CN112946646B - 基于isar图像解译的卫星目标姿态和尺寸估计方法 - Google Patents

基于isar图像解译的卫星目标姿态和尺寸估计方法 Download PDF

Info

Publication number
CN112946646B
CN112946646B CN202110134796.XA CN202110134796A CN112946646B CN 112946646 B CN112946646 B CN 112946646B CN 202110134796 A CN202110134796 A CN 202110134796A CN 112946646 B CN112946646 B CN 112946646B
Authority
CN
China
Prior art keywords
satellite
main body
vector
image
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.)
Active
Application number
CN202110134796.XA
Other languages
English (en)
Other versions
CN112946646A (zh
Inventor
王家东
刘若晨
李亚超
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110134796.XA priority Critical patent/CN112946646B/zh
Publication of CN112946646A publication Critical patent/CN112946646A/zh
Application granted granted Critical
Publication of CN112946646B publication Critical patent/CN112946646B/zh
Active 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
    • G01S13/904—SAR modes
    • G01S13/9064—Inverse SAR [ISAR]
    • 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
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S7/418—Theoretical aspects

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

本发明公开了一种基于ISAR图像解译的卫星目标姿态和尺寸估计的方法，主要解决现有技术无法有效获取卫星姿态和几何特征的问题。其方案是：1)根据获取的卫星回波信号得到卫星的ISAR图像序列；2)计算卫星ISAR图像的投影向量和投影矩阵；3)对ISAR图像序列进行图像分割，得到卫星主体图像，并提取卫星主体图像散射点；4)利用散射点二维位置估计卫星主体二维指向；5)利用二维指向构建求解卫星主体姿态尺寸的优化函数，采用梯度法求解该优化函数得到卫星主体姿态和尺寸。本发明能够联合估计目标姿态和尺寸，且提高了估计精度，可用于对卫星进行故障分析、间谍卫星状态确定。

