CN113484859A - 一种基于融合技术的二维超分辨雷达成像方法 - Google Patents
一种基于融合技术的二维超分辨雷达成像方法 Download PDFInfo
- Publication number
- CN113484859A CN113484859A CN202110759035.3A CN202110759035A CN113484859A CN 113484859 A CN113484859 A CN 113484859A CN 202110759035 A CN202110759035 A CN 202110759035A CN 113484859 A CN113484859 A CN 113484859A
- Authority
- CN
- China
- Prior art keywords
- sub
- band
- pulse
- signal
- resolution
- 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.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 title claims abstract description 42
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000009825 accumulation Methods 0.000 claims abstract description 19
- 230000006835 compression Effects 0.000 claims abstract description 13
- 238000007906 compression Methods 0.000 claims abstract description 13
- 230000001427 coherent effect Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 230000005012 migration Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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融合技术的二维超分辨雷达成像方法，包括：步骤1、接收各子脉冲时间段内的各子带雷达信号；步骤2、对每个脉冲时间段内的信号进行运动补偿；步骤3、对脉冲时间段的子带信号用几何绕射模型进行表示；步骤4、选择分布在最低频率段的子带信号作为参考信号，基于改进root‑MUSIC计算并补偿其他子带信号与该子带信号之间的非相干项；步骤5、基于改进root‑MUSIC，从已完成非相干项补偿的各子带信号中估计大带宽信号的几何绕射模型参数；步骤6、将估计的大带宽信号参数代入几何绕射模型重构出大带宽信号；步骤7、对估计出的大带宽信号进行距离维压缩成像；步骤8、对每一个距离单元对应的多个子脉冲回波段，得到长脉冲积累时间的脉冲回波信号，进行方位向压缩，实现方位向超分辨。
Description
技术领域
本发明涉及雷达成像技术领域，具体涉及一种基于融合技术的二维超分辨雷达成像方法。
背景技术
微波雷达通过向目标上发射电磁波，然后处理目标的反射电磁波来观测目标，因此有全天时全天候的工作能力。相比于光学探测器，微波雷达可在恶劣环境中探测、跟踪和识别目标，在国土测绘、洪水监测、海冰监测、土壤湿度调查、森林资源清查、地质调查等领域有着不可或缺的重要作用。
为获取目标更精细的结构信息，需提高微波雷达的距离向和方位向分辨率。距离分辨率可通过发射大带宽线性调频信号来提高，方位分辨率可通过增加成像积累角来提高。为了在硬件消耗最小的条件下提高现有雷达系统的距离向分辨率，已有学者提出了多子带融合成像方法，该方法通过估计算法从多子带回波信号中估计出大带宽信号的散射模型参数，再将散射模型参数代入到散射模型中从而得到大带宽雷达信号。但现有方法对目标上散射中心个数的估计不准确，同时所采用的散射模型较为简单。
在方位向，为了提升雷达性能，现有雷达系统一般具有多种功能，而功能切换时会导致回波脉冲缺失的情况，如雷达A本来工作在X波段进行成像，但此时探测功能开启，那么在X波段的回波脉冲就没有了，即出现了部分脉冲回波缺失的情况，这种情况会导致雷达方位向分辨率下降。
发明内容
