CN113466866B - 一种基于跟踪的运动目标高分辨合成孔径雷达成像算法 - Google Patents
一种基于跟踪的运动目标高分辨合成孔径雷达成像算法 Download PDFInfo
- Publication number
- CN113466866B CN113466866B CN202110971281.5A CN202110971281A CN113466866B CN 113466866 B CN113466866 B CN 113466866B CN 202110971281 A CN202110971281 A CN 202110971281A CN 113466866 B CN113466866 B CN 113466866B
- Authority
- CN
- China
- Prior art keywords
- sub
- aperture
- distance
- moving
- matrix
- 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 53
- 238000012545 processing Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000035485 pulse pressure Effects 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01S13/66—Radar-tracking systems; Analogous systems
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
本发明涉及一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,属于雷达信号处理领域。将目标跟踪技术中可以对运动目标的参数进行估计的特性,应用在动目标的SAR子孔径成像中,通过跟踪可以得到各个运动目标在各个子孔径的航迹,根据航迹进行子孔径拼接,可以解决因为数据与目标匹配判断不准确带来的误差,从而实现对运动目标的高分辨成像。
Description
技术领域
本发明属于雷达信号处理领域,特别涉及一种基于跟踪的子孔径拼接技术完成运动目标高分辨成像算法,适用于合成孔径雷达在大成像场景中同时对多个运动目标进行高分辨成像。
背景技术
在传统的合成孔径雷达成像处理中,由于目标的非合作运动,运动目标沿航向速度会改变其沿航向多普勒调频率造成目标散焦,其切航向速度会改变其沿航向多普勒中心频率造成目标的沿航向位移。另外,不能忽略运动目标的距离徙动,所以,运动目标的成像在距离上也存在严重变形。
对于动目标的SAR成像,目前常用的方法是通过多普勒参数估计来重建针对于每个动目标的合适匹配滤波函数来重聚焦,或者在距离走动校正之后通过某些自聚焦算法来实现多个动目标的方位聚焦。这些方法在需要成像场景区域不大是可以有很好的成像结果,但是当需要成像的场景很大时,由于回波数据量增加,在成像处理时计算机计算会很慢。
全孔径数据的子孔径成像,是将全孔径数据在方位维划分为多个子数据然后进行成像,子孔径成像的应用可以将全孔径数据的大数据量转换为多个小数据量,然后分别对每个小数据进行成像最后拼接成全孔径数据。对于运动目标而言,由于目标的机动性,导致在子孔径拼接时,不能确定目标与数据的匹配是否正确,由此会对运动目标的全孔径成像带来不利的影响。
而目标跟踪技术是对一个离散时间集合所对应目标位置的量测应用目标跟踪算法,估计和预测目标在场景中的路径,同时可获得速度、加速度等参数。受此启发,可以将目标跟踪技术中可以对运动目标的参数进行估计的特性,应用在动目标的SAR子孔径成像中,通过跟踪可以得到各个运动目标在各个子孔径的航迹,根据航迹进行子孔径拼接,可以解决因为数据与目标匹配判断不准确带来的误差,从而实现对运动目标的高分辨成像。
发明内容
要解决的技术问题
针对现有运动目标成像技术无法有效解决在大成像场景中同时对多个运动目标进行高分辨成像的问题,本发明提出一种基于跟踪的运动目标高分辨成像算法,该算法可以对大成像场景区域的多个运动目标同时进行高分辨成像。
技术方案
一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,其特征在于步骤如下:
步骤1:获取大场景下多个运动目标的回波信号,将回波信号表示成二维矩阵对矩阵/>按列进行FFT处理,将结果保存在矩阵/>中;所述的/>为nrn×nan维矩阵,其中,nrn表示距离向点数,nan表示方位向点数;
