KR101024123B1 - Method for radar imaging autofocus based on entropy of eigenvectors - Google Patents
Method for radar imaging autofocus based on entropy of eigenvectors Download PDFInfo
- Publication number
- KR101024123B1 KR101024123B1 KR1020080126624A KR20080126624A KR101024123B1 KR 101024123 B1 KR101024123 B1 KR 101024123B1 KR 1020080126624 A KR1020080126624 A KR 1020080126624A KR 20080126624 A KR20080126624 A KR 20080126624A KR 101024123 B1 KR101024123 B1 KR 101024123B1
- Authority
- KR
- South Korea
- Prior art keywords
- matrix
- radar
- phase error
- entropy
- eigenvector
- Prior art date
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
- G01S13/9019—Auto-focussing of the SAR signals
-
- 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
- G01S13/895—Side looking radar [SLR]
-
- 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
- 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
- G01S7/40—Means for monitoring or calibrating
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
본 발명은, (a) 이동하는 표적 측으로 송신된 후 표적로부터 반사된 복수 개의 펄스들을 포함한 레이더 신호를 수신하는 단계; (b) 수신된 복수 개의 펄스들을 거리 방향으로 압축하여 1차원 레이더 영상인 복수 개의 레인지 프로파일(Range profile)들을 생성하고, 레인지 프로파일들을 각각 거리정렬하는 단계; (c) 거리정렬이 수행된 레이더 신호로부터 얻어진 초기행렬로부터 공분산행렬을 연산하는 단계; (d) 공분산행렬을 고유값 분해하여, 고유벡터들을 포함한 고유벡터행렬과 고유값들을 포함한 고유값행렬을 각각 연산하는 단계; (e) 고유값들 중 크기가 큰 개의 고유값에 대응되는 개의 고유벡터들을 이용하여 신규 고유벡터행렬을 계산한 후 푸리에 또는 역푸리에 변환하여, 아이젠 프로파일(Eigen Profile)들을 포함한 영상행렬을 생성하는 단계; (f) 영상행렬의 엔트로피를 최소화하는 위상오차를 추정하는 단계; 및 (g) 추정된 위상오차를 초기행렬에 적용한 후 푸리에 또는 역푸리에 변환하여, 위상오차가 제거된 레이더 영상을 생성하는 단계;를 포함하는, 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법을 제공한다.The present invention comprises the steps of: (a) receiving a radar signal comprising a plurality of pulses reflected from the target after being transmitted to the moving target side; (b) compressing the plurality of received pulses in a distance direction to generate a plurality of range profiles, which are one-dimensional radar images, and distance-aligning the range profiles, respectively; (c) calculating a covariance matrix from an initial matrix obtained from the radar signal on which the distance alignment is performed; (d) eigenvalue decomposition of the covariance matrix to compute an eigenvector matrix including eigenvectors and an eigenvalue matrix including eigenvalues, respectively; (e) the larger of the eigenvalues Corresponding to eigenvalues Calculating a new eigenvector matrix using the four eigenvectors and then performing Fourier or inverse Fourier transform to generate an image matrix including Eigen Profiles; (f) estimating a phase error that minimizes entropy of the image matrix; And (g) applying the estimated phase error to an initial matrix and then performing Fourier or inverse Fourier transform to generate a radar image from which phase error has been removed. .
상기 레이더 영상 자동초점 방법에 따르면, 레이더 신호의 고유벡터 엔트로피를 이용하여 위상오차를 추정함으로써 계산시간을 단축시키며 잡음에 강인하다.According to the radar image autofocus method, the phase error is estimated by using the eigenvector entropy of the radar signal, which shortens the calculation time and is robust to noise.
Description
본 발명은, 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법에 관한 것으로서, 보다 상세하게는 취득된 레이더 영상에 대하여 표적의 이동에 따른 위상오차를 보정하여 보다 뚜렷한 레이더 영상을 얻기 위한, 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법에 관한 것이다.The present invention relates to a radar image autofocus method based on eigenvector entropy. More particularly, the present invention relates to an eigenvector entropy for correcting a phase error according to the movement of a target with respect to an acquired radar image to obtain a clearer radar image. A radar image autofocus method is based.
고전적인 개념의 레이더 기능은 표적으로부터 반사되는 신호를 수신하여 주로 표적의 존재 여부, 거리, 방위, 속도 등의 정보를 추정하는 데 있었다. 최근에는 전자공학 기술의 발달로 레이더 신호를 코히어런트(coherent)하게 송수신할 수 있는 기술이 가능해졌다. 즉, 송신 신호와 반사 신호의 위상 차이를 측정할 수 있게 되었다. 또한, 초고주파 부품 기술의 발달로 인하여 광대역 주파수 대역을 갖는 레이더가 개발되고 있다. 또한, 최근 컴퓨터 기술의 발전으로 인하여 대용량의 데이터를 처리할 수 있게 되었고, 연산 속도도 비약적으로 증가하였다. 이러한 다양한 기술의 발전으로 레이더의 기능도 향상을 거듭하여 최근에는 표적에 대한 2차원 및 3차원 레이더 영상을 제작할 수 있게 되었다. The classical concept of radar was to receive the signal reflected from the target and to estimate information such as the presence, distance, orientation, and speed of the target. In recent years, advances in electronics technology have made it possible to coherently transmit and receive radar signals. That is, the phase difference between the transmission signal and the reflected signal can be measured. In addition, due to the development of ultra-high frequency component technology, a radar having a wide frequency band has been developed. In addition, recent advances in computer technology have made it possible to process large amounts of data, and computation speed has increased dramatically. The development of these various technologies has improved the function of radar, and recently, it has been possible to produce two-dimensional and three-dimensional radar images of targets.
일반적으로 표적에 대한 2차원 레이더 영상으로는 SAR(synthetic aperture radar) 영상과 ISAR(inverse synthetic aperture radar) 영상이 있다. 도 1을 참조하면, SAR은 레이더 플랫폼이 이동하면서 고정된 표적에 대한 레이더 영상을 얻는 개념이다. 대부분의 SAR 시스템은 항공기나 위성에 레이더를 부착한 후, 항공기나 위성이 이동하면서 상기 레이더를 통해 지상에 대한 2차원 레이더 영상을 얻는다.In general, two-dimensional radar images of a target include synthetic aperture radar (SAR) images and inverse synthetic aperture radar (ISAR) images. Referring to FIG. 1, SAR is a concept of obtaining a radar image of a fixed target while the radar platform moves. Most SAR systems attach a radar to an aircraft or satellite and then use the radar to obtain a two-dimensional radar image of the ground as the aircraft or satellite moves.
SAR 시스템의 개념과는 반대로, 레이더 플랫폼은 고정되어 있고 이동하는 표적에 대한 레이더 영상을 얻는 시스템을 ISAR라고 한다. 도 2를 참조하면, ISAR 시스템에서는 표적이 임의로 이동할 수 있고, 레이더와 표적간의 상대적인 이동을 이용하여 레이더 영상을 만든다.Contrary to the concept of the SAR system, the radar platform is called ISAR, a system that obtains radar imagery for fixed and moving targets. Referring to FIG. 2, in the ISAR system, a target may move arbitrarily, and a radar image is generated by using a relative movement between the radar and the target.
ISAR 영상의 경우에는 표적과 레이더 간의 상대적인 각도 변화에 따른 표적에 반사신호를 신호처리하여 얻는다. 그러나, 표적이 임의로 이동하는 현상에 의해 발생하는 수신신호의 위상오차로 인해 ISAR 영상이 흐려지거나 왜곡된다. 표적이 이동하는 속도 때문에 수신된 신호의 주파수가 변하는 현상을 도플러 효과(Doppler effect)라고 하며, 이 도플러 효과에 의하여 수신 신호에 위상오차가 발생한다.In the case of the ISAR image, the reflection signal is obtained from the target signal according to the change of the relative angle between the target and the radar. However, the ISAR image is blurred or distorted due to the phase error of the received signal caused by the random movement of the target. The phenomenon in which the frequency of the received signal changes due to the speed at which the target moves is called a Doppler effect, which causes a phase error in the received signal.
