CN111796278A - 基于原子范数与图像熵联合约束的稀疏孔径isar自聚焦方法 - Google Patents
基于原子范数与图像熵联合约束的稀疏孔径isar自聚焦方法 Download PDFInfo
- Publication number
- CN111796278A CN111796278A CN202010625515.6A CN202010625515A CN111796278A CN 111796278 A CN111796278 A CN 111796278A CN 202010625515 A CN202010625515 A CN 202010625515A CN 111796278 A CN111796278 A CN 111796278A
- Authority
- CN
- China
- Prior art keywords
- isar
- image
- entropy
- initial phase
- phase error
- 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
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
- G01S13/9094—Theoretical aspects
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
本发明公开了一种基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,主要解决了传统ISAR自聚焦算法在稀疏孔径条件下初相误差补偿精度不足的问题。该方法主要包括以下步骤:1、对稀疏孔径ISAR回波进行建模;2、根据原子范数极小化算法重构ISAR图像;3、通过最小熵准则估计初相误差;4、迭代求解直至ISAR图像的熵收敛。通过本发明可从稀疏孔径雷达回波中有效估计初相误差,实现ISAR自聚焦,且可有效消除欠采样引入的旁瓣与栅瓣影响,使ISAR图像更清晰。
Description
技术领域
本发明属于雷达信号处理技术领域,特别是一种基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法。
背景技术
逆合成孔径雷达(ISAR)可获取运动目标的高分辨率二维图像,与光学设备相比,ISAR具有全天时、全天候、强穿透的优势,已经成为空间目标识别的重要探测设备,在空间目标监视、导弹防御、雷达天文学等领域获得广泛应用。目前,对于完整雷达回波信号(或称全孔径信号),传统ISAR成像方法已经可以获取运动目标的高分辨图像,但是对于稀疏孔径信号,传统方法基本失效,仍然缺乏有效成像手段。
在实际ISAR成像过程中有很多原因导致稀疏孔径:一是雷达可能处于宽窄带交替工作的模式,窄带用于测量目标的位置和速度,宽带用于成像,此时雷达无法连续发射宽带信号;二是多通道雷达同时对多个目标进行观测和成像,频繁的通道切换也使得部分回波脉冲无法获取;三是现代战争激烈的攻防对抗,导致部分回波脉冲受到干扰而不再可用。稀疏孔径严重影响传统ISAR成像方法性能,一方面,非均匀采样导致传统基于快速傅里叶变换(FFT)的距离-多普勒(RD)成像方法受到较强旁瓣、栅瓣的影响,图像分辨率降低;另一方面,稀疏孔径条件下,雷达回波脉冲之间的相干性遭到破坏,传统基于特显点的自聚焦算法基本失效,而基于图像统计特性的自聚焦算法,如最小熵(Minimum Entropy Algorithm,ME)自聚焦算法虽然受影响较小,但在低孔径稀疏度条件下初相误差的补偿精度也难以满足要求。若无法有效补偿目标平动引起的初相误差,将导致ISAR图像散焦。
发明内容
本发明的目的在于提供一种基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,能够在较低孔径稀疏度条件下有效进行初相矫正的自聚焦。
实现本发明目的的技术解决方案为:一种基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,包括以下步骤:
步骤1、对稀疏孔径ISAR回波进行建模;
步骤2、根据原子范数极小化算法重构ISAR图像x;
步骤4、迭代求解直至x的熵收敛。
进一步的,步骤1所述的对稀疏孔径ISAR回波进行建模,具体如下:
在高频雷达信号照射下,金属目标的回波一般可以等效成数个离散的散射点的回波之和,假设目标包含K个散射点,其中第i个散射点相对目标旋转中心的坐标为(xi,yi),则目标的一维距离像序列s可表示为K个散射点一维距离像的叠加:
其中n=1,2,…,N表示离散化快时间序列的下标,m=1,2,…,M为离散化慢时间序列下标,N和M分别为频率采样点数和全孔径条件下收发的总脉冲数;K表示目标上散射点的个数,σ'i(n)表示散射点i的距离像包络。在稀疏孔径条件下可以使用l=1,2,…,L代替m,且有L<M。ISAR成像模型可以用矩阵形式表示:
s=EFx+n
n表示噪声。在信噪比较高的情况下,进行ISAR成像的过程可以表示为:
x=FHEHs