步骤2:根据已知的雷达参数,构造参考信号向量为nrn×1向量;
步骤3:取出步骤1得到的每一列,均点乘参考信号向量/>的共轭,得到距离脉压后的数据矩阵S(fn,tm);
其中,表示为距离向频域坐标,B为发射信号带宽,Δf为距离频域间隔,/>tm表示方位向时域坐标,/>L表示为合成孔径长度,m=0,1,...,nan-1;
步骤4:根据已知的雷达参数,构造校正距离弯曲的参考信号S_ref_bend(fn,tm),S_ref_bend(fn,tm)为nrn×nan矩阵;
步骤5:取出步骤3得到的S(fn,tm),均点乘参考信号S_ref_bend(fn,tm),得到距离弯曲校正之后的数据矩阵S′(fn,tm);
步骤6:取出步骤5的S′(fn,tm),按行等分为k份,即将S′(fn,tm)在方位向上划分为k个子孔径,每个子孔径为S″q(fn,xm),S″q(fn,xm)为矩阵,且tm=k·xm,q=0,1,...k;
步骤7:根据已知的雷达参数,构造一阶keystone变换因子取出步骤6中第q个子孔径的S″q(fn,xm)作一阶keystone变换,得到距离走动校正后的数据矩阵S″q(fn,τ),S″(fn,τ)为/>矩阵;
步骤8:取出步骤7得到的S″q(fn,τ)按列进行IFFT处理,得到矩阵S″q(n,τ);
步骤9:取出步骤8的S″q(n,τ),对S″q(n,τ)按行作FFT处理后得到S″q(n,fm),S″q(n,fm)即为第q个子孔径时频域的成像结果;
其中,表示为方位向频域坐标,PRF为方位采用频率,Δfa为方位频域间隔,/>
步骤10:取出步骤6中的每个子孔径S″q(fn,xm),重复步骤7至步骤9的操作得到每个子孔径的时频域成像结果S″q(n,fm);
步骤11:取出步骤10中的第q个子孔径成像结果S″q(n,fm),对S″q(n,fm)进行恒虚警检测,得到第q个子孔径的动目标检测结果S″′q(p1,p2),重复步骤11得到所有子孔径的动目标检测结果S″′q(p1,p2);
步骤12:取出步骤11中的检测结果S″′q(p1,p2),若运动目标为单目标直接跳转至步骤14;若运动目标为多目标,根据检测结果S″′(p1,p2)进行聚类聚成num类,得到聚类结果
步骤13:取出步骤12的所有子孔径聚类结果对/>进行多目标跟踪,得到各个动目标在各个子孔中的位置航迹F(i,q)(p1,p2);
其中,F(i,q)(p1,p2)表示第i个动目标在第q个子孔径的坐标为(p1,p2),i=0,1,...num,q=0,1,...k,p1∈[1,nrn],
步骤14,若运动目标为单目标,直接取出各个子孔径中以(p1,p2)为中心的[32,32]大小的区域进行累加拼接,得到第i个运动目标的子孔径拼接结果;若运动目标为多目标,取出步骤13中的F(i,q)(p1,p2),对于第i个运动目标,根据航迹F(i,q)(p1,p2)取出各个子孔径中以(p1,p2)为中心的[32,32]大小的区域进行累加拼接,得到第i个运动目标的子孔径拼接结果,重复步骤14得到所有运动目标的成像结果。
本发明进一步的技术方案:步骤2具体如下:
根据已知的雷达参数,参考信号向量
其中,γ表示调频率,γ=B/Tp,B表示发射信号带宽,Tp表示发射脉冲宽度,fn表示为距离向频域坐标,B为发射信号带宽,Δf为距离频域间隔,/>nrn表示距离向点数。
本发明进一步的技术方案:步骤4具体如下:
根据已知的雷达参数,校正距离弯曲参考信号矩阵为
其中,fc表示雷达发射信号的载频,c为电磁波的传播速度,v为雷达载机速度,Rref为参考距离,B为发射信号带宽,Δf为距离频域间隔,/>n=0,1,...,nrn-1,nrn表示距离向点数,tm为方位慢时间。
本发明进一步的技术方案:步骤6具体如下:
根据已知的雷达参数,第q个子孔径的斜距为
其中,vr表示运动目标的径向速度,v表示雷达平台载机速度,xm为当前子孔径合成孔径时间,xn为其他子孔径合成孔径时间,当子孔径划分大小相等时,xn=xm,k为划分的子孔径个数。
有益效果
本发明提出的一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,可以有效解决对大场景中多个运动目标的高分辨成像问题,通过对每个运动目标在各个子孔径的位置进行跟踪,实现对各个运动目标子孔径精确拼接,以达到实现对各个运动目标高分辨率成像的目的。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1理想情况下结果:(a)回波数据;(b)利用本发明进行动目标成像的等值线图;(c)利用本发明进行动目标成像的方位向脉压剖面图;
