CN101498788A - 一种逆合成孔径雷达的目标转角估计和横向定标方法 - Google Patents

Abstract

本发明公开一种逆合成孔径雷达(ISAR)目标转角估计及横向定标方法，首先对ISAR数据进行分段成像；提取每幅图像中的散射中心的位置信息，对各图中的散射中心关联；根据散射中心的位置信息，对散射中心进行分类；根据分类结果，对散射中心进行优化组合；估计两次成像之间的视角差；结合两次成像相隔的时间，估计出目标相对雷达的转动速度；根据ISAR图像积累的脉冲数，得到相干转角，从而确定图像的横向尺度。本发明不需要理想的“点”散射模型假设，同时能抑制越分辨单元徙动的影响。图像域的处理适合对散射中心进行选择，优化估计结果。与时域的定标方法相比，减少了定标的计算量，提高了定标的可信度。

Description

一种逆合成孔径雷达的目标转角估计和横向定标方法

技术领域

本发明涉及雷达技术领域，更具体地，本发明涉及一种逆合成孔径雷达的目标转角估计和横向定标方法。

背景技术

逆合成孔径雷达(ISAR)可以提供运动目标(例如飞机、舰船)的二维图像，从而增强后续的目标识别能力。ISAR通过发射宽带信号提供沿雷达视线方向(距离向)的高分辨能力，通过对雷达和目标之间相对视角的变化进行相干积累提供横向分辨能力。距离向的分辨率取决于雷达发射信号的带宽，通常是一个已知量；而横向分辨率取决于相干积累时间内相对视角的变化量，对于非合作目标成像而言，通常是未知的。只有对该视角变化量进行准确的估计，才能够对ISAR图像的横向进行定标。而只有在完成纵向定标和横向定标之后，才能获得可以有效反映目标尺寸和几何形状等特征的雷达图像，提高后续目标识别的效果，因此，图像横向定标是基于ISAR图像的自动目标识别的前提。

现有的ISAR横向定标方法，典型的有轨迹拟合法、图像质量法和特显点跟踪法。轨迹拟合法通过窄带雷达提供的目标跟踪数据，计算运动目标相对雷达的视角变化，估计精度通常较低。图像质量法采用图像评价函数来优化未知的转角参数，当该图像评价函数获得极值时(此时图像的聚焦效果最好)，获得相应的转角估计，由于此类方法需要在解空间内进行反复搜索，每一次搜索都需要复杂的成像处理，例如极坐标格式成像、卷积逆投影成像，计算量较大。

特显点跟踪法需要跟踪目标上至少三个不同的孤立散射点，此类方法将目标上的回波信号近似为线性调频信号(LFM)，通过估计LFM的起始频率和调频率，并结合三个散射点所在的距离向位置信息，从而完成平动补偿、转动补偿和转角估计，该类方法的优点是可以补偿雷达相对于目标的匀加速转动影响，其主要问题是在实际情况中难以找到稳定可靠的高质量孤立散射点。

当雷达和目标之间的相对转动可视为匀速转动时，产生了两种新的特显点跟踪法。一种方法仍将散射中心的回波信号近似为LFM信号，由于在匀速转动的情况下，同一距离单元内的LFM信号具有相同的调频率，通过计算不同距离单元回波信号的模糊函数，并采用Radon变化法检测LFM的调频率，就能获得目标与雷达之间相对转动速度的估计，结合相干积累的时间，就可以完成转角估计和横向定标工作。该方法需要计算模糊函数和Radon变换，计算量较大，且调频率的估计受模糊函数交叉项的影响较大，精度有限。另一种方法则需要分析回波信号的高阶相位系数，在匀速转动的情况下，散射点回波的三次相位系数和一次相位系数(多普勒频率)之间存在简单的正比例关系，且比例系数就是旋转角速度的平方，通过对高阶相位系数进行搜索，可以获取关于旋转角速度的最大似然估计。该方法需要对相位系数进行高维搜索，计算量较大。

这些特显点跟踪法还具有一个共同的局限：对目标回波信号的分析都是针对距离单元内的回波进行的，而散射点回波驻留在同一距离单元内的时间有限(特别是对于高分辨雷达)，因而信号的高阶相位系数通常很小，参数提取困难，参数提取的计算量较大，精度较低。

