CN111045007A - 一种基于最小图像熵的sar运动目标成像方法 - Google Patents

一种基于最小图像熵的sar运动目标成像方法 Download PDF

Info

Publication number
CN111045007A
CN111045007A CN201911171588.6A CN201911171588A CN111045007A CN 111045007 A CN111045007 A CN 111045007A CN 201911171588 A CN201911171588 A CN 201911171588A CN 111045007 A CN111045007 A CN 111045007A
Authority
CN
China
Prior art keywords
sar
imaging
moving target
data
roi
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.)
Pending
Application number
CN201911171588.6A
Other languages
English (en)
Inventor
顾福飞
李红艳
傅敏辉
黄虹伟
郭才发
王旭良
戴正旭
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.)
No63686 Troops Pla
Original Assignee
No63686 Troops Pla
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 No63686 Troops Pla filed Critical No63686 Troops Pla
Priority to CN201911171588.6A priority Critical patent/CN111045007A/zh
Publication of CN111045007A publication Critical patent/CN111045007A/zh
Pending legal-status Critical Current

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
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种基于最小图像熵的SAR运动目标成像方法。技术特征在于：首先对SAR回波数据，利用RMA算法进行成像处理，得到观测场景的SAR复图像，其次提取包含运动目标的子图像数据，记为ROI数据，然后构建相位误差的补偿函数，以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化求解问题。最后通过搜索寻优，获取熵值最小的成像处理结果，即为最终的运动目标成像结果。该方法能够利用少量的回波数据实现SAR运动目标成像处理，从而为运动目标的准确识别提供重要的信息。

