CN114545401A - 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法 - Google Patents

用于机载前视阵列雷达的空时自适应迭代超分辨成像方法 Download PDF

Info

Publication number
CN114545401A
CN114545401A CN202111462165.7A CN202111462165A CN114545401A CN 114545401 A CN114545401 A CN 114545401A CN 202111462165 A CN202111462165 A CN 202111462165A CN 114545401 A CN114545401 A CN 114545401A
Authority
CN
China
Prior art keywords
space
time
distance
super
azimuth
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.)
Pending
Application number
CN202111462165.7A
Other languages
English (en)
Inventor
吴迪
任凌云
朱岱寅
刘明杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202111462165.7A priority Critical patent/CN114545401A/zh
Publication of CN114545401A publication Critical patent/CN114545401A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S13/9043—Forward-looking SAR
    • 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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/418—Theoretical aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，构建空时二维信号接收模型，根据脉冲压缩后的多通道数据构造各个距离‑方位单元对应的空时快拍信号；计算每个方位角对应的空时导引矢量，构成空时导引矢量矩阵；基于最小均方误差准则建立代价函数，不断迭代更新权矢量使其逼近最优，对接收的空时快拍加权从而获得该距离‑方位单元空时快拍对应的方位超分辨谱曲线；根据载机运动速度和天线扫描参数，将每个距离‑方位单元的超分辨谱曲线进行方位谱拼接，即实现谱曲线在距离‑方位域的累积，最终形成距离方位成像图像。本发明通过空时两域联合处理超分辨技术，有效提高现有机载前视阵列雷达方位向分辨率。

