CN113671492B - 一种面向机动平台前视成像的samp重构方法 - Google Patents

一种面向机动平台前视成像的samp重构方法 Download PDF

Info

Publication number
CN113671492B
CN113671492B CN202110864981.4A CN202110864981A CN113671492B CN 113671492 B CN113671492 B CN 113671492B CN 202110864981 A CN202110864981 A CN 202110864981A CN 113671492 B CN113671492 B CN 113671492B
Authority
CN
China
Prior art keywords
distance
platform
looking
imaging
substep
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
CN202110864981.4A
Other languages
English (en)
Other versions
CN113671492A (zh
Inventor
梁毅
张罡
怀园园
曾裕贵
梁宇杰
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110864981.4A priority Critical patent/CN113671492B/zh
Publication of CN113671492A publication Critical patent/CN113671492A/zh
Application granted granted Critical
Publication of CN113671492B publication Critical patent/CN113671492B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

本发明属于机动平台前视成像领域，公开一种面向机动平台前视成像的SAMP重构方法，包括以下步骤：获取基带回波信号，并对其进行距离向匹配滤波处理，对距离向匹配滤波信号依次进行直线轨迹逼近、包络去斜、距离向逆傅里叶变换处理，得到预处理后的回波信号，建立过完备字典矩阵，采用改进的SAMP算法完成机动平台的前视成像；该方法通过对单基扫描前视成像模型的公式推导，将机动平台前视成像回波录取过程等效成一种线性求逆问题模型，随后针对机动平台所特有的存在大俯冲角与三维加速度的问题，生成一种能够准确描述目标场景的改进型字典矩阵，最后利用SAMP方法反演出前视场景内各点目标的后向散射系数，实现在机动平台上的前视成像。

