CN114384520B - 一种机动平台对海面船只精细化雷达成像方法 - Google Patents
一种机动平台对海面船只精细化雷达成像方法 Download PDFInfo
- Publication number
- CN114384520B CN114384520B CN202210293299.9A CN202210293299A CN114384520B CN 114384520 B CN114384520 B CN 114384520B CN 202210293299 A CN202210293299 A CN 202210293299A CN 114384520 B CN114384520 B CN 114384520B
- Authority
- CN
- China
- Prior art keywords
- signal
- distance
- image
- azimuth
- ship
- 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
- 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
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/937—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of marine craft
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
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)
- Ocean & Marine Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种机动平台对海面船只精细化雷达成像方法:步骤1,机动平台采集海面舰船回波信号,进行解调得到基带回波信号;步骤2,对基带回波信号进行距离脉压、走动校正、多普勒中心补偿预处理,得到补偿后的信号;步骤3,将补偿后的信号乘以加速度补偿参考函数,得到加速度补偿后的信号;步骤4,对加速度补偿后的信号进行方位脉压处理,得到舰船目标粗聚焦SAR图像I;步骤5,检测候选舰船目标;步骤6,得到信号S 7_walk ;步骤7,提取对应的目标方位向信号;步骤8进行PGA补偿;步骤9,采用Dechirp‑clean方法处理得到所有方位向的处理数据,从而得到机动平台对海面舰船目标精细化图像。经检验,本发明能够完成舰船目标的精细化成像。
Description
技术领域
本发明涉及合成孔径雷达成像技术领域,主要是机动平台对海面舰船目标雷达成像领域,涉及一种机动平台对海面船只精细化雷达成像方法。
背景技术
海上舰船目标雷达成像技术是一种重要的对海监视和侦察手段,可以全天时、全天候地获取海洋目标的轮廓信息,为海洋监视执法、军事侦察等活动提供了重要的支撑,弥补了光学、红外等其他监视侦察手段的不足。SAR成像具有远距离、高分辨的特点,可以对重点区域进行全天时、全天候实时观测成像。现有对海面舰船成像SAR系统常见安装于机载平台,完成重点区域监视任务。然而,现有机载对海面舰船成像SAR系统仅适用于平稳飞行的载机,未考虑平台的三维加速度影响,无法适用于机动平台。另外,SAR成像的对象一般是静止场景,而海上舰船目标是非合作运动目标,无法准确得知目标航向、航速和目标姿态等运动参数,直接利用SAR成像方法处理会存在残留空变距离徙动,难以得到两维高分辨舰船目标图像。
ISAR成像技术可以应用于运动舰船目标成像,距离多普勒(RD)方法由于其操作简单、运算量小的优势,在实际工程应用中被广泛应用。然而,ISAR成像系统常见安装于岸防雷达,平台处于静止状态。另外,ISAR成像方法一般只能对单个目标进行处理,对于机动平台成像雷达而言,由于平台的体积限制和任务需求,其雷达波束宽度一般较大,覆盖区域较广。因此大多数情况下,其波束覆盖范围中存在多个舰船目标,难以直接应用ISAR技术完成对舰船目标的成像。
发明内容
针对现有技术存在的不足,本发明的目的在于,提出一种机动平台对海面船只精细化雷达成像方法。本发明为了得到高分辨率的舰船目标图像,首先根据机动平台的特性完成舰船目标粗聚焦,接着从SAR图像中通过基于混合视觉注意机制的舰船检测提取属于单个舰船目标的回波数据,然后再对单个舰船目标进行残留距离徙动校正,完成舰船目标精聚焦成像,通过由粗到精的成像处理,完成机动平台对海面舰船目标的精细化成像。
为了实现上述目的,本发明采用如下技术方案予以解决:
一种机动平台对海面船只精细化雷达成像方法,包括如下步骤:
步骤1,机动平台采集海面舰船回波信号,进行解调得到基带回波信号;
步骤2,对基带回波信号进行距离脉压、走动校正、多普勒中心补偿预处理,得到补偿后的信号;
步骤3,将补偿后的信号乘以加速度补偿参考函数,得到加速度补偿后的信号;
步骤4,对加速度补偿后的信号进行方位脉压处理,得到舰船目标粗聚焦SAR图像I;
步骤5,构造基于分块图像域与频域相结合的视觉注意机制,由舰船目标粗聚焦SAR图像I得到显著图S,并对显著图S采用均值二分法进行检测得到候选舰船目标;
步骤6,在舰船目标粗聚焦SAR图像I上根据候选舰船目标的位置提取每个舰船目标粗聚焦数据,对每个舰船目标的粗聚焦数据沿方位向进行IFFT处理,分别得到距离时域-方位时域的信号S 5,并对每个信号S 5沿距离向进行FFT处理,得到S 6;对S 6采用方位时间变量进行处理变换,得到信号S 7_walk ;
步骤7,将信号S 7_walk 乘以解耦函数得到解耦后的信号S 8;对信号S 8沿距离向作IFFT处理,得到两维时域图像S 9;对S 9中的每个距离单元提取对应的目标方位向信号S 10;
步骤8,对每个距离单元对应的目标方位向信号S 10进行PGA补偿后得到信号为S 11;
步骤9,对每个距离单元对应的信号S 11采用Dechirp-clean方法进行处理,得到所有方位向的处理数据,从而得到机动平台对海面舰船目标精细化图像。
进一步的,所述步骤2包括如下子步骤:
步骤21,对基带回波信号S 0 进行距离向的傅里叶变换,得到信号S 1;
步骤22,将S 1与距离脉压函数H 1 (f r )相乘,得到距离脉压补偿后的信号S 2;
所述的距离脉压参考函数H 1 (f r )为:
其中,f r 为距离频域, K r 为距离向调频率,j为虚数单位;
步骤23,将距离脉压补偿后的信号S 2与走动校正及多普勒中心补偿函数H 2 (f r ;t m )相乘,得到补偿后的信号S 3;
所述的走动校正及多普勒中心补偿函数为:
其中,,f c 表示雷达载频,H为平台高度;机动平台初始速度v=(v x , v y ,v z ),v x =0;t m 为方位时间;θ、R s 分别为方位时间t m =0时雷达的前斜角、景中心斜距;c为光速;j为虚数单位。
进一步的,所述步骤3中,所述的加速度补偿参考函数为:
其中,,a为机动平台加速度,a=(a x , a y ,a z );f c 为雷达载频,f r 为距离频域;H为平台高度;t m 为方位时间;θ、R s 分别为方位时间t m =0时雷达的前斜角、景中心斜距;c为光速;j为虚数单位。
进一步的,所述步骤4的具体操作为:
对加速度补偿后的信号沿距离向进行逆傅里叶变换,方位向进行FFT,得到舰船目标粗聚焦SAR图像I。
进一步的,所述步骤5具体包括如下子步骤:
步骤51,根据SAR图像I得到图像域显著图S I ,其在像素点(x, y)处的图像域显著值S I (x, y)为:
其中,w B 和h B 分别是网格块的宽度和高度;
步骤52,对舰船目标粗聚焦SAR图像I进行傅里叶变换,得到频域显著图S f :
所述傅里叶变换为:
步骤53,由图像域显著图S I 与频域显著图S f 结合得到显著图S:
S=k * S I + (1-k) S f
步骤54,采用均值二分法对显著图S进行检测,得到候选舰船目标。
进一步的,所述步骤54具体包括如下步骤:
步骤541,设定迭代总次数为L,令迭代次数为0,初始化分割阈值;
步骤542,采用当前分割阈值对当前检测区域显著图S进行分割,得到当前舰船目标像素和背景杂波像素;
步骤543,迭代次数加1,判断当前迭代次数是否大于L,若是,则结束迭代,步骤542中的分割阈值即为检测阈值,将超过检测阈值的认为是舰船目标像素;否则,转入步骤544;
步骤544,更新当前背景杂波的所有像素值为分割阈值,计算更新后图像的所有像素值的平均值,将其作为当前分割阈值;返回步骤542。
进一步的,所述步骤542的具体操作如下:
根据显著图S得到目标像素集合U和背景杂波像素集合N:
其中,U i (x, y)为目标像素集合中的第i个像素,N i (x, y)为背景像素集合中的第i个像素,m、n分别为集合U与N的元素个数,为图像像素均值,其作为分隔阈值;S(x,y)指显著图S中像素(x, y)处的显著值:
进一步的,所述步骤6中,所述方位时间变量为:
其中,f r 表示距离频域;f c 是雷达载频;t m 为方位时间。
进一步的,所述步骤7中,所述的解耦函数为:
其中,M为耦合因子;j为虚数单位;PRF为脉冲重复频率;t a 为方位时间变量;f r 为距离频域;f c 是雷达载频。
进一步的,所述步骤9具体包括如下步骤:
步骤91,将S 11作为当前处理信号,执行步骤92;
