CN113900099A - 稀疏孔径isar机动目标成像与定标方法 - Google Patents

稀疏孔径isar机动目标成像与定标方法 Download PDF

Info

Publication number
CN113900099A
CN113900099A CN202111031951.1A CN202111031951A CN113900099A CN 113900099 A CN113900099 A CN 113900099A CN 202111031951 A CN202111031951 A CN 202111031951A CN 113900099 A CN113900099 A CN 113900099A
Authority
CN
China
Prior art keywords
sparse
imaging
isar
target
aperture
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.)
Pending
Application number
CN202111031951.1A
Other languages
English (en)
Inventor
徐刚
彭鑫鑫
张邦杰
张慧
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202111031951.1A priority Critical patent/CN113900099A/zh
Publication of CN113900099A publication Critical patent/CN113900099A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S13/904—SAR modes
    • G01S13/9064—Inverse SAR [ISAR]
    • 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
    • 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
    • G01S7/40—Means for monitoring or calibrating

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

本发明公开了一种稀疏孔径ISAR机动目标成像与定标方法，包括如下步骤：建立机动目标ISAR稀疏孔径信号模型，通过构造包含MTRC的变尺度非均匀傅里叶二维字典以表征目标机动性；通过最大后验估计构造参数化稀疏成像模型，表示为联合目标参数估计和稀疏成像的代价函数；通过最小熵法寻找目标转动参数，通过坐标下降法进行参数迭代实现对机动目标旋转参数的粗估计；通过联合稀疏ISAR成像和目标转动参数估计，分解为稀疏成像和字典学习，依次迭代求解，实现具有MTRC校正和精确参数估计的高质量成像。本发明实现了利用稀疏孔径回波数据来解决ISAR机动目标高分辨率成像难题，大大增加了雷达成像的实现范围和应用场景。