图2高斯白噪声情况下结果:(a)回波数据;(b)利用本发明进行动目标成像的等值线图;(c)利用本发明进行动目标成像的方位向脉压剖面图;
图3海杂波背景下结果:(a)回波数据;(b)利用本发明进行动目标成像的等值线图;(c)利用本发明进行动目标成像的方位向脉压剖面图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,包括以下步骤:
步骤1,获取大场景下多个运动目标的回波信号,将回波信号表示成二维矩阵为nrn×nan维矩阵。对矩阵/>按列进行FFT处理,将结果保存在矩阵中;
其中,nrn表示距离向点数,nan表示方位向点数;
步骤2,根据已知的雷达参数,构造参考信号向量为nrn×1向量;
其中,nrn表示距离向点数;
步骤3,取出步骤1得到的每一列,均点乘参考信号向量/>的共轭,得到距离脉压后的数据矩阵S(fn,tm);
其中,fn表示为距离向频域坐标,B为发射信号带宽,Δf为距离频域间隔,/>nrn表示距离向点数,tm表示方位向时域坐标,/>L表示为合成孔径长度,m=0,1,...,nan-1,nan表示方位向点数;
步骤4,根据已知的雷达参数,构造校正距离弯曲的参考信号S_ref_bend(fn,tm),S_ref_bend(fn,tm)为nrn×nan矩阵;
其中,nrn表示距离向点数,nan表示方位向点数;
步骤5,取出步骤3得到的S(fn,tm),均点乘参考信号S_ref_bend(fn,tm),得到距离弯曲校正之后的数据矩阵S′(fn,tm);
步骤6,取出步骤5的S′(fn,tm),按行等分为k份,即将S′(fn,tm)在方位向上划分为k个子孔径,每个子孔径为S″q(fn,xm),S″q(fn,xm)为矩阵,且tm=k·xm,q=0,1,...k;
其中,nrn表示距离向点数,nan表示方位向点数;
步骤7,根据已知的雷达参数,构造一阶keystone变换因子取出步骤6中第q个子孔径的S″q(fn,xm)作一阶keystone变换,得到距离走动校正后的数据矩阵S″q(fn,τ),q=0,1,...k,S″(fn,τ)为/>矩阵;
其中,nrn表示距离向点数,nan表示方位向点数,k为子孔径个数;
步骤8,取出步骤7得到的S″q(fn,τ)按列进行IFFT处理,得到矩阵S″q(n,τ);
步骤9,取出步骤8的S″q(n,τ),对S″q(n,τ)按行作FFT处理后得到S″q(n,fm),S″q(n,fm),q=0,1,...k,即为第q个子孔径时频域的成像结果。
其中,fm表示为方位向频域坐标,PRF为方位采用频率,Δfa为方位频域间隔,/>nan表示方位向点数,k为子孔径个数;
步骤10,取出步骤6中的每个子孔径S″q(fn,xm),q=0,1,...k,重复步骤7至步骤9的操作得到每个子孔径的时频域成像结果S″q(n,fm),q=0,1,...k;
其中,k为子孔径个数;
步骤11,取出步骤10中的第q个子孔径成像结果S″q(n,fm),对S″q(n,fm)进行恒虚警检测,得到第q个子孔径的动目标检测结果S″′q(p1,p2),q=0,1,...k。重复步骤11得到所有子孔径的动目标检测结果S″′q(p1,p2);
步骤12,取出步骤11中的检测结果S″′q(p1,p2),若运动目标为单目标直接跳转至步骤14。若运动目标为多目标,根据检测结果S″′(p1,p2)进行聚类聚成num类,得到聚类结果
其中,num为运动目标个数;
步骤13,取出步骤12的所有子孔径聚类结果对/>进行多目标跟踪,得到各个动目标在各个子孔中的位置航迹F(i,q)(p1,p2);
其中,F(i,q)(p1,p2)表示第i个动目标在第q个子孔径的坐标为(p1,p2),i=0,1,...num,q=0,1,...k,p1∈[1,nrn],
步骤14,若运动目标为单目标,直接取出各个子孔径中以(p1,p2)为中心的[32,32]大小的区域进行累加拼接,得到第i个运动目标的子孔径拼接结果。若运动目标为多目标,取出步骤13中的F(i,q)(p1,p2),对于第i个运动目标,根据航迹F(i,q)(p1,p2)取出各个子孔径中以(p1,p2)为中心的[32,32]大小的区域进行累加拼接,得到第i个运动目标的子孔径拼接结果,重复步骤14得到所有运动目标的成像结果。
