CN110083915A - 一种高频区雷达目标散射中心正向自动化建模方法 - Google Patents
一种高频区雷达目标散射中心正向自动化建模方法 Download PDFInfo
- Publication number
- CN110083915A CN110083915A CN201910322721.7A CN201910322721A CN110083915A CN 110083915 A CN110083915 A CN 110083915A CN 201910322721 A CN201910322721 A CN 201910322721A CN 110083915 A CN110083915 A CN 110083915A
- Authority
- CN
- China
- Prior art keywords
- ray
- scattering
- level
- component
- target
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/06—Ray-tracing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Generation (AREA)
Abstract
本发明提出了一种高频区雷达目标散射中心正向自动化建模方法。本方法首先对目标CAD几何模型进行实体部件和表面分区,输出带编号的实体部件和表面;接着通过射线追踪和以分区编号为基础的空间射线分集技术,将目标回波贡献分解成多个强散射中心的贡献之和,实现目标强散射中心的有效分离和定量表征以及主要散射来源和区域的判定,建立了强散射中心与目标实体部件间的准确对应关系;最后依据高频区目标电磁散射机理,开发了一套自动化的散射中心属性参数正向推算方法。本发明方法构建的散射中心模型与目标结构有着清晰的对应关系,更利于目标识别。
Description
技术领域
本发明属于雷达目标特性建模领域,尤其涉及一种高频区雷达目标散射中心正向自动化建模方法。
背景技术
在SAR图像目标识别中,特征的选择与提取是目标解译的基础和关键。早期选取的特征主要是与光学图像类似的几何特征,比如SAR图像中的峰值、脊、谷等几何特征。这类几何特征虽然一定程度上可以反映不同目标的差异,但其是比较粗糙的特征,用于SAR解译识别的能力有限。后续研究人员又提出了多种变换域特征。变换域特征通过数理统计、数学变换及信号分析等方式提取SAR图像中的不变特征。总的来说,上述两大类特征均没有深入到SAR图像的内在形成机理,均不是SAR图像固有的本质特征,因此很难从根本上解决SAR目标解译识别问题。SAR图像本质是由目标电磁散射形成的。不同于光学的漫反射,高频区雷达目标电磁散射具有很强的方向性,且与目标结构息息相关。因此对于任一固定的姿态角,目标上不同部件结构的散射强度一般差异很大。这一散射强度差异在SAR图像中表现为像素幅值的剧烈起伏变化。当SAR图像分辨率足够高时,不同部件结构的散射效应可以被有效地区分开来,在SAR图像中表现为“一座座独立的山峰”,这些“山峰”表征的就是当前姿态下具有较强散射作用的部件的散射,称之为散射中心。散射中心能够有效地将目标的整体散射效应近似分解为多个局部部件结构散射的叠加,是高频区雷达目标电磁散射的本质特征。目前描述散射中心的通用参数化模型主要有:理想点散射模型、衰减指数和模型、属性散射中心模型。理想点散射中心模型假定目标散射中心的散射特性不随频率和方位角改变而变化,因此该模型只有描述散射中心位置和幅度的参数。衰减指数和模型在理想点散射中心模型的基础上,使用衰减指数的形式描述散射中心幅度与频率和方位角的依赖关系。虽然衰减指数和模型一定程度上改进了理想点散射中心模型,但由于衰减指数物理含义不清晰,该模型仍无法较为准确地描述目标在不同频率和方位角下的散射特性。属性散射中心模型基于几何绕射理论和物理光学理论,通过对典型结构的散射特性研究,构建了一个通用的参数化模型,其参数包含丰富的物理和几何属性,能够更准确地描述高频区雷达目标后向散射特性,得到了广泛的应用。
目前散射中心特征提取,即散射中心建模都是基于回波数据的反演方法,其本质是一个参数估计问题。根据实施数据域的不同,这类反演方法可分为频率域方法和图像域方法。频率域方法在频率域对回波数据中所有散射中心同时进行估计,计算量大,存在模型定阶等问题。图像域方法首先将回波数据变换到图像域,接着将整个图像分割成若干个高能量区域作为各散射中心,然后分别对每个区域(散射中心)进行参数估计。这种方法每次只对一个区域进行处理,因此大大降低了算法复杂度,但仍存在模型定阶等问题。然而,无论是频率域方法还是图像域方法,它们实际上都是基于数据的逆向方法。一方面,这类逆向方法依赖于回波数据,实测数据获取难度大、成本高,而仿真数据的获取需要大量的时间或计算资源;另一方面,逆向方法给出的散射中心及特性参数往往缺乏物理含义,很难与实际目标上的具体结构对应起来,不利于目标解译识别。
发明内容
本发明针对现有基于数据的散射中心逆向建模方法存在的问题与不足,提供了一种高频区雷达目标散射中心正向自动化建模方法,建模成本低、速度快,且得到的散射中心模型与目标几何模型结构有着清晰的对应关系。
本发明的技术方案为一种高频区雷达目标散射中心正向自动化建模方法,包含以下步骤:
步骤1,构建目标几何模型:利用CAD建模软件构建目标高精度几何CAD模型;
步骤2,首先将步骤1构建的目标高精度几何CAD模型进行一级部件分区编号,接着在一级部件分区基础上进行二级表面分区编号,最后将经过一级部件分区和二级表面分区的目标高精度几何CAD模型表面剖分成小三角面元,得到带有分区编号的三角面元网格模型;
步骤3,将雷达入射平面波以射线的形式平行射向步骤2中得到的分区剖分后的网格模型,进行射线追踪和以分区编号为基础的空间射线分集,并在此基础上进行强散射中心的判定与定量表征以及强散射中心主要散射来源和区域的判定;