发明内容

为克服现有技术中逆合成孔径雷达图像横向定标方法计算量较大、精度较低的缺陷，本发明提出了一种逆合成孔径雷达转角估计和图像横向定标方法。

根据本发明的一个方面，提供了一种逆合成孔径雷达的目标转角估计方法，包括：

步骤10)、对接收到的回波数据进行分段成像，得到两幅逆合成孔径雷达ISAR图像；

步骤20)、在所述每幅ISAR图像中提取散射中心的位置，对所述两幅图像中相应的散射中心进行关联；

步骤30)、任意提取至少三个散射中心进行组合，对组合进行优化，形成由散射中心位置差构成的观测矩阵；

步骤40)、根据所述观测矩阵，应用视角差估计公式，估计两幅ISAR图像之间的视角差的余弦函数值，进而得到所述两幅图像之间的视角差；其中，所述视角差估计公式为： $G_2{G}_1^{-1}=\left[\begin{array}{cc}\cos \mathrm{\Δ\θ}& {\mathrm{\η}}_a\sin \mathrm{\Δ\θ}/{\mathrm{\η}}_r\\ {-\mathrm{\η}}_r\sin \mathrm{\Δ\θ}/{\mathrm{\η}}_a& \cos \mathrm{\Δ\θ}\end{array}\right]$ ，其中，G_h为由散射中心位置差构成的观测矩阵，Δθ是所述两幅图像的视角差，η_r和η_a分别是所成图像的距离向和方位向尺度因子。

其中，步骤10)中，对所述回波数据进行分段成像，各数据段之间可以有一定的重叠，也可以完全不重叠。

其中，步骤20)进一步包括：根据散射中心的位置进行分类，将不在或者不近似在同一直线上的散射中心归为一类。

其中，步骤20)中，确定散射中心附近T分贝二维主瓣的宽度，一般情况下，T的取值为6，确定散射中心所在的区域，对所述区域内的数据在两个方向上分别进行加权处理，得到散射中心的位置：

$y_{\mathrm{est}}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{y}_{i}f(x_i,y_j)}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}f(x_i,y_j)};$

$y_{\mathrm{est}}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{y}_{i}f(x_i,y_j)}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}f(x_i,y_j)};$

其中，x_i和y_j表示区域内像素的位置，f(x_i，y_j)表示区域内该像素的强度。

其中，步骤30)中，从三个不同类中各任意提取一个散射中心进行组合，对组合进行优化。

其中，步骤30)中，通过剔除“尖劈”类型的组合对组合进行优化。

其中，步骤30)进一步包括：如果三个散射中心构成的三角形存在某内角大于ang_u或者小于ang_l，则判断上述散射中心构成的三角形为“尖劈”，其中，ang_u和ang_l为设定的门限，典型地，ang_u＝160°，ang_l＝20°。

其中，步骤40)进一步包括：计算多个组合的视角差余弦函数值的平均值，得到所述两幅图像之间的视角差。

其中，步骤40)进一步包括：两幅ISAR图像之间的视角差可以表示为：

$G_2=\left[\begin{array}{cc}1/{\mathrm{\η}}_r& 0\\ 0& 1/{\mathrm{\η}}_a\end{array}\right]\left[\begin{array}{cc}\cos \mathrm{\Δ\θ}& \sin \mathrm{\Δ\θ}\\ -\sin \mathrm{\Δ\θ}& \cos \mathrm{\Δ\θ}\end{array}\right]\left[\begin{array}{cc}{\mathrm{\η}}_r& 0\\ 0& {\mathrm{\η}}_a\end{array}\right]G_1$

其中，(X_{n_m}，Y_{n_m})表示第n个散射中心在第m幅图像的位置，η_r表示距离向尺度因子，η_a表示方位向尺度因子， $G_h=\left[\begin{array}{cc}{X}_{i\_h}-X_{j\_h}& X_{i\_h}-X_{k\_h}\\ Y_{i\_h}-Y_{j\_h}& Y_{i\_h}-Y_{k\_h}\end{array}\right]$ h＝1，2，G_h为由散射中心位置差构成的观测矩阵，