Description

一种面向机动平台前视成像的SAMP重构方法
技术领域
本发明涉及机动平台前视成像领域，具体涉及一种面向机动平台前视成像的稀疏度自适应的匹配追踪(SAMP)重构方法。
背景技术
前视模式是遥感探测领域内一种重要的成像模式，能够全天时、全天候、远距离地对飞行方向正前方区域进行探测成像，有着广阔的应用前景。同时，前视成像结果能够用于检测识别正前方感兴趣区域内的高价值目标，相比单脉冲目标检测方法而言，前视成像极大地提升了检测识别精度，因此前视雷达成像成为近年来的研究重点。
当雷达波束指向飞行平台的正前方时，左右两侧场景与平台速度矢量所形成的锥角相同，从而传统成像方法将面临左右多普勒模糊的问题。另一方面，从合成孔径雷达(SAR)的角度理解，前视成像模型中距离向和方位向重合，且等距离环和等多普勒线相互平行，因此正交于速度矢量方向的分辨率只能由天线实孔径提供。为了解决上述问题，一种应对方案是采用发射机和接收机分置的双基SAR系统进行前视成像，这样做的本质是将前视成像区域内的等距离环和等多普勒线去平行化，但由于需要至少两部雷达相互配合，极大的提升了系统的复杂度与信号处理的难度，因此研究简便高效的单基前视成像方法迫在眉睫。
将波束扫描与超分辨技术相结合的单基前视成像方法是机动平台前视成像领域的一种可行方案。然而，正交匹配追踪(OMP)方法需要稀疏度作为先验知识，且场景重构成功率随三维速度、三维加速度的增加而极具下降，这为机动平台前视成像处理带来了额外的困难。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种面向机动平台前视成像的SAMP重构方法，该方法通过对单基扫描前视成像模型的公式推导，将机动平台前视成像回波录取过程等效成一种线性求逆问题(LIP)模型，随后针对机动平台所特有的存在大俯冲角与三维加速度的问题，生成一种能够准确描述目标场景的改进型字典矩阵，最后利用稀疏度自适应的匹配追踪(SAMP)方法反演出前视场景内各点目标的后向散射系数，实现在机动平台上的前视成像。
本发明的技术思路如下：
(1)改进传统的过完备字典矩阵，精确构造面向机动平台前视成像模型的稀疏基矩阵，使得后续成像处理中的贪婪类算法能够更加快速地迭代出满足残差终止条件的列空间：(1a)针对机动平台所面临的大俯冲机动问题，建立更加精确的斜距模型，从而令俯冲角对字典矩阵的构建产生有效约束；(1b)针对机动平台所面临的三维加速度问题，推导出回波录取过程中的瞬时锥角，并对过完备字典矩阵做出相应改进；(1c)结合(1a)(1b)中改进的字典矩阵，对回波信号进行预处理，以消除残余的重构失配项。
(2)针对正交匹配追踪算法依赖信号稀疏度的问题，对SAMP算法进行改进并应用到机动平台前视成像问题中：(2a)结合(1)中改进的过完备字典矩阵，构建基于加权最小二乘法的匹配追踪过程，在稀疏基矩阵中寻找与回波信号相关程度最高的列空间；(2b)当重构残差出现异常升高时，增大稀疏度进行新一轮迭代搜索；(2c)改进迭代终止条件使其更加稳健，生成场景重构结果。
为了达到上述目的，本发明采用以下技术方案予以实现。
一种面向机动平台前视成像的SAMP重构方法，包括以下步骤：
步骤1，结合笛卡尔坐标系建立面向机动平台的单基前视扫描成像模型；
步骤2，利用搭载于机动平台的单基前视扫描成像系统发射线性调频脉冲信号，并接收正前方目标区域后向散射形成的回波信号；雷达接收机对回波信号进行解调处理，生成解调后的基带回波信号ss(tr,ta)；其中，tr为距离向快时间变量、ta为方位向慢时间变量；
步骤3，对所述解调后的基带回波信号ss(tr,ta)执行距离向匹配滤波处理，得到距离向匹配滤波信号SsPC(fr,ta)；其中，表示距离向频域变量，fs表示采样率；
步骤4，对所述距离向匹配滤波信号SsPC(fr,ta)依次进行直线轨迹逼近、包络去斜、距离向逆傅里叶变换处理，得到预处理后的回波信号sspre(tr,ta)；
步骤5，根据所述面向机动平台的单基前视扫描成像模型，计算机动平台在任意时刻所经历的瞬时多普勒fdc；根据所述瞬时多普勒fdc得到面向机动平台前视成像处理的过完备字典矩阵M；
步骤6，设定初始迭代步长N，执行基于SAMP的改进型稀疏重构算法，针对前视成像处理所特有的残差无法下降到零的问题，采用门限判决、均值滤波和方差滤波多种方式相融合的改进型方法进行迭代终止条件的判决，最终得到机动平台前视成像场景重构结果。
本发明技术方案的特点和进一步的改进为：
(1)步骤1具体为：
机动平台前视成像系统工作在单基扫描模式下，取其零时刻时的水平和速度方向为y轴、天向为z轴、侧向为x轴、零时刻弹下点为坐标原点O建立笛卡尔坐标系O-xyz；
设机动平台在零时刻时位于B点，该点的高度为H，并以速度矢量和三维加速度矢量飞过曲线轨迹期间波束指向由一侧扫描至另一侧，波束扫描角速度为ω；其中，vy、vz分别表示平台沿y轴、z轴的速度分量。ax、ay、az分别表示平台沿x轴、y轴、z轴的加速度分量；
当机动平台位于B点时，雷达波束指向正前方的场景中心点P，此时对应的作用距离为RS；随后，在经过ta时刻之后，机动平台飞行至D点，波束中心指向侧前方地面照射场景中的目标点T，此时构成的瞬时波束方位角为γ＝ωta，地面与波束形成的擦地角为β。
(2)步骤2具体包含以下子步骤：
子步骤2.1，计算和速度在波束视线方向的投影关系定义俯冲状态下的等效斜视角其中表示方位零时刻的波束指向向量，arccos(·)表示反余弦函数，运算符·表示向量点乘计算，·|表示对向量取模；根据ve和θc构造俯冲飞行下的斜距模型Re：
子步骤2.2，根据步骤1中所建立的面向机动平台的单基前视扫描成像模型，将三维加速度对于瞬时斜距的影响视为引入运动误差，在成像模型中，精确的斜距历程为其中，||·||2表示向量的2-范数运算符，表示针对下标i＝0,1,2,3,4依次进行求和运算，i表示求和运算的求和变量，m0表示精确的斜距历程Rreal在ta＝0处的零阶麦克劳林展开式系数，m1表示精确的斜距历程Rreal在ta＝0处的一阶麦克劳林展开式系数，m2表示精确的斜距历程Rreal在ta＝0处的二阶麦克劳林展开式系数，m3表示精确的斜距历程Rreal在ta＝0处的三阶麦克劳林展开式系数，m4表示精确的斜距历程Rreal在ta＝0处的四阶麦克劳林展开式系数；
将Rreal与Re相减，并在方位零时刻执行麦克劳林展开，得到各阶运动误差Rerr：
其中，
表示斜距误差Rerr在ta＝0处的零阶麦克劳林展开式系数，表示对前面函数中的ta变量置零；