SAR 영상의 경우에는 항공기나 위성이 미리 예정된 선형 궤적을 비행한다고 가정하고 레이더 영상을 만든다. 그러나, 보통 항공기는 기류의 변화에 의하여 원하는 궤적을 비행하지 못하며, 이로 인해 위상오차가 발생하게 되고, 이는 SAR 영상에 왜곡 및 흐려짐을 야기시킨다. In the case of SAR images, a radar image is generated assuming that an aircraft or satellite is flying a predetermined linear trajectory. Normally, however, aircraft do not fly the desired trajectory due to changes in airflow, which causes phase error, which causes distortion and blur in the SAR image.
상기 위상오차를 제거하여 SAR 영상 또는 ISAR 영상의 왜곡 및 흐려짐을 개선하기 위한 신호처리 기법을 자동초점기법(autofocus technique) 또는 요동보상기 법(motion compensation technique)이라고 한다. A signal processing technique for removing the phase error to improve distortion and blur of a SAR image or an ISAR image is called an autofocus technique or a motion compensation technique.
자동초점기법은 크게 거리정렬(range bin alignment) 과정과 위상보정(phase adjustment) 과정으로 나뉜다. 거리정렬과정은 레이더와 표적 사이의 거리를 일정하게 같은 값으로 정렬하는 과정으로서, 1차원 레이더 영상인 레인지 프로파일(range profile) 사이의 상관도(correlation)를 이용한 방법, 스펙트럼 영역 위상 차이를 이용한 방법 등이 있다. 위상보정 과정은 거리정렬 과정에서 보상되지 않은 위상오차를 제거한다. 위상보정 기법에는 도플러 중심 트래킹(Doppler centroid tracking) 기법, 위상 기울기 자동초점(PGA;phase gradient autofocus) 기법, 주요 점 처리(PPP;prominent point processing) 기법 등이 있다. 이러한 방법들은 위상오차를 수학적으로 모델링한 후 모델 변수를 추출하므로, 위상오차의 실제 물리적 모델과 수학적 모델 사이에 오차가 있으면 잘 동작하지 않는다.Autofocus technique is divided into range bin alignment process and phase adjustment process. The distance alignment process is a process of aligning the distance between the radar and the target to the same value, using a correlation between the range profile, which is a one-dimensional radar image, and using a spectral domain phase difference. Etc. The phase correction process eliminates uncompensated phase errors in the distance alignment process. Phase correction techniques include Doppler centroid tracking, phase gradient autofocus (PGA), and prominent point processing (PPP). These methods extract the model variables after mathematically modeling the phase error, so if there is an error between the actual physical model and the mathematical model of the phase error, it does not work well.
이를 극복하기 위해, 위상오차를 수학적으로 모델링하지 않고 각 레인지 프로파일(range profile)의 위상오차를 직접 추정하는 방법이 있다. 주로 레이더 영상의 품질에 관련된 수치적인 지표인 대비(contrast) 및 엔트로피(entropy)를 비용함수(cost function)로 하여, 이를 최소화하도록 위상오차를 추정하는 방법이다. 이러한 방법들은 고품질의 레이더 영상을 얻을 수 있는 장점이 있으나, 비용함수를 최소화하는데 필요한 계산 시간이 증가하는 문제점이 있다.To overcome this, there is a method of directly estimating the phase error of each range profile without mathematically modeling the phase error. It is a method of estimating phase error to minimize this by using contrast and entropy, which are numerical indicators related to radar image quality, as a cost function. These methods have the advantage of obtaining a high quality radar image, but there is a problem that the calculation time required to minimize the cost function is increased.
본 발명은, 레이더 신호의 고유벡터 엔트로피를 이용하여 위상오차를 추정함으로써 계산 시간을 단축시키고 잡음에 대한 강인성을 향상시킬 수 있는 레이더 영상 자동초점방법을 제공하는데 목적이 있다.SUMMARY OF THE INVENTION An object of the present invention is to provide a radar image autofocus method capable of shortening a calculation time and improving robustness against noise by estimating a phase error using an eigenvector entropy of a radar signal.
본 발명은, (a) 이동하는 표적 측으로 송신된 후 상기 표적로부터 반사된 복수 개의 펄스들을 포함한 레이더 신호를 수신하는 단계; (b) 상기 수신된 복수 개의 펄스들을 거리 방향으로 압축하여 1차원 레이더 영상인 복수 개의 레인지 프로파일(Range profile)들을 생성하고, 상기 레인지 프로파일들을 각각 거리정렬하는 단계; (c) 상기 거리정렬이 수행된 레이더 신호로부터 얻어진 초기행렬로부터 공분산행렬을 연산하는 단계; (d) 상기 공분산행렬을 고유값 분해하여, 고유벡터들을 포함한 고유벡터행렬과 고유값들을 포함한 고유값행렬을 각각 연산하는 단계; (e) 상기 고유값들 중 크기가 큰 개의 고유값에 대응되는 개의 고유벡터들을 이용하여 신규 고유벡터행렬을 계산한 후 푸리에 또는 역푸리에 변환하여, 아이젠 프로파일(Eigen Profile)들을 포함한 영상행렬을 생성하는 단계; (f) 상기 영상행렬의 엔트로피(Entropy)를 최소화하는 위상오차를 추정하는 단계; 및 (g) 상기 추정된 위상오차를 상기 초기행렬에 적용한 후 푸리에 또는 역푸리에 변환하여, 위상오차가 제거된 레이더 영상을 생성하는 단계;를 포함하는, 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법을 제공한다.The present invention comprises the steps of: (a) receiving a radar signal comprising a plurality of pulses reflected from the target after being transmitted to a moving target side; (b) compressing the received plurality of pulses in a distance direction to generate a plurality of range profiles, which are one-dimensional radar images, and distance-aligning the range profiles, respectively; (c) calculating a covariance matrix from an initial matrix obtained from the radar signal on which the distance alignment is performed; (d) calculating eigenvalue decomposition of the covariance matrix, and computing eigenvector matrices including eigenvectors and eigenvalue matrices including eigenvalues, respectively; (e) the larger of the eigenvalues Corresponding to eigenvalues Calculating a new eigenvector matrix using the four eigenvectors and then performing Fourier or inverse Fourier transform to generate an image matrix including Eigen Profiles; (f) estimating a phase error that minimizes entropy of the image matrix; And (g) generating a radar image from which the phase error is removed by applying the estimated phase error to the initial matrix and performing Fourier or inverse Fourier transform. to provide.
본 발명에 따른 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법에 따르면, 표적에 대하여 수신된 레이더 신호의 공분산행렬의 고유벡터를 계산한 후, 고유벡터의 엔트로피를 비용함수로 하여 위상오차를 추정함으로써 계산시간을 단축시킬 수 있으며 잡음에 강인한 이점이 있다.According to the radar image autofocus method based on the eigenvector entropy according to the present invention, after calculating the eigenvector of the covariance matrix of the radar signal received for the target, it is calculated by estimating the phase error using the entropy of the eigenvector as a cost function It can save time and has the advantage of being robust against noise.
도 4는 본 발명의 실시예에 따른 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법의 흐름도이다. 상세한 설명에 앞서, 상기 자동초점 방법의 일련의 과정(S100~S190)은, 표적으로부터 레이더 신호를 수신받아 이에 대응되는 레이더 영상을 생성하는 통상의 레이더장치(미도시) 주체를 통해 수행 가능함은 자명하다. 이하에서는 도 4를 참조로 하여, 상기 고유벡터 엔트로피에 기초한 영상 자동초점 방법에 관하여 보다 상세히 설명하고자 한다. 4 is a flowchart of a radar image autofocus method based on eigenvector entropy according to an embodiment of the present invention. Prior to the detailed description, it is apparent that a series of processes (S100 to S190) of the autofocus method may be performed by a general radar apparatus (not shown) subject that receives a radar signal from a target and generates a radar image corresponding thereto. Do. Hereinafter, an image autofocus method based on the eigenvector entropy will be described in more detail with reference to FIG. 4.
먼저, 이동하는 표적 측으로 송신된 후 상기 표적로부터 반사된 복수 개의 펄스들을 포함한 레이더 신호를 수신한다(S100). 더 상세하게는, 이동하는 표적 측으로 복수 개의 펄스들을 포함한 레이더 신호를 송신한 후, 표적으로부터 반사된 레이더 신호를 다시 수신한다.First, a radar signal including a plurality of pulses reflected from the target after being transmitted to the moving target side is received (S100). More specifically, after transmitting the radar signal including a plurality of pulses to the moving target side, and receives the radar signal reflected from the target again.