Description

稀疏孔径ISAR机动目标成像与定标方法
技术领域
本发明涉及稀疏孔径ISAR机动目标高分辨成像与定标技术，属于雷达信号处理技术领域。 具体地说是针对机动目标旋转参数精确估计来完成机动目标的二维MTRC校正，从而实现高分 辨成像，适用于机动目标稀疏孔径ISAR高分辨成像与定标。
背景技术
逆合成孔径雷达(ISAR)能够提供非合作运动目标的二维(2D)高分辨率图像，已成为一类 重要的遥感应用。为了实现高分辨率的方位维成像，ISAR需要获取雷达与目标之间的大横向 角变化的连续采样，但在一些实际应用中可能难以满足。一般而言，多功能雷达系统通常具 备对多个目标进行搜索、探测、跟踪和成像等多个功能的能力，需要使用分时机制将系统资 源为不同的任务进行最佳分配。在这种情况下，由于多任务操作的限制，在较长时间内连续 发射和采集的宽带信号脉冲将无法实现ISAR成像。例如，雷达波束通过发射低速扫描的窄带 信号脉冲来跟踪观测到的目标。因此，宽带测量的不连续形成了稀疏孔径(SA)。多源干扰往 往也会破坏回波数据。此外，在网络雷达系统中，分布在不同角度的多个传感器采集的测量 数据往往是不连续的。因此，通过SA数据合成或频谱估计来实现高分辨率ISAR成像的任务 对于推动现代雷达系统的发展至关重要。
机动目标由于其运动机动特性，其回波信号模型具有两维单元徙动等特征。对于机动目 标，利用常规距离-多普勒算法很难得到聚焦良好的图像。针对目标信号的机动非平稳特性， 现有文献提出了一些有效的算法用于解决此类问题，例如，时频方法、基于Chirp信号的分 解算法等。然而，这些算法中的绝大多数并没有考虑到稀疏孔径和两维单元徙动的影响，其 成像性能在稀疏孔径下会下降甚至不再适用。因此，针对机动目标的稀疏孔径ISAR高分辨成 像的研究变得尤为重要。
发明内容
本发明的目的是提供一种稀疏孔径ISAR机动目标成像与定标方法，通过估计机动目标的 旋转参数来校正机动目标二维越距离徙动，从而实现稀疏孔径ISAR高分辨成像与定标。
为实现上述目的，本发明采用如下技术方案：
一种稀疏孔径ISAR机动目标成像与定标方法，包括如下步骤：
步骤一，建立机动目标ISAR稀疏孔径信号模型，通过构造包含MTRC的变尺度非均匀傅 里叶二维字典以表征目标机动性；
步骤二，通过最大后验估计构造参数化稀疏成像模型，表示为联合目标参数估计和稀疏 成像的代价函数；
步骤三，通过最小熵法寻找目标转动参数，通过坐标下降法进行参数迭代实现对机动目 标旋转参数的粗估计；
步骤四，通过联合稀疏ISAR成像和目标转动参数估计，分解为稀疏成像和字典学习，依 次迭代求解，实现具有MTRC校正和精确参数估计的高质量成像。
所述步骤一中，首先分析二维越距离徙动产生的原因：
设雷达系统发射线性调频(LFM)信号脉冲，采用匹配滤波技术进行距离压缩，经过距离维 压缩的回波数据表示为
Figure BDA0003245669150000021
其中，
Figure BDA0003245669150000022
Rp＝R0+yp，
Figure BDA0003245669150000023
为距离维度下的快速时间，tm为 方位维度下的慢时间，xp和yp分别表示散射点p在转台模型中的横坐标和纵坐标，Rp为坐标 系原点与雷达的距离，ω为机动目标在转台模型中的转动角速度，j为单位虚数，σp是散射 点p的散射系数，B和fc分别是传输信号的带宽和载波频率，c表示电磁波的传输速度；
在式(1)中，包络中只有线性距离偏移被保留为距离维MTRC，而二次项太小，不能产生 距离维MTRC，式(1)中的线性调频和二次相位对应的是方位维MTRC，能够分解为与距离相关 的分量和与方位相关的分量，然后将式(1)变换到距离频域为
Figure BDA0003245669150000024
其中，fr是回波信号的距离快时间的频域表示；由式(2)可知，目标的机动性引起了非 均匀的空间采样，即带来了与方位相关的chirp调制，这与非机动目标下的回波有很大不同， 从本质上讲，式(2)在机动目标的(fr,tm)域展现出了MTRC独有的特征。
所述步骤一中，构造包含MTRC的变尺度非均匀傅里叶二维字典的方法是：对稀疏孔径(SA) 离散信号建模：
Figure BDA0003245669150000031
Figure BDA0003245669150000032
其中，a和s分别表示待恢复的ISAR图像和SA数据，A为ISAR图像的矩阵形式，行为方位维，列为距离维，n是噪声；vec()为矩阵转向量操作，表示I个子孔径的SA数据 按孔径序号依次一个向量接一个向量组成一个长向量；
Figure BDA0003245669150000033
表示稀疏孔径回波 数据的总脉冲数，其中Li为第i个子孔径的脉冲数，N表示距离维的回波数据采样长度， k表示回波脉冲序列中的第k个脉冲，n表示一个回波脉冲中的第n个采样数据，j 为单位虚数；
Figure BDA0003245669150000034
为式(1)或式(2)中与距离相关的二次相位误差，Fr表示距离维的 傅里叶变换,Fr H表示Fr的共轭转置；在式(4)中，E的对角线元素都是非零的，其它都是零； E中的位于
Figure BDA0003245669150000035
处的元素为
Figure BDA0003245669150000036
n∈[1:N],m∈[1:M],
Figure BDA0003245669150000037
其中m和m'分别为相同脉冲下FA和SA的第m和m'个脉冲；此外，Θ表示方位维 的缩放非均匀傅里叶变换，其中
Figure BDA0003245669150000038
和
Figure BDA0003245669150000039