Description

基于ISAR图像解译的卫星目标姿态和尺寸估计方法
技术领域
本发明属于雷达技术领域，特别涉及一种卫星目标姿态和尺寸估计方法，可以用于卫星分类识别、卫星故障分析、间谍卫星状态的确定。
背景技术
卫星目标姿态和尺寸估计对分析卫星目标的状态和几何特性等方面具有非常重要的意义。利用逆合成孔径雷达ISAR对卫星目标连续测量获得的图像序列来精确估计卫星主体的绝对姿态和绝对长度的技术实际应用于卫星分类识别、卫星故障分析、间谍卫星状态的确定或分析卫星其他军事活动等领域，是卫星目标姿态和尺寸估计的实用技术。
目前，获取卫星姿态和几何特征等卫星状态信息的方法大体可分为三类：第一类是使用姿态传感器来记录卫星的三维旋转角变化，然后用滤波器对旋转角进行滤波，得到卫星姿态。这种方法适用于装备有三轴陀螺仪和姿态传感器的航天器，不适用于非合作目标。第二类是通过电磁仿真技术建立完整的全角度观测目标的仿真数据库，利用观测数据来匹配完备数据库，利用最优搜索算法求解空间目标的姿态参数。该方法需要与真实目标相似的模型来建立完备数据库，且计算量大。第三类是利用多角度观测的ISAR图像序列重建目标三维散射点模型来获取目标姿态，这种方法很难在实际中应用。
近年来，利用ISAR图像中卫星的特定几何结构来估计卫星姿态的一些新方法被提出，如利用ISAR序列图像中矩形太阳能电池板的典型线结构特征，将序列ISAR图像中提取的直线关联起来，通过求解优化问题，可以估计卫星的姿态。这是一种在大多数情况下探索卫星姿态的实用方法。
授权公告号为CN105447867B，名称为“基于ISAR图像的空间目标姿态估计方法”的中国专利，公开了一种基于ISAR图像的空间目标姿态估计方法，包括：对ISAR雷达系统接收的回波信号，采用距离-多普勒算法对其进行处理，得到P幅目标区域的雷达图像，并依次进行滤波和对数变换，再进行目标与背景的分割，得到P幅目标-背景的二值图像；对每幅目标-背景的二值图像进行形态学处理，得到提取边界后的图像；提取每幅提取边界后的图像的N个线性结构；将第p幅提取边界后的图像与第p-1幅提取边界后的图像进行关联处理；设定每个线性结构的姿态参数集，并构造每个线性结构的代价函数，在每个线性结构的姿态参数集中搜索使其代价函数达到最小的一组姿态参数，即完成对空间目标的姿态估计。但该方法只能估计空间目标的绝对姿态，不能估计尺寸，且该方法复杂度高，估计精度低。
发明内容
本发明的目的在于针对现有技术的不足，提出一种基于ISAR图像解译的卫星姿态和尺寸估计方法，以在估计卫星姿态的同时，估计卫星的尺寸，并减小复杂度高、提高估计精度。
本发明的技术思路是：通过获取卫星的ISAR图像序列，计算投影矢量和投影矩阵；通过采用基于深度学习网络pix2pixGAN方法对ISAR图像序列进行图像分割，得到卫星主体图像；通过用正交匹配寻踪OMP方法提取卫星主体图像散射点，对散射点二维位置进行主成分分析PCA估计卫星主体二维指向；通过构建求解卫星主体姿态尺寸的优化函数，并采用梯度法对其求解获得卫星主体姿态和尺寸。
根据上述技术思路，本发明的实现步骤包括如下：
(1)对ISAR雷达系统在接收观测时间段内的回波信号，采用距离-多普勒算法进行成像处理，得到ISAR图像序列；
(2)计算卫星距离维和方位维的投影矢量，建立卫星目标到ISAR图像的投影矩阵P；
(3)采用基于深度学习网络Pix2pixGAN方法对ISAR图像序列进行图像分割，得到仅包含卫星主体的图像；
(4)采用正交匹配寻踪OMP算法提取ISAR图像分割后的卫星主体图像的散射点；
(5)对散射点的二维位置进行主成分分析PCA，得到ISAR图像中卫星主体的二维指向；
(6)利用卫星主体的二维指向构建优化函数如下优化函数:
Figure GDA0003971506030000021
其中，f(θ,
Figure GDA0003971506030000022
L)是卫星主体的待估计优化向量n(θ,
Figure GDA0003971506030000023
L)和卫星主体二维指向的估计值
Figure GDA0003971506030000024
之间的距离函数，θ和
Figure GDA0003971506030000025
是卫星在自身坐标系下的方位角和俯仰角，L是卫星主体的绝对长度，x是优化函数的最优解；
(7)采用梯度法求解优化函数
Figure GDA0003971506030000026
的最优解x，得到卫星主体的三维绝对姿态和绝对长度的估计值。
本发明与现有技术相比，具有如下优点：
第一，本发明由于构造了关于卫星姿态和尺寸的优化函数，因而与基于因子分解的三维重构方法相比，能够实现卫星姿态和尺寸的联合估计，且估计精度高；
第二，本发明由于在全局重构约束的基础上，引入了具有特定结构的判别器，提出基于Pix2pixGAN的ISAR图像分割方法，其与现有的全卷积网络FCN、SegNet和DeepLabV3+分割方法相比，使生成器生成的分割图像的细节信息更精确，分割精度更高；
第三，本发明使用的基于梯度搜索优化函数最小值法与粒子群算法PSO相比，计算量小，对卫星目标姿态和尺寸的估计精度更高。
附图说明
图1是本发明的实现流程图。
具体实施方式
下面结合附图对本发明的具体实施例作进一步详细描述。
参照图1，本实例基于ISAR图像解译的卫星姿态和尺寸估计方法，包括如下步骤：
步骤1，由雷达的回波信号得到ISAR图像序列。
1.1)由ISAR雷达系统接收观测时间段内的回波信号；
1.2)采用距离-多普勒算法对回波信号进行处理，得到ISAR图像序列：
1.2.1)对在观测时间段内接收到的回波信号做快时间维的傅里叶变换，得到傅里叶变换后的回波信号sF(fr,t)：
Figure GDA0003971506030000031
其中，sT(fr)≈rect(fr/Tpγ)·exp(-jπfr 2/γ)，fr是多普勒频率，Tp是脉冲宽度，γ是调频率；A(x,y)为目标散射点(x,y)处的散射系数，r(t)是目标散射点(x,y)与雷达之间的瞬时距离，t是慢时间，c为光速，fc是载频，L是目标散射点区域；
1.2.2)对傅里叶变换后的信号sF(fr,t)进行匹配滤波，得到匹配滤波后的信号s(m,n)：
Figure GDA0003971506030000032
其中，
Figure GDA0003971506030000033