다음으로, 상기 수신된 복수 개의 펄스들을, 거리 방향(Down-range)에 대해 압축하여 1차원 레이더 영상인 복수 개의 레인지 프로파일(Range profile)들을 생성하고(S110), 상기 레인지 프로파일들을 각각 거리정렬한다(S120).Next, the received plurality of pulses are compressed in a down-range to generate a plurality of range profiles, which are one-dimensional radar images (S110), and the range profiles are respectively distance aligned. (S120).
상기 S110 단계에서, 처프(Chirp) 파형을 사용하는 레이더 신호의 경우는 정합필터링(Matching filtering)을 수행하고, 스텝주파수(Stepped frequency) 파형을 사용하는 레이더 신호의 경우는 역푸리에 변환을 수행함으로써, 상기 거리 방향의 압축을 실시하고 그에 따른 상기 레인지 프로파일을 얻는다.In the step S110, by matching the filtering radar signal using a chirp (Chirp) waveform (Matching filtering), in the case of a radar signal using a stepped frequency waveform (Stepped frequency) by performing an inverse Fourier transform, The distance direction is compressed and the range profile is obtained accordingly.
일반적으로, 처프 펄스를 사용한 레이더의 수신 신호는 정합필터링을 사용하여 시간 영역 1차원 레이더 영상인 레인지 프로파일을 생성한다. 그런데 상기 레이더장치가 펄스를 송신하고 수신하는 동안, 상기 표적은 이동하기 때문에, 레이더장치와 표적 간의 거리가 변하게 된다. 따라서, 표적에 대한 레인지 프로파일이 거리 방향에서 나타나는 위치는 지속적으로 변화한다. 표적에 대한 레이더 영상을 얻기 위해서는 이러한 레이더장치와 표적 간의 거리 변화를 제거해야 하며, 이러한 신호처리 과정을 상기 거리정렬 과정(S120)이라고 한다. In general, a received signal of a radar using chirp pulses uses matched filtering to generate a range profile, which is a time domain 1D radar image. However, since the target moves while the radar device transmits and receives a pulse, the distance between the radar device and the target changes. Thus, the position where the range profile for the target appears in the distance direction is constantly changing. In order to obtain a radar image of a target, the distance change between the radar device and the target must be removed, and this signal processing process is called the distance alignment process (S120).
SAR 영상의 경우의 레이더 장치는, 일반적으로 GPS(global positioning system)나 IMU(inertial measurement unit) 등의 센서로부터 항공기의 실제 위치 정보를 추정한 후 이를 사용하여 거리정렬을 수행한다. ISAR 영상의 경우에는 레이더장치가 고정되어 있고 표적이 임의로 이동하므로 SAR에서와 같이 다양한 센서 데이터들을 이용할 수 없다. 따라서, 주어진 레이더 수신 신호만을 이용하여 거리정렬을 수행하여야 한다. 앞서 언급한 바와 같이, 거리정렬과 관련되어 개발된 알고리즘으로는 상관도(correlation)를 이용한 방법, 스펙트럼 영역 위상 차이를 이용한 방법 등이 있다. In the case of a SAR image, a radar apparatus generally estimates actual position information of an aircraft from a sensor such as a global positioning system (GPS) or an inertial measurement unit (IMU), and then uses the same to perform distance alignment. In the case of ISAR images, the radar device is fixed and the target moves randomly, so various sensor data cannot be used as in SAR. Therefore, distance alignment must be performed using only a given radar received signal. As mentioned above, algorithms developed in relation to distance alignment include a method using correlation and a method using a spectral domain phase difference.
도 3은 이러한 거리정렬(S120)의 수행 전과 후의 표적에 대한 레인지 프로파 일의 변화를 나타낸다. 각각의 수평축은 거리 방향(Range bin)이고, 수직축은 시간의 변화에 따른 펄스 번호(Pulse number)이다. Figure 3 shows the change in the range profile for the target before and after performing such distance alignment (S120). Each horizontal axis is a range bin, and the vertical axis is a pulse number over time.
도 3의 (a)는 복수 개의 점표적(point scatterer)로 이루어진 표적으로부터 수신된 레이더 신호에 대해 상기 정합필터링 과정(S110)을 수행한 이후, 상기 거리정렬 과정(S120)을 수행하기 이전에 획득한 레인지 프로파일을 나타낸다. 이를 참조하면, 레이더장치와 표적 간의 거리가 변화함에 따라 표적이 나타나는 위치가 변화하는 것을 알 수 있다.3 (a) is obtained after performing the matching filtering process S110 on the radar signal received from a target consisting of a plurality of point scatterers, before performing the distance alignment process S120. Represents one range profile. Referring to this, it can be seen that the position at which the target appears as the distance between the radar device and the target changes.
도 3의 (b)는 거리정렬 과정(S120)을 수행한 이후의 레인지 프로파일의 변화를 보여주고 있다. 상기 거리정렬 과정에 의해, 레이더장치와 표적 간의 거리가 일정하게 유지되는 것을 알 수 있다. 3B illustrates a change in the range profile after performing the distance alignment process S120. By the distance alignment process, it can be seen that the distance between the radar device and the target is kept constant.
그런데, 상기한 거리정렬 과정을 거친 후에도 위상 오차는 존재하게 된다. 즉, 이러한 위상오차로 인하여 상술한 거리정렬 과정만으로는 고품질의 레이더 영상을 얻을 수 없으며, 이후 위상보정 과정을 수행하여야 한다.However, even after the above-described distance alignment process, a phase error exists. That is, due to such a phase error, a high quality radar image cannot be obtained only by the above-described distance alignment process, and then a phase correction process should be performed.
이를 위해, 아래의 각 단계를 거친다. 우선, 상기 거리정렬이 수행된 이후의 레이더 신호로부터 얻어진 초기행렬()로부터 공분산행렬()을 연산한다(S130). To do this, follow the steps below. First, an initial matrix obtained from the radar signal after the distance alignment is performed ( From the covariance matrix ( ) Is calculated (S130).
상기 초기행렬()은 거리정렬이 수행된 이후의 레이더 신호를 행렬로 나타낸 것으로서, 개의 수신 신호를 포함한 행렬이다. 이러한 초기행렬()은 하기의 수학식 1로 정의된다. The initial matrix ( ) Is a matrix of radar signals after distance alignment is performed. Matrix containing two received signals. This initial matrix ( ) Is defined by Equation 1 below.
[수학식 1][Equation 1]
(: 상기 거리 방향에 대한 레인지 빈(Range bin)의 개수, : 상기 수신된 펄스들의 개수, : 상기 표적의 이동에 의한 도플러 효과로 인하여 실제로 발생된 위상오차, : 상기 위상오차()가 포함된 상기 레이더 신호, : 상기 위상오차()가 포함되지 않은 것으로 가정한 경우의 상기 레이더 신호, , )( : Number of range bins for the distance direction, = Number of received pulses, : Phase error actually generated due to the Doppler effect due to the movement of the target, = Phase error ( The radar signal, = Phase error ( The radar signal, assuming that is not included, , )
여기서, 상기 초기행렬의 열방향(Down-Range)은 상기 거리 방향이다. 또한, 그 행방향(Cross-Range)은 시간 축에 해당되며 상기 표적의 이동에 따라 수신된 각 펄스 번호들을 나타낸다. 여기서는 개의 펄스들을 얻었다고 가정한 것이다.Here, the column direction (Down-Range) of the initial matrix is the distance direction. In addition, the cross-range corresponds to a time axis and represents each pulse number received according to the movement of the target. Here It is assumed that two pulses were obtained.
