CN110058231A - 一种应用混沌振子的逆合成孔径雷达距离像增强方法 - Google Patents
一种应用混沌振子的逆合成孔径雷达距离像增强方法 Download PDFInfo
- Publication number
- CN110058231A CN110058231A CN201910276584.8A CN201910276584A CN110058231A CN 110058231 A CN110058231 A CN 110058231A CN 201910276584 A CN201910276584 A CN 201910276584A CN 110058231 A CN110058231 A CN 110058231A
- Authority
- CN
- China
- Prior art keywords
- oscillator
- signal
- range profile
- matrix
- dimension
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000000739 chaotic effect Effects 0.000 title claims abstract description 12
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 12
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于混沌振子的逆合成孔径雷达距离像增强方法,属于雷达信号处理领域。对于逆合成孔径雷达ISAR来说,在低信噪比情况下,其距离像可能会淹没在噪声中无法观察,也无法进行后续的目标运动参数估计和成像。本发明方法将叠加噪声的距离像信号经过处理后,输入耦合混沌振子系统中,达到抑制噪声、增强距离像信号的目的,具有推广应用的价值。
Description
技术领域
本发明属于雷达技术领域,涉及雷达信号处理,为一种应用混沌振子的逆合成孔径雷达距离像增强方法。
背景技术
为了降低被雷达探测的概率,许多军事飞行器正致力于缩小雷达散射面积,所以逆合成孔径雷达(ISAR)将不可避免需要在低信噪比下成像,这将大大增加ISAR成像的难度。
常用的ISAR成像方法有距离多普勒(RD)算法、基于运动参数估计的成像算法两大类。在高信噪比条件下,ISAR成像的方法已经很成熟了。在低信噪比条件下,也提出了一些ISAR运动补偿算法,比如:高阶相位项参数估计实现运动补偿、修正的 Keystone变换方法完成包络对齐、图像熵法实现相位自聚焦、联合自聚焦等。但是,现有的低信噪比运动补偿方法的抗噪性能是有限的,信噪比进一步降低,现有的方法都将失效。本发明的目的就是要进一步提升ISAR的抗噪性能。
混沌作为非线性系统的一种独特现象,虽其动力学本质仍有待揭示,但其理论已经开始在很多工程问题中广泛应用。在信号处理领域,混沌理论已经在保密通信、混沌神经网络、混沌优化、图像处理、信号检测等方面取得了成功应用。在雷达领域,目前有混沌脉冲雷达、目标微多普勒信号检测、混沌杂波、雷达图像后处理等方面的应用。本发明则是将混沌理论应用于雷达成像环节中。
对于发射线性调频(LFM)脉冲串信号的ISAR,在目标机动飞行且速度不是太高的条件下,本发明提出了一种基于混沌振子降噪的ISAR距离像增强算法。
发明内容
本发明要解决的技术问题为:对于低信噪比条件下,ISAR的距离像淹没于噪声下,如何抑制噪声,增强ISAR距离像。现有文献并无该种方法,因为点目标的回波脉冲压缩后是一个冲激信号,对于这种一个采样点宽度的冲激信号,没有任何方法能增强。本发明利用特定方法绕过了这一难点,实现了ISAR距离像的增强。
本发明提供的一种应用混沌振子的ISAR距离像增强方法,包括如下步骤:
1)当逆合成孔径雷达ISAR发射宽带线性调频LFM脉冲串信号时,将ISAR接收到的目标回波信号混频,去除载频;
2)去除载频后的混频信号在快时间维进行傅里叶变换,得到基带频域信号,设成像积累时间内接收了M个回波信号,每个回波信号采样点数为N,则形成M*N维的基带频域信号矩阵;
3)根据目标的速度范围,选择基带频域信号矩阵的前L行,对该L行的数据进行keystone变换,则前L个回波包络走动被校正,对keystone变换后得到的L*N维数据矩阵,按行在快时间维逆傅里叶变换得到对齐的目标一维距离像;
4)将步骤3)得到的对齐的L*N维距离像数据矩阵排列为一维向量,具体的排列方法为:将该矩阵的每一列取出,首尾相接,形成一个一维向量;
5)将步骤4)得到的一维向量求模后,输入耦合Duffing振子降噪,耦合Duffing 振子表示为如下二阶常微分方程组:
式中,x1是第一振子的状态变量,x2是第二振子的状态变量,ξ是振子的阻尼系数,k、q分别为振子间的耦合系数,fcos(t)是周期驱动力,f是周期驱动力的幅度,s(t)是待去噪的输入信号,振子状态变量的初始值可以任取,所述常微分方程组可由定步长四阶龙格-库塔法求解;
该耦合Duffing振子系统的降噪输出是振子状态变量的差值x1-x2,所述降噪输出即为输入信号s(t)的去噪结果;
6)将步骤5)得到的降噪后的一维向量重新恢复为L*N维的矩阵,其恢复方法是步骤4)的反向过程;
7)将恢复后的L*N维矩阵的所有行相加,得到一个一维向量,并将该一维向量作为一个新的(M-L+1)*N维观测图像的第一行;
