CN109669182A - 无源双基地sar动/静目标联合稀疏成像方法 - Google Patents

无源双基地sar动/静目标联合稀疏成像方法 Download PDF

Info

Publication number
CN109669182A
CN109669182A CN201811481532.6A CN201811481532A CN109669182A CN 109669182 A CN109669182 A CN 109669182A CN 201811481532 A CN201811481532 A CN 201811481532A CN 109669182 A CN109669182 A CN 109669182A
Authority
CN
China
Prior art keywords
target
moving
echo
signal
quiet
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.)
Granted
Application number
CN201811481532.6A
Other languages
English (en)
Other versions
CN109669182B (zh
Inventor
王昕�
侯正伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201811481532.6A priority Critical patent/CN109669182B/zh
Publication of CN109669182A publication Critical patent/CN109669182A/zh
Application granted granted Critical
Publication of CN109669182B publication Critical patent/CN109669182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/581—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets
    • G01S13/582—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
    • 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
    • G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种无源双基地SAR动/静目标联合稀疏成像方法，包括以下步骤：S1：构建SAR数据采集几何模型，以分析得到回波信号，所述回波信号为动目标回波信号和静目标回波信号的混合信号；S2：对所述动目标的运动参数进行估计；S3：定义SAR投影矩阵，构建基于完备小波字典的稀疏成像方法,以得到静目标和动目标的联合稀疏图像；S4：截取回波信号中的动目标回波子块进行处理，得到动目标图像。本发明一方面通过构建基于完备小波字典的稀疏成像方法，很好的抑制强杂波信息，实现在非均匀环境下，保持算法性能；另一方面通过采用数据的分块处理，截取回波信号中动目标回波子块进行处理，可以有效降低运算量。