여기서, 상기 초기행렬의 행 방향으로 푸리에 변환을 수행하면 2차원 레이더 영상을 생성할 수 있으나, 표적의 이동에 의하여 발생한 위상오차() 때문에 상기 생성된 영상에 흐려짐 또는 왜곡이 발생된다. 이러한 문제를 해결하기 위해서는 추정된 위상오차()를 이용하여 를 재정의() 한 후, 재정의된 를 상기 초기행렬에 적용하여 위상오차를 제거한 다음, 푸리에 변환을 수행해야 한다. Here, if the Fourier transform is performed in the row direction of the initial matrix, a two-dimensional radar image may be generated, but a phase error caused by the movement of the target ( ), Blurring or distortion occurs in the generated image. To solve this problem, the estimated phase error ( ) Override ), Then overridden Is applied to the initial matrix to remove the phase error, and then Fourier transform is performed.
그런데, 를 추정하기 위해, 기존에는 레이더 영상의 엔트로피를 직접 계산하는 방식을 이용하였으며 이에 따르면 계산 시간이 다소 오래 소요되는 단점이 있다. 그러나, 제안한 자동초점 방법에서는 레이더 영상에 대한 고유벡터의 엔트로피로부터 상기 를 추정함으로써 계산 시간을 단축시킬 수 있다. By the way, In order to estimate, conventionally, a method of directly calculating entropy of a radar image has been used, and accordingly, a calculation time is somewhat longer. In the proposed autofocus method, however, the entropy of the eigenvectors for the radar image By estimating, the calculation time can be shortened.
즉, 이를 위하여 상기 초기행렬()로부터 공분산행렬(;Covariance Matrix)을 연산한다. 상기 공분산행렬()은, 각각의 레인지 빈(Range-bin)에 해당되는 초기행렬()의 열 벡터(Column Vector)를 이용하여 아래의 수학식 2로 정의 가능하다.That is, for this purpose, the initial matrix ( From the covariance matrix ( ; Covariance Matrix). The covariance matrix ( ) Is the initial matrix corresponding to each range-bin ( ) Can be defined by
[수학식 2][Equation 2]
물론, 수학식 2에서 는 행렬에 대한 켤레전치(Conjugate Transpose) 연산을 의미한다. 또한, 공분산행렬 는 의 행렬을 갖는다. Of course, in equation (2) Denotes a conjugate transpose operation on the matrix. Also, covariance matrix Is Has a matrix
상기와 같이 공분산행렬()을 연산한 이후에는, 수학식 2의 공분산행렬()을 고유값 분해(Eigen-Decomposition)하여, 고유벡터들(;Eigenvector)을 포함한 고유벡터행렬()과 고유값들(;Eigenvalue)을 포함한 고유값행렬()을 각각 수학식 3과 같이 연산한다(S140).As above, the covariance matrix ( After calculating), the covariance matrix (2) ) Are eigen-decomposition, so that the eigenvectors ( Eigenvector matrix (including; Eigenvector) ) And eigenvalues ( Eigenvalue matrix (; Eigenvalue) ) Are respectively calculated as in Equation 3 (S140).
[수학식 3]&Quot; (3) "
, ,
, ,
(: 상기 고유벡터행렬로서 상기 공분산행렬()의 고유벡터들인 를 열벡터로 갖는 정방행렬, : 상기 고유값행렬로서 공분산행렬()의 고유값들인 를 대각성분으로 갖고 나머지 원소는 모두 0인 대각행렬(), )( Is the eigenvector matrix, )of Eigenvectors Square matrix with, = Covariance matrix as the eigenvalue matrix Eigenvalues Is a diagonal component with the rest of the elements being zero. )
여기서, 상기 고유값들()은 하기의 수학식 4와 같이 크기가 큰 순서대로 정렬되고, 상기 고유벡터들()은 상기 고유값들()의 크기에 대응되도록 정렬되어 있다고 가정한다. 즉, 고유값들은 아래의 부등식을 만족한다.Where the eigenvalues ( ) Are arranged in order of increasing magnitude as shown in Equation 4 below, and the eigenvectors ( Is the eigenvalues ( Assume that they are aligned to correspond to the size of). In other words, the eigenvalues satisfy the following inequality:
[수학식 4]&Quot; (4) "
한편, 이후에는, 상기 고유값들() 중에서 크기가 큰 개(<)의 고유값에 대응되는 개의 고유벡터들을 이용하여, 새로운 행렬인 신규 고유벡터행렬()을 수학식 5로 계산한다(S150). 물론, 상기 개는 별도의 추정 과정을 통해 획득 가능하며 이는 추후에 설명하기로 한다. On the other hand, after that, the eigenvalues ( ) Large in size dog( < Corresponding to the eigenvalue of New eigenvectors, New eigenvector matrix that is a matrix ( ) Is calculated by the equation (5) (S150). Of course, the above Dogs can be obtained through a separate estimation process, which will be explained later.
[수학식 5][Equation 5]
상기 공분산행렬()의 고유값()은, 행렬 의 각 고유벡터() 방향으로의 분산(Variance) 값을 나타내며, 이 분산값은 레이더 펄스들 사이의 정보의 양을 표현한다. 따라서, 수학식 5의 행렬 는 주어진 레이더 수신 펄스의 고유벡터로 이루어진 벡터공간 상에서 정보가 가장 많은 개의 방향을 의미한다. 즉, 제안하는 레이더 영상 자동초점 방법에서는 수신된 레이더 신호에 해당되는 초기행렬()의 엔트로피를 계산하는 대신, 상기 신규 고유벡터행렬()을 이용하여 엔트로피를 계산하고 이로부터 위상오차를 추정한다.The covariance matrix ( Eigenvalues of ) Is a matrix Each eigenvector of Represents a variance value in the () direction, which represents the amount of information between radar pulses. Therefore, the matrix of
여기서, 신규 고유벡터행렬()에는 상기 초기행렬() 내의 위상오 차()가 포함됨에 따라 상기 수학식 5가 수학식 6으로 재정의된다.Where the new eigenvector matrix ( ) Is the initial matrix ( Phase error within
[수학식 6]&Quot; (6) "
(이때, , , 그리고 : 위상오차()가 포함된 레이더 신호로부터 얻어진 공분산행렬의 고유벡터들, : 위상오차()가 포함되지 않은 것으로 가정한 경우의 레이더 신호로부터 얻어진 공분산행렬의 고유벡터들)(At this time, , , And = Phase error ( Eigenvectors of the covariance matrix obtained from the radar signal containing = Phase error ( Eigenvectors of the covariance matrix from the radar signal, assuming no)
이후에는, 상기 수학식 6의 신규 고유벡터행렬()을 행방향으로 푸리에 또는 역푸리에 변환하여, 아이젠 프로파일들(Eigen Profile;)을 포함한 새로운 의 상기 영상행렬()을 생성한다.After that, the new eigenvector matrix (6) ) Is Fourier or inverse Fourier transformed in the row direction, and thus Egen profiles; New including) The image matrix of ).
[수학식 7][Equation 7]
, ,
상기 푸리에 변환 및 역푸리에 변환을 실제로 구현할 때는, FFT(Fast Fourier Transform) 또는 IFFT(Inverse Fast Fourier Transform)을 사용한다.When actually implementing the Fourier transform and the Inverse Fourier transform, Fast Fourier Transform (FFT) or Inverse Fast Fourier Transform (IFFT) is used.
한편, 상기 영상행렬()의 생성(S160) 이후의 단계 설명에 앞서, 차후의 엔트로피 계산과 위상오차 추정 단계(S170~180)를 보다 효과적으로 수행하기 위해서는, 상기 를 적절히 결정하여야 한다. On the other hand, the image matrix ( In order to more efficiently perform subsequent entropy calculations and phase error estimation steps S170 to 180, before the step description after the generation of the step S160, Should be appropriately determined.
예를 들어, 값이 큰 경우는 위상오차 추정에 사용되는 정보의 양이 증가하기 때문에 보다 정확한 위상오차를 추정할 수 있는 반면, 및 의 크기가 증가함으로써 위상오차 추정을 위한 최적화 알고리즘의 계산 시간이 증가하는 문제점이 있다. 이와 반대 개념으로, 상기 값이 너무 작으면 위상오차 추정에 필요한 계산 시간을 줄일 수는 있으나, 정확한 위상오차 추정이 불가능할 수 있다. E.g, If the value is large, more accurate phase error can be estimated because the amount of information used for estimating the phase error increases. And As the size of P increases, the computation time of the optimization algorithm for estimating the phase error increases. In contrast to this, the above If the value is too small, the calculation time required for the phase error estimation may be reduced, but accurate phase error estimation may not be possible.
