CN106918811B - 一种逆合成孔径雷达船只成像时窗选取方法 - Google Patents

Abstract

本发明公开了一种逆合成孔径雷达船只成像时窗选取方法，属于雷达技术领域，本发明对回波进行径向运动补偿，挑选距离门的回波数据进行时频分析，所有距离门依据回波幅度的方差从小到大进行排序，然后从方差最小的距离门依次考察，利用所得时频谱构造时间序列，对该序列进行傅里叶变换，计算该序列频谱中高于1Hz分量的最大幅度与低于1Hz分量的最大幅度的比值，判断比值与门限值大小，当找到第一个满足判断准则的距离门后，利用该距离门对应的时间序列即可得出最优时窗的时间长度和中心时刻。基于真实数据所开展的成像处理实验验证了提出方法的有效性，本发明采用了能直接反映船只运动平稳性的估计指标，取得了更好的聚焦效果。

Description

一种逆合成孔径雷达船只成像时窗选取方法

技术领域

本发明属于雷达技术领域，具体涉及一种逆合成孔径雷达船只成像时窗选取方法。

背景技术

利用逆合成孔径雷达(Inverse Synthetic Aperture Radar，ISAR)系统对海面船只进行成像，在海洋监视、海上搜救、渔业管理、海关缉私等领域均有重要作用。相比较而言，合成孔径雷达(Synthetic Aperture Radar，SAR)系统被设计用于对静止地物进行成像。因此，直接通过SAR系统得到的运动船只图像通常是散焦的。SAR/ISAR混合处理技术是处理上述散焦船只图像的主要技术。SAR/ISAR混合处理技术的主要处理环节包括船只检测、SAR子图像逆变换、ISAR处理等。其中的ISAR处理环节与传统ISAR系统的处理过程类似，通常由运动补偿、时窗选取、图像形成和可选的方位向定标等步骤组成。

由于数据采集过程中船只运动特性的复杂性，适宜时窗的选取在ISAR处理环节中占有重要地位。该步骤的目标是选取船只平稳转动的时间段，即：确定适宜的中心时刻和时窗长度。A.W.Rihaczek等学者提出一种利用跟踪船只4个特定散射点的时窗选取方法。该方法要求前3个散射点分别位于船头、船尾、船的上层建筑，要求第4个散射点是第3个散射点在甲板上的投影点。然而，在海情较高时很难准确跟踪上述4个特定散射点。G.Hajduch等学者提出一种基于“快照”图像序列的估计方法。该方法假设在高海情下船只的横滚或俯仰转动在船只三维转动中占据主导地位。在上述假设下，可证明散射点多普勒展宽的变化近似代表了船只横滚或俯仰转动角速度的变化。当对船只的偏航转动分量进行估计并补偿后，可利用船只的“快照”图像序列提取出散射点多普勒展宽的变化。利用上述多普勒展宽的变化，确定出其中频率变化最为平稳的时间段作为所选取的时窗，并最终形成船只的侧视图。但必须指出的是，高海情下船只转动分量中横滚或俯仰分量总是占主导地位的假设，并不总是成立的。D.Pastina等学者提出一种可适用于船只做任意三维转动情况下的估计算法。该方法通过估计船只有效转动矢量的垂直分量和散射点多普勒展宽的变化，实现适宜时窗的估计。但该算法的处理过程非常复杂，必须经过繁琐的步骤才能判定可以生成图像的类型是俯视图、侧视图还是投影平面未知的混合视图。M.Martorella等学者提出一种基于图像对比度最大的估计算法，通常简称为ICBA(Image Contrast Based Algorithm)算法。该算法首先设定时窗长度的初始值，然后对时窗中心时刻进行一维优化。得到优化的时窗中心时刻后，再对时窗长度进行一维优化。两次一维优化的准则均是图像对比度最大。由于该算法得到的ISAR图像的对比度最大，图像质量较高，因此得到了较广泛的应用。然而，必须指出的是，图像对比度并不是船只转动平稳性的直接评价指标，因此该算法所得图像的质量并不是最优的。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种逆合成孔径雷达船只成像时窗选取方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种逆合成孔径雷达船只成像时窗选取方法，按照如下步骤进行：