步骤4,利用步骤3中得到的强散射中心对应的部件级射线子集和表面级射线子集结果,进行强散射中心模型属性参数即幅度参数、频率依赖参数、位置参数和长度参数的正向推算。
作为优选,步骤2中所述将步骤1构建的目标高精度几何CAD模型进行一级部件分区编号为:
一级部件分区将整个目标CAD模型表面TM分解成N个一级部件区域:
TM=[RA1,RA2,...,RAi,...,RAN],i∈[1,N]
其中,RAi表示分解得到的第i个(编号为i的)一级部件区域,分区原则是:
目标表面外法向突变;
分解得到的每一部件区域应满足电大尺寸条件;
对目标上的典型散射机理应分解为一个部件区域;
步骤2中所述在一级部件分区基础上进行二级表面分区编号为:
二级表面分区进一步地将每个一级部件区域按部件内部表面法向突变的原则分解成一系列独立的表面,具体地,对第i个一级部件区域RAi分解成Mi个表面:
其中,RAi,j表示第i个一级部件区域RAi分解得到的第j个(编号为j的)二级表面区域;
步骤2中所述将经过一级部件分区和二级表面分区的目标高精度几何CAD模型表面剖分成小三角面元,得到带有分区编号的三角面元网格模型为:
对第i个一级部件区域的第j个二级表面区域RAi,j离散成Lij个小三角面元:
其中,RAi,j,k表示第i个一级部件区域的第j个二级表面区域RAi,j离散得到的第k个小三角面元。
作为优选,步骤3中所述将雷达入射平面波以射线的形式平行射向步骤2中得到的分区剖分后的网格模型为:
雷达入射平面波在设定的频率及入射姿态角下平行射向目标网格模型,模型中每一个被照亮的小三角面元均对应一条射线即照射点为相应小三角面元的中心点,所有射线组成射线总集;
步骤3中所述进行射线追踪和以分区编号为基础的空间射线分集为:
射线追踪依照几何光学反射定律对每条射线进行路径追踪判断并将追踪过程中与射线作用的小三角面元对应的一级部件区域编号依次记录到射线追踪序列中:
具体地,若第n条射线rn照亮第i1个一级部件区域的第j1个二级表面区域的第k1个小三角面元即此射线初次入射到该三角面元上,则该三角面元对应的一级部件分区编号i1被首先记录在该射线的射线追踪序列In中:
In=[i1]
接着此射线遵循几何光学反射定律,在该三角面元上产生一条反射射线,如果这条反射射线可以再次照射到目标表面上,则被再次照射的小三角面元对应的一级部件分区编号(假设为i2)被顺序添加记录到该射线的射线追踪序列In中:
In=[i1,i2]
重复进行上述射线追踪记录过程,直至射线无法照射到目标表面为止,得到最终的射线追踪序列:
In=[i1,i2,...,ia]
其中,a表示射线反射作用次数即追踪次数;
基于一级部件分区编号的空间射线分集将射线追踪序列元素相同的射线归于同一个射线子集中,不同的归于不同的射线子集中,实现不同部件及部件间散射作用的分类合并;最终得到部件级射线子集为:
[CS1,CS2,...,CSt,...,CSP],t∈[1,P]
其中,P为部件级射线子集总个数,CSt表示第t个部件级射线子集即第t种射线追踪序列的所有射线的集合,本质上表征的是形成散射中心SCt的射线集合,因此这P个部件级射线子集对应着P个散射中心:
[SC1,SC2,...,SCt,...,SCP],t∈[1,P]
步骤3中所述进行强散射中心的判定与定量表征以及强散射中心主要散射来源和区域的判定为:
强散射中心的判定与定量表征分别针对散射中心[SC1,SC2,...,SCt,...,SCP]对应的部件级射线子集[CS1,CS2,...,CSt,...,CSP],根据射线参数及追踪过程中对应的小三角面元信息使用物理光学法(PO)计算各部件级射线子集的散射电场值[E1,E2,...,Et,...,EP],接着对所有部件级射线子集即散射中心的散射电场大小排序,并计算所有部件级射线子集散射电场的总和Eall=sum(E1,E2,...,Et,...,EP),最后依次顺序累加排序后的部件级射线子集的散射电场,直至累加到第o个后累加电场值Eap与总电场值Eall的差值小于设定的门限值(一般取1dB),此时可认为这o个占主要作用的部件级射线子集即强散射中心可代替总射线集即目标总散射;
之后针对每一强散射中心对应的部件级射线子集,实施以二级表面分区编号为基础的空间射线分集,第t个部件级射线子集CSt分集得到Qt个表面级射线子集:
其中,CSt,s表示第t个部件级射线子集的第s个表面级射线子集,它将用于后续的主要散射来源及区域的判定;
强散射中心主要散射来源和区域的判定分别针对散射中心SCt对应的部件级射线子集CSt中的所有表面级射线子集根据射线参数及追踪过程中对应的小三角面元信息使用物理光学法计算各表面级射线子集的散射电场值接着对其按大小排序并保留散射电场值最大即占主导散射作用的表面级射线子集,此表面级射线子集即为强散射中心的主要散射来源,此表面级射线子集对应的部件表面即为强散射中心的主要散射区域,这一结果将用于后续的散射中心模型参数自动推算。
作为优选,步骤4中所述散射中心模型为属性散射中心模型:
其中幅度参数Ai表示的是散射电场强度,频率依赖参数αi描述频率对散射的影响,本质上反映的是散射机理,位置参数(xi,yi)描述的是散射中心回波的相位信息,长度参数Li体现了散射源的“口径”辐射特性;
步骤4中所述进行强散射中心模型属性参数即幅度参数、频率依赖参数、位置参数和长度参数的正向推算具体步骤如下:
幅度参数由步骤3中得到的强散射中心对应的部件级射线子集的散射电场值表征,即强散射中心SCt的幅度参数为Et;
频率依赖参数的推算首先依据强散射中心对应的部件级射线子集的射线追踪序列中元素的个数,判断强散射中心属于独立散射源即射线追踪序列只有一个元素,即一次散射作用,还是耦合散射源即射线追踪序列包含多个元素,即多次散射作用源,对于独立散射源,其主要散射来源的表面级射线子集仅对应一个表面,根据该表面上每个三角面元的顶点信息采用最小二乘的方法拟合出该表面的曲面方程,接着由曲面方程计算得到该表面的2个主曲率半径;对于耦合散射源,其主要散射来源的表面级射线子集对应多个耦合表面,采用与上述相同的方法分别计算每个表面的2个主曲率半径,根据2个主曲率半径判断表面所属的几何类型,判断准则为:
若2个主曲率半径均为无穷大,则曲面为平面;
若2个主曲率半径均为有限值,则曲面为双弯曲曲面;
若1个主曲率半径为有限值,另1个主曲率半径无穷大,则曲面为单弯曲曲面;
最后由表面类型与散射机理的对应关系得到频率依赖参数:对于独立散射来源,平面对应的频率依赖参数为1,单弯曲曲面对应的频率依赖参数为0.5,双弯曲曲面对应的频率依赖参数为0;对于耦合散射来源,首先按上述准则确定每一个表面的频率依赖参数,最终的频率依赖参数取其中的最小值;
位置参数的推算同样分为独立散射源与耦合散射源两种情况,对于独立散射源,其三维位置由主要散射来源的表面级射线子集中的每条射线产生的电场值,由步骤3中计算得到加权相应的小三角面元的中心点位置并平均得到,具体公式为:
其中为散射中心的三维位置,Qn(xn,yn,zn)是散射中心主要散射来源的表面级射线子集中第n条射线rn的反射点(相应小三角面元的中心点),wn=|E(Qn)|是第n条射线产生的散射电场值;对于耦合散射源,可采取类似的方式,但由于射线经过多次弹射,射线反射点需要等效地确定;因此首先根据等效光程差理论和射线路径确定出散射中心主要散射来源的表面级射线子集中射线的等效反射点,接着由主要散射来源的表面级射线子集中的每条射线产生的电场值,由步骤3中计算得到加权相应的等效反射点位置并平均得到散射中心三维位置;最后,散射中心位置参数由得到的三维位置投影得到,投影公式为:
其中θ为天顶角,为方位角;
长度参数的推算首先利用投影矩阵:
将位置参数推算过程中得到的每一条射线的(等效)反射点投影到成像平面上得到二维成像面投影点;接着定位出投影点在方位向上坐标的最大和最小端点,并求差计算出投影点在方位向上的投影长度;最后根据投影长度是否大于一个分辨单元判断该散射中心的类型并求得长度参数:若投影长度大于一个分辨单元,则该散射中心属于分布型散射中心,其长度参数值为此投影长度值;若投影长度小于一个分辨单元,则该散射中心属于局部型散射中心,其长度参数值为0。
与传统基于数据反演的散射中心逆向建模方法完全不同,本发明是一种基于几何模型的散射中心正向建模方法,其特色在于:
从目标CAD几何模型出发,通过实体部件分区和表面分区,从源头上分离了形成不同散射中心的目标部件结构,输出了带编号的实体部件分区和表面分区;
通过射线追踪和基于分区编号的空间射线分集技术,建立了目标强散射来源与目标实体部件间的准确对应关系,实现了目标强散射源的有效分离、定量表征和合理归类,将目标回波贡献分解成多个强散射中心的贡献之和,得到了数量可控、电磁散射机理清晰的强散射中心,并且实现了强散射中心主要散射来源和区域的判定;
依据高频区目标电磁散射机理,开发了一套散射中心属性参数正向自动化推算方法,正向自动化地获得散射中心的属性参数。
因此,本发明具有如下优点:
正向建模的过程及其结果具有清晰的物理意义,分离获取的散射中心及其参数与目标上各部件结构的散射响应对应关系清晰;
建模过程中目标散射中心数量可控并且少而有效;
通过输入分区编号的几何模型文件可自动化输出散射中心模型参数;
建模过程完全基于目标几何模型和电磁散射机理,成本低,计算量小,可以满足雷达目标在线、准实时识别的建模需求。
附图说明
图1:是本发明散射中心正向自动化建模方法总框架图;
图2:是本发明实施例几何模型图;
图3:是本发明实施例一级部件分区结果图;
图4:是本发明实施例二级表面分区结果图;
图5:是本发明实施例模型网格划分结果图;
图6:是本发明实施例强散射中心分离定量表征及主要散射区域判定流程图;
图7:是本发明实施例强散射中心判定和定量表征结果图;
图8:是本发明实施例频率依赖参数正向推算流程图;
图9:是本发明实施例位置参数正向推算流程图;
图10:是本发明实施例长度参数正向推算流程图;
图11:是本发明实施例散射中心参数自动推算结果图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
图1给出了本发明散射中心正向建模方法的总框图,下面结合图2至图7介绍本发明的具体实施方式:
步骤1,构建目标几何模型:使用建模软件构建一坦克的CAD几何模型,如图2所示;
步骤2,首先将步骤1构建的目标高精度几何CAD模型进行一级部件分区编号,接着在一级部件分区基础上进行二级表面分区编号,最后将经过一级部件分区和二级表面分区的目标高精度几何CAD模型表面剖分成小三角面元,得到带有分区编号的三角面元网格模型;
步骤2中所述将步骤1构建的目标高精度几何CAD模型进行一级部件分区编号为:一级部件分区将整个坦克模型表面TM分解成34个一级部件区域,如图3所示,不同灰度代表不同的分区编号:
TM=[RA1,RA2,...,RAi,...,RA34],i∈[1,34]
其中,RAi表示分解得到的第i个(编号为i的)一级部件区域,分区原则是:
目标表面外法向突变;
分解得到的每一部件区域应满足电大尺寸条件;
对目标上的典型散射机理应分解为一个部件区域;
步骤2中所述一级部件分区基础上进行二级表面分区编号为:
二级表面分区进一步地将每个一级部件区域按部件内部表面法向突变的原则分解成一系列独立的表面,具体地,对第i个一级部件区域RAi分解成Mi个表面:
其中,RAi,j表示第i个一级部件区域RAi分解得到的第j个(编号为j的)二级表面区域。所有34个一级部件区域被分解成92个二级表面区域,如图4所示,不同灰度代表不同的分区编号;
步骤2中所述经过一级部件分区和二级表面分区的目标高精度几何CAD模型表面剖分成小三角面元,得到带有分区编号的三角面元网格模型为:
模型剖分将经过上述一级部件分区、二级表面分区的目标高精度几何CAD模型表面离散成小三角面元:具体地,对第i个一级部件区域的第j个二级表面区域RAi,j离散成Lij个小三角面元:
其中,RAi,j,k表示第i个一级部件区域的第j个二级表面区域RAi,j离散得到的第k个小三角面元。整个坦克模型表面被离散成154966个小三角面元,如图5所示,;