Description

用于机载前视阵列雷达的空时自适应迭代超分辨成像方法
技术领域
本发明属于雷达成像技术领域，涉及机载雷达前视成像信号处理技术，具体涉及一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法。
背景技术
机载雷达前视成像在敌情探测、飞机制导、复杂地形和自然灾害人员救援等军事应用中发挥着重要作用。然而，当目标位于前视位置时，等距离线与等多普勒线平行，使得现有成像技术如合成孔径雷达(SAR)或多普勒波束尖锐化(DBS) 失效。
实波束成像技术可用于完成前视成像。但是，其方位分辨率受到天线波束宽度和作用距离的限制，无法实现方位向高分辨率成像。为了提高真实孔径雷达 (real apertureradar,RAR)的分辨率，科学研究者们提出了许多提高方位分辨率的算法。目前，主要的前视成像技术包括：实波束成像技术、解卷积成像技术、双基地SAR前视成像技术、单脉冲成像技术、阵列雷达超分辨成像技术等。
解卷积成像技术，利用雷达回波的方位向为天线方向图水平面与方位向散射点的卷积，回波距离向为天线方向图垂直面与距离散射点的卷积，因此，理想情况下，通过距离向、方位向分别解卷积能够重建目标的准确位置。但是因为解卷积过程中采用的天线方向图与实际有差距，难以得到精确稳定的解，不能达到理想的方位分辨率。
双基地SAR在对前视方向进行成像的过程中，发射机和接收机分置在两个不同的平台上，等距离线和等多普勒线近似正交，有效地提高前视区域成像的分辨能力。但是，目前此技术还不成熟，存在很多新的理论和技术问题，无法用于实际情况。
单脉冲技术是利用两根天线同时接收回波，通过单个脉冲就能获取散射点偏离波束中心的角度。单脉冲的测角精度很高，且获取数据速率很快，但当成像区域地形复杂且载机平台在运动时，目标的视在中心会偏离目标实际中心，产生角闪烁现象。而且，它不能区分一个波束内的多个目标，所以当一个波束内存在多个目标时，性能急剧恶化。
与传统的单通道雷达相比，阵列雷达超分辨成像技术采用阵列接收***，具有更高的空间自由度，提高了空间分辨率。同时，将阵列信号处理中的超分辨率技术引入前视成像，从而获得远超越实孔径波束宽度的角度分辨率，可以更好地分离一波束内的多目标。近几年来，作为机载雷达前视成像一个新的技术手段，超分辨技术已经逐步被关研究机构认可并重视，是未来解决机载雷达前视成像难题的简单、高效的手段之一。
基于阵列信号实现超分辨测角的物理本质在于天线孔径在切航迹方向上的扩展。一种是阵列数据直接通过线性预测的方法进行扩展，另一种是通过对各阵元接收到的回波信号，进行波达方向超分辨估计，例如Capon谱估计方法和多重信号分类(MUSIC)算法等都已应用到机载雷达前视成像中，并通过仿真和实测数据处理验证了其可行性。但是Capon算法鲁棒性差，MUSIC方法依赖目标个数的先验信息，且无法估计出目标幅度。对于波达角估计，为较准确估计阵列接收信号的自相关矩阵，以上传统方法需要积累大量独立同分布的快拍样本。然而同一距离门上的回波数据往往是相干的，这会很大程度影响估计结果。
发明内容
发明目的：本发明提供一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，不依赖大量独立同分布的快拍数据，主要通过建立最小均方误差准则下的目标函数，通过迭代方式对阵列接收信号的自相关矩阵进行估计。
技术方案：本发明所述的一种用于机载雷达前视成像的空时迭代超分辨方法，包括以下步骤：
(1)构建空时二维信号接收模型：采用机载前视阵列雷达获取多通道回波，雷达工作于步进扫描模式，在每个相干脉冲间隔对同一方位发射若干个相干脉冲，对回波采样获得距离-脉冲-阵列三维回波数据；
(2)根据脉冲压缩后的多通道数据构造各个距离-方位单元对应的空时快拍信号；计算每个方位角对应的空时导引矢量，构成空时导引矢量矩阵；
(3)逐距离-方位单元处理，将空时导引矢量矩阵作为初始权矢量对空时快拍进行处理，得到迭代初值；基于最小均方误差准则建立代价函数，计算化简得到权矢量表达式；随后代入迭代初值开始迭代过程，通过不断迭代更新当前权矢量使其逼近最优，得到最终权矢量；利用最终权矢量对空时快拍进行加权处理，计算该距离-方位单元空时快拍对应的超分辨谱曲线；
(4)根据载机运动速度和天线扫描参数，将每个距离-方位单元的超分辨谱曲线进行方位谱拼接，即实现谱曲线在距离-方位域的累积，最终形成距离方位成像图像。