如果G₁可逆，则

$H=\left[\begin{array}{cc}{h}_1& h_2\\ h_3& h_4\end{array}\right]=G_2{G}_1^{-1}=\left[\begin{array}{cc}\cos \mathrm{\Δ\θ}& {\mathrm{\η}}_a\sin \mathrm{\Δ\θ}/{\mathrm{\η}}_r\\ {-\mathrm{\η}}_r\sin \mathrm{\Δ\θ}/{\mathrm{\η}}_a& \cos \mathrm{\Δ\θ}\end{array}\right]$ ，H为运动矩阵；

从而得到

Δθ＝0.5*acos(h₁h₄+h₂h₃)。

根据本发明的另一方面，提供了一种逆合成孔径雷达的横向定标方法，包括：

步骤10)、使用上述的的方法获得所述视角差；

步骤20)、根据两幅ISAR图像之间相隔的脉冲数和所述视角差，结合脉冲重复频率，得到目标相对雷达的平均转速；

步骤30)、根据所述每幅ISAR图像中积累的脉冲数目，确定相干积累时间，进而得到相干积累角度；

步骤40)应用所述ISAR图像的横向尺度公式，完成所述ISAR图像的横向定标。

其中，步骤40)中，所述横向尺度公式可以是：

${\mathrm{\η}}_a=\frac{\mathrm{\λ}}{2{\mathrm{\θ}}_c}=\frac{\mathrm{\λ\Δ}{f}_r}{2\mathrm{M\ω}},$

其中，η_a为横向尺度，λ为载波波长，θ_c为相干积累的角度，M为相干积累脉冲数，Δf为脉冲重复频率，ω为目标相对于雷达的转速。

通过应用本发明，对ISAR系统接收的回波数据进行分段成像得到目标转速的估计，不需要额外的系统硬件代价；通过在图像域提取散射中心的位置，避免了散射中心参数提取的盲目性，保证估计的精度和稳定性；此外，与已有的定标方法相比较，本发明的运算量集中在散射中心提取上，总的计算量相对较小。

附图说明

图1为基于图像序列的横向定标方法流程图；

图2为数据分段方法示意图；

图3为子数据段成像流程图；

图4为散射中心位置提取及相关处理方法流程图；

图5为基于加权平均的散射中心提取示意图；

图6为散射中心位置提取结果示意图；

图7为散射中心分类示意图；

图8为散射中心组合优化准则示意图；

图9为视角差估计流程图；

图10为ISAR图像定标流程图；

图11为完成定标的飞机图像示意图。

具体实施方式

下面结合附图和具体实施例，对本发明提供的一种逆合成孔径雷达的目标转角估计和横向定标方法作进一步说明。

如图1所示，当目标相对雷达的旋转速度和旋转平面近似不变的情况下，将接收到的目标回波数据进行分段成像，从而获得关于目标的多幅ISAR图像序列，根据ISAR成像的几何关系，提取散射中心的位置并对其分类、跟踪和关联，计算任意两幅图像之间的视角差，得到估计的转速，完成图像的横向定标工作。

在一批目标图像数据的采集过程中，雷达相对于目标的旋转矢量近似保持恒定，即旋转中心、旋转方向和旋转速度保持不变。根据雷达成像的基本原理，对其中的某一段数据进行距离-多普勒成像，第n个散射中心在图像中的位置同其在成像投影平面中的位置具有如下的关系：

$\left[\begin{array}{c}{X}_n-X_{\mathrm{oc}}\\ Y_n-Y_{\mathrm{oc}}\end{array}\right]=\left[\begin{array}{cc}1/{\mathrm{\η}}_r& 0\\ 0& 1/{\mathrm{\η}}_a\end{array}\right]\left[\begin{array}{cc}\cos {\mathrm{\θ}}_a& \sin {\mathrm{\θ}}_a\\ -\sin {\mathrm{\θ}}_a& \cos {\mathrm{\θ}}_a\end{array}\right]\left[\begin{array}{c}{x}_n\\ y_n\end{array}\right]---\left(1\right)$

其中，(x_n，y_n)是散射中心在成像投影平面中的位置，(X_n，Y_n)是该散射中心在图像中的位置，(X_oc，Y_oc)是旋转中心在图像中的位置，η_r和η_a分别是所成图像的距离向和方位向尺度因子，θ_a是所成图像对应的中心视角。

