CN106569191A - 一种利用高分辨率成像获取目标rcs的方法 - Google Patents

Abstract

本发明提供了一种利用高分辨率成像获取目标RCS的方法，首先采用滤波‑逆投影算法对目标近场回波数据进行成像处理，然后通过CLEAN算法由强到弱依次从二维像中提取出散射中心，最后将各散射中心作为离散的点散射源进行矢量合成重建目标的散射场，从而计算得到目标的RCS。由于滤波‑逆投影算法的成像精度很高，能够准确的呈现目标各散射中心的位置信息和强度值；由于重建的散射场是由通过CLEAN算法提取的有限个散射中心产生的，能够充分还原目标的散射特性，且不会引入目标外的环境噪声。由于对散射中心而言不存在远场测试距离的问题，故矢量合成出的散射特性即为目标的远场散射特性，确保了目标RCS的计算精度。

Description

一种利用高分辨率成像获取目标RCS的方法

技术领域

本发明属于微波测量领域，具体涉及一种利用从高精度二维像中提取目标的散射中心并矢量合成电场以获取目标RCS的方法。

背景技术

能够精准的测量目标的RCS是设计和评估武器的隐身性能的重要前提。测量RCS需要在测试距离上满足远场测量条件。常规的RCS测量方法主要包括室外RCS测试场测量、紧缩场缩距测量和室内微波暗室测量，均已发展到相当成熟的阶段。大型室外场一般具有足够大的测试空间，但受天气和环境的影响较大，保密性不强；紧缩场能够将入射波通过抛物面反射器形成局部平面波入射，克服了测试距离不足的缺陷，但抛物面反射器要求很高的加工精度，使得系统的代价非常昂贵。室内微波暗室测量具有很强的抗干扰性，保密性好，测试效率高，已成为很多研究机构获取目标散射特性的主要方法。由于微波暗室的空间有限，对于电大目标往往难以满足远场测量条件，需要在计算RCS之前对接收到的近场数据进行近远场变换。文献“基于三维SAR成像的RCS近远场变换方法研究，电子与信息学报，2015，Vol37(2)，p297-302”公开了一种利用微波成像实现近远场变换的方法。该方法基于散射中心理论，根据目标回波所成的SAR图像，从中获取目标散射中心的方位和散射强度信息，并分别计算各散射中心对总散射的贡献。同时，测量一个RCS已知的标准体，运用同样的方式得到标准体的散射。将目标与标准体的散射相比进行定标处理，从而得到目标的RCS，较好地实现了近远场变换处理。文献所述方法在对目标成像时使用的SAR成像方法，成像的精度较为有限，获得的散射中心位置和强度信息具有一定的误差，即使通过定标也难以完成补偿，在对RCS的误差限制要求较高的情况下缺乏可行性。

发明内容

为了消除由于微波成像方法精度有限导致的较大误差，本发明提供一种利用高分辨率成像获取目标RCS的方法。

一种利用高分辨率成像获取目标RCS的方法，其特征在于步骤如下：

步骤一：对进行单站转台测量得到的目标近场回波数据使用滤波-逆投影算法进行成像处理，得到目标区域的二维像γ(x,y)，其中x为二维像的横坐标，y为二维像的纵坐标。

步骤二：采用CLEAN算法由强到弱提取出二维像γ(x,y)中的N个像素点，即目标最强的N个散射中心，并记录下提取的N个散射中心的强度和位置信息；所述的N满足提取的第N+1个散射中心的强度比提取的第1个散射中心的强度小10dB。

步骤三：利用提取出的N个散射中心重建目标区域的二维像为：

其中，γ_r(x,y)为重建的目标二维像，A_n为第n个散射中心的强度，x_n为第n个散射中心的横坐标，y_n为第n个散射中心的纵坐标，h(x,y)为散射中心的分布函数；

重建目标的散射场为：

其中，E_r(f,θ)表示目标的重建散射场，f为天线的测试频率，θ为天线的测试角度，c为光速。

步骤四：以定标体为目标，重复步骤一至步骤四，计算得到定标体的重建散射场E_r0(f,θ)。

步骤五：计算目标的归一化RCS：

其中，E_rmax(f,θ)是E_r(f,θ)的最大值。

目标的RCS可经由下式定标得到：

其中，σ为目标的RCS，σ₀为定标体的RCS。

本发明的有益效果是：由于滤波-逆投影算法的成像精度很高，使用高精度的算法成像，能够准确的呈现目标各散射中心的位置信息和强度值，经散射中心提取，能够在矢量合成后准确的反映出目标原有的散射特性；由于重建的散射场是由通过CLEAN算法从二维像中提取的有限个散射中心产生的，能够充分还原目标的散射特性，且不会引入目标外的环境噪声。由于对散射中心这样的点源而言不存在远场测试距离的问题，故矢量合成出的散射特性即为目标的远场散射特性，确保了目标RCS的计算精度。