表示斜距误差Rerr在ta＝0处的一阶麦克劳林展开式系数，表示函数对ta变量求一阶导数；
表示斜距误差Rerr在ta＝0处的二阶麦克劳林展开式系数，表示函数对ta变量求二阶导数；
表示斜距误差Rerr在ta＝0处的三阶麦克劳林展开式系数，表示函数对ta变量求三阶导数；
表示斜距误差Rerr在ta＝0处的四阶麦克劳林展开式系数，表示函数对ta变量求四阶导数；
子步骤2.3，利用搭载于机动平台的单基扫描前视成像系统发射线性调频脉冲信号，并接收正前方目标区域后向散射形成的回波信号；雷达接收机对回波信号进行解调处理，从而生成解调后的基带回波信号ss(tr,ta)：
其中，wr(tr)表示距离向时域窗函数，wa(ta)表示方位向时域窗函数，exp{·}表示复指数函数，用以表征回波信号的相位信息；j表示虚数单位，kR表示距离向调频率，λ表示波长，π表示圆周率，c表示光速。
(3)步骤3中，所述距离向匹配滤波处理具体包含以下子步骤：
子步骤3.1，采用驻定相位原理和级数反演法，对所述解调后的基带回波信号ss(tr,ta)执行距离向傅里叶变换，得到距离向傅里叶变换回波信号Ss(fr,ta)；
子步骤3.2，在距离频域-方位时域构造距离向匹配滤波函数fPC(fr)；随后，对所述距离向傅里叶变换回波信号Ss(fr,ta)执行距离向匹配滤波处理，得到距离向匹配滤波信号SsPC(fr,ta)。
(4)子步骤3.1具体为：将所述解调后的基带回波信号ss(tr,ta)与傅里叶变换的旋转因子exp{-j2πfrtr}相乘，并提取出结果中的相位
根据驻定相位原理的思想，对相位φ关于变量tr求偏导，并将求导结果置零，得到等式
随后，对该等式执行级数反演法，将反解出来的距离时域变量表达式代入相位φ中，得到距离向傅里叶变换回波信号Ss(fr,ta)：
其中，Wr(fr)为距离频域窗函数，fc表示雷达系统的载波频率。
(5)子步骤3.2中，所述距离向匹配滤波函数
所述距离向匹配滤波信号
(6)步骤4具体包含以下子步骤：
子步骤4.1，结合高机动平台的三维加速度信息，在距离频域-方位时域构造直线轨迹逼近函数fACC(fr,ta)：
用以消除子步骤2.2中所述的三维加速度对斜距误差包络的影响；
子步骤4.2，将所述距离向匹配滤波信号SsPC(fr,ta)与所述直线轨迹逼近函数fACC(fr,ta)相乘，得到统一加速度补偿信号SsACC(fr,ta)：
子步骤4.3，根据俯冲角和擦地角β，计算零时刻波束指向与速度矢量夹成的锥角α0＝β-χ，并在距离频域-方位时域构造包络去斜函数fSQ(fr,ta)：
用以消除俯冲角对多普勒谱造成的畸变和平移影响，从而将大俯冲成像模型等效为平飞模型；
子步骤4.4，将所述统一加速度补偿回波信号SsACC(fr,ta)与所述包络去斜函数fSQ(fr,ta)相乘，并执行距离向逆傅里叶变换，得到预处理后的回波信号sspre(tr,ta)：
其中，Re′表示经过预处理后的等效直线平飞模型的标准斜距历程。
(7)步骤5包含以下子步骤：
子步骤5.1，根据面向机动平台的单基前视扫描成像模型，计算机动平台在任意时刻所经历的瞬时多普勒，具体如下：
(5.1.1)计算曲线轨迹中D点的波束中心指向矢量
(5.1.2)计算机动平台位于D点时的速度矢量
(5.1.3)计算目标点T的瞬时锥角
(5.1.4)计算瞬时多普勒
子步骤5.2，生成面向机动平台的单基前视扫描成像模型的过完备字典矩阵M；
(5.2.1)计算三角基相位Φ＝exp{j2πfdcta}；
(5.2.2)结合面向机动平台的单基前视扫描成像模型，生成符合物理含义的过完备字典矩阵M；
其中，矩阵元素的下标表示提取三角基相位元素的索引，NB表示在一个波束宽度内的扫描点数，Na表示方位向采样点数。
(8)步骤6具体为：逐距离门向贪婪追踪网络中输入回波切片s、过完备字典矩阵M以及迭代步长N，其中，回波切片s为预处理后的回波信号sspre(tr,ta)中的每一行数据，具体包含以下子步骤：
子步骤6.1，初始化信号残差r0为s，列空间索引集合为空集迭代步长L＝N，循环变量loop＝1；
子步骤6.2，计算过完备字典矩阵M与信号残差r0的内积空间，搜索内积空间中L个最大值，并将这些值对应的索引记为列序号集合；
子步骤6.3，计算列空间索引集合与列序号集合的并集，并取出在该集合索引下字典矩阵M的列子空间M1；
子步骤6.4，计算线性求逆问题s＝M1θloop的最小二乘解，记为其中，θloop为贪婪追踪网络的输出值，为θloop的估计值，表示使后面方程达到最小值时的θloop，||·||表示2-范数；上标T表示矩阵转置，上标-1表示矩阵求逆；
子步骤6.5，在中选取模值最大的L项，对应将列子空间中的L列标记为AL；
子步骤6.6，计算信号残差
子步骤6.7，执行迭代终止条件判决：
(1)对信号残差执行均值滤波处理和方差滤波处理，并做门限判决，如果残差本身、均值滤波结果或方差滤波结果其中之一超过所设门限，则终止迭代，进入子步骤6.8；
(2)如果残差的2-范数出现异常升高，即||r||2≥||rloop-1||2，则更新步长L＝L+N，并返回子步骤6.2执行新一轮迭代计算；
(3)若上述判决均不满足，则将列空间索引集合更新为AL对应的列序号、将残差更新为rloop＝r、将循环变量更新为loop＝loop+1，最终，若循环次数loop超过过完备字典矩阵M的列数，则终止迭代并进入子步骤6.8，否则返回子步骤6.2执行新一轮迭代运算；
子步骤6.8，生成当前距离门场景重构结果其中由两部分构成：(1)在列空间索引集合处，稀疏重构结果为迭代终止前更新的(2)其他索引处数值为零；
子步骤6.9，遍历预处理后的回波信号sspre(tr,ta)中的所有距离门，分别执行子步骤6.1～子步骤6.8，实现正前方区域的全部稀疏重构，完成高机动平台单基扫描前视成像，得到前视成像结果。
与现有技术相比，本发明的有益效果为：
(1)机动平台存在较大的俯冲角和三维加速度，导致其成像几何构型异于匀速平飞模型。传统前视成像方法中的字典矩阵通过简易的匀速平飞成像模型推导而出，无法准确描述复杂运动轨迹条件下的前视成像问题，从而造成匹配追踪算法残差下降过慢甚至场景重构失败等问题。本发明充分考虑了俯冲机动平台的飞行特性，建立了更加精确的单基前视扫描成像模型，分别针对机动平台所面临的存在大俯冲角与三维加速度的问题，实现对过完备字典矩阵的适应性改进。相比现有的单基扫描前视成像算法，本发明能够应用于更加复杂的机动平台前视成像处理中，且具有更高的场景重构成功率和更强的鲁棒性。
