CN113376633B - 一种飞机机翼isar回波振动补偿与整体聚焦成像方法 - Google Patents
一种飞机机翼isar回波振动补偿与整体聚焦成像方法 Download PDFInfo
- Publication number
- CN113376633B CN113376633B CN202110551521.6A CN202110551521A CN113376633B CN 113376633 B CN113376633 B CN 113376633B CN 202110551521 A CN202110551521 A CN 202110551521A CN 113376633 B CN113376633 B CN 113376633B
- Authority
- CN
- China
- Prior art keywords
- vibration
- echo
- substep
- compensation
- wing
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 76
- 238000002592 echocardiography Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 12
- 230000006835 compression Effects 0.000 claims abstract description 10
- 238000007906 compression Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 76
- 238000005457 optimization Methods 0.000 claims description 33
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000009191 jumping Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 230000005012 migration Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 206010034719 Personality change Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- G01S13/9019—Auto-focussing of the SAR signals
-
- 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
- G01S13/9017—SAR image acquisition techniques with time domain processing of the SAR signals in azimuth
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于ISAR成像技术领域，公开了一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法。首先，对输入的回波数据进行一阶Keystone校正和调频率估计与补偿；其次，根据距离单元回波信号，计算相应的方位成像结果的能量和熵值，筛选出含有振动散射点的回波距离单元；然后，对筛选出的含有振动散射点的回波距离单元应用PSO算法搜索每个振动散射点的振动参数，直至该距离单元回波剩余能量小于预先设定的门限，并构造相位补偿因子，对距离单元回波进行补偿，分离含正弦调制项的散射点回波数据；接着，不断迭代搜索过程，直至满足迭代终止条件，输出去除振动分量的距离单元回波；最后，不断迭代循环搜索筛选出来的距离单元回波，获取去除振动分量的飞机目标回波，通过方位压缩处理实现飞机目标的整体聚焦成像。
Description
技术领域
本发明涉及ISAR成像技术领域，具体涉及一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法。
背景技术
逆合成孔径雷达(ISAR)具有全天候、全天时获取远距离运动目标高分辨率图像的能力，被广泛应用于军事和民用领域。ISAR成像通过发射宽带信号以及脉冲压缩技术获得距离向高分辨率，同时利用目标与雷达的相对姿态变化来实现方位高分辨成像，实现非合作目标的二维成像。ISAR图像中包含目标形状、尺寸、姿态等信息，为非合作目标的识别提供重要支撑。然而在气流影响下机翼存在振动的飞机目标无法视为刚体目标进行ISAR成像处理，现有的刚体目标成像算法难以获得聚焦良好的飞机目标成像结果，无法为后续目标结构分析、分类和识别等提供支撑。而且，随着分辨率的提升，机翼振动对飞机目标聚焦成像的影响更加明显。
在ISAR成像过程中，主体散射点与振动散射点的多普勒谱存在差异，振动散射点由于振动产生的多普勒表现为随时间的正弦变化曲线，而主体散射点多普勒不随时间变化，表现为直线。有学者通过振动部件和主体部件在时频域的不同表现形式，将振动部件回波与主体回波分离，对主体回波应用刚体目标ISAR成像方法进行成像处理，对振动散射点回波应用逆Radon变换等方法估计振动参数并做成像处理。然而，当距离压缩后的雷达回波信噪比较低时，难以在时频域中提取到散射点的时频变化曲线，而且基于逆Radon变换的非刚体目标成像方法对于主体与微动部件是在不同表达域内进行成像的，不利于目标整体结构的分析和后续对目标的识别，使得算法应用具有一定的局限性。
发明内容