进一步地，所述步骤(1)实现过程如下：采用沿方位向的水平阵列天线接收多通道回波，以此获得空间采样；雷达工作于步进扫描模式，在波束照向某一固定方位时，在一个相干脉冲间隔(CPI)内，每隔脉冲重复频率(PRF)或脉冲重复间隔(PRI)发射一线性调频脉冲(LFM)，接收若干相干脉冲以获得时间采样；波束扫描一周获得距离-脉冲-阵列三维回波数据。
进一步地，所述步骤(2)实现过程如下：
根据机载阵列雷达水平阵列天线***得到的数据，进行距离向的脉冲压缩处理，选取各个阵元在每个距离-方位单元产生的二维接收数据，即可形成该距离- 方位单元的空时快拍信号；对每个距离-方位单元的空时快拍信号进行堆叠，将二维矩阵变为一维向量，然后对成像区域内所有方位角度，计算其对应空时导引矢量，组合构成空时导引矢量矩阵；具体实现过程如下：
假设前方成像区域存在K个目标，并且它们相对于雷达的方位角度分别为θ1,θ2,…,θK；在一次循环扫描内，接收数据为距离-脉冲-阵列三维采样，对于某一个距离-方位单元，脉冲-阵列采样数据构成二维空时快拍：
y＝Ax+N
其中，x为从目标处反射的回波信号，N为加性高斯白噪声，独立于其它各分量；A为NM×K维空时导引矢量矩阵，A＝[a(θ1),a(θ2),…,a(θK)]，其中
Figure RE-GDA0003570230830000031
as(θk)为由目标到达水平线性阵列的相位差组成的M×1维空间导引矢量；at(θk)为由雷达和目标之间的相对运动产生的多普勒频率组成的N×1维时间导引矢量，
Figure RE-GDA0003570230830000032
代表Kronecker积。
进一步地，所述步骤(3)实现过程如下：
对目标的反射截面积x进行精确重构，假设x的估计：
Figure RE-GDA0003570230830000033
其中，w为待确定的权系数矩阵，y为某一个距离-方位单元的二维空时快拍，采用最小均方误差准则(MMSE)建立代价函数：
min J{||x-wHy||2}
对上式求导解得极小值点：
w＝(E{yyH})-1E{yxH}
将上式代入化简得：
w＝(APAH+RN)-1AP
其中，
Figure RE-GDA0003570230830000041
是噪声的协方差矩阵，P是从目标处反射的回波信号x的自相关矩阵，P＝diag{p1,p2…,pK}，其中对角线元素为：
Figure RE-GDA0003570230830000042
计算第一次估计结果，此时权值矩阵w1＝A，
Figure RE-GDA0003570230830000043
基于此计算信号的自相关矩阵P1，然后更新权值矩阵：
w2＝(AP1AH+RN)-1AP1
得到第二次的估计结果，
Figure RE-GDA0003570230830000044
以此类推，用前一次迭代的估计值
Figure RE-GDA0003570230830000045
计算矩阵Pk，然后代入公式更新权值矩阵wk+1；最后将新的权值矩阵应用于
Figure RE-GDA0003570230830000046
得到新的估计值，即迭代表达式为：
wk+1＝(APkAH+RN)-1APk
Figure RE-GDA0003570230830000047
其中回波的自相关矩阵R＝APkAH不依赖于大量的快拍数据，而是通过迭代的方式得到。
进一步地，步骤(4)所述扫描参数包括波束扫描范围和波束扫描速度。
进一步地，所述步骤(4)实现过程如下：
将步骤(3)中得到的每个距离-方位单元空时快拍对应的方位超分辨谱曲线，对同一距离门，不同方位单元的方位超分辨谱曲线进行对应方位角度拼接，即实现谱曲线在距离-方位域的累积，对累加后存储的数据进行显示便可得到距离方位成像结果。
有益效果：与现有技术相比，本发明的有益效果：该方法建立了机载阵列雷达前视成像几何模型，获取回波的空时二维采样信息，在不依赖大量独立同分布的快拍数据的情况下，利用单个空时快拍通过迭代方式便可重构其对应方位超分辨谱曲线，解决了实际情况中无法积累大量快拍样本的问题，且估计结果更精确和稳定。在采用多通道技术的同时，有效利用了机载前视成像中，雷达与目标之间相对运动产生的多普勒频率信息，可以更加精确重建成像的场景。
附图说明
图1为本发明的流程图；
图2为机载阵列雷达前视成像几何模型示意图；
图3为机载阵列雷达方位向空时快拍采样模型示意图；
图4为方位超分辨谱拼接示意图；
图5为点目标实波束成像结果图；
图6为点目标空时迭代超分辨成像结果图；
图7为点目标实波束成像剖面图；
图8为点目标空时迭代超分辨成像剖面图；
图9为目标场景图；