(2)OMP方法需要提供信号的稀疏度作为先验知识，然而对于前视成像领域而言，正前方照射区域可以是海面、丘陵、城镇、农田等各类稀疏度不同的场景，从而使得OMP方法变得低效甚至失效。本发明采用了能够自适应调整稀疏度的SAMP方法，并在此基础上进行了改进，利用(1)中所生成的过完备字典矩阵逐距离门搜索与场景残差匹配度最高的列空间，并以此构成前视场景的稀疏基矩阵。当残差出现异常升高时，通过预设步长来提升下一轮迭代的稀疏度；对残差向量进行均值滤波和方差滤波作为迭代终止条件，当满足迭代终止条件时，停止迭代并输出重构结果。相比基于OMP方法的单基扫描前视成像算法，本发明能够摆脱先验稀疏度的限制，并能以一种鲁棒性更强的阈值设置方法来终止迭代。
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是本发明的一种面向机动平台前视成像的SAMP重构方法的流程图；
图2是机动平台前视成像几何模型；
图3是改进型稀疏重构算法核心的流程图；
图4是沿距离向和距离横向均匀布置的5×5点目标阵列，用以验证本发明中提到的一种面向机动平台前视成像的SAMP重构方法的正确性和有效性；
图5是本发明中一种面向机动平台前视成像的SAMP重构方法进行点目标仿真实验后5×5点阵的稀疏重构结果。
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。
本发明提供了一种面向机动平台前视成像的SAMP重构方法，其具体处理流程图如图1所示。首先，面向机动平台建立单基前视扫描成像模型及其斜距模型，为后续预处理函数的构造和过完备字典矩阵的改进奠定基础；随后，对回波信号执行距离向匹配滤波及预处理补偿，将正前方场景中的点目标能量集中在一个距离单元内，同时消除由特殊几何构型所带来的相位偏差；针对成像模型中存在大俯冲角与三维加速度的问题，改进用于稀疏重构的过完备字典矩阵，使之包含能够更准确描述场景散射特性信息的列空间；最后，采用门限判决、均值滤波和方差滤波相融合的改进型方法作为迭代终止条件的判决方式，并通过自适应调整稀疏度的SAMP算法实现场景重构。下面结合附图对本发明做进一步的具体描述。
步骤1，结合笛卡尔坐标系建立面向机动平台的单基前视扫描成像模型，针对机动平台所独有的存在大俯冲角与三维加速度的问题，对几何构型进行适应性改进。
具体的，参照图2，机动平台前视成像系统工作在单基扫描模式下，取其零时刻时的水平和速度方向为y轴、天向为z轴、侧向为x轴、零时刻弹下点为坐标原点O建立笛卡尔坐标系O-xyz。
机动平台在零时刻时位于图2中的B点，该点的高度为H，并以速度矢量和三维加速度矢量飞过曲线轨迹期间波束指向由一侧扫描至另一侧，波束扫描角速度为ω。其中，vy、vz分别表示平台沿y轴、z轴的速度分量。ax、ay、az分别表示平台沿x轴、y轴、z轴的加速度分量。当机动平台位于B点时，雷达波束指向正前方的场景中心点P，此时对应的作用距离为RS。随后，在经过ta时刻之后，机动平台飞行至图2中的D点，波束中心指向侧前方地面照射场景中的目标点T，此时构成的瞬时波束方位角为γ＝ωta，地面与波束形成的擦地角为β。
步骤2，利用搭载于机动平台的单基前视扫描成像系统发射线性调频(LFM)脉冲信号，利用搭载于机动平台的单基前视成像系统接收正前方目标区域后向散射形成的回波信号；雷达接收机对回波信号进行解调处理，生成解调后的基带回波信号ss(tr,ta)；其中，tr为距离向快时间变量、ta为方位向慢时间变量；
具体的，步骤2包含以下子步骤：
子步骤2.1，计算和速度在波束视线(LOS)方向的投影关系定义俯冲状态下的等效斜视角其中表示方位零时刻的波束指向向量，arccos(·)表示反余弦函数，运算符·表示向量点乘计算，|·|表示对向量取模。根据ve和θc构造俯冲飞行下的斜距模型Re：
子步骤2.2，根据步骤1中所建立的面向机动平台的单基前视扫描成像模型，将三维加速度对于瞬时斜距的影响视为引入运动误差。在图2所示的成像模型中，精确的斜距历程为其中，||·||2表示向量的2-范数运算符，表示针对下标i＝0,1,2,3,4依次进行求和运算，i表示求和运算的求和变量，m0表示精确的斜距历程Rreal在ta＝0处的零阶麦克劳林展开式系数，m1表示精确的斜距历程Rreal在ta＝0处的一阶麦克劳林展开式系数，m2表示精确的斜距历程Rreal在ta＝0处的二阶麦克劳林展开式系数，m3表示精确的斜距历程Rreal在ta＝0处的三阶麦克劳林展开式系数，m4表示精确的斜距历程Rreal在ta＝0处的四阶麦克劳林展开式系数。将Rreal与Re相减，并在方位零时刻执行麦克劳林展开，得到各阶运动误差Rerr：
其中，
表示斜距误差Rerr在ta＝0处的零阶麦克劳林展开式系数，表示对前面函数中的ta变量置零；
表示斜距误差Rerr在ta＝0处的一阶麦克劳林展开式系数，表示函数对ta变量求一阶导数；
表示斜距误差Rerr在ta＝0处的二阶麦克劳林展开式系数，表示函数对ta变量求二阶导数；
表示斜距误差Rerr在ta＝0处的三阶麦克劳林展开式系数，表示函数对ta变量求三阶导数；
表示斜距误差Rerr在ta＝0处的四阶麦克劳林展开式系数，表示函数对ta变量求四阶导数。
子步骤2.3，利用搭载于机动平台的单基扫描前视成像系统收发LFM信号，雷达接收机对回波信号进行解调处理，从而生成解调后的基带回波信号ss(tr,ta)：
其中，wr(tr)表示距离向时域窗函数，wa(ta)表示方位向时域窗函数，exp{·}表示复指数函数，用以表征回波信号的相位信息；j表示虚数单位，kR表示距离向调频率，λ表示波长，π表示圆周率，c表示光速。值得说明的是，由于本发明重点关注一种针对基带回波信号的前视成像处理方法，因此雷达接收机的解调过程在此不做展开描述。
步骤3，对所述解调后的基带回波信号ss(tr,ta)执行距离向匹配滤波处理，得到距离向匹配滤波信号SsPC(fr,ta)；其中，表示距离向频域变量，fs表示采样率；
具体的，步骤3包含以下子步骤：
子步骤3.1，采用驻定相位原理和级数反演法，对所述解调后的基带回波信号ss(tr,ta)执行距离向傅里叶变换(FT)，得到距离向傅里叶变换回波信号Ss(fr,ta)。
具体的，将ss(tr,ta)与傅里叶变换的旋转因子exp{-j2πfrtr}相乘，并提取出结果中的相位
根据驻定相位原理的思想，对相位φ关于变量tr求偏导，并将求导结果置零，得到等式
随后，对该等式执行级数反演法，将反解出来的距离时域变量表达式代入相位φ中，得到距离向傅里叶变换回波信号Ss(fr,ta)：