이러한 문제를 해결하면서, 보다 효율적으로 를 결정하기 위하여 아래의 방법을 사용한다. 즉, 상기 S150단계에서는, 수학식 3의 고유벡터들() 중 최적화에 필요한 고유벡터들의 개수인 상기 개를 수학식 8을 이용하여 적절히 추정하여 수행 가능하다.While solving these problems, Use the following method to determine. That is, in step S150, the eigenvectors of Equation 3 ( Is the number of eigenvectors required for optimization The dog can be estimated by using
[수학식 8][Equation 8]
, ,
(의 분모: 상기 공분산행렬()로부터 얻어진 개의 고유값들()의 합으로서 개의 펄스 신호에 포함된 정보의 총합, 의 분자: 상기 공분산행렬()로부터 얻어진 개의 고유값들()의 합으로서 개의 펄스 신호에 포함된 정보의 총합, )( Denominator of: the covariance matrix ( Obtained from Eigenvalues ( As the sum of Total information contained in pulse signals, Molecular: The covariance matrix ( Obtained from Eigenvalues ( As the sum of Total information contained in pulse signals, )
즉, 상기 는 상기 고유값들()을 크기가 큰 순서대로 정렬할 경우, 전체 개의 고유벡터들()로 형성된 벡터 공간 전체(분모값) 내에서 개의 특정 고유벡터들로 이루어진 공간(분자값)이 포함하고 있는 양을 의미한다.That is Is the eigenvalues ( ), If you sort them in larger order, Eigenvectors Within the whole vector space (denominator) formed by Mean amount of space (molecular value) of specific eigenvectors.
따라서, 값이 1에 근접할수록 개의 고유벡터로 이루어진 공간에 포함되어 있는 레이더 신호의 정보의 양이 증가한다고 볼 수 있다. 는 사용자 또는 레이더장치에서 정해주는 값으로서, 연구 결과 상기 는 0.9~0.95 정도로 션택되 는 것이 적당한 것으로 파악되었다. 즉, 레이더 신호에 저장되어 있는 표적에 대한 정보의 90~95%를 이용하여 최적화를 수행하는 것이 계산시간 측면에서나 추정된 위상오차의 정확도 측면에서 타당한 결과를 얻는다고 볼 수 있다.therefore, As the value approaches 1 It can be said that the amount of information of the radar signal included in the space consisting of two eigenvectors increases. Is a value determined by the user or radar device. It was found that it is appropriate to select the range between 0.9 and 0.95. In other words, it can be said that performing optimization using 90-95% of the information on the target stored in the radar signal has a valid result in terms of calculation time and accuracy of the estimated phase error.
요약하면, 상기 S150 ~ S160단계는,상기 추정된 개의 고유값에 대응되는 개의 고유벡터들을 이용하여 신규 고유벡터행렬()을 계산한 후 , 상기 신규 고유벡터행렬()을 행방향으로 푸리에 또는 역푸리에 변환하여, 아이젠 프로파일()들을 포함한 영상행렬()을 생성한다.In summary, the steps S150 to S160, the estimated Corresponding to eigenvalues New eigenvectors matrix using two eigenvectors After calculating the new eigenvector matrix ( ) By Fourier or Inverse Fourier transformation in the row direction, Image matrix including ).
이후에는, 상기 영상행렬()의 엔트로피를 최소화하는 위상오차()를 추정한다(S170~S180). 이를 위해, 먼저 영상행렬()의 엔트로피()를 계산(S170)하며, 이는 아래의 수학식 9로 정의된다.After that, the image matrix ( Phase error to minimize entropy of ) Is estimated (S170 to S180). To do this, first, the image matrix ( Entropy () (S170), which is defined by Equation 9 below.
[수학식 9][Equation 9]
(: 상기 추정된 위상오차()를 포함한 영상행렬(), : 상기 을 영상의 파워로 정규화한 값)( = Estimated phase error ( ), Including image matrix ), : remind Is normalized to the power of the image)
그리고, 상기 엔트로피()를 최소화하기 위해 추정된 위상오차()는 수학식 10으로 정의된다. And, the entropy ( Estimated phase error () to minimize ) Is defined by
[수학식 10][Equation 10]
여기서, 엔트로피를 최소화하기 위한 값 추정의 알고리즘으로는 SSA(Stage-by-Stage Approaching) 기법, MEPA(Minimum Entropy Phase Adjustment) 기법 등의 다양한 방식들이 이용 가능한데, SSA 기법에 비해 MEPA 기법 경우 계산 시간이 더욱 빠르다. Where to minimize entropy As a value estimation algorithm, various methods such as a stage-by-stage approach (SSA) technique and a minimum entropy phase adjustment (MEPA) technique are available. The calculation time is faster in the MEPA technique than the SSA technique.
물론, 수학식 8을 이용한 값 추정을 거치지 않는 경우, 상기 두 기법(SSA, MEPA) 모두 미지수 개를 추정하여야 하며 차원 공간에서 탐색을 수행하여야 하므로 많은 계산 시간을 요구한다. 따라서, 계산 시간을 효과적으로 줄이기 위하여 영상을 모두 이용하는 것이 아니라 상기 값을 추정하여 일부분인 영상만을 이용하여 엔트로피를 최소화하고 그 위상오차를 추정 함으로써, 계산에 소요되는 시간을 전체적으로 줄일 수 있다.Of course, using
한편, 위상오차의 추정(S180) 이후에는, 상기 추정된 위상오차()를 상기 초기행렬()에 적용한 후 이를 푸리에 또는 역푸리에 변환하여, 위상오차가 제거된 고품질의 레이더 영상을 최종적으로 생성할 수 있다(S190). On the other hand, after the estimation of the phase error (S180), the estimated phase error ( ) Is the initial matrix ( ) And then Fourier or inverse Fourier transform to finally generate a high quality radar image from which phase error is removed (S190).
더 상세하게는, 상기 추정된 수학식 10의 위상오차()를 이용하여 상기 초기행렬 내의 를 재정의하고, 상기 재정의된 를 초기행렬()에 적용한 후 이를 행방향으로 푸리에 또는 역푸리에 변환하여, 상기 위상오차()가 제거된 초점이 맞춰진 고품질의 2차원 레이더 영상을 생성할 수 있게 된다. 여기서, 상기 재정의된 는 수학식 11로 표현 가능하다.More specifically, the phase error (Equation 10) In the initial matrix using Overridden and redefined Is the initial matrix ( ) And then Fourier or inverse Fourier transform in the row direction, ) To create a focused, high-quality, two-dimensional radar image. Where the overridden Can be expressed by Equation (11).
[수학식 11][Equation 11]
이상과 같이 상술한 레이더 영상 자동초점 방법은, 표적에 대하여 수신된 레이더 신호의 공분산행렬의 고유벡터를 계산한 후, 고유벡터의 엔트로피를 비용함수로 하여 위상오차를 추정함으로써 계산시간을 단축시킬 수 있다.As described above, the above-described radar image autofocus method can reduce the calculation time by calculating the eigenvector of the covariance matrix of the radar signal received for the target, and then estimating the phase error using the entropy of the eigenvector as the cost function. have.
이하에서는 상기 제안한 자동초점 기법의 성능 평가를 위한 실험 결과에 관하여 도 5 내지 도 9를 참조로 하여 상세히 알아보기로 한다. 도 5는 B737의 3차원 캐드모델과 3차원 점산란체 모델이고, 도 6은 표적의 이동 시나리오이며, 도 7은 값 결정을 위한 의 분포를 나타낸다. 그리고, 도 8은 상기 SSA 기법을 이용한 레이더 영상의 비교, 도 9는 상기 MEPA 기법을 이용한 레이더 영상의 비교를 나타낸다.Hereinafter, the experimental results for the performance evaluation of the proposed autofocus technique will be described in detail with reference to FIGS. 5 to 9. 5 is a three-dimensional CAD model and a three-dimensional scatter scatter model of the B737, Figure 6 is a target movement scenario, Figure 7 For value determination Indicates the distribution of. 8 shows a comparison of radar images using the SSA technique, and FIG. 9 shows a comparison of radar images using the MEPA technique.