如果相邻两幅图像积累相同的脉冲数目，此时两幅图像的横向尺度和纵向尺度相同。根据上述ISAR成像映射关系，可以知道相同散射中心在相邻两幅图像中的位置存在如下关系：

$\left[\begin{array}{c}{X}_{n\_2}-X_{\mathrm{oc}\_2}\\ Y_{n\_2}-Y_{\mathrm{oc}\_2}\end{array}\right]=\left[\begin{array}{cc}1/{\mathrm{\η}}_r& 0\\ 0& 1/{\mathrm{\η}}_a\end{array}\right]\left[\begin{array}{cc}\cos \mathrm{\Δ\θ}& \sin \mathrm{\Δ\θ}\\ -\sin \mathrm{\Δ\θ}& \cos \mathrm{\Δ\θ}\end{array}\right]\left[\begin{array}{cc}{\mathrm{\η}}_r& 0\\ 0& {\mathrm{\η}}_a\end{array}\right]\left[\begin{array}{c}{X}_{n\_1}-X_{\mathrm{oc}\_1}\\ Y_{n\_1}-Y_{\mathrm{oc}\_1}\end{array}\right]---\left(2\right)$

其中(X_{n_h}，Y_{n_h})h＝1，2分别表示散射中心在两幅图像中的位置，Δθ是两次成像的视角差。

根据上述关系，在两次成像结果中连续观测、跟踪三个散射中心的位置信息，可以得：

$G_2=\left[\begin{array}{cc}1/{\mathrm{\η}}_r& 0\\ 0& 1/{\mathrm{\η}}_a\end{array}\right]\left[\begin{array}{cc}\cos \mathrm{\Δ\θ}& \sin \mathrm{\Δ\θ}\\ -\sin \mathrm{\Δ\θ}& \cos \mathrm{\Δ\θ}\end{array}\right]\left[\begin{array}{cc}{\mathrm{\η}}_r& 0\\ 0& {\mathrm{\η}}_a\end{array}\right]G_1---\left(3\right)$

其中，

$G_h=\left[\begin{array}{cc}{X}_{i\_h}-X_{j\_h}& X_{i\_h}-X_{k\_h}\\ Y_{i\_h}-Y_{j\_h}& Y_{i\_h}-Y_{k\_h}\end{array}\right]h=\mathrm{1,2}---\left(4\right)$

其中，G_h为三个散射中心位置差构成的观测矩阵；

当三个散射中心在图像中不处于同一条直线上时，G₁可逆。此时

$H=\left[\begin{array}{cc}{h}_1& h_2\\ h_3& h_4\end{array}\right]=G_2{G}_1^{-1}=\left[\begin{array}{cc}\cos \mathrm{\Δ\θ}& {\mathrm{\η}}_a\sin \mathrm{\Δ\θ}/{\mathrm{\η}}_r\\ {-\mathrm{\η}}_r\sin \mathrm{\Δ\θ}/{\mathrm{\η}}_a& \cos \mathrm{\Δ\θ}\end{array}\right]---\left(5\right)$

其中，H为运动矩阵；

从而，

Δθ＝0.5*acos(h₁h₄+h₂h₃)         (6)

根据上述公式，可以得到两幅ISAR图像之间的视角差。

由于两次成像之间相隔的脉冲数目已知，结合系统的脉冲重复频率(PRF)，可求得目标相对于雷达的转速。在此基础上，根据每一幅ISAR图像积累的脉冲数目，即可得到该次成像相干积累的转角，从而可以根据下述公式获得图像的横向尺度：

${\mathrm{\η}}_a=\frac{\mathrm{\λ}}{2{\mathrm{\θ}}_c}=\frac{\mathrm{\λ\Δ}{f}_r}{2\mathrm{M\ω}}---\left(7\right)$

其中，λ为载波波长，θ_c为相干积累的角度，M为相干积累脉冲数，Δf_r为脉冲重复频率，ω为目标相对于雷达的转速。

本实施例公开的方法只需要进行两个视角的目标成像，在图像域提取至少三个散射中心的位置信息并关联，即可估计目标的相对转速，实现ISAR图像横向定标，称上述目标转角估计方法为“二图三点转角估计”。