步骤2具体操作如下:
根据已知的雷达参数,参考信号向量
其中,γ表示调频率,γ=B/Tp,B表示发射信号带宽,Tp表示发射脉冲宽度,fn表示为距离向频域坐标,B为发射信号带宽,Δf为距离频域间隔,/>nrn表示距离向点数。
步骤4具体操作如下:
根据已知的雷达参数,校正距离弯曲参考信号矩阵为
其中,fc表示雷达发射信号的载频,c为电磁波的传播速度,v为雷达载机速度,Rref为参考距离,B为发射信号带宽,Δf为距离频域间隔,/>n=0,1,...,nrn-1,nrn表示距离向点数,tm为方位慢时间。
步骤6具体操作如下:
根据已知的雷达参数,第q个子孔径的斜距为
其中,vr表示运动目标的径向速度,v表示雷达平台载机速度,xm为当前子孔径合成孔径时间,xn为其他子孔径合成孔径时间,当子孔径划分大小相等时,xn=xm,k为划分的子孔径个数。
至此,一种基于跟踪的运动目标高分辨合成孔径雷达成像算法基本完成。
以下通过仿真实验来进一步验证本发明的有效性。
(一)仿真实验
1.仿真参数
为了验证本发明方法的有效性,此处给出了表1中的仿真数据参数。
表1实测数据参数
载频 | 5.9GHz | 平台高度 | 1km |
平台速度 | 150m/s | 发射信号带宽 | 50MHz |
场景中心斜距 | 20km | 运动目标个数 | 2 |
脉冲重复频率 | 500Hz | 目标径向速度 | 2m/s |
采样频率 | 60MHz | 子孔径个数 | 6 |
2.实验内容
图1、图2和图3示意了利用本发明提出的基于跟踪的运动目标高分辨合成孔径雷达成像算法获得的实验处理结果。从图中可以看出本发明方法的运动目标成像效果,采用本发明方法的可以有效解决在噪声存在情况和海杂波背景下的运动目标高分辨率成像问题。
综上所述,实验验证了本发明的正确性,有效性和可靠性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,其特征在于步骤如下:
步骤1:获取大场景下多个运动目标的回波信号,将回波信号表示成二维矩阵对矩阵/>按列进行FFT处理,将结果保存在矩阵/>中;所述的/>为nrn×nan维矩阵,其中,nrn表示距离向点数,nan表示方位向点数;
步骤2:根据已知的雷达参数,构造参考信号向量为nrn×1向量;
步骤3:取出步骤1得到的每一列,均点乘参考信号向量/>的共轭,得到距离脉压后的数据矩阵s(fn,tm);
其中,表示为距离向频域坐标,B为发射信号带宽,Δf为距离频域间隔,tm表示方位向时域坐标,/>L表示为合成孔径长度,m=0,1,...,nan-1;
步骤4:根据已知的雷达参数,构造校正距离弯曲的参考信号S_ref_bend(fn,tm),S_ref_bend(fn,tm)为nrn×nan矩阵;
步骤5:取出步骤3得到的S(fn,tm),均点乘参考信号S_ref_bend(fn,tm),得到距离弯曲校正之后的数据矩阵S′(fn,tm);
步骤6:取出步骤5的S′(fn,tm),按行等分为k份,即将S′(fn,tm)在方位向上划分为k个子孔径,每个子孔径为s″q(fn,xm),S″q(fn,xm)为矩阵,且tm=k·xm,q=0,1,...k;
步骤7:根据已知的雷达参数,构造一阶keystone变换因子取出步骤6中第q个子孔径的S″q(fn,xm)作一阶keystone变换,得到距离走动校正后的数据矩阵S″q(fn,τ),S″(fn,τ)为/>矩阵;
步骤8:取出步骤7得到的s″q(fn,τ)按列进行IFFT处理,得到矩阵S″q(n,τ);
步骤9:取出步骤8的S″q(n,τ),对S″q(n,τ)按行作FFT处理后得到S″q(n,fm),S″q(n,fm)即为第q个子孔径时频域的成像结果;
其中,表示为方位向频域坐标,PRF为方位采用频率,Δfa为方位频域间隔,/>
步骤10:取出步骤6中的每个子孔径s″q(fn,xm),重复步骤7至步骤9的操作得到每个子孔径的时频域成像结果S″q(n,fm);
步骤11:取出步骤10中的第q个子孔径成像结果S″q(n,fm),对S″q(n,fm)进行恒虚警检测,得到第q个子孔径的动目标检测结果S″′q(p1,p2),重复步骤11得到所有子孔径的动目标检测结果S″′q(p1,p2);
步骤12:取出步骤11中的检测结果s′″q(p1,p2),若运动目标为单目标直接跳转至步骤14;若运动目标为多目标,根据检测结果s″′(p1,p2)进行聚类聚成num类,得到聚类结果
