CN115079171A - 基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法 - Google Patents
基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法 Download PDFInfo
- Publication number
- CN115079171A CN115079171A CN202210711111.8A CN202210711111A CN115079171A CN 115079171 A CN115079171 A CN 115079171A CN 202210711111 A CN202210711111 A CN 202210711111A CN 115079171 A CN115079171 A CN 115079171A
- Authority
- CN
- China
- Prior art keywords
- norm
- processing
- synthetic aperture
- aperture radar
- inverse synthetic
- 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
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
- G01S13/9004—SAR image acquisition 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
- 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]
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
本发明公开了一种基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法,其包括如下步骤:对逆合成孔径雷达ISAR接收到的稀疏回波信号,进行距离压缩处理;用相邻相关法对距离压缩处理的回波信号进行包络对齐处理;用多特显点综合法对包络对齐后的回波信号进行相位矫正处理;对相位补偿后的回波信号,建立基于混合范数自适应稀疏约束的逆合成孔径雷达成像最优化代价函数,利用拟牛顿法最优化代价函数进行求解得到重建的全孔径回波信号;对上述所得的全孔径回波信号,进行快速傅里叶变换实现逆合成孔径雷达的高分辨距离多普勒成像。l20混合范数结合了l2范数和l0范数的优点,优化了模型的收敛性,提高了模型求解的计算速度。
Description
技术领域
本发明属于通信技术领域,更进一步涉及雷达信号处理领域中多功能雷达***的基于混合范数的可自适应的稀疏约束逆合成孔径雷达(Inverse Synthetic ApertureRadar,ISAR)成像方法。本发明可用于逆合成孔径雷达短相干处理时间下目标的高分辨成像处理。
背景技术
逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像属于高分辨成像技术,其距离分辨率是通过发射宽带信号来提高的,方位分辨率的提高则是依靠雷达和目标之间的相对运动形成合成阵列来实现的。在实际应用中,由于环境因素和噪声干扰,长相干时间处理(coherent processing interval,CPI)观测缺乏稳定性,无法确保回波数据的准确性和可靠性。相较而言,短CPI采样观测时可以将目标运动看作平稳运动,采样获得的数据更加稳定且可靠,处理更加简单。利用有限的短孔径数据来实现高分辨的逆合成孔径雷达ISAR成像是多功能雷达***的关键。
陈倩倩,张磊,徐刚,邢孟道,保铮在论文“利用多通道联合稀疏重建的干涉逆合成孔径雷达三维成像算法”(《西安交通大学学报》)中提到一种基于l1范数的ISAR高分辨成像方法。该方法的具体步骤为:对逆合成孔径雷达ISAR回波数据进行距离压缩、运动补偿及越距离单元徙动校正后得到信号的复矩阵,然后通过高斯随机矩阵对该复矩阵进行降维处理,最后通过求解l1范数的最优化方程实现对目标的逆合成孔径雷达ISAR成像,该方法虽然基于稀疏先验特性实现了对目标的逆合成孔径雷达ISAR成像处理,但是该方法在实现过程中存在的不足是,因为l1范数收敛特性不够好导致算法的运算速度有一定的局限,又因为信号重建的最优化表达式中的正则化系数λ对重建精度和解的稀疏性均有影响且该系数需要根据噪声方差σ和拉普拉斯系数η进行调试,寻找最优系数的过程比较繁琐,耗时又长且精确性无法保证。
发明内容
本发明针对上述现有技术中的稀疏约束ISAR高分辨成像算法运算速度慢和参数寻找繁琐且不精确的问题提出了一种基于l20范数可自适应的稀疏约束ISAR高分辨成像算法。该算法利用观测样本信息、噪声及目标的统计信息来推导研究如何在存在噪声的情况下,当观测方式为短CPI采样时,将精确运动补偿后的稀疏孔径信号重构为全孔径信号来实现高分辨的逆合成孔径雷达ISAR成像,实现目标图像精确、高效恢复。
为实现本发明的目的,本发明的技术思路是:通过解线频调对逆合成孔径雷达ISAR接收到的回波信号,进行距离压缩处理并进行运动补偿,结合l20范数对补偿后的信号构建和需要重建的最终目标建立最优化关系,利用拟牛顿法对上述最优化关系代价函数进行求解,得到目标信号的高分辨成像结果。