为了解决现有雷达方位向分辨率低、雷达系统二维超分辨能力有限的问题，以及针对直接实现大带宽信号困难、多功能雷达脉冲回波获取不完全的情况，本发明提出了一种基于融合技术的二维超分辨雷达成像方法，将多个子脉冲段回波看成多子带雷达回波，然后再采用融合技术从多个脉冲回波信号中估计出长时间积累角的脉冲回波信号，对融合出的大带宽长相干积累时间信号进行成像，可获得高分清晰的雷达图像。对于现有方法对目标上散射中心个数的估计不准确的问题，本发明采用了基于回波奇异值差分的散射中心个数估计方法，并把几何绕(Geometrical Theory of Diffraction,GTD)模型引入到多子带融合算法中。另外，本发明首先提出基于改进root-MUSIC的融合算法，然后使用该融合算法依次完成距离向和方位向上的超分辨成像：在距离向大带宽信号被估计后，进行距离向压缩得到高分辨距离像，然后对距离压缩后的信号在方位向进行融合，得到大相干积累角回波脉冲信号，最后对估计出的长相干积累角回波脉冲信号进行方位向压缩，得到方位超分辨成像，从而实现二维超分辨率雷达成像。改进root-MUSIC算法主要分为三个步骤：
1.基于回波奇异值差分准则估计散射中心个数，考虑了信号和噪声分布的不同，精度高于现有准则；
2.子带或子脉冲段之间的相干处理，基于root-MUSIC算法估计各子带GTD模型参数并使用估计出的参数计算和补偿非相干项，该算法运算量低；
3.大带宽信号或长相干积累角时间信号估计处理，基于root-MUSIC算法从子带信号或子脉冲段回波信号中估计大带宽信号或长相干积累角信号。
本发明的技术方案为：一种基于融合技术的二维超分辨雷达成像方法，包括如下步骤：
步骤1、接收各子脉冲时间段内的各子带雷达信号；
步骤2、对每个脉冲时间段内的信号进行运动补偿；
步骤3、对脉冲时间段的子带信号用GTD模型进行表示；
步骤4、选择分布在最低频率段的子带信号作为参考信号，基于改进root-MUSIC计算并补偿其他子带信号与该子带信号之间的非相干项；
步骤5、基于改进root-MUSIC，从已完成非相干项补偿的各子带信号中估计大带宽信号的GTD模型参数；
步骤6、将估计的大带宽信号参数代入GTD模型重构出大带宽信号；
步骤7、对估计出的大带宽信号进行距离维压缩成像；
步骤8、对每一个距离单元对应的多个子脉冲回波段，使用和距离超分辨相同的融合算法得到长脉冲积累时间的脉冲回波信号，进行方位向压缩，实现方位向超分辨。
其中，各雷达之间的距离要足够小，雷达间的最大视角差和最小波长与目标最大尺寸之间的关系是：
其中λ代表波长，L代表目标的最大距离向尺寸。
其中，各雷达发射除频带不同外其他参数(如脉冲持续时间，带宽等)都相同的线性调频信号。
其中，所有雷达需同时对同一个目标的相同部位进行探测，且目标上的散射中心在雷达照射范围内保持不变。
其中，非相干项包括幅度项和相位项。幅度非相干项可通过归一化补偿。雷达系统噪声以及目标和各雷达间相对位置的不同造成的初始相位项和线性相位项需基于改进的root-MUSIC算法进行估计和补偿。
其中，幅度非相干项通过归一化补偿，各子脉冲段各子带接收完回波信号后，分别进行归一化处理。
其中，对每个雷达接收信号进行的运动补偿包括：距离徙动校正，以及由于目标在脉冲与脉冲中位置的不同引起的多普勒频移。相位误差可使用图像偏移算法(Map DriftAlgorithm,MDA)，相位梯度自聚焦(Phase Gradient Autofocus,PGA)和最小熵自聚焦(Minimum Entropy Autofocus,MEA)等方法来补偿。
其中，仿真证明部分以两个子带和两个子脉冲回波段为例，相比最后估计出的大带宽信号带宽，每个子带的带宽是大带宽的30％，每个子脉冲回波段对应的时间长度是长脉冲回波段对应的时间长度的30％。
有益效果：
本发明相对于现有技术，具有如下优点：
(1)本发明对于距离向超分辨：利用多个子带回波数据估计一个带宽大于各子带带宽之和的大带宽雷达回波信号，和改造单部雷达来提高雷达带宽的方法相比，不需要对雷达系统射频前端进行改造和更换，极大地节省了人力物力和财力，可简便地提高雷达分辨率。
(2)本发明在估计目标上散射中心的个数时，考虑了目标回波自身的性质，基于差分原则将信号对应奇异值与噪声对应奇异值分开，估计精度高于现有散射中心估计准则。
(3)本发明基于GTD模型估计大带宽雷达回波数据，考虑了散射幅度随频率的变化，估计精度高。
(4)本发明利用多个脉冲回波段数据估计大脉冲积累时间回波信号，即利用多个方位分辨率低的回波信号段得到等效高方位分辨率回波信号。解决了由于目标运动不可预测、雷达系统功能转变等带来的部分脉冲回波缺失问题。