步骤3,将雷达入射平面波以射线的形式平行射向步骤2中得到的分区剖分后的网格模型,进行射线追踪和以分区编号为基础的空间射线分集,并在此基础上进行强散射中心的判定与定量表征以及强散射中心主要散射来源和区域的判定,具体流程如图6所示;
作为优选,步骤3中所述将雷达入射平面波以射线的形式平行射向步骤2中得到的分区剖分后的网格模型为:
设定雷达入射平面波频率为9.6GHz,并将此平面波以俯仰角45度,方位角0度平行射向步骤2中坦克的分区剖分后的网格模型,模型中每一个被照亮的小三角面元均对应一条射线即照射点为相应小三角面元的中心点,所有射线组成射线总集;
步骤3中所述进行射线追踪和以分区编号为基础的空间射线分集为:
射线追踪依照几何光学反射定律对每条射线进行路径追踪判断并将追踪过程中与射线作用的小三角面元对应的一级部件区域编号依次记录到射线追踪序列中:
具体地,若第n条射线rn照亮第i1个一级部件区域的第j1个二级表面区域的第k1个小三角面元即此射线初次入射到该三角面元上,则该三角面元对应的一级部件分区编号i1被首先记录在该射线的射线追踪序列In中:
In=[i1]
接着此射线遵循几何光学反射定律,在该三角面元上产生一条反射射线,如果这条反射射线可以再次照射到目标表面上,则被再次照射的小三角面元对应的一级部件分区编号(假设为i2)被顺序添加记录到该射线的射线追踪序列In中:
In=[i1,i2]
重复进行上述射线追踪记录过程,直至射线无法照射到目标表面为止,得到最终的射线最终序列:
In=[i1,i2,...,ia]
其中,a表示射线反射作用次数即追踪次数;
基于一级部件分区编号的空间射线分集将射线追踪序列元素相同即不考虑顺序的射线归于同一个射线子集中即不同的归于不同的射线子集中,实现不同部件及部件间散射作用的分类合并。最终得到34个部件级射线子集:
[CS1,CS2,...,CSt,...,CS34],t∈[1,34]
其中,CSt表示第t个部件级射线子集即第t种射线追踪序列的所有射线的集合,本质上表征的是形成散射中心SCt的射线集合,因此这34个部件级射线子集对应着34个散射中心:
[SC1,SC2,...,SCt,...,SC34],t∈[1,34]
步骤3中所述进行强散射中心的判定与定量表征以及强散射中心主要散射来源和区域的判定为:
强散射中心的判定与定量表征分别针对散射中心[SC1,SC2,...,SCt,...,SC34]对应的部件级射线子集[CS1,CS2,...,CSt,...,CS34],根据射线参数及追踪过程中对应的小三角面元信息使用物理光学法(PO)计算各部件级射线子集的散射电场值[E1,E2,...,Et,...,E34],接着对所有部件级射线子集即散射中心的散射电场大小排序,并计算所有部件级射线子集散射电场的总和Eall=sum(E1,E2,...,Et,...,E34),最后依次顺序累加排序后的部件级射线子集的散射电场,直至累加到第20个后累加电场值Eap与总电场值Eall的差值小于设定的门限值1dB,此时可认为这20个占主要作用的部件级射线子集即强散射中心可代替总射线集即目标总散射。此过程得到的数据如图7所示;
之后针对每一强散射中心对应的部件级射线子集,实施以二级表面分区编号为基础的空间射线分集,第t个部件级射线子集CSt分集得到Qt个表面级射线子集:
其中,CSt,s表示第t个部件级射线子集的第s个表面级射线子集,它将用于后续的主要散射来源及区域的判定;
强散射中心主要散射来源和区域的判定分别针对散射中心SCt对应的部件级射线子集CSt中的所有表面级射线子集根据射线参数及追踪过程中对应的小三角面元信息使用物理光学法计算各表面级射线子集的散射电场值接着对其按大小排序并保留散射电场值最大即占主导散射作用的表面级射线子集,此表面级射线子集即为强散射中心的主要散射来源,此表面级射线子集对应的部件表面即为强散射中心的主要散射区域,这一结果将用于后续的散射中心模型参数自动获取。
步骤4,利用步骤3中得到的强散射中心对应的部件级射线子集和表面级射线子集结果,进行强散射中心模型属性参数即幅度参数、频率依赖参数、位置参数和长度参数的正向推算;
作为优选,步骤4中所述散射中心模型为属性散射中心模型:
其中幅度参数Ai表示的是散射电场强度,频率依赖参数αi描述频率对散射的影响,本质上反映的是散射机理,位置参数(xi,yi)描述的是散射中心回波的相位信息,长度参数Li体现了散射源的“口径”辐射特性。
步骤4中所述进行强散射中心模型属性参数即幅度参数、频率依赖参数、位置参数和长度参数的正向推算具体步骤如下:
幅度参数由步骤3中得到的强散射中心对应的部件级射线子集的散射电场值表征,即强散射中心SCt的幅度参数为Et。
频率依赖参数的推算流程如图8所示。首先依据强散射中心对应的部件级射线子集的射线追踪序列中元素的个数,判断强散射中心属于独立散射源即射线追踪序列只有一个元素,即一次散射作用,还是耦合散射源即射线追踪序列包含多个元素,即多次散射作用源,对于独立散射源,其主要散射来源的表面级射线子集仅对应一个表面,根据该表面上每个三角面元的顶点信息采用最小二乘的方法拟合出该表面的曲面方程,接着由曲面方程计算得到该表面的2个主曲率半径;对于耦合散射源,其主要散射来源的表面级射线子集对应多个耦合表面,采用与上述相同的方法分别计算每个表面的2个主曲率半径,根据2个主曲率半径判断表面所属的几何类型,判断准则为:
若2个主曲率半径均为无穷大,则曲面为平面;
若2个主曲率半径均为有限值,则曲面为双弯曲曲面;
若1个主曲率半径为有限值,另1个主曲率半径无穷大,则曲面为单弯曲曲面;
最后由曲面类型与散射机理的对应关系得到频率依赖参数:对于独立散射来源,平面对应的频率依赖参数为1,单弯曲曲面对应的频率依赖参数为0.5,双弯曲曲面对应的频率依赖参数为0;对于耦合散射来源,首先按上述准则确定每一个表面的频率依赖参数,最终的频率依赖参数取其中的最小值;