步骤93:将每个调频率的补偿函数H dc (t a )与当前处理信号相乘,并进行方位FFT处理,得到每个调频率对应的处理信号,取其中值最大的处理信号作为当前的S 12;
步骤94:构造窄带带阻滤波器,滤除当前的S 12中的尖峰,并且将该尖峰存储在最终精聚焦图像I 2上,同时得到滤除尖峰后的剩余信号;
步骤96:将处理后的剩余信号作为当前处理信号,返回执行步骤93~步骤95,直到完成所有分量的处理,得到了所有的尖峰。
相较于现有技术,本发明带来的有益效果如下:
本发明的方法得到了两维高分辨的舰船目标图像。通过加速度补偿,消除了平台机动特性对成像质量的影响。基于分块图像域与频域相结合的混合视觉注意机制,提高了舰船目标检测的性能。通过残留空变距离走动校正和耦合因子估计,校正了目标运动引入的额外距离徙动,最后结合Dechirp-clean处理完成了舰船目标的精细化成像。
附图说明
图1为本发明的机动平台对海面船只目标成像的几何模型;
图2为舰船SAR粗聚焦图像;
图3为舰船检测结果图像;
图4为目标1 SAR粗聚焦图像;
图5为目标1 ISAR精聚焦图像。
以下结合附图和具体实施方式对本发明进一步解释说明。
具体实施方式
本发明的机动平台对海面船只精细化雷达成像方法的具体设计如下:
(1)机动平台对海面舰船目标粗聚焦
现有机载对海面舰船成像方法只考虑载机平稳直线飞行的情况,未考虑平台机动性对成像的影响,难以满足机动平台对海面舰船目标高分辨成像任务需求。机动SAR平台有三维的初速度和三维加速度,飞行轨迹为曲线,机动平台对海面舰船目标成像几何模型如图1所示。
假设在回波录取时间内,雷达P从点A经过点B运动到点C,建立平台坐标系OXYZ,机动SAR平台初始速度v=( v x , v y ,v z ),其中v x =0,加速度a=(a x , a y ,a z )。方位时间t m =0时,雷达的坐标为(0,0,H),前斜角为θ,景中心斜距为R s ,波束中心线与观测平面XOY相交于点。点Q为方位零时刻舰船目标的中心,相对于点S的坐标为(x q , y q ,0),舰船目标以速度v t =( v tx , v ty ,0)航行。以点Q为原点,建立舰船坐标系,点D为舰船目标上的任意一点,相对于点Q的坐标为(x 0, y 0,0)。在高级海情下,舰船目标除了自身的运动外,还会受到海浪的影响,存在三维摇摆。假设舰船目标分别绕、和轴的摇摆角度为θ p 、θ r 和θ y ,具体表达式如下式:
对于任意的方位时间t m ,雷达P(x p , y p , z p )在平台坐标系OXYZ的坐标可表示为:
点Q(x Q , y Q , z Q )的坐标可表示为:
点D(x,y,z)的坐标可表示为:
其中,H rpy 为旋转矩阵,表达式为:
根据几何关系,可得雷达P与点D的瞬时斜距:
由于舰船目标属于非合作运动目标,无法直接获取其运动参数,导致难以准确分析R PD 。另一方面,由于平台具有高速高机动的特性,平台速度远大于目标的运动速度,所以影响瞬时斜距变化的主要因素是机动平台。为了完成对舰船目标的聚焦,可以先利用SAR对静止区域成像的相关参数完成SAR粗聚焦。
由上式可以看出,瞬时斜距R(t m ; y n )与方位位置y n 和方位时间t m 有关,把瞬时斜距在t m =0处进行四阶泰勒展开,可得:
其中的泰勒系数:
将上式在y n 处进行泰勒展开到一阶,得到k n (y n )关于y n 的无关项和线性相关项:
其中的泰勒系数:
将瞬时斜距R(t m ; y n )代入SAR的二维信号模型中可得解调后的基带回波信号s 0(t r , t m ; y n )的表达式:
对上式进行距离向的傅里叶变换(FFT),可得到信号S 1(f r , t m ; y n )的表达式:
其中,W r (f r )是距离窗函数的频域形式,f r 表示距离频域;
构造距离脉压参考函数:
将S 1(f r , t m ; y n )与距离脉压函数H 1 (f r )相乘后,即可消除距离频域调制项,得到距离脉压后的信号S 2(f r , t m ; y n )解析式:
由于机动平台在执行任务中处于大前斜成像模式,距离向和方位向存在严重耦合,导致信号在二维频域近似表现为平行四边形(而不是矩形),具有斜拉特性,所以首先要进行距离方位的解耦,使得频谱恢复为近似矩形。同时大前斜成像会导致多普勒中心偏离零频,二维频谱有可能发生折叠导致方位频谱模糊造成鬼影目标。构造走动校正及多普勒中心补偿函数:
其中,;H为平台高度;f c 表示雷达载频;f r 表示距离频域;机动平台初始速度v=(v x , v y ,v z ),v x =0;t m 为方位时间;θ、R s 分别为方位时间t m =0时雷达的前斜角、景中心斜距;c为光速;j为虚数单位。