为了克服现有非刚体目标ISAR成像方法的不足，本发明利用粒子群优化算法良好的全局优化性能，提出一种飞机机翼ISAR回波振动分量补偿与整体聚焦成像方法，能精确估计机翼振动散射点的振动参数，对飞机目标ISAR回波中机翼振动分量进行补偿，从而可以应用刚体目标ISAR成像方法实现机身和机翼的同时聚焦成像，为目标结构分析和识别提供支撑。
本发明的技术思路为：
首先对输入的回波数据进行一阶Keystone校正，并对二次相位进行调频率补偿，提高飞机主体散射点的成像聚焦度；然后，根据距离单元回波信号，计算相应的方位成像结果的能量和熵值，筛选出含有振动散射点的回波距离单元；接着，对筛选出的含有振动散射点的回波距离单元应用PSO算法搜索每个振动散射点的振动参数，直至该距离单元回波剩余能量小于预先设定的门限，并构造相位补偿因子，对距离单元回波进行补偿，分离含正弦调制项的散射点回波数据，实现强散射点的分离与正弦分量的去除；不断迭代搜索过程，直至满足迭代终止条件，输出去除振动分量的距离单元回波；最后，不断迭代循环搜索筛选出来的距离单元回波，实现整体回波的振动分量去除，实现飞机目标的整体方位聚焦成像。
为了达到上述目的，本发明采用以下技术方案予以实现。
一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法，包括以下步骤：
步骤1，对回波数据依次进行一阶Keystone校正、调频率估计与补偿，得到补偿后的回波数据；
步骤2，对所述补偿后的回波数据进行方位压缩并计算所有距离单元回波的能量和熵值，去除能量和熵值较低的距离单元后，筛选出含有振动散射点的距离单元回波；
步骤3，从所述含有振动散射点的距离单元回波中选取任一距离单元回波数据，建立以振动参数为优化变量，以振动分量补偿后的距离单元回波方位成像结果的熵值为目标函数的无约束优化求解模型；
利用粒子群优化算法估计振动参数，并在方位频域分离该振动参数对应的振动散射点回波信号，通过估计的振动参数构造相位补偿函数，采用所述相位补偿函数对所述振动散射点信号进行补偿，获得去除振动分量后的距离单元回波信号；
步骤4，对所述含有振动散射点的距离单元回波中的每个距离单元回波数据迭代应用步骤3，获得飞机目标去除机翼振动分量的整体回波信号；
步骤5，对所述飞机目标去除机翼振动分量的整体回波信号进行方位压缩处理，输出飞机目标整体聚焦的ISAR图像。
本发明技术方案的特点和进一步的改进为：
(1)步骤1具体包含以下子步骤：
子步骤1.1，假设雷达发射线性调频信号，机翼上含有K1个散射点，机身含有K2个散射点，其距离向采样点数为M，方位向脉冲数为N，经过平动补偿和去斜处理后的回波数据s(fr,t)为；
其中，t为方位慢时间，rect(·)为矩形窗函数，σ为后向散射系数，j为虚数单位，fc为信号载频，fr为距离频率，B为信号带宽，C为电磁波传播速度；Rp(t)为第p个机翼散射点与雷达的瞬时距离，Rq(t)为第q个机身散射点与雷达的瞬时距离，表达式分别如下：
Rq(t)＝xqcos(ωt+α)cosβ+yqsin(ωt+α)cosβ
≈(xqcosα+yqsinα)cosβ+(yqcosα-xqsinα)cosβωt
其中，(xp,yp)为第p个机翼散射点相对于飞机中心的坐标，α和β分别表示飞机与雷达连线在雷达测量坐标系中的方位角和俯仰角，ω为目标转动角速度，θ0为机翼最大振动角度，fv为机翼振动频率，
为机翼振动初相，(xq,yq)为第q个机身散射点相对于飞机中心的坐标；
子步骤1.2，在相干积累时间内，由于转动分量的影响，散射点距离包络跨多个距离单元，使用一阶Keystone变换对整体回波进行越距离单元徙动校正：
fcτ＝(fc+fr)t
其中，τ为虚拟慢时间，经过上述变量代换可完成徙动校正，使得同一主体散射点处于同一距离单元内；
子步骤1.3，使用方位调频率估计方法，补偿回波沿方位向的二次相位变化，得到补偿后的回波数据为S：
S＝S1(r,τ)+S2(r,τ)
其中，S1(r,τ)为调频率补偿之后的机身回波，S2(r,τ)为调频率补偿之后的机翼回波；
其中，调频率补偿之后的机身回波为：
式中，sinc(·)为辛格函数，r为回波矩阵的距离单元的位置，a和b分别表示与散射点有关的距离单元位置和方位单元位置，表达式如下所示：
a＝(xcosα+ysinα)cosβ
b＝(ycosα-xsinα)cosβω
式中，x和y分别表示目标坐标系下散射点的横向坐标和纵向坐标；
调频率补偿之后的机翼回波为：
其中，f为经过补偿后的正弦相位的变化频率，A为与散射点坐标相关的幅度值，f的表达式如下所示：
(2)步骤2包含以下子步骤：
子步骤2.1，对所述补偿后的回波数据进行方位傅里叶变换计算，得到方位成像结果Q；并按照下述公式计算每个距离单元回波的能量Pi和熵值Ei：
其中，|·|表示取模运算，i＝1,2,…,M表示回波距离单元标号，Qi为1×N的向量，表示第i个距离单元回波，Qi(n)表示Qi中第n个采样点的值，Pi和Ei分别表示第i个距离单元回波的能量和熵值；
子步骤2.2，将所有距离单元回波的能量从低到高排序，设置能量阈值，剔除能量低于所述能量阈值的距离单元回波；
子步骤2.3，设置熵值门限，再将熵值低于所述熵值门限的距离单元回波剔除，则剩余的距离单元就是筛选出来的含有振动散射点的距离单元回波。
(3)子步骤2.2中，所述能量阈值为：
计算所有距离单元回波的能量的平均能量Ea，所述平均能量Ea的50％即为能量阈值。
(4)步骤3包含以下子步骤：
子步骤3.1，将机翼振动散射点的振动参数建模为
利用振动参数构造相位补偿因子Pha：
子步骤3.2，使用相位补偿因子对某一距离单元回波Si进行补偿，得到振动分量补偿后的距离单元回波S′i：
Si′＝Si·Pha
子步骤3.3，计算振动分量补偿后的距离单元回波Si′方位成像结果的熵值；
