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 PDF

Info

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
Application number
CN202111141406.8A
Other languages
English (en)
Other versions
CN113589280A (zh
Inventor
俞文明
杨逸婷
崔铁军
席幸娟
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.)
Jiangsu Cyberspace Science And Technology Co ltd
Original Assignee
Jiangsu Cyberspace Science And Technology Co ltd
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 Jiangsu Cyberspace Science And Technology Co ltd filed Critical Jiangsu Cyberspace Science And Technology Co ltd
Priority to CN202111141406.8A priority Critical patent/CN113589280B/zh
Publication of CN113589280A publication Critical patent/CN113589280A/zh
Application granted granted Critical
Publication of CN113589280B publication Critical patent/CN113589280B/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

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

一种频域加窗单视快速雷达成像优化解析方法
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，
Figure 141478DEST_PATH_IMAGE001
（1）
其中表示像域坐标
Figure 393906DEST_PATH_IMAGE002
中的像或目标函数，
Figure 859523DEST_PATH_IMAGE003
为雷达视线方向的空间频率，且满足
Figure 915203DEST_PATH_IMAGE004
，因此
Figure 731849DEST_PATH_IMAGE005
即电波传播常数，
Figure 531178DEST_PATH_IMAGE006
表示频率，
Figure 788984DEST_PATH_IMAGE007
表示波速，
Figure 281145DEST_PATH_IMAGE008
为视线正交方向
Figure 53929DEST_PATH_IMAGE009
的空间频率
Figure 656949DEST_PATH_IMAGE010
，
Figure 162404DEST_PATH_IMAGE009
为方位
Figure 559888DEST_PATH_IMAGE011
或俯仰
Figure 85547DEST_PATH_IMAGE012
所指的方向，
Figure 226678DEST_PATH_IMAGE013
为目标雷达回波场值；
步骤2：公式修正，根据直角坐标系
Figure 786972DEST_PATH_IMAGE002
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，
Figure 27461DEST_PATH_IMAGE014
（2）
其中
Figure 40416DEST_PATH_IMAGE015
表示目标散射函数，
Figure 985239DEST_PATH_IMAGE016
为目标中心到观察点的距离，远场为无穷大，
Figure 196777DEST_PATH_IMAGE017
，
Figure 938993DEST_PATH_IMAGE018
分别表示观察点的散射场和入射场；
Figure 439244DEST_PATH_IMAGE019
为窗函数，
Figure 594282DEST_PATH_IMAGE020
是幅度归一化因子；
步骤3：矩形窗代入，当
Figure 129168DEST_PATH_IMAGE019
是矩形窗，如公式（3）所示，
Figure 39356DEST_PATH_IMAGE021
（3）
将公式（3）代入公式（2），如公式（4）所示，
Figure 761324DEST_PATH_IMAGE022
（4）；
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，
Figure 47949DEST_PATH_IMAGE023
（5）
其中，
Figure 234080DEST_PATH_IMAGE024
，
Figure 315168DEST_PATH_IMAGE025
为带宽
Figure 462116DEST_PATH_IMAGE026
的中心频点，
Figure 289782DEST_PATH_IMAGE027
，
Figure 533681DEST_PATH_IMAGE028
，
Figure 785671DEST_PATH_IMAGE029
，
Figure 544549DEST_PATH_IMAGE030
和
Figure 172976DEST_PATH_IMAGE031
分别是构成目标的三角形参考相位矢量在
Figure 5803DEST_PATH_IMAGE009
和
Figure 694273DEST_PATH_IMAGE032
方向的投影；
