CN102841350A - 机动目标压缩感知isar成像方法 - Google Patents

机动目标压缩感知isar成像方法 Download PDF

Info

Publication number
CN102841350A
CN102841350A CN2012103477827A CN201210347782A CN102841350A CN 102841350 A CN102841350 A CN 102841350A CN 2012103477827 A CN2012103477827 A CN 2012103477827A CN 201210347782 A CN201210347782 A CN 201210347782A CN 102841350 A CN102841350 A CN 102841350A
Authority
CN
China
Prior art keywords
matrix
imaging
isar
maneuvering target
compressed sensing
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
CN2012103477827A
Other languages
English (en)
Inventor
谢红梅
王保平
陈春利
谭歆
王志成
孙超
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN2012103477827A priority Critical patent/CN102841350A/zh
Publication of CN102841350A publication Critical patent/CN102841350A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种机动目标压缩感知ISAR成像方法,获取ISAR回波数据,对回波数据进行距离压缩、运动补偿及徙动校正,得到复矩阵Sd;生成高斯随机矩阵Φ对Sd做降维观测,得到矩阵Y;得到ISAR待成像时刻ti的稀疏基矩阵;对矩阵Y的每一列求解1范数凸优化方程,得到ti时刻的ISAR成像结果;遍历各个成像时刻,实现对机动目标各时段的ISAR成像。本发明降低了对成像回波采样率的要求,可以对机动目标的各成像时刻进行自由成像,改善了机动目标在方位向的成像效果,提高了ISAR成像的质量。

Description

机动目标压缩感知ISAR成像方法
技术领域
本发明属于雷达成像技术领域,具体涉及一种利用压缩感知实现机动目标ISAR成像的设计方法。
背景技术
借助雷达成像的目标检测和识别技术具有全天时全天候的工作特性,逆合成孔径雷达(ISAR)成像可在无线电天文学中对各种星体进行成像研究,还可用于民航机场的空中交通管制和港口的场面监视等领域。然而ISAR成像结果的分辨率受到回波数据采样率的影响,为了突破成像对采样频率的要求,设计出了利用压缩感知算法成像的ISAR成像技术,使得有限数据量的ISAR回波仍能获取较一般ISAR成像算法更高的图像分辨率。参照图2利用压缩感知实现ISAR成像的步骤为:
(a)获取ISAR回波数据S,S为K×N的复矩阵,K表示距离向观测K组数据,N表示方位向观测N组数据;
(b)对回波数据S进行距离压缩、运动补偿及徙动校正,得到数据Sd,Sd同样为K×N的复矩阵;
(c)生成高斯随机矩阵Φ,其维数为M×N,M为降维测量的个数,且满足O(n*lg(N/n))≤M<N,其中n为方位向强散射点个数。以Φ对Sd做降维观测,得到M×N的矩阵
Figure BDA00002157985100011
(d)对N×N的单位矩阵E做Fourier变换等到N×N的矩阵Ψ,Ψ即为表示雷达信号的Fourier稀疏基矩阵,则Sd可以通过稀疏系数Θ′在Ψ上表示:
Figure BDA00002157985100012
(e)按从左至右的次序对Y的每一列yk求解1范数凸优化方程:
min||θk||1s.t.yk=ΦΨθk
得到θk,将θk按原次序组合成矩阵Θ,ΘT即压缩感知ISAR成像结果。
但由于这种压缩感知方法使用Fourier基表示雷达信号,使得信号的多普勒分析过程在整个时间域全局进行,损失了各散射点多普勒频率的时间信息。当ISAR观测为机动目标时,各散射点的多普勒频率随时间变化而不断变化,从而造成多普勒分析失真和成像结果在方位向的模糊。
发明内容
为了克服现有技术针对机动目标成像结果在方位向模糊的不足,本发明提供一种机动目标压缩感知ISAR成像方法,利用时频分析的概念,使用改进的压缩感知稀疏基矩阵Ψ实现机动目标ISAR成像,提高成像质量。
本发明解决其技术问题所采用的技术方案包括以下步骤:
(a)获取ISAR回波数据S,回波数据S为K×N的复矩阵,K表示距离向观测K组数据,N表示方位向观测N组数据;
(b)对回波数据进行距离压缩、运动补偿及徙动校正,得到K×N的复矩阵Sd
(c)生成高斯随机矩阵Φ,其维数为M×N,M为降维测量的个数,且满足O(n*lg(N/n))≤M<N,其中n为方位向强散射点个数,以Φ对Sd做降维观测,得到M×N的矩阵
(d)对N×N的单位矩阵E做Fourier变换得到N×N的矩阵Ψ={ψ12,…,ΨN},将高斯窗函数g(t)=exp(-αt2)加到矩阵Ψ的每一列上,其中t为慢时间,α为高斯参数,当ISAR待成像时刻为ti时,稀疏基矩阵改为:
Ψi={g(t-ti1,g(t-ti2,…,g(t-tiN};
(e)按从左至右的次序对矩阵Y的每一列yk求解1范数凸优化方程:
min||θk||1s.t.yk=ΦΨiθk
得到θk,将θk按原次序组合成矩阵Θ,ΘT即为ti时刻的ISAR成像结果;
(f)对其它成像时刻tj,重复步骤(d)、(e),即可实现对机动目标各时段的ISAR成像。
本发明的有益效果
本发明通过引入高斯窗函数改进Fourier基矩阵,将时频分析的思想在ISAR回波信号表示域实现,把散射点多普勒频率的时间信息解析出来,实现机动目标压缩感知ISAR成像。本发明的具体优势包括:1)、对数据进行降维测量,降低了对成像回波采样率的要求;2)、可以对机动目标的各成像时刻进行自由成像;3)、改善了机动目标在方位向的成像效果,提高了ISAR成像的质量。
附图说明
图1:本发明方法采用的仿真机动目标ISAR回波数据的9点模型示意图;
图2:现有压缩感知ISAR成像算法的流程图;
图3:本发明机动目标压缩感知ISAR成像算法的流程图;
图4:机动目标ISAR成像结果。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
图1为仿真机动目标ISAR回波数据的9点模型。
1)参照图3我们首先仿真机动目标ISAR回波数据S∈C120×100,其中距离向采样120组数据,方位向采样100组数据。
2)对回波数据S进行距离压缩、运动补偿及徙动校正,得到数据Sd∈C120×100
3)产生高斯随机矩阵Φ∈R50×100,将Φ对Sd进行降维观测,即:
Y = Φ · S d T , ( Y ∈ C 50 × 120 )
Y中的每一列yk都是对应距离单元内待成像的压缩观测数据。
4)对单位矩阵E100×100做Fourier变换并单位化,得到Fourier基矩阵Ψ,在待成像时刻ti,改进后的基矩阵为:
Ψi={exp(-(t-ti)2/2)ψ1,exp(-(t-ti)2/2)ψ2,…,exp(-(t-ti)2/2)ψ100}
5)利用正交匹配追踪(OMP)算法,按从左至右的次序对Y中的每一列yk求解1范数凸优化问题:
min||θk||1s.tyk=ΦΨiθk
得到120组θk,将其按原次序排列组成矩阵Θ∈C100×120,将ΘT各元素求模并显示即得到待测时刻的目标ISAR像。
6)重复步骤4)、5)即可对目标进行不同时刻的ISAR成像。
参照图4可知,本发明方法显著改善了机动目标ISAR成像结果。

