CN110471037B - 一种基于网格失配的步进频合成孔径雷达成像方法 - Google Patents

一种基于网格失配的步进频合成孔径雷达成像方法 Download PDF

Info

Publication number
CN110471037B
CN110471037B CN201910782198.6A CN201910782198A CN110471037B CN 110471037 B CN110471037 B CN 110471037B CN 201910782198 A CN201910782198 A CN 201910782198A CN 110471037 B CN110471037 B CN 110471037B
Authority
CN
China
Prior art keywords
grid
target
synthetic aperture
mismatch
aperture radar
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.)
Expired - Fee Related
Application number
CN201910782198.6A
Other languages
English (en)
Other versions
CN110471037A (zh
Inventor
宗竹林
黄丽梅
黄栎冰
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910782198.6A priority Critical patent/CN110471037B/zh
Publication of CN110471037A publication Critical patent/CN110471037A/zh
Application granted granted Critical
Publication of CN110471037B publication Critical patent/CN110471037B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9004—SAR image acquisition techniques
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/34—Gain of receiver varied automatically during pulse-recurrence period, e.g. anti-clutter gain control
    • 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)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于合成孔径雷达成像技术领域，涉及一种基于网格失配的步进频合成孔径雷达成像方法。为了解决传统步进频合成孔径雷达在压缩感知框架下产生的网格失配问题，本发明提出一种基于网格失配的步进频合成孔径雷达成像方法。在压缩采样匹配追踪算法的基础上，恢复出离目标最近的网格点，再结合梯度下降法通过迭代不断使残差最小化，从而逼近真实目标位置。本发明的有益效果是，在减少了发射脉冲数的同时，可以对网格失配目标进行精确的恢复。