其中，Wr(fr)为距离频域窗函数，fc表示雷达系统的载波频率。值得说明的是，后续步骤中的傅里叶变换和逆傅里叶变换(IFT)均采用驻定相位原理和级数反演法的思想，因此不再重复对上述过程做展开描述。
子步骤3.2，在距离频域-方位时域构造距离向匹配滤波函数随后，对距离向傅里叶变换回波信号Ss(fr,ta)执行距离向匹配滤波处理，得到距离向匹配滤波信号SsPC(fr,ta)：
步骤4，结合单基前视扫描成像模型以及回波模型，对所述距离向匹配滤波信号SsPC(fr,ta)执行预处理操作，从多普勒锥角的角度出发，分别构造直线轨迹逼近函数fACC(fr,ta)和包络去斜函数fSQ(fr,ta)，得到预处理后的回波信号sspre(tr,ta)；
具体的，步骤4包含以下子步骤：
子步骤4.1，结合高机动平台的三维加速度信息，在距离频域-方位时域构造直线轨迹逼近函数fACC(fr,ta)：
用以消除子步骤2.2中所述的三维加速度对斜距误差包络的影响；
子步骤4.2，将距离向匹配滤波信号SsPC(fr,ta)与直线轨迹逼近函数fACC(fr,ta)相乘，得到统一加速度补偿信号SsACC(fr,ta)：
子步骤4.3，根据图2几何构型中的俯冲角和擦地角β，计算零时刻波束指向与速度矢量夹成的锥角α0＝β-χ，并在距离频域-方位时域构造包络去斜函数fSQ(fr,ta)：
用以消除俯冲角对多普勒谱造成的畸变和平移影响，从而将大俯冲成像模型等效为平飞模型；
子步骤4.4，将统一加速度补偿回波信号SsACC(fr,ta)与包络去斜函数fSQ(fr,ta)相乘，并执行距离向逆傅里叶变换，得到预处理后的回波信号sspre(tr,ta)：
其中，Re′表示经过预处理后的等效直线平飞模型的标准斜距历程。
步骤5，结合单基前视扫描成像模型以及回波模型，建立面向机动平台前视成像处理的过完备字典矩阵M，分别从大俯冲和三维加速度这两个角度对直线平飞模型下的传统字典矩阵进行改进，消除其中导致残差下降过慢甚至引起场景重构失败的失配项；
具体的，步骤5包含以下子步骤：
子步骤5.1，根据图2中的前视成像模型，计算机动平台在任意时刻所经历的瞬时多普勒；
(5.1.1)计算曲线轨迹中D点的波束中心指向矢量
(5.1.2)计算机动平台位于D点时的速度矢量
(5.1.3)计算目标点T的瞬时锥角
(5.1.4)计算瞬时多普勒
子步骤5.2，生成面向机动平台单基前视扫描成像模型的过完备字典矩阵M；
(5.2.1)计算三角基相位Φ＝exp{j2πfdcta}；
(5.2.2)结合图2中的单基前视扫描成像模型，生成符合物理含义的过完备字典矩阵M；
其中，矩阵元素的下标表示提取三角基相位元素的索引，NB表示在一个波束宽度内的扫描点数，Na表示方位向采样点数。
步骤6，设定初始迭代步长N，执行基于SAMP的改进型稀疏重构算法，针对前视成像处理所特有的残差无法下降到零的问题，采用门限判决、均值滤波和方差滤波多种方式相融合的改进型方法进行迭代终止条件的判决，大幅提升稀疏重构的成功率和鲁棒性；最终，得到机动平台前视成像场景重构结果；
具体的，参照图3，逐距离门向贪婪追踪网络中输入回波切片s、过完备字典矩阵M以及迭代步长N，其中，回波切片s为预处理后的回波信号sspre(tr,ta)中的每一行数据；步骤6包含以下子步骤：
子步骤6.1，初始化信号残差r0为s，列空间索引集合为空集迭代步长L＝N，循环变量loop＝1；
子步骤6.2，计算过完备字典矩阵M与信号残差r0的内积空间，搜索内积空间中L个最大值，并将这些值对应的索引记为列序号集合；
子步骤6.3，计算列空间索引集合与列序号集合的并集，并取出在该集合索引下字典矩阵M的列子空间M1；
子步骤6.4，计算线性求逆问题(LIP)s＝M1θloop的最小二乘解，记为其中，θloop为贪婪追踪网络的输出值，为θloop的估计值，表示使后面方程达到最小值时的θloop，||·||表示2-范数；上标T表示矩阵转置，上标-1表示矩阵求逆。
子步骤6.5，在中选取模值最大的L项，对应将列子空间中的L列标记为AL；
子步骤6.6，计算信号残差
子步骤6.7，执行迭代终止条件判决：(1)对信号残差执行均值滤波处理和方差滤波处理，并做门限判决，如果残差本身、均值滤波结果或方差滤波结果其中之一超过所设门限，则终止迭代，进入子步骤6.8；(2)如果残差的2-范数出现异常升高，即||r||2≥||rloop-1||2，则更新步长L＝L+N，并返回子步骤6.2执行新一轮迭代计算；(3)若上述判决均不满足，则将列空间索引集合更新为AL对应的列序号、将残差更新为rloop＝r、将循环变量更新为loop＝loop+1，最终，若循环次数loop超过过完备字典矩阵M的列数，则终止迭代并进入子步骤6.8，否则返回子步骤6.2执行新一轮迭代运算；
子步骤6.8，生成当前距离门场景重构结果其中由两部分构成：(1)在列空间索引集合处，稀疏重构结果为迭代终止前更新的(2)其他索引处数值为零；
子步骤6.9，遍历所有距离门(即依次提取预处理后的回波信号sspre(tr,ta)中的每一行数据进行迭代计算)，分别执行子步骤6.1～子步骤6.8，实现正前方区域的全部稀疏重构，完成高机动平台单基扫描前视成像，得到前视成像结果。
本发明的改善效果及算法有效性可通过以下点目标仿真成像实验进一步说明。
(1)点目标仿真条件
前视成像载荷搭载于机动平台上，平台的运动轨迹为曲线轨迹，具体表现为运动参数中存在三维加速度。前视成像系统工作在单基扫描模式下，主要雷达系统参数如表1所示。
表1主要雷达参数
参照图4，在正前方区域(即图1中的地面阴影区域)内，沿x轴和y轴方向均匀地布置5×5点目标阵列，点阵的距离向幅宽和距离横向幅宽分别为1km和4km，用以验证本发明中提到的一种面向机动平台前视成像的SAMP重构方法的正确性和有效性。
(2)仿真内容
结合上述点目标仿真条件和雷达系统参数，采用发明内容中的处理步骤进行前视场景稀疏重构，利用MATLAB软件进行算法仿真，以验证本发明所提算法的聚焦性能。
(3)仿真结果分析
参照图5，为本发明中一种面向机动平台前视成像的SAMP重构方法进行点目标仿真实验后5×5点阵的重构结果。从等高线图的角度分析，每个点目标均被稀疏重构至真实位置附近，相比面向静止或直线平飞平台的前视成像方法，本发明面向机动平台，对于前视场景的稀疏重构成功率有着大幅的提升，能够应用于更加复杂的几何构型中。
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，但在本发明的基础上，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)