分别是缩放因子和不均匀步长，这里的Fs为距离维度下的采样频率；当d(m)＝1时，式(4)能够简化为非机动目标的信号模型。
所述步骤二中，SA-ISAR图像稀疏表示为：
Figure BDA0003245669150000041
Figure BDA0003245669150000042
其中a为待恢复的ISAR图像，s为稀疏孔径回波数据(SA数据)，
Figure BDA0003245669150000043
为稀疏孔径回 波数据的总脉冲数，Li为第i个子孔径的脉冲数，ai为待恢复的ISAR图像的第i个像素点数据， η是a各个分量的方差的倒数，
Figure BDA0003245669150000044
是n的方差，p(s|a)表示建立s关于a的似然函数分布模型， p(a|η)表示建立a的稀疏先验概率分布模型，利用最大后验估计，得到SA-ISAR图像生成的最终公式为：
Figure BDA0003245669150000045
其中，
Figure BDA0003245669150000046
为待恢复的ISAR图像a的估计值，
Figure BDA0003245669150000047
为相位误差E的估计值，
Figure BDA0003245669150000048
为方位维的缩 放非均匀傅里叶变换Θ的估计值，
Figure BDA0003245669150000049
是表征稀疏约束的系数，在式(7)中，通过考虑目 标的非合作运动来同时进行稀疏孔径成像与转动参数估计。
所述步骤三中，通过最小熵法寻找旋转参数：
Figure BDA00032456691500000410
其中
Figure BDA00032456691500000411
其中，a(n,k)是a的ISAR图像的第(n,k)个元素，其中α＝2fcω2/c，
Figure BDA00032456691500000412
Δy和Δk对 应于平动补偿产生的转动中心偏移，用
Figure BDA00032456691500000413
表示这些未知参数，
Figure BDA00032456691500000414
为α的估计，
Figure BDA0003245669150000051
为β的估计，
Figure BDA0003245669150000052
为Δy的估计，
Figure BDA0003245669150000053
为Δk的估计，用
Figure BDA0003245669150000054
表示
Figure BDA0003245669150000055
的估计；
Figure BDA0003245669150000056
用于补偿成像误差，在坐标下降法的每次迭代中，固定
Figure BDA0003245669150000057
中的其它参 数，只估计
Figure BDA0003245669150000058
中的某一个参数，以这样的方式，依次估计
Figure BDA0003245669150000059
中的每一个参数，每次这样的过程 被定义为一次迭代；定义
Figure BDA00032456691500000510
为第i次迭代的前q-1个参数的估计，
Figure BDA00032456691500000511
的第q个参数估计为
Figure BDA00032456691500000512
Figure BDA00032456691500000513
其中，
Figure BDA00032456691500000514
和
Figure BDA00032456691500000515
是
Figure BDA00032456691500000516
分别在第(i-1)和第i迭代次数的估计值，
Figure BDA00032456691500000517
和
Figure BDA00032456691500000518
分别是
Figure BDA00032456691500000519
关于
Figure BDA00032456691500000520
的梯度向量和海森矩阵，且λ(i,q)是基于Armijo准则估计的拟牛顿法的搜索步长； 利用式(10)和(11)，每次迭代都更新参数
Figure BDA00032456691500000521
以达到收敛，最终得到一个最终的估计参数。
所述步骤四中，与稀疏ISAR成像联合，分解成稀疏成像和字典学习，分别表示为：
Figure BDA00032456691500000522
和
Figure BDA00032456691500000523
在式(12)中，
Figure BDA00032456691500000524
用于解决||a||1的不可微性，δ是一个接近无穷小的正常 数，本发明中取|ai|2的平均值的1/1000；
首先，使用拟牛顿法求解式(12)
Figure BDA00032456691500000525
其中
Figure RE-GDA00033960582700000526
和
Figure RE-GDA00033960582700000527
是a分别在第i和第(i+1)迭代次数的估计值，且
Figure RE-GDA00033960582700000528
是一个近似的海森矩阵；
Figure RE-GDA00033960582700000529
和
Figure RE-GDA00033960582700000530
是E和Θ在第i迭代次数的估计值；
考虑到
Figure BDA0003245669150000061
的维数较大，求其逆通常需要较大的计算量，将式(14)转换为求解如下问 题
Figure BDA0003245669150000062
使用共轭梯度法求解式(15)；
然后，将式(13)转换为对ω和
Figure BDA0003245669150000063
的估计，表示为