Description

一种基于网格失配的步进频合成孔径雷达成像方法
技术领域
本发明属于合成孔径雷达成像技术领域，涉及一种基于网格失配的步进频合成孔径雷达成像方法。
背景技术
步进频波形(SFWs，stepped frequency waveforms)广泛应用于宽带合成孔径雷达体制中,是一类重要的距离高分辨信号。它通过发射一组脉间载频步进、脉内相干调制的脉冲串,再对回波信号进行等效合成大带宽信号来提高距离分辨率。由于步进频脉冲串包含一系列窄带子脉冲，通常需要很长的时间观测所有的子脉冲，但是在实际中，观测时间是非常有限的。
压缩感知(CS，compressive sensing)作为一种新兴的信号处理技术可以在非常低的采样率下(远低于奈奎斯特采样率)对信号实现精确的重建。通过将压缩感知的理念引入步进频雷达可以在获得完整频带信息的同时显著的降低雷达的观测时间。传统压缩感知方法需要首先将观测场景划分为离散的网格点，但是当目标偏离网格点时，压缩感知方法便无法准确地恢复目标，导致网格失配(off-grid)效应的产生。
发明内容
为了解决传统步进频合成孔径雷达(SF-SAR，stepped frequency syntheticapertureradar)在压缩感知框架下产生的网格失配问题，本发明提出一种基于网格失配的步进频合成孔径雷达成像方法。在压缩采样匹配追踪(compressive sampling matchingpursuit，CoSaMP)算法的基础上，恢复出离目标最近的网格点，再结合梯度下降法(GD，gradient descent)通过迭代不断使残差最小化，从而逼近真实目标位置。
本发明所采用的技术方案包含以下步骤：
a.建立压缩感知框架下的步进频合成孔径雷达网格失配成像模型。
b.通过CoSaMP算法恢复得到离目标最近的网格点坐标。
c.从最近的网格点开始，通过梯度下降法不断使残差最小化，进而逼近真实目标。
具体的，所述步骤a中我们假设步进频合成孔径雷达成像模型如图1所示，观测场景位于雷达航迹的正侧视方向，其中有K个目标，雷达在观测过程中一共发射了M个步进频脉冲串，每个脉冲串包含N个子脉冲。则经过下变频后，雷达的接收信号可以表示为：
Figure GDA0002195647940000021
其中，
Figure GDA0002195647940000022
表示经过列化后的回波数据，(xk,yk)表示目标位置，
Figure GDA0002195647940000023
表示目标散射系数向量。
Figure GDA0002195647940000024
其中
Figure GDA0002195647940000025
表示第k个目标的有限字典，fc(n)＝f0+(n-1)Δf,n∈[N]表示脉冲串中第n个子脉冲的载频，f0是初始载频，Δf表示频率步进步长，τm(xk,yk)＝2||(xk,yk)-(xm,ym)||2/c,m∈[M]表示雷达发射第m个脉冲串时，第k个目标到载机的双程时延，
Figure GDA0002195647940000026
表示高斯白噪声。
对于目标点的稀疏重建可以表示为如下的l1范数最小化问题：
Figure GDA0002195647940000027
其中
Figure GDA0002195647940000028
g＝[g(1),g(2),…,g(K)]，ε为预设的非常小的值，表示对残差的约束；
假设第k个目标相对网格点有一定的偏移，称为网格失配，用(Δxk,Δyk)表示，则基不匹配字典可以通过一阶泰勒近似表示为：
Figure GDA0002195647940000029
其中，
Figure GDA00021956479400000212
Figure GDA00021956479400000211
SF-SAR的网格失配回波模型可以表示如下：
Figure GDA0002195647940000031
其中
Figure GDA0002195647940000032
表示具有网格失配的回波数据。
具体的所述步骤b中，利用CoSaMP算法，首先建立一个空的支撑集T0并将回波数据
Figure GDA0002195647940000033
作为初始残差，定义A和当前残差z⊥,t-1的内积为原子集p。在每次迭代中，从p中选取最大的2K列并放入支撑集中，这时当前支撑集Ω可以投影到观测值上，然后可以估计得到网格参数。不断重复这个过程直到残差达到最低阈值，得到离目标最近的网格点。
具体的所述步骤c中，得到最近的网格点(xk,yk)后，寻找真实目标位置的问题可以等效为如下的优化问题：
Figure GDA0002195647940000034
s.t.|Δxk|<ρx/2,|Δyk|<ρy/2
ρx，ρy分别表示方位向和距离向的网格宽度；在第l次迭代中，目标散射系数可以通过最小二乘法得到：
Figure GDA0002195647940000035
其中下标l表示迭代次数，忽略噪声的影响，这个优化问题可以重新表示为：
argminu||rl-Blu||2
其中
Figure GDA0002195647940000036
表示残差，
Figure GDA0002195647940000039
Figure GDA0002195647940000038
根据梯度下降法，这个优化问题的损失函数可以表示为J(u)＝||rl-Blu||2，它的负梯度方向为
Figure GDA0002195647940000041
由于梯度下降的步长是实数，故令
Figure GDA0002195647940000042
则全部算法的迭代过程可以表示为：
xi,l+1＝xi,l+ρxμi,lmul
yi,l+1＝yi,l+ρyμi+2K,lmui+2K,l
其中mu表示步长。通过不断迭代，直至算法收敛，可以得到目标的位置和散射系数
Figure GDA0002195647940000043
算法流程图如图2所示。
本发明的有益效果是，相对于现有步进频合成孔径雷达成像技术，本发明在减少了发射脉冲数的同时，可以对网格失配目标进行精确的恢复。
附图说明
图1为步进频合成孔径雷达成像模型示意图；
图2为GD-CoSaMP算法流程图；
图3为CoSaMP算法对网格失配目标成像仿真图；
图4为GD-CoSaMP算法对网格失配目标成像仿真图；
图5为不同算法的均方根误差-信噪比关系图。
具体实施方式
下面结合附图和仿真示例说明本发明的有效性。
根据本发明所述的信号模型，使用Matlab(一种计算机算法语言)进行仿真验证，具体的仿真参数如下：
系统参数设置：在整个观测过程中，雷达一共接收了200个脉冲串，从中随机地选取了50个作为回波数据。每个脉冲串包含1024个子脉冲，从中随机地选取了64个子脉冲。总的压缩率是0.0156，信噪比(SNR，signal-to-noise ratio)是10dB，频率步进步长Δf为0.25MHz。观测场景划分为一个40×40的网格区域，距离向网格间隔为0.5m，方位向网格间隔为0.56m，场景中有10个不在网格点上的网格失配目标。
图3是使用不同的方法对网格失配目标进行估计的对比。图4是对不同估计方法进行100次蒙特卡洛实验得到的均方根误差(RMSE，Root Mean Squard Error)。图5是对不同方法的残差进行的对比。
从图3和图4可以知道，传统的CoSaMP方法无法估计出网格失配目标的位置，甚至会产生假目标，而本发明提出的GD-CoSaMP可以精确地实现网格失配目标的估计。从图5可以知道，本发明提出的GD-CoSaMP算法可以使残差很快收敛到一个下界，而传统的CoSaMP方法的残差始终保持在一个较高的水平。

Claims (1)