성능 평가를 위해, 도 5의 다수의 점산란체(point scatterer)로 이루어진 표적에 대한 레이더 영상 제작 실험을 수행하였다. 본 실험에서는 도 5의 점 산란체로 이루어진 표적이 도 6의 원점에 있는 레이더로부터 km 떨어진 위치에서 출발하여, 방향으로 속도 와 가속도 를 가지고 이동한다고 가정하였다. 실험을 위해 사용된 처프(chirp) 레이더 변수는 아래의 표 1을 참조한다.In order to evaluate the performance, a radar image fabrication experiment was performed on a target composed of a plurality of point scatterers of FIG. 5. In this experiment, the target consisting of the point scatterer of FIG. 5 is moved from the radar at the origin of FIG. starting from km away, Speed in direction And acceleration Assume that we move with. See Table 1 below for the chirp radar parameters used for the experiments.
[표 1] : 레이더와 표적의 이동 관련 파라미터[Table 1]: Radar and Target Movement Related Parameters
첫 번째, SSA 기법 관련 실험으로서, 기존의 레이더 영상 엔트로피를 사용하는 SSA 기법과 제안된 고유벡터 엔트로피를 사용하는 SSA 기법의 성능 비교 결과에 관하여 알아보기로 한다.First, as an experiment related to the SSA technique, the performance of the SSA technique using the conventional radar image entropy and the SSA technique using the proposed eigenvector entropy will be discussed.
실험을 위해, 먼저 도 5의 점산란체로 이루어진 표적에 대한 레이더 신호를 생성하였다. 생성된 신호에 잡음을 첨가하여 신호 대 잡음비(SNR)가 0dB가 되도록 하였다. 이와 같이, 잡음이 첨가된 데이터에 동일한 거리정렬 과정을 적용한 다음, 기존의 '레이더 영상 엔트로피'를 사용하는 SSA 기법과 '제안된 고유벡터 엔트로피'를 사용하는 SSA 기법을 사용하여 위상보정을 실시하였다. For the experiment, first, a radar signal was generated for a target composed of the scatterers of FIG. 5. Noise was added to the generated signal so that the signal-to-noise ratio (SNR) was 0 dB. After applying the same distance alignment process to the noise-added data, phase correction was performed using the conventional SSA technique using radar image entropy and the SSA technique using proposed eigenvector entropy. .
이러한 위상보정 과정을 실시하기 위하여 중요한 변수 중 하나가 바로 위상보정 과정을 수행하기 위한 최적화 알고리즘에 필요한 레인지 빈(range bin)의 개수 또는 고유값의 개수 이다. 제안된 방법은 수학식 8을 이용하여 값을 결정하였으며 를 사용하였다. 즉, 레이더 신호에 포함되어 있는 표적의 에너지 중 적어도 95% 이상을 이용하여 최적화를 수행한다고 생각할 수 있다. 비교를 위하여 기존의 방법 또한 최적화에 참여하는 레인지 빈(range bin)의 개수 를 다음의 수학식 12를 통해 결정하였다. In order to implement this phase correction process, one of the important variables is the number of range bins or eigenvalues required for the optimization algorithm to perform the phase correction process. to be. The proposed
[수학식 12][Equation 12]
수학식 12에서 는 정합필터링 및 거리정렬 과정을 끝낸 수신신호를 거리방향에 투영한 1차원 영상이다. 비교를 위해 를 사용함으로써 값을 결정하였다. 상기 표 1에서 펄스의 개수 이며, 표적 주변의 190개의 레인지 빈(range bin)만을 추출하여 사용하였으므로 이다. 이러한 기존의 방법에서도 상기 를 크기가 큰 순서대로 정렬한 후 상기 개 중에서 값이 가장 큰 개의 레인지 빈(range bin)을 선택하여 수신신호만을 사용하여 위상오차를 추정할 수 있다. In equation (12) Is a 1-dimensional image projecting the received signal after the matching filtering and distance alignment process in the distance direction. for comparison By using The value was determined. Number of pulses in Table 1 above Since only 190 range bins around the target were extracted and used, to be. Even in these conventional methods Sort them in order of size Out of The largest value Select range bins The phase error can be estimated using only the received signal.
도 7은 최적화에 사용되는 값을 결정하기 위하여 필요한 값의 분포를 보여준다. 사각형(□)은 기존의 레이더 영상의 엔트로피를 사용하는 SSA의 결과 얻어진 분포이고, 원(○)은 제안된 고유벡터 엔트로피를 사용하는 SSA의 결과 얻 어진 분포이다. 7 is used for optimization Necessary to determine the value Show the distribution of values. Squares are obtained as a result of SSA using entropy of existing radar images. The circle (○) is the result of the SSA using the proposed eigenvector entropy. Distribution.
도 7을 참조하면, 제안된 방법(고유벡터의 엔트로피)을 이용한 분포 (b)가 기존 방법(레이더 영상의 엔트로피)을 이용한 분포 (a)에 비해 왼쪽으로 많이 치우쳐 있다. 즉, 기존의 방법의 경우에는 레이더 신호에 포함되어 있는 정보의 양이 190개의 레인지 빈(range bin)에 골고루 퍼져있다는 것을 의미하고, 제안된 방법의 경우에는 레이더 신호에 포함되어 있는 정보의 양이 약 20개의 고유벡터 안에 밀집되어 포함되어 있다는 것을 의미한다. 결과적으로 제안된 방법이 훨씬 적은 데이터로도 레이더 신호에 포함되어 있는 정보를 효율적으로 나타낼 수 있다.Referring to FIG. 7, the distribution (b) using the proposed method (entropy of the inherent vector) is more skewed to the left side than the distribution (a) using the conventional method (entropy of the radar image). That is, in the conventional method, the amount of information included in the radar signal is spread evenly over 190 range bins. In the proposed method, the amount of information included in the radar signal is It means that it is contained in about 20 eigenvectors. As a result, the proposed method can efficiently represent the information contained in the radar signal with much less data.
도 7을 참조하면, 본 실험에서 로 선택하였으므로, 기존의 방법을 이용한 SSA의 경우 (a)는 이고, 제안된 방법을 이용한 SSA의 경우 (b)는 이다. 즉, 제안된 기법을 이용한 (b)의 경우는 기존의 방법인 (a)의 경우에 비해, 최적화에 필요한 데이터의 양을 9.4%(=(14/149)×100%)만 사용한다. 이렇게 적은 수의 데이터를 사용하여 최적화를 수행하므로, 최적화 내부에서 필요한 FFT의 횟수가 줄어들게 된다. 따라서 위상보정 과정에 필요한 계산 시간을 단축시킬 수 있다.Referring to Figure 7, in this experiment In the case of SSA using the conventional method, (a) In case of SSA using the proposed method, (b) to be. That is, in case of (b) using the proposed method, only 9.4% (= (14/149) × 100%) of the data required for optimization is used, compared to the case of the conventional method (a). The optimization is performed using this small number of data, which reduces the number of FFTs needed inside the optimization. Therefore, the calculation time required for the phase correction process can be shortened.
도 8에서 (a)는 기존의 레이더 영상 엔트로피를 사용한 SSA 기법에 따른 레이더 영상이고, (b)는, 제안된 고유벡터 엔트로피를 사용한 SSA 기법에 따른 레이더 영상을 나타낸다. (a)와 (b) 모두, 도 5의 모델에 대한 점 표적들의 공간적인 분포를 잘 표현하고 있다. 그러나, 이 두 레이더 영상을 제작하는데 필요한 위상보정 과정의 계산 시간을 측정한 결과, 기존에 따른 SSA 기법의 경우는 약 22초, 제안된 방법에 따른 SSA 기법의 경우는 약 2.8초가 소요되었다. 즉, 제안된 고유벡터 엔트로피를 사용한 SSA 기법이 기존의 레이더 영상의 엔트로피를 사용한 SSA 기법에 비해 약 8배 정도 빠르게 계산 가능함을 알 수 있다. 따라서, 다양한 실험결과를 바탕으로 하여볼 때, 제안된 고유벡터 엔트로피를 사용하는 SSA 방법은 기존의 레이더 영상 엔트로피를 사용하는 SSA 방법과 거의 비슷한 품질의 레이더 영상의 생성이 가능하면서, 계산 시간을 크게 단축시킬 수 있다.In Figure 8 (a) is a radar image according to the SSA technique using a conventional radar image entropy, (b) is a radar image according to the SSA technique using the proposed eigenvector entropy. Both (a) and (b) well represent the spatial distribution of the point targets for the model of FIG. However, as a result of measuring the calculation time of the phase correction process required to produce these two radar images, it took about 22 seconds for the conventional SSA method and about 2.8 seconds for the SSA method according to the proposed method. In other words, it can be seen that the proposed SSA method using eigenvector entropy can be calculated about 8 times faster than the SSA method using entropy of radar image. Therefore, on the basis of various experimental results, the SSA method using the proposed eigenvector entropy is capable of generating radar images of almost the same quality as the SSA method using the conventional radar image entropy, and greatly increases the computation time. It can be shortened.
두 번째, MEPA 기법 관련 실험으로서, 기존의 레이더 영상 엔트로피를 사용하는 MEPA 기법과 제안된 고유벡터 엔트로피를 사용하는 MEPA 기법의 성능 비교를 알아보기로 한다.Secondly, as an experiment related to the MEPA method, we compare the performance of the MEPA method using the radar image entropy and the MEPA method using the proposed eigenvector entropy.
MEPA 기법은 앞서 언급한 SSA 기법의 계산 시간을 단축시키기 위해 개발된 방법이다. MEPA 및 SSA 기법 모두 레이더 영상의 엔트로피를 최소화하도록 위상 오차를 추정하는 기법이나, MEPA 기법의 경우 SSA 보다 훨씬 빠르게 위상 오차를 추정할 수 있다. 본 실험에서는 이러한 'MEPA 기법'에 '고유벡터에 근거한 엔트로피의 비용함수'를 결합하여 위상오차를 추정하였다. 실험에 사용된 표적 및 변수들은 앞서 첫 번째 실험과 동일하다. 단 값을 결정하기 위하여 를 사용하였고, SNR=-10dB로 설정하여 첫 번째 실험보다 잡음의 양을 더욱 증가시켰다.The MEPA technique was developed to reduce the computation time of the aforementioned SSA technique. Both MEPA and SSA techniques estimate phase errors to minimize the entropy of radar images, but MEPA techniques can estimate phase errors much faster than SSA. In this experiment, we estimate the phase error by combining the MEPA method with the cost function of entropy based on the inherent vectors. The targets and variables used in the experiment are the same as in the first experiment. only To determine the value And SNR = -10dB to increase the amount of noise more than the first experiment.
도 9에서 (a)는 기존의 레이더 영상 엔트로피를 사용하는 MEPA 기법에 따른 레이더 영상이고, (b)는 제안된 고유벡터 엔트로피를 사용한 MEPA 기법에 따른 레이더 영상을 나타낸다. 그런데, 도 9의 (a)의 기존 방식에 따른 레이더 영상으로는 도 5의 점 산란체의 분포를 제대로 나타내지 못하고 있다. 이에 반해, 도 9의 (b)에 도시된 제안된 방식에 따른 레이더 영상은 점 산란체의 분포를 제대로 표현하고 있다. 즉, 잡음의 영향이 큰 환경에서 기존 방식에 따른 MEPA 기법은 표적에 대한 레이더 영상을 만드는 데 실패하였으나, 상기 제안된 고유벡터 엔트로피를 사용한 MEPA 기법은 표적에 대한 고품질의 레이더 영상을 생성하는 데 성공하였다. 도 9의 레이더 영상을 만드는 데 소요되는 계산 시간은, 기존 방식에 따른 MEPA 기법의 경우 0.12초, 제안된 방식에 따른 MEPA 기법의 경우 0.07초로써, 제안된 방식의 경우 기존의 방식에 비해 계산 시간이 더 적게 소요되었다. In FIG. 9, (a) shows a radar image according to the MEPA technique using the conventional radar image entropy, and (b) shows a radar image according to the MEPA technique using the proposed eigenvector entropy. However, the radar image of the conventional method of FIG. 9A does not properly represent the distribution of the point scatterer of FIG. 5. On the contrary, the radar image according to the proposed method shown in FIG. 9 (b) properly represents the distribution of the point scatterers. In other words, the MEPA method according to the conventional method fails to produce a radar image for a target under the influence of noise, but the MEPA method using the proposed eigenvector entropy succeeds in generating a high quality radar image for a target. It was. The calculation time required to produce the radar image of FIG. 9 is 0.12 seconds for the MEPA method according to the conventional method, 0.07 seconds for the MEPA method according to the proposed method, and the calculation time for the proposed method compared to the conventional method. This took less.
요약하면, 상기 제안한 레이더 영상의 자동초점 방법은, 레이더 신호로부터 얻어진 공분산행렬에 대한 고유벡터를 푸리에 변환하여 아이젠 프로파일을 생성하고, 이러한 아이젠 프로파일로부터 계산되는 엔트로피를 비용함수로 하여 레이더 영상의 초점을 맞추는 방식을 적용한다. 상기 제안된 비용함수를 이용하는 경우, 레이더 영상의 엔트로피를 직접 이용하는 기존의 방법과 비교하여 볼 때, 계산 시간을 더욱 단축시킬 수 있고, 잡음에 대해 더욱 강인함이 증명되었다. In summary, the proposed auto-focus method of the radar image generates an eigen profile by Fourier transforming the eigenvectors of the covariance matrix obtained from the radar signal, and focuses the radar image by using the entropy calculated from the eigen profile as a cost function. Apply the matching method. Using the proposed cost function, it is proved that the computation time can be further shortened and the noise is more robust compared to the conventional method using the entropy of the radar image directly.
특히, SSA 기법과 제안된 고유벡터 엔트로피의 기법을 결합하였을 때는, 레이더 영상의 품질 면에서는 기존의 방법과 거의 비슷한 성능을 나타내면서, 그 계산 시간적 측면에서는 기존의 경우에 비해 크게 단축시킬 수 있다. 그리고, MEPA 기법과 제안된 고유벡터 엔트로피를 결합하였을 때는, 계산 시간은 증가시키지 않 으면서 잡음에 대하여 더욱 강인한 성능을 보여주었다. 이와 같은 실험 결과를 바탕으로 하여볼 때, 제안된 방법이 계산 시간 측면이나 잡음에 의한 레이더 영상 품질 저하 측면에서나 기존의 방법보다 우수한 성능을 나타냄을 알 수 있었다. In particular, when the SSA method and the proposed eigenvector entropy are combined, the performance of the radar image is almost similar to that of the conventional method, and the computation time can be greatly reduced compared to the conventional method. The combination of the MEPA method and the proposed eigenvector entropy shows more robust performance against noise without increasing the computation time. Based on the experimental results, it can be seen that the proposed method outperforms the conventional method in terms of computation time and noise degradation of radar image.
이러한 제안된 자동초점 방법은, 2차원 레이더 영상인 ISAR 영상이나 SAR 영상에 적용이 가능하며, 상황에 따라 3차원 레이더 영상의 제작에도 적용이 가능하다. 또한, 제안된 자동초점 방법은 레이더 영상의 실시간 획득 및 품질 개선 측면에서 기존의 방법에 비해 우수한 장점이 있으며, 레이더 영상을 이용한 표적식별 방법인 NCTR(non-cooperative target recognition) 또는 ATR(automatic target recognition) 분야에 적용하는 경우, 표적식별 성능 및 실시간 처리 성능의 향상에 크게 도움이 될 것으로 예상된다.The proposed autofocus method can be applied to ISAR images or SAR images, which are two-dimensional radar images, and can be applied to the production of three-dimensional radar images according to circumstances. In addition, the proposed autofocus method has advantages over existing methods in terms of real-time acquisition and quality improvement of radar images, and non-cooperative target recognition (NCTR) or automatic target recognition, which is a target identification method using radar images. It is expected to greatly improve the target identification performance and the real-time processing performance when applied to the field.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, these are merely exemplary and will be understood by those skilled in the art that various modifications and equivalent other embodiments are possible. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
도 1은 항공기에 SAR 시스템을 탑재하여 레이더 영상을 얻는 개념도,1 is a conceptual diagram of obtaining a radar image by mounting a SAR system on an aircraft,
도 2는 ISAR 시스템의 개념도,2 is a conceptual diagram of an ISAR system;
도 3은 거리정렬 수행 전과 후의 레인지 프로파일의 변화도,3 is a change in range profile before and after performing distance alignment;
도 4는 본 발명의 실시예에 따른 고유벡터 엔트로피에 기초한 레이더 영상 자동초점 방법의 흐름도,4 is a flowchart of a radar image autofocus method based on eigenvector entropy according to an embodiment of the present invention;
도 5는 B737의 3차원 캐드모델과 3차원 점산란체 모델도,5 is a three-dimensional CAD model and three-dimensional scatter scattering model of B737,
도 6은 표적의 이동 시나리오도,6 is a scenario of movement of a target;
도 7은 값 결정을 위한 의 분포도,7 is For value determination Distribution of,
도 8은 SSA 기법을 이용한 레이더 영상의 비교도,8 is a comparison of radar images using the SSA technique,
도 9는 MEPA 기법을 이용한 레이더 영상의 비교도이다.9 is a comparison of radar images using the MEPA technique.