步骤1：通过径向运动补偿方法对原始数据进行补偿；

步骤2：计算每个距离门中回波幅度的方差，并对所有距离门按回波幅度的方差大小从小到大进行排序；

步骤3：对回波幅度方差最小的距离门中的回波进行时频分析，得到时频分析结果；

步骤4：通过时频分析结果，构造1个由若干频率值构成的时间序列，该时间序列由时频谱各个时刻最大幅度对应的频率值组成；

步骤5：对步骤4的时间序列进行频谱分析得到傅里叶频谱；

步骤6：通过步骤5的傅里叶频谱，计算出高于1Hz频率分量中的最大幅度与低于1Hz频率分量中的最大幅度之比AR，将AR值与门限值δ₁进行比较；

若：判断结果为AR值小于门限值δ₁，则当前距离门的回波由1个主要散射点贡献形成；

或判断结果为AR值大于或等于门限值δ₁，则放弃当前距离门，转向回波幅度方差次小的距离门，对其中的回波进行时频分析，重复步骤4-步骤6，直至出现满足AR＜δ₁条件的距离门(注：由于现代雷达的分辨率为米级，而船只上显著散射点的分布稀疏，因此一定存在着只包含1个主要散射点的距离门)；并对该距离门的频率时间序列利用多项式拟合方法进行平滑，平滑后的频率时间序列的包络应近似于1条余弦曲线或2-3条余弦曲线之和(注：平滑后的频率时间序列的包络代表了散射点多普勒频率的变化，其对应于散射点与雷达间径向距离的变化，上述变化由船只的转动规律所决定，而船只的偏航、俯仰、横滚轴转动角速度的变化均呈近似的余弦规律)；

步骤7：对频率时间序列进行平滑后，确定频率变化率最小的时刻，记为t_d,min，从该时刻向左、右分别进行追踪，直至某一时刻的频率值与t_d,min时刻的频率值之间的差值小于门限值δ₂，δ₂为ISAR(Inverse Synthetic Aperture Radar)系统的多普勒频率分辨率，将追踪过程终止时左、右两侧的时刻分别记为t_win,l和t_win,r，t_win,r与t_win,l之差即为所得时窗的时间长度，t_win,r与t_win,l的中心即为所得时窗的中心时刻。

优选地，门限值δ₁取为0.5。

本发明所带来的有益技术效果：

本发明采用了能直接反映船只运动平稳性的估计指标，对时窗的长度和中心时刻的选取更加准确，因此取得了更好的聚焦效果，由于取得了聚焦效果更好的图像，有利于船只分类和识别算法取得更准确的分类和识别结果，从而提高船只分类和识别的准确度。

附图说明

图1为本发明一种逆合成孔径雷达船只成像时窗选取方法的流程框图。

图2为获取于旧金山海港的TerraSAR-X卫星SAR图像的示意图。

图3为从图2中截取的一副含有船只的子图像的示意图。

图4为选中距离门平滑前、后的频率时间序列的示意图。

图5为利用本发明方法对图3的子图像进行重聚焦处理后的示意图。

图6为利用ICBA算法对图3的子图像进行重聚焦处理后的示意图。

图7为从中国黄海某海区获取的含有船只的SAR子图像的示意图。

图8为选中距离门平滑前、后的频率时间序列的示意图。

图9为利用本文方法对图7的子图像进行重聚焦处理后的示意图。

图10为利用ICBA算法对图7的子图像进行重聚焦处理后的示意图。

具体实施方式

下面结合附图以及具体实施方式对本发明作进一步详细说明：

在本部分中，首先利用仿真数据，通过蒙特卡洛方法确定门限值δ₁的适宜数值。然后，给出了基于卫星真实数据的成像结果，并对本文算法的结果与利用ICBA算法得到的结果进行了对比。

A.确定门限值δ₁

利用表1中的参数，对1个混合SAR/ISAR系统进行了仿真，用于确定门限值δ₁的适宜数值。表1中SAR平台的参数使用的都是TerraSAR-X卫星的典型参数。

表1

对于船只上散射点的位置，设置了两种类型的参数，目的是分别获取比值AR在门限值δ₁以下的最大可能值和在门限值δ₁以上的最小可能值。第1种类型是只设置1个散射点，用于获取比值AR在门限值δ₁以下的最大可能值。第2种类型是在同一个距离门中设置2个散射点，用于获取比值AR在门限值δ₁以上的最小可能值。散射点在船只上的位置，在船首船尾连线方向的范围设为(-200m～200m)，在两翼间连线方向的范围设为(-200m～200m)，在垂直方向的范围设为(0m～100m)。在蒙特卡洛仿真过程中的每次仿真实验，散射点的位置在上述范围内随机设置。

在每次仿真实验中，船只在偏航、俯仰、横滚方向上角速度的幅度和周期随机设置为0-0.3rad/s和3-20s之间的值。

利用表1中的参数仿真出SAR系统的回波。然后，利用传统的距离多普勒(RangeDoppler，RD)算法对仿真回波进行成像处理，生成完整的SAR图像。接下来，从完整的图像中截取包含散焦散射点的子图像。对子图像进行二维逆傅里叶变换，得到虚拟的ISAR原始数据。之后，执行图1中从第1步至计算出比值AR之间的一系列处理步骤，从而用于确定门限值δ₁的适宜值。