1.一种基于网格失配的步进频合成孔径雷达成像方法，其特征在于，包括以下步骤：
a.建立压缩感知框架下的步进频合成孔径雷达网格失配成像模型；具体方法为：定义合成孔径雷达成像模型为，观测场景位于雷达航迹的正侧视方向，共有有K个目标，雷达在观测过程中一共发射了M个步进频脉冲串，每个脉冲串包含N个子脉冲，则经过下变频后，雷达的接收信号为：
Figure FDA0003555786860000011
其中，
Figure FDA0003555786860000012
表示经过列化后的回波数据，(xk,yk)表示目标位置，
Figure FDA0003555786860000013
表示目标散射系数向量，
Figure FDA0003555786860000014
其中
Figure FDA0003555786860000015
表示第k个目标的有限字典，fc(n)＝f0+(n-1)△f表示脉冲串中第n个子脉冲的载频，f0是初始载频，n∈[N]，△f表示频率步进步长，τm(xk,yk)＝2||(xk,yk)-(xm,ym)||2/c,m∈[M]表示雷达发射第m个脉冲串时，第k个目标到雷达的双程时延，
Figure FDA0003555786860000016
表示高斯白噪声；
对于目标点的稀疏重建表示为如下的l1范数最小化问题：
Figure FDA0003555786860000017
其中
Figure FDA0003555786860000018
g＝[g(1),g(2),…,g(K)]，ε为预设的值，表示对残差的约束；
假设第k个目标相对网格点有一定的偏移，称为网格失配，用(△xk,△yk)表示，则基不匹配字典可以通过一阶泰勒近似表示为：
Figure FDA0003555786860000019
其中，
Figure FDA00035557868600000110
Figure FDA0003555786860000021
建立步进频合成孔径雷达的网格失配成像模型：
Figure FDA0003555786860000022
其中
Figure FDA0003555786860000023
表示具有网格失配的回波数据；
b.通过CoSaMP算法恢复得到离目标最近的网格点坐标；具体方法为：利用CoSaMP算法，首先建立一个空的支撑集T0并将回波数据
Figure FDA0003555786860000027
作为初始残差，定义A和当前残差z⊥,t-1的内积为原子集p，在每次迭代中，从p中选取最大的2K列并放入支撑集中，将当前支撑集Ω投影到观测值上，然后估计得到网格参数，不断重复这个过程直到残差达到最低阈值，得到离目标最近的网格点(xk,yk)；
c.从最近的网格点开始，通过梯度下降法不断使残差最小化，进而逼近真实目标，具体方法为：得到最近的网格点(xk,yk)后，寻找真实目标位置的问题等效为如下的优化问题：
Figure FDA0003555786860000024
s.t.|△xk|<ρx/2,|△yk|<ρy/2
其中ρx，ρy分别表示方位向和距离向的网格宽度；
在第l次迭代中，目标散射系数通过最小二乘法得到：
Figure FDA0003555786860000025
其中下标l表示迭代次数，忽略噪声的影响，优化问题重新表示为：
arg minu||rl-Blu||2
其中
Figure FDA0003555786860000026
表示残差，
Figure FDA0003555786860000031
Figure FDA0003555786860000032
根据梯度下降法，这个优化问题的损失函数表示为J(u)＝||rl-Blu||2，它的负梯度方向为
Figure FDA0003555786860000033
梯度下降的步长是实数，令
Figure FDA0003555786860000034
则迭代过程表示为：
xi,l+1＝xi,l+ρxμi,lmul
yi,l+1＝yi,l+ρyμi+2K,lmui+2K,l
其中mu表示步长；通过不断迭代，直至算法收敛，得到目标的位置和散射系数
Figure FDA0003555786860000035
CN201910782198.6A 2019-08-23 2019-08-23 一种基于网格失配的步进频合成孔径雷达成像方法 Expired - Fee Related CN110471037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910782198.6A CN110471037B (zh) 2019-08-23 2019-08-23 一种基于网格失配的步进频合成孔径雷达成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910782198.6A CN110471037B (zh) 2019-08-23 2019-08-23 一种基于网格失配的步进频合成孔径雷达成像方法

Publications (2)

Publication Number Publication Date
CN110471037A CN110471037A (zh) 2019-11-19
CN110471037B true CN110471037B (zh) 2022-05-13

Family

ID=68513572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910782198.6A Expired - Fee Related CN110471037B (zh) 2019-08-23 2019-08-23 一种基于网格失配的步进频合成孔径雷达成像方法

Country Status (1)