将S 2(f r , t m ; y n )与H 2 (f r ;t m )相乘后可得到距离走动和多普勒中心补偿后的信号S 3(f r , t m ; y n )解析式:
此时,二维频域中的信号近似变为矩形,同时把多普勒中心搬移到多普勒零频位置。
由于机动SAR平台存在三维的加速度,在方位向产生了额外的调频率,对方位谱宽造成伸缩的影响,严重影响后续舰船目标的聚焦性能。而方位时间的二次项系数k 2 (y n )直接反映方位调频率,因此需要对k 2 (y n )中的加速度进行补偿。本发明取k 2 (y n )中与y n 无关的零次项k 20,将其中与加速度直接相关的项,构造加速度补偿参考函数:
将S 3(f r , t m ; y n )与H 3 (f r ;t m )相乘后可得到加速度补偿后的信号S 4(f r , t m ;y n )解析式:
加速度补偿后,平台的机动特性对舰船成像的影响得到有效的消除。将S 4(f r , t m ; y n )沿距离向进行逆傅里叶变换(IFFT),方位向进行FFT完成方位脉压处理,得到舰船目标粗聚焦SAR图像I。
(2)基于混合视觉注意机制的舰船目标检测
完成对舰船目标粗聚焦后,传统CFAR舰船检测需要繁琐的划窗估计,造成了大量的冗余计算。同时,CFAR检测容易使得杂波像素泄露进入目标窗,难以完整提取目标船只。此外,多尺度CFAR检测方法使用的大尺度检测器在复杂杂波背景下会提供过多的候选目标,检测概率较低。考虑到舰船目标在海面背景的显著性,本发明构造基于分块图像域与频域相结合的视觉注意机制,采用该视觉注意机制对SAR图像进行自适应舰船目标区域提取,得到检测区域显著图。
具体地,本发明采用的基于分块图像域的视觉注意机制为:
根据SAR图像I,得到图像域显著图S I ,其在像素点(x, y)处的图像域显著值S I (x,y)为:
其中,w B 和h B 分别是网格块的宽度和高度(本实施例中为128*128)。
本发明采用的基于频域的视觉注意机制为:
对SAR图像I进行傅里叶变换:
其中,h n ( f )是一个n*n的矩阵;示例性地,本发明仿真实验n设置为3。
则频域显著图S f 为:
其中,g为标准差为8的高斯滤波器。
最终的显著图S由图像域显著图S I 与频域显著图S f 相结合得到:
S=k * S I + (1-k) S f (1-28)
其中,k为加权系数,。k取值越接近1,图像域显著性权值越大,图像细节越清晰。反之,显著性图越接近频域结果,显示的目标整体特性越强。将图像域与频域显著性方法进行结合后,检测到的目标更加完整,并且在运行速度上有所提升。
在此基础上,使用均值二分法对检测区域显著图S进行检测,得到候选舰船目标,即舰船目标检测结果。
具体来说,基于显著性的检测方法,通常依赖于一个预先定义的阈值,完成从显著图映射到二值检测结果的转换,该阈值的非鲁棒性会限制模型在不同场景中的应用,亟需设计一种不受人工干预的自动检测方法。
本发明采用均值二分法完成基于显著图S的目标检测,以迭代的方式得到检测阈值。
step 1,设定迭代总次数为L,令迭代次数为0,初始化分割阈值;
step 2,采用当前分割阈值对当前检测区域显著图S进行分割,得到当前舰船目标像素和背景杂波像素;
step 3,迭代次数加1,判断当前迭代次数是否大于L,若是,则结束迭代,step 2中的分割阈值即为检测阈值,将超过检测阈值的认为是舰船目标像素;否则,转入step 4;
step 4,更新当前背景杂波的所有像素值为分割阈值,计算更新后图像的所有像素值的平均值,将其作为当前分割阈值;返回step 2;
上述技术方案中,在每次迭代中以区域均值(即步骤4的输出结果)作为分割阈值,将图像分为舰船目标像素和背景杂波像素。下一次迭代中将背景杂波像素赋值为上一轮中的分割阈值,以此方式自适应的逼近舰船目标真实阈值。
假设输入显著图S,可得到目标像素集合U和背景杂波像素集合N:
其中,U i (x, y)为目标像素集合中的第i个像素,N i (x, y)为背景像素集合中的第i个像素,m、n分别为集合U与N的元素个数,为图像像素均值,其作为分隔阈值。S(x,y)指显著图S中像素(x, y)处的显著值;
具体的,step 2依据下式进行分割:
通过迭代的方式逼近图像中高亮度目标,从迭代规则可以看出,随着迭代次数的增加,检测阈值的更新幅度逐渐降低,可以有效提高检测概率。在实际应用中一般将迭代次数设置为15,最终迭代得到的均值作为检测阈值,从而在粗聚焦SAR图像上完成舰船目标的检测,得到各个舰船目标的位置。
(3)机动平台对海面舰船目标精聚焦