1.一种面向机动平台前视成像的SAMP重构方法，其特征在于，包括以下步骤：
步骤1，结合笛卡尔坐标系建立面向机动平台的单基前视扫描成像模型；
步骤2，利用搭载于机动平台的单基前视扫描成像系统发射线性调频脉冲信号，并接收正前方目标区域后向散射形成的回波信号；雷达接收机对回波信号进行解调处理，生成解调后的基带回波信号ss(tr,ta)；其中，tr为距离向快时间变量、ta为方位向慢时间变量；
步骤3，对所述解调后的基带回波信号ss(tr,ta)执行距离向匹配滤波处理，得到距离向匹配滤波信号SsPC(fr,ta)；其中，表示距离向频域变量，fs表示采样率；
步骤4，对所述距离向匹配滤波信号SsPC(fr,ta)依次进行直线轨迹逼近、包络去斜、距离向逆傅里叶变换处理，得到预处理后的回波信号sspre(tr,ta)；
步骤5，根据所述面向机动平台的单基前视扫描成像模型，计算机动平台在任意时刻所经历的瞬时多普勒fdc；根据所述瞬时多普勒fdc得到面向机动平台前视成像处理的过完备字典矩阵M；
步骤6，设定初始迭代步长N，执行基于SAMP的改进型稀疏重构算法，针对前视成像处理所特有的残差无法下降到零的问题，采用门限判决、均值滤波和方差滤波多种方式相融合的改进型方法进行迭代终止条件的判决，最终得到机动平台前视成像场景重构结果；
所述步骤6具体为：逐距离门向贪婪追踪网络中输入回波切片s、过完备字典矩阵M以及迭代步长N，其中，回波切片s为预处理后的回波信号sspre(tr,ta)中的每一行数据，具体包含以下子步骤：
子步骤6.1，初始化信号残差r0为s，列空间索引集合为空集迭代步长L＝N，循环变量loop＝1；
子步骤6.2，计算过完备字典矩阵M与信号残差r0的内积空间，搜索内积空间中L个最大值，并将这些值对应的索引记为列序号集合；
子步骤6.3，计算列空间索引集合与列序号集合的并集，并取出在该集合索引下字典矩阵M的列子空间M1；
子步骤6.4，计算线性求逆问题s＝M1θloop的最小二乘解，记为其中，θloop为贪婪追踪网络的输出值，为θloop的估计值，表示使后面方程达到最小值时的θloop，||·||表示2-范数；上标T表示矩阵转置，上标-1表示矩阵求逆；
子步骤6.5，在中选取模值最大的L项，对应将列子空间中的L列标记为AL；
子步骤6.6，计算信号残差
子步骤6.7，执行迭代终止条件判决：
(1)对信号残差执行均值滤波处理和方差滤波处理，并做门限判决，如果残差本身、均值滤波结果或方差滤波结果其中之一超过所设门限，则终止迭代，进入子步骤6.8；
(2)如果残差的2-范数出现异常升高，即||r||2≥||rloop-1||2，则更新步长L＝L+N，并返回子步骤6.2执行新一轮迭代计算；
(3)若上述判决均不满足，则将列空间索引集合更新为AL对应的列序号、将残差更新为rloop＝r、将循环变量更新为loop＝loop+1，最终，若循环次数loop超过过完备字典矩阵M的列数，则终止迭代并进入子步骤6.8，否则返回子步骤6.2执行新一轮迭代运算；
子步骤6.8，生成当前距离门场景重构结果其中由两部分构成：(1)在列空间索引集合处，稀疏重构结果为迭代终止前更新的(2)其他索引处数值为零；
子步骤6.9，遍历预处理后的回波信号sspre(tr,ta)中的所有距离门，分别执行子步骤6.1～子步骤6.8，实现正前方区域的全部稀疏重构，完成高机动平台单基扫描前视成像，得到前视成像结果。
2.根据权利要求1所述的面向机动平台前视成像的SAMP重构方法，其特征在于，包括以下步骤：步骤1具体为：
机动平台前视成像系统工作在单基扫描模式下，取其零时刻时的水平和速度方向为y轴、天向为z轴、侧向为x轴、零时刻弹下点为坐标原点O建立笛卡尔坐标系O-xyz；
设机动平台在零时刻时位于B点，该点的高度为H，并以速度矢量和三维加速度矢量飞过曲线轨迹期间波束指向由一侧扫描至另一侧，波束扫描角速度为ω；其中，vy、vz分别表示平台沿y轴、z轴的速度分量；ax、ay、az分别表示平台沿x轴、y轴、z轴的加速度分量；
当机动平台位于B点时，雷达波束指向正前方的场景中心点P，此时对应的作用距离为RS；随后，在经过ta时刻之后，机动平台飞行至D点，波束中心指向侧前方地面照射场景中的目标点T，此时构成的瞬时波束方位角为γ＝ωta，地面与波束形成的擦地角为β。
3.根据权利要求2所述的面向机动平台前视成像的SAMP重构方法，其特征在于，步骤2具体包含以下子步骤：
子步骤2.1，计算和速度在波束视线方向的投影关系定义俯冲状态下的等效斜视角其中表示方位零时刻的波束指向向量，arccos(·)表示反余弦函数，运算符·表示向量点乘计算，|·|表示对向量取模；根据ve和θc构造俯冲飞行下的斜距模型Re：
子步骤2.2，根据步骤1中所建立的面向机动平台的单基前视扫描成像模型，将三维加速度对于瞬时斜距的影响视为引入运动误差，在成像模型中，精确的斜距历程为其中，||·||2表示向量的2-范数运算符，表示针对下标i＝0,1,2,3,4依次进行求和运算，i表示求和运算的求和变量，m0表示精确的斜距历程Rreal在ta＝0处的零阶麦克劳林展开式系数，m1表示精确的斜距历程Rreal在ta＝0处的一阶麦克劳林展开式系数，m2表示精确的斜距历程Rreal在ta＝0处的二阶麦克劳林展开式系数，m3表示精确的斜距历程Rreal在ta＝0处的三阶麦克劳林展开式系数，m4表示精确的斜距历程Rreal在ta＝0处的四阶麦克劳林展开式系数；