图10为目标场景成像结果对比图；其中，(a)为实波束成像结果图，(b) 为基于空域一维回波进行自适应迭代超分辨成像结果图，(c)为空时二维回波迭代5次后的成像结果图；
图11为图10投影到大地坐标系下的最终重构结果图，其中(a)为空域自适应迭代超分辨成像图，(b)为空时自适应迭代超分辨成像图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
本发明提供一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其处理流程如图1所示，包括以下步骤：
步骤1：构建空时二维信号接收模型。采用机载前视阵列雷达获取多通道回波，雷达工作于步进扫描模式，在每个相干脉冲间隔对同一方位发射若干个相干脉冲，对回波采样获得距离-脉冲-阵列三维回波数据。
采用沿方位向的水平阵列天线接收***，接收多通道回波，以此获得空间采样数据；阵列雷达工作于步进扫描模式，在波束照向某一固定方位时，于一个相干脉冲间隔(CPI)内每隔脉冲重复频率(PRF)或脉冲重复间隔(PRI)发射一线性调频脉冲，接收若干相干脉冲回波，以获得时间采样数据。
机载阵列雷达前视成像几何模型具体如图2所示，多通道前视雷达以速度 va匀速飞行，阵列天线***沿切航迹方向固定在该移动平台上，阵列天线等间距均匀分布，构成M个接收通道，通道间隔为d。雷达通过窄波束步进扫描前方区域。当波束中心指向某一固定方位角度θ时(θ为波束中心和载机速度之间的夹角)，在一个相干脉冲间隔(CPI)内，雷达发射机发射N个相干线性调频脉冲(LFM)，然后波束指向下一个方位角度重复操作。最后对同一阵元接收到的不同脉冲回波进行采样，再按列排列得到原始的距离-脉冲二维回波矩阵。多个阵元接收数据组合得到距离-脉冲-阵列三维回波数据。
当波束中心指向方位角度θ时，由目标到达水平线性阵列的相位差组成的 M×1维空间导引矢量：
Figure RE-GDA0003570230830000061
由雷达和目标之间的相对运动产生的多普勒频率组成的N×1维时间导引矢量：
Figure RE-GDA0003570230830000062
所以两导引矢量构成的NM×1维空时导引矢量：
Figure RE-GDA0003570230830000063
其中，
Figure RE-GDA0003570230830000064
代表Kronecker积，d为通道间隔，λ为信号波长，θ为波束中心指向角度，va为载机速度。
步骤2：根据脉冲压缩后的多通道数据构造各个距离-方位单元对应的空时快拍信号；计算每个方位角对应的空时导引矢量，构成空时导引矢量矩阵。
根据机载阵列雷达水平阵列天线***得到的数据，进行距离向的脉冲压缩处理，选取各个阵元在每个距离-方位单元产生的二维接收数据，即可形成该距离- 方位单元的空时快拍信号，如图3所示。对得到的每个距离-方位单元的空时快拍信号进行堆叠，将二维矩阵变为一维向量。然后对成像区域内所有方位角度，计算其对应空时导引矢量a(θ)，组合构成空时导引矢量矩阵A。
假设前方成像区域存在K个目标，并且它们相对于雷达的方位角度分别为θ1,θ2,…,θK。在一次循环扫描内，接收数据为距离-脉冲-阵列三维采样。对于某一个距离-方位单元，脉冲-阵列采样数据构成二维空时快拍：
y＝Ax+N
其中，A为NM×K维空时导引矢量矩阵，A＝[a(θ1),a(θ2),…,a(θK)]，其中
Figure RE-GDA0003570230830000071
x为从目标处反射的回波信号，N为加性高斯白噪声，独立于其它各分量。
所以，对于位于方位角度θk处的目标：
y＝a(θk)xk+N
其中，N为加性高斯白噪声，独立于其它各分量。a(θk)为NM×1维空时导引矢量。
步骤3：逐距离-方位单元处理，将空时导引矢量矩阵作为初始权矢量对空时快拍进行处理，得到迭代初值；基于最小均方误差准则建立代价函数，计算化简得到权矢量表达式。随后代入迭代初值开始迭代过程，通过不断迭代更新当前权矢量使其逼近最优，得到最终权矢量。利用最终权矢量对空时快拍进行加权处理，计算该距离-方位单元空时快拍对应的超分辨谱曲线。
为使重构的目标幅度和实际的均方误差最小，本发明基于最小均方误差 (MMSE)准则建立代价函数。计算化简得到最优权矢量表达式，发现最优权矢量与该单元空时快拍的自相关矩阵和空时快拍与实际目标反射信号的互相关矩阵有关。
现需要对目标的反射截面积x进行精确重构，假设x的估计：
Figure RE-GDA0003570230830000072
