CN103616688A - 一种提升三维干涉逆合成孔径雷达图像质量的方法 - Google Patents

Abstract

本发明公开了一种提升干涉逆合成孔径雷达三维图像质量的方法，该方法包括：对回波数据预处理；利用谱估计技术对回波数据进行方位向孔径外推，获得超分辨二维干涉合成孔径雷达图像干涉对；对超分辨二维干涉合成孔径雷达图像配准并进行干涉处理，得到不同谱估计技术下的三维干涉逆合成孔径雷达图像。数据预处理包括各天线平台回波数据的运动补偿处理、天线间波程差的补偿、Keystone变换消除越距离单元徙动；分别利用Capon和Burg谱估计技术进行方位向孔径外推，获得不同方法下的超分辨二维ISAR图像对；通过本发明，能够获得高质量的实测目标三维视图，对ISAR目标识别及姿态确定具有重要的意义。

Description

一种提升三维干涉逆合成孔径雷达图像质量的方法

技术领域

本发明涉及干涉逆合成孔径雷达成像(Interferometric Inverse SyntheticAperture Radar Imaging)技术。

背景技术

ISAR可以全天时、全天候获取远距离目标的二维图像，引起了人们的广泛关注。通常而言，ISAR获得的图像是三维空间目标在距离-多普勒平面上的投影。然而对于机动目标来讲，其转动速率是未知的，这使得难以对目标ISAR像进行方位定标。另一方面，机动目标不同姿态及运动条件下相对于雷达的投影是不同的，这导致获得的ISAR像也不相同。这两方面都增加了ISAR目标识别及姿态确定的难度。

为了获得目标真实三维视图，人们提出了3D InISAR技术，它采用三天线相位干涉的办法获取目标的三维视图，并且其系统简单，易于实现，信号处理也比较简单，因而受到了广泛的重视。

获得高分辨且具有孤立散射点的ISAR图像是InISAR技术的关键。通常而言，雷达可通过发射大的宽带信号获得高距离分辨率。高的方位分辨率则通过目标相对于雷达较大的转角获取，然而这时目标机动运动会使得回波相位历程非线性，导致传统傅里叶变换成像获取的图像散焦严重；线性时频分析方法在保持相位的同时通常会导致分辨率下降，不利于获得孤立散射点；而非线性时频分析类方法会产生交叉项，并且其相位往往也会被破坏。

注意这样一个事实：在较短的雷达观测时间内，目标的转动可以近似认为是均匀的。倘若能利用这个特性，获得超分辨ISAR图像(较多孤立散射点)，并且保持散射点相位，则有可能获取高质量的机动目标三维视图。

综上所述，如何利用短孔径回波数据获取超分辨ISAR图像是干涉逆合成孔径雷达三维(Three-dimensional Interferometric Inverse SyntheticAperture Radar，3D InISAR)领域一个亟待解决的问题。

发明内容

(一)要解决的技术问题

有鉴于此，本发明的主要目的在于提供一种利用谱估计技术提升干涉逆合成孔径雷达三维图像质量的方法，能够获得高质量的目标三维视图。

(二)技术方案

为达到上述目的，本发明提供一种提升干涉逆合成孔径雷达三维图像质量的方法，所述方法的技术方案是这样实现的：对回波数据预处理；

利用谱估计技术对回波数据进行方位向孔径外推，获得超分辨二维干涉合成孔径雷达图像干涉对；

对超分辨二维干涉合成孔径雷达图像配准并进行干涉处理，得到不同谱估计技术下的三维干涉逆合成孔径雷达图像。

其中，所述回波数据预处理是以天线A为基准，对各天线回波进行联合平动运动补偿处理，消除天线B和天线C与天线A的波程差，利用Keystone变换消除目标的距离徙动，即转动运动补偿。

其中，所述平动补偿处理包括包络对齐和相位自聚焦的平动补偿处理。

其中，利用Capon最小方差算法谱估计技术对回波数据进行方位向孔径外推，对外推后的回波数据进行成像处理，得到Capon超分辨二维干涉合成孔径雷达图像干涉对。

其中，利用Burg谱估计技术对回波数据进行方位向孔径外推，对外推后的回波数据进行成像处理，得到Burg超分辨二维干涉合成孔径雷达图像干涉对。

其中，基于Capon和Burg谱估计技术对超分辨二维干涉合成孔径雷达图像干涉对进行干涉处理，获得干涉相位差。

其中，根据干涉相位差反演目标的三维坐标，得到不同谱估计技术下的目标三维干涉逆合成孔径雷达图像。

(三)有益效果

本发明采用Capon和Burg谱估计技术获得了二维逆合成孔径雷达超分辨图像干涉对并进行干涉处理，最终获得了高质量的机动目标三维逆合成孔径雷达图像，解决了传统快速傅里叶变换成像方法容易导致图像散焦且仅能获得二维图像的问题，该发明提高了逆合成孔径雷达对机动目标的识别及姿态确定能力。

