CN103487807B - 一种isar最优成像时间选择方法 - Google Patents

Abstract

本发明提供了一种ISAR最优成像时间选择方法。所述方法利用目标距离向的长度先验信息，结合舰船目标的纵摇规律，估计出舰船的固有纵摇周期；利用固有纵摇周期隔离微多普勒效应对多普勒展宽曲线的干扰，并为多普勒展宽曲线低通滤波器截止频率的选取提供可靠依据；利用概率统计理论中的方差概念，估计目标各初像的平均多普勒展宽。本发明方法获得了较好的估计准确性和鲁棒性，且运算量较低，适用于实时应用。

Description

一种ISAR最优成像时间选择方法

技术领域

本发明属于雷达成像技术领域，尤其是涉及一种ISAR最优成像时间选择方法。

背景技术

逆合成孔径雷达ISAR可以用来对海上舰船高分辨成像。众所周知，ISAR距离向分辨率依赖于发射信号的带宽，而方位向的分辨率取决于目标相对雷达的等效转动。对于海上舰船目标来说，在低海情情况下等效转动主要依赖于目标与雷达的相对巡航；而在高海情情况下，舰船受海浪涌动造成横摇、纵摇和偏航的三维运动成为等效转动的主要来源，而且上述三维运动在各自维度上总体呈现出周期性的特点。三维运动合成的等效转动矢量导致了舰船目标多普勒频率的时变特性。利用时频分析的方法可以不受该时变性的影响得到高分辨率的目标图像，但时频分析算法需要克服交叉项问题带来的图像模糊且算法复杂度一般较高，不利于实时处理的应用。采用距离多普勒算法(RD)可以满足实时性的要求，但为了提高图像质量和方位向分辨率，需要选择等效转动的角速度较大且平稳的数据段，该步骤称为最优成像时间选择。

实际应用中舰船目标都可视为非合作目标，因此需要根据回波信息筛选出符合要求的数据段。已有的经典算法主要可以分为两类：基于图像图形分析的筛选算法和基于估计目标散射点多普勒信息的筛选算法。第一类经典算法不假设舰船运动的任何信息，仅通过估计目标图像的参数或者提取图像特征估计目标的运动特性；第二类经典算法通过计算目标散射点的多普勒展宽或者多普勒中心估计目标的运动特性。现有的算法都要通过人工干预才能正常工作且准确性和实时性不佳。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足,提出了一种ISAR最优成像时间选择方法。所述方法实现了最优成像数据段的自动、快速筛选，并使得筛选出的数据段在方位向分辨率和图像质量之间获得合理的折中，且其计算量适中，适合实时应用。

为解决上述技术问题，本发明所采用的技术方案是：

一种ISAR最优成像时间选择方法，包括步骤如下：

步骤1，对雷达回波数据的距离向压缩并做运动补偿操作，根据脉冲重复频率对数据分块，对各数据块的方位向压缩形成目标初像；

步骤2，从目标初像的距离向获取船的长度ship_L，并通过下式计算舰船纵摇周期ship_T：

$\mathrm{ship}\_T=\mathrm{\η}*\sqrt{\mathrm{ship}\_L}$

其中，η为修正因子，η的取值范围为0.6到0.85；

步骤3，隔离微多普勒干扰，首先计算舰船目标的最大多普勒展宽ship_F：

$\mathrm{ship}\_F=\frac{2V}{\mathrm{\λ}}$

$V=\frac{A}{\mathrm{ship}\_T}*\mathrm{ship}\_H$

ship_H≈ship_L/2

其中，λ为雷达发射信号波长，V为纵摇速度，A为该船的两倍最大纵摇幅度，ship_T为纵摇周期；ship_H为舰船吃水线以上的建筑高度；

进而计算目标初像的方位向保护单元ship_ptc，从而隔离微多普勒干扰：

其中，PRF为脉冲重复频率，为向上取整运算；

步骤4，求解目标初像方位向的平均多普勒展宽，首先计算方位向和包络P(m)：

$P\left(m\right)=\underset{n=1}{\overset{N_r}{\mathrm{\Σ}}}\left|p_n\right|$

其中，|p_n|表示第n个距离门的包络，N_r表示距离门个数；m表示第m个脉冲，m＝1,2…N_a，N_a表示方位向的脉冲个数；

则目标初像方位向的平均多普勒展宽Var为：

$\mathrm{Var}=\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}F\left(m\right){(m-E)}^2$

其中，E表示和包络的数学期望，其表达式为：

$E=\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}\mathrm{mF}\left(m\right)$

其中，F(m)表示概率密度函数，其表达式为：

$F\left(m\right)=P\left(m\right)/\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}P\left(m\right)$

步骤5，将步骤4获得的目标各初像的平均多普勒展宽向量化，构成目标多普勒展宽信号，再对该信号低通滤波即平滑处理，低通滤波器的窗宽win_dop为：

win_dop＝4α/ship_T

其中，α表示过采样因子；

步骤6，选择平滑后的多普勒展宽信号的相邻谷值位置作为参考点，进而取得平滑后的多普勒展宽信号的峰值位置，从而得到最优成像时间的中心脉冲；相邻谷值之间时段即为选择的最优成像时间。

步骤2中，所述η的取值为0.7。

步骤5中，所述α的取值为1.5。

本发明的有益效果是：本发明提供了一种ISAR最优成像时间选择方法。所述方法利用目标距离向的长度先验信息，结合舰船目标的纵摇规律，估计出舰船的固有纵摇周期；利用固有纵摇周期隔离微多普勒效应对多普勒展宽曲线的干扰，并为多普勒展宽曲线低通滤波器截止频率的选取提供可靠依据；利用概率统计理论中的方差概念，估计目标各初像的平均多普勒展宽。本发明方法获得了较好的估计准确性和鲁棒性，且运算量较低，适用于实时应用。

附图说明

图1为本发明方法流程图。

图2为驱逐舰模型三视图；其中，图2(a)、图2(b)、图2(c)分别是正视图、右视图和俯视图。

图3为仿真舰船目标的多普勒展宽信号与等效转动角速度；其中，图3(a)为舰船目标的多普勒展宽信号，图3(b)为等效转动角速度。

图4为仿真舰船目标成像结果；图4(a)为中心脉冲为图3(a)位置1时的目标成像结果，图4(b)为中心脉冲为图3(a)位置2时的目标成像结果，图4(c)为中心脉冲为图3(a)位置3时的目标成像结果，图4(d)为中心脉冲为图3(a)位置4时的目标成像结果。

具体实施方式

下面结合附图，对本发明提出的一种ISAR最优成像时间选择方法进行详细说明：

海上舰船目标运动通常较为复杂，其中对成像贡献较大的运动分别为：相对巡航、纵摇、横摇和偏航运动。在低海情情况下，主要依靠雷达载机与舰船的相对巡航获得成像所需的多普勒频率，等效转动矢量偏向于垂直转动轴，一般可以得到舰船的俯视图；在高海情情况下，目标自身摇摆较为强烈，其中横摇最强，其次为纵摇，偏航较弱，而载机相对舰船的飞行转动矢量相对最弱，等效转动矢量偏向于水平转动轴，这时可以得到目标的近似侧视图。实际上要想获得理想的侧视图，还与雷达观察目标的视角β有关(RLOS在海平面上投影与舰船纵轴的夹角)。视角β越接近目标的纵摇对成像的贡献越大，则成像获得的侧视图与目标真实的侧视图越接近。下面将研究该情况下的舰船目标最优成像时间的选择问题。

首先对雷达回波数据的距离向压缩并做距离对准和相位补偿操作，根据脉冲重复频率对数据的方位向分块，再对各数据块的方位向压缩形成目标初像。根据信号带宽和距离向分辨率的关系，从目标初像的距离向获取舰船的长度ship_L信息，并通过下式计算舰船纵摇周期ship_T：