Claims (1)

1.一种机动目标压缩感知ISAR成像方法,其特征在于包括下述步骤:
(a)获取ISAR回波数据S,回波数据S为K×N的复矩阵,K表示距离向观测K组数据,N表示方位向观测N组数据;
(b)对回波数据进行距离压缩、运动补偿及徙动校正,得到K×N的复矩阵Sd
(c)生成高斯随机矩阵Φ,其维数为M×N,M为降维测量的个数,且满足O(n*lg(N/n))≤M<N,其中n为方位向强散射点个数,以Φ对Sd做降维观测,得到M×N的矩阵
Figure FDA00002157985000011
(d)对N×N的单位矩阵E做Fourier变换得到N×N的矩阵Ψ={ψ12,…,ΨN},将高斯窗函数g(t)=exp(-αt2)加到矩阵Ψ的每一列上,其中t为慢时间,α为高斯参数,当ISAR待成像时刻为ti时,稀疏基矩阵改为:
Ψi={g(t-ti1,g(t-ti2,…,g(t-tiN};
(e)按从左至右的次序对矩阵Y的每一列yk求解1范数凸优化方程:
min||θk||1s.t.yk=ΦΨiθk
得到θk,将θk按原次序组合成矩阵Θ,ΘT即为ti时刻的ISAR成像结果;
(f)对其它成像时刻tj,重复步骤(d)、(e),即可实现对机动目标各时段的ISAR成像。
CN2012103477827A 2012-09-19 2012-09-19 机动目标压缩感知isar成像方法 Pending CN102841350A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012103477827A CN102841350A (zh) 2012-09-19 2012-09-19 机动目标压缩感知isar成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012103477827A CN102841350A (zh) 2012-09-19 2012-09-19 机动目标压缩感知isar成像方法

Publications (1)

Publication Number Publication Date
CN102841350A true CN102841350A (zh) 2012-12-26

Family

ID=47368884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012103477827A Pending CN102841350A (zh) 2012-09-19 2012-09-19 机动目标压缩感知isar成像方法

Country Status (1)

Country Link
CN (1) CN102841350A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399312A (zh) * 2013-07-15 2013-11-20 哈尔滨工程大学 基于压缩感知技术的时空联合滤波高分辨方位估计方法
CN103454631A (zh) * 2013-08-31 2013-12-18 西北工业大学 一种基于mimo技术和稀疏阵技术的三维成像方法
CN103698764A (zh) * 2013-12-27 2014-04-02 中国科学院电子学研究所 一种稀疏采样条件下的干涉合成孔径雷达成像方法
CN103941255A (zh) * 2013-01-17 2014-07-23 南京航空航天大学 一种基于设计结构化Gram矩阵的ISAR运动补偿方法
CN103954962A (zh) * 2014-02-28 2014-07-30 西安电子科技大学 一种基于压缩感知的isar成像脉冲估计算法
CN105223573A (zh) * 2015-10-10 2016-01-06 电子科技大学 宽域高分辨率多目标逆合成孔径雷达成像技术
CN109471105A (zh) * 2018-11-15 2019-03-15 河海大学 一种压缩感知逆合成孔径雷达机动目标偏离栅格的快速成像方法
CN110687530A (zh) * 2019-09-18 2020-01-14 上海广电通信技术有限公司 微型安防雷达监控系统
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

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102207547A (zh) * 2010-03-31 2011-10-05 中国科学院电子学研究所 一种适用于稀疏微波成像的随机噪声雷达的信号处理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102207547A (zh) * 2010-03-31 2011-10-05 中国科学院电子学研究所 一种适用于稀疏微波成像的随机噪声雷达的信号处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张龙等: "一种基于改进压缩感知的低信噪比ISAR高分辨成像方法", 《电子与信息学报》, 30 September 2010 (2010-09-30), pages 2263 - 2267 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941255A (zh) * 2013-01-17 2014-07-23 南京航空航天大学 一种基于设计结构化Gram矩阵的ISAR运动补偿方法
CN103399312A (zh) * 2013-07-15 2013-11-20 哈尔滨工程大学 基于压缩感知技术的时空联合滤波高分辨方位估计方法
CN103454631A (zh) * 2013-08-31 2013-12-18 西北工业大学 一种基于mimo技术和稀疏阵技术的三维成像方法
CN103698764A (zh) * 2013-12-27 2014-04-02 中国科学院电子学研究所 一种稀疏采样条件下的干涉合成孔径雷达成像方法
CN103698764B (zh) * 2013-12-27 2015-11-04 中国科学院电子学研究所 一种稀疏采样条件下的干涉合成孔径雷达成像方法
CN103954962B (zh) * 2014-02-28 2016-12-07 西安电子科技大学 一种基于压缩感知的isar成像脉冲估计算法
CN103954962A (zh) * 2014-02-28 2014-07-30 西安电子科技大学 一种基于压缩感知的isar成像脉冲估计算法
CN105223573A (zh) * 2015-10-10 2016-01-06 电子科技大学 宽域高分辨率多目标逆合成孔径雷达成像技术
CN105223573B (zh) * 2015-10-10 2018-11-13 电子科技大学 宽域高分辨率多目标逆合成孔径雷达成像技术
CN109471105A (zh) * 2018-11-15 2019-03-15 河海大学 一种压缩感知逆合成孔径雷达机动目标偏离栅格的快速成像方法
CN110687530A (zh) * 2019-09-18 2020-01-14 上海广电通信技术有限公司 微型安防雷达监控系统
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

Similar Documents

Publication Publication Date Title
CN102841350A (zh) 机动目标压缩感知isar成像方法
Zeng et al. Sparse SAR imaging based on L 1/2 regularization
CN104237883B (zh) 一种采用稀疏表示的机载雷达空时自适应处理方法
CN104931966B (zh) 一种基于dcs算法的星载视频sar成像处理方法
CN104101864B (zh) 基于eof分解的导航x波段雷达海浪参数反演算法
CN103454635B (zh) 基于高超声速飞行器平飞段的前斜视sar成像方法
CN102879782A (zh) 基于分数阶傅里叶变换的压缩感知sar成像方法
CN101866001B (zh) 一种用于下视阵列天线合成孔径雷达的三维聚焦成像方法
CN106199602B (zh) 一种Staggered-SAR回波信号重建方法
CN103760558A (zh) 一种太赫兹雷达isar成像方法
CN113126087B (zh) 一种星载干涉成像高度计天线
CN104730513A (zh) 一种分级子阵聚焦mvdr波束形成方法
Chen et al. A novel image formation algorithm for high-resolution wide-swath spaceborne SAR using compressed sensing on azimuth displacement phase center antenna
CN109507666A (zh) 基于离网变分贝叶斯算法的isar稀疏频带成像方法
CN103885058A (zh) 一种利用稀疏统计特性的机载雷达前视超分辨成像方法
CN104749573B (zh) 空频域二维稀疏的步进频率sar成像方法
CN103293527B (zh) 基于置信框架的自适应isar成像方法
Li et al. A synthetic bandwidth method for high-resolution SAR based on PGA in the range dimension
CN102928838A (zh) 基于稀疏表示与时频变换的距离-瞬时多普勒成像方法
CN108008378B (zh) 一种sar虚假目标能量比值确定方法及装置
CN102680956A (zh) 星载合成孔径雷达方位向第一模糊区回波信号能量抑制系统
CN105759264A (zh) 基于时频字典的微动目标缺损回波高分辨成像方法
CN104931965A (zh) 一种固定发射站双基正侧视sar成像方法
CN105204020B (zh) 基于粒子群优化的移不变双基前视sar飞行模式设计方法
CN106908782A (zh) 基于水面状态连续成像系统的波浪传播方向的提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20121226