通过本发明，能够获得高质量的实测目标三维视图，对ISAR目标识别及姿态确定具有重要的意义。

附图说明

图1为本发明提升三维干涉逆合成孔径雷达图像质量的方法流程图；

图2为两天线与目标的成像几何关系；

图3为观测目标光学图像；

图4a-图4b平动补偿后的回波信号及某一距离单元的WVD分布；

图5a-图5c为传统FFT方法处理的飞机ISAR图像及相位干涉图；

图6为传统FFT方法处理的飞机三维像；

图7a-图7c为Capon谱估计方法处理的飞机ISAR图像及相位干涉图；

图8为Capon谱估计方法处理的飞机三维像；

图9a-图9c为Burg谱估计方法处理的飞机ISAR图像及相位干涉图；

图10为Burg谱估计方法处理的飞机三维像；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1为本发明三维干涉逆合成孔径雷达成像流程图。如图1所示，该方法包括：

步骤101：回波数据预处理。

具体的，以天线A为基准对各天线回波进行联合平动运动补偿处理，平动补偿处理包括包络对齐和相位自聚焦两步，然后消除三天线之间的波程差，再利用Keystone变换消除由于目标自身转动造成的越距离单元徙动。

图2为水平方向的两个天线相对于运动目标的成像几何模型，俯仰方向的成像几何与之类似。如图2示出X，Y表示以地面雷达为坐标原点的地面参考坐标系，X轴为横坐标轴，Y轴为纵坐标轴；x，y表示以飞机运动中心O′为坐标原点的飞机坐标系，x轴为横坐标轴，y轴为纵坐标轴，y轴的方向始终与雷达视线保持一致，x轴与y轴垂直。在雷达照射期间，假设目标上散射点相对位置不变，目标从a处运动到b处，其运动中心为O′，则目标相对于天线A和天线B的距离R_Ak(t_m)、R_Bk(t_m)分别表示为：

R_Ak(t_m)＝R_AO′+∫v(t_m)dt_m+y_kcos(Δθ(t_m))+x_ksin(Δθ(t_m))≈R_AO′+∫v(t_m)dt_m+y_k+x_kΔθ(t_m)(1)

R_Bk(t_m)＝R_BO′+∫v(t_m)dt_m+y_kcos(Δθ(t_m))+x_ksin(Δθ(t_m))≈R_BO′+∫v(t_m)dt_m+y_k+x_kΔθ(t_m)+LΔθ(t_m)

其中R_AO′和R_BO′表示天线A和天线B在a处与目标中心O′的距离，t_m表示方位向慢时间，v(t_m)表示目标在t_m时刻的运动速度，y_k表示目标上某散射点的纵坐标，x_k表示目标上某散射点的横坐标，Δθ(t_m)在雷达观测时间内的转角，∫v(t_m)dt_m表示由于目标相对于天线A径向运动引起的距离变化量，y_k+x_kΔθ(t_m)表示由于目标上任一散射点相对雷达视角转动引起的距离变化量，L表示两天线之间的基线长，LΔθ(t_m)表示目标整体相对于天线A和天线B转动引起的波程差，它会造成生成的ISAR图像不能够配准。

系统以天线A作为发射天线，天线A和天线B同时接收回波信号，则经过混频及匹配滤波后，天线Γ(Γ＝A，B)得到的回波信号

表示为：

$s_{\mathrm{\Γ}}(\hat{t},t_m)=\underset{x_k,y_k\∈K}{\∫\∫}a(x_k,y_k)\sin c\left[B_d(\hat{t}-\frac{2R_{\mathrm{\Γk}}\left(t_m\right)}{c})\right]\·\exp [-j\frac{4\mathrm{\π}}{c}{f}_c{R}_{\mathrm{\Γk}}\left(t_m\right)]---\left(2\right)$

$=\underset{x_k,y_k\∈K}{\∫\∫}a(x_k,y_k)\·\exp [-j\frac{4\mathrm{\π}}{c}{f}_c(R_{\mathrm{\Γ}{O}^{\′}}+y_k)]\sin c\left[B_d(\hat{t}-\frac{2R_{\mathrm{\Γk}}\left(t_m\right)}{c})\right]\·\exp [-j\frac{4\mathrm{\π}}{c}{f}_c(R_{\mathrm{\Γk}}\left(t_m\right)-R_{\mathrm{\Γ}{O}^{\′}}-y_k)]$