其中，w为待确定的权系数矩阵，y为某一个距离-方位单元的二维空时快拍。可以采用最小均方误差准则(MMSE)建立代价函数：
min J{||x-wHy||2}
对上式求导可以解得极小值点：
w＝(E{yyH})-1E{yxH}
将上式代入化简得：
w＝(E{yyH})-1E{yxH}
＝(E{(Ax+N)(Ax+N)H})-1E{(Ax+N)xH}
＝(APAH+RN)-1AP
其中，
Figure RE-GDA0003570230830000081
是噪声的协方差矩阵。P是从目标处反射的回波信号x的自相关矩阵，P＝diag{p1,p2…,pK}，其中对角线元素为：
Figure RE-GDA0003570230830000082
当α＝2时，pk为各目标的功率。但是实际处理时，指数α取1到2之间的某个数，以保持矩阵求逆的收敛性和稳定性。
当需要对x进行精确估计时，可以采用迭代的方法不断缩小估计值和真实值之间的误差。接下来建立迭代过程，需要不断更新估计信号的自相关矩阵，进而根据权矢量计算公式，不断迭代更新权矢量，得到更为精确的信号来波方向估计结果。建立迭代过程如下：
首先计算第一次估计结果，此时权值矩阵w1＝A，
Figure RE-GDA0003570230830000083
基于此计算信号的自相关矩阵P1，下标代表迭代次数。然后更新权值矩阵：
w2＝(AP1AH+RN)-1AP1
得到第二次的估计结果，
Figure RE-GDA0003570230830000084
以此类推，用前一次迭代的估计值
Figure RE-GDA0003570230830000085
计算矩阵Pk，然后代入公式更新权值矩阵wk+1。最后将新的权值矩阵应用于
Figure RE-GDA0003570230830000091
得到新的估计值。即迭代表达式为：
wk+1＝(APkAH+RN)-1APk
Figure RE-GDA0003570230830000092
通常每个快拍迭代5次左右可以得到较好重构效果。其中回波的自相关矩阵 R＝APkAH不依赖于大量的快拍数据，而是通过迭代的方式得到。
表1总结了空时迭代自适应算法的算法流程。
表1空时迭代自适应超分辨算法流程
Figure RE-GDA0003570230830000093
步骤4：根据载机运动速度和天线扫描参数(波束扫描范围、波束扫描速度)，将每个距离-方位单元的谱曲线进行方位谱拼接，即实现谱曲线在距离-方位域的累积，最终形成距离方位成像图像。
将步骤3中得到的每个距离-方位单元空时快拍对应的方位谱曲线，对同一距离门，不同方位单元的方位谱曲线进行对应方位角度累加，示意图如图4所示，对累加后存储的数据进行显示便可得到距离方位成像结果。
接下来进行点目标仿真。五个点目标分别位于[750m，-1.5°]、[500m,0°]、 [750m,0°]、[1000m,0°]和[750m,1.5°]，幅度相同。实波束的3dB宽度约为4 度。实波束扫描成像结果如图5所示，可以看出经过实波束成像之后，同一距离门三个相近目标无法区分。但是经过空时自适应迭代超分辨算法成像处理后，五个点目标清晰可见，成像结果如图6所示。图7、图8为同一距离门(750m)处的方位向成像剖面图，图7为实波束成像剖面结果，无法区分开三个目标，图8 为空时自适应迭代超分辨算法成像剖面结果，同一距离门的三个目标成像后分别位于-1.5°、0°和1.5°处。由此证明该算法可以有效区分主瓣中的多个目标，为机载雷达前视成像提供了可行性。
选取高分辨率SAR图像作为地面模拟场景，模拟场景是机场跑道区域，目标场景图如图9所示，以此生成雷达回波。图10为目标场景成像结果对比，图 10(a)为实波束成像结果，可以看出，角分辨率较低，无法对点目标进行分辨，并且面目标轮廓特征模糊。图10(b)、(c)均采用自适应迭代超分辨算法成像，但是图10(b)基于空域一维回波进行自适应迭代超分辨成像，为迭代5次后的成像结果。图10(c)为空时二维回波迭代5次后的成像结果。从成像结果可以看出，图(b)方位向分辨率已有较大提升，但是图(c)相较于图(b)跑道分辨率更加明显，强散射目标清晰可见，房顶等面目标轮廓更加分明，证明了该算法的有效性。证明了在采用多通道技术的同时，有效利用机载前视成像中，雷达与目标之间相对运动产生的多普勒频率信息，可以更加地精确重建成像的场景。图11为图10投影到大地坐标系下的最终重构结果，图11(a)为空域自适应迭代超分辨成像，图 11(b)为空时自适应迭代超分辨成像。