8)将基带频域信号矩阵的第2至第L+1行取出,重复步骤3)~7)的操作,得到 (M-L+1)*N维观测图像的第二行,以此类推,得到整个(M-L+1)*N维观测图像,该观测图像就是增强后的ISAR距离像。
作为优选方式,步骤3)中,L的选取不小于30,同时为确保目标在L个回波时间内的运动速度近似为恒定,L的取值小于100。步骤5)中,振子参数分别取:ξ=0.7、 k=10、q=10、f=1.7。
本发明的有益效果在于:本发明方法将叠加噪声的距离像信号经过处理后,输入耦合混沌振子系统中,达到抑制噪声、增强距离像信号的目的。对比常规ISAR的距离- 多普勒成像算法(R-D成像算法)的脉冲压缩距离像,本发明方法能够实现ISAR距离像6dB的信噪比提升,具有推广应用的价值。
附图说明
图1为本发明的方法流程图。
图2为本发明的方法验证时的仿真飞机模型。
图3为仿真飞机模型在没有噪声时经过脉冲压缩后的距离像。
图4为仿真飞机模型在有噪声时经过脉冲压缩后的距离像。
图5为仿真飞机模型在有噪声时经过本发明方法增强后的距离像。
具体实施方式
下面具体说明本发明的实施。
步骤1.当ISAR发射宽带线性调频LFM脉冲串信号时,将ISAR接收到的目标回波信号混频,去除载频;
雷达回波经过混频后的基带信号可以写成:
式中,i表示第i个目标散射点;m表示第m个脉冲;Ai为目标散射点的散射强度; p(·)函数表示信号复包络;为快时间;tm为慢时间;Ri(tm)为目标离雷达的距离函数; c为光速;fc为载波频率。
步骤2.对混频后的基带信号在快时间维进行傅里叶变换,得到基带频域信号。假设成像积累时间内接收了M个回波,每个回波采样点数为N,则形成M*N维的基带频域信号矩阵。此时目标的距离像已经可以得到,但是在低信噪比下,距离像可能会淹没在噪声中无法观察,也无法进行后续的目标运动参数估计和成像;
混频后的信号对快时间做傅里叶变换得到的基带频域信号可以表示为:
式中,f为频率;P(f)为信号复包络的频谱函数。
仅考虑二次项的目标距离为:
式中,Ri0为第i个散射点的初始距离;vi为第i个散射点的初始速度;ai为第i个散射点的加速度。
将上式代入基带频域信号,可得:
上式的第三个相位项是由加速度引起的高次项,在少数几次回波间隔时间内可以认为其与f无关,其对于信号的影响体现在初始相位上。第二个相位项包含了多普勒频率,但是多普勒频率随f而变化,可以采用keystone变换来消除这种影响。
步骤3.根据目标的速度范围,选择基带频域信号矩阵的前L行,对该L行的数据进行keystone变换,则前L个回波包络走动被校正。对keystone变换后的L*N维数据矩阵,按行(快时间维)逆傅里叶变换得到对齐的目标一维距离像。L同时表示了回波数,根据目标的速度范围选取L属于本领域的常识,不再详述其原理,本发明中优选L 不小于30,但是也不能取太大,尤其是目标在成像时间内速度变化时,因为取太大时,目标在L个回波时间内的运动速度不能近似为恒定,建议L小于100。
对于Keystone变换,可以指定新的时间变量:
将上式代入基带频域信号,并忽略二次项,可以得到时间尺度变换后的信号为:
从上式可以看出,keystone变换利用线性坐标变换消除了多普勒频率和f的耦合,校正了目标的距离走动。由于keystone变换是时间坐标的线性变换,高斯白噪声通过keystone变换后统计特性不变。
步骤4.将步骤3得到的对齐的L*N维距离像数据矩阵排列为一维向量,具体的排列方法为:将该矩阵的每一列取出首尾相接,形成一个一维向量;
矩阵重排的方法如下所示。
步骤5.将步骤4得到的一维向量求模后,输入耦合Duffing振子降噪。耦合Duffing振子具体表示为如下二阶常微分方程组:
式中,x1是第一振子的状态变量,x2是第二振子的状态变量,ξ是振子的阻尼系数,k、q分别为振子间的耦合系数,fcos(t)是周期驱动力,f是周期驱动力的幅度,s(t)是待去噪的输入信号。振子参数分别取:ξ=0.7、k=10、q=10、f=1.7。振子状态变量的初始值可以任取。该常微分方程组可由定步长四阶龙格-库塔法求解。该系统的降噪输出是振子状态变量的差值,如:x1-x2,该输出即为输入信号s(t)的去噪结果;
步骤6.将步骤5得到的降噪后的一维向量重新恢复为L*N维的矩阵,其恢复方法是步骤4的反向过程;
步骤7.将恢复后的L*N维矩阵的所有行相加,得到一个一维向量,并将该一维向量作为一个新的(M-L+1)*N维观测图像的第一行;
步骤8.将基带频域信号矩阵的第2至第L+1行取出,重复步骤3~7的操作,得到(M-L+1)*N维观测图像的第二行。以此类推,可以得到整个(M-L+1)*N维观测图像,该观测图像就是增强后的ISAR距离像。
图1为本发明的方法流程图。
本发明通过仿真算例来显示本发明的实施,图2为仿真算例的飞机目标几何结构。该仿真为一个距离雷达50公里的飞机目标,飞机的运动参数为:径向初始速度-300m/s (朝向雷达运动)、加速度150m/s2、绕几何中心的转动速度为4°/s。雷达参数为:雷达发射LFM脉冲串,脉冲宽度为5μs,带宽500MHz,载频为10GHz,快时间采样点数 2000点,脉冲重复周期500μs,成像时间为1s,共2000个回波,回波信噪比设置为-23dB。
图3为没有噪声的情况下脉冲压缩后的距离像,该图是从2000个回波中等间隔抽取出200个生成的,从中可以看出目标运动引起的距离像走动和弯曲。
图4为混入噪声后的距离像,该图也是从2000个回波中等间隔抽取出200个生成的,可以看出距离像很模糊。
图5为混沌振子增强后的距离像,该图也是从2000个回波中等间隔抽取出200个生成的,可以看出距离像变清晰了。在该仿真中,步骤3中的L取的是50。评估图4 和图5的图像熵,可以得出图5的信噪比比图4提升了6dB左右。
以上所述,仅为本发明的具体实施方式,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,将该方法的修改、变化或延伸到其它应用场景,都应涵盖在本发明的包含范围之内。
Claims (3)
1.一种应用混沌振子的逆合成孔径雷达距离像增强方法,其特征是包括如下步骤:
1)当逆合成孔径雷达ISAR发射宽带线性调频LFM脉冲串信号时,将ISAR接收到的目标回波信号混频,去除载频;
2)对去除载频后的混频信号在快时间维进行傅里叶变换,得到基带频域信号,设成像积累时间内接收了M个回波信号,每个回波信号采样点数为N,则形成M*N维的基带频域信号矩阵;
3)根据目标的速度范围,选择基带频域信号矩阵的前L行,对该L行的数据进行keystone变换,则前L个回波包络走动被校正,对keystone变换后得到的L*N维数据矩阵,按行在快时间维逆傅里叶变换得到对齐的目标一维距离像;
4)将步骤3)得到的对齐的L*N维距离像数据矩阵排列为一维向量,具体的排列方法为:将该矩阵的每一列取出,首尾相接,形成一个一维向量;
5)将步骤4)得到的一维向量求模后,输入耦合Duffing振子降噪,耦合Duffing振子表示为如下二阶常微分方程组:
式中,x1是第一振子的状态变量,x2是第二振子的状态变量,ξ是振子的阻尼系数,k、q分别为振子间的耦合系数,fcos(t)是周期驱动力,f是周期驱动力的幅度,s(t)是待去噪的输入信号,振子状态变量的初始值可以任取,所述常微分方程组可由定步长四阶龙格-库塔法求解;
该耦合Duffing振子系统的降噪输出是振子状态变量的差值x1-x2,所述降噪输出即为输入信号s(t)的去噪结果;
6)将步骤5)得到的降噪后的一维向量重新恢复为L*N维的矩阵,其恢复方法是步骤4)的反向过程;
7)将恢复后的L*N维矩阵的所有行相加,得到一个一维向量,并将该一维向量作为一个新的(M-L+1)*N维观测图像的第一行;
8)将基带频域信号矩阵的第2至第L+1行取出,重复步骤3)~7)的操作,得到(M-L+1)*N维观测图像的第二行,以此类推,得到整个(M-L+1)*N维观测图像,该观测图像就是增强后的ISAR距离像。
2.根据权利要求1所述的一种应用混沌振子的逆合成孔径雷达距离像增强方法,其特征是步骤3)中,L的选取不小于30,同时为确保目标在L个回波时间内的运动速度近似为恒定,L的取值小于100。
3.根据权利要求1所述的一种应用混沌振子的逆合成孔径雷达距离像增强方法,其特征是步骤5)中,振子参数分别取:ξ=0.7、k=10、q=10、f=1.7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910276584.8A CN110058231B (zh) | 2019-04-08 | 2019-04-08 | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910276584.8A CN110058231B (zh) | 2019-04-08 | 2019-04-08 | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110058231A true CN110058231A (zh) | 2019-07-26 |
CN110058231B CN110058231B (zh) | 2022-04-22 |
Family
ID=67318435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910276584.8A Active CN110058231B (zh) | 2019-04-08 | 2019-04-08 | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110058231B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114554029A (zh) * | 2022-02-14 | 2022-05-27 | 北京超维景生物科技有限公司 | 视频处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105425238A (zh) * | 2016-01-08 | 2016-03-23 | 中国人民解放军国防科学技术大学 | 一种逆合成孔径雷达成像并行处理方法 |
CN108375416A (zh) * | 2018-02-06 | 2018-08-07 | 东北电力大学 | 一种强噪声背景下线性调频信号的Duffing振子检测方法 |
CN108663605A (zh) * | 2018-04-13 | 2018-10-16 | 南京信息职业技术学院 | 基于耦合Duffing振子的局部放电信号检测方法 |