Description

一种基于最小图像熵的SAR运动目标成像方法
技术领域
本发明涉及遥感和雷达成像技术领域，尤其涉及一种SAR运动目标成像方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)可实现全天候、全天时、高增益的地面静止目标成像。然而在很多军事应用情况下，观测场景中不仅存在静止目标，也存在一些运动目标。传统的SAR不具备对运动目标的检测与成像能力，运动目标只能以散焦的形式叠加在静止目标图像上。利用SAR系统获取运动目标检测与成像的结果已成为当前军事和民用领域研究热点。
利用SAR进行运动目标成像主要需要解决两个问题：1)去除地杂波的干扰；2)补偿由于目标运动导致的相位误差。相对而言，观测场景中的运动目标回波信号具有较强的反射特性，但是在原始数据域的信杂比还是较低的。一些杂波抑制技术，例如DPCA和ATI被广泛应用。然而这些技术需要多个接收通道数据进行联合处理。已有学者提出一种基于单通道的运动目标成像方法。该方法利用散焦的运动目标复图像，又称之为感兴趣(Region ofIntrest，ROI)数据，进行运动目标重新聚焦成像处理的输入数据。这样能够有效抑制大部分背景杂波，并且大幅降低需要处理的数据量。
针对目标运动所引起的相位误差问题，现有的处理方法大致可以分为两类：非参数化方法和参数化方法。非参数化方法如相位梯度自聚焦(Phase gradient autofocus,PGA)，Shear Averaging等。这一类方法对于目标信号相位误差没有做出任何参数化的模型假设，直接通过优化算法估计目标信号的相位误差，因此需要求解的变量较多，算法较为复杂。参数化方法是将目标回波相位误差建模为确定参数的变量，将相位误差估计问题转化为少量参数的估计问题。这一类方法大多是通过多普勒分析估计出回波Doppler频偏和调频率，进而得到目标参数。因此研究SAR运动目标成像方法对于SAR动目标成像与检测技术的发展具有重要意义。
发明内容
(一)要解决的技术问题
为解决上述的问题，本发明基于最小图像熵准则，提供了一种适合SAR系统的运动目标成像方法。
(二)技术方案
本发明的方法包括：步骤A：对于SAR回波数据利用距离走动算法(RangeMigration Algorithm,RMA)算法进行成像处理，得到观测场景的SAR复图像sRMA(t,ts)；步骤B：基于SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为
Figure BDA0002288868830000021
步骤C：构建相位误差的补偿函数
Figure BDA0002288868830000022
以最小图像熵为准则，将ROI数据成像处理过程转化为最优化求解问题；步骤D：通过搜索寻优，获取熵值最小的自聚焦成像结果，即为最终的运动目标成像结果。
(三)有益效果
从上述技术方案可以看出，本发明SAR运动目标成像方法中，针对SAR系统运动目标成像数据量过大和现有算法较为复杂问题，提出了基于最小图像熵的SAR运动目标成像方法，首先对SAR回波数据，利用RMA算法进行成像处理，得到观测场景的SAR复图像。其次提取包含运动目标的子图像数据，记为ROI数据。然后构建相位误差的补偿函数，以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化问题。最后通过搜索寻优，获取熵值最小的自聚焦成像结果，即为最终的成像结果。
附图说明
图1为本发明实施例所采用的雷达天线及其与运动目标的几何关系图；
图2为基于最小图像熵的SAR运动目标成像方法的流程图；
图3为星载SAR回波数据RMA算法直接成像处理结果图；
图4为所提算法成像处理结果图，其中：
图4A所示的是图像熵值搜索曲线；
图4B是运动目标的成像结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。
本发明提供了一种基于最小图像熵的SAR运动目标成像方法，在大幅降低SAR系统数据量的情况下获得准确的运动目标成像结果，为运动目标的准确识别提供了信息。
为了方便理解，首先对观测模型进行详细说明。本文考虑传统单天线SAR系统，工作模式为正侧视条带式，SAR平台与观测场景2维示意图如图1所示。假定SAR装载在卫星平台上，并沿着X轴以速度V做匀速直线飞行。设定观测场景中有一运动目标P，径向速度分量记为vr(以远离SAR平台飞行轨迹方向为正方向)，方位向速度分量记为vx(以SAR平台速度方向为正方向)。
在本发明的一个示例性实施例中，提供了一种基于最小图像熵的运动目标成像方法。如图2所示，本实施例方法包括：
步骤A：对于SAR回波数据利用RMA算法进行成像处理，得到观测场景的SAR复图像sRMA(t,ts)；
其中，该步骤又可以分为以下子步骤：
子步骤A1：获得观测场景的SAR去载频之后的回波信号sr(t,ts)；
SAR平台以“走-停”模式发射并接收回波信号，脉冲重复频率记为PRF，平台运行速度为V。目标P处于SAR平台正侧方时坐标为(x0,r0)，其中x0表示方位向坐标，r0表示距离向坐标。当前时刻为慢时间ts零点，即ts＝0，运动目标到雷达的瞬时距离为：