(5)本发明当子带个数或子脉冲段个数大于两个时，子带或子脉冲段互相干步骤、缺失频带信号估计步骤与两子带或两脉冲段时相同，方法易扩展。
附图说明
图1为基于融合技术的二维超分辨雷达成像方法原理流程，其中，(a)接收到的多子带多脉冲回波段信号(黑色)，白色是缺失数据，左上角黑色方框中的线条代表几个脉冲；(b)对每个脉冲段，基于融合技术估计频率域上的缺失信号(深灰色)；(c)对每个脉冲段做距离向脉压，得到距离向的超分辨图像；(d)对每个距离门上的多脉冲回波段，基于融合技术从多脉冲回波段中估计出长脉冲时间回波信号，并完成方位向压缩，最终得到二维超分辨雷达图像；
图2为以距离向上的多子带融合为例说明融合技术的流程；
图3为实验中子脉冲段和子带分布示意图；
图4为飞机几何图；
图5为脉冲段1子带1成像结果；
图6为脉冲段1子带2成像结果；
图7为脉冲段1融合大带宽成像结果；
图8为脉冲段2子带1成像结果；
图9为脉冲段2子带2成像结果；
图10为脉冲段2融合大带宽成像结果；
图11为脉冲段1和脉冲段2融合长脉冲成像结果；
图12为原始大带宽长脉冲成像结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
为使本发明的目的、技术方案和优点更加清楚明了，下面结合图1、图2及具体实施例对本发明进一步详细说明。
根据本发明的一个实施例，提出一种基于融合技术的二维超分辨雷达成像方法，包括如下步骤：
步骤1：获取各脉冲时间段内的各子带雷达信号
如图1所示，假设频率域共有Nzd个子带信号，时间域共有Np个脉冲回波段。每个子带都对应一个雷达系统，分布在最低频段的子带被称为子带1，其对应雷达系统被称为雷达1，各雷达系统只在部分时刻发射和接收信号。以雷达1的时间为基准，同步其余雷达的时间，使所有雷达在相同时间段内向同一个目标发射除信号频带不同外其他参数都相同的线性调频脉冲信号。观测时间段内，各雷达同时接收目标的反射电磁波，即回波信号，并对回波信号做归一化处理消除幅度非相干项。
步骤2：脉冲回波段p时子带q的信号运动补偿
假设完成脉冲压缩后的回波信号为：
其中
是快时间，t是慢时间，M是目标上散射中心的个数，m代表第m个散射中心，λ为波长，Am是目标上第m个散射中心的幅度，其会随入射频率发生变化，但不会随观测角度发生变化的散射幅度。xm是目标上第m个散射中心在距离向上的位置，ym是目标上第m个散射中心在方位向的位置。c是光速，R0是目标上参考散射中心的距离。Ω是该脉冲回波段的观测时间内目标的等效转动角速度。Rt(t)是目标在雷达观测期间的运动造成的目标在每个方位向上的位置的变化，其不仅会造成距离徙动校正，同时还会造成相位误差。运动补偿主要就是完成距离徙动校正和补偿相位误差，距离徙动可通过距离插值校正，相位误差可通过自聚焦算法完成。运动补偿完毕后，回波信号变为：
步骤3：脉冲时间段p的子带q信号模型表示
对步骤2中已完成校正的p脉冲时间段内的所有子带信号进行距离向融合，对距离向的融合在频域进行，首先需要将式(2)中的距离-时间域信号变换到频率-时间域，对距离向做逆傅里叶变换：
其中
f＝f0+n·df,n＝0,1,…Np,q-1是采样频率，Np,q是脉冲段p中第q个子带的采样长度，f0是初始频率，df是频率间隔。fc是中心频率。α是频率依赖因子(FrequencyDependent Factor,FDF)，表征散射幅度随频率的变化趋势，FDF的不同取值与常见散射结构之间的对应关系见表1。
表1 FDF与散射结构对应表
因为在某个方位时间t时，(3)中方位向相关项的取值保持不变，故将方位向相关项融合到(3)中的幅度项中，并不再将t表现在公式中，(3)变为GTD模型：
其中
是回波信号中第m个散射中心的第二散射幅度。
对(4)进行离散化并化简，可得：
其中，
是回波信号中第m个散射中心的第三散射幅度。令Pm＝exp(-j4πΔfxm/c)，是回波中第m个散射中心的极点，与散射中心在距离向上的位置有关，得：
步骤4：脉冲时间段p时各子带间非相干项的估计与补偿
由于各雷达系统所处位置不同，因此各雷达系统观测到的目标位置也会不同，造成了子带间非相干项的出现，非相干幅度项可通过归一化消除，一般非相干相位项包括常数阶非相干相位项和一阶非相干相位项。当考虑非相干相位项时，子带q经过徙动校正后的回波信号可表示为：