是理想信号的离散形式，n表示第n个脉冲，m表示距离频域的第m个距离单元，Δte(n)是距离偏移，Δfr是多普勒带宽，Δφ(n)是相位误差；
1.2.3)对匹配滤波后的信号s(m,n)进行包络对齐，得到包络对齐后的回波信号s(p,n)：
s(p,n)＝A(x,y)·exp(-jΔφ(n))
其中，p是第p个距离单元；
1.2.4)对包络对齐后的信号s(p,n)进行相位补偿，得到相位补偿后的回波信号
Figure GDA0003971506030000041
Figure GDA0003971506030000042
其中，(x,y)是目标的散射点坐标，λ是波长，ωe是有效转动速度；
1.2.5)对相位补偿后的信号
Figure GDA0003971506030000043
进行二维傅里叶变换，获得ISAR图像，在成像时间段内重复以上步骤，得到ISAR图像序列。
步骤2，计算卫星主体距离维投影矢量i和方位维投影矢量j”。
2.1)设雷达站的地理经度为Φ，地理纬度为ψ，地球半径为R0，得到雷达在地心地固坐标系中的位置矢量r：
r＝[R0·cosψ·cosΦ R0·cosψ·sinΦ R0·sinψ]T；
其中，[g]T表示转置；
2.2)计算雷达坐标系到地心地固坐标系的旋转矩阵
Figure GDA0003971506030000044
Figure GDA0003971506030000045
2.3)由目标在雷达坐标系下的距离R，方位角a，俯仰角b，得到目标在雷达坐标系中的位置矢量r2为：
Figure GDA0003971506030000051
2.4)根据雷达在地心地固坐标系中的位置矢量r和目标在雷达坐标系下的位置矢量r2及旋转矩阵
Figure GDA0003971506030000052
得到目标在地心地固坐标系中的位置矢量r1为：
Figure GDA0003971506030000053
2.5)对目标在地心地固坐标系下的位置矢量r1求时间的一阶导，得到目标飞行的速度：
Figure GDA0003971506030000054
其中tm为时间，m＝1,2,…,M，M是观测时间的终止时刻，根据目标在地心地固坐标系中的位置矢量r1和目标飞行的速度v，求得在地心地固坐标系中目标自身坐标系的坐标轴单位向量为：
Figure GDA0003971506030000055
2.6)根据雷达在地心地固坐标系中的位置矢量r和目标在地心地固坐标系中的位置矢量r1，得到雷达射线在地心地固坐标系中的矢量r3为：
r3＝r1-r；
2.7)根据目标自身坐标系的坐标轴在地心地固坐标系下的单位向量和雷达射线在地心地固坐标系中的矢量r3，得到雷达视线方向矢量i'在目标自身坐标系下的表达式为：
i'＝[X3·r3 Y3·r3 Z3·r3]T；
2.8)根据在目标自身坐标系下的雷达视线方向矢量i'，计算雷达射线在目标自身坐标系中的方位角α(tm)和俯仰角β(tm)为：
Figure GDA0003971506030000061
其中，i'1(tm),i'2(tm),i'3(tm)分别表示i'的第1、2、3个元素，tm为时间，m＝1,2,…,M，M是观测时间的终止时刻；
2.9)根据2.8)中的结果，得到时间为tm的雷达视线方向矢量i'(tm)：
i'(tm)＝[cosβ(tm)sinα(tm),cosβ(tm)cosα(tm),sinβ(tm)]T；
2.10)根据2.9)的结果，得到t0时刻的卫星主体距离维投影矢量i和方位维投影矢量j”：
Figure GDA0003971506030000062
Figure GDA0003971506030000063
其中，i'(t0)是t0时刻的雷达视线方向矢量，Δr＝c/2B，Δr是距离分辨率,c是光速，B是带宽，
Figure GDA0003971506030000064
是t0时刻的雷达视线方向矢量关于时间的一阶导数，
Figure GDA0003971506030000065
Δfa是方位分辨率，λ是波长，ΔΩ是目标相对于雷达视线的转角，
Figure GDA0003971506030000066
和
Figure GDA0003971506030000067
分别是方位角和俯仰角在t0时刻对时间的一阶导数。
步骤3，计算卫星目标到ISAR图像的投影矩阵P。
根据ISAR成像平面的距离维投影矢量i和方位维投影矢量j”，得到目标三维结构到ISAR成像平面的投影矩阵
Figure GDA0003971506030000071
步骤4，采用Pix2pixGAN方法得到卫星主体图像。
4.1)选用Pix2pixGAN分割网络，并设置该分割网络的损失函数G*为：
Figure GDA0003971506030000072
其中，
Figure GDA0003971506030000073
是传统的对抗损失函数，
Figure GDA0003971506030000074
是L1损失函数，μ是L1的损失权重系数，
Figure GDA0003971506030000075
为数学期望，G为生成器，D为鉴别器，xp和yp是初始ISAR图像和标记ISAR图像的小切片，p＝1,2,…P，P是切片的总数；
4.2)对每一幅训练样本图像中卫星主体进行人工标记处理，将标记图像与原始图像作为成对的图像输入到Pix2pixGAN分割网络中，当鉴别器D无法区分生成图像与真实标记图像时，即完成对分割网络的训练；
4.3)用训练好的网络对观测时间内生成的卫星ISAR图像进行主体的标记，得到卫星主体部分的ISAR图像。
步骤5，建立求解散射点二维位置的稀疏优化问题。
5.1)根据分割后的卫星主体图像，计算卫星主体的总后向散射响应信号E：
Figure GDA0003971506030000076
其中，
Figure GDA0003971506030000077
表示来自第i个散射点的响应信号，θ'＝[θ'1,θ'2,…,θ'i,…,θ'N]T是散射点集合的参数矩阵，i＝1,2,…,N'，N'是散射点的个数，θ'i＝[Ai,xi,yi]T是第i个散射点的参数向量，其中Ai和(xi,yi)分别表示振幅和位置，c是光速，f是载频，φ是目标转角；
5.2)根据总后向散射响应信号，计算字典原子di：
Figure GDA0003971506030000081
其中，vec(·)表示向量化操作，||vec(Ei(f,φ；θ'i))||2是vec(Ei(f,φ；θ'i))的归一化；