步骤5：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
Figure 815813DEST_PATH_IMAGE033
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，
Figure 982352DEST_PATH_IMAGE034
（6）
其中的关键变量
Figure 949913DEST_PATH_IMAGE035
，
Figure 809285DEST_PATH_IMAGE036
分别表示
Figure 480437DEST_PATH_IMAGE037
，
Figure 512984DEST_PATH_IMAGE038
方向的扩展函数，
Figure 320403DEST_PATH_IMAGE039
表示加权系数；
步骤6：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
Figure 350676DEST_PATH_IMAGE040
，
Figure 181229DEST_PATH_IMAGE036
的列表，以便求取不同窗函数的加窗单视雷达成像公式。
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
Figure 423991DEST_PATH_IMAGE041
，扩展函数
Figure 617075DEST_PATH_IMAGE042
、
Figure 617917DEST_PATH_IMAGE035
=
Figure 998083DEST_PATH_IMAGE043
，所述Sin窗对应的加权系数
Figure 310115DEST_PATH_IMAGE044
，扩展函数
Figure 357706DEST_PATH_IMAGE046
、
Figure 401885DEST_PATH_IMAGE048
，所述Welch窗对应的加权系数
Figure 534926DEST_PATH_IMAGE049
，扩展函数
Figure 385071DEST_PATH_IMAGE051
、
Figure 287167DEST_PATH_IMAGE053
，所述Tri窗对应的加权系数
Figure 626882DEST_PATH_IMAGE054
，扩展函数
Figure 984570DEST_PATH_IMAGE056
、
Figure 638405DEST_PATH_IMAGE058
，所述Hann窗对应的加权系数
Figure 395008DEST_PATH_IMAGE044
，扩展函数
Figure 780990DEST_PATH_IMAGE060
、
Figure 888624DEST_PATH_IMAGE062
，所述Hamming窗对应的加权系数
Figure 346150DEST_PATH_IMAGE063
，扩展函数
Figure 691680DEST_PATH_IMAGE065
、
Figure 842039DEST_PATH_IMAGE067
，所述Blackman窗对应的加权系数
Figure 968127DEST_PATH_IMAGE068
，扩展函数
Figure 966694DEST_PATH_IMAGE070
、
Figure 432311DEST_PATH_IMAGE072
，所述Gauss窗对应的加权系数
Figure 753571DEST_PATH_IMAGE074
，扩展函数
Figure 304638DEST_PATH_IMAGE076
、
Figure 41650DEST_PATH_IMAGE078
。
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，
Figure 627352DEST_PATH_IMAGE001
（1）
其中
Figure 853934DEST_PATH_IMAGE033
表示像域坐标
Figure 892297DEST_PATH_IMAGE002
中的像或目标函数，
Figure 292054DEST_PATH_IMAGE003
为雷达视线方向的空间频率，且满足
Figure 723474DEST_PATH_IMAGE004
，因此
Figure 120957DEST_PATH_IMAGE005
即电波传播常数，
Figure 318720DEST_PATH_IMAGE006
表示频率，
Figure 725431DEST_PATH_IMAGE007
表示波速，
Figure 285725DEST_PATH_IMAGE008
为视线正交方向
Figure 588530DEST_PATH_IMAGE009
的空间频率，
Figure 867065DEST_PATH_IMAGE009
为方位
Figure 608625DEST_PATH_IMAGE011
或俯仰
Figure 757847DEST_PATH_IMAGE012
所指的方向，
Figure 169236DEST_PATH_IMAGE013
为目标雷达回波场值。其次，进行公式修正，根据直角坐标系
Figure 672417DEST_PATH_IMAGE002
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，
Figure 420931DEST_PATH_IMAGE014
（2）
其中
Figure 424659DEST_PATH_IMAGE015
表示目标散射函数，
Figure 600425DEST_PATH_IMAGE016
为目标中心到观察点的距离，远场为无穷大，
Figure 384710DEST_PATH_IMAGE017
，
Figure 405756DEST_PATH_IMAGE018
分别表示观察点的散射场和入射场；
Figure 795149DEST_PATH_IMAGE019
为窗函数，
Figure 141817DEST_PATH_IMAGE020
是幅度归一化因子。然后，代入矩形窗，当
Figure 23185DEST_PATH_IMAGE019
是矩形窗，如公式（3）所示，