Claims (6)

1.一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其特征在于，包括以下步骤：
(1)构建空时二维信号接收模型：采用机载前视阵列雷达获取多通道回波，雷达工作于步进扫描模式，在每个相干脉冲间隔对同一方位发射若干个相干脉冲，对回波采样获得距离-脉冲-阵列三维回波数据；
(2)根据脉冲压缩后的多通道数据构造各个距离-方位单元对应的空时快拍信号；计算每个方位角对应的空时导引矢量，构成空时导引矢量矩阵；
(3)逐距离-方位单元处理，将空时导引矢量矩阵作为初始权矢量对空时快拍进行处理，得到迭代初值；基于最小均方误差准则建立代价函数，计算化简得到权矢量表达式；随后代入迭代初值开始迭代过程，通过不断迭代更新当前权矢量使其逼近最优，得到最终权矢量；利用最终权矢量对空时快拍进行加权处理，计算该距离-方位单元空时快拍对应的超分辨谱曲线；
(4)根据载机运动速度和天线扫描参数，将每个距离-方位单元的超分辨谱曲线进行方位谱拼接，即实现谱曲线在距离-方位域的累积，最终形成距离方位成像图像。
2.根据权利要求1所述的一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其特征在于，所述步骤(1)实现过程如下：采用沿方位向的水平阵列天线接收多通道回波，以此获得空间采样；雷达工作于步进扫描模式，在波束照向某一固定方位时，在一个相干脉冲间隔(CPI)内，每隔脉冲重复频率(PRF)或脉冲重复间隔(PRI)发射一线性调频脉冲(LFM)，接收若干相干脉冲以获得时间采样；波束扫描一周获得距离-脉冲-阵列三维回波数据。
3.根据权利要求1所述的一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其特征在于，所述步骤(2)实现过程如下：
根据机载阵列雷达水平阵列天线***得到的数据，进行距离向的脉冲压缩处理，选取各个阵元在每个距离-方位单元产生的二维接收数据，即可形成该距离-方位单元的空时快拍信号；对每个距离-方位单元的空时快拍信号进行堆叠，将二维矩阵变为一维向量，然后对成像区域内所有方位角度，计算其对应空时导引矢量，组合构成空时导引矢量矩阵；具体实现过程如下：
假设前方成像区域存在K个目标，并且它们相对于雷达的方位角度分别为θ1,θ2,…,θK；在一次循环扫描内，接收数据为距离-脉冲-阵列三维采样，对于某一个距离-方位单元，脉冲-阵列采样数据构成二维空时快拍：
y＝Ax+N
其中，x为从目标处反射的回波信号，N为加性高斯白噪声，独立于其它各分量；A为NM×K维空时导引矢量矩阵，A＝[a(θ1),a(θ2),…,a(θK)]，其中
Figure FDA0003388414090000021
as(θk)为由目标到达水平线性阵列的相位差组成的M×1维空间导引矢量；at(θk)为由雷达和目标之间的相对运动产生的多普勒频率组成的N×1维时间导引矢量，
Figure FDA0003388414090000022
代表Kronecker积。
4.根据权利要求1所述的一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其特征在于，所述步骤(3)实现过程如下：
对目标的反射截面积x进行精确重构，假设x的估计：
Figure FDA0003388414090000023
其中，w为待确定的权系数矩阵，y为某一个距离-方位单元的二维空时快拍，采用最小均方误差准则(MMSE)建立代价函数：
min J{||x-wHy||2}
对上式求导解得极小值点：
w＝(E{yyH})-1E{yxH}
将上式代入化简得：
w＝(APAH+RN)-1AP
其中，
Figure FDA0003388414090000024
是噪声的协方差矩阵，P是从目标处反射的回波信号x的自相关矩阵，P＝diag{p1,p2…,pK}，其中对角线元素为：
Figure FDA0003388414090000025
计算第一次估计结果，此时权值矩阵w1＝A，
Figure FDA0003388414090000026
基于此计算信号的自相关矩阵P1，然后更新权值矩阵：
w2＝(AP1AH+RN)-1AP1
得到第二次的估计结果，
Figure FDA0003388414090000031
以此类推，用前一次迭代的估计值
Figure FDA0003388414090000032
计算矩阵Pk，然后代入公式更新权值矩阵wk+1；最后将新的权值矩阵应用于
Figure FDA0003388414090000033
得到新的估计值，即迭代表达式为：
wk+1＝(APkAH+RN)-1APk
Figure FDA0003388414090000034
其中回波的自相关矩阵R＝APkAH不依赖于大量的快拍数据，而是通过迭代的方式得到。
5.根据权利要求1所述的一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其特征在于，步骤(4)所述扫描参数包括波束扫描范围和波束扫描速度。
6.根据权利要求1所述的一种用于机载前视阵列雷达的空时自适应迭代超分辨成像方法，其特征在于，所述步骤(4)实现过程如下：
将步骤(3)中得到的每个距离-方位单元空时快拍对应的方位超分辨谱曲线，对同一距离门，不同方位单元的方位超分辨谱曲线进行对应方位角度拼接，即实现谱曲线在距离-方位域的累积，对累加后存储的数据进行显示便可得到距离方位成像结果。
CN202111462165.7A 2021-12-02 2021-12-02 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法 Pending CN114545401A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111462165.7A CN114545401A (zh) 2021-12-02 2021-12-02 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111462165.7A CN114545401A (zh) 2021-12-02 2021-12-02 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法