Description

无源双基地SAR动/静目标联合稀疏成像方法
技术领域
本发明涉及运动参数估计以及动/静目标联合成像技术领域，尤其涉及一种无源双基地SAR动/静目标联合稀疏成像方法。
背景技术
近年来，基于外辐射源的双基地合成孔径雷达(Synthetic Aperture Radar,SAR)成为遥感成像领域的研究热点之一。无源双基地SAR不发射信号，仅接收机会信号，搭建成本低。由于接收机很难被直接检测到，系统安全性能比较高。无源双基地SAR不仅可以对静目标进行观测、定位和识别，还可以对被照射场景中运动物体进行检测和成像。然而，实际数据处理时，由于动目标回波和杂波信号的相位历史存在较大差异，传统的匹配滤波算法通常无法同时实现两者的聚焦成像处理。现有公开发表文献中，许多专家学者提出了对动目标回波信号的频率域聚焦成像方法。此类算法利用多普勒参数、目标位置偏移来估计动目标速度，或者基于图像清晰度准则来搜索运动参数。然后，构建频率域成像算法对SAR原始数据进行处理。但是，上述方法在实现动目标聚焦的同时会不可避免的引入静目标的散焦。此外，许多算法采用杂波抑制或者图像域滤波处理得到动目标数据，进而实现成像处理。但是，非均匀环境下，上述算法性能会迅速下降，提取得到的数据中仍然包含强杂波信息。最后，对多个动目标回波信号，相关文献提出了基于过完备速度字典和多普勒参数字典的成像算法。然而，上述基于字典的成像方法过于复杂，运算量比较大。
因此，有必要设计一种无源双基地SAR动/静目标成像方法，以解决上述问题。
发明内容
本发明的目的在于提供一种运算量较小、比较简单的无源双基地SAR动/静目标联合稀疏成像方法。
为实现上述目的，本发明采用如下技术方案：一种无源双基地SAR动/ 静目标联合稀疏成像方法，其包括以下步骤：
S1：构建SAR数据采集几何模型，以分析得到回波信号，所述回波信号为动目标回波信号和静目标回波信号的混合信号；
S2：对所述动目标的运动参数进行估计；
S3：定义SAR投影矩阵，构建基于完备小波字典的稀疏成像方法,以得到静目标和动目标的联合稀疏图像；
S4：截取回波信号中的动目标回波子块进行处理，得到动目标图像。
作为本发明进一步改进的技术方案，步骤S1中在任意方位向采样时刻 t的回波信号表示为：
其中，c0表示光传播速度，fc为载波频率，τ是距离向(快)时间，Ts和Tm分别为静目标和动目标的雷达反射截面积堆栈得到的列向量，fr表示对距离向频率，Rs(.)和Rm(.)分别为静目标和动目标的电磁波瞬时传播距离，∑.表示对被照射场景中所有目标回波的求和，ATR(.)为发射信号的频谱、电磁波传播衰减因子以及发射天线和接收天线方向图的乘积，(xs，ys)为静目标的二维坐标，(xm，ym)为动目标的二维坐标。
作为本发明进一步改进的技术方案，步骤S2包括：
S21：利用重建图像中的路径信息得到动目标运动方向先验知识，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的估计；
S22：利用重建图像中的路径信息得到动目标运动方向先验知识，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的迭代估计。
作为本发明进一步改进的技术方案，步骤S21和S22中的运动方向先验知识为动目标径向速度与横向速度的比值：
作为本发明进一步改进的技术方案，步骤S22包括：
S221：固定径向速度和动目标位置，在距离和多普勒中心频率约束条件下实现方位向速度的估计；
S222：重复对方位向速度以及动目标径向速度的估计步骤，以得到动目标的运动参数估计结果。
作为本发明进一步改进的技术方案，步骤S221中得到的方位向速度的迭代表达式为：
其中，ΔΔfdc为子孔径的多普勒中心偏差。
作为本发明进一步改进的技术方案，步骤S3包括：
S31：将距离向脉冲压缩后的数据重排得到列向y，定义SAR投影矩阵为F，得到信号回波模型；
S32：定义一个完备小波字典，将SAR图像表示为完备小波字典的稀疏表示，以得到静目标和动目标的联合稀疏图像。
作为本发明进一步改进的技术方案，步骤S31中，所述信号回波模型为：
其中，Ts和Tm分别为静目标和动目标的雷达反射截面积堆栈得到的列向量，是动目标运动引入的相位误差，n0为噪声。
作为本发明进一步改进的技术方案，步骤S4具体为：截取回波信号中的动目标回波子块进行处理分析，并根据分析结果，重建动目标图像。
作为本发明进一步改进的技术方案，还包括步骤S5：通过仿真杂波区域与动目标散焦区域重合的回波数据，验证所述步骤1-步骤4的有效性。
由以上技术方案可知，本发明一方面通过构建基于完备小波字典的稀疏成像方法，很好的抑制强杂波信息，实现在非均匀环境下，保持算法性能；另一方面通过采用数据的分块处理，截取回波信号中动目标回波子块进行处理，可以有效降低运算量。
附图说明