在根据本发明的另一实施例中，以我国某试验ISAR雷达系统采集的数据为例，进行实际目标的定标处理。

对ISAR系统接收的目标回波数据进行分段成像，得到关于目标的两幅或多幅距离多普勒ISAR像，对回波数据进行分段成像，各数据段之间可以有一定的重叠，也可以完全不重叠。

首先选择目标平稳运动段的数据，如图2所示，采用滑窗的方式对接收到的目标数据进行分段成像，获得图像序列。两幅图像之间可以有脉冲重叠，取决于滑窗步长和滑窗大小，滑窗大小是指每幅图像中相干积累的脉冲数。在本实施例中，滑窗步长为512个脉冲，滑窗大小为512个脉冲，共采用1024个脉冲。

对非合作运动目标进行ISAR成像，需要进行目标的平动补偿。如图3所示，对目标的平动补偿通常分两步进行，包括回波包络对齐和平动初相校正。较稳健的包络对齐方法主要有基于相邻脉冲积累的回波相关法、全局最小熵法等；较稳健的平动初相校正方法主要有多普勒质心跟踪(Doppler Centroid Tracking，DCT)法及其改进算法，如基于圆移位处理的多普勒质心跟踪(Circular Shift ing based DCT，CS-DCT)法等。

本实施例中，采用相邻脉冲积累的回波相关法实现包络对齐，采用CS-DCT方法实现初相校正，对经过平动补偿之后的回波数据进行距离-多普勒成像，结果如图5所示。

提取散射中心的位置，并进行跟踪和关联，散射中心的位置提取方法采用加权求重心的方式获取。

如图4所示，首先对获取的目标图像进行二维插值以提高散射中心选择的精度，通常为减少计算量，可以通过FFT实现二维sinc插值。选择目标图像中较强的散射中心，通过计算该散射中心附近TdB二维主瓣的宽度，T一般取值为6，确定散射中心所在的主要区域，对该区域内的数据在两个方向上分别进行如下的加权处理，从而获得该散射中心的位置信息。

$x_{\mathrm{est}}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{x}_{i}f(x_i,y_j)}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}f(x_i,y_j)},y_{\mathrm{est}}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{y}_{i}f(x_i,y_j)}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}f(x_i,y_j)}---\left(8\right)$

其中x_i和y_j表示像素的位置，f(x_i，y_j)表示该像素的强度。

散射中心的跟踪和关联可以采用如下两种方法实现：

(1)、根据散射中心提取的结果，通过卡尔曼(Kalman)滤波对散射中心的位置进行跟踪，然后采用最近邻(nearest neighboring，NN)方法对跟踪的散射中心位置关联；

(2)、根据散射中心位置提取结果，采用NN方法对散射中心的位置进行关联，然后采用最小二乘拟合的方法对散射中心的位置信息进行修正。

如果目标平稳运动时获取的数据量有限，只需要对接收到的数据合成两幅ISAR图像。此时不需要对提取的散射中心位置信息进行滤波或拟合处理，直接采用NN方法对两幅图像中对应散射中心的位置进行关联。

本实施例中，获取两幅图像中散射中心的位置信息后，采用NN法关联，如图6所示。

在完成对散射中心的位置提取和关联之后，需要对散射中心进行分类，分类的原则是：将近似位于同一直线附近的所有散射中心归为一类。可以采用人工或者自动操作实现分类，如图7所示，对飞机目标提取的散射中心可以分为三类。

测量两次ISAR图像之间的视角差

根据上述的两幅ISAR图像之间视角差的估计原理，对图像序列中的两幅ISAR图像中散射中心的位置进行配对组合，形成散射中心位置的观测矩阵。每一次的视角差估计需要挑选三对散射中心的位置信息，根据前面的散射中心分类结果，只需保证三个散射中心不是同一类进行配对。上述的分类方法是一种线形分类方法，并不能保证经过分类之后散射中心组合的质量。经过上述的散射中心分类之后，还需要对散射中心的组合进行优化，剔除如图8所示的“尖劈”类型的组合，从而保证图像间视角差估计的精度。“尖劈”可由如下准则判断：如果三个散射中心构成的三角形存在某内角大于ang_u或者小于ang_l，则判断上述散射中心构成的三角形为“尖劈”。其中ang_u和ang_l为设定的门限。一般地，以不属于同一类型的三个散射中心为顶点构造三角形，计算三角形的三个内角：∠A、∠B和∠C。对于给定的门限ang_u和ang_l，若下述要求同时满足，则保留此组合；否则，舍弃该组合。