Figure 850851DEST_PATH_IMAGE021
（3）
将公式（3）代入公式（2），如公式（4）所示，
Figure 94751DEST_PATH_IMAGE022
（4）。紧接着，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，
Figure 409057DEST_PATH_IMAGE023
（5）
其中，
Figure 371197DEST_PATH_IMAGE024
，
Figure 734046DEST_PATH_IMAGE025
为带宽
Figure 832452DEST_PATH_IMAGE026
的中心频点，
Figure 520922DEST_PATH_IMAGE027
，
Figure 376882DEST_PATH_IMAGE028
，
Figure 809001DEST_PATH_IMAGE029
，
Figure 30422DEST_PATH_IMAGE030
和
Figure 624215DEST_PATH_IMAGE031
分别是构成目标的三角形参考相位矢量在
Figure 295367DEST_PATH_IMAGE009
和
Figure 265597DEST_PATH_IMAGE032
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
Figure 338596DEST_PATH_IMAGE033
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，
Figure 165606DEST_PATH_IMAGE034
（6）
其中的关键变量
Figure 324055DEST_PATH_IMAGE035
，
Figure 832397DEST_PATH_IMAGE036
分别表示，
Figure 618208DEST_PATH_IMAGE038
方向的扩展函数，
Figure 819383DEST_PATH_IMAGE039
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
Figure 340494DEST_PATH_IMAGE040
，
Figure 918106DEST_PATH_IMAGE036
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
Figure 965696DEST_PATH_IMAGE041
，扩展函数
Figure 337772DEST_PATH_IMAGE042
、
Figure 470813DEST_PATH_IMAGE035
=
Figure 586536DEST_PATH_IMAGE043
，Sin窗对应的加权系数
Figure 754212DEST_PATH_IMAGE044
，扩展函数
Figure 300119DEST_PATH_IMAGE046
、
Figure 920456DEST_PATH_IMAGE048
，所述Welch窗对应的加权系数
Figure 839870DEST_PATH_IMAGE049
，扩展函数
Figure 862053DEST_PATH_IMAGE051
、
Figure 575931DEST_PATH_IMAGE053
，所述Tri窗对应的加权系数
Figure 558931DEST_PATH_IMAGE054
，扩展函数
Figure 282036DEST_PATH_IMAGE056
、
Figure 158725DEST_PATH_IMAGE058
，所述Hann窗对应的加权系数
Figure 309084DEST_PATH_IMAGE044
，扩展函数
Figure 906943DEST_PATH_IMAGE060
、
Figure 168160DEST_PATH_IMAGE062
，所述Hamming窗对应的加权系数
Figure 899356DEST_PATH_IMAGE063
，扩展函数
Figure 95982DEST_PATH_IMAGE065
、
Figure 912628DEST_PATH_IMAGE067
，所述Blackman窗对应的加权系数
Figure 243115DEST_PATH_IMAGE068
，扩展函数
Figure 828817DEST_PATH_IMAGE070
、
Figure 55399DEST_PATH_IMAGE072
，所述Gauss窗对应的加权系数
Figure 359342DEST_PATH_IMAGE074
，扩展函数
Figure 230870DEST_PATH_IMAGE076
、
Figure 671079DEST_PATH_IMAGE078
。
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，
Figure DEST_PATH_IMAGE001
（1）
其中
Figure DEST_PATH_IMAGE002
表示像域坐标
Figure DEST_PATH_IMAGE003
中的像或目标函数，
Figure DEST_PATH_IMAGE004
为雷达视线方向的空间频率，且满足
Figure DEST_PATH_IMAGE005
，因此
Figure DEST_PATH_IMAGE006
即电波传播常数，
Figure DEST_PATH_IMAGE007
表示频率，
Figure DEST_PATH_IMAGE008
表示波速，
Figure DEST_PATH_IMAGE009
为视线正交方向
Figure DEST_PATH_IMAGE010
的空间频率
Figure DEST_PATH_IMAGE011
，
Figure 996060DEST_PATH_IMAGE010
为方位
Figure DEST_PATH_IMAGE012
或俯仰
Figure DEST_PATH_IMAGE013
所指的方向，
Figure DEST_PATH_IMAGE014
为目标雷达回波场值；