以所述振动分量补偿后的距离单元回波Si′方位成像结果的熵值为优化的目标函数，以振动参数为待优化的变量，建立振动参数估计的无约束优化求解模型如下：
其中，
为振动参数估计值，Ei(Θ)为计算第i个距离单元回波在振动参数Θ构造的补偿因子补偿后方位成像结果的熵值；
子步骤3.4，采用粒子群优化算法求解所述无约束优化求解模型，估计一个距离单元中最强振动散射点的振动参数；
子步骤3.5，利用估计的振动参数构造方位图像域滤波器，将该散射点回波从距离单元回波中分离，得到振动散射点回波信号；
子步骤3.6，利用估计的振动参数构造相位补偿函数，采用所述相位补偿函数对所述振动散射点回波信号进行补偿，并累加至输出的去除振动分量后的距离单元回波信号；
子步骤3.7，若距离单元回波剩余能量小于门限阈值δ或者迭代次数达到最大迭代次数时，则停止迭代，获得去除振动分量后的距离单元回波信号；否则，跳转至子步骤3.4继续执行。
(5)子步骤3.4具体包含以下子步骤：
子步骤3.4.1，基于粒子群优化算法构建所述振动参数估计的无约束优化求解模型，在三变量的优化求解问题中，建立包含D个粒子的种群，其中，第m个粒子的位置和速度分别为Xm＝{xm1,xm2,xm3}和vm＝{vm1,vm2,vm3}，每个粒子位置
分别表示待估计的机翼振动参数；所有粒子的位置构成解空间X＝{X1,X2,…,XD}，粒子本身历史最优位置为pbestm＝{pbestm1,pbestm2,pbestm3}，种群历史最优位置为gbest＝{gbest1,gbest2,gbest3}；粒子的速度和位置更新公式如下所示：
其中，
和
分别表示第l次迭代时第m个粒子的速度和位置，w为惯性系数，c1和c2表示加速常数，rand1和rand2表示均匀分布于区间[0,1]的随机数，
表示第l次迭代时第m个粒子的个体最优位置，gbestl表示第l次迭代时种群的最优位置；
子步骤3.4.2，参数初始化：设置最大迭代次数Gmax和当前迭代次数l＝1，确定粒子群规模D，粒子速度边界vmax；对D个粒子在解空间内随机初始化，设定粒子速度为-vmax和vmax区间随机分布，避免初始速度越界；最后，随机初始化每个粒子的个体最优位置pbesti以及种群最优位置gbest；
子步骤3.4.3，针对每个粒子，计算基于该粒子对应的振动参数相位补偿后的方位成像结果的熵值
子步骤3.4.4，更新每个粒子的个体最优解pbestm和种群的全局最优解gbest，其中m表示粒子标号；若
则令
否则令
记录截至第l+1次迭代第m个粒子对应的个体最优图像熵值
比较截至第l+1次迭代所有粒子个体最优熵值的最小值与全局最优熵值的大小，若
其中m＝1,2,…,D，则令
其中
表示
最小时对应的
否则令gbestl+1＝gbestl，记录截至第l+1次迭代图像的熵值E(gbestl+1)；
子步骤3.4.5，更新粒子的速度和位置：在搜索过程中若出现粒子速度越界情况则需进行越界处理；即若vm>vmax，则令vm＝vmax；若vm<-vmax，则令vm＝-vmax；
子步骤3.4.6，判断迭代终止条件：若当前迭代次数l>Gmax，则算法终止，输出振动参数估计的最优值
否则，跳转至子步骤3.4.4继续执行。
(6)步骤4包含以下子步骤：
子步骤4.1，用集合T表示所有的筛选出的含有振动散射点的距离单元回波，并将筛选出的含有振动散射点的距离单元回波集合以标号升序排列，并使用新的标号表示为T＝{T1,T2,…,TL}，并初始化迭代次数k＝1；
子步骤4.2，判断距离单元回波数据Tk是否属于集合T，若属于集合T，则执行子步骤4.3；否则，结束迭代，跳至步骤5；
子步骤4.3，利用步骤3获得去除振动分量的距离单元回波信号T′k，替换原始回波对应位置的回波信号，并更新迭代次数，令k增加1，跳至子步骤4.2。
(7)步骤5具体为：
对所述飞机目标去除机翼振动分量的整体回波信号进行方位傅里叶变换，得到飞机目标整体聚焦的ISAR图像。
与现有技术相比，本发明的有益效果为：
(1)本发明方法为：首先对输入的回波数据进行越距离单元徙动校正和调频率补偿，提高飞机主体散射点的成像聚焦度；接着，对飞机目标回波进行方位成像处理，计算所有距离单元的能量和熵值，进而筛选出含机翼振动散射点的距离单元；然后，在筛选出的距离单元回波中迭代应用粒子群优化方法依次搜索每个振动散射点的振动参数，直至该距离单元回波剩余能量小于预先设定的门限，构造每个散射点的振动相位补偿因子，实现机翼振动散射点正弦调制相位的去除；之后，将上述步骤应用于筛选出的每个距离单元回波，得到机翼回波振动分量补偿后的回波数据；最后，通过方位压缩处理即可得到飞机目标的整体聚焦成像结果。本发明能在飞机含有机翼振动情况下，克服机翼散射点振动引起的图像方位散焦现象，实现飞机整体的聚焦成像，成像质量优于传统刚体目标ISAR成像方法的效果。
(2)本发明中粒子群优化算法模型简单，全局搜索能力强，计算效率高，且在同一个距离单元内，将主体散射点看作振动散射点的特例，实现振动散射点的参数估计和振动分量补偿。
(3)振动散射中心参数估计之前利用能量和熵值门限，筛选含有振动散射点的距离单元，计算效率更高。
(4)传统方法将微动散射点作为干扰项去除或者将主体与微动散射点分别成像，难以进行目标整体结构的分析。本方法利用粒子群优化方法解决了飞机目标机翼散射点振动运动导致刚体目标成像方法难以实现聚焦成像的问题，通过对飞机目标机翼振动参数的估计和补偿，将飞机目标非刚体运动形式转化为刚体运动，从而实现飞机目标主体和机翼整体聚焦成像。
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为飞机机翼ISAR回波振动补偿与整体聚焦成像方法的流程图；
图2(a)为本发明中基于PSO的距离单元振动散射点振动参数估计流程图；图2(b)为本发明中距离单元回波振动分量补偿流程图；图2(c)为本发明中飞机目标整体聚焦成像流程图；
图3(a)为在机翼振动情况下刚体目标ISAR成像方法获得的飞机成像结果图；图3(b)为应用本发明获得的飞机目标聚焦成像结果。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。
参考图1，一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法，包括以下步骤：
步骤1，对回波数据依次进行一阶Keystone校正、调频率估计与补偿，得到补偿后的回波数据。
具体的，步骤1包含以下子步骤：
子步骤1.1，假设雷达发射线性调频信号，机翼上含有K1个散射点，机身含有K2个散射点，其距离向采样点数为M，方位向脉冲数为N，经过平动补偿和去斜处理后的回波数据s(fr,t)为；
其中，t为方位慢时间，rect(·)为矩形窗函数，σ为后向散射系数，j为虚数单位，fc为信号载频，fr为距离频率，B为信号带宽，C为电磁波传播速度。Rp(t)为第p个机翼散射点与雷达的瞬时距离，Rq(t)为第q个机身散射点与雷达的瞬时距离，表达式分别如下：
Rq(t)＝xqcos(ωt+α)cosβ+yqsin(ωt+α)cosβ
≈(xqcosα+yqsinα)cosβ+(yqcosα-xqsinα)cosβωt
其中，(xp,yp)为第p个机翼散射点相对于飞机中心的坐标，α和β分别表示飞机与雷达连线在雷达测量坐标系中的方位角和俯仰角，ω为目标转动角速度，θ0为机翼最大振动角度，fv为机翼振动频率，
为机翼振动初相，(xq,yq)为第q个机身散射点相对于飞机中心的坐标。
子步骤1.2，在相干积累时间内，由于转动分量的影响，散射点距离包络跨多个距离单元，使用一阶Keystone变换对整体回波进行越距离单元徙动校正。
fcτ＝(fc+fr)t
其中，τ为虚拟慢时间，经过上述变量代换可完成徙动校正，使得同一主体散射点处于同一距离单元内。
子步骤1.3，使用方位调频率估计方法，补偿回波沿方位向的二次相位变化，使得机身散射点能够聚焦成像。调频率补偿之后的整体回波数据为S。
S＝S1+S2
其中，S1为调频率补偿之后的机身回波，S2为调频率补偿之后的机翼回波。为体现回波与距离方位之间的关系，机身回波数据S1也可表示为S1(r,τ)。
其中，sinc(·)为辛格函数，r为回波矩阵的距离单元的位置。a和b分别表示与散射点有关的距离单元位置和方位单元位置，表达式如下所示：
a＝(xcosα+ysinα)cosβ
b＝(ycosα-xsinα)cosβω
其中，x和y分别表示目标坐标系下散射点的横向坐标和纵向坐标。
机身回波数据S2也可表示为S2(r,τ)。
其中，fv为机翼振动频率，f为经过补偿后的正弦相位变化频率，A为与散射点坐标相关的幅度值，f的表达式如下所示：
步骤2，对所述补偿后的回波数据进行方位压缩并计算所有距离单元回波的能量和熵值，去除能量和熵值较低的距离单元后，筛选出含有振动散射点的距离单元回波。
利用补偿后的回波数据的稀疏性和机翼振动散射点的散焦现象，筛选出含有振动散射点的距离单元回波信号，减少算法搜索范围，提高算法的效率，具体包含以下子步骤：
子步骤2.1，对补偿后的回波数据S经过方位傅里叶变换(FFT)计算，得到方位成像结果Q。并按照下述公式计算每个距离单元回波的能量Pi和熵值Ei。
其中，|·|表示取模运算，i＝1,2,…,M表示回波距离单元标号，Qi为1×N的向量，表示第i个距离单元回波，Qi(n)表示Qi中第n个采样点的值，Pi和Ei分别表示第i个距离单元回波的能量和熵值。
子步骤2.2，将所有距离单元回波的能量从低到高排序，剔除若干个能量最小的距离单元，一般认为能量低于距离单元平均能量Ea的50％时认为其不含有散射点。
子步骤2.3，将剩余距离单元内挑出若干个熵值最小的距离单元，由于主体经过运动补偿聚焦度良好，熵值较低，而机翼部分由于存在振动分量，成像结果存在严重散焦，因此通过设置距离单元熵值门限，将熵值小于该门限的距离单元剔除，则剩余的距离单元就是筛选出来的含有振动散射点的距离单元。
步骤3，从所述含有振动散射点的距离单元回波中选取任一距离单元回波数据，建立以振动参数为优化变量，以振动分量补偿后的距离单元回波方位成像结果的熵值为目标函数的无约束优化求解模型；利用粒子群优化算法估计振动参数，并在方位频域分离该振动参数对应的振动散射点回波信号，通过估计的振动参数构造相位补偿函数，采用所述相位补偿函数对所述振动散射点信号进行补偿，获得去除振动分量后的距离单元回波信号。
具体的，参考图2(b)，建立筛选结果中的某一距离单元的熵值函数，将振动散射点多普中的正弦参数对应的ISAR图像散焦问题转化为正弦参数估计的无约束优化问题，并利用粒子群优化算法(PSO)算法搜索振动参数并补偿振动分量，具体包含以下子步骤：
子步骤3.1，将机翼振动散射点的振动参数建模为
利用振动参数构造相位补偿因子Pha。
子步骤3.2，使用相位补偿因子对某一距离单元回波Si进行补偿，得到振动分量补偿后的距离单元回波Si′。
Si′＝Si·Pha
子步骤3.3，计算振动分量补偿后的距离单元回波Si′方位成像结果的熵值。若正弦参数得到准确估计，则散射点的正弦分量去除，其方位成像聚焦度最高，熵值最小。因此，可以振动补偿后方位成像结果的熵值为优化的目标函数，以振动参数为待优化的变量，建立振动参数估计的无约束优化求解模型如下：
其中，
为振动参数估计值，Ei(Θ)为计算第i个距离单元回波在参数Θ构造的补偿因子补偿后方位成像结果的熵值。
子步骤3.4，参考图2(a)，采用PSO算法求解上述振动参数估计的无约束优化问题，估计一个距离单元中最强振动散射点的振动参数。具体如下：