其中，sp,q代表脉冲时间段p时子带q的回波信号，βp,q代表脉冲时间段p时子带q中的常数阶相位非相干项，ηp,q代表脉冲时间段p时子带q中的一阶相位非相干项，Np,q是子带q的采样点数，子带采样点数和大带宽信号采样点数之间的比值被称为分数带宽(Fractional Bandwidth,FB)。由于雷达1是参考雷达，因此βp,1＝ηp,1＝0。从(6)可得，其他子带回波中的非相干项可根据其他子带的相位项、幅度项和子带1的相位项、幅度项之间的差别得到。令
分别代表脉冲时间段p时子带q中第m个散射中心的幅度和极点，得：
4.1计算散射中心个数M
基于回波奇异值之间的差分准则估计目标上散射中心的个数M：先从每个子带中估计一个散射中心个数值，然后取其中的最小值作为M的估计值。从每个子带中估计散射中心个数的方法相同，下面以第1个子带为例介绍。
首先根据子带1数据计算Hankel矩阵：
其中Hp,1代表第p个脉冲时间段时子带1的Hankle矩阵，Np,1代表第p个脉冲时间段时子带1的采样点数，Lp,1代表第p个脉冲时间段子带1的相关长度，相关长度的取值规则如下：
其中ε是一个用来减少散射中心估计时运算量的经验向量。当子带采样点数较多时，即FB≥10％时，由于子带中包含的目标散射信息较多，为了减小计算量，可以将相关长度取的较小，即设置ε为3。
然后对矩阵Hp,1做奇异值分解：
Hp,1＝Up,1Sp,1Vp,1 (11)
其中Up,1和Vp,1是脉冲时间段p时子带1回波奇异值分解后的两个酉矩阵，矩阵Sp,1的对角线上是奇异值
子带1中散射中心个数可通过这些奇异值确定。
令：
则
其中n的取值范围是1到Lp,1-2，
代表某参数{·}估计值。上式中g(n)的含义是第n个奇异值与第n+1个奇异值之差与第n+1个奇异值的后向平均差分之比，前者代表奇异值变化的剧烈程度，后者衡量后向奇异值的分布均匀程度。当(12)取最大值时，它对应的奇异值点就会同时兼具与后一个奇异值差距大，且后一个奇异值及其后面的奇异值较为接近的特性，也就是信号空间和噪声空间的临界值，此时的n就是散射中心的个数，见(13)。当然，为了避免噪声特征值特别小，导致判别函数g(n)异常增大，往往给奇异值序列加上一个合适常数，例如1。
假设利用脉冲时间段p时子带q信号估计出来的散射中心个数为
则选择
为最终估计的散射中心个数，其中
是从脉冲时间段1时子带1回波中估计的散射中心个数，
是从脉冲时间段1时子带2回波中估计的散射中心个数，
是从脉冲时间段Nzd时子带Np回波中估计的散射中心个数。
4.2各个散射中心极点与幅度的估计
每个子带中极点值和幅度估计的方法相同，因此以子带1为例介绍极点值和幅度的估计方法，在下面的推导中下标中的p都代表脉冲时间段p，上标m都代表第m个散射中心，1都代表子带1。
根据散射中心个数将Vp,1划分为正交的信号子空间和噪声子空间。
信号子空间
为前
列，噪声子空间
为后
列。根据噪声子空间定义：
用矩阵Ap,1中元素构造如下多项式：
其中
代表Ap,1的第一行元素，i为采样点，z为z变换中的变量。求解多项式Ap,1的根，按照模型阶数估计的结果，选择其中最靠近单位圆的
个极点作为主散射中心对应的极点估计，记脉冲时间段1时子带1中各散射中心对应的估计极点为
极点估计后，根据全极点模型，对对应散射幅度的估计变成了简单线性回归问题，使用标准的线性最小二乘法就能得到最优解集。记求得的脉冲时间段1时子带1中各散射中心的幅度项估计为
结合(8)可得：
其中ηp,1是时间段p时子带1的初始相位误差，βp,1是时间段p时子带1的线性相位误差。
4.3相位非相干项的估计
由于脉冲时间段p时子带1是参考子带，βp,1＝ηp,1＝0。所以可以通过从其他子带估计的极点值、幅度值与从子带1中估计的极点值、幅度值之间的差异，估计常数非相干项和一阶非相干项。为了避免单个极点估计的误差对整个结果的影响，采用求解多个散射中心求均值的方式来降低误差。
其中，phase(·)代表取相位操作，
是脉冲时间段p时子带q的初始相位误差估计值，
是脉冲时间段p时子带q的线性相位误差估计值。在除子带1之外的其他子带中的非相干量被估计后，通过这些非相干量补偿原始子带数据即可得到互相相干的子带数据，如(8)。
步骤5：脉冲时间段p时，基于融合技术从多个子带信号中估计大带宽信号
首先从多个子带信号中估计大带宽信号对应的(4)中参数，包括散射幅度、频率依赖因子和距离坐标，然后将这些参数代入到(8)中，即可得到大带宽信号。
5.1构建大带宽信号Hankle矩阵
根据(9)对脉冲时间段p内的所有子带信号构建其对应的Hankle矩阵，并将其按照下式所示构造出一个大带宽信号的Kankle矩阵：