步骤2：公式修正，根据直角坐标系
Figure 788566DEST_PATH_IMAGE003
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，
Figure DEST_PATH_IMAGE015
（2）
其中
Figure DEST_PATH_IMAGE016
表示目标散射函数，
Figure DEST_PATH_IMAGE017
为目标中心到观察点的距离，远场为无穷大，
Figure DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
分别表示观察点的散射场和入射场；
Figure DEST_PATH_IMAGE020
为窗函数，
Figure DEST_PATH_IMAGE021
是幅度归一化因子；
步骤3：矩形窗代入，当
Figure 722631DEST_PATH_IMAGE020
是矩形窗，如公式（3）所示，
Figure DEST_PATH_IMAGE022
（3）
将公式（3）代入公式（2），如公式（4）所示，
Figure DEST_PATH_IMAGE023
（4）；
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，
Figure DEST_PATH_IMAGE024
（5）
其中，
Figure DEST_PATH_IMAGE025
，
Figure DEST_PATH_IMAGE026
为带宽
Figure DEST_PATH_IMAGE027
的中心频点，
Figure DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE029
，
Figure DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
和
Figure DEST_PATH_IMAGE032
分别是构成目标的三角形参考相位矢量在
Figure 773632DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE033
方向的投影；
步骤5：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
Figure 525688DEST_PATH_IMAGE002
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，
Figure DEST_PATH_IMAGE034
（6）
其中的关键变量
Figure DEST_PATH_IMAGE035
，
Figure DEST_PATH_IMAGE036
分别表示
Figure DEST_PATH_IMAGE037
，
Figure DEST_PATH_IMAGE038
方向的扩展函数，
Figure DEST_PATH_IMAGE039
表示加权系数；
步骤6：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
Figure DEST_PATH_IMAGE040
，
Figure 614996DEST_PATH_IMAGE036
的列表，以便求取不同窗函数的加窗单视雷达成像公式。
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。
3.根据权利要求2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Rect窗对应的加权系数
Figure DEST_PATH_IMAGE041
，扩展函数
Figure DEST_PATH_IMAGE042
、
Figure 990351DEST_PATH_IMAGE035
=
Figure DEST_PATH_IMAGE043
，所述Tri窗对应的加权系数
Figure DEST_PATH_IMAGE044
，扩展函数
Figure DEST_PATH_IMAGE045
、
Figure DEST_PATH_IMAGE046
，所述Welch窗对应的加权系数
Figure DEST_PATH_IMAGE047
，扩展函数
Figure DEST_PATH_IMAGE048
、
Figure DEST_PATH_IMAGE049
，所述Sin窗对应的加权系数
Figure DEST_PATH_IMAGE050
，扩展函数
Figure DEST_PATH_IMAGE051
、
Figure DEST_PATH_IMAGE052
，所述Hann窗对应的加权系数
Figure 782727DEST_PATH_IMAGE044
，扩展函数
Figure DEST_PATH_IMAGE053
、
Figure DEST_PATH_IMAGE054
，所述Hamming窗对应的加权系数
Figure DEST_PATH_IMAGE055
，扩展函数
Figure DEST_PATH_IMAGE056
、
Figure DEST_PATH_IMAGE057
，所述Blackman窗对应的加权系数
Figure DEST_PATH_IMAGE058
，扩展函数
Figure DEST_PATH_IMAGE059
、
Figure DEST_PATH_IMAGE060
，所述Gauss窗对应的加权系数
Figure DEST_PATH_IMAGE061
，扩展函数
Figure DEST_PATH_IMAGE062
、
Figure DEST_PATH_IMAGE063
。
CN202111141406.8A 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 Active CN113589280B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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