附图说明

图1是本发明的一种利用高分辨率成像获取目标RCS的方法的基本流程图。

图2是本发明的一种利用高分辨率成像获取目标RCS的方法中转台成像模型的示意图。

图3是利用本发明的一种利用高分辨率成像获取目标RCS的方法计算的目标RCS效果图。

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，本发明包括但不仅限于下述实施例。

1、对目标高精度成像。

通过单站转台测量，在所需频带范围内进行扫频测量，获得目标在径向距离上的分辨率，围绕转台的旋转，获得目标在横向距离上的分辨率，同时使目标区域处在最大不模糊距离内，对得到的目标的近场回波数据采用二维滤波—逆投影算法成像，得到目标区域的二维像γ(x,y)，其中x为二维像的横坐标，y为二维像的纵坐标。具体为：

通过对目标进行不同频域和角域的测量，可以得到目标在相应频域和角域上的散射特性。若天线距转台中心的距离为R₀，天线的测试角度为θ，则从天线到目标上任意一点(x₀,y₀)的距离R约为：

R(x,y)≈R₀+y₀cosθ-x₀sinθ (5)

天线接收到的信号回波数据为：

其中，γ(x,y)是目标的空间反射率分布，即目标的二维像，f是天线的测试频率，c是光速。在成像之前，将目标与标准球的数据相比，可得消除系统频率特性影响后的数据为：

令k＝2f/c，并对E(f,θ)做二维逆傅里叶变换，在实际测试中由于频率和转角的范围是有限的，因而得到转台成像基本公式为：

因为式(8)的积分限不满足IFFT条件，在实际运算过程中需要对k频移k_min。令B′为k的带宽，l＝ycosθ-xsinθ，得到：

其中：

天线发射的是步进频率信号，因而频率点是离散的，若采样的频率点数为N，对k进行离散化：k＝n·B′/N-1,n＝0,1,2,…,N-1，则可将式(10)改写成：

将l按照距离分辨率等间距离散化并令E_θ(n)＝(B′·n/(N-1)+k_min)E(n,θ)，则式(11)可以表示为:

P_θ(l_m)是在l_m点上得到的投影值，对于空间任一点的，每个θ对应不同的l，而P_θ(l)是l的投影值，需通过对P_θ(l_m)进行插值获得P_θ(l)：

P_θ(l)＝P_θ(l_m-1)+(l-l_m-1)tgα (13)

tgα＝[P_θ(l_m)-P_θ(l_m-1)]/(l_m-l_m-1) (14)

插值后即可对角度进行积分，得到与式(8)等价的滤波—逆投影算法的成像公式为：

γ(x,y)即为对进行单站转台测量得到的目标近场回波数据使用滤波-逆投影算法进行成像处理后得到标区域的二维像，即通过IFFT、插值、角度积分三步，完成了对回波的成像处理过程，得到了被测目标的高精度二维图像。

2、散射中心提取。

根据散射中心理论，目标二维像图像中表现出强烈的“类点散射”性征，其背向散射特征可以由一组稀疏的点散射源构建，可以有效代替原目标特性。在众多图像散射中心的提取方法中，CLEAN算法是较常用的处理方法。本发明方法利用CLEAN算法从图像中由强到弱提取出N个散射中心，记录散射中心的位置和强度信息。

在CLEAN算法的第n次迭代中，设A_n是图像中位于(x_n,y_n)的最强散射点的强度，h(x,y)是目标散射点的分布函数，则剩余的二维图像可以表示为：

γ_n＝γ_n-1-A_n·h(x-x_n,y-y_n) (16)

即第n步的剩余图像等于第(n-1)步的剩余图像减去第(n-1)步的剩余图像中的最强散射点。随着每次提取迭代过程剩余图像中散射点的能量会显著减少，CLEAN算法迅速收敛。在剩余图像的能量变化缓慢时，一般最强散射点已经是原始图像的噪声或是对目标整体散射特性影响较小的散射中心。若算法门限设定为从图像中提取N个散射中心，一般当第N+1个散射中心强度比第1个散射中心强度小10dB时即可停止散射中心的提取。若目标仅由若干个散射中心构成时，则提取的第N个散射中心应为该目标上最弱的散射中心。若背景噪声干扰较强时，则N的取值不应大到引入背景噪声。