将Rreal与Re相减，并在方位零时刻执行麦克劳林展开，得到各阶运动误差Rerr：
其中，
表示斜距误差Rerr在ta＝0处的零阶麦克劳林展开式系数，表示对前面函数中的ta变量置零；
表示斜距误差Rerr在ta＝0处的一阶麦克劳林展开式系数，表示函数对ta变量求一阶导数；
表示斜距误差Rerr在ta＝0处的二阶麦克劳林展开式系数，表示函数对ta变量求二阶导数；
表示斜距误差Rerr在ta＝0处的三阶麦克劳林展开式系数，表示函数对ta变量求三阶导数；
表示斜距误差Rerr在ta＝0处的四阶麦克劳林展开式系数，表示函数对ta变量求四阶导数；
子步骤2.3，利用搭载于机动平台的单基扫描前视成像系统发射线性调频脉冲信号，并接收正前方目标区域后向散射形成的回波信号；雷达接收机对回波信号进行解调处理，从而生成解调后的基带回波信号ss(tr,ta)：
其中，wr(tr)表示距离向时域窗函数，wa(ta)表示方位向时域窗函数，exp{·}表示复指数函数，用以表征回波信号的相位信息；j表示虚数单位，kR表示距离向调频率，λ表示波长，π表示圆周率，c表示光速。
4.根据权利要求3所述的面向机动平台前视成像的SAMP重构方法，其特征在于，步骤3中，所述距离向匹配滤波处理具体包含以下子步骤：
子步骤3.1，采用驻定相位原理和级数反演法，对所述解调后的基带回波信号ss(tr,ta)执行距离向傅里叶变换，得到距离向傅里叶变换回波信号Ss(fr,ta)；
子步骤3.2，在距离频域-方位时域构造距离向匹配滤波函数fPC(fr)；随后，对所述距离向傅里叶变换回波信号Ss(fr,ta)执行距离向匹配滤波处理，得到距离向匹配滤波信号SsPC(fr,ta)。
5.根据权利要求4所述的面向机动平台前视成像的SAMP重构方法，其特征在于，子步骤3.1具体为：将所述解调后的基带回波信号ss(tr,ta)与傅里叶变换的旋转因子exp{-j2πfrtr}相乘，并提取出结果中的相位
根据驻定相位原理的思想，对相位φ关于变量tr求偏导，并将求导结果置零，得到等式
随后，对该等式执行级数反演法，将反解出来的距离时域变量表达式代入相位φ中，得到距离向傅里叶变换回波信号Ss(fr,ta)：
其中，Wr(fr)为距离频域窗函数，fc表示雷达系统的载波频率。
6.根据权利要求5所述的面向机动平台前视成像的SAMP重构方法，其特征在于，子步骤3.2中，所述距离向匹配滤波函数
所述距离向匹配滤波信号
7.根据权利要求5所述的面向机动平台前视成像的SAMP重构方法，其特征在于，步骤4具体包含以下子步骤：
子步骤4.1，结合高机动平台的三维加速度信息，在距离频域-方位时域构造直线轨迹逼近函数fACC(fr,ta)：
用以消除子步骤2.2中所述的三维加速度对斜距误差包络的影响；
子步骤4.2，将所述距离向匹配滤波信号SsPC(fr,ta)与所述直线轨迹逼近函数fACC(fr,ta)相乘，得到统一加速度补偿信号SsACC(fr,ta)：
子步骤4.3，根据俯冲角和擦地角β，计算零时刻波束指向与速度矢量夹成的锥角α0＝β-χ，并在距离频域-方位时域构造包络去斜函数fSQ(fr,ta)：
用以消除俯冲角对多普勒谱造成的畸变和平移影响，从而将大俯冲成像模型等效为平飞模型；
子步骤4.4，将所述统一加速度补偿回波信号SsACC(fr,ta)与所述包络去斜函数fSQ(fr,ta)相乘，并执行距离向逆傅里叶变换，得到预处理后的回波信号sspre(tr,ta)：
其中，R′e表示经过预处理后的等效直线平飞模型的标准斜距历程。
8.根据权利要求2所述的面向机动平台前视成像的SAMP重构方法，其特征在于，步骤5包含以下子步骤：
子步骤5.1，根据面向机动平台的单基前视扫描成像模型，计算机动平台在任意时刻所经历的瞬时多普勒，具体如下：
(5.1.1)计算曲线轨迹中D点的波束中心指向矢量
(5.1.2)计算机动平台位于D点时的速度矢量
(5.1.3)计算目标点T的瞬时锥角
(5.1.4)计算瞬时多普勒λ表示波长；
子步骤5.2，生成面向机动平台的单基前视扫描成像模型的过完备字典矩阵M；
(5.2.1)计算三角基相位Φ＝exp{j2πfdcta}；j表示虚数单位；
(5.2.2)结合面向机动平台的单基前视扫描成像模型，生成符合物理含义的过完备字典矩阵M；
其中，矩阵元素的下标表示提取三角基相位元素的索引，NB表示在一个波束宽度内的扫描点数，Na表示方位向采样点数。
CN202110864981.4A 2021-07-29 2021-07-29 一种面向机动平台前视成像的samp重构方法 Active CN113671492B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110864981.4A CN113671492B (zh) 2021-07-29 2021-07-29 一种面向机动平台前视成像的samp重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110864981.4A CN113671492B (zh) 2021-07-29 2021-07-29 一种面向机动平台前视成像的samp重构方法