Country Link
CN (1) CN110471037B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5777573A (en) * 1995-08-04 1998-07-07 Daimler-Benz Aerospace Ag Device for motion error compensation for a radar with synthetic aperture based on rotating antennas (ROSAR) for helicopters
CN104678395A (zh) * 2015-03-15 2015-06-03 西安电子科技大学 基于循环前缀的mimo-ofdm雷达成像方法
CN105281779A (zh) * 2015-11-04 2016-01-27 哈尔滨工业大学 多观测值向量稀疏度自适应压缩采样匹配追踪方法
CN107330946A (zh) * 2017-06-05 2017-11-07 中国农业大学 一种基于压缩感知的图像处理方法及装置
CN108445462A (zh) * 2018-02-05 2018-08-24 江苏大学 一种基于稀疏贝叶斯学习的双基地mimo雷达的dod和doa估计方法
CN108614252A (zh) * 2018-07-02 2018-10-02 南京理工大学 基于参数化稀疏表示的单比特压缩感知雷达目标时延估计方法
CN109782279A (zh) * 2019-01-21 2019-05-21 中国人民解放军陆军工程大学 一种基于压缩感知的双基地isar成像方法
CN110133642A (zh) * 2019-05-06 2019-08-16 浙江大学 一种用于雷达传感器的直流偏移补偿方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5777573A (en) * 1995-08-04 1998-07-07 Daimler-Benz Aerospace Ag Device for motion error compensation for a radar with synthetic aperture based on rotating antennas (ROSAR) for helicopters
CN104678395A (zh) * 2015-03-15 2015-06-03 西安电子科技大学 基于循环前缀的mimo-ofdm雷达成像方法
CN105281779A (zh) * 2015-11-04 2016-01-27 哈尔滨工业大学 多观测值向量稀疏度自适应压缩采样匹配追踪方法
CN107330946A (zh) * 2017-06-05 2017-11-07 中国农业大学 一种基于压缩感知的图像处理方法及装置
CN108445462A (zh) * 2018-02-05 2018-08-24 江苏大学 一种基于稀疏贝叶斯学习的双基地mimo雷达的dod和doa估计方法
CN108614252A (zh) * 2018-07-02 2018-10-02 南京理工大学 基于参数化稀疏表示的单比特压缩感知雷达目标时延估计方法
CN109782279A (zh) * 2019-01-21 2019-05-21 中国人民解放军陆军工程大学 一种基于压缩感知的双基地isar成像方法
CN110133642A (zh) * 2019-05-06 2019-08-16 浙江大学 一种用于雷达传感器的直流偏移补偿方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"Autofocused Spotlight SAR Autofocused Spotlight SAR Autofocused Spotlight SAR";SEDAT CAMLICA 等;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20170831;第1880-1892页 *
"Off-Grid Sparse Isar Imaging by Basis Shift Algorithm";Mengjun Yang 等;《IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium》;20181231;第2270-2273页 *
"Off-Grid Sparse Stepped-Frequency SAR Imaging With Adaptive Basis:IEEE,Showing 1-20 of 20 for SAR and off-grid";Limei Huang 等;《IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium》;20190802;第2925-2928页 *
"基于压缩感知的高分辨ISAR成像研究";王正杨;《中国优秀硕士论文全文数据库 信息科技辑》;20130415;全文 *
"非理想模型下压缩感知的理论研究与应用";费晓超;《中国优秀硕士论文全文数据库》;20160315;全文 *

Also Published As

Publication number Publication date
CN110471037A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
CN112099008B (zh) 基于cv-admmn的sa-isar成像与自聚焦方法
CN103744068B (zh) 双通道调频连续波sar系统的动目标检测成像方法
CN104950305B (zh) 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法
CN102854505B (zh) 一种加权稀疏驱动自聚焦sar成像方法
CN110244303B (zh) 基于sbl-admm的稀疏孔径isar成像方法
CN105068058B (zh) 一种基于合成宽带脉冲多普勒雷达的毫米级微动测量方法
CN109100718A (zh) 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法
CN101900813B (zh) 基于机动目标距离-瞬时调频的isar成像方法
CN110068805B (zh) 基于变分贝叶斯推论的高速目标hrrp重构方法
CN106772365A (zh) 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法
CN110954885B (zh) 基于sbl的捷变频雷达自适应目标重构方法
CN103091674A (zh) 基于hrrp序列的空间目标高分辨成像方法
Xie et al. High-resolution imaging of moving train by ground-based radar with compressive sensing
CN105676190B (zh) 一种校正合成孔径雷达回波数据的方法和装置
CN109212500A (zh) 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法
CN109507666A (zh) 基于离网变分贝叶斯算法的isar稀疏频带成像方法
CN109001700B (zh) 一种实现目标轮廓重构的雷达前视成像方法
CN107193002B (zh) 一种可抑制宽带相位噪声的一维距离像高分辨成像方法
CN113376606A (zh) 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法
CN108169728A (zh) 基于Minkowski距离的距离扩展目标检测方法
CN113589255B (zh) 一种基于多频联合稀疏贝叶斯学习的到达角估计方法
CN110471037B (zh) 一种基于网格失配的步进频合成孔径雷达成像方法
CN112835006B (zh) 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
CN109633596A (zh) 脉冲多普勒雷达体制下的多目标运动参数联合估计方法
Jiang et al. Translational Motion Compensation Method for ISAR Imaging of Air Maneuvering Weak Targets Based on CV-GRUNet

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220513

CF01 Termination of patent right due to non-payment of annual fee