由于散射图像是目标散射中心与点扩张函数的卷积，通过CLEAN算法提取目标的散射中心，可以对图像进行去卷积处理，获取理想的目标散射中心，重构点散射模型，消除远场测试条件的限制。

3、对散射中心进行矢量合成以重建散射场。

提取散射中心之后，就可以重建目标区域的二维像，利用所提取出的N个散射中心，根据其位置和散射强度信息重建目标区域的二维像如下：

其中，γ_r(x,y)表示重建的目标二维像，A_n为第n个散射中心的强度，x_n为第n个散射中心的横坐标，y_n为第n个散射中心的纵坐标，h(x,y)为散射中心的分布函数。通过散射中心重构的二维像可以精确地表征原二维像。接着利用以下公式可以计算得到重建的目标的散射场，即：

其中，E_r(f,θ)表示目标的重建散射场，f为天线的测试频率，θ为天线的测试角度，c为光速。目标的重建散射场表现出的是目标的远场散射特性，可以用来计算目标的RCS。

4、计算目标的RCS。

首先，目标的归一化RCS可以用下式计算得到：

其中，E_rmax(f,θ)是E_r(f,θ)的最大值，归一化RCS可充分表征目标的RCS在测量角域内的分布情况，且无需测量和处理定标体数据，节省了一半的操作流程。

如要获得目标具体的RCS则需对一个RCS已知的定标体进行同样的成像提取和散射场重构处理，即重复步骤1-3，计算得到定标体的重构散射场。则目标的RCS可经由下式定标得到：

其中，σ为目标的RCS，E_r0(f,θ)表示定标体的重构散射场，σ₀为定标体的RCS。

综上所述，通过高精度的成像反映出目标散射中心的准确位置和强度，通过成像提取和矢量合成重构散射回波，实际上是由提取出的若干点散射源性质的散射中心所贡献的，这样就消除了远场测量条件的限制，且可以充分还原目标的散射特性。计算得到的RCS的精度取决于提取的散射中心数目的选取，在合适的选取条件下均方误差可以达到3dB以内，且可以较好的滤除背景噪声的干扰，具有较强的工程实践意义。

Claims (1)

1.一种利用高分辨率成像获取目标RCS的方法，其特征在于步骤如下：

步骤一：对进行单站转台测量得到的目标近场回波数据使用滤波-逆投影算法进行成像处理，得到目标区域的二维像γ(x,y)，其中x为二维像的横坐标，y为二维像的纵坐标；

步骤二：采用CLEAN算法由强到弱提取出二维像γ(x,y)中的N个像素点，即目标最强的N个散射中心，并记录下提取的N个散射中心的强度和位置信息；所述的N满足提取的第N+1个散射中心的强度比提取的第1个散射中心的强度小10dB；

步骤三：利用提取出的N个散射中心重建目标区域的二维像为：

${\mathrm{\γ}}_r(x,y)={\mathrm{\Σ}}_{n=1}^N{A}_n\·h(x-x_n,y-y_n)---\left(1\right)$

其中，γ_r(x,y)为重建的目标二维像，A_n为第n个散射中心的强度，x_n为第n个散射中心的横坐标，y_n为第n个散射中心的纵坐标，h(x,y)为散射中心的分布函数；

重建目标的散射场为：

$E_r(f,\mathrm{\θ})={\mathrm{\Σ}}_{n=1}^N{A}_n\·e^{-j4\mathrm{\π}f(cos\mathrm{\θ}\·x_n+sin\mathrm{\θ}\·y_n)/c}---\left(2\right)$

其中，E_r(f,θ)表示目标的重建散射场，f为天线的测试频率，θ为天线的测试角度，c为光速；

步骤四：以定标体为目标，重复步骤一至步骤四，计算得到定标体的重建散射场E_r0(f,θ)；

步骤五：计算目标的归一化RCS：

${\mathrm{\σ}}^{\′}=\frac{|E_r(f,\mathrm{\θ}){|}^2}{|E_{r\max }(f,\mathrm{\θ}){|}^2}---\left(3\right)$

其中，E_rmax(f,θ)是E_r(f,θ)的最大值；

目标的RCS可经由下式定标得到：

$\mathrm{\σ}=\frac{|E_r(f,\mathrm{\θ}){|}^2}{|E_{r0}(f,\mathrm{\θ}){|}^2}{\mathrm{\σ}}_0---\left(4\right)$

其中，σ为目标的RCS，σ₀为定标体的RCS。