Figure BDA0003245669150000064
实际上，式(16)用梯度下降法求解或者用线性搜索的方法求解；
在第i次迭代时，动态搜索设置在
Figure BDA0003245669150000065
和
Figure BDA0003245669150000066
附近，其中
Figure BDA0003245669150000067
和
Figure BDA0003245669150000068
是ω和
Figure BDA0003245669150000069
在第(i-1)次 迭代中的估计值；参数估计进行了一次迭代后，利用
Figure BDA00032456691500000610
和
Figure BDA00032456691500000611
的估计量来更新E和Θ的字 典，然后利用式(15)进行下一次稀疏信号成像迭代；这样，当式(15)和(16)的迭代都达到收 敛时，就能够实现具有MTRC校正和精确旋转参数估计的高质量SA成像。最后的ω的迭代值 用在方位维度上对恢复的ISAR图像进行定标。
有益效果：为了有效地抑制数据不完备造成的图像“散焦”和“模糊”，同时解决机动目 标两维距离徙动问题，本发明提出了一种参数化稀疏成像方法，通过构造机动目标成像信号 模型，联合实现稀疏成像和目标参数估计，以获得相干化、两维徙动校正的定标图像。这种 稀疏成像和定标方法具有较好的鲁棒性，能有效抑制噪声的影响，相比传统算法有较高的性 能提升。
与现有方法相比较，本发明具有如下优点：
第一，本发明实现了机动目标稀疏孔径ISAR成像，大大增加了雷达成像的实现范围和应 用场景。
第二，本发明实现了精确的参数估计，使用精确估计的参数在方位维度上对恢复的ISAR 图像进行定标。
第三，本发明算法中的稀疏成像和定标方法具有较好的鲁棒性，能够有效抑制噪声的影 响，对强噪声或杂波有较高的容忍度，相比传统算法有较高的性能提升。
第四，本发明采用目标-背景比(TBR)这一指标准确的评估参数估计的误差，对算法性能 进行了定量评估，为与传统算法性能优势的对比提供准确的数据。
附图说明
图1是本发明的流程图；
图2是Yak42飞机目标模型；其中，(a)为二维模型，(b)为在FA数据上利用RD算法实现ISAR图像，(c)为FA数据的一半，(d)为FA数据的四分之一；
图3是在模拟数据上用本发明算法重建的ISAR图像；
图4是采用传统算法重建的ISAR图像；
图5是Yak42平面实测数据；其中，(a)为平动补偿后距离包络；(b)为(a)的部 分放大区间；(c)为未经二维MTRC校正的RD图像；(d)为利用本发明提出的算法从FA数据 重建ISAR图像。
图6是采用本发明算法对实测数据进行SA-ISAR成像；其中，(a)和(b)分别为SA1和SA2 重建的ISAR图像；(c)和(d)分别为SA1和SA2的对齐后的距离包络。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1，一种稀疏孔径ISAR机动目标成像与定标方法，包括如下步骤：
步骤一，建立机动目标ISAR稀疏孔径信号模型，通过构造包含MTRC的变尺度非均匀傅 里叶二维字典以表征目标机动性；
分析二维越距离徙动产生的原因：
设雷达系统发射线性调频(LFM)信号脉冲，采用匹配滤波技术进行距离压缩，经过距离维 压缩的回波数据表示为
Figure BDA0003245669150000071
其中，
Figure BDA0003245669150000072
Rp＝R0+yp，
Figure BDA0003245669150000073
为距离维度下的快速时间，tm为 方位维度下的慢时间，xp和yp分别表示散射点p在转台模型中的横坐标和纵坐标，Rp为坐标 系原点与雷达的距离，ω为机动目标在转台模型中的转动角速度，j为单位虚数，σp是散射 点p的散射系数，B和fc分别是传输信号的带宽和载波频率，c表示电磁波的传输速度；
在式(1)中，包络中只有线性距离偏移被保留为距离维MTRC，而二次项太小，不能产生 距离维MTRC，式(1)中的线性调频和二次相位对应的是方位维MTRC，能够分解为与距离相关 的分量和与方位相关的分量，然后将式(1)变换到距离频域为
Figure BDA0003245669150000081
其中，fr是回波信号的距离快时间的频域表示；由式(2)可知，目标的机动性引起了非 均匀的空间采样，即带来了与方位相关的chirp调制，这与非机动目标下的回波有很大不同， 从本质上讲，式(2)在机动目标的(fr,tm)域展现出了MTRC独有的特征。
构造包含MTRC的变尺度非均匀傅里叶二维字典的方法是：对稀疏孔径(SA)离散信号建 模：
Figure BDA0003245669150000082
Figure BDA0003245669150000083
其中，a和s分别表示待恢复的ISAR图像和SA数据，A为ISAR图像的矩阵形式，行为方位维，列为距离维，n是噪声；vec()为矩阵转向量操作，表示I个子孔径的SA数据 按孔径序号依次一个向量接一个向量组成一个长向量；
Figure BDA0003245669150000084
表示稀疏孔径回波 数据的总脉冲数，其中Li为第i个子孔径的脉冲数，N表示距离维的回波数据采样长度， k表示回波脉冲序列中的第k个脉冲，n表示一个回波脉冲中的第n个采样数据，j 为单位虚数；
Figure BDA0003245669150000085
为式(1)或式(2)中与距离相关的二次相位误差，Fr表示距离维的 傅里叶变换,Fr H表示Fr的共轭转置；在式(4)中，E的对角线元素都是非零的，其它都是零； E中的位于
Figure BDA0003245669150000091
处的元素为
Figure BDA0003245669150000092