其中Hp,q代表第p个脉冲时间段时子带q的Hankle矩阵。
5.2估计大带宽信号的散射中心个数、极点值和散射幅度值
对(19)中的H根据4.1中所介绍的方法估计出散射中心的个数，再根据4.2估计出极点值和散射幅度的大小。
5.3大带宽信号的构造
将5.2中估计出的参数值代入到(4)中，即可得到一个大带宽信号。
步骤6：对脉冲时间段p中每个方位时刻的大带宽信号进行距离压缩，得到超分辨距离像
从多子带信号中估计出的大带宽信号形式如(3)中所示，对其进行距离压缩，形式如(2)中所示：
从上式中可以看出，对每一个快时间时刻，散射幅度、距离向包络和第一个相位项都是不变的，将这些不变量当作新的幅度并对(2)进行重组，可得：
其中，
为目标上第m个散射中心的第四散射幅度。
步骤7：基于融合技术从所有脉冲段中估计大积累时间回波信号
从(22)可以看出，对每个快时间时刻，回波都不再随快时间
而变化，因此在此步骤中将省略
假设脉冲持续时间为T，对上式进行离散化：
其中lp是脉冲段p中脉冲的个数，l是第p个脉冲段中的第l个脉冲，对(23)进一步简化，可得：
令
指的是第p个脉冲段中的第m个极点，(24)变为：
对比(6)可知(25)同是极点模型，因此根据步骤4和步骤5中介绍的融合算法，从每一个快时间时刻的Np个子脉冲段中估计出长积累时间信号：
其中lNp是脉冲段Np中脉冲的个数。
步骤8：对大积累时间回波信号进行方位向聚焦
在得到每个块时间时刻的大积累时间回波信号后，对其做快速傅里叶变换，即可得到高分辨率方位像。相比于各子脉冲回波段，估计出的大积累时间回波信号的等效相干积累角度更大，方位向分辨率更高，实现了方位超分辨能力。
由于步骤6中已经得到了高分辨率距离像，因此步骤8后将得到高分辨率二维雷达图像：
其中，fd是方位多普勒频率。
本发明的效果可通过以下仿真进一步说明：
(1)仿真参数
需要拟合的大带宽为5.8GHz到6.2GHz，频率间隔是12.5MHz，频率采样点数为32，两子带的频率分布见图3，子带个数为2，每个子带带宽是大带宽的30％。方位观测角度为-2.86°～2.78°，采样间隔是0.09°，采样点数是64，两个子脉冲段的长度是总脉冲个数的30％，总脉冲个数为39。为避免各个子脉冲段的子带采样点数过少，在融合前需对子带信号进行插值。目标为飞机目标，见图4，电磁波从飞机鼻翼前方照射。
(2)仿真内容
子脉冲回波1低子带成像结果，见图5。
子脉冲回波1高子带成像结果，见图6。
子脉冲回波1距离融合超分辨成像结果，见图7。
子脉冲回波2低子带成像结果，见图8。
子脉冲回波2高子带成像结果，见图9。
子脉冲回波2距离融合超分辨成像结果，见图10。
子脉冲回波1和子脉冲回波2方位融合超分辨成像结果，见图11。
子脉冲回波1和子脉冲回波2方位原始大积累时间成像结果，见图12。
对子脉冲1信号：从图5和图6中可看出，对于子脉冲段子带信号，由于带宽小，方位向积累时间短，距离分辨率和方位分辨率都很低。子带1图5中可以看出飞机的轮廓信息，但分辨率不高，P1和P2可见，但分辨率不高。子带2图6中完全看不出飞机的位置。经过距离向多子带融合后，图7中飞机的整体分辨率得到了提升，P1和P2也更加清晰。
从子脉冲2对应的图8、图9和图10中可得到和子脉冲1相同的结论。
对完成了距离融合的脉冲段1和脉冲段2信号进行方位向融合，估计的长脉冲时间信号成像结果如图11所示，将图11与图7和图10进行对比，可以看出图11中包含了目标更加丰富的结构信息，且图11中的距离分辨率和方位分辨率都高于图7和图10，且P1和P2的分辨率更高，证明了本发明所提丰富的二维超分辨能力。
对比图11和图12可得，本发明所提方法很好地提升了方位向分辨率，一些在图12中没有被显示出来的散射点在图11中被显示出来了。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (9)
1.一种基于融合技术的二维超分辨雷达成像方法，其特征在于，包括如下步骤：
步骤1、接收各子脉冲时间段内的各子带雷达信号；
步骤2、对每个脉冲时间段内的信号进行运动补偿；
步骤3、对脉冲时间段的子带信号用几何绕射模型进行表示；
步骤4、选择分布在最低频率段的子带信号作为参考信号，基于改进root-MUSIC计算并补偿其他子带信号与该子带信号之间的非相干项；
步骤5、基于改进root-MUSIC，从已完成非相干项补偿的各子带信号中估计大带宽信号的GTD模型参数；
步骤6、将估计的大带宽信号参数代入几何绕射模型重构出大带宽信号；