Figure BDA0002288868830000031
为了不失一般性，采用线性调频信号作为SAR发射信号，那么去载频之后的运动目标回波可以表示为：
Figure BDA0002288868830000041
其中，t为快时间，Tp表示脉冲宽度，Ta表示有效孔径时宽，σ表示目标点的散射系数，fc表示中心载频，γ表示调频率，c表示电磁波传播速度。
子步骤A2：对回波信号sr(t,ts)利用RMA算法进行成像处理，得到成像结果sRMA(t,ts)；
Figure BDA0002288868830000042
其中，Wr(·)和Wa(·)分别表示距离和方位向包络函数。δ＝x0(V-vx)-r0vr，
Figure BDA0002288868830000043
并且
Figure BDA0002288868830000044
步骤B：基于SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为
Figure BDA0002288868830000045
公式(3)表示观测场景的SAR复图像，其中包含运动目标部分的子图像记为感兴趣(ROI)数据。下面主要针对ROI数据进行运动目标成像处理。将提取出的ROI数据记为
Figure BDA0002288868830000046
其中，
Figure BDA0002288868830000047
和
Figure BDA0002288868830000048
分别表示ROI数据在距离和方位向的时域序列。
步骤C：构建相位误差的补偿函数
Figure BDA0002288868830000049
以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化求解问题；
子步骤C1：根据
Figure BDA00022888688300000410
的二维频域表示形式，构造剩余相位误差的补偿函数；
根据公式(5)，计算得到ROI数据的二维频域表达式为
Figure BDA00022888688300000411
其中，
Figure BDA0002288868830000051
和
Figure BDA0002288868830000052
分别表示ROI数据在距离和方位向的频率表示。为了获得聚焦的运动目标成像结果，需要补偿ROI数据中的相位误差。因此剩余相位误差的补偿函数可写为
Figure BDA0002288868830000053
其中，Rref是参考距离，α是需要估计的相位补偿参数，具体的表达式为
Figure BDA0002288868830000054
子步骤C2：给定一个相位补偿参数α，ROI复图像数据的误差补偿与成像过程可用如下公式表示
Figure BDA0002288868830000055
其中，
Figure BDA0002288868830000056
表示Hadamard乘积，Ψ和Ψ-1分别为傅里叶变换矩阵和逆傅里叶变换矩阵，下标a表示沿方位向，下标r表示沿距离向。Z表示运动目标成像结果。
子步骤C3：为了定量比较成像结果的聚焦性能，利用图像熵来评价。ROI数据自聚焦成像过程可转化如下的最优化问题
Figure BDA0002288868830000057
其中，Y＝Ψr·sROI·Ψa。
步骤D：通过搜索寻优，获取熵值最小的成像处理结果，即为最终的运动目标成像结果。
子步骤D1：给定相位补偿参数α的搜索范围和搜索步长，带入公式(9)进行计算，得到新的ROI复图像集合Θ：
Figure BDA0002288868830000058
子步骤D2：对ROI复图像集合Θ计算图像熵值。最小熵值所对应的相位补偿参数α最优补偿参数，其成像结果也是最优结果
Figure BDA0002288868830000059
以下给出基于上述实施例方法的仿真实验数据验证结果。
仿真实验中相关的初始参数如下：星载雷达平台的飞行速度V＝7000m/s，发射信号的载频f0为10GHz，带宽B＝300MHz，脉冲宽度Tp＝2.2μs，脉冲重复频率PRF＝81Hz。观测场景由8个目标点组成，其中4个静止目标点，4个运动目标点，运动目标的方位和距离向速度分别为vx＝10m/s，vr＝-7m/s。首先利用RMA算法对观测场景SAR回波数据(包括运动目标信息)直接进行成像，得到的结果如图3所示。可见静止目标可以较好的聚焦，但是运动目标由于自身的运动，导致SAR图像中出现了明显的散焦，无法得到较好的成像结果。
将图3中运动目标的ROI复图像数据提取出来，利用本发明提出的算法进行处理。得到的成像结果图像熵迭代曲线如图4(a)所示，当图像熵值最小时，其所对应的成像结果如图4(b)所示。可见本文算法对运动目标进行了较好聚焦，可以清晰得到运动目标的成像结果。
以上仿真验证了本实施例所提方法的有效性。
至此，已经结合附图对本实施例基于最小图像熵的SAR运动目标成像方法进行了详细描述。依据以上描述，本领域技术人员应当对本发明有了清楚的认识。
