵；
A3、针对首个窗口数据，采用基于正则化的方法进行目标估计；步骤A3首个窗口数据估计得到的目标散射系数最优解为：
其中，γ表示正则化参数；
A4、针对剩下的窗口数据，采用Updating和Downdating滑窗递归，实现斜前视区域目标散射系数的实时更新；步骤A4具体为：
A41、引入矩阵
其中，表示恒等于，上标H表示共轭转置，I表示单位矩阵；
A42、Downdating的结果表示为
其中
A43、当前的目标散射系数由Downdating结果/>通过Updating递归计算得出
其中
A44、对于n>L重复步骤A42-A43，实现当前第n时刻的在线递归更新结果
2.根据权利要求1所述的一种机载扫描雷达实时超分辨成像方法，Y通过下式离散采样得到：
其中，τ和t分别表示距离和方位时间变量，σ(x,y)和h(·)分别表示目标后向散射系数和天线方向图响应函数，sinc(·)表示脉冲压缩响应函数，Φ为感兴趣的观测区域，B为带宽，λ为波长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110909436.2A CN113608214B (zh) | 2021-08-09 | 2021-08-09 | 一种机载扫描雷达实时超分辨成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110909436.2A CN113608214B (zh) | 2021-08-09 | 2021-08-09 | 一种机载扫描雷达实时超分辨成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113608214A CN113608214A (zh) | 2021-11-05 |
| CN113608214B true CN113608214B (zh) | 2023-11-10 |
Family
ID=78307739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110909436.2A Active CN113608214B (zh) | 2021-08-09 | 2021-08-09 | 一种机载扫描雷达实时超分辨成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113608214B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| USH1720H (en) * | 1997-03-31 | 1998-04-07 | Chen; Victor C. | Time frequency processor for radar imaging of moving targets |
| CN105137425A (zh) * | 2015-07-17 | 2015-12-09 | 电子科技大学 | 基于卷积反演原理的扫描雷达前视角超分辨方法 |
| CN109613532A (zh) * | 2019-01-02 | 2019-04-12 | 电子科技大学 | 一种机载雷达实时多普勒波束锐化超分辨成像方法 |
| CN113064165A (zh) * | 2021-03-22 | 2021-07-02 | 电子科技大学 | 一种扫描雷达俯仰-方位二维超分辨方法 |
| CN113219459A (zh) * | 2021-05-26 | 2021-08-06 | 电子科技大学 | 一种扫描雷达稳健超分辨成像方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8026841B2 (en) * | 2008-09-18 | 2011-09-27 | Bae Systems Controls Inc. | Range and azimuth resolution enhancement for real-beam radar |
-
2021
- 2021-08-09 CN CN202110909436.2A patent/CN113608214B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| USH1720H (en) * | 1997-03-31 | 1998-04-07 | Chen; Victor C. | Time frequency processor for radar imaging of moving targets |
| CN105137425A (zh) * | 2015-07-17 | 2015-12-09 | 电子科技大学 | 基于卷积反演原理的扫描雷达前视角超分辨方法 |
| CN109613532A (zh) * | 2019-01-02 | 2019-04-12 | 电子科技大学 | 一种机载雷达实时多普勒波束锐化超分辨成像方法 |
| CN113064165A (zh) * | 2021-03-22 | 2021-07-02 | 电子科技大学 | 一种扫描雷达俯仰-方位二维超分辨方法 |
| CN113219459A (zh) * | 2021-05-26 | 2021-08-06 | 电子科技大学 | 一种扫描雷达稳健超分辨成像方法 |
Non-Patent Citations (3)
| Title |
|---|
| "Fast Moving Window Algorithm for QR and Cholesky Decompositions";Wuxing Liang等;《Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul》;10106-10111 * |
| "基于滑窗ＱＲ和快速ＰＣＡ算法的自适应子空间辨识";李喆等;《上海交通大学学报》;第49卷(第11期);正文第2-4页 * |
| "机载雷达前视探测方位超分辨算法";管金称等;《信号处理》;第30卷(第12期);1450-1456 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113608214A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104950306B (zh) | 一种海杂波背景下前视海面目标角超分辨成像方法 | |
| CN109613532B (zh) | 一种机载雷达实时多普勒波束锐化超分辨成像方法 | |
| CN109507666B (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
| CN107621635B (zh) | 一种前视海面目标角超分辨方法 | |
| CN110208796B (zh) | 基于奇异值逆滤波的扫描雷达超分辨成像方法 | |
| CN111856465B (zh) | 一种基于稀疏约束的前视海面目标角超分辨方法 | |
| CN109709552B (zh) | 一种低信噪比isar成像运动补偿方法 | |
| CN110780274B (zh) | 一种用于扫描雷达的改进l1正则化方位超分辨成像方法 | |
| CN111060879B (zh) | 一种基于二维匹配滤波结果的联合副瓣抑制方法 | |
| CN110118967B (zh) | 一种基于全变差的扫描雷达方位向超分辨成像方法 | |
| CN110109098B (zh) | 一种扫描雷达快速超分辨成像方法 | |
| CN110426705B (zh) | 基于压缩感知的分布式isar成像高旁瓣抑制方法 | |
| CN113484859B (zh) | 一种基于融合技术的二维超分辨雷达成像方法 | |
| CN112836707B (zh) | 一种isar图像空中目标长度特征提取方法 | |
| CN105005048B (zh) | 基于显著图的Laplacian协同压缩雷达成像方法 | |
| CN113219459A (zh) | 一种扫描雷达稳健超分辨成像方法 | |
| CN113608214B (zh) | 一种机载扫描雷达实时超分辨成像方法 | |
| CN113640793B (zh) | 基于mrf的实孔径扫描雷达超分辨成像方法 | |
| CN114780911B (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
| CN116359921A (zh) | 基于加速轨迹双基前视合成孔径雷达的快速时域成像方法 | |
| CN115453523A (zh) | 一种扫描雷达稀疏目标批处理超分辨方法 | |
| CN110780273B (zh) | 一种混合正则化方位超分辨成像方法 | |
| Kang et al. | Super-resolution doppler beam sharpening based on online Tikhonov regularization | |
| CN114545402B (zh) | 一种svd求逆***布雷格曼的扫描雷达前视成像方法 | |
| CN112180338B (zh) | 全息数字阵列雷达目标数量估计方法和*** |
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 |