在粗聚焦SAR图像I上根据候选舰船目标的位置,分别提取单个舰船目标的数据,然后依次进行ISAR精聚焦。假设提取出来第i个舰船对应的粗聚焦数据为I i ,沿方位向进行IFFT,得到距离时域-方位时域的信号S 5(t r , t m )。由于在粗聚焦过程中,构造补偿函数时使用的是静止区域对应的成像参数,并没有考虑舰船目标的运动,所以未能实现舰船目标的精确聚焦,反映在包络上是存在由于目标运动引起的残留距离徙动,主要表现为残留距离走动,并且对于舰船目标上不同位置的散射点具有不同的走动量,即残留距离走动量空变,所以难以对其统一补偿。将S 5(t r , t m )沿距离向进行FFT,得到S 6(f r , t m ),其中残留距离走动量可以表示为S 6_walk (f r , t m ):
其中,f r t m 的耦合项反映了残留距离走动,f d 为目标的多普勒频率。由于目标的运动特性,会导致多普勒发生偏移,当系统PRF较低时,容易出现多普勒模糊现象,这时目标多普勒可以表示为:
其中,f d0 为不发生模糊的多普勒频率,M为耦合因子,PRF为脉冲重复频率。将上式代入S 6_walk (f r , t m ) 得到:
针对残留空变距离走动,本发明构造新的方位时间变量t a :
将其代入S 6_walk (f r , t m )得到S 7_walk (f r , t a ):
当发生多普勒模糊时,上述变换会引入额外的f r t a 项,造成额外的距离方位耦合。根据最小熵准则估计耦合因子M,构造解耦函数,将S 7_walk (f r , t a )与H4( f r , t a )相乘后,得到解耦后的信号S 8 (f r , t a ):
对信号S 8 (f r , t a )沿距离向作IFFT处理,即得到两维时域图像S 9 (t r , t a )。可以发现,经过正确估计耦合因子M后,t r t a 耦合项得到了有效的消除,残留空变距离走动得到了有效的校正,目标包络被拉直。此时,舰船目标方位向信号S 10 (t a )可近似表示为:
对每个距离单元对应的目标方位向信号S 10 (t a )进行PGA补偿后得到信号为S 11(t a ),可表示为多个线性调频(LFM)信号相加:
其中,num表示该距离单元目标散射点的个数,k ai 表示第i个LFM信号的调频率,f 0i 表示第i个LFM信号的中心频率。
对每个距离单元对应的信号S 11 (t a )采用Dechirp-clean方法进行处理,步骤如下:
step 1:将S 11(t a )作为当前处理信号,执行step2;
本实施例中,调频率范围为[-20,20],以步长为1提取调频率,得到41个调频率的值。
step 3:将每个调频率对应的补偿函数H dc (t a )与当前处理信号相乘,并进行方位FFT处理,得到每个调频率对应的处理信号,取其中最大的处理信号作为当前的S 12 (f a )。此时,当前的S 12 (f a )对应的调频率所在的LFM信号的二次相位得到补偿,会形成尖峰,而其他LFM分量由于仍然存在对应二次项的影响,未能有效形成尖峰;
step 4:构造窄带带阻滤波器,滤除当前的S 12 (f a )中的尖峰,并且将该尖峰存储在最终精聚焦图像I 2上,同时得到滤除尖峰后的剩余信号;
step 6:将处理后的剩余信号作为当前处理信号,返回执行step 3-5,直到完成所有分量的处理,得到了所有的尖峰。
经过Dechirp-clean处理后,实现了机动平台对海面舰船目标精聚焦,得到舰船目标精细化图像I 2。
经过上述研究设计,本发明的技术方案具体分为以下步骤:
步骤1,构建机动平台对海面舰船目标成像的几何模型,对所录取的目标回波数据经过解调后得到基带回波信号。
步骤2,对基带回波信号进行距离脉压、走动校正、多普勒中心补偿预处理。
步骤3,对预处理后的信号进行加速度补偿,消除平台机动特性对成像的影响。
步骤4,对加速度补偿后的信号进行方位脉压处理,得到舰船目标粗聚焦SAR图像I。
步骤5,构造基于分块图像域与频域相结合的视觉注意机制,得到显著图S,对显著图S采用均值二分法完成舰船目标检测。
步骤6,提取单个舰船目标数据,进行残留空变距离走动校正。
步骤7,根据最小熵准则估计耦合因子,完成距离方位解耦,目标包络得到拉直。
步骤8,通过PGA技术完成方位高阶项统一补偿。
步骤9,通过Dechirp-clean处理完成方位向的压缩聚焦,最终得到机动平台对海面舰船目标精细化图像。
为了证明本发明的方法的可行性和有效性,本发明进行了机动平台对海面舰船目标精细化成像仿真实验,成像场景内布置3个运动舰船目标。应用本发明所提方法,SAR粗聚焦结果如图2所示。对粗聚焦图像进行舰船检测,检测结果如图3所示,场景内所有舰船目标均得到有效检测。以目标1为例,图4为目标1粗聚焦结果图像,对其进行ISAR精聚焦,最终结果如图5所示,舰船目标轮廓分明,完成了机动平台对海面舰船目标的精细化成像。仿真数据处理结果验证了本发明的有效性。
Claims (10)
