CN113589280B - 一种频域加窗单视快速雷达成像优化解析方法 - Google Patents
一种频域加窗单视快速雷达成像优化解析方法 Download PDFInfo
- Publication number
- CN113589280B CN113589280B CN202111141406.8A CN202111141406A CN113589280B CN 113589280 B CN113589280 B CN 113589280B CN 202111141406 A CN202111141406 A CN 202111141406A CN 113589280 B CN113589280 B CN 113589280B
- Authority
- CN
- China
- Prior art keywords
- window
- radar
- imaging
- formula
- view
- 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
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
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
本发明涉及一种频域加窗单视快速雷达成像优化解析方法包括以下步骤:雷达接收场值和雷达像构成傅里叶变换对;公式修正,根据直角坐标系(l,d)下的加窗归一化雷达成像定义,进行公式修正;矩形窗代入;转换解析,单视快速成像需要将其转换成解析表达式,得到矩形窗加权的单视雷达成像公式;建立通用解析表达式,对所有加窗单视雷达成像公式建立通用解析表达式;建立常用窗函数关键变量列表。本发明实现并验证了频域加窗单视快速雷达成像技术,使得单视快速雷达成像技术能够与传统扫频扫角雷达成像技术一样实现窗函数过滤,进而实现成像图像旁瓣、栅瓣抑制,在不影响单视快速成像效率的情况下,实现成像结果的优化。
Description
技术领域
本发明涉及一种频域加窗单视快速雷达成像优化解析方法,属于雷达图像去噪技术领域。
背景技术
雷达成像能够通过回波重构目标几何和材质特性,在目标跟踪、识别等领域有着广泛应用。其中高分辨一维距离像常用于引爆点判断,二维雷达像常用于目标识别、遥感数据分类,三维雷达成像是当前自动驾驶领域重要雷达特征识别的依据,如何获取目标及环境的三维雷达成像数据是当前自动驾驶领域的研究热点之一。
传统雷达成像技术建立在天线孔径电磁分布和远场散射的傅里叶变换关系之上,通常采用合成孔径模式提高方位分辨率。从一维到二维,再到三维,成像的信息利用率越来越高,二维和三维等更优的成像技术随着硬件技术的发展正逐渐走向实用化。在自动驾驶领域,因为毫米波雷达的全天候特性,基于三维毫米波雷达成像的目标特性技术研究越来越受重视。
基于电磁散射特性理论建模的雷达成像技术是当前获取目标及其环境雷达散射特性数据的重要手段,已经在军用目标识别和民用遥感领域获得了应用。单视毫米波雷达成像源于电磁仿真技术,可以大幅度降低单站成像所需的宽带和角度采样开销,提高获取成像切片数据的效率。该技术最早应用于雷达目标散射特性的时域仿真,通过目标剖分面元时域响应的解析表达式与信号的卷积快速获取时域回波;随后该技术应用于二维ISAR成像,并于近年应用于目标自动识别和城区遥感电磁特征提取。
傅里叶变换之前的孔径数据(定义为频域)的非均匀加窗成像可以有效降低成像的旁瓣电平,提高目标视觉分辨率,是雷达成像算法的标配。单视快速成像主要应用于目标的特征提取和强散射诊断,有学者曾尝试加入窗函数,但窗函数加载在每个面元的像数据上,定义为时域加窗。本文推导获取了标准的频域加窗单视成像的解析表达式,可以在保持单视成像高效率的同时获得加窗效果。
发明内容
为了解决上述技术问题,本发明提供一种频域加窗单视快速雷达成像优化解析方法,其具体技术方案如下:
一种频域加窗单视快速雷达成像优化解析方法,包括以下步骤:
步骤1:构成傅里叶变换对,单视毫米波成像雷达的定义取自传统扫频扫角雷达成像,即雷达接收场值和雷达像构成傅里叶变换对,如公式(1)所示,
将公式(3)代入公式(2),如公式(4)所示,
步骤4:转换解析,当进行步骤3时,不同于传统扫频扫角成像通过FFT进行计算,单视快速成像需要将其转换成解析表达式,得到矩形窗加权的单视雷达成像公式,如公式(5)所示,
进一步的,所述常用函数窗的类型包括Rect窗、Tri窗、Welch窗、Sin窗、Hann窗、Hamming窗、Blackman窗和Gauss窗。
进一步的,所述Rect窗对应的加权系数,扩展函数、=,所述Sin窗对应的加权系数,扩展函数、,所述Welch窗对应的加权系数,扩展函数、,所述Tri窗对应的加权系数,扩展函数、,所述Hann窗对应的加权系数,扩展函数、,所述Hamming窗对应的加权系数,扩展函数、,所述Blackman窗对应的加权系数,扩展函数、,所述Gauss窗对应的加权系数,扩展函数、。
本发明的有益效果:
本发明实现并验证了频域加窗单视快速雷达成像技术,给出了典型窗函数对应的解析扩展函数和归一化加权值,该技术使单视快速雷达成像技术与传统扫频扫角成像技术一样,能够实现窗函数过滤,在享有单视快速成像建模效率的同时,取得和加窗扫频扫角成像一样的旁瓣、栅瓣抑制效果,使得单视快速雷达成像技术能够与传统扫频扫角雷达成像技术一样实现窗函数过滤,进而实现成像图像旁瓣、栅瓣抑制,在不影响单视快速成像效率的情况下,实现成像结果的优化。
附图说明
图1是本发明的流程示意图,
图2是本发明的飞行器加矩形窗二维雷达成像图I,
图3是本发明的飞行器非矩形窗二维雷达成像图I,
图4是本发明的飞行器加矩形窗二维维雷达成像图II,
图5是本发明的飞行器非矩形窗二维雷达成像图II,
图6是本发明的飞行器加窗前三维雷达成像图,