为实现上述目的,本发明涉及的基于l20混合范数自适应稀疏约束的ISAR高分辨成像方法,包括以下步骤:
(1)距离压缩:
对逆合成孔径雷达ISAR接收到的稀疏回波信号,进行距离压缩处理,得到距离压缩处理的回波信号;
(2)包络对齐:
用相邻相关法对距离压缩处理的回波信号进行包络对齐处理,得到包络对齐处理的回波信号;
(3)相位补偿:
用多特显点综合法对包络对齐后的回波信号进行相位矫正处理,得到相位补偿后的回波信号;
(4)重构短孔径回波信号:
基于ISAR的稀疏性,结合噪声的高斯概率分布密度和信号的拉普拉斯概率密度关系运用最大后验概率估计建立信号重建的最优化代价函数,利用拟牛顿算法,对最优化代价函数进行求解得到重建后的全孔径回波信号;
(5)距离多普勒成像:
对步骤4重建所得的回波信号,进行快速傅里叶变换实现逆合成孔径雷达的高分辨率距离多普勒成像。
本发明与现有的技术相比,具有以下优点:
第一,本发明利用混合范数建立稀疏约束优化模型。l20混合范数结合了l2范数和l0范数的优点,优化了模型的收敛性,提高了模型求解的计算速度。
第二,本发明中的最优化模型在任意噪声条件下,正则化系数(约束系数值λ)可以根据每次迭代的稀疏性自适应调整,只需几个迭代周期即可确定相对稳定的系数。该方法避免了根据噪声和信号的统计特性来估计最优系数的复杂过程,提高了算法的效率。
附图说明
图1为本发明的流程图;
图2为实验中使用的飞机点目标模型;
图3为现有的稀疏约束ISAR高分辨成像技术的成像结果图;
图4为本发明技术对仿真数据的成像结果图;
图5为本发明与现有的稀疏约束ISAR高分辨成像技术迭代50次的运算时间对比结果;
图6为现有的稀疏约束ISAR高分辨成像技术对实测数据的成像结果图。
图7为本发明技术对实测数据的成像结果图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照附图1,本发明的具体实施步骤如下:
步骤1,距离压缩。
第一步,对逆合成孔径雷达ISAR接收到的目标场景的回波信号作解线频调处理;一般情况下,雷达发射信号为线性调频信号s(tr)
式中,tr表示快时间;Tp为脉冲宽度;fc为载波频率;α为调制频率;rect[·]表示窗函数。
对回波信号利用解线频调进行脉冲压缩得到式
式中,βp表示目标散射系数,在目标的旋转角较小时可将其看作常数;tm表示慢时间,T表示相干处理时间长度,c表示光速,且0≤tm≤T;r0为雷达与目标旋转中心O的距离;r(tm)表示目标上的散射点p(x,y)到雷达的距离;γ为雷达发射信号波长;C为电磁波传输速度,j表示虚数单位。
第二步,对解线频调处理后的信号进行傅里叶变换,得到距离压缩处理的回波信号。
步骤2,包络对齐。
第一步,在距离压缩处理的回波信号的相邻脉冲之间做最大相关处理,对已对齐的所有包络求和,先取平均值,以平均值为标准距离时延做对齐处理;
第二步,将距离压缩处理的回波信号作傅里叶变换,得到距离压缩处理的频域信号;
第三步,用第二步距离压缩处理的频域信号与第一步相对距离时延对应的线性相位函数相乘,得到包络对齐处理的回波信号。
步骤3,相位补偿。
将包络对齐后的图像中信噪比较强的多个特显点综合处理,增大等效信噪比能提高初相误差的估计精度
第一步,从包络对齐后的图像里挑出L个特显点单元,去除其中因多普勒频率不同产生的随慢时间变化的相位分量,以将各距离单元的横向像峰值移至图像中心。选择标准是:从距离单元中选出特显点单元,每一个单元中只有一个明显的目标点。
第二步,估计并补偿各特显点中的起始相位。
第三步,运用加权最小二乘法(WLS)对特显点补偿后的信号方程做加权和,起伏分量小的予以大的权重;反之,予以小的权重。以上就可得到好的效果。
步骤4,重构短孔径回波信号。
对相位补偿后的回波信号,建立基于混合范数自适应稀疏约束的逆合成孔径雷达成像最优化代价函数
式中,S是短CPI观测时所得的观测矩阵,大小为 为采样脉冲总数,N表示距离像的采样点数;A表示需要重构的观测目标,大小为M×N,M为全孔径观测下信号发射的脉冲数;F表示部分傅里叶变换矩阵,大小为且Am为矩阵A的第m行向量;β>0;λn表示第n次迭代自适应估计的约束系数,||·||2表示向量的l2范数,表示向量范数的平方值。
λn+1=|An|k+1/u
采用拟牛顿算法,对上述最优化代价函数进行求解,获得重建的ISAR回波信号。
步骤5,距离多普勒成像。
对重建后的全孔径回波信号进行快速傅里叶变换,实现逆合成孔径雷达的高分辨率距离多普勒成像。
发明成果验证
在这一部分中,我们使用仿真数据和实测数据来验证算法的运行效果。在验证过程中,将本专利提出的算法与基于l1范数的成像算法进行了比较。采用上述两种算法对不同噪声条件下的数据进行计算,并对结果进行比较。
1、仿真数据处理实验:
在仿真实验中,所使用的飞机模型为70×60×9,由330个离散点组成。实验中使用的飞机点目标模型如图2所示。
雷达***仿真参数如下:载频fc为9.6GHz,短CPI观测下T为0.64s,r0为10000m,βp为1。
通过在回波信号中加入高斯白噪声来设置不同的信噪比(4-20dB)。仿真过程中,首先对为64的脉冲回波信号进行距离压缩,然后进行包络对齐和相位补偿,随后对相位补偿后的回波信号离散化建立最优化代价函数,利用拟牛顿算法完成M为256的全孔径回波信号的重建,最后进行快速傅里叶变换实现ISAR的超分辨率成像。