综上所述，本发明提出一种基于最小图像熵的SAR运动目标成像方法，在有效降低SAR系统数据量的情况下实现了对运动目标准确成像处理，从而为运动目标的准确识别提供了信息。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于最小图像熵的SAR运动目标成像方法，其特征在于，包括：
步骤A：对于SAR回波数据利用RMA算法进行成像处理，得到观测场景的SAR复图像sRMA(t,ts)；
步骤B：基于SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为
Figure FDA0002288868820000011
步骤C：构建相位误差的补偿函数
Figure FDA0002288868820000012
以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化求解问题；
步骤D：通过搜索寻优，获取熵值最小的自聚焦成像结果，即为最终的运动目标成像结果。
2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：
子步骤A1：获得观测场景的SAR去载频之后的回波信号sr(t,ts)；
子步骤A2：对回波信号sr(t,ts)利用RMA算法进行成像处理，得到成像结果sRMA(t,ts) 。
3.根据权利要求1所述的方法，其特征在于，所述步骤B中对观测场景的SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为
Figure FDA0002288868820000013
其表达式为：
Figure FDA0002288868820000014
其中，
Figure FDA0002288868820000015
和
Figure FDA0002288868820000016
分别表示ROI数据在距离和方位向的时域序列，σ表示运动目标点的散射系数，Wr(·)和Wa(·)分别表示距离和方位向包络函数。
Figure FDA0002288868820000017
为运动目标到雷达的瞬时距离。δ＝x0(V-vx)-r0vr，
Figure FDA0002288868820000018
V为卫星的在轨运行速度，vr为运动目标距离向的速度，vx为运动目标方位向的速度，x0表示运动目标方位向初始位置，r0表示运动目标距离向初始位置。fc是发射信号载频，c为光速，
Figure FDA0002288868820000019
4.根据权利要求1所述的方法，其特征在于，所述步骤C包括：
子步骤C1：根据
Figure FDA00022888688200000110
的二维频域表示形式，构造剩余相位误差的补偿函数
Figure FDA00022888688200000111
其表达式为
Figure FDA0002288868820000021
其中，
Figure FDA0002288868820000022
和
Figure FDA0002288868820000023
分别表示ROI数据在距离和方位向的频率表示。Rref是参考距离，α是需要估计的相位补偿参数，具体的表达式为
Figure FDA0002288868820000024
子步骤C2：给定一个相位补偿参数α，ROI数据的误差补偿与成像过程可用如下公式表示
Figure FDA0002288868820000025
其中，
Figure FDA0002288868820000026
表示Hadamard乘积，Ψ和Ψ-1分别为傅里叶变换矩阵和逆傅里叶变换矩阵，下标a表示沿方位向，下标r表示沿距离向。Z表示运动目标的成像处理结果。
子步骤C3：为了定量比较成像结果的聚焦性能，利用图像熵E来评价。因此，ROI数据成像处理过程可转化如下的最优化问题
Figure FDA0002288868820000027
其中，Y＝Ψr·sROI·Ψa。
5.根据权利要求1所述的方法，其特征在于，所述步骤D包括：
子步骤D1：给定相位补偿参数α的搜索范围和搜索步长，得到新的ROI复图像集合Θ：
Figure FDA0002288868820000028
子步骤D2：计算ROI复图像集合Θ的熵值，最小熵值所对应的相位补偿参数α即为最优补偿参数，其成像结果就是最终的运动目标成像结果
Figure FDA0002288868820000029
。
CN201911171588.6A 2019-11-26 2019-11-26 一种基于最小图像熵的sar运动目标成像方法 Pending CN111045007A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911171588.6A CN111045007A (zh) 2019-11-26 2019-11-26 一种基于最小图像熵的sar运动目标成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911171588.6A CN111045007A (zh) 2019-11-26 2019-11-26 一种基于最小图像熵的sar运动目标成像方法

Publications (1)

Publication Number Publication Date
CN111045007A true CN111045007A (zh) 2020-04-21

Family

ID=70234121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911171588.6A Pending CN111045007A (zh) 2019-11-26 2019-11-26 一种基于最小图像熵的sar运动目标成像方法

Country Status (1)

Country Link
CN (1) CN111045007A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2284569A1 (en) * 2009-07-16 2011-02-16 EADS Deutschland GmbH Automatic focussing of SAR raw data based on the estimation of the phase error function
CN102778680A (zh) * 2012-06-06 2012-11-14 西安电子科技大学 基于参数化的匀加速运动刚体群目标成像方法
CN104391286A (zh) * 2014-12-10 2015-03-04 中国电子科技集团公司第二十研究所 一种逆合成孔径雷达方位定标方法
CN108061882A (zh) * 2018-01-30 2018-05-22 中国人民解放军国防科技大学 基于修正牛顿迭代的isar横向定标与越多普勒走动校正方法
CN108535726A (zh) * 2018-04-18 2018-09-14 哈尔滨工业大学深圳研究生院 基于幂权Fourier变换的ISAR成像方法
CN109298420A (zh) * 2017-07-25 2019-02-01 清华大学 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置
CN110221298A (zh) * 2019-06-20 2019-09-10 中国人民解放军国防科技大学 一种低频段星载sar电离层闪烁效应自聚焦方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2284569A1 (en) * 2009-07-16 2011-02-16 EADS Deutschland GmbH Automatic focussing of SAR raw data based on the estimation of the phase error function
CN102778680A (zh) * 2012-06-06 2012-11-14 西安电子科技大学 基于参数化的匀加速运动刚体群目标成像方法
CN104391286A (zh) * 2014-12-10 2015-03-04 中国电子科技集团公司第二十研究所 一种逆合成孔径雷达方位定标方法
CN109298420A (zh) * 2017-07-25 2019-02-01 清华大学 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置
CN108061882A (zh) * 2018-01-30 2018-05-22 中国人民解放军国防科技大学 基于修正牛顿迭代的isar横向定标与越多普勒走动校正方法
CN108535726A (zh) * 2018-04-18 2018-09-14 哈尔滨工业大学深圳研究生院 基于幂权Fourier变换的ISAR成像方法
CN110221298A (zh) * 2019-06-20 2019-09-10 中国人民解放军国防科技大学 一种低频段星载sar电离层闪烁效应自聚焦方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YICHANG CHEN，ET AL: "Iterative minimum entropy algorithm for refocusing of moving targets in SAR images", 《IET RADAR, SONAR & NAVIGATION》 *
关永胜等: "空间进动目标微动参数估计方法", 《电子与信息学报》 *

Similar Documents

Publication Publication Date Title
Chen et al. Motion compensation/autofocus in airborne synthetic aperture radar: A review
CN108051809B (zh) 基于Radon变换的运动目标成像方法、装置及电子设备
CN111142105B (zh) 复杂运动目标isar成像方法
US7969345B2 (en) Fast implementation of a maximum likelihood algorithm for the estimation of target motion parameters
CN108427115B (zh) 合成孔径雷达对运动目标参数的快速估计方法
CN108459321B (zh) 基于距离-方位圆模型的大斜视高分辨率sar成像方法
Fan et al. A high-precision method of phase-derived velocity measurement and its application in motion compensation of ISAR imaging
Yang et al. An airborne SAR moving target imaging and motion parameters estimation algorithm with azimuth-dechirping and the second-order keystone transform applied
Kang et al. Ground moving target imaging based on compressive sensing framework with single-channel SAR
Bai et al. A novel method for imaging of group targets moving in a formation
CN109669182B (zh) 无源双基地sar动/静目标联合稀疏成像方法
CN112731394B (zh) 基于近似观测矩阵的聚束sar杂波抑制和动目标重聚焦
CN114384520B (zh) 一种机动平台对海面船只精细化雷达成像方法
Hu et al. IAA-based high-resolution ISAR imaging with small rotational angle
Ran et al. Simultaneous range and cross-range variant phase error estimation and compensation for highly squinted SAR imaging
Newey et al. Detection and imaging of moving targets with limit SAR data
Wen et al. Non-line-of-sight imaging of hidden moving target using millimeter-wave inverse synthetic aperture radar
Garren SAR focus theory of complicated range migration signatures due to moving targets
Xu et al. A variable PRF imaging method for high squint diving SAR
CN108490417B (zh) 一种精确的sar动目标参数估计方法
Zhu et al. New approach for SAR Doppler ambiguity resolution in compressed range time and scaled azimuth time domain
CN111045007A (zh) 一种基于最小图像熵的sar运动目标成像方法
Li et al. Joint Translational Motion Compensation for Multi-target ISAR Imaging Based on Integrated Kalman Filter
CN110736988B (zh) 双基地pfa运动目标参数估计和成像方法
CN110045374B (zh) 一种基于Chirp Scaling的多角度超长聚束SAR超分辨率成像算法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200421