子步骤3.4.1，构建基于PSO的振动参数优化求解模型，在三变量的优化求解问题中，建立包含D个粒子的种群，其中，第m个粒子的位置和速度分别为Xm＝{xm1,xm2,xm3}和vm＝{vm1,vm2,vm3}，每个粒子位置
分别表示待估计的机翼振动参数。所有粒子的位置构成解空间X＝{X1,X2,…,XD}，粒子本身历史最优位置为pbestm＝{pbestm1,pbestm2,pbestm3}，种群历史最优位置为gbest＝{gbest1,gbest2,gbest3}。粒子的速度和位置更新公式如下所示：
其中，
和
表示第l次迭代时第m个粒子的速度和位置，w为惯性系数，c1和c2表示加速常数，rand1和rand2表示均匀分布于区间[0,1]的随机数。
表示第l次迭代时第m个粒子的个体最优位置，gbestl表示第l次迭代时种群的最优位置。
子步骤3.4.2，参数初始化：设置最大迭代次数Gmax和当前迭代次数l＝1，确定粒子群规模D，粒子速度边界vmax。对D个粒子在解空间内随机初始化，设定粒子速度为-vmax和vmax区间随机分布，避免初始速度越界。最后，随机初始化每个粒子的个体最优位置pbesti以及种群最优位置gbest。
子步骤3.4.3，针对每个粒子，计算基于该粒子对应的振动参数相位补偿后的方位成像结果的熵值
子步骤3.4.4，更新每个粒子的个体最优解pbestm和种群的全局最优解gbest，其中m表示粒子标号；若
则令
否则令
记录截至第l+1次迭代第m个粒子对应的个体最优图像熵值
比较截至第l+1次迭代所有粒子个体最优熵值的最小值与全局最优熵值的大小，若
其中m＝1,2,…,D，则令
其中
表示
最小时对应的
否则令gbestl+1＝gbestl，记录截至第l+1次迭代图像的熵值E(gbestl+1)；
子步骤3.4.5，更新粒子的速度和位置：在搜索过程中若出现粒子速度越界情况则需进行越界处理。即若vm>vmax，则令vm＝vmax；若vm<-vmax，则令vm＝-vmax。
子步骤3.4.6，判断迭代终止条件：若当前迭代次数l>Gmax，则算法终止，输出振动参数估计的最优值
否则，跳转至子步骤3.4.4继续执行。
子步骤3.5，利用估计的振动参数构造方位图像域滤波器，将该散射点回波从距离单元回波中分离，得到振动散射点回波信号。
子步骤3.6，利用估计的振动参数构造相位补偿函数，对强散射点的回波进行振动分量补偿，并累加至输出的距离单元回波信号。
子步骤3.7，若距离单元回波剩余能量小于门限阈值δ或者迭代次数达到最大迭代次数时，则停止迭代，输出振动补偿后的距离单元回波信号，否则，跳转至子步骤3.4继续执行。
步骤4，对所述含有振动散射点的距离单元回波中的每个距离单元回波数据迭代应用步骤3，获得飞机目标去除机翼振动分量的整体回波信号。
具体的，参考图2(c)，步骤4包含以下子步骤：
子步骤4.1，用集合T表示所有的筛选出的距离单元回波，并将筛选出的距离单元回波集合以标号升序排列，并使用新的标号表示为T＝{T1,T2,…,TL}，并初始化迭代次数k＝1。
子步骤4.2，判断距离单元回波数据Tk是否属于集合T，若属于集合T，则执行子步骤4.3，否则，结束迭代，调至步骤5。
子步骤4.3，利用步骤3获得去除振动分量的距离单元回波数据Tk′，替换原始回波对应位置的回波数据，并更新迭代次数k＝k+1，调至子步骤4.2。
步骤5，对所述飞机目标去除机翼振动分量的整体回波信号进行方位压缩处理，输出飞机目标整体聚焦的ISAR图像。
具体的，对所述飞机目标去除机翼振动分量的整体回波信号进行方位傅里叶变换(FFT)计算，得到飞机目标整体聚焦的ISAR图像。
进一步的，以下通过仿真实验对本发明实施例方法上述有益效果进行验证：
实验一：
1、仿真条件
雷达发射信号处于Ka频段，带宽为4GHz，距离采样点数为512，积累脉冲数为1024，飞机目标最大振动幅度为1度，振动频率为1Hz，振动初相为0度；
2、仿真实验内容及结果分析
本发明实施例中，PSO算法的粒子种群规模为100，最大迭代次数是500次。图3(a)展示了含机翼振动的飞机目标使用刚体ISAR成像方法的成像结果，可以看出，ISAR图像中机翼散射点处方位向成像结果出现散焦，聚焦度差。图3(b)为应用本发明处理后的成像结果，消除了机翼方位向散焦的现象，实现了主体与机翼的整体聚焦成像。
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。
虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (8)
1.一种飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，包括以下步骤：
步骤1，对回波数据依次进行一阶Keystone校正、调频率估计与补偿，得到补偿后的回波数据；
步骤2，对所述补偿后的回波数据进行方位压缩并计算所有距离单元回波的能量和熵值，去除能量和熵值较低的距离单元后，筛选出含有振动散射点的距离单元回波；
步骤3，从所述含有振动散射点的距离单元回波中选取任一距离单元回波数据，建立以振动参数为优化变量，以振动分量补偿后的距离单元回波方位成像结果的熵值为目标函数的无约束优化求解模型；
利用粒子群优化算法估计振动参数，并在方位频域分离该振动参数对应的振动散射点回波信号，通过估计的振动参数构造相位补偿函数，采用所述相位补偿函数对所述振动散射点信号进行补偿，获得去除振动分量后的距离单元回波信号；
步骤4，对所述含有振动散射点的距离单元回波中的每个距离单元回波数据迭代应用步骤3，获得飞机目标去除机翼振动分量的整体回波信号；
步骤5，对所述飞机目标去除机翼振动分量的整体回波信号进行方位压缩处理，输出飞机目标整体聚焦的ISAR图像。
2.根据权利要求1所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，步骤1具体包含以下子步骤：
子步骤1.1，假设雷达发射线性调频信号，机翼上含有K1个散射点，机身含有K2个散射点，其距离向采样点数为M，方位向脉冲数为N，经过平动补偿和去斜处理后的回波数据s(fr，t)为；
其中，t为方位慢时间，rect(·)为矩形窗函数，σ为后向散射系数，j为虚数单位，fc为信号载频，fr为距离频率，B为信号带宽，C为电磁波传播速度；Rp(t)为第p个机翼散射点与雷达的瞬时距离，Rq(t)为第q个机身散射点与雷达的瞬时距离，表达式分别如下：
Rq(t)＝xqcos(ωt+α)cosβ+yqsin(ωt+α)cosβ
≈(xqcosα+yqsinα)cosβ+(yqcosα-xqsinα)cosβωt
其中，(xp，yp)为第p个机翼散射点相对于飞机中心的坐标，α和β分别表示飞机与雷达连线在雷达测量坐标系中的方位角和俯仰角，ω为目标转动角速度，θ0为机翼最大振动角度，fv为机翼振动频率，
为机翼振动初相，(xq，yq)为第q个机身散射点相对于飞机中心的坐标；
子步骤1.2，在相干积累时间内，由于转动分量的影响，散射点距离包络跨多个距离单元，使用一阶Keystone变换对整体回波进行越距离单元徙动校正：
fcτ＝(fc+fr)t
其中，τ为虚拟慢时间，经过上述变量代换可完成徙动校正，使得同一主体散射点处于同一距离单元内；
子步骤1.3，使用方位调频率估计方法，补偿回波沿方位向的二次相位变化，得到补偿后的回波数据为S：
S＝S1(r，τ)+S2(r，τ)
其中，S1(r，τ)为调频率补偿之后的机身回波，S2(r，τ)为调频率补偿之后的机翼回波；
其中，调频率补偿之后的机身回波为：
式中，sinc(·)为辛格函数，r为回波矩阵的距离单元的位置，a和b分别表示与散射点有关的距离单元位置和方位单元位置，表达式如下所示：
a＝(xcosα+ysinα)cosβ
b＝(ycosα-xsinα)cosβω
式中，x和y分别表示目标坐标系下散射点的横向坐标和纵向坐标；
调频率补偿之后的机翼回波为：
其中，f为经过补偿后的正弦相位的变化频率，A为与散射点坐标相关的幅度值，f的表达式如下所示：
3.根据权利要求2所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，步骤2包含以下子步骤：
子步骤2.1，对所述补偿后的回波数据进行方位傅里叶变换计算，得到方位成像结果Q；并按照下述公式计算每个距离单元回波的能量Pi和熵值Ei：
其中，|·|表示取模运算，i＝1，2，…，M表示回波距离单元标号，Qi为1×N的向量，表示第i个距离单元回波，Qi(n)表示Qi中第n个采样点的值，Pi和Ei分别表示第i个距离单元回波的能量和熵值；
子步骤2.2，将所有距离单元回波的能量从低到高排序，设置能量阈值，剔除能量低于所述能量阈值的距离单元回波；
子步骤2.3，设置熵值门限，再将熵值低于所述熵值门限的距离单元回波剔除，则剩余的距离单元就是筛选出来的含有振动散射点的距离单元回波。
4.根据权利要求3所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，子步骤2.2中，所述能量阈值为：
计算所有距离单元回波的能量的平均能量Ea，所述平均能量Ea的50％即为能量阈值。
5.根据权利要求3所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，步骤3包含以下子步骤：
子步骤3.1，将机翼振动散射点的振动参数建模为
利用振动参数构造相位补偿因子Pha：
子步骤3.2，使用相位补偿因子对某一距离单元回波Si进行补偿，得到振动分量补偿后的距离单元回波S′i：
S′i＝Si·Pha
子步骤3.3，计算振动分量补偿后的距离单元回波S′i方位成像结果的熵值；
以所述振动分量补偿后的距离单元回波S′i方位成像结果的熵值为优化的目标函数，以振动参数为待优化的变量，建立振动参数估计的无约束优化求解模型如下：
其中，
为振动参数估计值，Ei(Θ)为计算第i个距离单元回波在振动参数Θ构造的补偿因子补偿后方位成像结果的熵值；
子步骤3.4，采用粒子群优化算法求解所述无约束优化求解模型，估计一个距离单元中最强振动散射点的振动参数；
子步骤3.5，利用估计的振动参数构造方位图像域滤波器，将该散射点回波从距离单元回波中分离，得到振动散射点回波信号；
子步骤3.6，利用估计的振动参数构造相位补偿函数，采用所述相位补偿函数对所述振动散射点回波信号进行补偿，并累加至输出的去除振动分量后的距离单元回波信号；
子步骤3.7，若距离单元回波剩余能量小于门限阈值δ或者迭代次数达到最大迭代次数时，则停止迭代，获得去除振动分量后的距离单元回波信号；否则，跳转至子步骤3.4继续执行。
6.根据权利要求5所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，子步骤3.4具体包含以下子步骤：
子步骤3.4.1，基于粒子群优化算法构建所述振动参数估计的无约束优化求解模型，在三变量的优化求解问题中，建立包含D个粒子的种群，其中，第m个粒子的位置和速度分别为Xm＝{xm1，xm2，xm3}和vm＝{vm1，vm2，vm3}，每个粒子位置
分别表示待估计的机翼振动参数；所有粒子的位置构成解空间X＝{X1，X2，…，XD}，粒子本身历史最优位置为pbestm＝{pbestm1，pbestm2，pbestm3}，种群历史最优位置为gbest＝{gbest1，gbest2，gbest3}；粒子的速度和位置更新公式如下所示：
其中，
和
分别表示第l次迭代时第m个粒子的速度和位置，w为惯性系数，c1和c2表示加速常数，rand1和rand2表示均匀分布于区间[0，1]的随机数，
表示第l次迭代时第m个粒子的个体最优位置，gbestl表示第l次迭代时种群的最优位置；
子步骤3.4.2，参数初始化：设置最大迭代次数Gmax和当前迭代次数l＝l，确定粒子群规模D，粒子速度边界vmax；对D个粒子在解空间内随机初始化，设定粒子速度为-vmax和vmax区间随机分布，避免初始速度越界；最后，随机初始化每个粒子的个体最优位置pbesti以及种群最优位置gbest；
子步骤3.4.3，针对每个粒子，计算基于该粒子对应的振动参数相位补偿后的方位成像结果的熵值
子步骤3.4.4，更新每个粒子的个体最优解pbestm和种群的全局最优解gbest，其中m表示粒子标号；若
则令
否则令
记录截至第l+1次迭代第m个粒子对应的个体最优图像熵值
比较截至第l+1次迭代所有粒子个体最优熵值的最小值与全局最优熵值的大小，若
其中m＝1，2，…，D，则令
其中
表示
最小时对应的
否则令gbestl+1＝gbestl，记录截至第l+1次迭代图像的熵值E(gbestl+1)；
子步骤3.4.5，更新粒子的速度和位置：在搜索过程中若出现粒子速度越界情况则需进行越界处理；即若vm＞vmax，则令vm＝vmax；若vm＜-vmax，则令vm＝-vmax；
子步骤3.4.6，判断迭代终止条件：若当前迭代次数l＞Gmax，则算法终止，输出振动参数估计的最优值
否则，跳转至子步骤3.4.4继续执行。
7.根据权利要求1所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，步骤4包含以下子步骤：
子步骤4.1，用集合T表示所有的筛选出的含有振动散射点的距离单元回波，并将筛选出的含有振动散射点的距离单元回波集合以标号升序排列，并使用新的标号表示为T＝{T1，T2，…，TL}，并初始化迭代次数k＝1；
子步骤4.2，判断距离单元回波数据Tk是否属于集合T，若属于集合T，则执行子步骤4.3；否则，结束迭代，跳至步骤5；
子步骤4.3，利用步骤3获得去除振动分量的距离单元回波信号T′k，替换原始回波对应位置的回波信号，并更新迭代次数，令k增加1，跳至子步骤4.2。
8.根据权利要求1所述的飞机机翼ISAR回波振动补偿与整体聚焦成像方法，其特征在于，步骤5具体为：
对所述飞机目标去除机翼振动分量的整体回波信号进行方位傅里叶变换，得到飞机目标整体聚焦的ISAR图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110551521.6A CN113376633B (zh) | 2021-05-20 | 2021-05-20 | 一种飞机机翼isar回波振动补偿与整体聚焦成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110551521.6A CN113376633B (zh) | 2021-05-20 | 2021-05-20 | 一种飞机机翼isar回波振动补偿与整体聚焦成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113376633A CN113376633A (zh) | 2021-09-10 |
| CN113376633B true CN113376633B (zh) | 2023-04-18 |
Family
ID=77571523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110551521.6A Active CN113376633B (zh) | 2021-05-20 | 2021-05-20 | 一种飞机机翼isar回波振动补偿与整体聚焦成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113376633B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100123199A (ko) * | 2009-05-14 | 2010-11-24 | 영남대학교 산학협력단 | 장거리 역합성 개구면 레이더 영상을 생성하는 방법 및 장치 |
| CN102426360A (zh) * | 2011-09-01 | 2012-04-25 | 西安电子科技大学 | 空中微动旋转目标的二维isar成像方法 |
| CN105204020A (zh) * | 2015-10-09 | 2015-12-30 | 电子科技大学 | 基于粒子群优化的移不变双基前视sar飞行模式设计方法 |
| KR20160093437A (ko) * | 2015-01-29 | 2016-08-08 | 국방과학연구소 | 기동표적에 대한 isar 영상의 수직거리 스케일링 기법 |
| CN111208513A (zh) * | 2020-01-15 | 2020-05-29 | 西安电子科技大学 | 空间目标isar图像序列能量反向投影与三维重构方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7365677B2 (en) * | 2005-10-19 | 2008-04-29 | General Atomics Aeronautical Systems, Inc. | Compact radar test range |
-
2021
- 2021-05-20 CN CN202110551521.6A patent/CN113376633B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100123199A (ko) * | 2009-05-14 | 2010-11-24 | 영남대학교 산학협력단 | 장거리 역합성 개구면 레이더 영상을 생성하는 방법 및 장치 |
| CN102426360A (zh) * | 2011-09-01 | 2012-04-25 | 西安电子科技大学 | 空中微动旋转目标的二维isar成像方法 |
| KR20160093437A (ko) * | 2015-01-29 | 2016-08-08 | 국방과학연구소 | 기동표적에 대한 isar 영상의 수직거리 스케일링 기법 |
| CN105204020A (zh) * | 2015-10-09 | 2015-12-30 | 电子科技大学 | 基于粒子群优化的移不变双基前视sar飞行模式设计方法 |
| CN111208513A (zh) * | 2020-01-15 | 2020-05-29 | 西安电子科技大学 | 空间目标isar图像序列能量反向投影与三维重构方法 |
Non-Patent Citations (2)
| Title |
|---|
| Adaptive Translational Motion Compensation Method for ISAR Imaging Under Low SNR Based on Particle Swarm Optimization;Lei Liu et al.;《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》;20151027;第8卷(第11期);第5416-5156页 * |
| 基于RID序列的微动目标高分辨三维成像方法;惠叶 等;《雷达学报》;20181031;第7卷(第5期);第548-555页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113376633A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Superresolution ISAR imaging based on sparse Bayesian learning | |
| CN108459321B (zh) | 基于距离-方位圆模型的大斜视高分辨率sar成像方法 | |
| CN104950306B (zh) | 一种海杂波背景下前视海面目标角超分辨成像方法 | |
| CN103091674B9 (zh) | 基于hrrp序列的空间目标高分辨成像方法 | |
| Peng et al. | Parametric inverse synthetic aperture radar manoeuvring target motion compensation based on particle swarm optimiser | |
| US11009591B2 (en) | Deep learning for de-aliasing and configuring a radar system | |
| CN108761419A (zh) | 基于组合空时主通道自适应处理的低空风切变风速估计方法 | |
| CN111693953B (zh) | 基于微多普勒的目标分类识别模型、方法、系统及装置 | |
| CN105137425A (zh) | 基于卷积反演原理的扫描雷达前视角超分辨方法 | |
| CN113376633B (zh) | 一种飞机机翼isar回波振动补偿与整体聚焦成像方法 | |
| He et al. | Automatic recognition of ISAR images based on deep learning | |
| CN114325707A (zh) | 基于深度展开网络的稀疏孔径微动目标isar成像方法 | |
| Li et al. | Azimuth super-resolution for fmcw radar in autonomous driving | |
| CN105759264B (zh) | 基于时频字典的微动目标缺损回波高分辨成像方法 | |
| CN113311430B (zh) | 蜂群无人机数量估计和航迹生成方法 | |
| CN107192993B (zh) | 基于图像熵特征的调频连续波雷达飞机目标分类方法 | |
| CN107255816B (zh) | 最大对比度的空变相位自聚焦isar成像方法 | |
| CN113466863A (zh) | 一种sar舰船目标高分辨成像方法 | |
| CN103076608A (zh) | 轮廓增强的聚束式合成孔径雷达成像方法 | |
| CN117471457A (zh) | 基于深度展开复网络的稀疏sar学习成像方法、装置及介质 | |
| Zhu et al. | Classification of ground vehicles based on micro-Doppler effect and singular value decomposition | |
| Lim et al. | A SAR autofocus algorithm based on particle swarm optimization | |
| CN112099010B (zh) | 基于结构化非凸低秩表征的带微动部件目标isar成像方法 | |
| Xiao et al. | A method of ISAR imaging for multiple targets | |
| CN113253266A (zh) | 基于短时迭代自适应法的高分辨isar成像方法和系统 |
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 |