位置参数的推算流程如图9所示。同样分为独立散射源与耦合散射源两种情况,对于独立散射源,其三维位置由主要散射来源的表面级射线子集中的每条射线产生的电场值,由步骤3中计算得到加权相应的小三角面元的中心点位置并平均得到,具体公式为:
其中为散射中心的三维位置,Qn(xn,yn,zn)是散射中心主要散射来源的表面级射线子集中第n条射线rn的反射点(相应小三角面元的中心点),wn=|E(Qn)|是第n条射线产生的散射电场值。对于耦合散射源,可采取类似的方式,但由于射线经过多次弹射,射线反射点需要等效地确定。因此首先根据等效光程差理论和射线路径确定出散射中心主要散射来源的表面级射线子集中射线的等效反射点,接着由主要散射来源的表面级射线子集中的每条射线产生的电场值,由步骤3中计算得到加权相应的等效反射点位置并平均得到散射中心三维位置。最后,散射中心位置参数由得到的三维位置投影得到,投影公式为:
其中θ为天顶角,为方位角。
长度参数的推算流程如图10所示。首先利用投影矩阵:
将位置参数推算过程中得到的每一条射线的(等效)反射点投影到成像平面上得到二维成像面投影点。接着定位出投影点在方位向上坐标的最大和最小端点,并求差计算出投影点在方位向上的投影长度。最后根据投影长度是否大于一个分辨单元判断该散射中心的类型并求得长度参数:若投影长度大于一个分辨单元,则该散射中心属于分布型散射中心,其长度参数值为此投影长度值;若投影长度小于一个分辨单元,则该散射中心属于局部型散射中心,其长度参数值为0。
此过程的散射中心参数自动推算结果如图11所示。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种高频区雷达目标散射中心正向自动化建模方法,其特征在于,包含以下步骤:
步骤1,构建目标几何模型,利用CAD建模软件构建目标高精度几何CAD模型;
步骤2,首先将步骤1构建的目标高精度几何CAD模型进行一级部件分区编号,接着在一级部件分区基础上进行二级表面分区编号,最后将经过一级部件分区和二级表面分区的目标高精度几何CAD模型表面剖分成小三角面元,得到带有分区编号的三角面元网格模型;
步骤3,将雷达入射平面波以射线的形式平行射向步骤2中得到的分区剖分后的网格模型,进行射线追踪和以分区编号为基础的空间射线分集,并在此基础上进行强散射中心的判定与定量表征以及强散射中心主要散射来源和区域的判定;
步骤4,利用步骤3中得到的强散射中心对应的部件级射线子集和表面级射线子集结果,进行强散射中心模型属性参数即幅度参数、频率依赖参数、位置参数和长度参数的正向推算。
2.根据权利要求1所述的高频区雷达目标散射中心正向自动化建模方法,其特征在于:步骤2中所述将步骤1构建的目标高精度几何CAD模型进行一级部件分区编号为:
一级部件分区将整个目标CAD模型表面TM分解成N个一级部件区域:
TM=[RA1,RA2,...,RAi,...,RAN],i∈[1,N]
其中,RAi表示分解得到的第i个(编号为i的)一级部件区域,分区原则是:
目标表面外法向突变;
分解得到的每一部件区域应满足电大尺寸条件;
对目标上的典型散射机理应分解为一个部件区域;
步骤2中所述在一级部件分区基础上进行二级表面分区编号为:
二级表面分区进一步地将每个一级部件区域按部件内部表面法向突变的原则分解成一系列独立的表面,具体地,对第i个一级部件区域RAi分解成Mi个表面:
其中,RAi,j表示第i个一级部件区域RAi分解得到的第j个(编号为j的)二级表面区域;
步骤2中所述将经过一级部件分区和二级表面分区的目标高精度几何CAD模型表面剖分成小三角面元,得到带有分区编号的三角面元网格模型为:
对第i个一级部件区域的第j个二级表面区域RAi,j离散成Lij个小三角面元:
其中,RAi,j,k表示第i个一级部件区域的第j个二级表面区域RAi,j离散得到的第k个小三角面元。
3.根据权利要求1所述的高频区雷达目标散射中心正向自动化建模方法,其特征在于:步骤3中所述将雷达入射平面波以射线的形式平行射向步骤2中得到的分区剖分后的网格模型为:
雷达入射平面波在设定的频率及入射姿态角下平行射向目标网格模型,模型中每一个被照亮的小三角面元均对应一条射线即照射点为相应小三角面元的中心点,所有射线组成射线总集;
步骤3中所述进行射线追踪和以分区编号为基础的空间射线分集为:
射线追踪依照几何光学反射定律对每条射线进行路径追踪判断并将追踪过程中与射线作用的小三角面元对应的一级部件区域编号依次记录到射线追踪序列中:
具体地,若第n条射线rn照亮第i1个一级部件区域的第j1个二级表面区域的第k1个小三角面元即此射线初次入射到该三角面元上,则该三角面元对应的一级部件分区编号i1被首先记录在该射线的射线追踪序列In中:
In=[i1]
接着此射线遵循几何光学反射定律,在该三角面元上产生一条反射射线,如果这条反射射线可以再次照射到目标表面上,则被再次照射的小三角面元对应的一级部件分区编号(假设为i2)被顺序添加记录到该射线的射线追踪序列In中:
In=[i1,i2]
重复进行上述射线追踪记录过程,直至射线无法照射到目标表面为止,得到最终的射线追踪序列:
In=[i1,i2,...,ia]
其中,a表示射线反射作用次数即追踪次数;
基于一级部件分区编号的空间射线分集将射线追踪序列元素相同的射线归于同一个射线子集中,不同的归于不同的射线子集中,实现不同部件及部件间散射作用的分类合并;最终得到部件级射线子集为:
[CS1,CS2,...,CSt,...,CSP],t∈[1,P]
其中,P为部件级射线子集总个数,CSt表示第t个部件级射线子集即第t种射线追踪序列的所有射线的集合,本质上表征的是形成散射中心SCt的射线集合,因此这P个部件级射线子集对应着P个散射中心:
[SC1,SC2,...,SCt,...,SCP],t∈[1,P]
步骤3中所述进行强散射中心的判定与定量表征以及强散射中心主要散射来源和区域的判定为:
强散射中心的判定与定量表征分别针对散射中心[SC1,SC2,...,SCt,...,SCP]对应的部件级射线子集[CS1,CS2,...,CSt,...,CSP],根据射线参数及追踪过程中对应的小三角面元信息使用物理光学法(PO)计算各部件级射线子集的散射电场值[E1,E2,...,Et,...,EP],接着对所有部件级射线子集即散射中心的散射电场大小排序,并计算所有部件级射线子集散射电场的总和Eall=sum(E1,E2,...,Et,...,EP),最后依次顺序累加排序后的部件级射线子集的散射电场,直至累加到第o个后累加电场值Eap与总电场值Eall的差值小于设定的门限值(一般取1dB),此时可认为这o个占主要作用的部件级射线子集即强散射中心可代替总射线集即目标总散射;
之后针对每一强散射中心对应的部件级射线子集,实施以二级表面分区编号为基础的空间射线分集,第t个部件级射线子集CSt分集得到Qt个表面级射线子集:
其中,CSt,s表示第t个部件级射线子集的第s个表面级射线子集,它将用于后续的主要散射来源及区域的判定;
强散射中心主要散射来源和区域的判定分别针对散射中心SCt对应的部件级射线子集CSt中的所有表面级射线子集根据射线参数及追踪过程中对应的小三角面元信息使用物理光学法计算各表面级射线子集的散射电场值接着对其按大小排序并保留散射电场值最大即占主导散射作用的表面级射线子集,此表面级射线子集即为强散射中心的主要散射来源,此表面级射线子集对应的部件表面即为强散射中心的主要散射区域,这一结果将用于后续的散射中心模型参数自动推算。
4.根据权利要求1所述的高频区雷达目标散射中心正向自动化建模方法,其特征在于:步骤4中所述散射中心模型为属性散射中心模型:
其中幅度参数Ai表示的是散射电场强度,频率依赖参数αi描述频率对散射的影响,本质上反映的是散射机理,位置参数(xi,yi)描述的是散射中心回波的相位信息,长度参数Li体现了散射源的“口径”辐射特性;
步骤4中所述进行强散射中心模型属性参数即幅度参数、频率依赖参数、位置参数和长度参数的正向推算具体步骤如下:
幅度参数由步骤3中得到的强散射中心对应的部件级射线子集的散射电场值表征,即强散射中心SCt的幅度参数为Et;
频率依赖参数的推算首先依据强散射中心对应的部件级射线子集的射线追踪序列中元素的个数,判断强散射中心属于独立散射源即射线追踪序列只有一个元素,即一次散射作用,还是耦合散射源即射线追踪序列包含多个元素,即多次散射作用源,对于独立散射源,其主要散射来源的表面级射线子集仅对应一个表面,根据该表面上每个三角面元的顶点信息采用最小二乘的方法拟合出该表面的曲面方程,接着由曲面方程计算得到该表面的2个主曲率半径;对于耦合散射源,其主要散射来源的表面级射线子集对应多个耦合表面,采用与上述相同的方法分别计算每个表面的2个主曲率半径,根据2个主曲率半径判断表面所属的几何类型,判断准则为:
若2个主曲率半径均为无穷大,则曲面为平面;
若2个主曲率半径均为有限值,则曲面为双弯曲曲面;
若1个主曲率半径为有限值,另1个主曲率半径无穷大,则曲面为单弯曲曲面;
最后由表面类型与散射机理的对应关系得到频率依赖参数:对于独立散射来源,平面对应的频率依赖参数为1,单弯曲曲面对应的频率依赖参数为0.5,双弯曲曲面对应的频率依赖参数为0;对于耦合散射来源,首先按上述准则确定每一个表面的频率依赖参数,最终的频率依赖参数取其中的最小值;
位置参数的推算同样分为独立散射源与耦合散射源两种情况,对于独立散射源,其三维位置由主要散射来源的表面级射线子集中的每条射线产生的电场值,由步骤3中计算得到加权相应的小三角面元的中心点位置并平均得到,具体公式为:
其中为散射中心的三维位置,Qn(xn,yn,zn)是散射中心主要散射来源的表面级射线子集中第n条射线rn的反射点(相应小三角面元的中心点),wn=|E(Qn)|是第n条射线产生的散射电场值;对于耦合散射源,可采取类似的方式,但由于射线经过多次弹射,射线反射点需要等效地确定;因此首先根据等效光程差理论和射线路径确定出散射中心主要散射来源的表面级射线子集中射线的等效反射点,接着由主要散射来源的表面级射线子集中的每条射线产生的电场值,由步骤3中计算得到加权相应的等效反射点位置并平均得到散射中心三维位置;最后,散射中心位置参数由得到的三维位置投影得到,投影公式为:
其中θ为天顶角,为方位角;
长度参数的推算首先利用投影矩阵:
将位置参数推算过程中得到的每一条射线的(等效)反射点投影到成像平面上得到二维成像面投影点;接着定位出投影点在方位向上坐标的最大和最小端点,并求差计算出投影点在方位向上的投影长度;最后根据投影长度是否大于一个分辨单元判断该散射中心的类型并求得长度参数:若投影长度大于一个分辨单元,则该散射中心属于分布型散射中心,其长度参数值为此投影长度值;若投影长度小于一个分辨单元,则该散射中心属于局部型散射中心,其长度参数值为0;与传统基于数据反演的散射中心逆向建模方法完全不同,本发明是一种基于几何模型的散射中心正向建模方法,其特色在于:
从目标CAD几何模型出发,通过实体部件分区和表面分区,从源头上分离了形成不同散射中心的目标部件结构,输出了带编号的实体部件分区和表面分区;
通过射线追踪和基于分区编号的空间射线分集技术,建立了目标强散射来源与目标实体部件间的准确对应关系,实现了目标强散射源的有效分离、定量表征和合理归类,将目标回波贡献分解成多个强散射中心的贡献之和,得到了数量可控、电磁散射机理清晰的强散射中心,并且实现了强散射中心主要散射来源和区域的判定;
依据高频区目标电磁散射机理,开发了一套散射中心属性参数正向自动化推算方法,正向自动化地获得散射中心的属性参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910322721.7A CN110083915B (zh) | 2019-04-22 | 2019-04-22 | 一种高频区雷达目标散射中心正向自动化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910322721.7A CN110083915B (zh) | 2019-04-22 | 2019-04-22 | 一种高频区雷达目标散射中心正向自动化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110083915A true CN110083915A (zh) | 2019-08-02 |
CN110083915B CN110083915B (zh) | 2022-08-19 |
Family
ID=67416002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910322721.7A Active CN110083915B (zh) | 2019-04-22 | 2019-04-22 | 一种高频区雷达目标散射中心正向自动化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110083915B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907901A (zh) * | 2019-10-29 | 2020-03-24 | 西安电子科技大学 | 一种基于tdsbr的海战无源干扰计算及评估方法 |
CN111723474A (zh) * | 2020-06-01 | 2020-09-29 | 四川九洲电器集团有限责任公司 | 一种基于最大似然准则的临近目标识别方法 |
CN113050050A (zh) * | 2021-03-03 | 2021-06-29 | 中国人民解放军63861部队 | 具有电磁散射特性的高分辨雷达目标复现方法及装置 |
CN115690361A (zh) * | 2022-11-09 | 2023-02-03 | 浙江大学 | 快速鲁棒的自由曲面三角剖分方法及装置 |
CN117706490A (zh) * | 2024-02-06 | 2024-03-15 | 南京理工大学 | 一种基于单站雷达的金属目标间的耦合散射中心建模方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5903473A (en) * | 1997-01-27 | 1999-05-11 | The United States Of America As Represented By The Secretary Of The Air Force | Radar scattering netting simulation |
CN104318021A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 用多种高频电磁散射对大型舰船目标进行电磁仿真的方法 |
EP2887092A1 (en) * | 2013-12-18 | 2015-06-24 | BAE SYSTEMS plc | Computing radar cross section |
CN105259547A (zh) * | 2015-10-30 | 2016-01-20 | 武汉大学 | 一种舰船稳定散射结构分析方法 |
CN106501777A (zh) * | 2016-12-09 | 2017-03-15 | 北京环境特性研究所 | 基于射线追踪的散射中心来源诊断方法 |
CN108090255A (zh) * | 2017-11-29 | 2018-05-29 | 上海无线电设备研究所 | 一种计算等离子体覆盖目标电磁散射的高低频混合算法 |
-
2019
- 2019-04-22 CN CN201910322721.7A patent/CN110083915B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5903473A (en) * | 1997-01-27 | 1999-05-11 | The United States Of America As Represented By The Secretary Of The Air Force | Radar scattering netting simulation |
EP2887092A1 (en) * | 2013-12-18 | 2015-06-24 | BAE SYSTEMS plc | Computing radar cross section |
CN104318021A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 用多种高频电磁散射对大型舰船目标进行电磁仿真的方法 |
CN105259547A (zh) * | 2015-10-30 | 2016-01-20 | 武汉大学 | 一种舰船稳定散射结构分析方法 |
CN106501777A (zh) * | 2016-12-09 | 2017-03-15 | 北京环境特性研究所 | 基于射线追踪的散射中心来源诊断方法 |
CN108090255A (zh) * | 2017-11-29 | 2018-05-29 | 上海无线电设备研究所 | 一种计算等离子体覆盖目标电磁散射的高低频混合算法 |
Non-Patent Citations (2)
Title |
---|
JIN LIU ET AL.: "Scattering Centers Diagnosis and Parameters Modification of the Complex Targets" Geometry Model Based on the Limited Observed Data", 《2016 PROGRESS IN ELECTROMAGNETIC RESEARCH SYMPOSIUM》 * |