其中

表示距离向快时间，K表示雷达成像空间范围，a(x_k，y_k)表示第k个散射点的后向散射系数，B_d表示雷达发射信号带宽，R_Γk表示目标在t_m时刻相对于天线Γ(Γ＝A，B)的距离，c表示电磁波传播速度，j为虚数，f_c表示雷达发射信号载频，R_ΓO′表示天线Γ(Γ＝A，B)在a处与目标中心O′的距离，方位向慢时间t_m∈[0，T_a]，T_a表示雷达观测目标的时间。

首先以天线A为基准对各天线回波进行联合平动运动补偿处理，消除∫v(t_m)dt_m这一项的影响，接着补偿天线之间的波程差，消除LΔθ(t_m)的影响。此外，在实际情况中，由于飞机机体往往较大，可能导致越距离单元徙动现象，此处采用Keystone变换消除越距离单元徙动。在进行上述三个预处理步骤后，式(2)的回波信号可写为：

$s_{\mathrm{\Γ}}(\hat{t},t_m)=\underset{x_k,y_k\∈K}{\∫\∫}\begin{array}{c}a(x_k,y_k)\·\sin c\left[B_d(\hat{t}-\frac{2(R_{\mathrm{\Γ}{O}^{\′}}+y_k)}{c})\right]\·\\ \exp [-j\frac{4\mathrm{\π}}{c}{f}_c(R_{\mathrm{\Γ}{O}^{\′}}+y_k)]\exp [-j\frac{4\mathrm{\π}}{c}{f}_c{x}_k\mathrm{\ω}{t}_m]\end{array}---\left(3\right)$

其中ω表示目标在雷达观测时间内的转动角速度。

步骤102：利用谱估计技术对回波数据进行方位向孔径外推，获得超分辨二维逆合成孔径雷达图像对。

具体的，分别利用Capon和Burg谱估计方法进行回波数据方位向孔径外推，获得比原始数据更长的方位向孔径长度，实现ISAR目标图像的超分辨。

经过谱估计方法进行方位向孔径外推后，方位向有效数据成倍增长，外推后的信号表达式为：

$s_{\mathrm{\Γ}}(\hat{t},{\hat{t}}_m)=\underset{x_k,y_k\∈K}{\∫\∫}\begin{array}{c}a(x_k,y_k)\·\sin c\left[B_d(\hat{t}-\frac{2(R_{\mathrm{\Γ}{O}^{\′}}+y_k)}{c})\right]\·\\ \exp [-j\frac{4\mathrm{\π}}{c}{f}_c(R_{\mathrm{\Γ}{O}^{\′}}+y_k)]\exp [-j\frac{4\mathrm{\π}}{c}{f}_c{x}_k\mathrm{\ω}{\hat{t}}_m]\end{array}---\left(4\right)$

其中，

N为方位向外推因子，研究表明N取2较为合适，T_a表示雷达观测目标的时间。对外推后的数据进行谱分析，即可实现ISAR方位向超分辨。

步骤103：对超分辨二维干涉合成孔径雷达图像配准并进行干涉处理，得到不同谱估计技术下的三维干涉逆合成孔径雷达图像。

具体的，配准运用不同谱估计技术得到的二维逆合成孔径雷达图像对，并分别进行干涉处理，最终获得高质量的三维干涉逆合成孔径雷达图像。

对外推后的信号进行方位向FFT成像和ISAR图像对配准后，ISAR图像上对应的散射点

可以表示为

$\left\{\begin{array}{c}{a}_A^{\′}(\hat{t},{\hat{t}}_m)=a(x_k,y_k)\·\exp [-j\frac{4\mathrm{\π}}{c}{f}_c(R_{A{O}^{\′}}+y_k)]\\ a_B^{\′}(\hat{t},{\hat{t}}_m)=a(x_k,y_k)\·\exp [-j\frac{4\mathrm{\π}}{c}{f}_c(R_{B{O}^{\′}}+y_k)]\end{array}\right.---\left(5\right)$

将散射点

的共轭相乘，得

$a_B^{\′}(x_k,y_k)\·a_A^{\′*}(x_k,y_k)\≈a^2(x_k,y_k)\·\exp \left[j\frac{2\mathrm{\π}}{c}{f}_c\left(\frac{2x_{k}L}{R_{A{O}^{\′}}+R_{B{O}^{\′}}+2y_k}\right)\right]---\left(6\right)$