步骤13:取出步骤12的所有子孔径聚类结果对/>进行多目标跟踪,得到各个动目标在各个子孔中的位置航迹F(i,q)(p1,p2);
其中,F(i,q)(p1,p2)表示第i个动目标在第q个子孔径的坐标为(p1,p2),i=0,1,...num,q=0,1,...k,p1∈[1,nrn],
步骤14,若运动目标为单目标,直接取出各个子孔径中以(p1,p2)为中心的[32,32]大小的区域进行累加拼接,得到第i个运动目标的子孔径拼接结果;若运动目标为多目标,取出步骤13中的F(i,q)(p1,p2),对于第i个运动目标,根据航迹F(i,q)(p1,p2)取出各个子孔径中以(p1,p2)为中心的[32,32]大小的区域进行累加拼接,得到第i个运动目标的子孔径拼接结果,重复步骤14得到所有运动目标的成像结果。
2.根据权利要求1所述的一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,其特征在于步骤2具体如下:
根据已知的雷达参数,参考信号向量
其中,γ表示调频率,γ=B/Tp,B表示发射信号带宽,Tp表示发射脉冲宽度,fn表示为距离向频域坐标,B为发射信号带宽,Δf为距离频域间隔,/>nrn表示距离向点数。
3.根据权利要求1所述的一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,其特征在于步骤4具体如下:
根据已知的雷达参数,校正距离弯曲参考信号矩阵为
其中,fc表示雷达发射信号的载频,c为电磁波的传播速度,v为雷达载机速度,Rref为参考距离,B为发射信号带宽,Δf为距离频域间隔,/>n=0,1,...,nrn-1,nrn表示距离向点数,tm为方位慢时间。
4.根据权利要求1所述的一种基于跟踪的运动目标高分辨合成孔径雷达成像算法,其特征在于步骤6具体如下:
根据已知的雷达参数,第q个子孔径的斜距为
其中,vr表示运动目标的径向速度,v表示雷达平台载机速度,xm为当前子孔径合成孔径时间,xn为其他子孔径合成孔径时间,当子孔径划分大小相等时,xn=xm,k为划分的子孔径个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110971281.5A CN113466866B (zh) | 2021-08-23 | 2021-08-23 | 一种基于跟踪的运动目标高分辨合成孔径雷达成像算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110971281.5A CN113466866B (zh) | 2021-08-23 | 2021-08-23 | 一种基于跟踪的运动目标高分辨合成孔径雷达成像算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113466866A CN113466866A (zh) | 2021-10-01 |
CN113466866B true CN113466866B (zh) | 2024-06-07 |
Family
ID=77867152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110971281.5A Active CN113466866B (zh) | 2021-08-23 | 2021-08-23 | 一种基于跟踪的运动目标高分辨合成孔径雷达成像算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113466866B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858976A (zh) * | 2010-05-25 | 2010-10-13 | 重庆大学 | 一种基于单通道sar多子孔径的运动目标检测方法 |
CN107025654A (zh) * | 2016-02-01 | 2017-08-08 | 南京理工大学 | 基于全局迭代检查的sar图像自适应船只检测方法 |
CN108196240A (zh) * | 2018-02-07 | 2018-06-22 | 中国人民解放军国防科技大学 | 一种适用于csar成像的地面动目标轨迹重构方法 |
CN109814100A (zh) * | 2019-01-31 | 2019-05-28 | 西安电子科技大学 | 基于子孔径参数估计的sar地面运动目标成像方法 |
-
2021