谢若晗等: "基于目标属性散射中心模型的正向参数化建模", 《激光与光电子学进展》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907901A (zh) * | 2019-10-29 | 2020-03-24 | 西安电子科技大学 | 一种基于tdsbr的海战无源干扰计算及评估方法 |
CN111723474A (zh) * | 2020-06-01 | 2020-09-29 | 四川九洲电器集团有限责任公司 | 一种基于最大似然准则的临近目标识别方法 |
CN111723474B (zh) * | 2020-06-01 | 2022-02-18 | 四川九洲电器集团有限责任公司 | 一种基于最大似然准则的临近目标识别方法 |
CN113050050A (zh) * | 2021-03-03 | 2021-06-29 | 中国人民解放军63861部队 | 具有电磁散射特性的高分辨雷达目标复现方法及装置 |
CN115690361A (zh) * | 2022-11-09 | 2023-02-03 | 浙江大学 | 快速鲁棒的自由曲面三角剖分方法及装置 |
CN115690361B (zh) * | 2022-11-09 | 2024-01-30 | 浙江大学 | 快速鲁棒的自由曲面三角剖分方法及装置 |
CN117706490A (zh) * | 2024-02-06 | 2024-03-15 | 南京理工大学 | 一种基于单站雷达的金属目标间的耦合散射中心建模方法 |
CN117706490B (zh) * | 2024-02-06 | 2024-05-17 | 南京理工大学 | 一种基于单站雷达的金属目标间的耦合散射中心建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110083915B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110083915A (zh) | 一种高频区雷达目标散射中心正向自动化建模方法 | |
He et al. | A forward approach to establish parametric scattering center models for known complex radar targets applied to SAR ATR | |
CN106355151B (zh) | 一种基于深度置信网络的三维sar图像目标识别方法 | |
CN103413133B (zh) | 无序激光点云数据中自动提取电力线方法 | |
US9239382B2 (en) | Attribute and topology based change detection in a constellation of previously detected objects | |
CN103473786B (zh) | 基于多目标模糊聚类的灰度图像分割方法 | |
CN103353988B (zh) | 异源sar景象特征匹配算法性能评估方法 | |
CN109284786B (zh) | 基于分布和结构匹配生成对抗网络的sar图像地物分类方法 | |
Kim et al. | 3D classification of power-line scene from airborne laser scanning data using random forests | |
CN110852245B (zh) | 基于离散属性bnt的双偏振气象雷达降水粒子分类方法 | |
CN104134216B (zh) | 基于16维特征描述的激光点云自动配准方法及系统 | |
CN109977871A (zh) | 一种基于宽带雷达数据和gru神经网络的卫星目标识别方法 | |
CN110163871A (zh) | 一种多线激光雷达的地面分割方法 | |
CN104239901B (zh) | 基于模糊粒子群和目标分解的极化sar图像分类方法 | |
CN110794424B (zh) | 基于特征选择的全波形机载激光雷达地物分类方法及系统 | |
Gelb et al. | Statistics of distinct clutter classes in midfrequency active sonar | |
CN106324579A (zh) | 一种目标强散射源rcs提取算法 | |
Pailhas et al. | High-resolution sonars: What resolution do we need for target recognition? | |
CN103914831A (zh) | 一种基于量子粒子群优化的二维双阈值sar图像分割方法 | |
CN103093243B (zh) | 高分辨率全色遥感图像云判方法 | |
Liu et al. | A spatio-temporal modeling framework for weather radar image data in tropical Southeast Asia | |
CN109270510A (zh) | 一种复杂小结构目标散射中心模型精确提取方法 | |
CN108229813A (zh) | 基于客观性云物元的行业综合发展水平评价方法 | |
Li et al. | A novel full-waveform LiDAR echo decomposition method and simulation verification | |
Kim et al. | An Effective Algorithm of Outlier Correction in Space–Time Radar Rainfall Data Based on the Iterative Localized Analysis |
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 |