从式(6)即可反演出散射点方位向真实位置信息，同理可得散射点目标俯仰向真实位置信息。

下面结合具体实施例对本发明的技术方案作进一步详细说明。

实施例1

雷达观测对象为非合作的民航飞机，飞机距离雷达约为28000m，其姿态，如图3所示观测目标光学图像。选择256个脉冲进行分析。图4a为平动补偿后的回波信号，这时的目标相当于转台目标。箭头1所示为转台边缘散射点的包络走动，箭头2所示直线为某一距离单元的魏格纳分布(WVD)如图4b所示，其散射点多普勒呈现非线性特性。由以上分析可见，目标机动运动会严重影响ISAR成像，进而难以获得高质量的三维干涉逆合成孔径雷达图像。

在本实施例中，距离向单元表示雷达目标二维或三维图像距离向的像素序号，多普勒单元表示雷达目标二维图像方位向的像素序号，方位向单元表示雷达目标三维图像方位向的像素序号，高度单元表示雷达目标三维图像高度向的像素序号，时间单元表示雷达观测时间所对应的像素序号。

为便于对比，首先给出采用传统算法对参考天线获得的数据进行ISAR成像的结果以及经过三天线干涉后获得的水平和俯仰相位图。其中，在获得ISAR图像时我们采用keystone变换去除目标转动时散射点包络徙动的影响。图5a-图5c为传统FFT方法处理的飞机ISAR图像及相位干涉图，从图5a可见，受非均匀转动的影响，目标ISAR图像有一定程度的散焦。图5b和图5c散射点幅度对应该点的相位，可见其水平相位大致符合从左到右递减规律，俯仰相位大致符合从上到下递减规律。然而从细节上看，还是有不少散射点相位有较大程度的跳变，这会严重影响三维干涉逆合成孔径雷达图像质量。图6中(a)-(d)分别是传统FFT方法处理的飞机的距离-水平、距离-俯仰、俯仰-水平及三维视图。飞机三维效果图质量很差，几乎无法识别，可见细微的相位跳动都会造成三维干涉逆合成孔径雷达图像质量的严重下降。

接下来我们采用本发明方法对128个脉冲的回波数据进行谱估计超分辨处理。此处以Capon谱估计技术处理结果为例进行较为详细的说明，其它技术实验结果类似，并将在后面逐一给出。从图7a的Capon外推超分辨ISAR图像可见，其比图5a干净了很多。图7b和图7c分别为Capon谱估计方法处理的飞机ISAR图像及水平和俯仰干涉相位图，可以看出，其干涉相位也比图5b和图5c规律了很多，不规律的相位跳变点大大减少。在此基础上，如图8中(a)-(d)所示，给出了Capon方法干涉逆合成孔径雷达三维视图，从图8(d)可以较清楚的看出目标的两翼及整体轮廓，目标的散射点清晰可辨，并且可以对目标定标，获得其准确尺寸。此外，图9a-图9c和图10(a)-(d)分别给出采用Burg谱估计技术获得的目标二维图像和三维视图。上述实测数据处理结果证实了Capon和Burg谱估计技术在三维干涉逆合成孔径雷达成像中实用性和优越性。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内。

Claims (7)

1.一种提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，该方法包括：

对回波数据预处理；

利用谱估计技术对回波数据进行方位向孔径外推，获得超分辨二维干涉合成孔径雷达图像干涉对；

对超分辨二维干涉合成孔径雷达图像配准并进行干涉处理，得到不同谱估计技术下的三维干涉逆合成孔径雷达图像。

2.根据权利要求1所述提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，所述回波数据预处理是以天线A为基准，对各天线回波进行联合平动运动补偿处理，消除天线B和天线C与天线A的波程差，利用Keystone变换消除目标的距离徙动，即转动运动补偿。

3.根据权利要求2所述提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，所述平动补偿处理包括包络对齐和相位自聚焦的平动补偿处理。

4.根据权利要求1所述提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，利用Capon最小方差算法谱估计技术对回波数据进行方位向孔径外推，对外推后的回波数据进行成像处理，得到Capon超分辨二维干涉合成孔径雷达图像干涉对。

5.根据权利要求1所述提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，利用Burg谱估计技术对回波数据进行方位向孔径外推，对外推后的回波数据进行成像处理，得到Burg超分辨二维干涉合成孔径雷达图像干涉对。

6.根据权利要求5或6所述提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，基于Capon和Burg谱估计技术对超分辨二维干涉合成孔径雷达图像干涉对进行干涉处理，获得干涉相位差。

7.根据权利要求6所述提升三维干涉逆合成孔径雷达图像质量的方法，其特征在于，根据干涉相位差反演目标的三维坐标，得到不同谱估计技术下的目标三维干涉逆合成孔径雷达图像。

Images