图1是本发明无源双基地SAR动/静目标联合稀疏成像方法的流程图。
图2是无源双基地SAR数据采集空间几何模型。
图3是速度相同的多个动目标成像结果。
图4是速度不同的多个动目标成像结果。
图5是加入相干斑噪声的全场景图像和联合稀疏成像结果。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
请参图1所示，本发明提供了一种无源双基地SAR动/静目标联合稀疏成像方法，其包括以下步骤：
S1：构建SAR数据采集几何模型，以分析得到回波信号，所述回波信号为动目标回波信号和静目标回波信号的混合信号；
S2：对所述动目标的运动参数进行估计；
S3：定义SAR投影矩阵，构建基于完备小波字典的稀疏成像方法，以得到静目标和动目标的联合稀疏图像；
S4：截取回波信号中的动目标回波子块进行处理，得到动目标图像；
S5：通过仿真杂波区域与动目标散焦区域重合的回波数据，验证S1-S4 的有效性。
其中，步骤S1具体包括：构建SAR(Synthetic Aperture Radar,合成孔径雷达)数据采集几何模型，请参图2所示，SAR数据采集几何模型包括：设于坐标系原点的被照射场景中心、设于于(xt,yt)处高度为ht的发射机、以恒定的速度vr和高度hr沿着x轴飞行并接收所述被照射场景的电磁波反射信号的接收机、设于二维坐标(xs,ys)处的静目标以及设于任意方位向采样时刻t的二维坐标(xm+vxt,ym+vyt)处的动目标。其中，vx和vy表示动目标沿x轴和y轴的行进速度。假设所述发射机的孔径中心时间为0，所述接收机在任意方位向采样时刻为t，雷达接收数据为所述被照射场景中静目标和动目标的混合回波信号(直达波信号在成像处理前可以利用参考通道信号滤除)，则该回波信号表示为：
其中，c0表示光传播速度，fc为载波频率，τ是距离向(快)时间，Ts和 Tm分别为静目标和动目标的雷达反射截面积(Radar Cross Section,RCS)(假设目标RCS不观测视角变化)堆栈得到的列向量，fr表示对距离向频率， Rs(.)和Rm(.)分别为静目标和动目标的电磁波瞬时传播距离，∑.表示对被照射场景中所有目标回波的求和，ATR(.)为发射信号的频谱、电磁波传播衰减因子以及发射天线和接收天线方向图的乘积。
步骤S2具体包括：
S21：利用重建图像中的路径信息得到动目标运动方向先验知识，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的估计；
S22：利用重建图像中的路径信息得到动目标运动方向先验知识，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的迭代估计。
其中，步骤S22具体包括：
S221：固定径向速度和动目标位置，在距离和多普勒中心频率约束条件下实现方位向速度的估计；
S222：重复对方位向速度以及动目标径向速度的估计步骤，以得到动目标的运动参数估计结果。
具体的，首先，利用重建图像中的路径信息得到动目标运动方向先验知识，即径向速度与横向速度的比值然后，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的估计。其中，动目标距孔径中心的距离可以在雷达数据域或者图像域得到，多普勒参数可利用时频分析技术获取。对孔径中心时间为t1、0和t2的三个子孔径数据分别进行多普勒中心估计，得到的数值记为fdc1,fdc和fdc2。
进一步，对动目标运动参数进行迭代估计。首先，固定径向速度和目标位置，在距离和多普勒中心频率约束条件下实现方位向速度的估计。其中，子孔径的多普勒中心偏差表达式为：
利用数值计算方法来实现方位向速度估计，目标公式定义为:
将方位向速度的初始化数值设置为：
其中，λ为载波波长。利用牛顿方法求解公式(3)，得到方位向速度的迭代表达式记为：
通过迭代计算估计出vx，利用运动方向先验知识估计出径向速度：
vy k+1＝vx kkv (6)
位置：
其中
然后，重复对方位向速度以及目标径向速度的估计步骤，并得到动目标运动参数估计结果。请参表1和表2所示，实验数据可以预估上述迭代很快就以较小的误差收敛于真实值附近。
表1仿真参数列表
信号带宽 7.6MHz
载频 618MHz
发射机作用距离 7000m
接收机作用距离 5000m
表2动目标运动参数估计结果
步骤S3具体包括：
S31：将距离向脉冲压缩后的数据重排得到列向y，定义SAR投影矩阵为F，得到信号回波模型；
S32：定义一个完备小波字典，将SAR图像表示为完备小波字典的稀疏表示，以得到静目标和动目标的联合稀疏图像。
具体的，根据步骤S2中得到的动目标运动参数估计结果，将距离向脉冲压缩后的数据重排得到列向y，并定义雷达系统映射矩阵为F，得到的信号模型为:
其中，Ts和Tm分别为静目标和动目标的雷达反射截面积堆栈得到的列向量，是目标运动引入的相位误差，可以根据动目标的速度和位置估计来计算， n0为噪声。
定义一个完备小波字典D，将SAR图像T＝[Ts,Tm]T示为完备小波字典D 稀疏表示，有
T＝Dα (11)
其中α为稀疏表示的系数，雷达回波数据可以重新记为 y＝FDα+N (12)
对雷达距离向脉冲压缩数据y,传统的SAR成像是利用匹配滤波处理对公式(12)求逆得到T的估计值。然而，由于静目标和动目标滤波参数不同，无法同时实现杂波和动目标的聚焦成像，因此，本发明拟构建下列代价函数实现对公式(12)的求逆操作
公式(13)的最小化并没有闭合解，可以应用拟牛顿法实现迭代求解。计算公式(13)对系数α的实部和虚部梯度，然后应用海森矩阵近似和拟牛顿法可以得到迭代公式:
其中：
公式(15)中γ步进长度，是代价函数的复数梯度组合，迭代公式(14) 可以进推导表示为：
[H(α(n))]α(n+1)＝(1-λ)[H(α(n))]α(n)+2γ(FD)Hy (16)
公式(16)是一个线性方程组，其系数是共轭对称矩阵，将中元素幅度低于特定门限值的数值设置为0后可以得到一个共轭对阵稀疏矩阵。然后，应用共轭梯度法求解迭代公式(16)，进而得到静目标和动目标的联合稀疏图像。
步骤S4具体为：针对动目标所在的场景区域，截取回波信号中的动目标回波子块进行处理，根据步骤S3得到的运动参数估计结果设计滤波器进行运动补偿，得到的数据表示为：
其中,Fr和Fr -1分别表示距离向傅里叶变换和逆傅里叶变换。对公式(17)中信号yc(τ,t)进行方位向傅里叶变换可以得到图像域数据，然后以动目标位置为中心进行滤波得到子图像Im,假设子图像Im大小为将滤波后的图像变换到数据域后可以进行方位向降采样处理，其中降采样因子k0需要按照滤波前后的多普勒带宽比值来设计。最后，得到的动目标相位历史数据大小为所需要重建的动目标图像大小为此时，SAR投影矩阵和系数矩阵的大小变为和
实际数据处理时，如果对全场景回波进行联合稀疏成像处理，SAR投影矩阵维度较大，成像运算量也随之增加。假设原始SAR回波信号数据大小为N×N，全场景图像为N×N，全场景数据的成像运算量为o(N4),本发明的成像运算量近似降低为全场景数据的成像运算量的实际处理时，需要重建的动目标图像较小，联合稀疏成像对应的运算量远远低于全场景数据的成像运算量。
举例来讲，通过步骤S1-S4，得到被照射场景中的3×3静目标点阵和 5个动目标回波信号。其中，静目标相邻点之间的距离向间隔为80m,方位向间隔为50m；动目标沿方位向成T字形排列，坐标如表1所示。设置5 个动目标(分别为：MT1、MT2、MT3、MT4和MT5)沿x轴和y轴的速度分别为10.00m/s和3.50m/s，得到成像结果如图3所示。此后，修改MT3、 MT4和MT5三个动目标沿着y轴的运动速度为5.15m/s，重新进行成像处理，并得到结果请参图4所示。重建图像中动目标出现位置偏移，在利用联合稀疏成像处理后，可以同时得到聚焦的杂波和动目标图像。
步骤S5具体包括：通过仿真杂波区域与动目标散焦区域重合的回波数据，验证本发明算法的有效性。在数据中加入噪声，在不同信杂比(SCR) 和信噪比(SNR)条件下进行联合稀疏成像处理，结果请参表3至表5所示，即使噪声能量高于动目标信号，联合稀疏成像依然能够实现杂波和动目标数据的分离以及聚焦。表3至表5中最后一栏为杂波和动目标图像的方位向剖面图，其中实线表示杂波响应函数剖面，虚线为动目标剖面图。从剖面图对比可以发现，联合稀疏处理得到的杂波和动目标响应的幅度比值与原始数据的SCR相同，从而验证了本发明实现了杂波和动目标数据的完全分离。此外，在动目标速度不同条件下分别仿真9个静目标和3个动目标雷达回波信号，加入相干斑噪声，并得到成像处理结果，请参图5所示，进一步验证在相干斑存在的条件下，本发明可以同时实现杂波和动目标的聚焦处理。
表3 0dB信噪比条件下联合稀疏成像结果
表4 -10dB信噪比条件下联合稀疏成像结果
表5 -20dB信噪比条件下联合稀疏成像结果
综上所述，本发明的无源双基地SAR动/静目标联合稀疏成像方法，基于子孔径多普勒中心和运动方向先验知识，对动目标速度和位置进行了迭代估计。然后，依据动目标的运动参数估计结果构建了SAR投影矩阵，利用共轭梯度法迭代求解得到了杂波和MT聚焦图像。数值仿真实验表明，本发明的无源双基地SAR动/静目标联合稀疏成像方法可以在低信杂比、低信噪比条件下同时实现杂波和动目标回波的聚焦处理。
以上实施例仅用于说明本发明而并非限制本发明所描述的技术方案，对本说明书的理解应该以所属技术领域的技术人员为基础，尽管本说明书参照上述的实施例对本发明已进行了详细的说明，但是，本领域的技术人员应当理解，所属技术领域的技术人员仍然可以对本发明进行修改或者等同替换，而一切不脱离本发明的精神和范围的技术方案及其改进，均应涵盖在本发明的权利要求范围内。