Publications (1)

Publication Number Publication Date
CN114545401A true CN114545401A (zh) 2022-05-27

Family

ID=81669678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111462165.7A Pending CN114545401A (zh) 2021-12-02 2021-12-02 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法

Country Status (1)

Country Link
CN (1) CN114545401A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047456A (zh) * 2022-08-16 2022-09-13 中国人民解放军国防科技大学 无人驾驶车三维全景感知方法和雷达***
CN115453521A (zh) * 2022-09-05 2022-12-09 西安电子工程研究所 一种二维相扫雷达地形探测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047456A (zh) * 2022-08-16 2022-09-13 中国人民解放军国防科技大学 无人驾驶车三维全景感知方法和雷达***
CN115047456B (zh) * 2022-08-16 2022-10-25 中国人民解放军国防科技大学 无人驾驶车三维全景感知方法和雷达***
CN115453521A (zh) * 2022-09-05 2022-12-09 西安电子工程研究所 一种二维相扫雷达地形探测方法
CN115453521B (zh) * 2022-09-05 2024-05-24 西安电子工程研究所 一种二维相扫雷达地形探测方法

Similar Documents

Publication Publication Date Title
EP3589970B1 (en) Method and system for obtaining an adaptive angle-doppler ambiguity function in mimo radars
US7038618B2 (en) Method and apparatus for performing bistatic radar functions
CN107957574B (zh) 基于ifft和混合匹配追踪的时分地基mimo滑坡雷达成像方法
US6720910B2 (en) Pri-staggered post-doppler adaptive monopulse processing for detection and location of a moving target in ground clutter
CN109765529B (zh) 一种基于数字波束形成的毫米波雷达抗干扰方法及***
CN114545401A (zh) 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法
CN111007503B (zh) 基于频率谱精确定位的运动目标聚焦和定位方法及***
CN109324322A (zh) 一种基于被动相控阵天线的测向与目标识别方法
Mertens et al. Exploiting Doppler blind zone information for ground moving target tracking with bistatic airborne radar
CN104898119A (zh) 一种基于相关函数的动目标参数估计方法
CN113687356B (zh) 一种机载多通道圆迹sar运动目标检测与估计方法
CN113238225B (zh) 一种用于动目标检测的雷达
CN112904326B (zh) 一种基于虚拟孔径的星载无源定位方法
CN104166129A (zh) 一种实波束雷达迭代最小均方误差角超分辨方法
CN108107427A (zh) 基于超分辨技术的机载/弹载阵列雷达前视成像方法
Chen et al. A new super-resolution 3D-SAR imaging method based on MUSIC algorithm
Rahman Focusing moving targets using range migration algorithm in ultra wideband low frequency synthetic aperture radar
Wang et al. Clutter suppression and moving target imaging approach for multichannel hypersonic vehicle borne radar
CN110412586A (zh) 一种基于相控发射和聚束成像的水下目标探查方法
Li et al. Vehicular MIMO SAR imaging in multipath environments
Li et al. DOA estimation for echo signals and experimental results in the AM radio-based passive radar
CN111175745B (zh) 一种基于状态空间平衡法的动目标三维成像的方法
CN109597034B (zh) 一种基于欧几里得距离的空时自适应处理方法
CN115015925A (zh) 基于改进匹配追踪的机载阵列雷达超分辨前视成像方法及装置
Thammakhoune et al. Moving target imaging for synthetic aperture radar via RPCA

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