图7是本发明的飞行器加窗后三维雷达成像图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,本发明的一种频域加窗单视快速雷达成像优化解析方法。首先,构成傅里叶变换对,单视毫米波成像雷达的定义取自传统扫频扫角雷达成像,即雷达接收场值和雷达像构成傅里叶变换对,如公式(1)所示,
其中表示像域坐标中的像或目标函数,为雷达视线方向的空间频率,且满足,因此即电波传播常数,表示频率,表示波速,为视线正交方向的空间频率,为方位或俯仰所指的方向,为目标雷达回波场值。其次,进行公式修正,根据直角坐标系下的加窗归一化雷达成像定义,进行公式修正,如公式(2)所示,
将公式(3)代入公式(2),如公式(4)所示,
其中,,为带宽的中心频点,,,,和分别是构成目标的三角形参考相位矢量在和方向的投影。接下来,建立通用解析表达式,经过推导分析,并对比常用窗函数对应的的关键参数,对所有加窗单视雷达成像公式建立通用解析表达式,如公式(6)所示,
其中的关键变量,分别表示,方向的扩展函数,表示加权系数;最后,建立关键变量列表,建立该公式(6)所对应的常用窗函数关键变量,的列表,以便求取不同窗函数的加窗单视雷达成像公式。常用函数窗的类型包括Rect窗、Sin窗、Welch窗、Sin窗、Hann窗、Hamming窗、Blackman窗和Gauss窗。其中,Rect窗对应的加权系数,扩展函数、=,Sin窗对应的加权系数,扩展函数、,所述Welch窗对应的加权系数,扩展函数、,所述Tri窗对应的加权系数,扩展函数、,所述Hann窗对应的加权系数,扩展函数、,所述Hamming窗对应的加权系数,扩展函数、,所述Blackman窗对应的加权系数,扩展函数、,所述Gauss窗对应的加权系数,扩展函数、。
实施例1
以某飞行器的二和三维雷达成像为例,列举前述加窗的效果。如图2至图5所示,图中,雷达分辨率0.3m,入射俯仰角45度,方位角45度,中心频率10GHz。由图2和图3,图4和图5对比可见,图2和图4均加矩形窗,图3和图5为加Blackman窗,频域加窗单视雷达成像可以有效抑制旁瓣,使强散点更清晰,但主瓣有所展宽,不同的窗函数对应成像效果略有不同,但定标场值几乎一致,证明了推导和实现的正确性,两者所用时间分别为6.7s和6.9s,远小于扫频扫角所需的1162.8s。同理,图6和图7给出了三维加窗成像前后对比图。本发明推导并实现了频域加窗单视快速雷达成像技术,给出了典型窗函数对应的解析扩展函数和归一化加权值,该技术使单视快速雷达成像技术与传统扫频扫角成像技术一样,可以实现窗函数过滤,在享有单视快速成像建模效率的同时,取得和加窗扫频扫角成像一样的旁瓣、栅瓣抑制效果。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (3)
1.一种频域加窗单视快速雷达成像优化解析方法,其特征在于,包括以下步骤:
步骤1:构成傅里叶变换对,单视毫米波成像雷达的定义取自传统扫频扫角雷达成像,即雷达接收场值和雷达像构成傅里叶变换对,如公式(1)所示,
将公式(3)代入公式(2),如公式(4)所示,
步骤4:转换解析,当进行步骤3时,不同于传统扫频扫角成像通过FFT进行计算,单视快速成像需要将其转换成解析表达式,得到矩形窗加权的单视雷达成像公式,如公式(5)所示,
2.根据权利要求1所述的频域加窗单视快速雷达成像优化解析方法,其特征在于:所述常用窗函数的类型包括Rect窗、Tri窗、Welch窗、Sin窗、Hann窗、Hamming窗、Blackman窗和Gauss窗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111141406.8A CN113589280B (zh) | 2021-09-28 | 2021-09-28 | 一种频域加窗单视快速雷达成像优化解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111141406.8A CN113589280B (zh) | 2021-09-28 | 2021-09-28 | 一种频域加窗单视快速雷达成像优化解析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113589280A CN113589280A (zh) | 2021-11-02 |
CN113589280B true CN113589280B (zh) | 2022-04-15 |
Family
ID=78242331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111141406.8A Active CN113589280B (zh) | 2021-09-28 | 2021-09-28 | 一种频域加窗单视快速雷达成像优化解析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589280B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457615A (zh) * | 2014-11-14 | 2015-03-25 | 深圳大学 | 基于广义s变换的三维数字成像方法 |
CN105677942A (zh) * | 2015-12-27 | 2016-06-15 | 北京航空航天大学 | 一种重复轨道星载自然场景sar复图像数据快速仿真方法 |
CN105956622A (zh) * | 2016-04-29 | 2016-09-21 | 武汉大学 | 基于多特征联合建模的极化sar影像分类方法 |
CN108152820A (zh) * | 2017-12-20 | 2018-06-12 | 西安电子科技大学 | 一种基于层析原理的双基地雷达成像方法 |