1.一种机动平台对海面船只精细化雷达成像方法,其特征在于,包括如下步骤:
步骤1,机动平台采集海面舰船回波信号,进行解调得到基带回波信号;
步骤2,对基带回波信号进行距离脉压、走动校正、多普勒中心补偿预处理,得到补偿后的信号;
步骤3,将补偿后的信号乘以加速度补偿参考函数,得到加速度补偿后的信号;
步骤4,对加速度补偿后的信号进行方位脉压处理,得到舰船目标粗聚焦SAR图像I;
步骤5,构造基于分块图像域与频域相结合的视觉注意机制,由舰船目标粗聚焦SAR图像I得到显著图S,并对显著图S采用均值二分法进行检测得到候选舰船目标;
步骤6,在舰船目标粗聚焦SAR图像I上根据候选舰船目标的位置提取每个舰船目标粗聚焦数据,对每个舰船目标的粗聚焦数据沿方位向进行IFFT处理,分别得到距离时域-方位时域的信号S 5,并对每个信号S 5沿距离向进行FFT处理,得到S 6;对S 6采用方位时间变量进行处理变换,得到信号S 7_walk ;
步骤7,将信号S 7_walk 乘以解耦函数得到解耦后的信号S 8;对信号S 8沿距离向作IFFT处理,得到两维时域图像S 9;对S 9中的每个距离单元提取对应的目标方位向信号S 10;
步骤8,对每个距离单元对应的目标方位向信号S 10进行PGA补偿后得到信号为S 11;
步骤9,对每个距离单元对应的信号S 11采用Dechirp-clean方法进行处理,得到所有方位向的处理数据,从而得到机动平台对海面舰船目标精细化图像。
2.如权利要求1所述的机动平台对海面船只精细化雷达成像方法,其特征在于,所述步骤2包括如下子步骤:
步骤21,对基带回波信号S 0 进行距离向的傅里叶变换,得到信号S 1;
步骤22,将S 1与距离脉压参考函数H 1 (f r )相乘,得到距离脉压补偿后的信号S 2;
所述的距离脉压参考函数H 1 (f r )为:
其中,f r 为距离频域,K r 为距离向调频率,j为虚数单位;
步骤23,将距离脉压补偿后的信号S 2与走动校正及多普勒中心补偿函数H 2 (f r ;t m )相乘,得到补偿后的信号S 3;
所述的走动校正及多普勒中心补偿函数为:
4.如权利要求1所述的机动平台对海面船只精细化雷达成像方法,其特征在于,所述步骤4的具体操作为:
对加速度补偿后的信号沿距离向进行逆傅里叶变换,方位向进行FFT,得到舰船目标粗聚焦SAR图像I。
5.如权利要求1所述的机动平台对海面船只精细化雷达成像方法,其特征在于,所述步骤5具体包括如下子步骤:
步骤51,根据SAR图像I得到图像域显著图S I ,其在像素点(x, y)处的图像域显著值S I (x, y)为:
其中,w B 和h B 分别是网格块的宽度和高度;
步骤52,对舰船目标粗聚焦SAR图像I进行傅里叶变换,得到频域显著图S f :
所述傅里叶变换为:
步骤53,由图像域显著图S I 与频域显著图S f 结合得到显著图S:
S=k * S I + (1-k) S f
步骤54,采用均值二分法对显著图S进行检测,得到候选舰船目标。
6.如权利要求5所述的机动平台对海面船只精细化雷达成像方法,其特征在于,所述步骤54具体包括如下步骤:
步骤541,设定迭代总次数为L,令迭代次数为0,初始化分割阈值;
步骤542,采用当前分割阈值对当前检测区域显著图S进行分割,得到当前舰船目标像素和背景杂波像素;
步骤543,迭代次数加1,判断当前迭代次数是否大于L,若是,则结束迭代,步骤542中的分割阈值即为检测阈值,将超过检测阈值的认为是舰船目标像素;否则,转入步骤544;
步骤544,更新当前背景杂波的所有像素值为分割阈值,计算更新后图像的所有像素值的平均值,将其作为当前分割阈值;返回步骤542。
10.如权利要求1所述的机动平台对海面船只精细化雷达成像方法,其特征在于,所述步骤9具体包括如下步骤:
步骤91,将S 11作为当前处理信号,执行步骤92;
步骤93:将每个调频率的补偿函数H dc (t a )与当前处理信号相乘,并进行方位FFT处理,得到每个调频率对应的处理信号,取其中值最大的处理信号作为当前的S 12;
步骤94:构造窄带带阻滤波器,滤除当前的S 12中的尖峰,并且将该尖峰存储在最终精聚焦图像I 2上,同时得到滤除尖峰后的剩余信号;
步骤96:将处理后的剩余信号作为当前处理信号,返回执行步骤93~步骤95,直到完成所有分量的处理,得到了所有的尖峰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293299.9A CN114384520B (zh) | 2022-03-24 | 2022-03-24 | 一种机动平台对海面船只精细化雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293299.9A CN114384520B (zh) | 2022-03-24 | 2022-03-24 | 一种机动平台对海面船只精细化雷达成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114384520A CN114384520A (zh) | 2022-04-22 |
CN114384520B true CN114384520B (zh) | 2022-07-05 |
Family
ID=81206314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210293299.9A Active CN114384520B (zh) | 2022-03-24 | 2022-03-24 | 一种机动平台对海面船只精细化雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114384520B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998325B (zh) * | 2022-07-19 | 2022-10-25 | 新力环境科技(山东)有限公司 | 一种空调散热管焊接缺陷检测方法 |
CN114966693B (zh) * | 2022-07-20 | 2022-11-04 | 南京信息工程大学 | 基于深度学习的机载舰船目标isar精细化成像方法 |
CN116027317B (zh) * | 2023-01-06 | 2024-01-26 | 中国人民解放军空军预警学院 | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 |
CN116740113A (zh) * | 2023-07-21 | 2023-09-12 | 天津市测绘院有限公司 | 一种基于包络约束的sar图像目标轮廓生成方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017178242A (ja) * | 2016-03-31 | 2017-10-05 | 株式会社 神崎高級工機製作所 | 操船システム及び船舶 |
CN107942329A (zh) * | 2017-11-17 | 2018-04-20 | 西安电子科技大学 | 机动平台单通道sar对海面舰船目标检测方法 |
CN110954899A (zh) * | 2019-12-19 | 2020-04-03 | 北京无线电测量研究所 | 高海况下海面舰船目标成像方法及装置 |
CN111880180A (zh) * | 2020-07-03 | 2020-11-03 | 西安电子科技大学 | 一种高分辨运动舰船sar成像的自聚焦方法 |
CN111965643A (zh) * | 2020-07-10 | 2020-11-20 | 西安电子科技大学 | 一种斜视sar bp图像中运动舰船目标重聚焦方法 |
CN113466863A (zh) * | 2021-06-30 | 2021-10-01 | 电子科技大学 | 一种sar舰船目标高分辨成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376634A (zh) * | 2021-05-25 | 2021-09-10 | 西安电子科技大学 | 基于gniaa的舰船目标isar成像方法 |
-
2022
- 2022-03-24 CN CN202210293299.9A patent/CN114384520B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017178242A (ja) * | 2016-03-31 | 2017-10-05 | 株式会社 神崎高級工機製作所 | 操船システム及び船舶 |
CN107942329A (zh) * | 2017-11-17 | 2018-04-20 | 西安电子科技大学 | 机动平台单通道sar对海面舰船目标检测方法 |
CN110954899A (zh) * | 2019-12-19 | 2020-04-03 | 北京无线电测量研究所 | 高海况下海面舰船目标成像方法及装置 |
CN111880180A (zh) * | 2020-07-03 | 2020-11-03 | 西安电子科技大学 | 一种高分辨运动舰船sar成像的自聚焦方法 |
CN111965643A (zh) * | 2020-07-10 | 2020-11-20 | 西安电子科技大学 | 一种斜视sar bp图像中运动舰船目标重聚焦方法 |
CN113466863A (zh) * | 2021-06-30 | 2021-10-01 | 电子科技大学 | 一种sar舰船目标高分辨成像方法 |
Non-Patent Citations (2)
Title |
---|
Modified ERMA With Generalized Resampling for Maneuvering Highly Squinted TOPS SAR;Gang Zhang等;《IEEE Geoscience and Remote Sensing Letters》;20201118;全文 * |
机动平台俯冲大斜视SAR脉冲重复频率设计;党彦锋等;《系统工程与电子技术》;20200331;第42卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114384520A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114384520B (zh) | 一种机动平台对海面船只精细化雷达成像方法 | |
CN104950306B (zh) | 一种海杂波背景下前视海面目标角超分辨成像方法 | |
Xing et al. | New ISAR imaging algorithm based on modified Wigner–Ville distribution | |
CN111142105A (zh) | 复杂运动目标isar成像方法 | |
CN109613532B (zh) | 一种机载雷达实时多普勒波束锐化超分辨成像方法 | |
CN107621635B (zh) | 一种前视海面目标角超分辨方法 | |
CN111880180A (zh) | 一种高分辨运动舰船sar成像的自聚焦方法 | |
CN108562884A (zh) | 一种基于最大后验概率的机载前视海面目标角超分辨方法 | |
CN113671492A (zh) | 一种面向机动平台前视成像的samp重构方法 | |
Kang et al. | ISAR cross-range scaling via joint estimation of rotation center and velocity | |
CN102565772B (zh) | 基于sar子孔径序列图像的海洋动态信息提取方法 | |
CN108107427A (zh) | 基于超分辨技术的机载/弹载阵列雷达前视成像方法 | |
CN109188436B (zh) | 适用于任意平台轨迹的高效双基sar回波生成方法 | |
Xu et al. | High-squint SAR imaging of maritime ship targets | |
CN108008387A (zh) | 一种机载阵列天线下视三维成像方法 | |
CN109143236B (zh) | 适用于复杂飞行轨迹的双基聚束sar大场景成像方法 | |
CN111060909A (zh) | 一种机载雷达斜前视超分辨成像方法 | |
CN113466863B (zh) | 一种sar舰船目标高分辨成像方法 | |
Han et al. | Refocusing of moving targets based on low-bit quantized SAR data via parametric quantized iterative hard thresholding | |
Li et al. | An autofocus scheme of bistatic SAR considering cross-cell residual range migration | |
Yang et al. | Fast generation of deceptive jamming signal against space-borne SAR | |
CN114185047B (zh) | 一种基于最优极坐标变换的双基sar动目标重聚焦方法 | |
Thammakhoune et al. | Moving target imaging for synthetic aperture radar via RPCA | |
Munoz-Ferreras et al. | Motion compensation for ISAR based on the shift-and-convolution algorithm | |
CN116359863B (zh) | 一种微型无人机载sar航向运动误差的补偿方法 |
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 |