CN109633638B - 一种基于电磁散射模型的大角度sar超分辨成像方法 - Google Patents
一种基于电磁散射模型的大角度sar超分辨成像方法 Download PDFInfo
- Publication number
- CN109633638B CN109633638B CN201811375129.5A CN201811375129A CN109633638B CN 109633638 B CN109633638 B CN 109633638B CN 201811375129 A CN201811375129 A CN 201811375129A CN 109633638 B CN109633638 B CN 109633638B
- Authority
- CN
- China
- Prior art keywords
- sub
- angle
- aperture
- resolution
- parameter
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于电磁散射模型的大角度SAR超分辨成像方法,对雷达回波进行子孔径划分,子孔径之间保留重叠区域用于转角估计;基于电磁散射模型对每个子孔径进行参数估计;利用估计得到的参数集,对当前子孔径的频率和角度范围进行外推,并进行重构得到高分辨率的子孔径图像;对所有校正旋转后的子孔径图像进行融合,获得高分辨率的融合图像。本发明提升了大视角条件下的SAR成像分辨率,保证了目标部件的整体连续性,提高了低信噪比条件下的算法鲁棒性。
Description
技术领域
本发明涉及雷达信号处理技术领域,尤其涉及一种基于电磁散射模型的大角度SAR超分辨成像方法。
背景技术
合成孔径雷达(SAR)目标高分辨成像和分类识别在军事应用领域具有重要研究价值和意义。基于目标电磁散射中心的特征是目标特性分析与识别领域的热点。传统的SAR目标成像方法基于点散射模型,即每个散射点具有各向同性的特点。然而传统的点散射模型受分辨率限制,因此,指数衰减模型、几何绕射模型(GTD)和属性散射中心模型等目标回波模型被广泛研究。其中,属性散射中心模型更能反映目标的真实物理散射含义,能够较好地描述线、面结构部件,有望挖掘目标特征和增强雷达成像的可视性。
基于电磁散射模型的参数维度大,且存在耦合,因此具有较大的运算量。目前常见的方法主要针对耦合参数的分解和参数估计方法,如利用分水岭方法先进行散射中心分割再进行属性参数估计。保证信号完整性和快速运算仍是目前存在的主要难题。
另一方面,SAR成像距离和方位分辨率分别受限于雷达发射带宽和合成孔径大小。在有限系统参数的条件下,为了获得更高分辨率,可对回波数据进行超分辨处理。与点散射模型的超分辨方法不同,基于电磁散射模型可对目标部件进行精细化表征。目前常用的超分辨算法有如Burg外推算法、 RELAX算法以及MUSIC算法等,通过超分辨处理能够挖掘得到更多目标细节。
当视角变大时,目标部件的散射将存在变化,对相干积累造成影响。结合散射特征的大角度SAR成像也是近几年被广泛研究的问题。联合部件参数以及散射系数向量,将导致计算维度大大增加。如何将问题规模小型化并提高成像质量和获取目标细节具有重要研究意义。
发明内容
本发明提供一种基于电磁散射模型的大角度SAR超分辨成像方法,提升了大视角条件下的SAR成像分辨率,保证了目标部件的整体连续性,提高了低信噪比条件下的算法鲁棒性。
为了达到上述目的,本发明提供一种基于电磁散射模型的大角度SAR超分辨成像方法,包含以下步骤:
步骤S1、对雷达回波按照方位时间进行子孔径划分,子孔径之间保留重叠区域用于转角估计,在子孔径融合时构造旋转矩阵;
步骤S2、基于电磁散射模型对每个子孔径进行参数估计;
步骤S3、利用估计得到的参数集,对当前子孔径的频率和角度范围进行外推,并进行重构得到高分辨率的子孔径图像;
步骤S4、对所有校正旋转后的子孔径图像进行融合,获得高分辨率的融合图像。
所述的步骤S2中,假设SAR系统发射线性调频信号并进行运动补偿后,第k个子孔径(k=1:K)用目标电磁散射模型可表征为:
其中,C=3×108m/s表示光速;αp∈{-1,-0.5,0,0.5,1}为频率依赖因子,反映散射中心的角度依赖特性,Lp表示散射中心长度,表示初始指向角,{Ap,Xp,Yp}分别表示散射中心p的幅度、横向和纵向位置;当 Lp=0时,则该模型退化为传统的点散射模型。
当雷达工作带宽比B/fc较小时,频率依赖因子的影响较小可忽略,同时忽略γp的影响,由此可得到:
进行参数估计的方法包含:
步骤S2.2、估计长度参数和初始角度参数;
利用基向量与原始回波信号之间的最大相关性,估计得到长度参数和初始角度参数:
由此,对第k个子孔径构造的回波信号为:
所述的步骤S4中,利用子孔径数据之间的重叠数据,估计得到旋转角度,计旋转矩阵为Trot,旋转后的子图像为:
并根据最大幅值的融合准则,对子孔径进行融合,获得高分辨的融合图像:
本发明具有以下优势:
1、保证了目标部件的整体连续性:将目标部件作为一个整体进行考虑,保证了超分辨过程中部件的整体性,相对于传统基于点散射模型超分辨算法,能够有效解决部件不连续的问题,并且初始指向角的利用可以取得良好的聚焦效果;
2、提高了低信噪比条件下的算法鲁棒性:在参数估计的基础上,提出了基于电磁散射模型的外推,能保证从低信噪比的环境中对目标信号进行较好的重构与外推。
附图说明
图1是本发明提供的一种基于电磁散射模型的大角度SAR超分辨成像方法的流程图。
图2是成像结果对比图。
具体实施方式
以下根据图1~图2,具体说明本发明的较佳实施例。
当视角过大时,散射特性的变化导致参数维度增加,因此本发明将大视角分割为多个小视角,在每个小视角条件下基于电磁散射模型进行参数估计后,对估计得到的各散射中心增大视角和频率范围,期望获得更高分辨率,再进行带宽外推实现超分辨,再进行融合获得更高分辨率的SAR图像。
如图1所示,本发明提供一种基于电磁散射模型的大角度SAR超分辨成像方法,包含以下步骤:
步骤S1、对雷达回波按照方位时间进行子孔径划分,子孔径之间保留重叠区域用于转角估计,在子孔径融合时构造旋转矩阵;
步骤S2、基于电磁散射模型对每个子孔径进行参数估计;
步骤S3、利用估计得到的参数集,对当前子孔径的频率和角度范围进行外推,并进行重构得到高分辨率的子孔径图像;
步骤S4、对所有校正旋转后的子孔径图像进行融合,获得高分辨率的融合图像。
所述的步骤S2中,假设SAR系统发射线性调频信号并进行运动补偿后,第k个子孔径(k=1:K)用目标电磁散射模型表征为:
其中,C=3×108m/s表示光速;αp∈{-1,-0.5,0,0.5,1}为频率依赖因子,反映散射中心的角度依赖特性,其中Lp表示散射中心长度,表示初始指向角,{Ap,Xp,Yp}分别表示散射中心p的幅度、横向和纵向位置;当Lp=0时,则该模型退化为传统的点散射模型。
当雷达工作带宽比B/fc较小时,频率依赖因子的影响较小可忽略,同时忽略γp的影响,由此可得到:
进行参数估计的方法包含:
步骤S2.2、估计长度参数和初始角度参数;
利用基向量与原始回波信号之间的最大相关性,估计得到长度参数和初始角度参数:
由此,对第k个子孔径构造的回波信号为:
所述的步骤S4中,利用子孔径数据之间的重叠数据,估计得到旋转角度,计旋转矩阵为Trot,旋转后的子图像为:
并根据最大幅值的融合准则,对子孔径进行融合,获得高分辨的融合图像:
图2为国内外公开的Backhoe电磁仿真数据,其总转角为110°,(a) 和(d)为RD成像结果及其局部放大图;将总转角分为9个子孔径,每个子孔径20°,重叠10°,得到(b)和(e)为传统子孔径融合图像及其局部放大结果,(c)和(f)为本发明所提方法的超分辨融合成像结果及其局部放大图。
本发明利用电磁散射模型参数估计、带宽外推和子孔径融合技术,解决了SAR成像在大视角条件下的数据融合与目标部件级分类问题,提升了大视角条件下的SAR成像分辨率,有望大大提高现代雷达对未知非合作目标的精细化识别和解译能力,具有实际应用前景。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (5)
1.一种基于电磁散射模型的大角度SAR超分辨成像方法,其特征在于,包含以下步骤:
步骤S1、对雷达回波按照方位时间进行子孔径划分,子孔径之间保留重叠区域用于转角估计,在子孔径融合时构造旋转矩阵;
步骤S2、基于电磁散射模型对每个子孔径进行参数估计;
步骤S3、利用估计得到的参数集,对当前子孔径的频率和角度范围进行外推,并进行重构得到高分辨率的子孔径图像;
步骤S4、对所有校正旋转后的子孔径图像进行融合,获得高分辨率的融合图像。
3.如权利要求2所述的基于电磁散射模型的大角度SAR超分辨成像方法,其特征在于,所述的步骤S2中,进行参数估计的方法包含:
步骤S2.2、估计长度参数和初始角度参数;
利用基向量与原始回波信号之间的最大相关性,初步估计得到长度参数和初始角度参数:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811375129.5A CN109633638B (zh) | 2018-11-19 | 2018-11-19 | 一种基于电磁散射模型的大角度sar超分辨成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811375129.5A CN109633638B (zh) | 2018-11-19 | 2018-11-19 | 一种基于电磁散射模型的大角度sar超分辨成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109633638A CN109633638A (zh) | 2019-04-16 |
CN109633638B true CN109633638B (zh) | 2020-11-03 |
Family
ID=66068454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811375129.5A Active CN109633638B (zh) | 2018-11-19 | 2018-11-19 | 一种基于电磁散射模型的大角度sar超分辨成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633638B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488289B (zh) * | 2019-08-21 | 2022-07-15 | 苏州兴钊防务研究院有限公司 | 基于重叠子孔径的光电协同合成孔径雷达成像处理方法 |
CN111190182B (zh) * | 2020-01-16 | 2022-05-17 | 电子科技大学 | 一种太赫兹雷达超高分辨成像方法 |
CN111948652B (zh) * | 2020-07-17 | 2023-05-05 | 北京理工大学 | 一种基于深度学习的sar智能参数化超分辨成像方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106526591A (zh) * | 2016-12-02 | 2017-03-22 | 上海无线电设备研究所 | 机动目标高分辨isar子孔径融合成像方法 |
CN106908792A (zh) * | 2017-03-20 | 2017-06-30 | 中国科学院电子学研究所 | 一种合成孔径雷达成像方法及装置 |
CN108205135A (zh) * | 2018-01-22 | 2018-06-26 | 西安电子科技大学 | 基于无插值融合快速后向投影的雷达视频成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160116582A1 (en) * | 2011-04-29 | 2016-04-28 | Spatial Digital Systems, Inc. | Radar imaging via spatial spectrum measurement and MIMO waveforms |
-
2018
- 2018-11-19 CN CN201811375129.5A patent/CN109633638B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106526591A (zh) * | 2016-12-02 | 2017-03-22 | 上海无线电设备研究所 | 机动目标高分辨isar子孔径融合成像方法 |
CN106908792A (zh) * | 2017-03-20 | 2017-06-30 | 中国科学院电子学研究所 | 一种合成孔径雷达成像方法及装置 |
CN108205135A (zh) * | 2018-01-22 | 2018-06-26 | 西安电子科技大学 | 基于无插值融合快速后向投影的雷达视频成像方法 |
Non-Patent Citations (3)
Title |
---|
Wide-angle SAR imaging based on sub-apertures joint sparse reconstruction;Chao Sun;《2018 IEEE MTT-S International Wireless Symposium (IWS)》;20180702;1-3 * |
一种大转角SAR图像散射中心各向异性提取方法;高悦欣;《电子与信息学报》;20160831;第38卷(第8期);1957-1961 * |
提高雷达成像质量的若干新体制和新方法研究;许然;《中国博士学位论文全文数据库》;20160315;I136-251 * |
Also Published As
Publication number | Publication date |
---|---|
CN109633638A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111142105B (zh) | 复杂运动目标isar成像方法 | |
CN109633638B (zh) | 一种基于电磁散射模型的大角度sar超分辨成像方法 | |
CN106526591B (zh) | 机动目标高分辨isar子孔径融合成像方法 | |
CN103616686B (zh) | 一种基于混合模式的全极化干涉合成孔径雷达影像的最优相位估计方法 | |
US11789142B2 (en) | Graph-based array signal denoising for perturbed synthetic aperture radar | |
CN110148165B (zh) | 一种基于粒子群优化的三维干涉isar图像配准方法 | |
CN107991659A (zh) | 基于字典学习的米波雷达低仰角目标测高方法 | |
Kang et al. | ISAR cross-range scaling via joint estimation of rotation center and velocity | |
CN110596706B (zh) | 一种基于三维图像域投射变换的雷达散射截面积外推方法 | |
CN103076608B (zh) | 轮廓增强的聚束式合成孔径雷达成像方法 | |
Di et al. | ISAR image scattering center association based on speeded-up robust features | |
CN111722227A (zh) | 基于近似观测矩阵的聚束sar压缩感知成像方法 | |
Zhou et al. | ISAR images generation via generative adversarial networks | |
Mian et al. | Multivariate change detection on high resolution monovariate SAR image using linear time-frequency analysis | |
CN109061645B (zh) | 综合孔径辐射计虚拟相关稀疏成像方法及系统 | |
CN116559905A (zh) | 一种双基sar海面舰船运动目标无畸变三维图像重构方法 | |
Song et al. | Deep Parametric Imaging for Bistatic SAR: Model, Property and Approach | |
Wu et al. | Imaging of high-speed aerial targets with ISAR installed on a moving vessel | |
Wielgo et al. | Convolutional neural network for 3D ISAR non-cooperative target recognition | |
CN110045374B (zh) | 一种基于Chirp Scaling的多角度超长聚束SAR超分辨率成像算法 | |
Wang et al. | Three‐dimensional point cloud reconstruction of inverse synthetic aperture radar image sequences based on back projection and iterative closest point fusion | |
Zhan et al. | SAR image super-resolution reconstruction based on an optimize iterative method for regularization | |
Salman et al. | 3D imaging of a manmade target with weak scattering centres by means of UWB-radar | |
Hu et al. | Improved FOCUSS method for reconstruction of cluster structured sparse signals in radar imaging | |
Liu et al. | Graph-based array signal denoising for perturbed synthetic aperture radar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |