CN110148165B - 一种基于粒子群优化的三维干涉isar图像配准方法 - Google Patents

Abstract

本发明公开了一种基于粒子群优化的三维干涉ISAR图像配准方法，该方法基于InISAR干涉回波信号模型，推导出不同图像间的失配量与目标转动角速度的关系，将图像配准问题转化为目标角速度估计的无约束优化问题，以图像的相关度为目标函数，通过PSO算法搜索得到目标角速度最优估计值，构造相位补偿因子校正不同图像间的失配量，有效的解决图像失配问题。本发明通过PSO算法进行迭代搜索，收敛速度快，计算效率高，并具有一定的噪声鲁棒性；且不仅适用于InISAR正视场景下，同时适用于容易发生相位模糊的斜视场景下的图像配准，不受散射点干涉相位是否模糊的影响，适用范围较广。

Description

一种基于粒子群优化的三维干涉ISAR图像配准方法

技术领域

本发明属于信号处理技术领域，尤其涉及一种基于粒子群优化的三维干涉ISAR图像配准方法。

背景技术

近年来，基于多天线干涉技术的三维成像方法逐渐引起人们的关注，多天线干涉技术首先被应用到了合成孔径雷达中，利用干涉合成孔径雷达(InterferometricSynthetic Aperture Radar，InSAR)成功实现了对地形高程的准确测量，随后被引入到ISAR成像领域，发展出了干涉逆合成孔径雷达(Interferometric Inverse SyntheticAperture Radar，InISAR)三维成像技术。InISAR利用多部天线构成互相垂直的两条干涉基线，对同一基线上具有一定视角差的两部天线所成的二维ISAR图像进行干涉处理，得到目标沿两基线方向的投影坐标，再结合雷达测距得到的径向位置信息，恢复出目标真实的三维结构。

由于散射点位置对相位差比较敏感，为了得到真实的散射点位置，要保证进行干涉处理的两幅图像实现像素级的配准，从而保证干涉图像的相干性和干涉相位精度。但实际应用中，由于用于干涉的两部雷达空间位置不同，且目标与雷达之间存在相对运动，在成像积累时间内，两天线接收的回波信号的波程差会发生变化，导致两幅ISAR图像出现失配现象。因此，需要将引起图像失配的目标相对运动补偿掉。目标相对雷达的运动分为两部分，一是沿雷达视线方向的运动，即平动，此项在ISAR成像过程中已补偿。二是目标相对雷达视线方向的旋转运动，即角运动，图像失配准量和角运动参数相关，因此，需要对角运动进行补偿来实现图像配准。

张群等人在文献“干涉式逆合成孔径雷达三维成像技术研究”(电子与信息学报,vol.23,no.9,pp.890-898,2001年)提出一种基于相关系数的图像配准方法。该方法以相关系数作为评价指标，对一幅图像进行逐步位移操作，然后与另一幅图像求相关，当相关系数达到最大时，对应的位移量为最优值，利用最优位移量对图像进行配准。但是该方法存在的不足之处是，逐帧位移搜索计算量大，效率低，并且由于在ISAR图像中目标散射点占据的分辨单元较少，对计算相关系数贡献不大，极易受噪声的影响。

罗斌凤等人在文献“InISAR三维成像中的ISAR像失配准分析及其补偿方法”(西安电子科技大学学报,vol.30,no.6,pp.739-743,2003年)中提出一种基于角运动参数估计的图像配准方法，该方法利用一维距离像对目标角运动参数进行估计，利用估计出的角运动参数对回波进行补偿，实现图像配准。但该方法存在的不足之处是，须保证在整个成像时间内，目标均处于不模糊区域内，且容易受测角精度的影响，当基线过短或噪声较大时，可能得到错误的估计结果。

发明内容

为了解决上述问题，本发明的目的是提出一种基于粒子群优化(Particle SwarmOptimization，PSO)的三维干涉ISAR图像配准方法，本发明方法基于InISAR干涉回波信号模型，推导出不同图像间的失配量与目标转动角速度的关系，将图像配准问题转化为目标角速度估计的无约束优化问题，以图像的相关度为目标函数，通过PSO算法搜索得到目标角速度最优估计值，构造相位补偿因子校正不同图像间的失配量，有效的解决图像失配问题。本发明方法通过PSO算法进行迭代搜索，收敛速度快，计算效率高，并具有一定的噪声鲁棒性。本发明不仅适用于InISAR正视场景下，同时适用于容易发生相位模糊的斜视场景下的图像配准，不受散射点干涉相位是否模糊的影响，适用范围较广。

为了达到上述目的，本发明采用以下技术方案予以解决。

一种基于粒子群优化的三维干涉ISAR图像配准方法，包括以下步骤：

步骤1,构建“L”型三天线干涉成像场景，每个天线获取目标的ISAR回波信号。

其中，所述三天线分别为中心天线C、辅助天线V和辅助天线H；

步骤2，对天线C接收的回波信号s_C(τ,t)和天线V接收的回波信号s_V(τ,t)分别进行脉冲压缩，得到对应的压缩后的回波信号s_deC(τ,t)和s_deV(τ,t)。

步骤3，对天线C和天线V脉冲压缩后的回波信号分别进行统一运动补偿，得到对应的目标二维ISAR图像。

步骤4，建立天线C和天线V对应的目标ISAR图像的相关度函数，将天线C和天线V对应的目标ISAR图像配准问题转化为目标角速度估计的无约束优化问题，并采用PSO算法估计目标最优转动角速度。

步骤5，采用目标最优转动角速度构造相位补偿因子，对天线V脉冲压缩后的回波信号进行补偿，完成天线C对应的ISAR图像和天线V对应的ISAR图像的图像配准。

采用天线C接收的回波信号与天线H接收的回波信号进行图像配准，即重复步骤2-步骤5，即可完成天线C和天线H对应的ISAR图像之间的图像配准。

与现有技术相比，本发明的有益效果为：

(1)本发明通过粒子群优化算法估计目标角运动补偿参数，克服现有的基于一维距离像的角运动参数估计方法中参数估计精度受雷达与目标的几何关系限制的不足；对角运动参数的估计精度并不受限于目标干涉相位是否发生模糊，适用范围较广，且对噪声具有一定的鲁棒性。

(2)本发明采用的PSO算法以不同天线所获ISAR图像的相关度为目标函数，以角运动参数为优化变量，并根据迭代终止条件自适应迭代估计角运动参数，收敛速度快，运算量较少，效率较高；克服了现有的基于相关法的图像配准技术需要对图像进行频移搜索导致计算量过大的不足。

附图说明

下面结合附图和具体实施例对本发明做进一步详细说明。

图1为本发明的一种基于粒子群优化的三维干涉ISAR图像配准方法的流程图。

图2为本发明中“L”型三天线干涉成像系统及目标三维角运动示意图。

图3为本发明的基于PSO算法的角运动参数估计流程图。

图4为本发明的不同天线对的ISAR图像配准前与配准后的多普勒谱对比图。

图5为本发明实施例中的目标的三维成像图。

具体实施方式

下面结合附图对本发明的实施例及效果作进一步详细描述。

步骤1，构建“L”型三天线干涉成像场景，每个天线获取目标的ISAR回波信号。

“L”型三天线干涉成像系统的几何结构示意图如图2所示。其中，O-XYZ为雷达所处的坐标系，天线C为收发一体天线，即中心天线，天线V和H分别为接收天线，即辅助天线。天线C与V构成一对沿X轴的正交基线CV，天线C和H构成一对沿Z轴的正交基线CH。

以天线C和V为例，基线CV的长度为L，M为基线CV的中点，过M的垂线称为天线电轴。O′-xyz为目标所处坐标系，远场目标等效中心O′在雷达坐标系中的坐标为(X₀,Y₀,Z₀)，P为目标上任意一个散射点，其在目标坐标系中的坐标为(x_p,y_p,z_p)，P到天线C、V和基线中点M的距离分别表示为R_PC、R_PV和R_PM，目标等效中心O′到基线中点M的距离为R₀。

假设目标由K个散射点构成，其中P为目标上第k个散射点，k＝1,2…,K；中心天线C发射线性调频信号，则天线C接收到散射点P的回波信号s_C(τ,t)和天线V接收到散射点P的回波信号s_V(τ,t)分别为：

其中，τ表示快时间，t表示慢时间，σ_p为散射点P的后向散射系数，rect[·]表示距离窗函数，j为虚数单位，c为光速，T_p为信号脉冲宽度，f_c表示信号载波频率，γ表示线性调频信号的调频率。

步骤2，对天线C接收的回波信号s_C(τ,t)和天线V接收的回波信号s_V(τ,t)分别进行脉冲压缩，得到对应的压缩后的回波信号s_deC(τ,t)和s_deV(τ,t)。

对回波信号采用Dechirp方式进行脉冲压缩。具体步骤为：

首先，构造参考函数，得到参考信号为：

其中，

为参考距离，T_r为参考信号的脉宽，且一般略大于T_P。

其次，将天线C接收的回波信号s_C(τ,t)和天线V接收的回波信号s_V(τ,t)分别与参考信号在时域共轭相乘，对应得到天线C和天线V的差频输出信号分别为：

其中，

最后，以参考点时间

为基准，将天线C和天线V回波的差频输出信号分别沿距离向做快速傅立叶变换，并去除残余视频相位，对应获得天线C和天线V脉冲压缩后的回波信号。

其中，S_deC(f_r,t)为天线C脉冲压缩后的回波信号，S_deV(f_r,t)为天线V脉冲压缩后的回波信号，f_r为快时间频率，sinc(x)＝sin(x)/x，σ'_p为散射点P在频域的散射强度，λ为载波波长。

步骤3，对天线C和天线V脉冲压缩后的回波信号分别进行统一运动补偿，得到对应的目标二维ISAR图像。

所述统一运动补偿为:

首先，对天线C脉冲压缩后的回波信号依次进行包络对齐和自聚焦，得到对应的目标二维ISAR图像和平动补偿参数(即补偿偏移量和初相误差)；

其次，采用平动补偿参数对天线V脉冲压缩后的回波信号进行平动补偿，再将平动补偿后的回波信号沿方位向作快速傅立叶变换，即可得到天线V对应的目标二维ISAR图像。

所述包络对齐为采用相邻相关法对中心天线C的脉冲压缩后的回波信号进行包络对齐，具体为：

由于ISAR相邻两次脉冲之间间隔时间很短，脉冲压缩后的回波信号中相邻回波之间具有很高的相似性，即回波之间存在相关性；对包络偏移量进行估计并校正，当两回波包络完全对齐时，其相关性达到最大。

设定相邻两次回波的包络分别为u₁(τ)和u₂(τ)，则其互相关函数为：

R₁₂＝∫u₁(τ)u₂(τ-ξ)dξ；

其中，ξ为u₂(τ)相对于u₁(τ)的时延，对所有ξ进行搜索，当R₁₂达到最大值时，对应的ξ即为所需补偿偏移量。

所述自聚焦采用最小熵自聚焦算法对中心天线C的脉冲压缩后的回波信号进行初相校正。具体为：

首先，设定ISAR图像s(m,n)的距离像序列为G(m,n)，则图像s(m,n)的熵为：

其中，M表示回波脉冲数，N表示距离采样点数，D(m,n)为图像s(m,n)的散射强度密度，

其中，

表示图像s(m,n)的总能量，|·|表示取模运算。

其次，设定

为待估计的初相误差，则基于最小熵的相位自聚焦问题转化为熵值最小时相位误差θ(m)的最优解

所述基于最小熵的自聚焦算法的具体步骤为：

1)初始化初相误差为θ₁(m),m＝1,2,…,M，迭代临界值为E_thr，迭代次数l＝1；

2)采用θ₁(m)对每个距离像G(m,n)进行相位误差补偿，补偿后的距离像序列为

对

沿方位向进行快速傅立叶变换，得到ISAR图像s₁(m,n)，并计算ISAR图像s₁(m,n)的熵函数E₁(s)。

3)对ln(|s₁(m,n)|)·s₁ ^*(m,n)沿方位向进行快速傅立叶变换，得到R₁(m,n)

其中，

s₁ ^*(m,n)表示s₁(m,n)的共轭；

4)沿距离向计算R₁(m,n)·G(m,n)的和

5)更新初相误差θ₁(m)为

其中，angle表示取相位运算，w₁ ^*(m)表示w₁(m)的共轭。

重复步骤2)-5)的迭代过程，直至迭代次数l大于1，且E_l(s)-E_l-1(s)≤E_thr，则终止迭代，则第l次迭代得到的θ_l(m)为最优的初相误差

步骤4，建立天线C和天线V对应的目标ISAR图像相关度函数，将天线C和天线V对应的目标ISAR图像配准问题转化为目标角速度估计的无约束优化问题，并采用PSO算法估计目标最优转动角速度。

子步骤4.1，建立目标三维角运动模型，得到天线C和天线V对应的ISAR图像的失配量与目标角速度的解析关系。

子步骤4.1.1，建立目标三维角运动模型，具体步骤为：

目标三维角运动模型如图2所示。首先，在雷达观测时间内，目标在远场沿OXY平面从O′位置运动到O″位置。目标上散射点P与基线CV的中点M的连线和天线电轴的夹角为θ(t)，由于目标相对雷达的角运动，夹角θ(t)随时间t变化，0≤t≤T，T为成像积累时间，初始时刻夹角记为θ(t₀)。将目标角运动分解到OXY和OZY平面内，目标在OXY平面内的夹角为θ_V(t)，转动角速度为ω_V；在OZY平面内的夹角为θ_H(t)，转动角速度为ω_H。

则目标相对雷达的几何关系可得到：

R_PM＝R₀+y_p+x_psin(θ_V(t))；

其中，在小转角条件下，sin(θ_V(t))＝θ_V(t)；

其次，在成像期间，目标点P到天线C和天线V的波程差为：

R_PC-R_PV＝Lsin(θ_V(t))＝Lθ_V(t)；

从式中可以看出，波程差随夹角θ_V(t)不断发生变化。θ_V(t)的表达式为：

θ_V(t)＝θ_V(t₀)+ω_Vt；

以上过程中，目标三维角运动模型的远场正视场景下，天线C和天线V接收到的散射点P的回波可简化表示为：

其中，λ表示载波波长。

为保证两天线回波的相干性，利用天线C估计的平动补偿参数对天线C和天线V的回波信号分别进行统一运动补偿，得到天线C和天线V补偿后的回波信号分别为：

从上式可以看出，通过统一运动补偿，目标平动对两回波的影响已经消除，但由于两雷达位置的差异和目标角运动的存在，两回波的波程差存在一个多普勒差异项。

最后，设定目标在OXY平面的角运动为匀速运动，即：

θ_V(t)＝θ_V(t₀)+ω_Vt；

则天线C和天线V的回波信号进行相互干涉后的回波信号为：

其中，Lω_Vt表示波程差的变化量，从上式可以看出，波程差的变化引起两幅ISAR图像在多普勒方向上发生偏移，导致图像失配。则天线C对应的ISAR图像与天线V对应的ISAR图像之间的失配量为：

在成像积累时间T内，多普勒偏移量对应的横向分辨单元数为：

子步骤4.2，以天线C和天线V对应的目标ISAR图像之间的相关度作为目标函数，将图像配准问题转化为目标转动角速度估计的无约束优化问题。

由于不同ISAR图像失配量与目标转动角速度有关，可将图像配准问题转化为目标转动角速度估计问题。转动角速度估计精度越高，图像配准精度也越高，两幅ISAR图像的相关度也就越大，因此，可利用图像相关度对图像配准效果进行评估，当两幅图像相关度达到最大时，对应的角速度即为最优估计值。

将目标转动角速度的估计转化为目标转动角速度的无约束优化问题：

其中，

表示角速度估计值，

表示利用

构造补偿相位对辅助接收天线V的回波信号进行补偿后，求出的天线C和天线V对应的目标ISAR图像的相关度。两幅ISAR图像的相关度为：

其中，S_C(m,n)表示天线C对应的二维ISAR图像在(m,n)处的灰度值，S_V(m,n)表示天线V对应的二维ISAR图像在(m,n)处的灰度值，

表示天线C对应的二维ISAR图像的幅度均值，

表示天线V对应的二维ISAR图像的幅度均值，

子步骤4.3，采用PSO算法求解目标转动角速度的无约束优化问题，估计最优目标角速度。

子步骤4.3.1，构建PSO算法模型；

在一个d维空间中，由M个粒子构成种群P＝{P₁,P₂,…,P_M}，其中，第i个粒子的位置表示为P_i＝{x_i1,x_i2,…,x_in}，速度表示为v_i＝{v_i1,v_i2,…,v_in}，个体最优位置表示为pbest_i＝(pbest_i1,pbest_i2,…,pbest_in)，种群的全局最优位置表示为gbest＝(gbest₁,gbest₂,…,gbest_n)。经历了l次迭代后，粒子的速度和位置更新为：

其中，

和

分别表示第i个粒子在第l次迭代时的速度和位置，w表示惯性常量，c₁表示全局搜索加速常数，c₂表示局部搜索加速常数，即c₁较大时，PSO算法的全局搜索能力较强，c₂较大时，PSO算法的局部搜索能力较强；rand₁和rand₂分别表示一个在区间[0,1]内均匀分布的随机数，

表示粒子i在l次迭代后的个体最优位置，gbest^l表示种群在l次迭代后的全局最优位置。

子步骤4.3.2，设定粒子群规模为M，空间维度为1，最大迭代次数为G_max，当前迭代次数为l＝1，角速度

为待估计参数，即

设置速度边界为v_max，在解空间内随机选取M个粒子构成初始种群，设定粒子速度为随机值v_i＝v_max·rand(-1,1)，避免初始速度越界，随机初始化粒子个体最优位置

和粒子群全局最优位置

子步骤4.3.3，采用PSO算法，对粒子个体初始最优位置

和粒子群全局初始最优位置

进行迭代更新，估计目标的最优转动角速度，即为目标的角速度。

子步骤4.3.3的具体步骤为：

首先，计算种群中粒子适应度；

采用当前粒子位置

构造相位补偿因子

对辅助天线V的回波信号进行补偿，计算补偿后的辅助天线V的ISAR回波信号与中心天线C的ISAR回波信号的相关度，即为对应粒子的适应度R(P_i ^l+1)。

其次，判断是否更新个体最优位置和全局最优位置；

比较粒子个体当前适应度R(P_i ^l+1)与粒子个体最优适应度

的大小，若

则更新

为当前位置，并记录当前适应度

若

则不对当前位置进行更新，依此类推，对所有粒子进行判断更新，得到粒子个体最优适应度的最大值

比较粒子个体最优适应度的最大值

与全局最优适应度R(gbest^l)的大小，若

则更新gbest^l+1为当前全局最优位置，并记录当前适应度R(gbest^l)，若

则不对全局最优位置进行更新。

最后，根据粒子的速度和位置计算公式，计算更新后粒子个体的速度和位置；若速度发生越界则进行越界处理：若v_i>v_max，则令v_i＝v_max，若v_i<-v_max，则令v_i＝-v_max。

重复对当前粒子的个体最优位置和全局最优位置进行迭代更新，直至当前迭代次数l>G_max，则迭代终止，

为估计的最优目标转动角速度，即为目标的角速度。

步骤5，采用目标的角速度构造相位补偿因子，对天线V脉冲压缩后的回波信号进行补偿，完成天线C对应的ISAR图像和天线V对应的ISAR图像的图像配准。

具体地，在成像积累时间内，天线C和天线V之间的波程差为：

R_PC-R_PV＝Lsin(θ(t))≈L(θ(t₀)+ω_Vt)；

采用目标的角速度计算不同天线间波程差的变化量为：

对于天线V构造相位补偿因子Pha_V：

Pha_V＝exp(-j2πγτ△R_V/c)exp(-j2π△R_V/λ)；

利用相位补偿因子Pha_V对天线V脉冲压缩后的回波进行补偿，得到天线V补偿后的回波信号：

s′_deV(τ,t)＝s_deV(τ,t)·Pha_V；

将辅助天线V替换成辅助天线H，重复步骤2-5，即可完成天线C和天线H对应的ISAR图像之间的图像配准。

对本发明中的配准后的ISAR图像进行干涉处理，即可实现目标的三维成像。

具体过程为：将配准后图像进行干涉处理得到准确的干涉相位，进而恢复出目标真实的三维坐标。

记天线C和天线V干涉处理后的信号

的相位为

即干涉相位为

则散射点P沿基线CV方向的投影坐标x为：

同理，通过天线C和天线H的干涉处理，计算出散射点P沿基线CH方向的投影坐标z为：

在远场正视条件下，即X₀和Z₀不远大于L时，散射点P的雷达视线方向可近似为坐标系Y轴方向，散射点P沿Y轴的投影坐标y可通过雷达测距和距离向分辨率求出，结合上式求出的x和z坐标，即可得到目标散射点的三维图像。

仿真实验

1.仿真条件

仿真所用雷达的信号载频为10GHz，信号带宽为1GHz，采样频率为1.2GHz，方位向总积累脉冲数为512，雷达基线长度L＝4m。初始时刻，目标等效中心在雷达坐标系中的坐标为(X₀,Y₀,Z₀)，其中，X₀＝200m，Y₀＝15km，Z₀＝200m，目标沿X轴，Y轴和Z轴运动的速度分别为v_x＝800m/s，v_y＝100m/s，v_z＝600m/s。

2.仿真内容

首先，对目标点模型进行二维ISAR成像，从ISAR图像的多普勒序列中提取一组，结果如图4(a)和(b)所示，其中，图4(a)为CV天线对未经配准的多普勒谱对比图，图4(b)为CH天线对未经配准的多普勒谱对比图。从图4(a)和(b)可以看出，在图像配准前，不同ISAR图像在方位向存在明显的位置偏移，失配量达4个多普勒单元，同时，图像中散射点的散射强度也存在差异。

然后，通过PSO算法对目标转动角速度进行估计，利用估计出的目标角速度构造相位补偿因子对辅助接收天线回波进行补偿后，得到配准后的多普勒谱，如图4(c)和(d)所示，其中，图4(c)为CV天线对配准后的多普勒谱对比图，图4(d)为CH天线对配准后的多普勒谱对比图，从图4(c)和(d)中可以看出，回波经过补偿后，各散射点的位置和散射强度均得到了有效的配准。

最后，通过配准后的图像干涉处理得到目标三维成像图，如图5所示，从图5中可看出，利用本发明的方法进行图像配准后，得到了正确的干涉相位，准确的恢复出了目标的真实三维图像。

本发明实施例中，PSO算法的粒子群规模为20，最大迭代次数为50次，算法迭代过程中，PSO算法能快速收敛并搜索到全局最优解，收敛速度较快，收敛精度较高。最终估计出的目标沿OXY平面的最优转动角速度为0.0533rad/s，沿OZY平面的最优转动角速度为0.0400rad/s。利用目标沿OXY平面和沿OZY平面的最优转动角速度，对辅助接收天线回波进行补偿，经配准后CV两天线获得的ISAR图像之间的相关度为0.9987，CH两天线获得的ISAR图像之间的相关度为0.9988。而在图像配准之前，由于方位向多普勒存在偏移，CV天线对获得的ISAR图像之间的相关度为0.1075，CH天线对获得的ISAR图像之间的相关度为0.1930。从配准前后图像相关度对比可知，利用PSO算法准确的估计出了目标的转动角速度，实现了图像的精确配准。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

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，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，包括以下步骤：

步骤1，构建“L”型三天线干涉成像场景，每个天线获取目标的ISAR回波信号；

其中，所述三天线分别为中心天线C、辅助天线V和辅助天线H；

步骤2，对天线C接收的回波信号s_C(τ,t)和天线V接收的回波信号s_V(τ,t)分别进行脉冲压缩，得到对应的压缩后的回波信号s_deC(τ,t)和s_deV(τ,t)；

步骤3，对天线C和天线V脉冲压缩后的回波信号分别进行统一运动补偿，得到对应的目标二维ISAR图像；

步骤4，建立天线C和天线V对应的目标ISAR图像的相关度函数，将天线C和天线V对应的目标ISAR图像配准问题转化为目标角速度估计的无约束优化问题，并采用PSO算法估计目标最优转动角速度；

步骤4包含以下子步骤：

子步骤4.1，建立目标三维角运动模型，得到天线C和天线V对应的ISAR图像的失配量与目标角速度的解析关系；

子步骤4.2，以天线C和天线V对应的目标ISAR图像之间的相关度作为目标函数，将图像配准问题转化为目标转动角速度估计的无约束优化问题；

子步骤4.3，采用PSO算法求解目标转动角速度的无约束优化问题，估计最优目标角速度；

步骤5，采用目标最优转动角速度构造相位补偿因子，对天线V脉冲压缩后的回波信号进行补偿，完成天线C对应的ISAR图像和天线V对应的ISAR图像的图像配准；

采用天线C接收的回波信号与天线H接收的回波信号进行图像配准，即将辅助天线V替换成辅助天线H重复步骤2-步骤5，即可完成天线C和天线H对应的ISAR图像之间的图像配准。