CN110554377A (zh) * | 2019-09-05 | 2019-12-10 | 中国科学院电子学研究所 | 基于多普勒中心偏移的单通道sar二维流场反演方法及系统 |
-
2021
- 2021-09-28 CN CN202111141406.8A patent/CN113589280B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457615A (zh) * | 2014-11-14 | 2015-03-25 | 深圳大学 | 基于广义s变换的三维数字成像方法 |
CN105677942A (zh) * | 2015-12-27 | 2016-06-15 | 北京航空航天大学 | 一种重复轨道星载自然场景sar复图像数据快速仿真方法 |
CN105956622A (zh) * | 2016-04-29 | 2016-09-21 | 武汉大学 | 基于多特征联合建模的极化sar影像分类方法 |
CN108152820A (zh) * | 2017-12-20 | 2018-06-12 | 西安电子科技大学 | 一种基于层析原理的双基地雷达成像方法 |
CN110554377A (zh) * | 2019-09-05 | 2019-12-10 | 中国科学院电子学研究所 | 基于多普勒中心偏移的单通道sar二维流场反演方法及系统 |
Non-Patent Citations (2)
Title |
---|
地基干涉雷达IBIS-L堰塞湖边坡监测影像质量分析;刘艳等;《安徽农业科学》;20151231;第379-381页 * |
基于外推陷波滤波的孤立强散射旁瓣抑制;李增辉等;《清华大学学报》;20151231;第55卷(第5期);第503-507页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113589280A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111142105B (zh) | 复杂运动目标isar成像方法 | |
CN102253376B (zh) | 一种基于二维微波成像的低散射共形天线rcs测试方法 | |
Smith et al. | Robust through-the-wall radar image classification using a target-model alignment procedure | |
CN110426707B (zh) | 基于轨道角动量的涡旋sar成像方法及成像系统 | |
CN106772376B (zh) | 基于改进的rda进行合成孔径雷达图像目标旁瓣抑制的方法 | |
CN113820711B (zh) | 阵列快速成像方法及其应用 | |
CN107942295B (zh) | 一种前视阵列sar系统的稀疏天线 | |
CN112415515B (zh) | 一种机载圆迹sar对不同高度目标分离的方法 | |
CN110346798B (zh) | 一种双基合成孔径雷达波数域高效成像处理方法 | |
CN110673144A (zh) | 一种基于时间变标的子孔径大斜视sar成像处理方法 | |
CN111580099A (zh) | 基于联合熵值的穿墙成像雷达墙体杂波抑制方法 | |
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 | |
Xiong et al. | A resample-based SVA algorithm for sidelobe reduction of SAR/ISAR imagery with noninteger Nyquist sampling rate | |
Garry et al. | Passive ISAR part I: framework and considerations | |
Gu et al. | Resolution threshold analysis of MUSIC algorithm in radar range imaging | |
CN113589280B (zh) | 一种频域加窗单视快速雷达成像优化解析方法 | |
CN110244267B (zh) | 弹载毫米波切向前视sar三维成像模型性能分析方法 | |
CN114488152B (zh) | 基于后向投影的高效近场大小尺寸目标isar成像方法 | |
CN116577748A (zh) | 一种基于微波光子信号的散射中心参数提取方法 | |
Luo et al. | Two-dimensional super-resolution imaging for real aperture radar by iterative adaptive approach | |
CN113671497B (zh) | 基于圆柱对称模型的单通道sar目标三维坐标提取方法 | |
CN115657017A (zh) | 电大尺寸目标快速成像的增量长度绕射理论射线成像方法 | |
Zhuge et al. | Human body imaging by microwave UWB radar | |
Borden | Some issues in inverse synthetic aperture radar image reconstruction | |
Wang et al. | Sidelobe reduction based on spectrum reshaping in microwave imaging |
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 |