CN109031299A (zh) * | 2018-08-30 | 2018-12-18 | 西安电子科技大学 | 低信噪比条件下基于相位差分的isar平动补偿方法 |
-
2019
- 2019-04-08 CN CN201910276584.8A patent/CN110058231B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105425238A (zh) * | 2016-01-08 | 2016-03-23 | 中国人民解放军国防科学技术大学 | 一种逆合成孔径雷达成像并行处理方法 |
CN108375416A (zh) * | 2018-02-06 | 2018-08-07 | 东北电力大学 | 一种强噪声背景下线性调频信号的Duffing振子检测方法 |
CN108663605A (zh) * | 2018-04-13 | 2018-10-16 | 南京信息职业技术学院 | 基于耦合Duffing振子的局部放电信号检测方法 |
CN109031299A (zh) * | 2018-08-30 | 2018-12-18 | 西安电子科技大学 | 低信噪比条件下基于相位差分的isar平动补偿方法 |
Non-Patent Citations (1)
Title |
---|
罗文茂: "基于双扩展型Duffing振子的脉冲信号检测方法", 《系统仿真学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114554029A (zh) * | 2022-02-14 | 2022-05-27 | 北京超维景生物科技有限公司 | 视频处理方法及装置 |
CN114554029B (zh) * | 2022-02-14 | 2024-03-22 | 北京超维景生物科技有限公司 | 视频处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110058231B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ender | On compressive sensing applied to radar | |
CN111708011B (zh) | 一种基于压缩感知的微多普勒测速的方法 | |
CN107576961B (zh) | 一种互质降采样间歇合成孔径雷达稀疏成像方法 | |
CN109709552B (zh) | 一种低信噪比isar成像运动补偿方法 | |
CN111929654A (zh) | 一种基于微多普勒技术的杂波抑制方法 | |
CN111965611B (zh) | 一种相位抖动ddma波形的构建方法 | |
CN110208796B (zh) | 基于奇异值逆滤波的扫描雷达超分辨成像方法 | |
CN107132513B (zh) | 基于相关距离的距离扩展目标检测方法 | |
CN105005032A (zh) | 一种基于级数反演成像算法的sar移频干扰方法 | |
CN106680791A (zh) | 基于宽带扫频数据的雷达回波仿真方法 | |
CN106990392B (zh) | 一种基于随机步进频信号的空间目标微动信息获取方法 | |
CN110058231A (zh) | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 | |
Sun et al. | Optimization of diverse PCFM waveforms and joint mismatched filters | |
CN105022060A (zh) | 针对快速空天目标的步进isar成像方法 | |
CN105005048A (zh) | 基于显著图的Laplacian协同压缩雷达成像方法 | |
CN110441749A (zh) | 一种频率步进雷达目标运动参数估计方法 | |
US5091890A (en) | Method of extracting target range and Doppler information from a Doppler-spread signal | |
CN101639530B (zh) | 一种基于二维混合变换的sar回波信号去噪预处理方法 | |
CN110308448B (zh) | 一种逆合成孔径雷达二维像的增强方法 | |
CN112782665B (zh) | 一种基于fmcw雷达rdi的数据集拓展方法 | |
Tran et al. | Generative adversarial networks for recovering missing spectral information | |
CN114019470A (zh) | 目标检测和参数估计的方法及系统 | |
CN110488238B (zh) | 一种基于压缩感知的高分辨宽测绘带解距离模糊方法 | |
CN103885044A (zh) | 一种基于clean算法的窄带雷达回波杂噪抑制方法 | |
CN108983189B (zh) | 一种振动目标的二维微动轨迹估计方法 |
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 |