n∈[1:N],m∈[1:M],
Figure BDA0003245669150000093
其中m和m'分别为相同脉冲下FA和SA的第m和m'个脉冲；此外，Θ表示方位维 的缩放非均匀傅里叶变换，其中
Figure BDA0003245669150000094
和
Figure BDA0003245669150000095
分别是缩放因子和不均匀步长，这里的Fs为距离维度下的采样频率；当d(m)＝1时，式(4)能够简化为非机动目标的信号模型。
步骤二，通过最大后验(MAP)估计构造参数化稀疏成像模型，表示为联合目标参数估计和 稀疏成像的代价函数；
SA-ISAR图像稀疏表示为：
Figure BDA0003245669150000096
Figure BDA0003245669150000097
其中，a为待恢复的ISAR图像，s为稀疏孔径回波数据(SA数据)，
Figure BDA0003245669150000098
为稀疏孔径 回波数据的总脉冲数，Li为第i个子孔径的脉冲数，ai为待恢复的ISAR图像的第i个像素点数 据，η是a各个分量的方差的倒数，
Figure BDA0003245669150000099
是n的方差，p(s|a)表示建立s关于a的似然函数分布 模型，p(a|η)表示建立a的稀疏先验概率分布模型，利用最大后验估计，得到SA-ISAR 图像生成的最终公式为：
Figure BDA00032456691500000910
其中，
Figure BDA00032456691500000911
为待恢复的ISAR图像a的估计值，
Figure BDA00032456691500000912
为相位误差E的估计值，
Figure BDA00032456691500000913
为方位维的缩 放非均匀傅里叶变换Θ的估计值，
Figure BDA00032456691500000914
是表征稀疏约束的系数，在式(7)中，通过考虑目 标的非合作运动来同时进行稀疏孔径成像与转动参数估计。
步骤三，通过最小熵法寻找目标转动参数，通过坐标下降法进行参数迭代实现对机动目 标旋转参数的粗估计；
通过最小熵法寻找旋转参数：
Figure BDA0003245669150000101
其中
Figure BDA0003245669150000102
其中，a(n,k)是a的ISAR图像的第(n,k)个元素，其中α＝2fcω2/c，
Figure BDA0003245669150000103
Δy和Δk对 应于平动补偿产生的转动中心偏移，用
Figure BDA0003245669150000104
表示这些未知参数，
Figure BDA0003245669150000105
为α的估计，
Figure BDA0003245669150000106
为β的估计，
Figure BDA0003245669150000107
为Δy的估计，
Figure BDA0003245669150000108
为Δk的估计，用
Figure BDA0003245669150000109
表示
Figure BDA00032456691500001010
的估计；
Figure BDA00032456691500001011
用于补偿成像误差，在坐标下降法的每次迭代中，固定
Figure BDA00032456691500001012
中的其它参 数，只估计
Figure BDA00032456691500001013
中的某一个参数，以这样的方式，依次估计
Figure BDA00032456691500001014
中的每一个参数，每次这样的过程 被定义为一次迭代；定义
Figure BDA00032456691500001015
为第i次迭代的前q-1个参数的估计，
Figure BDA00032456691500001016
的第q个参数估计为
Figure BDA00032456691500001017
Figure BDA00032456691500001018
其中，
Figure BDA00032456691500001019
和
Figure BDA00032456691500001020
是
Figure BDA00032456691500001021
分别在第(i-1)和第i迭代次数的估计值，
Figure BDA00032456691500001022
和
Figure BDA00032456691500001023
分别是
Figure BDA00032456691500001024
关于
Figure BDA00032456691500001025
的梯度向量和海森矩阵，且λ(i,q)是基于Armijo准则估计的拟牛顿法的搜索步长； 利用式(10)和(11)，每次迭代都更新参数
Figure BDA00032456691500001026
以达到收敛，最终得到一个最终的估计参数。
步骤四，通过联合稀疏ISAR成像和目标转动参数估计，分解为稀疏成像和字典学习，依 次迭代求解，实现具有MTRC校正和精确参数估计的高质量成像；
与稀疏ISAR成像联合，分解成稀疏成像和字典学习，分别表示为：
Figure BDA0003245669150000111
和
Figure BDA0003245669150000112
在式(12)中，
Figure BDA0003245669150000113
用于解决||a||1的不可微性，δ是一个接近无穷小的正常 数，本发明中取|ai|2的平均值的1/1000；
首先，使用拟牛顿法求解式(12)
Figure BDA0003245669150000114
其中
Figure RE-GDA0003396058270000115
和
Figure RE-GDA0003396058270000116