为确定δ₁的适宜值，共进行了10000次蒙特卡洛仿真实验。对于同一个距离门中设置了2个散射点的情况，所得AR值的最小值为1.82。对于设置了1个散射点的情况，所得AR值的最大值为0.022。因此，门限值δ₁的适宜值被推荐为0.5。

B.基于实际卫星数据的成像结果

图2给出了1幅获取于美国旧金山海港的TerraSAR-X卫星SAR图像。图2右上角方框内的部分，是一艘船只。图3对图2方框内的子图像进行了放大显示，从该图中能明显地观察到船只的散焦现象。利用基于图像对比度最大的方法进行了径向运动补偿，然后利用本发明方法确定出了适宜的成像时窗，最终利用二维傅里叶变换进行成像处理。图4给出了选中距离门(即：第1个满足AR＜δ₁条件的距离门)对应频率时间序列平滑前、后的波形。根据图4中平滑后的频率时间序列波形，确定出最优时窗的时间长度和中心时刻分别是1s和-0.15s。在计算最优时窗的左、右两端的时刻时，用到了系统的多普勒频率分辨率，约为1.1Hz。图5给出了利用本发明方法得出的船只重聚焦图像。

为对本文方法和ICBA算法进行比较，也利用ICBA算法对图3的子图像进行了重聚焦处理。利用ICBA算法，计算得出的最优时窗的时间长度和中心时刻分别是0.6s和-0.1s。图6给出了利用ICBA算法得到的船只重聚焦图像。

表2给出了两种算法成像结果的图像对比度、熵和处理时间。

相比于ICBA算法，本发明方法的熵值略小一些，这点优于ICBA算法的指标。在图像对比度方面，本发明方法的结果略小于ICBA算法的数值，这是由于ICBA算法的准则就是图像对比度最大。但是，对比图5和图6的聚焦效果，图5的聚焦效果明显更好，这是由于本发明采用了能直接反映船只运动平稳性的评价指标。这也说明，传统的利用图像对比度指标衡量ISAR图像质量的方法，存在着一定的缺陷。

表2

为增强说服力，给出了另一幅SAR子图像重聚焦处理之后的结果。原始的SAR图像为获取于中国黄海某区域的TerraSAR-X卫星SAR图像。图7为含有船只的SAR子图像。图8为选中距离门对应频率时间序列平滑前、后的波形。根据图8中平滑后的频率时间序列波形，确定出最优时窗的时间长度和中心时刻分别是0.4s和-0.1s。对应的系统多普勒频率分辨率约为1.3Hz。图9给出了利用本发明方法得到的船只重聚焦成像结果。图10给出了利用ICBA算法得到的船只重聚焦成像结果。

表3对两种算法成像处理的主要指标进行了对比。可以看出，两种算法的成像指标非常接近。但从聚焦效果来看，图9比图10取得了更好的聚焦效果。

表3

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (2)

1.一种逆合成孔径雷达船只成像时窗选取方法，其特征在于，按照如下步骤进行：

步骤1：通过径向运动补偿方法对原始数据进行补偿；

步骤2：计算每个距离门中回波幅度的方差，并对所有距离门按回波幅度的方差大小从小到大进行排序；

步骤3：对回波幅度方差最小的距离门中的回波进行时频分析，得到时频分析结果；

步骤4：通过时频分析结果，构造1个由若干频率值构成的时间序列，该时间序列由时频谱各个时刻最大幅度对应的频率值组成；

步骤5：对步骤4的时间序列进行频谱分析得到傅里叶频谱；

步骤6：通过步骤5的傅里叶频谱，计算出高于1Hz频率分量中的最大幅度与低于1Hz频率分量中的最大幅度之比AR，将AR值与门限值δ₁进行比较；

若：判断结果为AR值小于门限值δ₁，则当前距离门的回波由1个主要散射点贡献形成；

或判断结果为AR值大于或等于门限值δ₁，则放弃当前距离门，转向回波幅度方差次小的距离门，对其中的回波进行时频分析，重复步骤4-步骤6，直至出现满足AR＜δ₁条件的距离门；并对该距离门的频率时间序列利用多项式拟合方法进行平滑，平滑后的频率时间序列的包络应近似于1条余弦曲线或2-3条余弦曲线之和；

步骤7：对频率时间序列进行平滑后，确定频率变化率最小的时刻，记为t_d,min，从该时刻向左、右分别进行追踪，直至某一时刻的频率值与t_d,min时刻的频率值之间的差值小于门限值δ₂，δ₂为ISAR(Inverse Synthetic Aperture Radar)系统的多普勒频率分辨率，将追踪过程终止时左、右两侧的时刻分别记为t_win,l和t_win,r，t_win,r与t_win,l之差即为所得时窗的时间长度，t_win,r与t_win,l的中心即为所得时窗的中心时刻。

2.根据权利要求1所述的逆合成孔径雷达船只成像时窗选取方法，其特征在于，门限值δ₁取为0.5。