下式相关系数,可以作为指标说明算法重构的准确性。
其中,为全孔径回波数据成像所得的图像,为算法重构所得的ISAR图像,|·|表示模长,||·||表示l2范数。Ccoef的值越大,说明算法重建所得的全孔径数据和原始数据越接近,即该算法的重建精度越高,反之亦然。
在加入高斯白噪声的情况下,对两种算法进行了测试和比较。以5dB的信噪比为例,两种算法得到的成像结果分别如图3和图4所示。通过50次重建实验所计算的相关系数可以证明,两种方法的相关系数相差不大,图3Ccoef值为0.7851,图4Ccoef值为0.7831,说明本发明同样具有高精确的重建精度。
然而,在图3中,迭代次数达到500次退出循环,且并没有达到迭代循环所设置的收敛门限阈值,耗时326.19s。在图4中,经过26次迭代就得到稳定的约束系数值λ=0.0045,经过131次迭代就达到所设置的循环收敛门限阈值,耗时209.5215s。由此可见,本专利算法的重建精度与基于l1范数稀疏约束算法的精度相差不大,但是运算效率高于l1范数。
在不同噪声条件下,采用两种高分辨率成像算法进行操作。迭代50次的运算时间对比结果如图5所示,在图中,黑色虚线为原算法所需的运行时间,红色虚线为本专利算法所需的运行时间。总的来说,本专利提出的基于混合范数的自适应稀疏约束算法在不同信噪比下的运行时间要小于经典原算法。
2、实测数据处理实验:
雷达载频9GHz,信号带宽400MHz,脉冲重复频率100Hz,目标速度100m/s,旋转角速度0.013rad/s。参数设置、数据处理与仿真数据处理相同。
图6为基于l1范数稀疏约束的高分辨率成像算法运行结果。本专利得到的基于l2,0混合范数的改进高分辨率成像算法运行结果如图7所示。基于l1范数算法的运算时间为542.6968s,本专利算法的运算时间为411.1321s。可以看出,在实测数据下,本专利算法的运行效率要高于原算法。
Claims (5)
1.基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法,其特征在于,包括如下步骤:
(1)距离压缩:
对逆合成孔径雷达ISAR接收到的稀疏回波信号,进行距离压缩处理,得到距离压缩处理的回波信号;
(2)包络对齐:
用相邻相关法对距离压缩处理的回波信号进行包络对齐处理,得到包络对齐处理的回波信号;
(3)相位补偿:
用多特显点综合法对包络对齐后的回波信号进行相位矫正处理,得到相位补偿后的回波信号;
(4)重构短孔径回波信号:
结合l20混合范数利用ISAR的稀疏性建立稀疏字典构建采样信号和需要重建信号的关系,结合噪声的高斯概率分布密度和信号的拉普拉斯概率密度关系运用最大后验概率估计建立信号重建的最优化代价函数,利用拟牛顿法最优化代价函数进行求解得到重建的全孔径回波信号;
(5)距离多普勒成像:
对上述所得的全孔径回波信号,进行快速傅里叶变换实现逆合成孔径雷达的高分辨距离多普勒成像。
2.根据权利要求1所述的基于混合范数的可自适应的稀疏约束逆合成孔径雷达成像方法,其特征在于,步骤(1)所述距离压缩处理的具体步骤如下:
第一步,对逆合成孔径雷达ISAR接收到的目标场景的回波信号作解线频调处理;
第二步,对解线频调处理后的信号进行傅里叶变换,得到距离压缩处理的回波信号。
3.根据权利要求1所述的基于混合范数的可自适应的稀疏约束逆合成孔径雷达成像方法,其特征在于,步骤(2)所述包络对齐处理的具体步骤如下:
第一步,在距离压缩处理的回波信号的相邻脉冲之间做最大相关处理,对已对齐的所有包络求和,先取平均值,以平均值为标准距离时延做对齐处理;
第二步,将距离压缩处理的回波信号作傅里叶变换,得到距离压缩处理的频域信号;
第三步,用第二步距离压缩处理的频域信号与第一步相对距离时延对应的线性相位函数相乘,得到包络对齐处理的回波信号。
4.根据权利要求1所述的基于混合范数的可自适应的稀疏约束逆合成孔径雷达成像方法,其特征在于,步骤(3)所述相位补偿处理的具体步骤如下:
第一步,从包络对齐后的图像里挑出L个特显点单元,去除其中因多普勒频率不同产生的随慢时间变化的相位分量,以将各距离单元的横向像峰值移至图像中心;
第二步,估计并补偿各特显点中的起始相位;
第三步,运用加权最小二乘法对特显点补偿后的信号方程做加权和,起伏分量小的予以大的权重;反之,予以小的权重。
5.根据权利要求1所述的基于混合范数的可自适应的稀疏约束逆合成孔径雷达成像方法,其特征在于,步骤(4)所述重构短孔径回波信号处理的具体步骤如下:
对相位补偿后的回波信号,建立基于混合范数自适应稀疏约束的逆合成孔径雷达成像最优化代价函数
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711111.8A CN115079171A (zh) | 2022-06-22 | 2022-06-22 | 基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711111.8A CN115079171A (zh) | 2022-06-22 | 2022-06-22 | 基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115079171A true CN115079171A (zh) | 2022-09-20 |
Family