是a分别在第i和第(i+1)迭代次数的估计值，且
Figure RE-GDA0003396058270000117
是一个近似的海森矩阵；
Figure RE-GDA0003396058270000118
和
Figure RE-GDA0003396058270000119
是E和Θ在第i迭代次数的估计值；
考虑到
Figure BDA00032456691500001110
的维数较大，求其逆通常需要较大的计算量，将式(14)转换为求解如下问 题
Figure BDA00032456691500001111
使用共轭梯度法求解式(15)；
然后，将式(13)转换为对ω和
Figure BDA00032456691500001112
的估计，表示为
Figure BDA00032456691500001113
实际上，式(16)用梯度下降法求解或者用线性搜索的方法求解；
在第i次迭代时，动态搜索设置在
Figure BDA00032456691500001114
和
Figure BDA00032456691500001115
附近，其中
Figure BDA00032456691500001116
和
Figure BDA00032456691500001117
是ω和
Figure BDA00032456691500001118
在第(i-1)次 迭代中的估计值；参数估计进行了一次迭代后，利用
Figure BDA00032456691500001119
和
Figure BDA00032456691500001120
的估计量来更新E和Θ的字 典，然后利用式(15)进行下一次稀疏信号成像迭代；这样，当式(15)和(16)的迭代都达到收 敛时，就能够实现具有MTRC校正和精确旋转参数估计的高质量SA成像。最后的ω的迭代值 用在方位维度上对恢复的ISAR图像进行定标。
为说明本发明对机动目标稀疏孔径ISAR高分辨成像与定标的有效性，通过以下对仿真数 据的实验进一步说明：
实施例1：模拟数据验证
1.实验设置
采用尺寸为36.47m×33.68m的Yak42飞机目标模型。接收机采用de-chirp模式，ISAR系 统参数如表1所示。为表示机动性，将目标的角速度设为0.03rad/s，角加速度设为0.003rad/s2。 同时将FA的脉冲数设置为400，目标的总旋转角度为7.6°。
雷达系统参数设置：
表1模拟ISAR系统参数
Figure RE-GDA0003396058270000121
在de-chirp模式下，一个采样范围单元的长度为
Figure BDA0003245669150000122
其中γ为传输LFM信号的 调频率，可以计算出，Δy＝0.293m。成像性能需要从旋转参数估计和SA成像两个方面进行分 析。为了验证算法的稳健性，分别定义FA样本数全体，FA样本数的二分之一和四分之一。 仿真中对回波数据添加高斯噪声信号，回波信号的信噪比设置为SNR＝20dB、10dB和0dB。
2.实验内容
基于MATLAB软件平台，利用400，200和100个脉冲信号分别在SNR＝20dB、10dB和0dB 的情况下进行距离-多普勒两维成像，采用本发明方法进行机动目标旋转速度估计。表2为 SNR＝20dB、10dB和0dB的目标速度估计结果。
3.实验结果分析
通过图2可知，SA1，SA2是在FA下进行的采样数据，且分别为FA样本数的二分之一和 四分之一。通过本发明方法重建ISAR图像，在图3中可以看到在FA和SA1情况下ISAR图像效果较好，在SA2情况下ISAR图像要差一些，且SNR越高，参数的估计值更接近实际数值。 同时FA，SA1，SA2的参数估计的准确性依次下降。通过图3和图4两幅图的ISAR图像成像 效果对比以及表2和表3两张表的参数估计准确性对比可以看出，本发明提出的算法优于传 统算法，优势主要的体现是稀疏信号恢复和参数估计准确。
表2使用本发明提出的算法的旋转参数估计
Figure BDA0003245669150000131
表3使用传统算法的旋转参数估计
Figure BDA0003245669150000132
实施例2：实测数据验证
为说明本发明利用实测数据进行旋转参数估计和重建ISAR图像的有效性，通过以下对实 测数据的实验进一步说明：
1.实验设置
与前面仿真回波实验设置一样。
2.实验内容
本发明先应用于FA数据，再应用于SA数据。在FA情况下，先使用传统RD算法生成的ISAR图像，再利用本发明提出的算法从FA数据重建ISAR图像。利用本发明提出的算法分别对SA1和SA2成像，同时生成ISAR图像对齐后的距离包络，观察本发明算法校正MTRC的效果。
3.实验结果分析
通过图5中(a)、(b)可见机动目标平动补偿后仍有明显的距离MTRC，所以通过传统的 RD算法成像如图5中(c)所示有明显的两维MTRC。从图5中(d)可以看出使用本发明算法重建的ISAR图像，两维MTRC得到了很好的校正。本发明提出的算法对SA1和SA2的成像和 定标结果分别如图6中(a)和(b)所示。可以看出，通过对二维MTRC进行校正，SA回波数据 可以获得聚焦良好的图像。在SA情况下，重建的飞机尺寸与FA大致相同。图6中(a)和(b) 生成的ISAR图像的距离像分别如图6中(c)和(d)所示。为了清晰起见，给出了与图5中(b) 相同的区域，图6中(c)和(d)表明通过成功校正距离维MTRC，距离包络完全对齐在一条直线 上。上述结果证实了本发明的有效性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说， 在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发 明的保护范围。