上式表示,在估计了初相误差之后,对s进行初相误差的补偿,最后进行IFFT即可获得ISAR成像的结果。
进一步的,根据原子范数极小化算法重构ISAR图像x是指:
采用原子范数对ISAR图像进行稀疏特性约束,在此条件下ISAR图像的重构等效于求解如下优化问题:
其中sn表示第n个距离单元的子回波包络,Ω为已知数据对应的索引。上式等价于下式半定规划问题:
对s中每一个距离单元逐次进行稀疏重构后ISAR图像可以表示为:
其中ISAR图像x的熵为:
其中P表示x的能量,即:
由于初相误差并不会影响信号能量,因此ISAR图像x的熵可以简化为:
其中(·)*表示共轭算子,Re(·)表示取实部算子,而我们有:
令其偏导为零,有:
则:
至此基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法过程即为循环进行步骤2-3直至x的熵收敛。
本发明与现有技术相比,其显著优点为:(1)通过本发明的方法可以从稀疏孔径雷达回波中有效估计初相误差,实现ISAR自聚焦,(2)可有效消除欠采样引入的旁瓣与栅瓣的影响,从而获取高聚焦质量的ISAR图像;(3)鲁棒性强,在低信噪比条件下仍然可以实现ISAR自聚焦与成像。
附图说明
图1是本发明基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法的流程示意图。
图2是使用本发明中基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法与传统最小熵自聚焦算法在不同孔径稀疏度条件下对二维解析回波信号进行自聚焦的结果对比。
图3是使用本发明中基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法与传统最小熵自聚焦算法在不同孔径稀疏度条件下对雅克42飞机实测回波信号进行自聚焦的结果对比。
具体实施方式
下面结合说明书附图对本发明作进一步描述。
结合图1,本发明基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,包括以下步骤:
步骤1、对稀疏孔径ISAR回波进行建模;
步骤2、根据原子范数极小化算法重构ISAR图像x;
步骤4、迭代求解直至x的熵收敛。
步骤1所述的对稀疏孔径ISAR回波进行建模,具体如下:
在高频雷达信号照射下,金属目标的回波等效成数个离散的散射点的回波之和,假设目标包含K个散射点,其中第i个散射点相对目标旋转中心的坐标为(xi,yi),则目标的一维距离像序列s可表示为K个散射点一维距离像的叠加:
其中,n=1,2,…,N表示离散化快时间序列的下标,m=1,2,…,M为离散化慢时间序列下标,N和M分别为频率采样点数和全孔径条件下收发的总脉冲数;K表示目标上散射点的个数,σ'i(n)表示散射点i的距离像包络;在稀疏孔径条件下使用l=1,2,…,L代替m,且有L<M;ISAR成像模型用矩阵形式表示:
s=EFx+n
n表示噪声;在信噪比较高的情况下,进行ISAR成像的过程表示为:
x=FHEHs
上式表示,在估计初相误差之后,对s进行初相误差的补偿,最后进行IFFT即可获得ISAR成像的结果。
步骤2所述根据原子范数极小化算法重构ISAR图像x是指采用原子范数对ISAR图像进行稀疏特性约束,在此条件下ISAR图像的重构等效于求解如下优化问题:
其中,sn表示第n个距离单元的子回波包络,Ω为已知数据对应的索引;上式等价于下式半定规划问题:
对s中每一个距离单元逐次进行稀疏重构后ISAR图像表示为:
其中ISAR图像x的熵为:
其中P表示x的能量,即:
ISAR图像x的熵简化为:
其中(·)*表示共轭算子,Re(·)表示取实部算子,
令其偏导为零,有:
则:
至此基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法过程即为循环进行步骤2-3直至x的熵收敛。
傅里叶变换矩阵F和傅里叶逆变换矩阵FH可以使用FFT和IFFT代替。
为了验证本发明方法的正确性与有效性,下面给出了2组稀疏孔径ISAR自聚焦的仿真实验,如图2、3所示。其中表1、表2分别对应于2组仿真的雷达参数。仿真结果与传统的最小熵自聚焦算法做了对比。图2、3的第一列、第二列和第三列分别代表了回波信号的孔径稀疏度在80%、60%和40%时的仿真结果;第一行表示一维距离像序列,对应逐步降低的孔径稀疏度,一维像序列缺失的脉冲数也在增加;第三行为最小熵算法在不同孔径稀疏度条件下的自聚焦结果,在孔径稀疏度为40%时,最小熵算法不仅收敛的速度大大降低,初相误差的补偿精度也有所下降,从最终的自聚焦结果中也可以看出,初相误差无法完全去除,在ISAR图像上残留了一定量的干扰点;第四行为本发明所提方法的自聚焦结果,可以看到该方法在三种孔径稀疏度条件下的自聚焦结果比较相近,均能获得良好的聚焦效果,干扰点基本被去除;第四行为两算法在各孔径稀疏度条件下,图像熵在迭代过程中的下降曲线,可以看到,本发明所提方法的迭代收敛速度始终快于最小熵算法。
表1
表2
以上的仿真实验表明,本发明中所用算法相比于传统的ISAR自聚焦算法更能克服稀疏孔径带来的影响,在低孔径稀疏度条件下仍然能够取得良好的自聚焦效果。
Claims (5)
1.一种基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,其特征在于,包括以下步骤:
步骤1、对稀疏孔径ISAR回波进行建模;
步骤2、根据原子范数极小化算法重构ISAR图像;
步骤3、通过最小熵准则估计初相误差;
步骤4、迭代求解直至ISAR图像的熵收敛。
2.根据权利要求1所述的基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,其特征在于,步骤1所述的对稀疏孔径ISAR回波进行建模,具体如下:
在高频雷达信号照射下,金属目标的回波等效成数个离散的散射点的回波之和,假设目标包含K个散射点,其中第i个散射点相对目标旋转中心的坐标为(xi,yi),则目标的一维距离像序列s可表示为K个散射点一维距离像的叠加:
其中,n=1,2,…,N表示离散化快时间序列的下标,m=1,2,…,M为离散化慢时间序列下标,N和M分别为频率采样点数和全孔径条件下收发的总脉冲数;K表示目标上散射点的个数,σ'i(n)表示散射点i的距离像包络;在稀疏孔径条件下使用l=1,2,…,L代替m,且有L<M;ISAR成像模型用矩阵形式表示:
s=EFx+n
n表示噪声;在信噪比较高的情况下,进行ISAR成像的过程表示为:
x=FHEHs
上式表示,在估计初相误差之后,对s进行初相误差的补偿,最后进行IFFT即可获得ISAR成像的结果。
5.根据权利要求1所述的基于原子范数与图像熵联合约束的稀疏孔径ISAR自聚焦方法,其特征在于,傅里叶变换矩阵F和傅里叶逆变换矩阵FH可以使用FFT和IFFT代替。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010625515.6A CN111796278A (zh) | 2020-07-02 | 2020-07-02 | 基于原子范数与图像熵联合约束的稀疏孔径isar自聚焦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010625515.6A CN111796278A (zh) | 2020-07-02 | 2020-07-02 | 基于原子范数与图像熵联合约束的稀疏孔径isar自聚焦方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111796278A true CN111796278A (zh) | 2020-10-20 |
Family
ID=72810085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010625515.6A Pending CN111796278A (zh) | 2020-07-02 | 2020-07-02 | 基于原子范数与图像熵联合约束的稀疏孔径isar自聚焦方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111796278A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093225A (zh) * | 2015-08-25 | 2015-11-25 | 西安电子科技大学 | 基于双重稀疏约束的逆合成孔径雷达自聚焦成像方法 |
CN109085589A (zh) * | 2018-10-16 | 2018-12-25 | 中国人民解放军国防科技大学 | 基于图像质量引导的稀疏孔径isar成像相位自聚焦方法 |
CN109633646A (zh) * | 2019-01-21 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种基于加权l1范数约束的双基地isar成像方法 |
CN110244303A (zh) * | 2019-07-12 | 2019-09-17 | 中国人民解放军国防科技大学 | 基于sbl-admm的稀疏孔径isar成像方法 |
CN110275166A (zh) * | 2019-07-12 | 2019-09-24 | 中国人民解放军国防科技大学 | 基于admm的快速稀疏孔径isar自聚焦与成像方法 |
CN110726992A (zh) * | 2019-10-25 | 2020-01-24 | 中国人民解放军国防科技大学 | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 |
-
2020
- 2020-07-02 CN CN202010625515.6A patent/CN111796278A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093225A (zh) * | 2015-08-25 | 2015-11-25 | 西安电子科技大学 | 基于双重稀疏约束的逆合成孔径雷达自聚焦成像方法 |
CN109085589A (zh) * | 2018-10-16 | 2018-12-25 | 中国人民解放军国防科技大学 | 基于图像质量引导的稀疏孔径isar成像相位自聚焦方法 |
CN109633646A (zh) * | 2019-01-21 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种基于加权l1范数约束的双基地isar成像方法 |
CN110244303A (zh) * | 2019-07-12 | 2019-09-17 | 中国人民解放军国防科技大学 | 基于sbl-admm的稀疏孔径isar成像方法 |
CN110275166A (zh) * | 2019-07-12 | 2019-09-24 | 中国人民解放军国防科技大学 | 基于admm的快速稀疏孔径isar自聚焦与成像方法 |
CN110726992A (zh) * | 2019-10-25 | 2020-01-24 | 中国人民解放军国防科技大学 | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 |
Non-Patent Citations (2)
Title |
---|
WEITAO WU 等: "Sparse Aperture Inverse Synthetic Aperture Radar Imaging Based on Gridless Compressive Sensing", 《2019 INTERNATIONAL APPLIED COMPUTATIONAL ELECTROMAGNETICS SOCIETY SYMPOSIUM-CHINA (ACES)》 * |
徐刚;张磊;陈倩倩;邢孟道;: "基于稀疏约束最优化的ISAR相位自聚焦成像算法", 电子学报, no. 09 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275166B (zh) | 基于admm的快速稀疏孔径isar自聚焦与成像方法 | |
CN109507666B (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
CN107229048B (zh) | 一种高分宽幅sar动目标速度估计与成像方法 | |
CN109212526B (zh) | 用于高频地波雷达的分布式阵列目标角度测量方法 | |
CN102955150B (zh) | 基于天线主瓣占优强度约束的sar方位模糊抑制方法 | |
CN110068805B (zh) | 基于变分贝叶斯推论的高速目标hrrp重构方法 | |
CN108279404B (zh) | 一种基于空间谱估计的双通道sar相位误差校正方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN109471095B (zh) | 一种基于快速迭代插值的fmcw雷达距离估计方法 | |
CN108226928B (zh) | 基于期望传播算法的逆合成孔径雷达成像方法 | |
CN104076360B (zh) | 基于压缩感知的二维sar稀疏目标成像方法 | |
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 | |
CN108646247B (zh) | 基于伽马过程线性回归的逆合成孔径雷达成像方法 | |
Zhang et al. | A novel moving target imaging algorithm for HRWS SAR based on local maximum-likelihood minimum entropy | |
CN109212489B (zh) | 一种基于辅助脉冲的fda-mimo雷达模糊杂波抑制方法 | |
CN111722227B (zh) | 基于近似观测矩阵的聚束sar压缩感知成像方法 | |
CN111722225B (zh) | 基于先验相位结构信息的双基sar两维自聚焦方法 | |
CN108061882A (zh) | 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 | |
CN112859075A (zh) | 多频带isar融合高分辨成像方法 | |
CN109917383B (zh) | 基于回波降采样积累的低信噪比isar成像方法 | |
CN113608217B (zh) | 基于增强矩阵补全的isar稀疏成像方法 | |
CN108594196B (zh) | 一种目标散射中心参数提取方法及装置 | |
CN114252878A (zh) | 一种基于逆合成孔径雷达对运动目标进行成像及横向定标的方法 | |
CN108931770B (zh) | 基于多维贝塔过程线性回归的isar成像方法 | |
CN111796278A (zh) | 基于原子范数与图像熵联合约束的稀疏孔径isar自聚焦方法 |
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 |