2.根据权利要求1所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，步骤1中，所述构建“L”型三天线干涉成像场景，其具体步骤为：

设定雷达所处坐标系为O-XYZ三维直角坐标系，天线C为收发一体天线，即中心天线，天线V和天线H分别为接收天线，即辅助天线；天线C与天线V构成一对沿X轴的正交基线CV，天线C和天线H构成一对沿Z轴的正交基线CH；

其中，正交基线CV的长度为L，M为正交基线CV的中点，坐标原点O过M的垂线OM称为天线电轴；

目标所处坐标系为O′-xyz三维直角坐标系，目标的等效中心O′在雷达坐标系中的坐标为(X₀,Y₀,Z₀)，P为目标上任意一个散射点，其在目标所处坐标系中的坐标为(x_p,y_p,z_p)，散射点P到天线C的距离为R_PC，散射点P到天线V的距离为R_PV，散射点P到基线中点M的距离为R_PM，目标的等效中心O′到基线中点M的距离为R₀。

3.根据权利要求2所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，步骤1中，设定目标由K个散射点构成，P为目标上第k个散射点，k＝1,2…,K；中心天线C发射线性调频信号，则天线C接收到散射点P的回波信号s_C(τ,t)和天线V接收到散射点P的回波信号s_V(τ,t)分别为：

其中，τ表示快时间，t表示慢时间，σ_p为散射点P的后向散射系数，rect[·]表示距离窗函数，j为虚数单位，c为光速，T_p为信号脉冲宽度，f_c表示信号载波频率，γ表示线性调频信号的调频率。

4.根据权利要求3所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，步骤2的具体步骤为：

首先，构造参考函数，得到参考信号为：

其中，

为参考距离，T_r为参考信号的脉宽；

其次，将天线C接收的回波信号s_C(τ,t)和天线V接收的回波信号s_V(τ,t)分别与参考信号在时域共轭相乘，对应得到天线C的差频输出信号s_deC(τ,t)和天线V的差频输出信号s_deV(τ,t)分别为：

其中，

为参考点时间；

最后，以参考点时间

为基准，将天线C和天线V回波的差频输出信号分别沿距离向做快速傅立叶变换，并去除残余视频相位，对应获得天线C和天线V脉冲压缩后的回波信号S_deC(f_r,t)：

其中，S_deC(f_r,t)为天线C脉冲压缩后的回波信号，S_deV(f_r,t)为天线V脉冲压缩后的回波信号，f_r为快时间频率，sinc(x)＝sin(x)/x，σ'_p为散射点P在频域的散射强度，λ为载波波长。

5.根据权利要求1所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，步骤3中，所述统一运动补偿的具体步骤为:

首先，对天线C脉冲压缩后的回波信号依次进行包络对齐和自聚焦，得到对应的目标二维ISAR图像和平动补偿参数；

其次，采用平动补偿参数对天线V脉冲压缩后的回波信号进行平动补偿，再将平动补偿后的回波信号沿方位向作快速傅立叶变换，即可得到天线V对应的目标二维ISAR图像。

6.根据权利要求1所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，子步骤4.1包含以下子步骤：

子步骤4.1.1，建立目标三维角运动模型，具体步骤为：

设定在雷达观测时间内，目标在远场沿OXY平面从O′位置运动到O″位置；目标上散射点P与基线CV的中点M的连线为PM，连线PM与天线电轴的夹角为θ(t)，其中，θ(t)随时间t变化，0≤t≤T，T为成像积累时间，初始时刻的夹角记为θ(t₀)；将目标角运动分解到OXY和OZY平面内，则目标在OXY平面内的夹角为θ_V(t)，转动角速度为ω_V；目标在OZY平面内的夹角为θ_H(t)，转动角速度为ω_H；则目标相对雷达的几何关系为：

R_PM＝R₀+y_p+x_psin(θ_V(t))

其中，在小转角条件下，sin(θ_V(t))＝θ_V(t)

子步骤4.1.2，在成像期间，目标上散射点P到天线C和天线V的波程差为：

R_PC-R_PV＝Lsin(θ_V(t))≈Lθ_V(t)