$\left\{\begin{array}{c}(\mathrm{ang}\_l<\&angle;A<\mathrm{ang}\_u)\\ (\mathrm{ang}\_l<\&angle;B<\mathrm{ang}\_u)\\ (\mathrm{ang}\_l<\&angle;C<\mathrm{ang}\_u)\end{array}\right.$

其中，门限的典型值是ang_u＝160°和ang_l＝20°。

实际上，散射中心的分类并不是必需的，在散射组合的优化处理中可避免三个散射中心都属于同一类的情况出现。

将优化之后的散射中心组合代入到表达式(5)和(6)中，从而求解两次成像之间的视角差，最后将多个组合的视角差估计结果进行平均，得到最终的视角差。

计算目标的相对转动速度，进行图像定标

通过滑窗步长和两次成像的序号，结合系统的脉冲重复频率，得到两次成像之间的时间差Δt，根据上述估计的两次成像之间的视角差

可以得到目标相对于雷达的平均转速估计

$\widehat{\mathrm{\&omega;}}=\mathrm{\&Delta;}\widehat{\mathrm{\&theta;}}/\mathrm{\&Delta;t}---\left(9\right)$

根据ISAR成像积累的脉冲数目，结合系统的载波频率和脉冲重复频率，根据表达式(7)完成图像的横向定标。根据系统的采样频率和高分辨一维距离像(HRRP)的获取方式，完成距离向的定标。

假设系统的采样频率为f_s，如果采用匹配滤波的方式得到HRRP，则

${\mathrm{\&eta;}}_r=\frac{c}{2f_s}---\left(10\right)$

如果采用去斜处理(STRETCH)的方式获取HRRP，则

${\mathrm{\&eta;}}_r=\frac{{\mathrm{cf}}_s}{2\mathrm{\&gamma;N}}---\left(11\right)$

其中，c表示电磁波传播速度，近似为300000000米/秒，γ为线性调频信号的调频率，N为一次脉冲的采样点数。

完成横向定标和距离向定标之后，对图像标度进行调整，输出定标结果，对飞机数据的定标结果如图11所示。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，并且在应用上可以延伸到其他的修改、变化、应用和实施例，同时认为所有这样的修改、变化、应用、实施例都在本发明的精神和范围内。

Claims (11)

1、一种逆合成孔径雷达的目标转角估计方法，包括：

步骤10)、对接收到的回波数据进行分段成像，得到两幅逆合成孔径雷达ISAR图像；

步骤20)、在所述每幅ISAR图像中提取散射中心的位置，对所述两幅图像中相应的散射中心进行关联；

步骤30)、任意提取至少三个散射中心进行组合，对组合进行优化，形成由散射中心位置差构成的观测矩阵；

步骤40)、根据所述观测矩阵，应用视角差估计公式，估计两幅ISAR图像之间的视角差的余弦函数值，进而得到所述两幅图像之间的视角差；其中，所述视角差估计公式为： $G_2{G}_1^{-1}=\left[\begin{array}{cc}\cos \mathrm{\&Delta;\&theta;}& {\mathrm{\&eta;}}_a\sin \mathrm{\&Delta;\&theta;}/{\mathrm{\&eta;}}_r\\ -{\mathrm{\&eta;}}_r\sin \mathrm{\&Delta;\&theta;}/{\mathrm{\&eta;}}_a& \cos \mathrm{\&Delta;\&theta;}\end{array}\right],$ 其中，G_h为由散射中心位置差构成的观测矩阵，Δθ是所述两幅图像的视角差，η_r和η_a分别是所成图像的距离向和方位向尺度因子。

2、权利要求1的方法，其中，步骤10)中，对所述回波数据进行分段成像，各数据段之间可以有一定的重叠，也可以完全不重叠。

3、权利要求1的方法，其中，步骤20)进一步包括：根据散射中心的位置进行分类，将不在或者不近似在同一直线上的散射中心归为一类。

4、权利要求1的方法，其中，步骤20)中，确定散射中心附近T分贝二维主瓣的宽度，一般情况下，T的取值为6，确定散射中心所在的区域，对所述区域内的数据在两个方向上分别进行加权处理，得到散射中心的位置：