Claims (6)

1.一种稀疏孔径ISAR机动目标成像与定标方法，其特征在于：包括如下步骤：
步骤一，建立机动目标ISAR稀疏孔径信号模型，通过构造包含MTRC的变尺度非均匀傅里叶二维字典以表征目标机动性；
步骤二，通过最大后验估计构造参数化稀疏成像模型，表示为联合目标参数估计和稀疏成像的代价函数；
步骤三，通过最小熵法寻找目标转动参数，通过坐标下降法进行参数迭代实现对机动目标旋转参数的粗估计；
步骤四，通过联合稀疏ISAR成像和目标转动参数估计，分解为稀疏成像和字典学习，依次迭代求解，实现具有MTRC校正和精确参数估计的高质量成像。
2.根据权利要求1所述的稀疏孔径ISAR机动目标成像与定标方法，其特征在于：所述步骤一中，首先分析二维越距离徙动产生的原因：
设雷达系统发射线性调频信号脉冲，采用匹配滤波技术进行距离压缩，经过距离维压缩的回波数据表示为
Figure FDA0003245669140000011
其中，
Figure FDA0003245669140000012
Rp＝R0+yp，
Figure FDA0003245669140000013
为距离维度下的快速时间，tm为方位维度下的慢时间，xp和yp分别表示散射点p在转台模型中的横坐标和纵坐标，Rp为坐标系原点与雷达的距离，ω为机动目标在转台模型中的转动角速度，j为单位虚数，σp是散射点p的散射系数，B和fc分别是传输信号的带宽和载波频率，c表示电磁波的传输速度；
在式(1)中，包络中只有线性距离偏移被保留为距离维MTRC，而二次项太小，不能产生距离维MTRC，式(1)中的线性调频和二次相位对应的是方位维MTRC，能够分解为与距离相关的分量和与方位相关的分量，然后将式(1)变换到距离频域为
Figure FDA0003245669140000014
其中，fr是回波信号的距离快时间的频域表示；由式(2)可知，目标的机动性引起了非均匀的空间采样，即带来了与方位相关的chirp调制，这与非机动目标下的回波有很大不同，从本质上讲，式(2)在机动目标的(fr,tm)域展现出了MTRC独有的特征。
3.根据权利要求1所述的稀疏孔径ISAR机动目标成像与定标方法，其特征在于：所述步骤一中，构造包含MTRC的变尺度非均匀傅里叶二维字典的方法是：对稀疏孔径离散信号建模：
Figure FDA0003245669140000021
其中，a和s分别表示待恢复的ISAR图像和SA数据，A为ISAR图像的矩阵形式，行为方位维，列为距离维，n是噪声；vec()为矩阵转向量操作，表示I个子孔径的SA数据按孔径序号依次一个向量接一个向量组成一个长向量；
Figure FDA0003245669140000022
表示稀疏孔径回波数据的总脉冲数，其中Li为第i个子孔径的脉冲数，N表示距离维的回波数据采样长度，k表示回波脉冲序列中的第k个脉冲，n表示一个回波脉冲中的第n个采样数据，j为单位虚数；
Figure FDA0003245669140000023
为式(1)或式(2)中与距离相关的二次相位误差，Fr表示距离维的傅里叶变换,Fr H表示Fr的共轭转置；在式(4)中，E的对角线元素都是非零的，其它都是零；E中的位于
Figure FDA0003245669140000024
处的元素为
Figure FDA0003245669140000025
Figure FDA0003245669140000026
其中m和m'分别为相同脉冲下FA和SA的第m和m'个脉冲；此外，Θ表示方位维的缩放非均匀傅里叶变换，其中
Figure FDA0003245669140000031
和
Figure FDA0003245669140000032
分别是缩放因子和不均匀步长，这里的Fs为距离维度下的采样频率；当d(m)＝1时，式(4)能够简化为非机动目标的信号模型。
4.根据权利要求1所述的稀疏孔径ISAR机动目标成像与定标方法，其特征在于：所述步骤二中，SA-ISAR图像稀疏表示为：
Figure FDA0003245669140000033
Figure FDA0003245669140000034
其中，a为待恢复的ISAR图像，s为稀疏孔径回波数据，
Figure FDA0003245669140000035
为稀疏孔径回波数据的总脉冲数，Li为第i个子孔径的脉冲数，ai为待恢复的ISAR图像的第i个像素点数据，η是a各个分量的方差的倒数，
Figure FDA0003245669140000036
是n的方差，p(s|a)表示建立s关于a的似然函数分布模型，p(a|η)表示建立a的稀疏先验概率分布模型，利用最大后验估计，得到SA-ISAR图像生成的最终公式为：
Figure FDA0003245669140000037
其中，
Figure FDA0003245669140000038
为待恢复的ISAR图像a的估计值，
Figure FDA0003245669140000039
为相位误差E的估计值，
Figure FDA00032456691400000310
为方位维的缩放非均匀傅里叶变换Θ的估计值，
Figure FDA00032456691400000311
是表征稀疏约束的系数，在式(7)中，通过考虑目标的非合作运动来同时进行稀疏孔径成像与转动参数估计。
5.根据权利要求1所述的稀疏孔径ISAR机动目标成像与定标方法，其特征在于：所述步骤三中，通过最小熵法寻找旋转参数：
Figure FDA00032456691400000312
其中
Figure FDA0003245669140000041
其中，a(n,k)是a的ISAR图像的第(n,k)个元素，其中α＝2fcω2/c，
Figure FDA0003245669140000042
Δy和Δk对应于平动补偿产生的转动中心偏移，用
Figure FDA0003245669140000043
表示这些未知参数，
Figure FDA0003245669140000044
为α的估计，
Figure FDA0003245669140000045
为β的估计，
Figure FDA0003245669140000046
为Δy的估计，
Figure FDA0003245669140000047
为Δk的估计，用
Figure FDA0003245669140000048
表示
Figure FDA0003245669140000049
的估计；
Figure FDA00032456691400000410
用于补偿成像误差，在坐标下降法的每次迭代中，固定
Figure FDA00032456691400000411
中的其它参数，只估计
Figure FDA00032456691400000412
中的某一个参数，以这样的方式，依次估计
Figure FDA00032456691400000413
中的每一个参数，每次这样的过程被定义为一次迭代；定义
Figure FDA00032456691400000414
为第i次迭代的前q-1个参数的估计，
Figure FDA00032456691400000415
的第q个参数估计为
Figure FDA00032456691400000416
Figure FDA00032456691400000417
其中，
Figure FDA00032456691400000418
和
Figure FDA00032456691400000419
是
Figure FDA00032456691400000420
分别在第(i-1)和第i迭代次数的估计值，
Figure FDA00032456691400000421
和
Figure FDA00032456691400000422
分别是
Figure FDA00032456691400000423
关于
Figure FDA00032456691400000424
的梯度向量和海森矩阵，且λ(i,q)是基于Armijo准则估计的拟牛顿法的搜索步长；利用式(10)和(11)，每次迭代都更新参数
Figure FDA00032456691400000425
以达到收敛，最终得到一个最终的估计参数。
6.根据权利要求1所述的稀疏孔径ISAR机动目标成像与定标方法，其特征在于：所述步骤四中，与稀疏ISAR成像联合，分解成稀疏成像和字典学习，分别表示为：
Figure RE-FDA00033960582600000426
和
Figure RE-FDA00033960582600000427
在式(12)中，
Figure RE-FDA00033960582600000428
用于解决||a||1的不可微性，δ是一个接近无穷小的正常数，本发明中取|ai|2的平均值的1/1000；
首先，使用拟牛顿法求解式(12)
Figure RE-FDA0003396058260000051
其中
Figure RE-FDA0003396058260000052
和
Figure RE-FDA0003396058260000053
是a分别在第i和第(i+1)迭代次数的估计值，且
Figure RE-FDA0003396058260000054
是一个近似的海森矩阵；
Figure RE-FDA0003396058260000055
和
Figure RE-FDA0003396058260000056
是E和Θ在第i迭代次数的估计值；
考虑到
Figure RE-FDA0003396058260000057
的维数较大，求其逆通常需要较大的计算量，将式(14)转换为求解如下问题
Figure RE-FDA0003396058260000058
使用共轭梯度法求解式(15)；
然后，将式(13)转换为对ω和
Figure RE-FDA0003396058260000059
的估计，表示为
Figure RE-FDA00033960582600000510
实际上，式(16)用梯度下降法求解或者用线性搜索的方法求解；
在第i次迭代时，动态搜索设置在
Figure RE-FDA00033960582600000511
和
Figure RE-FDA00033960582600000512
附近，其中
Figure RE-FDA00033960582600000513
和
Figure RE-FDA00033960582600000514
是ω和
Figure RE-FDA00033960582600000518
第(i-1)次迭代中的估计值；参数估计进行了一次迭代后，利用
Figure RE-FDA00033960582600000516
和
Figure RE-FDA00033960582600000517
的估计量来更新E和Θ的字典，然后利用式(15)进行下一次稀疏信号成像迭代；这样，当式(15)和(16)的迭代都达到收敛时，就能够实现具有MTRC校正和精确旋转参数估计的高质量SA成像，最后的ω的迭代值用在方位维度上对恢复的ISAR图像进行定标。
CN202111031951.1A 2021-09-03 2021-09-03 稀疏孔径isar机动目标成像与定标方法 Pending CN113900099A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111031951.1A CN113900099A (zh) 2021-09-03 2021-09-03 稀疏孔径isar机动目标成像与定标方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111031951.1A CN113900099A (zh) 2021-09-03 2021-09-03 稀疏孔径isar机动目标成像与定标方法