$\mathrm{ship}\_T=\mathrm{\η}*\sqrt{\mathrm{ship}\_L}---\left(1\right)$

其中η因子在海中的舰船为0.7。

为了精确估计目标初像的平均多普勒展宽，需要隔离方位向微多普勒干扰。为此，我们需要估计出舰船目标的最大多普勒展宽，如式(2)所示：

$\mathrm{ship}\_F=\frac{2V}{\mathrm{\λ}}---\left(2\right)$

$V=\frac{A}{\mathrm{ship}\_T}*\mathrm{ship}\_H---\left(3\right)$

ship_H≈ship_L/2   (4)

式(2)中λ为雷达发射信号波长，V为纵摇速度，ship_F为舰船的最大多普勒展宽；A为该船的两倍最大纵摇幅度，ship_T为纵摇周期；舰船吃水线以上的建筑高度ship_H都小于等于该船长度ship_L的1/2，所以这里我们取ship_L/2作为ship_H的近似值。

由此可以得到目标的方位向保护单元，从而用来隔离微多普勒干扰：

在隔离微多普勒干扰后，需要估计目标各初像方位向的平均多普勒展宽。首先计算方位向和包络P(m)：

$P\left(m\right)=\underset{n=1}{\overset{N_r}{\mathrm{\Σ}}}\left|p_n\right|---\left(6\right)$

其中，m＝1,2…N_a，|p_n|表示第n个距离门的包络，N_r表示距离门个数。再根据式(9)估计目标初像方位向的平均多普勒展宽Var。

$F\left(m\right)=P\left(m\right)/\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}P\left(m\right)---\left(7\right)$

$E=\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}\mathrm{mF}\left(m\right)---\left(8\right)$

$\mathrm{Var}=\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}F\left(m\right){(m-E)}^2---\left(9\right)$

其中N_a表示方位向的脉冲个数，m表示第m个脉冲，F(m)表示概率密度函数，E表示和包络的数学期望。众所周知，方差可以用来度量随机变量与其数学期望之间的偏离程度，这与多普勒展宽的物理意义吻合，所以这里我们将方差等效为目标的平均多普勒展宽，如式(9)所示。

将获得的目标各初像平均多普勒展宽向量化，构成目标多普勒展宽信号，再对该信号低通滤波即平滑处理，低通滤波器的截止频率由舰船目标的摇摆频率决定，如下式所示：

S_dop＝(1/ship_T*2)   (10)

win_dop＝α*2*S_dop   (11)

式(10)中S_dop表示多普勒展宽信号的频率；式(11)中由于S_dop信号为实信号，所以窗宽win_dop应该为该信号频率的2倍，α表示过采样因子，一般取值为1.5。

选择平滑后信号的相邻谷值位置作为参考点，间接取得峰值位置，这样就得到了最优成像时间的中心脉冲。谷值之间的数据段即为合理的成像积累脉冲时段。最后我们给出本发明的算法流程图，如图(1)所示。

下面我们将通过仿真实验验证视角β接近且较大海情下本发明的性能。仿真目标为多散射点驱逐舰模型，目标的正视图、右视图和俯视图分别如图2(a)、图2(b)、图2(c)所示，模型共包含301个散射点，各散射点坐标间距为5米。仿真参数如下表所示：

表1

表1中参数模拟的场景是5级海情且载机与驱逐舰存在相对运动的情况。根据算法流程首先要对距离向压缩完毕的回波数据分块，并经过粗略的运动补偿后获得目标初像，用本发明提出的算法分别计算每个初像的平均多普勒展宽，然后构成目标的多普勒展宽曲线，如图3(a)中三角标志所示。平滑后的曲线滤除了多普勒展宽曲线中的高频干扰并且与估计的多普勒展宽曲线在峰值和峰谷位置准确吻合，如图3(a)实线所示；通过多普勒展宽与等效角速度的对应关系可知，图3(a)平滑后的多普勒展宽曲线能够与图3(b)的真实等效角速度曲线正确对应。

下面我们分别以图3(a)中箭头1～4所指的四个位置为中心脉冲利用RD算法成像，其中位置2即本发明估计的最优成像时间中心脉冲，该位置对应的成像积累脉冲数为560个。图4为成像结果，图4(a)到图4(d)的中心脉冲分别对应了图3(a)中1到4位置，为了方便比较成像结果，我们统一将积累脉冲数设为560个。从图4(a)、(c)可以看出目标方位向分辨率较低且方位向散焦现象较明显；如图4(d)所示，目标图像出现了严重的方位向散焦，这是因为该数据段对应的子孔径跨越了舰船纵摇的两个相反方向；而子图4(b)的方位向分辨率最高且没有发生明显的方位向模糊。

Claims (3)

1.一种ISAR最优成像时间选择方法，其特征在于，包括步骤如下：

步骤1，对雷达回波数据的距离向压缩并做运动补偿操作，根据脉冲重复频率对数据分块，对各数据块的方位向压缩形成目标初像；

步骤2，从目标初像的距离向获取船的长度ship_L，并通过下式计算舰船纵摇周期ship_T：

$\mathrm{ship}\_T=\mathrm{\η}*\sqrt{\mathrm{ship}\_L}$

其中，η为修正因子，η的取值范围为0.6到0.85；

步骤3，隔离微多普勒干扰，首先计算舰船目标的最大多普勒展宽ship_F：

$\mathrm{ship}\_F=\frac{2V}{\mathrm{\λ}}$

$V=\frac{A}{\mathrm{ship}\_T}*\mathrm{ship}\_H$

ship_H≈ship_L/2

其中，λ为雷达发射信号波长，V为纵摇速度，A为该船的两倍最大纵摇幅度，ship_T为纵摇周期；ship_H为舰船吃水线以上的建筑高度；

进而计算目标初像的方位向保护单元ship_ptc，从而隔离微多普勒干扰：

其中，PRF为脉冲重复频率，为向上取整运算；

步骤4，求解目标初像方位向的平均多普勒展宽，首先计算方位向和包络P(m)：

$P\left(m\right)=\underset{n=1}{\overset{N_r}{\mathrm{\Σ}}}\left|p_n\right|$

其中，|p_n|表示第n个距离门的包络，N_r表示距离门个数；m表示第m个脉冲，m＝1,2…N_a，N_a表示方位向的脉冲个数；

则目标初像方位向的平均多普勒展宽Var为：

$\mathrm{Var}=\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}F\left(m\right){(m-E)}^2$

其中，E表示和包络的数学期望，其表达式为：

$E=\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}\mathrm{mF}\left(m\right)$

其中，F(m)表示概率密度函数，其表达式为：

$F\left(m\right)=P\left(m\right)/\underset{m=1}{\overset{N_a}{\mathrm{\Σ}}}P\left(m\right)$

步骤5，将步骤4获得的目标各初像的平均多普勒展宽向量化，构成目标多普勒展宽信号，再对该信号低通滤波即平滑处理，低通滤波器的窗宽win_dop为：

win_dop＝4α/ship_T

其中，α表示过采样因子；

步骤6，选择平滑后的多普勒展宽信号的相邻谷值位置作为参考点，进而取得平滑后的多普勒展宽信号的峰值位置，从而得到最优成像时间的中心脉冲；相邻谷值之间时段即为选择的最优成像时间。

2.如权利要求1所述的一种ISAR最优成像时间选择方法，其特征在于，步骤2中，所述η的取值为0.7。

3.如权利要求1所述的一种ISAR最优成像时间选择方法，其特征在于，步骤5中，所述α的取值为1.5。