5.3)根据字典原子di，构建冗余的参数化字典D(θ')：
D(θ')＝[d1,…,di,…,dN']；
5.4)根据冗余的参数化字典D(θ')，得到N'个散射点信号的稀疏表示：
s＝D(θ')σ+η，
其中，s是观测信号E的向量化，σ是系数向量，η表示加性噪声；
5.5)根据N'个散射点信号的稀疏表示，建立稀疏优化问题：
Figure GDA0003971506030000082
其中，argmin(·)表示取函数自变量最小值运算，||·||0表示l0范数，||σ||0表示向量σ中非零项的数目，||·||2表示l2范数，
Figure GDA0003971506030000083
是估计系数，ξ是噪声。
步骤6，提取散射点集合的二维位置。
提取散射点集合的二维位置的现有技术有MP算法、CoSaMP算法和OMP算法，本实例使用但不限于用OMP算法，其具体实施步骤如下：
6.1)输入观测信号s，噪声阈值ξ，将散射点个数N'为迭代次数；
6.2)设置初始的残差信号r0＝s，迭代计数k＝1，
Figure GDA0003971506030000084
6.3)根据参数化的冗余字典D(θ')，计算相关矩阵C(θ')＝DH(θ')×r0，其中(·)H表示共轭转置；
6.4)根据相关矩阵C(θ')获取散射中心的参数集：
Figure GDA0003971506030000085
6.5)更新散射点的参数矩阵，令
Figure GDA0003971506030000086
用最小二乘法计算第k个散射点的幅度σk；
6.6)将
Figure GDA0003971506030000087
与噪声阈值ξ作比较，k与迭代次数N'作比较：
若
Figure GDA0003971506030000091
或k＜N'，则更新残差信号
Figure GDA0003971506030000092
令k＝k+1，返回6.3)；
若
Figure GDA0003971506030000093
且k≥N'，则停止迭代，得到卫星主体散射点的参数集合：
Figure GDA0003971506030000094
其中，
Figure GDA0003971506030000095
N'是散射点的个数，
Figure GDA0003971506030000096
和
Figure GDA0003971506030000097
分别是求解稀疏优化问题得到的第i个散射点的振幅和第i个散射点的二维位置。
步骤7，通过主成分分析，计算ISAR图像中卫星主体的二维指向的估计值。
7.1)根据求解稀疏优化问题得到的散射点集合的二维位置，构建协方差矩阵：
Figure GDA0003971506030000098
其中，
Figure GDA0003971506030000099
是
Figure GDA00039715060300000910
的平均值，
Figure GDA00039715060300000911
是
Figure GDA00039715060300000912
的平均值，
Figure GDA00039715060300000913
表示从分割的ISAR图像中提取的散射点的位置矩阵，mean(·)表示均值运算；
7.2)对协方差矩阵C进行特征值分解，得到最大特征值的特征向量β，并将特征向量β归一化，得到卫星主体在二维成像平面上的投影指向
Figure GDA00039715060300000914
7.3)根据分割后的ISAR图像中散射点的位置矩阵A和协方差矩阵C的最大特征值的特征向量β，估计卫星主体的投影长度
Figure GDA00039715060300000915
Figure GDA00039715060300000916
其中，AT表示从分割的ISAR图像中提取的散射点位置矩阵A的转置；
7.4)根据卫星主体的投影长度
Figure GDA00039715060300000917
和卫星主体在二维成像平面上的投影指向
Figure GDA00039715060300000918
得到卫星主体二维指向的估计值：
Figure GDA00039715060300000919
步骤8，利用卫星主体的二维指向估计值
Figure GDA00039715060300000920
构建优化函数。
8.1)根据卫星目标到ISAR图像的投影矩阵P，得到卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300000921
L)：
Figure GDA00039715060300000922
其中，
Figure GDA0003971506030000101
是卫星的三维指向矢量，θ和
Figure GDA0003971506030000102
是卫星在自身坐标系下的方位角和俯仰角，L是卫星主体的绝对长度，P是卫星目标到ISAR图像的投影矩阵；
8.2)根据卫星主体的待估计优化向量n(θ,
Figure GDA0003971506030000103
L)和二维指向的估计值
Figure GDA0003971506030000104
建立卫星主体的待估计优化向量n(θ,
Figure GDA0003971506030000105
L)与二维指向的估计值
Figure GDA0003971506030000106
之间的距离函数f(θ,
Figure GDA0003971506030000107
L)
Figure GDA0003971506030000108
其中，
Figure GDA0003971506030000109
和
Figure GDA00039715060300001010
表示第j'个卫星主体二维指向的估计值
Figure GDA00039715060300001011
的第一个和第二个元素，j'是ISAR图像的帧索引，j'＝1,2,…,K，K是ISAR图像的总帧数；
Figure GDA00039715060300001012
和
Figure GDA00039715060300001013
表示第j个卫星主体的待估计优化向量nj'(θ,
Figure GDA00039715060300001014
L)的第一个和第二个元素,其表示如下：
Figure GDA00039715060300001015
其中，E1＝[1,0]T，E2＝[0,1]T，Pj'是第j'个投影矩阵，j'＝1,2,…,K，K是ISAR图像的总帧数；
8.3)根据卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001016
L)与二维指向的估计值
Figure GDA00039715060300001017
之间的距离函数f(θ,
Figure GDA00039715060300001018
L)，构建卫星主体待估计优化向量n(θ,
Figure GDA00039715060300001019
L)与卫星主体二维指向的估计值
Figure GDA00039715060300001020
之间的距离优化函数：
Figure GDA00039715060300001021
其中，θ和
Figure GDA00039715060300001022
分别是卫星在自身坐标系下的方位角和俯仰角，L是卫星主体的绝对长度，x是优化函数的最优解。
步骤9，求解优化函数，得到卫星主体的三维绝对姿态和绝对长度。
求解优化函数
Figure GDA00039715060300001023
的现有技术有PSO、GA算法和基于梯度的迭代方法，本实例使用但不限于用基于梯度的迭代方法，其具体实施步骤如下：
9.1)构建卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001024
L)与二维指向的估计值
Figure GDA00039715060300001025
之间的距离函数f(θ,
Figure GDA0003971506030000111
L)相对于卫星在自身坐标系下的方位角θ、俯仰角
Figure GDA0003971506030000112
及绝对长度L的梯度表达式：
9.1.1)根据卫星主体的待估计优化向量n(θ,
Figure GDA0003971506030000113
L)与二维指向的估计值
Figure GDA0003971506030000114
之间的距离函数f(θ,
Figure GDA0003971506030000115
L)，得到方位角θ关于卫星主体的待估计优化向量n(θ,
Figure GDA0003971506030000116
L)与二维指向的估计值
Figure GDA0003971506030000117
之间的距离函数f(θ,
Figure GDA0003971506030000118
L)的偏导数：
Figure GDA0003971506030000119
其中，
Figure GDA00039715060300001110
9.1.2)根据卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001111
L)与二维指向的估计值
Figure GDA00039715060300001112
之间的距离函数f(θ,
Figure GDA00039715060300001113
L)，得到俯仰角
Figure GDA00039715060300001114
关于卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001115
L)与二维指向的估计值
Figure GDA00039715060300001116
之间的距离函数f(θ,
Figure GDA00039715060300001117
L)的偏导数：
Figure GDA00039715060300001118
其中，
Figure GDA00039715060300001119
9.1.3)根据卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001120
L)与二维指向的估计值
Figure GDA00039715060300001121
之间的距离函数f(θ,
Figure GDA00039715060300001122
L)，得到卫星主体绝对长度L关于卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001123
L)与二维指向的估计值
Figure GDA00039715060300001124
之间的距离函数f(θ,
Figure GDA00039715060300001125
L)的偏导数：
Figure GDA00039715060300001126
9.1.4)根据9.1.1)-9.1.3)的结果，得到卫星主体的待估计优化向量n(θ,
Figure GDA00039715060300001127
L)与二维指向的估计值
Figure GDA00039715060300001128
之间的距离函数f(θ,
Figure GDA00039715060300001129
L)相对于卫星在自身坐标系下的方位角θ、俯仰角
Figure GDA0003971506030000121
及绝对长度L的梯度的表达式：
Figure GDA0003971506030000122
9.2)设定搜索次数k＝1，设置初始参数矢量x1＝[0,0,0]T，初始迭代矩阵H1＝I,其中I是单位矩阵；
9.3)计算搜索方向：dk＝HkΔfk，其中Hk是第k次的迭代矩阵，Δfk是f(θ,
Figure GDA0003971506030000123
L)在xk处的梯度，xk是第k次迭代的参数向量；
9.4)根据dk计算搜索步长：
Figure GDA0003971506030000124
令xk+1＝xk+λkdk；
9.5)更新迭代矩阵Hk+1
Figure GDA0003971506030000125
其中，pk＝λkdk，gk＝Δfk+1-Δfk，Δfk+1是f(θ,
Figure GDA0003971506030000126
L)在xk+1处的梯度；
9.6)设梯度阈值ε＝10-4，将9.3)中的Δfk与ε作比较：
若||Δfk||≥ε,则令k＝k+1，返回9.3)；
若||Δfk||＜ε，则终止迭代，得到
Figure GDA0003971506030000127
是最优解，其中，(θ*,
Figure GDA0003971506030000128
)是卫星主体的绝对姿态的估计值和L*是卫星主体的绝对长度的估计值。
以上描述仅是本发明的一个具体实例，并未构成对本发明的任何限制，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (8)

1.一种基于ISAR图像解译的卫星目标姿态和尺寸估计方法，其特征在于，包括如下：
(1)对ISAR雷达系统在观测时间段内接收的回波信号，采用距离-多普勒RD算法进行成像处理，得到ISAR图像序列；
(2)计算卫星距离维和方位维的投影向量，建立卫星目标到ISAR图像的投影矩阵P；
(3)采用基于深度学习网络Pix2pixGAN方法对ISAR图像序列进行图像分割，得到仅包含卫星主体的图像；
(4)采用正交匹配寻踪OMP算法提取ISAR图像分割后的卫星主体图像的散射点；
(5)对散射点的二维位置进行主成分分析PCA，得到ISAR图像中卫星主体的二维指向；
(6)利用卫星主体的二维指向构建优化函数如下:
Figure FDA0004057642360000011
其中，
Figure FDA0004057642360000012
是卫星主体的待估计优化向量
Figure FDA0004057642360000013
与卫星主体二维指向的估计值
Figure FDA0004057642360000014
之间的距离函数，θ和
Figure FDA0004057642360000015
是卫星在自身坐标系下的方位角和俯仰角，L是卫星主体的绝对长度，x是优化函数的最优解；
(7)采用梯度法求解优化函数
Figure FDA0004057642360000016
的最优解x，得到卫星主体的三维绝对姿态和绝对长度的估计值。
2.根据权利要求1所述的方法，其特征在于：(1)中采用距离-多普勒算法对回波信号进行成像处理，实现如下：
(2a)对在观测时间段内接收到的回波信号做快时间维的傅里叶变换，得到傅里叶变换后的回波信号sF(fr,t)：
Figure FDA0004057642360000021
其中，sT(fr)≈rect(fr/Tpγ)·exp(-jπfr 2/γ)，fr是多普勒频率，Tp是脉冲宽度，γ是调频率；A(x,y)为目标散射点(x,y)处的散射系数，r(t)是目标散射点(x,y)与雷达之间的瞬时距离，t是慢时间，c为光速，fc是载频，L'是目标散射点区域；
(2b)对傅里叶变换后的信号sF(fr,t)进行匹配滤波，得到匹配滤波后的信号s(m,n)：
Figure FDA0004057642360000022
其中，
Figure FDA0004057642360000023
是理想信号的离散形式，n表示第n个脉冲，m表示距离频域的第m个距离单元，Δfr是多普勒带宽，Δte(n)是距离偏移，Δφ(n)是相位误差；
(2c)对匹配滤波后的信号s(m,n)进行包络对齐，得到包络对齐后的回波信号s(p,n)：
s(p,n)＝A(x,y)·exp(-jΔφ(n))，
其中，p是第p个距离单元；
(2d)对包络对齐后的信号s(p,n)进行相位补偿，得到相位补偿后的回波信号
Figure FDA0004057642360000024
Figure FDA0004057642360000025
其中，(x,y)是目标的散射点坐标，λ是波长，ωe是有效转动速度；
(2e)对相位补偿后的信号
Figure FDA0004057642360000026
进行二维傅里叶变换，获得ISAR图像，在成像时间段内重复以上步骤，得到ISAR图像序列。
3.根据权利要求1所述的方法，其特征在于：(2)中计算距离维和方位维的投影向量，建立卫星目标到ISAR图像的投影矩阵，实现如下：
(3a)计算目标自身坐标系下的雷达视线方向矢量i'：
i'＝[X3·r3 Y3·r3 Z3·r3]T，
其中，(X3,Y3,Z3)是在地心地固坐标系下目标自身坐标系坐标轴的单位矢量，r3是地心地固坐标系下的雷达视线方向矢量，[·]T表示转置；
(3b)根据目标自身坐标系下的雷达视线方向矢量i'，计算t0时刻的投影平面距离维向量i：
Figure FDA0004057642360000031
其中，Δr是距离分辨率，i'(t0)是t0时刻的雷达视线方向矢量；
(3c)根据目标自身坐标系下的雷达视线方向矢量i'，计算t0时刻的投影平面的方位维投影向量j”：
Figure FDA0004057642360000032
其中，Δfa是方位分辨率，
Figure FDA0004057642360000033
是t0时刻的雷达视线方向矢量关于时间的一阶导数，tm为时间；
(3d)根据ISAR成像平面的距离维投影向量i和方位维投影向量j”，得到目标三维结构到ISAR成像平面的投影矩阵
Figure FDA0004057642360000034
4.根据权利要求1所述的方法，其特征在于：(3)中采用Pix2pixGAN方法对ISAR图像序列进行图像分割，实现如下：
(4a)对每一幅训练样本图像中卫星主体进行人工标记处理；
(4b)将标记图像与原始图像作为成对的图像输入到Pix2pixGAN分割网络中，对该分割网络进行训练；
(4c)用训练好的分割网络对观测时间内生成的卫星ISAR图像进行主体的标记，得到仅包含卫星主体图像。
5.根据权利要求1所述的方法，其特征在于：(4)中采用正交匹配寻踪OMP算法提取ISAR图像分割后卫星主体图像中的散射点，实现如下：
(5a)建立如下稀疏优化问题：
Figure FDA0004057642360000041
其中，argmin(·)表示取函数自变量最小值运算，||·||0表示l0范数，||σ||0表示向量σ中非零项的数目，
Figure FDA0004057642360000042
是估计系数，||·||2表示l2范数，s是观测信号的向量化，σ是系数向量，D(θ')是参数化的冗余字典，θ'是散射点集合的参数矩阵，ξ是噪声；
(5b)求解稀疏优化问题，得到属于卫星主体散射点的参数集合
Figure FDA0004057642360000043
其中，
Figure FDA0004057642360000044
N'是散射点的个数，
Figure FDA0004057642360000045
是第i个散射点的振幅，
Figure FDA0004057642360000046
是第i个散射点的二维位置。
6.根据权利要求1所述的方法，其特征在于：(5)中对主体散射点的二维位置进行主成分分析，得到ISAR图像中卫星主体的二维指向，实现如下：
(6a)根据求解稀疏优化问题得到的散射点集合的二维位置，构建协方差矩阵
Figure FDA0004057642360000047
其中
Figure FDA0004057642360000048
A表示从分割的ISAR图像中提取的散射点的位置矩阵，mean(·)表示均值运算；
(6b)对协方差矩阵C进行特征值分解，得到最大特征值的特征向量β，并将特征向量β归一化，得到卫星主体在二维成像平面上的投影指向
Figure FDA0004057642360000049
(6c)估计卫星主体的投影长度
Figure FDA00040576423600000410
Figure FDA00040576423600000411
其中，AT表示从分割的ISAR图像中提取的散射点位置矩阵A的转置；
(6d)根据(6b)和(6c)的结果计算卫星主体二维指向的估计值：
Figure FDA0004057642360000051
7.根据权利要求1所述的方法，其特征在于：(6)中利用卫星主体的二维指向构建优化函数，实现如下：
(7a)根据卫星目标到ISAR图像的投影矩阵P，得到卫星主体的待估计优化向量
Figure FDA0004057642360000052
Figure FDA0004057642360000053
其中，
Figure FDA0004057642360000054
是卫星的三维指向矢量，θ和
Figure FDA0004057642360000055
是卫星在自身坐标系下的方位角和俯仰角，L是卫星主体的绝对长度，P是卫星目标到ISAR图像的投影矩阵；
Figure FDA0004057642360000056
(7b)计算卫星主体的待估计优化向量
Figure FDA0004057642360000057
与卫星主体二维指向的估计值
Figure FDA0004057642360000058
之间的距离函数
Figure FDA0004057642360000059
Figure FDA00040576423600000510
其中，
Figure FDA00040576423600000511
和
Figure FDA00040576423600000512
表示第j'个卫星主体的待估计优化向量
Figure FDA00040576423600000513
的第一个和第二个元素；
Figure FDA00040576423600000514
和
Figure FDA00040576423600000515
表示第j'个卫星主体二维指向的估计值
Figure FDA00040576423600000516
的第一个和第二个元素，j'是ISAR图像的帧索引，j'＝1,2,…,K,K是ISAR图像的总帧数，
Figure FDA00040576423600000517
(7c)根据(7b)的结果构建如下优化函数：
Figure FDA00040576423600000518
其中，θ和
Figure FDA00040576423600000519
是卫星在自身坐标系下的方位角和俯仰角，L是卫星主体的绝对长度，x是优化函数的最优解。
8.根据权利要求7所述的方法，其特征在于：(7)中采用梯度法对优化函数进行求解，实现如下：
(8a)设定搜索次数k＝1，设置初始参数向量x1＝[0,0,0]T，初始迭代矩阵H1＝I,其中I是单位矩阵；
(8b)计算搜索方向：dk＝HkΔfk，其中Hk是第k次的迭代矩阵，Δfk是
Figure FDA0004057642360000061
在xk处的梯度，xk是第k次迭代的参数向量；
(8c)根据(8b)的结果计算搜索步长：
Figure FDA0004057642360000062
令xk+1＝xk+λkdk；
(8d)更新迭代矩阵Hk+1
Figure FDA0004057642360000063
其中，pk＝λkdk，gk＝Δfk+1-Δfk，Δfk+1是
Figure FDA0004057642360000064
在xk+1处的梯度；
(8e)设梯度阈值ε＝10-4，将(8b)中的Δfk与ε作比较：
若||Δfk||≥ε,则令k＝k+1，返回(8b)；
若||Δfk||＜ε，终止迭代，得到最优解
Figure FDA0004057642360000065
其中，
Figure FDA0004057642360000066
是卫星主体的绝对姿态的估计值和L*是卫星主体的绝对长度的估计值。
CN202110134796.XA 2021-01-29 2021-01-29 基于isar图像解译的卫星目标姿态和尺寸估计方法 Active CN112946646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110134796.XA CN112946646B (zh) 2021-01-29 2021-01-29 基于isar图像解译的卫星目标姿态和尺寸估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110134796.XA CN112946646B (zh) 2021-01-29 2021-01-29 基于isar图像解译的卫星目标姿态和尺寸估计方法

Publications (2)

Publication Number Publication Date
CN112946646A CN112946646A (zh) 2021-06-11
CN112946646B true CN112946646B (zh) 2023-03-21

Family

ID=76240904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110134796.XA Active CN112946646B (zh) 2021-01-29 2021-01-29 基于isar图像解译的卫星目标姿态和尺寸估计方法

Country Status (1)

Country Link
CN (1) CN112946646B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470118B (zh) * 2021-07-15 2023-12-05 中国人民解放军火箭军工程大学 一种基于三目视觉的目标尺寸估计系统
CN114966676B (zh) * 2022-03-24 2024-05-28 中国人民解放军空军工程大学 一种基于改进的omp算法的多圈次空间目标三维成像方法
CN114419135B (zh) * 2022-03-29 2022-06-28 武汉楚精灵医疗科技有限公司 胰腺标志物尺寸量化方法、装置、终端及可读存储介质
CN114660606B (zh) * 2022-05-19 2022-09-09 西安电子科技大学 低信噪比isar图像序列匹配搜索的空间目标姿态反演方法
CN116109706B (zh) * 2023-04-13 2023-06-23 中国人民解放军国防科技大学 基于先验几何约束的空间目标反演方法、装置和设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108594228A (zh) * 2018-04-28 2018-09-28 西安电子科技大学 基于isar图像重聚焦的空间目标姿态估计方法
CN109146001A (zh) * 2018-09-14 2019-01-04 西安电子科技大学 多视角isar图像融合方法
CN111583276A (zh) * 2020-05-06 2020-08-25 西安电子科技大学 基于cgan的空间目标isar图像部件分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10901095B2 (en) * 2014-04-25 2021-01-26 Nec Corporation Position and attitude estimation device, image processing device, and position and attitude estimation method
US9978013B2 (en) * 2014-07-16 2018-05-22 Deep Learning Analytics, LLC Systems and methods for recognizing objects in radar imagery

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108594228A (zh) * 2018-04-28 2018-09-28 西安电子科技大学 基于isar图像重聚焦的空间目标姿态估计方法
CN109146001A (zh) * 2018-09-14 2019-01-04 西安电子科技大学 多视角isar图像融合方法
CN111583276A (zh) * 2020-05-06 2020-08-25 西安电子科技大学 基于cgan的空间目标isar图像部件分割方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Attitude Estimation and Geometry Reconstruction of Satellite Targets Based on ISAR Image Sequence Interpretation;Yejian ZHOU et al.;《IEEE Transactions on Aerospace and Electronic Systems》;20181011;第55卷(第4期);第1698-1711页 *
Optimal Coherent Processing Interval Selection for Aerial Maneuvering Target Imaging Using Tracking Information;Jiadong Wang et al.;《IEEE Sensors Journal》;20180320;第18卷(第10期);第4117-4128页 *
基于线特征差分投影的空间目标姿态估计方法;王志会等;《信号处理》;20171025;第33卷(第10期);第1377-1384页 *
多站ISAR空间目标姿态估计方法;周叶剑等;《电子与信息学报》;20161231;第38卷(第12期);第3182-3188页 *
宽带逆合成孔径雷达高分辨成像技术综述;田彪等;《雷达学报》;20201031;第9卷(第05期);第765-802页 *

Also Published As

Publication number Publication date
CN112946646A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN112946646B (zh) 基于isar图像解译的卫星目标姿态和尺寸估计方法
Chang et al. SAR image simulation with application to target recognition
CN112782695B (zh) 基于isar图像和参数优化的卫星姿态和尺寸估计方法
Kang et al. ISAR cross-range scaling using iterative processing via principal component analysis and bisection algorithm
CN111157985B (zh) 基于多站一维距离像序列的空间刚体目标三维重构方法
Yang et al. Sparsity-driven SAR imaging for highly maneuvering ground target by the combination of time-frequency analysis and parametric Bayesian learning
CN103235297B (zh) 基于宽带雷达观测的空间章动目标参数估计方法
CN107991659B (zh) 基于字典学习的米波雷达低仰角目标测高方法
Cao et al. Ship target imaging in airborne SAR system based on automatic image segmentation and ISAR technique
CN106291543A (zh) 一种运动平台扫描雷达超分辨成像方法
CN107742133A (zh) 一种用于极化sar图像的分类方法
Ramapriyan et al. Automated matching of pairs of SIR-B images for elevation mapping
Wang et al. Attitude and size estimation of satellite targets based on ISAR image interpretation
CN108594223A (zh) 机载sar图像目标定位方法
Wang et al. Joint estimation of satellite attitude and size based on ISAR image interpretation and parametric optimization
CN106772276B (zh) 一种地球同步轨道圆迹sar水平面二维旁瓣抑制方法
CN113671492A (zh) 一种面向机动平台前视成像的samp重构方法
Lucido et al. Segmentation of bathymetric profiles and terrain matching for underwater vehicle navigation
Huang et al. Full-aperture azimuth spatial-variant autofocus based on contrast maximization for highly squinted synthetic aperture radar
Lim et al. Orora: Outlier-robust radar odometry
Zhou et al. Attitude estimation of space targets by extracting line features from ISAR image sequences
Giorgi The multivariate constrained LAMBDA method for single-epoch, single-frequency GNSS-based full attitude determination
Frankot et al. Noise resistant estimation techniques for SAR image registration and stereo matching
Yin et al. Single‐step geolocation for a non‐circular source in the presence of satellite orbit perturbations
CN114518599A (zh) 一种自适应的磁异常目标成像与检测方法

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
GR01 Patent grant
GR01 Patent grant