步骤7、对估计出的大带宽信号进行距离维压缩成像；
步骤8、对每一个距离单元对应的多个子脉冲回波段，使用和距离超分辨相同的融合算法得到长脉冲积累时间的脉冲回波信号，进行方位向压缩，实现方位向超分辨。
2.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤1具体包括：
假设频率域共有Nzd个子带信号，时间域共有Np个脉冲回波段，每个子带都对应一个雷达系统，分布在最低频段的子带被称为第一子带，其对应雷达系统被称为第一雷达，各雷达系统只在部分时刻发射和接收信号；以第一雷达的时间为基准，同步其余雷达的时间，使所有雷达在相同时间段内向同一个目标发射除信号频带不同外其他参数都相同的线性调频脉冲信号；观测时间段内，各雷达同时接收目标的反射电磁波，即回波信号，并对回波信号做归一化处理消除幅度非相干项。
3.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤2中，运动补偿包括完成距离徙动校正和补偿相位误差，距离徙动通过距离插值校正，相位误差通过自聚焦算法完成。
4.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤3具体包括：
对步骤2中已完成校正的脉冲时间段内的所有子带信号进行距离向融合，对距离向的融合在频域进行，首先需要将运动补偿后回波信号中的距离-时间域信号变换到频率-时间域，对距离向做逆傅里叶变换：将方位向相关项融合到逆傅里叶变换中的幅度项中，得到几何绕射模型表示。
5.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤4具体包括：
步骤4.1计算散射中心个数M：基于回波奇异值之间的差分准则估计目标上散射中心的个数M：先从每个子带中估计一个散射中心个数值，然后取其中的最小值作为M的估计值；
步骤4.2依次估计从第一子带到最后一级子带的极点与幅度；以第一子带作为参考子带，通过从其他子带估计的极点值、幅度值与从第一子带中估计的极点值、幅度值之间的差异，估计常数非相干项和一阶非相干项；在除子第一子带之外的其他子带中的非相干量被估计后，通过这些非相干量补偿原始子带数据即得到互相相干的子带数据。
6.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤5具体包括：首先从多个子带信号中估计大带宽信号对应的参数，包括散射幅度、频率依赖因子和距离坐标，然后将基于这些参数得到大带宽信号，具体为：
步骤5.1构建大带宽信号Hankle矩阵；
步骤5.2估计大带宽信号的散射中心个数、极点值和散射幅度值；基于估计出的参数值得到一个大带宽信号。
7.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤6具体包括：
对脉冲时间段中每个方位时刻的大带宽信号进行距离压缩，得到超分辨距离像。
8.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤7具体包括：基于融合技术从所有脉冲段中估计大积累时间回波信号。
9.根据权利要求1所述的一种基于融合技术的二维超分辨雷达成像方法，其特征在于，所述步骤8具体包括：
在得到每个块时间时刻的大积累时间回波信号后，对其做快速傅里叶变换，即可得到高分辨率方位像，基于步骤6得到高分辨率距离像，最终得到高分辨率二维雷达图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110759035.3A CN113484859B (zh) | 2021-07-05 | 2021-07-05 | 一种基于融合技术的二维超分辨雷达成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110759035.3A CN113484859B (zh) | 2021-07-05 | 2021-07-05 | 一种基于融合技术的二维超分辨雷达成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113484859A true CN113484859A (zh) | 2021-10-08 |
| CN113484859B CN113484859B (zh) | 2023-05-26 |
Family