ID=83252802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210711111.8A Pending CN115079171A (zh) | 2022-06-22 | 2022-06-22 | 基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115079171A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449369A (zh) * | 2023-06-16 | 2023-07-18 | 四川杰诺创科技有限公司 | 一种基于多范数约束的逆合成孔径雷达成像方法 |
CN117289276A (zh) * | 2023-11-24 | 2023-12-26 | 航天宏图信息技术股份有限公司 | Sar图像的处理方法、装置、电子设备和存储介质 |
-
2022
- 2022-06-22 CN CN202210711111.8A patent/CN115079171A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449369A (zh) * | 2023-06-16 | 2023-07-18 | 四川杰诺创科技有限公司 | 一种基于多范数约束的逆合成孔径雷达成像方法 |
CN116449369B (zh) * | 2023-06-16 | 2023-08-15 | 四川杰诺创科技有限公司 | 一种基于多范数约束的逆合成孔径雷达成像方法 |
CN117289276A (zh) * | 2023-11-24 | 2023-12-26 | 航天宏图信息技术股份有限公司 | Sar图像的处理方法、装置、电子设备和存储介质 |
CN117289276B (zh) * | 2023-11-24 | 2024-02-27 | 航天宏图信息技术股份有限公司 | Sar图像的处理方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132535B (zh) | 基于变分贝叶斯学习算法的isar稀疏频带成像方法 | |
CN109100718B (zh) | 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法 | |
CN115079171A (zh) | 基于混合范数的自适应稀疏约束逆合成孔径雷达成像方法 | |
US7535412B1 (en) | Single pulse imaging radar system and method | |
JP2010535344A (ja) | パラメトリック時間領域手法を用いた地上反射波軽減 | |
CN109507666B (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
CN110726992B (zh) | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN108646247B (zh) | 基于伽马过程线性回归的逆合成孔径雷达成像方法 | |
CN110146881B (zh) | 一种基于改进全变差的扫描雷达超分辨成像方法 | |
CN108562884A (zh) | 一种基于最大后验概率的机载前视海面目标角超分辨方法 | |
CN112859075B (zh) | 多频带isar融合高分辨成像方法 | |
CN113534151B (zh) | 基于离网稀疏贝叶斯学习的双频段isar成像方法 | |
CN115616518A (zh) | 宽带雷达微弱目标运动参数估计与高分辨距离像重构方法 | |
CN113484859B (zh) | 一种基于融合技术的二维超分辨雷达成像方法 | |
CN115453528A (zh) | 基于快速sbl算法实现分段观测isar高分辨成像方法及装置 | |
CN108919263B (zh) | 基于最大互信息准则的isar高分辨成像方法 | |
CN108562901B (zh) | 基于最大信杂噪比准则的isar高分辨成像方法 | |
Hou et al. | Sparse coding-inspired high-resolution ISAR imaging using multistage compressive sensing | |
CN114488055A (zh) | 一种适用于载频重频联合捷变雷达的相参处理方法 | |
CN115421115B (zh) | 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 | |
CN116027293A (zh) | 一种扫描雷达快速稀疏角超分辨方法 | |
CN113985407B (zh) | 一种基于解耦原子范数最小化的高精度多带融合方法 | |
CN113466865A (zh) | 联合模式耦合稀疏贝叶斯学习超分辨isar成像算法 | |
CN114910905A (zh) | 相似性约束下geo星机双基sar动目标智能成像方法 |
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 |