其中，θ_V(t)的表达式为：

θ_V(t)＝θ_V(t₀)+ω_Vt

子步骤4.1.3，设定目标在OXY平面的角运动为匀速运动，即：

θ_V(t)＝θ_V(t₀)+ω_Vt

则天线C和天线V的回波信号进行干涉后的回波信号为：

其中，Lω_Vt表示波程差的变化量，则天线C对应的ISAR图像与天线V对应的ISAR图像之间的失配量为：

在成像积累时间T内，多普勒偏移量对应的横向分辨单元数为：

即得到天线C和天线V对应的ISAR图像的失配量与目标角速度的解析关系。

7.根据权利要求6所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，子步骤4.3包含以下子步骤：

子步骤4.3.1，构建PSO算法模型；

在一个d维空间中，由M个粒子构成种群P＝{P₁,P₂,…,P_M}，其中，第i个粒子的位置表示为P_i＝{x_i1,x_i2,…,x_in}，速度表示为v_i＝{v_i1,v_i2,…,v_in}，个体最优位置表示为pbest_i＝(pbest_i1,pbest_i2,…,pbest_in)，种群的全局最优位置表示为gbest＝(gbest₁,gbest₂,…,gbest_n)；经历了l次迭代后，粒子的速度和位置更新为：

其中，

和P_i ^l分别表示第i个粒子在第l次迭代时的速度和位置，w表示惯性常量，c₁表示全局搜索加速常数，c₂表示局部搜索加速常数；rand₁和rand₂分别表示一个在区间[0,1]内均匀分布的随机数，

表示粒子i在l次迭代后的个体最优位置，gbest^l表示种群在l次迭代后的全局最优位置；

子步骤4.3.2，设定粒子群规模为M，空间维度为1，最大迭代次数为G_max，当前迭代次数为l＝1，角速度

为待估计参数，即

设置速度边界为v_max，在解空间内随机选取M个粒子构成初始种群，设定粒子速度为随机值v_i＝v_max·rand(-1,1)，随机初始化粒子个体最优位置

和粒子群全局最优位置

子步骤4.3.3，采用PSO算法，对粒子个体初始最优位置

和粒子群全局初始最优位置

进行迭代更新，估计目标的最优转动角速度。

8.根据权利要求7所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，子步骤4.3.3的具体步骤为：

首先，计算种群中粒子适应度；

采用当前粒子位置

构造相位补偿因子

对辅助天线V的回波信号进行补偿，计算补偿后的辅助天线V的ISAR回波信号与中心天线C的ISAR回波信号的相关度，即为对应粒子的适应度R(P_i ^l+1)；

其次，判断是否更新个体最优位置和全局最优位置；

比较粒子个体当前适应度R(P_i ^l+1)与粒子个体最优适应度

的大小，若

则更新

为当前位置，并记录当前适应度

若

则不对当前位置进行更新，依此类推，对所有粒子进行判断更新，得到粒子个体最优适应度的最大值

比较粒子个体最优适应度的最大值

与全局最优适应度R(gbest^l)的大小，若

则更新gbest^l+1为当前全局最优位置，并记录当前适应度R(gbest^l)，若

则不对全局最优位置进行更新；

最后，根据粒子的速度和位置计算公式，计算更新后粒子个体的速度和位置；若速度发生越界则进行越界处理：若v_i>v_max，则令v_i＝v_max，若v_i<-v_max，则令v_i＝-v_max；

重复对当前粒子的个体最优位置和全局最优位置进行迭代更新，直至当前迭代次数l>G_max，则迭代终止，

为估计的最优目标转动角速度。

9.根据权利要求8所述的一种基于粒子群优化的三维干涉ISAR图像配准方法，其特征在于，步骤5的具体步骤为：

首先，在成像积累时间内，计算天线C和天线V之间的波程差为：

R_PC-R_PV＝Lsin(θ(t))＝L(θ(t₀)+ω_Vt)

其次，采用最优目标转动角速度，计算天线C和天线V之间的波程差的变化量为：

最后，构造天线V的相位补偿因子Pha_V：

Pha_V＝exp(-j2πγτ△R_V/c)exp(-j2π△R_V/λ)

采用相位补偿因子Pha_V对天线V脉冲压缩后的回波进行补偿，得到天线V补偿后的回波信号：

s′_deV(τ,t)＝s_deV(τ,t)·Pha_V

即完成天线C和天线V对应的二维ISAR图像的图像配准。

Images