ID=77940229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110759035.3A Active CN113484859B (zh) | 2021-07-05 | 2021-07-05 | 一种基于融合技术的二维超分辨雷达成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113484859B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113985407A (zh) * | 2021-12-24 | 2022-01-28 | 中国科学院空天信息创新研究院 | 一种基于解耦原子范数最小化的高精度多带融合方法 |
| CN114091185A (zh) * | 2022-01-24 | 2022-02-25 | 中国民航大学 | 一种飞机表面积冰演化状态辨识方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106842198A (zh) * | 2015-12-04 | 2017-06-13 | 北京航空航天大学 | 一种基于凸优化理论的子带融合成像算法 |
| CN112596051A (zh) * | 2020-12-11 | 2021-04-02 | 中国科学院空天信息创新研究院 | 基于改进松弛算法的多带融合算法 |
| CN112859075A (zh) * | 2021-01-14 | 2021-05-28 | 中国人民解放军陆军工程大学 | 多频带isar融合高分辨成像方法 |
-
2021
- 2021-07-05 CN CN202110759035.3A patent/CN113484859B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106842198A (zh) * | 2015-12-04 | 2017-06-13 | 北京航空航天大学 | 一种基于凸优化理论的子带融合成像算法 |
| CN112596051A (zh) * | 2020-12-11 | 2021-04-02 | 中国科学院空天信息创新研究院 | 基于改进松弛算法的多带融合算法 |
| CN112859075A (zh) * | 2021-01-14 | 2021-05-28 | 中国人民解放军陆军工程大学 | 多频带isar融合高分辨成像方法 |
Non-Patent Citations (5)
| Title |
|---|
| YING ZHANG 等: "Multiple Radar Subbands Fusion Algorithm Based on Support Vector Regression in Complex Noise Environment", IEEE TRANSACTIONS ON ANTENNAS AND PROPAGATION * |
| 李威;梁福来;张毅;吕昊;罗二平;: "高速动目标多频段融合一维超分辨成像算法研究", 医疗卫生装备 * |
| 王成;胡卫东;杜小勇;郁文贤;: "稀疏子带的多频段雷达信号融合超分辨距离成像", 电子学报 * |
| 田彪;刘洋;徐世友;陈曾平;: "基于几何绕射理论模型高精度参数估计的多频带合成成像", 电子与信息学报 * |
| 邹永强;高勋章;黎湘;: "基于矩阵束的多波段雷达信号高精度融合成像算法", 系统工程与电子技术 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113985407A (zh) * | 2021-12-24 | 2022-01-28 | 中国科学院空天信息创新研究院 | 一种基于解耦原子范数最小化的高精度多带融合方法 |
| CN114091185A (zh) * | 2022-01-24 | 2022-02-25 | 中国民航大学 | 一种飞机表面积冰演化状态辨识方法及系统 |
| CN114091185B (zh) * | 2022-01-24 | 2022-04-12 | 中国民航大学 | 一种飞机表面积冰演化状态辨识方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113484859B (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111142105B (zh) | 复杂运动目标isar成像方法 | |