Publications (2)

Publication Number Publication Date
CN113671492A CN113671492A (zh) 2021-11-19
CN113671492B true CN113671492B (zh) 2024-05-17

Family

ID=78540752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110864981.4A Active CN113671492B (zh) 2021-07-29 2021-07-29 一种面向机动平台前视成像的samp重构方法

Country Status (1)

Country Link
CN (1) CN113671492B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114236543B (zh) * 2021-12-16 2023-03-21 电子科技大学 一种机动平台双基前视sar轨迹设计方法
CN114330455B (zh) * 2022-01-05 2022-10-11 哈尔滨工业大学 一种基于压缩感知的钢轨声发射信号快速高精度重构方法
CN116578910B (zh) * 2023-07-13 2023-09-15 成都航空职业技术学院 一种训练动作识别方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009148731A1 (en) * 2008-06-02 2009-12-10 Massachusetts Institute Of Technology Fast pattern classification based on a sparse transform
CN103698763A (zh) * 2013-12-12 2014-04-02 电子科技大学 基于硬阈值omp的线阵sar稀疏成像方法
CN103713288A (zh) * 2013-12-31 2014-04-09 电子科技大学 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法
CN104865573A (zh) * 2015-06-12 2015-08-26 西安电子科技大学 一种双基前视高机动平台sar扩展场景成像优化方法
CN109191416A (zh) * 2018-08-29 2019-01-11 西安电子科技大学 基于稀疏字典学习和剪切波的图像融合方法
CN110609282A (zh) * 2019-09-19 2019-12-24 中国人民解放军军事科学院国防科技创新研究院 一种三维目标成像方法及装置
CN111896956A (zh) * 2020-08-10 2020-11-06 西安电子科技大学 基于fpga和dsp的实时微波关联成像装置及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009148731A1 (en) * 2008-06-02 2009-12-10 Massachusetts Institute Of Technology Fast pattern classification based on a sparse transform
CN103698763A (zh) * 2013-12-12 2014-04-02 电子科技大学 基于硬阈值omp的线阵sar稀疏成像方法
CN103713288A (zh) * 2013-12-31 2014-04-09 电子科技大学 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法
CN104865573A (zh) * 2015-06-12 2015-08-26 西安电子科技大学 一种双基前视高机动平台sar扩展场景成像优化方法
CN109191416A (zh) * 2018-08-29 2019-01-11 西安电子科技大学 基于稀疏字典学习和剪切波的图像融合方法
CN110609282A (zh) * 2019-09-19 2019-12-24 中国人民解放军军事科学院国防科技创新研究院 一种三维目标成像方法及装置
CN111896956A (zh) * 2020-08-10 2020-11-06 西安电子科技大学 基于fpga和dsp的实时微波关联成像装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Super-resolution forward-looking imaging method for manoeuvering platforms with optimised dictionary and extended sparsity adaptive matching pursuit";Gang Zhang等;《IET radar, sonar & navigation》;20220131;第912-923页 *
"机动平台多模雷达探测成像方法研究";张罡;《中国博士学位论文全文数据库信息科技辑》;20230715;第I136-81页 *
弹载双基前视SAR扩展场景成像算法设计;孟自强;李亚超;邢孟道;保铮;;西安电子科技大学学报;20150727(03);全文 *

Also Published As

Publication number Publication date
CN113671492A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN113671492B (zh) 一种面向机动平台前视成像的samp重构方法
CN103869311B (zh) 实波束扫描雷达超分辨成像方法
CN103744068B (zh) 双通道调频连续波sar系统的动目标检测成像方法
CN108459321B (zh) 基于距离-方位圆模型的大斜视高分辨率sar成像方法
CN108427115B (zh) 合成孔径雷达对运动目标参数的快速估计方法
CN109613532B (zh) 一种机载雷达实时多普勒波束锐化超分辨成像方法
CN103487803A (zh) 迭代压缩模式下机载扫描雷达成像方法
CN112859018B (zh) 一种基于图像几何校正的视频sar成像方法
CN113050059A (zh) 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法
CN114384520B (zh) 一种机动平台对海面船只精细化雷达成像方法
CN109597075A (zh) 一种基于稀疏阵列的成像方法及成像装置
CN112904326A (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
CN110879391B (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
CN105699970A (zh) 一种用于合成孔径雷达大场景欺骗干扰的逆距离徙动方法
CN107153191A (zh) 一种针对隐形飞机的双基isar成像检测方法
CN112578383B (zh) 一种基于扩展波数谱重构的高机动平台tops sar成像方法
CN113466863A (zh) 一种sar舰船目标高分辨成像方法
CN117289274A (zh) 基于优化自适应匹配追踪的单通道前视超分辨成像方法
CN113219459A (zh) 一种扫描雷达稳健超分辨成像方法
CN111090102B (zh) 一种超分辨反射式太赫兹三维目标重建成像方法
CN116359863B (zh) 一种微型无人机载sar航向运动误差的补偿方法
CN110244267B (zh) 弹载毫米波切向前视sar三维成像模型性能分析方法
CN116136595A (zh) 基于两级尺度微调的协同探测双基前视sar成像处理方法
CN113640794B (zh) 一种mimo-sar三维成像自聚焦方法

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
GR01 Patent grant