- 2021-08-23 CN CN202110971281.5A patent/CN113466866B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858976A (zh) * | 2010-05-25 | 2010-10-13 | 重庆大学 | 一种基于单通道sar多子孔径的运动目标检测方法 |
CN107025654A (zh) * | 2016-02-01 | 2017-08-08 | 南京理工大学 | 基于全局迭代检查的sar图像自适应船只检测方法 |
CN108196240A (zh) * | 2018-02-07 | 2018-06-22 | 中国人民解放军国防科技大学 | 一种适用于csar成像的地面动目标轨迹重构方法 |
CN109814100A (zh) * | 2019-01-31 | 2019-05-28 | 西安电子科技大学 | 基于子孔径参数估计的sar地面运动目标成像方法 |
Non-Patent Citations (1)
Title |
---|
三通道SAR-GMTI地面快速目标检测;吕孝雷;齐飞林;邢孟道;张守宏;;系统工程与电子技术;20090715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113466866A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490443B (zh) | 基于解析解及NUFFT的多子阵合成孔径声纳ωk成像算法 | |
CN101526614B (zh) | 基于子孔径和等效散射体的sar回波快速模拟方法 | |
CN102998672B (zh) | 基于相干化处理的步进频率isar成像方法 | |
CN110907910B (zh) | 一种分布式相参雷达动目标回波相参合成方法 | |
US11719787B2 (en) | Radar-based target set generation | |
CN111352107B (zh) | 基于多通道数字和差的单脉冲跟踪与成像方法 | |
CN102590812A (zh) | 基于调频连续波的sar实时成像方法 | |
CN106054187B (zh) | 基于斜距模型下的大斜视sar曲线轨迹波数域成像方法 | |
CN111239721B (zh) | 车载mimo雷达求熵解速度模糊的方法 | |
CN109655819B (zh) | 一种基于实孔径多普勒波束锐化的杂波抑制三维成像方法 | |
CN103885061A (zh) | 基于改进相位梯度自聚焦的双基sar运动补偿方法 | |
CN110907938B (zh) | 一种近场的快速下视合成孔径三维成像方法 | |
CN112904326B (zh) | 一种基于虚拟孔径的星载无源定位方法 | |
CN114545411A (zh) | 一种基于工程实现的极坐标格式多模高分辨sar成像方法 | |
CN111273248A (zh) | 一种基于相位补偿的解速度模糊方法 | |
CN102707282A (zh) | 一种对非协同目标高精度的isar运动补偿方法 | |
CN110879391A (zh) | 基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法 | |
CN113466866B (zh) | 一种基于跟踪的运动目标高分辨合成孔径雷达成像算法 | |
CN112147593A (zh) | 一种高速密集爆炸物破片目标的四维参数估计方法 | |
CN116359921A (zh) | 基于加速轨迹双基前视合成孔径雷达的快速时域成像方法 | |
CN114185047B (zh) | 一种基于最优极坐标变换的双基sar动目标重聚焦方法 | |
CN114780911A (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
CN112986989B (zh) | 基于遗传算法的正交相位编码信号抑制距离模糊的方法 | |
JP2019200082A (ja) | 方位演算装置及び方位演算方法 | |
CN110736988B (zh) | 双基地pfa运动目标参数估计和成像方法 |
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 |