Claims (10)

1.一种无源双基地SAR动/静目标联合稀疏成像方法，其特征在于：包括以下步骤：
S1：构建SAR数据采集几何模型，以分析得到回波信号，所述回波信号为动目标回波信号和静目标回波信号的混合信号；
S2：对所述动目标的运动参数进行估计；
S3：定义SAR投影矩阵，构建基于完备小波字典的稀疏成像方法,以得到静目标和动目标的联合稀疏图像；
S4：截取回波信号中的动目标回波子块进行处理，得到动目标图像。
2.根据权利要求1所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S1中在任意方位向采样时刻t的回波信号表示为：
其中，c0表示光传播速度，fc为载波频率，τ是距离向(快)时间，Ts和Tm分别为静目标和动目标的雷达反射截面积堆栈得到的列向量，fr表示对距离向频率，Rs(.)和Rm(.)分别为静目标和动目标的电磁波瞬时传播距离，∑.表示对被照射场景中所有目标回波的求和，ATR(.)为发射信号的频谱、电磁波传播衰减因子以及发射天线和接收天线方向图的乘积，(xs，ys)为静目标的二维坐标，(xm，ym)为动目标的二维坐标。
3.根据权利要1所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S2包括：
S21：利用重建图像中的路径信息得到动目标运动方向先验知识，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的估计；
S22：利用重建图像中的路径信息得到动目标运动方向先验知识，利用距离、多普勒中心以及子孔径多普勒中心偏差实现动目标速度和位置的迭代估计。
4.根据权利要3所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S21和S22中的运动方向先验知识为动目标径向速度与横向速度的比值：
5.根据权利要求3所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S22包括：
S221：固定径向速度和动目标位置，在距离和多普勒中心频率约束条件下实现方位向速度的估计；
S222：重复对方位向速度以及动目标径向速度的估计步骤，以得到动目标的运动参数估计结果。
6.根据权利要求5所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S221中得到的方位向速度的迭代表达式为：
其中，为Δfdc为子孔径的多普勒中心偏差。
7.根据权利要求1所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S3包括：
S31：将距离向脉冲压缩后的数据重排得到列向y，定义SAR投影矩阵为F，得到信号回波模型；
S32：定义一个完备小波字典，将SAR图像表示为完备小波字典的稀疏表示，以得到静目标和动目标的联合稀疏图像。
8.根据权利要求7所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S31中，所述信号回波模型为：
其中，Ts和Tm分别为静目标和动目标的雷达反射截面积堆栈得到的列向量，是动目标运动引入的相位误差，n0为噪声。
9.根据权利要求1所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，步骤S4具体为：截取回波信号中的动目标回波子块进行处理分析，并根据分析结果，重建动目标图像。
10.根据权利要求1所述的无源双基地SAR动/静目标联合稀疏成像方法，其特征在于，还包括步骤S5：通过仿真杂波区域与动目标散焦区域重合的回波数据，以验证所述步骤S1-S4的有效性。
CN201811481532.6A 2018-12-05 2018-12-05 无源双基地sar动/静目标联合稀疏成像方法 Active CN109669182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811481532.6A CN109669182B (zh) 2018-12-05 2018-12-05 无源双基地sar动/静目标联合稀疏成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811481532.6A CN109669182B (zh) 2018-12-05 2018-12-05 无源双基地sar动/静目标联合稀疏成像方法

Publications (2)

Publication Number Publication Date
CN109669182A true CN109669182A (zh) 2019-04-23
CN109669182B CN109669182B (zh) 2022-05-17

Family

ID=66144227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811481532.6A Active CN109669182B (zh) 2018-12-05 2018-12-05 无源双基地sar动/静目标联合稀疏成像方法

Country Status (1)

Country Link
CN (1) CN109669182B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736988A (zh) * 2019-05-30 2020-01-31 南京邮电大学 双基地pfa运动目标参数估计和成像方法
CN111190180A (zh) * 2019-12-31 2020-05-22 北京理工大学 基于分布式sar图像的点、线目标辨识与图像增强方法
CN112415515A (zh) * 2021-01-22 2021-02-26 南京邮电大学 一种机载圆迹sar对不同高度目标分离的方法
CN112731394A (zh) * 2020-12-18 2021-04-30 南京邮电大学 基于近似观测矩阵的聚束sar杂波抑制和动目标重聚焦
CN113219432A (zh) * 2021-05-14 2021-08-06 内蒙古工业大学 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法
CN113466797A (zh) * 2021-06-24 2021-10-01 电子科技大学 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5781144A (en) * 1996-07-03 1998-07-14 Litton Applied Technology Wide band video signal denoiser and method for denoising
US6292592B1 (en) * 1998-10-19 2001-09-18 Raytheon Company Efficient multi-resolution space-time adaptive processor
WO2004091404A1 (ja) * 2003-04-16 2004-10-28 Mie Tlo Co., Ltd. 医用画像処理方法
CN101141560A (zh) * 2007-10-11 2008-03-12 上海交通大学 基于独立成分分析基图像的合成孔径雷达图像消噪方法
CN102798863A (zh) * 2012-07-04 2012-11-28 西安电子科技大学 基于汽车防撞雷达的道路中央隔离带检测方法
CN103347268A (zh) * 2013-06-05 2013-10-09 杭州电子科技大学 认知传感器网络中基于能量有效性观测的自适应压缩重构方法
CN103869316A (zh) * 2014-03-27 2014-06-18 西安电子科技大学 基于稀疏表征的前视阵列sar超分辨成像方法
CN106054154A (zh) * 2016-05-27 2016-10-26 南京邮电大学 一种基于icpf的机动目标的步进频率信号高分辨率成像方法
US9613439B1 (en) * 2015-10-16 2017-04-04 The United States Of America, As Represented By The Secretary Of The Navy System and method for a hierarchical Bayesian-map approach for solving inverse problems
CN106908790A (zh) * 2017-02-28 2017-06-30 西安电子科技大学 一种机载sar雷达速度的优化估计方法
CN106950555A (zh) * 2017-05-03 2017-07-14 中国人民解放军国防科学技术大学 一种基于太赫兹孔径编码成像体制的面目标成像方法
EP3229038A1 (en) * 2014-12-01 2017-10-11 Institute of Electronics, Chinese Academy of Sciences Wavelet domain insar interferometric phase filtering method in combination with local frequency estimation

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5781144A (en) * 1996-07-03 1998-07-14 Litton Applied Technology Wide band video signal denoiser and method for denoising
US6292592B1 (en) * 1998-10-19 2001-09-18 Raytheon Company Efficient multi-resolution space-time adaptive processor
WO2004091404A1 (ja) * 2003-04-16 2004-10-28 Mie Tlo Co., Ltd. 医用画像処理方法
CN101141560A (zh) * 2007-10-11 2008-03-12 上海交通大学 基于独立成分分析基图像的合成孔径雷达图像消噪方法
CN102798863A (zh) * 2012-07-04 2012-11-28 西安电子科技大学 基于汽车防撞雷达的道路中央隔离带检测方法
CN103347268A (zh) * 2013-06-05 2013-10-09 杭州电子科技大学 认知传感器网络中基于能量有效性观测的自适应压缩重构方法
CN103869316A (zh) * 2014-03-27 2014-06-18 西安电子科技大学 基于稀疏表征的前视阵列sar超分辨成像方法
EP3229038A1 (en) * 2014-12-01 2017-10-11 Institute of Electronics, Chinese Academy of Sciences Wavelet domain insar interferometric phase filtering method in combination with local frequency estimation
US9613439B1 (en) * 2015-10-16 2017-04-04 The United States Of America, As Represented By The Secretary Of The Navy System and method for a hierarchical Bayesian-map approach for solving inverse problems
CN106054154A (zh) * 2016-05-27 2016-10-26 南京邮电大学 一种基于icpf的机动目标的步进频率信号高分辨率成像方法
CN106908790A (zh) * 2017-02-28 2017-06-30 西安电子科技大学 一种机载sar雷达速度的优化估计方法
CN106950555A (zh) * 2017-05-03 2017-07-14 中国人民解放军国防科学技术大学 一种基于太赫兹孔径编码成像体制的面目标成像方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
AHMED SHAHARYAR KHWAJA: "Applications of Compressed Sensing for SAR Moving-Target Velocity Estimation and Image Compression", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 *
HAO-CHIN CHANG: "Solving the Flexible Job Shop Scheduling Problem With Makespan Optimization by Using a Hybrid Taguchi-Genetic Algorithm", 《IEEE ACCESS.2015》 *
JIE LI: "Moving Target Detection via Efficient ATI-GoDec Approach for Multichannel SAR System", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
王博: "GPS L1 反射信号运动目标成像技术研究", 《计算机工程与应用》 *
王艳霞等: "基于子孔径分离的SAR动目标检测与定位", 《科学技术与工程》 *
袁慧珍: "基于小波稀疏字典的图像超分辨率重构方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736988A (zh) * 2019-05-30 2020-01-31 南京邮电大学 双基地pfa运动目标参数估计和成像方法
CN110736988B (zh) * 2019-05-30 2023-06-02 南京邮电大学 双基地pfa运动目标参数估计和成像方法
CN111190180A (zh) * 2019-12-31 2020-05-22 北京理工大学 基于分布式sar图像的点、线目标辨识与图像增强方法
CN111190180B (zh) * 2019-12-31 2022-08-19 北京理工大学 基于分布式sar图像的点、线目标辨识与图像增强方法
CN112731394A (zh) * 2020-12-18 2021-04-30 南京邮电大学 基于近似观测矩阵的聚束sar杂波抑制和动目标重聚焦
CN112731394B (zh) * 2020-12-18 2023-06-20 南京邮电大学 基于近似观测矩阵的聚束sar杂波抑制和动目标重聚焦
CN112415515A (zh) * 2021-01-22 2021-02-26 南京邮电大学 一种机载圆迹sar对不同高度目标分离的方法
CN112415515B (zh) * 2021-01-22 2021-04-13 南京邮电大学 一种机载圆迹sar对不同高度目标分离的方法
CN113219432A (zh) * 2021-05-14 2021-08-06 内蒙古工业大学 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法
CN113219432B (zh) * 2021-05-14 2022-11-25 内蒙古工业大学 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法
CN113466797A (zh) * 2021-06-24 2021-10-01 电子科技大学 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法
CN113466797B (zh) * 2021-06-24 2023-04-28 电子科技大学 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法

Also Published As

Publication number Publication date
CN109669182B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN109669182A (zh) 无源双基地sar动/静目标联合稀疏成像方法
Leigsnering et al. Multipath exploitation and suppression for SAR imaging of building interiors: An overview of recent advances
Smith et al. Robust through-the-wall radar image classification using a target-model alignment procedure
Kang et al. Efficient ISAR autofocus via minimization of Tsallis entropy
CN110275166A (zh) 基于admm的快速稀疏孔径isar自聚焦与成像方法
Wang et al. Through-wall imaging of moving targets using UWB random noise radar
KR101311393B1 (ko) 레이더 신호를 이용한 표적 식별 방법 및 장치
CN104898119B (zh) 一种基于相关函数的动目标参数估计方法
Wacks et al. Passive synthetic aperture hitchhiker imaging of ground moving targets—Part 1: Image formation and velocity estimation
Sakamoto et al. Fast imaging method for security systems using ultrawideband radar
Kim Focusing of high range resolution profiles of moving targets using stepped frequency waveforms
Park et al. Performance analysis of the scenario-based construction method for real target ISAR recognition
Bose Lean CLEAN: Deconvolution algorithm for radar imaging of contiguous targets
Liu et al. Clutter reduction and target tracking in through-the-wall radar
Ma et al. Target imaging based on ℓ 1 ℓ 0 norms homotopy sparse signal recovery and distributed MIMO antennas
Garry et al. Passive ISAR part I: framework and considerations
CN109188436B (zh) 适用于任意平台轨迹的高效双基sar回波生成方法
JP2024514618A (ja) Ｄｎｎ基盤の人の顔分類
Uysal et al. The effect of moving target on range-Doppler map and backprojection algorithm for focusing
CN107783111B (zh) 一种基于最大熵准则的雷达前视超分辨成像方法
Hyder et al. Range-Doppler imaging via sparse representation
Jun et al. Principle and methods on bistatic SAR signal processing via time correlation
Gurbuz et al. Sparse ground-penetrating radar imaging method for off-the-grid target problem
Stinco et al. Non‐cooperative target recognition in multistatic radar systems
Aboutanios et al. Fast iterative interpolated beamforming for high fidelity single snapshot DOA estimation

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