Publications (1)

Publication Number Publication Date
CN113900099A true CN113900099A (zh) 2022-01-07

Family

ID=79188604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111031951.1A Pending CN113900099A (zh) 2021-09-03 2021-09-03 稀疏孔径isar机动目标成像与定标方法

Country Status (1)

Country Link
CN (1) CN113900099A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114910906A (zh) * 2022-04-29 2022-08-16 中国人民解放军陆军工程大学 一种双基地isar稀疏孔径机动目标成像方法及系统
CN114935737A (zh) * 2022-07-25 2022-08-23 中国人民解放军国防科技大学 基于多脉冲关联的分布式阵列相参参数估计方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114910906A (zh) * 2022-04-29 2022-08-16 中国人民解放军陆军工程大学 一种双基地isar稀疏孔径机动目标成像方法及系统
CN114935737A (zh) * 2022-07-25 2022-08-23 中国人民解放军国防科技大学 基于多脉冲关联的分布式阵列相参参数估计方法和装置
CN114935737B (zh) * 2022-07-25 2022-10-21 中国人民解放军国防科技大学 基于多脉冲关联的分布式阵列相参参数估计方法和装置

Similar Documents

Publication Publication Date Title
CN107229048B (zh) 一种高分宽幅sar动目标速度估计与成像方法
CN109856635B (zh) 一种csar地面动目标重聚焦成像方法
US7064702B1 (en) System, method and computer program product for reducing quadratic phase errors in synthetic aperture radar signals
CN112099008B (zh) 基于cv-admmn的sa-isar成像与自聚焦方法
CN111142105A (zh) 复杂运动目标isar成像方法
CN113900099A (zh) 稀疏孔径isar机动目标成像与定标方法
CN109444882B (zh) 基于变斜视椭圆波束同步模型的双站sar成像方法
CN114545411B (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
CN111781595B (zh) 基于匹配搜索和多普勒解模糊的复杂机动群目标成像方法
CN111965643A (zh) 一种斜视sar bp图像中运动舰船目标重聚焦方法
CN110632594A (zh) 一种长波长星载sar成像方法
CN108107432B (zh) 基于时域扰动的高低轨双基sar保相成像方法
CN105242255A (zh) 基于压缩感知的双通道sar-gmti方法
CN116299551A (zh) 一种太赫兹sar二维自聚焦成像算法
CN115032638A (zh) 一种基于压缩感知的双基sar相位同步精度提升方法
CN107271996B (zh) 一种机载cssar地面运动目标成像方法
CN113466863A (zh) 一种sar舰船目标高分辨成像方法
CN112505647A (zh) 一种基于序贯子图像序列的动目标方位速度估计方法
CN111175747B (zh) 一种基于多通道复图像空间的相位误差估计方法
CN116879852A (zh) 一种sa-isar参数化平动补偿方法
CN115453530B (zh) 一种基于参数化模型的双基sar滤波反投影两维自聚焦方法
CN116819466A (zh) 基于图像最小熵的双基isar方位定标和几何校正方法
CN111273291A (zh) 基于球体模型的俯冲段fenlcs大斜视高分辨成像方法及系统
CN114089333B (zh) 一种基于直升机平台的sar振动误差估计及补偿方法
CN115015924A (zh) 一种参数优化二维空变相位误差补偿的isar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