Claims (8)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080126624A KR101024123B1 (en) | 2008-12-12 | 2008-12-12 | Method for radar imaging autofocus based on entropy of eigenvectors |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080126624A KR101024123B1 (en) | 2008-12-12 | 2008-12-12 | Method for radar imaging autofocus based on entropy of eigenvectors |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100067991A KR20100067991A (en) | 2010-06-22 |
KR101024123B1 true KR101024123B1 (en) | 2011-03-22 |
Family
ID=42366508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080126624A KR101024123B1 (en) | 2008-12-12 | 2008-12-12 | Method for radar imaging autofocus based on entropy of eigenvectors |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101024123B1 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101872017B1 (en) * | 2017-11-07 | 2018-06-27 | 엘아이지넥스원 주식회사 | Target Identifying Method Based on Extracted Scattering Point in Millimeter Wave Seeker and Recording Medium Storing Computer Program thereof |
KR101872016B1 (en) * | 2017-11-07 | 2018-07-24 | 엘아이지넥스원 주식회사 | Apparatus Identifying Target in W-Band Millimeter Wave Seeker |
KR101893476B1 (en) * | 2017-10-31 | 2018-08-30 | 엘아이지넥스원 주식회사 | Apparatus Processing Data for Target Identification in W-Band Millimeter Wave Seeker |
KR101893477B1 (en) * | 2017-10-31 | 2018-10-04 | 엘아이지넥스원 주식회사 | Data Processing Method for Identifying Target Based on Extracted Scattering Point in Millimeter Wave Seeker and Recording Medium Storing Computer Program thereof |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105510884B (en) * | 2015-12-08 | 2018-11-30 | 北京无线电计量测试研究所 | A kind of image processing method and equipment |
CN106872954B (en) * | 2017-01-23 | 2019-07-09 | 西安电子科技大学 | A kind of hypersonic platform clutter recognition and motive target imaging method |
CN111401168B (en) * | 2020-03-06 | 2023-11-17 | 上海神添实业有限公司 | Multilayer radar feature extraction and selection method for unmanned aerial vehicle |
CN112731389B (en) * | 2020-12-01 | 2024-02-06 | 西安电子科技大学 | Channel azimuth baseline error estimation method based on multi-channel complex image space characteristics |
KR102630235B1 (en) * | 2021-06-17 | 2024-01-29 | 국방과학연구소 | Apparatus and method for generating a range-doppler map using data correlation in a rader system |
KR102630234B1 (en) * | 2021-06-17 | 2024-01-29 | 국방과학연구소 | Apparatus and method for generating a range-doppler map using a radar signal reflected form a target in a rader system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11237475A (en) | 1998-02-19 | 1999-08-31 | Mitsubishi Electric Corp | Radar device and detection method for target scattering point in this radar device |
JP2005148042A (en) | 2003-10-20 | 2005-06-09 | Mitsubishi Electric Corp | Radar device |
US20080042893A1 (en) | 2006-08-15 | 2008-02-21 | General Dynamics Advanced Information Systems, Inc. | Methods for two-dimensional autofocus in high resolution radar systems |
-
2008
- 2008-12-12 KR KR1020080126624A patent/KR101024123B1/en not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11237475A (en) | 1998-02-19 | 1999-08-31 | Mitsubishi Electric Corp | Radar device and detection method for target scattering point in this radar device |
JP2005148042A (en) | 2003-10-20 | 2005-06-09 | Mitsubishi Electric Corp | Radar device |
US20080042893A1 (en) | 2006-08-15 | 2008-02-21 | General Dynamics Advanced Information Systems, Inc. | Methods for two-dimensional autofocus in high resolution radar systems |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101893476B1 (en) * | 2017-10-31 | 2018-08-30 | 엘아이지넥스원 주식회사 | Apparatus Processing Data for Target Identification in W-Band Millimeter Wave Seeker |
KR101893477B1 (en) * | 2017-10-31 | 2018-10-04 | 엘아이지넥스원 주식회사 | Data Processing Method for Identifying Target Based on Extracted Scattering Point in Millimeter Wave Seeker and Recording Medium Storing Computer Program thereof |
KR101872017B1 (en) * | 2017-11-07 | 2018-06-27 | 엘아이지넥스원 주식회사 | Target Identifying Method Based on Extracted Scattering Point in Millimeter Wave Seeker and Recording Medium Storing Computer Program thereof |
KR101872016B1 (en) * | 2017-11-07 | 2018-07-24 | 엘아이지넥스원 주식회사 | Apparatus Identifying Target in W-Band Millimeter Wave Seeker |
Also Published As
Publication number | Publication date |
---|---|
KR20100067991A (en) | 2010-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101024123B1 (en) | Method for radar imaging autofocus based on entropy of eigenvectors | |
JP6660857B2 (en) | Method of generating image of region of interest using radar system | |
US9274219B2 (en) | Apparatus and method for short dwell inverse synthetic aperture radar (ISAR) imaging of turning moving vehicles | |
US9335409B2 (en) | Bistatic inverse synthetic aperture radar imaging | |
US7038612B2 (en) | Method for SAR processing without INS data | |
SE511952C2 (en) | A SAR radar system | |
CN110082764B (en) | SAR image imaging method based on robust regularization analytic method | |
CN105137408B (en) | The radar angle ultra-resolution method that a kind of optimal antenna directional diagram is chosen | |
CN103901429A (en) | Inverse synthetic aperture radar imaging method for maneuvering targets on basis of sparse aperture | |
CN109669182B (en) | Passive bistatic SAR moving/static target joint sparse imaging method | |
EP1286180A2 (en) | Periodic repetition interval staggered post-doppler adaptive monopulse processing for detection and location of a moving target in ground clutter | |
CN109324322A (en) | A kind of direction finding and target identification method based on passive phased array antenna | |
CN110148165B (en) | Particle swarm optimization-based three-dimensional interference ISAR image registration method | |
CN108776342A (en) | A kind of high speed platform SAR moving-target detection and speed estimation method at a slow speed | |
CN109001700B (en) | Radar foresight imaging method for realizing target contour reconstruction | |
CN115034993A (en) | Method and device for defocusing removal processing of moving target image and storage medium | |
EP2817655B1 (en) | Systems and methods for image sharpening | |
CN109799502B (en) | Two-dimensional self-focusing method suitable for filtering back projection algorithm | |
JP2009236720A (en) | Moving target detector | |
CN113009473B (en) | Multi-beam staring radar low elevation target height measurement method, device and medium | |
US20220413092A1 (en) | Radar data denoising systems and methods | |
KR102015177B1 (en) | Apparatus for autofocusing and cross range scaling of isar image using compressive sensing and method thereof | |
Shahrezaei et al. | A monostatic forward-looking staring spotlight SAR raw data generation and hybrid-domain image formation modifications based on extended azimuth nonlinear chirp scaling autofocusing | |
Garren | SAR focus theory of complicated range migration signatures due to moving targets | |
CN112305541A (en) | SAR imaging method based on sampling sequence length constraint condition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20140106 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20150120 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20160113 Year of fee payment: 6 |
|
LAPS | Lapse due to unpaid annual fee |