CN110058231B - 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
- CN110058231B CN110058231B CN201910276584.8A CN201910276584A CN110058231B CN 110058231 B CN110058231 B CN 110058231B CN 201910276584 A CN201910276584 A CN 201910276584A CN 110058231 B CN110058231 B CN 110058231B
- Authority
- CN
- China
- Prior art keywords
- oscillator
- dimensional
- signal
- matrix
- range profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000000739 chaotic effect Effects 0.000 title claims abstract description 13
- 238000003384 imaging method Methods 0.000 claims abstract description 14
- 230000002708 enhancing effect Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000009467 reduction Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000002592 echocardiography Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005291 chaos (dynamical) Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
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
- 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 CN110058231A (zh) | 2019-07-26 |
| CN110058231B true 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) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
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 |
|---|
| 基于双扩展型Duffing振子的脉冲信号检测方法;罗文茂;《系统仿真学报》;20190731;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110058231A (zh) | 2019-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108549067B (zh) | 一种应用于三阶机动目标的相参积累检测方法 | |
| CN109709552B (zh) | 一种低信噪比isar成像运动补偿方法 | |
| CN107490790B (zh) | 一种连续多脉冲相参海杂波的仿真方法 | |
| DE69214257T2 (de) | Verbessertes ISAR Bilderzeugungsradarsystem | |
| CN109164421B (zh) | 一种基于二维重构算法的目标检测方法 | |
| CN110780274B (zh) | 一种用于扫描雷达的改进l1正则化方位超分辨成像方法 | |
| CN111060879B (zh) | 一种基于二维匹配滤波结果的联合副瓣抑制方法 | |
| CN107991655B (zh) | 一种lfm-pc信号及其模糊函数优化方法 | |
| CN110058231B (zh) | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 | |
| CN109633622B (zh) | 基于时间反转二阶Keystone变换的雷达机动目标跨单元积累方法 | |
| CN110208796B (zh) | 基于奇异值逆滤波的扫描雷达超分辨成像方法 | |
| CN112014807B (zh) | 一种频率捷变雷达的自适应杂波抑制方法 | |
| CN104101868B (zh) | 基于干扰子空间重构的雷达多假目标干扰抑制方法 | |
| CN110308448B (zh) | 一种逆合成孔径雷达二维像的增强方法 | |
| CN105005048A (zh) | 基于显著图的Laplacian协同压缩雷达成像方法 | |
| CN114384484B (zh) | 一种基于分段处理的匀加速运动目标快速相参积累方法 | |
| CN103944593B (zh) | 基于独立接收单元的双稳态随机共振阵列处理方法及系统 | |
| CN110632616A (zh) | 一种稀疏采样下机载逆合成孔径激光雷达微动成像方法 | |
| CN110658506A (zh) | 一种基于角度聚类和多普勒分析的微多普勒杂波滤除方法 | |
| US5091890A (en) | Method of extracting target range and Doppler information from a Doppler-spread signal | |
| CN107015210B (zh) | 一种基于相似性约束的雷达慢时间域恒模信号设计方法 | |
| 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 | |
| CN114019470A (zh) | 目标检测和参数估计的方法及系统 | |
| Tahmid et al. | Exponential smoothing technique in filtration of distorted radar signal | |
| CN114200446A (zh) | 一种基于cintaf的机动目标isar成像方法 |
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 |