$y_{\mathrm{est}}=\frac{\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}{y}_{i}f(x_i,y_j)}{\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}f(x_i,y_j)};$

$y_{\mathrm{est}}=\frac{\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}{y}_{i}f(x_i,y_j)}{\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}f(x_i,y_j)};$

其中，x_i和y_j表示区域内像素的位置，f(x_i，y_j)表示区域内该像素的强度。

5、权利要求3的方法，其中，步骤30)中，从三个不同类中各任意提取一个散射中心进行组合，对组合进行优化。

6、权利要求1的方法，其中，步骤30)中，通过剔除“尖劈”类型的组合对组合进行优化。

7、权利要求6的方法，其中，步骤30)进一步包括：如果三个散射中心构成的三角形存在某内角大于ang_u或者小于ang_l，则判断上述散射中心构成的三角形为“尖劈”，其中，ang_u和ang_l为设定的门限，典型地，ang_u＝160°，ang_l＝20°。

8、权利要求1的方法，其中，步骤40)进一步包括：计算多个组合的视角差余弦函数值的平均值，得到所述两幅图像之间的视角差。

9、权利要求1的方法，其中，步骤40)进一步包括：两幅ISAR图像之间的视角差可以表示为：

$G_2=\left[\begin{array}{cc}1/{\mathrm{\&eta;}}_r& 0\\ 0& 1/{\mathrm{\&eta;}}_a\end{array}\right]\left[\begin{array}{cc}\cos \mathrm{\&Delta;\&theta;}& \sin \mathrm{\&Delta;\&theta;}\\ -\sin \mathrm{\&Delta;\&theta;}& \cos \mathrm{\&Delta;\&theta;}\end{array}\right]\left[\begin{array}{cc}{\mathrm{\&eta;}}_r& 0\\ 0& {\mathrm{\&eta;}}_a\end{array}\right]G_1$

其中，(X_{n_m}，Y_{n_m})表示第n个散射中心在第m幅图像的位置，η_r表示距离向尺度因子，η_a表示方位向尺度因子， $G_h=\left[\begin{array}{cc}{X}_{i\_h}-X_{j\_h}& X_{i\_h}-X_{k\_h}\\ Y_{i\_h}-Y_{j\_h}& Y_{i\_h}-Y_{k\_h}\end{array}\right]$ h＝1，2，G_h为由散射中心位置差构成的观测矩阵，

如果G_l可逆，则

$H=\left[\begin{array}{cc}{h}_1& h_2\\ h_3& h_4\end{array}\right]=G_2{G}_1^{-1}=\left[\begin{array}{cc}\cos \mathrm{\&Delta;\&theta;}& {\mathrm{\&eta;}}_a\sin \mathrm{\&Delta;\&theta;}/{\mathrm{\&eta;}}_r\\ -{\mathrm{\&eta;}}_r\sin \mathrm{\&Delta;\&theta;}/{\mathrm{\&eta;}}_a& \cos \mathrm{\&Delta;\&theta;}\end{array}\right],$ H为运动矩阵；

从而得到

Δθ＝0.5*acos(h₁h₄+h₂h₃)。

10、一种逆合成孔径雷达的横向定标方法，包括：

步骤10)、使用权利要求1的方法获得所述视角差；

步骤20)、根据两幅ISAR图像之间相隔的脉冲数和所述视角差，结合脉冲重复频率，得到目标相对雷达的平均转速；

步骤30)、根据所述每幅ISAR图像中积累的脉冲数目，确定相干积累时间，进而得到相干积累角度；

步骤40)应用所述ISAR图像的横向尺度公式，完成所述ISAR图像的横向定标。

11、权利要求10的方法，其中，步骤40)中，所述横向尺度公式可以是：

${\mathrm{\&eta;}}_a=\frac{\mathrm{\&lambda;}}{2{\mathrm{\&theta;}}_c}=\frac{\mathrm{\&lambda;\&Delta;}{f}_r}{2\mathrm{M\&omega;}},$

其中，η_a为横向尺度，λ为载波波长，θ_c为相干积累的角度，M为相干积累脉冲数，Δf为脉冲重复频率，ω为目标相对于雷达的转速。

Images