| McCorkle et al. | Order N^ 2 log (N) backprojector algorithm for focusing wide-angle wide-bandwidth arbitrary-motion synthetic aperture radar | |
| Rao et al. | Parametric sparse representation method for ISAR imaging of rotating targets | |
| Ender | A brief review of compressive sensing applied to radar | |
| Xu et al. | Enhanced resolution in SAR/ISAR imaging using iterative sidelobe apodization | |
| CN109507666B (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
| Zhang et al. | A novel moving target imaging algorithm for HRWS SAR based on local maximum-likelihood minimum entropy | |
| Gurram et al. | Spectral-domain covariance estimation with a priori knowledge | |
| WO2024045362A1 (zh) | 车载多普勒分集mimo合成孔径雷达时域成像方法 | |
| CN113484859B (zh) | 一种基于融合技术的二维超分辨雷达成像方法 | |
| Li et al. | High speed maneuvering target detection based on joint keystone transform and CP function | |
| CN112859075B (zh) | 多频带isar融合高分辨成像方法 | |
| Yu et al. | Ground moving target motion parameter estimation using Radon modified Lv's distribution | |
| Fan et al. | High frame-rate and low-latency video SAR based on robust Doppler parameters estimation in the terahertz regime | |
| CN111722227B (zh) | 基于近似观测矩阵的聚束sar压缩感知成像方法 | |
| Garry et al. | Passive ISAR part I: framework and considerations | |
| CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
| Ryu et al. | Frame selection method for isar imaging of 3-d rotating target based on time–frequency analysis and radon transform | |
| CN113608218A (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
| CN113985407B (zh) | 一种基于解耦原子范数最小化的高精度多带融合方法 | |
| Radius et al. | Phase Variant Analysis Algorithm for Azimuth Ambiguity Detection | |
| CN102183755A (zh) | 一种基于柯西-高斯模型的新型高分辨方位估计方法 | |
| CN113238229B (zh) | 一种geo星机双基sar无模糊成像方法 | |
| CN115421115A (zh) | 一种用于联合相位校正与isar成像的重赋权交替方向乘子法 | |
| 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |