CN114879157A - 基于能量轨迹提取的高价值目标散射中心参数估计方法 - Google Patents

基于能量轨迹提取的高价值目标散射中心参数估计方法 Download PDF

Info

Publication number
CN114879157A
CN114879157A CN202210484935.6A CN202210484935A CN114879157A CN 114879157 A CN114879157 A CN 114879157A CN 202210484935 A CN202210484935 A CN 202210484935A CN 114879157 A CN114879157 A CN 114879157A
Authority
CN
China
Prior art keywords
distance
target
echo
gtd
value target
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.)
Granted
Application number
CN202210484935.6A
Other languages
English (en)
Other versions
CN114879157B (zh
Inventor
李中余
海宇
王浩宇
吴万敏
刘佳月
武俊杰
杨建宇
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210484935.6A priority Critical patent/CN114879157B/zh
Publication of CN114879157A publication Critical patent/CN114879157A/zh
Application granted granted Critical
Publication of CN114879157B publication Critical patent/CN114879157B/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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于能量轨迹提取的高价值目标散射中心参数估计方法，包括以下步骤：S1、系统参数初始化；S2、对GTD模型的回波信号使用Dechirp进行距离压缩，得到距离压缩后的信号；S3、采用后向投影算法对目标进行成像；S4、选取Ntar个孤立的反射强点作为待识别的高价值目标；S5、提取高价值目标的能量轨迹；S6、分别估计每个高价值目标的GTD参数。本发明相比基于压缩感知的估计方法，降低了对场景稀疏性的要求，降低了字典矩阵的规模，运算处理复杂度低。

Description

基于能量轨迹提取的高价值目标散射中心参数估计方法
技术领域
本发明属于合成孔径雷达(Synthetic Aperture Radar,SAR)参数估计技术领域，具体涉及一种基于能量轨迹提取的高价值目标散射中心参数估计方法。
背景技术
合成孔径雷达是一种具有全天时、全天候、远距离等特点的高分辨微波主动成像雷达。随着对合成孔径雷达成像分辨能力的要求不断提高，发射信号的带宽也随之增大，此时高价值目标的电磁散射频率特性可以从回波中得到准确估计。研究表明，波段在光学区的雷达目标回波可以认为是若干个散射中心回波的相干叠加，而散射中心一般出现在目标的边缘，转角等具有明显几何特征的不连续部位，识别散射中心的类型对于目标检测与识别具有重大意义，因此需要建立宽带回波信号下的目标散射中心模型来反映目标回波的频率特性，以获取回波数据中的特征信息。
GTD(geometrical theory of diffraction，几何绕射理论)模型作为一种典型的散射中心模型，很适合雷达回波特性的研究。相比理想点散射模型，GTD模型将散射中心根据几何特征划分为五种不同的典型散射结构，并在回波模型中引入一项频率依赖项以描述不同结构散射体的电磁散射特性。
为了实现对GTD模型参数准确估计，“Two-dimensional superresolution radarimaging using the MUSIC algorithm,IEEE Transactions on Antennas andPropagation,vol.42,no.10,pp.1386-13”与“Two-dimensional esprit with trackingfor radar imaging and feature extraction,IEEE Transactions on Antennas andPropagation,vol.52,no.2,pp.524-532,200”提出了基于MUSIC与ESPRIT的方法来实现对GTD模型参数的估计，但这类基于谱估计的方法需要解决模型定阶与位置配对等问题。“Theparameters estimation of hrrp based on compressive sensing,Science Technologyand Engineering,2014”提出了基于压缩感知理论的参数估计方法，克服了基于谱估计方法的局限性，不需要解决位置配对等问题，同时利用散射中心的稀疏特性大大提高了参数估计的性能，但面临计算量大，抗干扰性差且需要目标稀疏等局限性。
发明内容
本发明的目的在于克服现有技术的不足，提供一种能够降低对场景稀疏性的要求，降低字典矩阵的规模，运算处理复杂度低的基于能量轨迹提取的高价值目标散射中心参数估计方法。
本发明的目的是通过以下技术方案来实现的：基于能量轨迹提取的高价值目标散射中心参数估计方法，包括以下步骤：
S1、系统参数初始化，初始化的参数包括发射信号载频f0，距离向采样频率fs，方位向采样频率PRF，距离向采样点数L，目标观测时间Ta，方位向采样点数K；
S2、对GTD模型的回波信号Sgtd(fτ,η)使用Dechirp进行距离压缩，得到距离压缩后的信号
Figure BDA0003629421900000021
S3、采用后向投影算法对目标进行成像；
S4、选取Ntar个孤立的反射强点作为待识别的高价值目标
S5、提取高价值目标的能量轨迹；
S6、分别估计每个高价值目标的GTD参数。
进一步地，所述步骤S2具体步骤如下：
S21、回波录取：将载机平台的位置Pos(η)设为Pos(η)＝[x(η),y(η),z(η)]，对目标场景内的第n个点(xn,yn,zn)，距离历史表示为：
Figure BDA0003629421900000022
若共有N个目标，则成像场景整体的GTD回波模型Sgtd(fτ,η)表示为：
Figure BDA0003629421900000023
Kr为信号调频率，c是光速，fτ为距离频率，σn与αn分别为第n个目标的反射强度与GTD参数；利用驻定相位原理(POSP)得到二位时域表达式为：
Figure BDA0003629421900000024
τ为距离向时间变量，η为方位时间变量；令
Figure BDA0003629421900000025
则二维时域表达式表示为：
Figure BDA0003629421900000026
其中，方位时间变量η的范围为：
η＝[-M/2:M/2]/PRF
快时间变量τ的范围为：
τ＝[-L/2:L/2]/Fs；
S22、进行距离向脉冲压缩：采用Dechirp进行距离压缩，将回波Sgtd(τ,η)与参考信号Sref(τ)进行相关处理，得到距离向脉冲压缩后的结果
Figure BDA0003629421900000031
Figure BDA0003629421900000032
式中FFTτ{}表示做距离向FFT；参考信号Sref(τ)为：
Figure BDA0003629421900000033
Rref为参考距离；HRVP(fτ)为Dechirp后产生的剩余视频相位项RVP项的补偿信号，表示为：
Figure BDA0003629421900000034
考虑噪声对回波的影响，将回波表示为：
Figure BDA0003629421900000035
Nd为经过Dechirp后的高斯噪声；
根据Dechirp定标公式
Figure BDA0003629421900000036
将回波G(fτ,η)转为由斜距RΔn与方位时间变量η表示，即G(RΔn,η)，其中
RΔ∈(Rmin-Rref,Rmax-Rref)，Rmin与Rmax分别表示目标场景至载机平台的最近与最远距离。
进一步地，所述步骤S3具体步骤如下：
S31、初始化后向投影成像空间，将成像空间划分为Nx×Ny个像素单元；
S32、计算各个网格像素点与雷达在不同方位时刻下的距离历史，通过距离历史求出相对场景中心的距离差：在第m个方位时刻ηm，载机平台位置为Pos(ηm)＝[x(ηm),y(ηm),z(ηm)]，像素点P(xp,yp,zp)的距离差Rm,p为：
Figure BDA0003629421900000037
S33、对成像场景中的各个网格Pp(xp,yp,zp)，提取其对应徙动轨迹上的回波数据，利用S32得到的距离信息对提取出的数据沿轨迹做相位补偿，得到相位补偿因子为：
Figure BDA0003629421900000038
S34、对相位补偿后的回波数据进行相干叠加，得到BP成像结果：
Figure BDA0003629421900000041
进一步地，所述步骤S5具体步骤如下：
S51、第n个高价值目标的位置表示为(x'n,y'n,z'n)，根据载机的运动轨迹计算出第n个高价值目标的徙动轨迹：
Figure BDA0003629421900000042
经过Dechirp后徙动轨迹表示为R'Δn(η)＝R'n(η)-Rref，在R'n(η)附近搜索目标的能量轨迹
Figure BDA0003629421900000043
S52、初始化参数，初始化迭代次数n＝1、搜索范围ΔR；
S53、确定第n个高价值目标能量轨迹的搜索边界
Figure BDA0003629421900000044
令m＝0；
S54、在第m个方位时刻，边界
Figure BDA0003629421900000045
内根据最大SNR准则进行搜索，具体表达式为：
Figure BDA0003629421900000046
式中
Figure BDA0003629421900000047
表示第n个高价值目标在第m个方位时刻具有最大信噪比的距离单元对应的距离；
S55、基于遍历完所有方位时刻作为迭代终止判定，如果m＝M，第n个高价值目标的能量轨迹搜索完毕，其能量轨迹表示为
Figure BDA0003629421900000048
进入S56；反之，m＝m+1，返回S54；
S56、如果n＝Ntar，所有目标的能量轨迹搜索完毕，结束操作；反之，n＝n+1，返回S53。
进一步地，所述步骤S6具体步骤如下：
S61、初始化迭代参数n＝1；
S62、提取第n个高价值目标的能量轨迹上的回波信息，第m个方位时刻提取的回波表示为
Figure BDA0003629421900000049
遍历M个方位时刻得到第n个高价值目标能量轨迹上的所有回波Tn，其维度为M×1；
依照回波模型与距离向Dechirp的公式构建字典，第m个方位时刻的字典表示为：
Figure BDA0003629421900000051
式中α∈{-1，-0.5，0，0.5，1}，对应GTD模型的五种类型参数；对于其中一个类型，所有M个方位时刻构成了维度为M×1的字典ψn(α)；
S63、以最小残差作为估计准则，构建估计GTD模型参数的目标函数
Figure BDA0003629421900000052
S64、如果n＝Ntar，输出各个目标的GTD模型参数，得到最终结果；反之，n＝n+1，返回S62。
本发明的有益效果是：本发明根据GTD模型的SAR回波信号的特点，提出了一种基于能量轨迹提取的高价值目标散射中心参数估计方法，通过先对回波数据进行BP成像，确定了待估计的高价值目标的数量与位置；通过对高价值目标能量轨迹的搜索，来提取高价值目标能量轨迹上对应的回波信息；在获得能量轨迹上的回波信息后，构建字典矩阵与目标函数，估计目标对应的GTD参数。相比基于压缩感知的估计方法，降低了对场景稀疏性的要求，降低了字典矩阵的规模，运算处理复杂度低。
附图说明
图1为本发明的SAR目标散射中心参数估计方法程图；
图2为本发明的SAR成像几何构型；
图3为能量轨迹提取示意图；
图4为基于本发明方法对表2各点GTD参数的目标函数估计结果图；
图5为基于本发明方法对表2各点的成像结果与GTD参数估计结果示意图。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
如图1所示，本发明的一种基于能量轨迹提取的高价值目标散射中心参数估计方法，包括以下步骤：
S1、系统参数初始化，初始化的参数包括发射信号载频f0，距离向采样频率fs，方位向采样频率PRF，距离向采样点数L，目标观测时间Ta，方位向采样点数K；具体初始化参数如表1所示；
表1
平台速度(v) 100m/s
中心时刻平台位置(R<sub>0</sub>) (700,0,300)
载频(f<sub>0</sub>) 9.6GHz
发射信号带宽(B<sub>r</sub>) 1GHz
发射信号脉冲宽度(T<sub>r</sub>) 1.5μs
距离向采样频率(f<sub>s</sub>) 500MHz
距离向采样点数(L) 4096
合成孔径时间(T<sub>s</sub>) 1s
脉冲重复频率(PRF) 2048Hz
方位向采样点数(M) 2048
高价值目标数目(N<sub>tar</sub>) 5
本实施方式中SAR成像几何构型如图2所示，假定场景中有五个点目标，其分布以及参数如表2所示，其中目标1为场景中心位置。
表2
目标点位置(m) 散射中心参数(σ,α)
1 (-12,10,0) (5,0.5)
2 (-4,4,0) (1.5,0)
3 (0,-4,0) (4,-1)
4 (9,4,0) (3,1)
5 (11,-11,0) (2,-0.5)
S2、对GTD模型的回波信号Sgtd(fτ,η)使用Dechirp进行距离压缩，得到距离压缩后的信号
Figure BDA0003629421900000061
具体步骤如下：
S21、回波录取：将载机平台的位置Pos(η)设为Pos(η)＝[x(η),y(η),z(η)]，对目标场景内的第n个点(xn,yn,zn)，距离历史表示为：
Figure BDA0003629421900000062
若共有N个目标，则成像场景整体的GTD回波模型Sgtd(fτ,η)表示为：
Figure BDA0003629421900000071
Kr为信号调频率，c是光速，fτ为距离频率，σn与αn分别为第n个目标的反射强度与GTD参数；利用驻定相位原理(POSP)得到二位时域表达式为：
Figure BDA0003629421900000072
τ为距离向时间变量，η为方位时间变量；令
Figure BDA0003629421900000073
则二维时域表达式表示为：
Figure BDA0003629421900000074
其中，方位时间变量η的范围为：
η＝[-M/2:M/2]/PRF
＝[-0.5:0.5]s
快时间变量τ的范围为：
Figure BDA0003629421900000075
S22、进行距离向脉冲压缩：采用Dechirp进行距离压缩，将回波Sgtd(τ,η)与参考信号Sref(τ)进行相关处理，得到距离向脉冲压缩后的结果
Figure BDA0003629421900000076
Figure BDA0003629421900000077
式中FFTτ{}表示做距离向FFT；参考信号Sref(τ)为：
Figure BDA0003629421900000078
Rref为参考距离；HRVP(fτ)为Dechirp后产生的剩余视频相位项RVP项的补偿信号，表示为：
Figure BDA0003629421900000079
考虑噪声对回波的影响，将回波表示为：
Figure BDA0003629421900000081
Nd为经过Dechirp后的高斯噪声；
根据Dechirp定标公式
Figure BDA0003629421900000082
将回波G(fτ,η)转为由斜距RΔn与方位时间变量η表示，即G(RΔn,η)，其中
RΔ∈(Rmin-Rref,Rmax-Rref)，Rmin与Rmax分别表示目标场景至载机平台的最近与最远距离。
S3、采用后向投影算法(BackProjection)对目标进行成像；具体步骤如下：
S31、初始化后向投影成像空间，根据成像区域大小与分辨率对成像空间进行二维网格划分，将成像空间划分为Nx×Ny个像素单元，为了使相邻两个点目标能被区分，网格间隔应略小于分辨率要求；
S32、计算各个网格像素点与雷达在不同方位时刻下的距离历史，通过距离历史求出相对场景中心的距离差：在第m个方位时刻ηm，载机平台位置为Pos(ηm)＝[x(ηm),y(ηm),z(ηm)]，像素点P(xp,yp,zp)的距离差Rm,p为：
Figure BDA0003629421900000083
S33、对成像场景中的各个网格Pp(xp,yp,zp)，提取其对应徙动轨迹上的回波数据，利用S32得到的距离信息对提取出的数据沿轨迹做相位补偿，得到相位补偿因子为：
Figure BDA0003629421900000084
S34、对相位补偿后的回波数据进行相干叠加，得到BP成像结果：
Figure BDA0003629421900000085
S4、波段在光学区的雷达目标回波可以认为是若干个散射中心回波的相干叠加，而散射中心一般出现在目标的边缘，转角等具有明显几何特征的不连续部位，对应了目标成像结果中存在的孤立反射强点，对这些强点的识别对于目标检测有重大意义。因此，在BP成像后选取Ntar个孤立的反射强点作为待识别的高价值目标；
S5、提取高价值目标的能量轨迹；如图3所示，具体方法为：
S51、第n个高价值目标的位置表示为(x'n,y'n,z'n)，根据载机的运动轨迹计算出第n个高价值目标的徙动轨迹：
Figure BDA0003629421900000091
经过Dechirp后徙动轨迹表示为R'Δn(η)＝R'n(η)-Rref，当高价值目标的位置信息不够准确或者载机平台存在运动误差时，计算出的徙动轨迹R'Δn(η)与实际距离历史RΔn(η)间存在误差以至于不能将其作为目标的能量轨迹，因此需要在R'Δn(η)附近搜索目标的能量轨迹
Figure BDA0003629421900000092
S52、初始化参数，初始化迭代次数n＝1、搜索范围ΔR；
S53、确定第n个高价值目标能量轨迹的搜索边界
Figure BDA0003629421900000093
令m＝0；
S54、在第m个方位时刻，边界
Figure BDA0003629421900000094
内根据最大SNR准则进行搜索，具体表达式为：
Figure BDA0003629421900000095
式中
Figure BDA0003629421900000096
表示第n个高价值目标在第m个方位时刻具有最大信噪比的距离单元对应的距离；
S55、基于遍历完所有方位时刻作为迭代终止判定，如果m＝M，第n个高价值目标的能量轨迹搜索完毕，其能量轨迹表示为
Figure BDA0003629421900000097
进入S56；反之，m＝m+1，返回S54；
S56、如果n＝Ntar，所有目标的能量轨迹搜索完毕，结束操作；反之，n＝n+1，返回S53。
S6、分别估计每个高价值目标的GTD参数；具体步骤如下：
S61、初始化迭代参数n＝1；
S62、提取第n个高价值目标的能量轨迹上的回波信息，第m个方位时刻提取的回波表示为
Figure BDA0003629421900000098
遍历M个方位时刻得到第n个高价值目标能量轨迹上的所有回波Tn，其维度为M×1；
依照回波模型与距离向Dechirp的公式构建字典，第m个方位时刻的字典表示为：
Figure BDA0003629421900000099
式中α∈{-1，-0.5，0，0.5，1}，对应GTD模型的五种类型参数；对于其中一个类型，所有M个方位时刻构成了维度为M×1的字典ψn(α)；
S63、以最小残差作为估计准则，构建估计GTD模型参数的目标函数
Figure BDA0003629421900000101
S64、如果n＝Ntar，输出各个目标的GTD模型参数，得到最终结果；反之，n＝n+1，返回S62。
仿真结果如图4和图5所示，图4为基于本发明方法对表2各点GTD参数的目标函数估计结果图；图5为基于本发明方法对表2各点的成像结果与GTD参数估计结果示意图。由图4可知，目标GTD参数可以在信号残差最小时获得。由图5与表2对比可知，通过提取能量轨迹可以实现对目标GTD参数的正确估计，相比基于压缩感知方法对成像场景严格的稀疏性要求，本方法只需保证能量轨迹提取时的稀疏性，同时本方法降低了字典矩阵的规模，提升了运算效率。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.基于能量轨迹提取的高价值目标散射中心参数估计方法，其特征在于，包括以下步骤：
S1、系统参数初始化，初始化的参数包括发射信号载频f0，距离向采样频率fs，方位向采样频率PRF，距离向采样点数L，目标观测时间Ta，方位向采样点数K；
S2、对GTD模型的回波信号Sgtd(fτ,η)使用Dechirp进行距离压缩，得到距离压缩后的信号
Figure FDA0003629421890000011
S3、采用后向投影算法对目标进行成像；
S4、选取Ntar个孤立的反射强点作为待识别的高价值目标；
S5、提取高价值目标的能量轨迹；
S6、分别估计每个高价值目标的GTD参数。
2.根据权利要求1所述的基于能量轨迹提取的高价值目标散射中心参数估计方法，其特征在于，所述步骤S2具体步骤如下：
S21、回波录取：将载机平台的位置Pos(η)设为Pos(η)＝[x(η),y(η),z(η)]，对目标场景内的第n个点(xn,yn,zn)，距离历史表示为：
Figure FDA0003629421890000012
若共有N个目标，则成像场景整体的GTD回波模型Sgtd(fτ,η)表示为：
Figure FDA0003629421890000013
Kr为信号调频率，c是光速，fτ为距离频率，σn与αn分别为第n个目标的反射强度与GTD参数；利用驻定相位原理得到二位时域表达式为：
Figure FDA0003629421890000014
τ为距离向时间变量，η为方位时间变量；令
Figure FDA0003629421890000015
则二维时域表达式表示为：
Figure FDA0003629421890000016
其中，方位时间变量η的范围为：
η＝[-M/2:M/2]/PRF
快时间变量τ的范围为：
τ＝[-L/2:L/2]/Fs；
S22、进行距离向脉冲压缩：采用Dechirp进行距离压缩，将回波Sgtd(τ,η)与参考信号Sref(τ)进行相关处理，得到距离向脉冲压缩后的结果
Figure FDA0003629421890000021
Figure FDA0003629421890000022
式中FFTτ{}表示做距离向FFT；参考信号Sref(τ)为：
Figure FDA0003629421890000023
Rref为参考距离；HRVP(fτ)为Dechirp后产生的剩余视频相位项RVP项的补偿信号，表示为：
Figure FDA0003629421890000024
考虑噪声对回波的影响，将回波表示为：
Figure FDA0003629421890000025
Nd为经过Dechirp后的高斯噪声；
根据Dechirp定标公式
Figure FDA0003629421890000026
将回波G(fτ,η)转为由斜距RΔn与方位时间变量η表示，即G(RΔn,η)，其中RΔ∈(Rmin-Rref,Rmax-Rref)，Rmin与Rmax分别表示目标场景至载机平台的最近与最远距离。
3.根据权利要求1所述的基于能量轨迹提取的高价值目标散射中心参数估计方法，其特征在于，所述步骤S3具体步骤如下：
S31、初始化后向投影成像空间，将成像空间划分为Nx×Ny个像素单元；
S32、计算各个网格像素点与雷达在不同方位时刻下的距离历史，通过距离历史求出相对场景中心的距离差：在第m个方位时刻ηm，载机平台位置为Pos(ηm)＝[x(ηm),y(ηm),z(ηm)]，像素点P(xp,yp,zp)的距离差Rm,p为：
Figure FDA0003629421890000027
S33、对成像场景中的各个网格Pp(xp,yp,zp)，提取其对应徙动轨迹上的回波数据，利用S32得到的距离信息对提取出的数据沿轨迹做相位补偿，得到相位补偿因子为：
Figure FDA0003629421890000031
S34、对相位补偿后的回波数据进行相干叠加，得到BP成像结果：
Figure FDA0003629421890000032
4.根据权利要求1所述的基于能量轨迹提取的高价值目标散射中心参数估计方法，其特征在于，所述步骤S5具体步骤如下：
S51、第n个高价值目标的位置表示为(x'n,y'n,z'n)，根据载机的运动轨迹计算出第n个高价值目标的徙动轨迹：
Figure FDA0003629421890000033
经过Dechirp后徙动轨迹表示为R'Δn(η)＝R'n(η)-Rref，在R'Δn(η)附近搜索目标的能量轨迹
Figure FDA0003629421890000034
S52、初始化参数，初始化迭代次数n＝1、搜索范围ΔR；
S53、确定第n个高价值目标能量轨迹的搜索边界
Figure FDA0003629421890000035
令m＝0；
S54、在第m个方位时刻，边界
Figure FDA0003629421890000036
内根据最大SNR准则进行搜索，具体表达式为：
Figure FDA0003629421890000037
式中
Figure FDA0003629421890000038
Figure FDA0003629421890000039
表示第n个高价值目标在第m个方位时刻具有最大信噪比的距离单元对应的距离；
S55、基于遍历完所有方位时刻作为迭代终止判定，如果m＝M，第n个高价值目标的能量轨迹搜索完毕，其能量轨迹表示为
Figure FDA00036294218900000310
进入S56；反之，m＝m+1，返回S54；
S56、如果n＝Ntar，所有目标的能量轨迹搜索完毕，结束操作；反之，n＝n+1，返回S53。
5.根据权利要求1所述的基于能量轨迹提取的高价值目标散射中心参数估计方法，其特征在于，所述步骤S6具体步骤如下：
S61、初始化迭代参数n＝1；
S62、提取第n个高价值目标的能量轨迹上的回波信息，第m个方位时刻提取的回波表示为
Figure FDA0003629421890000041
遍历M个方位时刻得到第n个高价值目标能量轨迹上的所有回波Tn，其维度为M×1；
依照回波模型与距离向Dechirp的公式构建字典，第m个方位时刻的字典表示为：
Figure FDA0003629421890000042
式中α∈{-1，-0.5，0，0.5，1}，对应GTD模型的五种类型参数；对于其中一个类型，所有M个方位时刻构成了维度为M×1的字典ψn(α)；
S63、以最小残差作为估计准则，构建估计GTD模型参数的目标函数：
Figure FDA0003629421890000043
S64、如果n＝Ntar，输出各个目标的GTD模型参数，得到最终结果；反之，n＝n+1，返回S62。
CN202210484935.6A 2022-05-06 2022-05-06 基于能量轨迹提取的高价值目标散射中心参数估计方法 Active CN114879157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210484935.6A CN114879157B (zh) 2022-05-06 2022-05-06 基于能量轨迹提取的高价值目标散射中心参数估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210484935.6A CN114879157B (zh) 2022-05-06 2022-05-06 基于能量轨迹提取的高价值目标散射中心参数估计方法

Publications (2)

Publication Number Publication Date
CN114879157A true CN114879157A (zh) 2022-08-09
CN114879157B CN114879157B (zh) 2023-05-16

Family

ID=82672993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210484935.6A Active CN114879157B (zh) 2022-05-06 2022-05-06 基于能量轨迹提取的高价值目标散射中心参数估计方法

Country Status (1)

Country Link
CN (1) CN114879157B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0221409A2 (en) * 1985-10-28 1987-05-13 Board Of Regents, The University Of Texas System Pulse centroid echo method and apparatus for enhanced sound velocity estimation in vivo
US5606324A (en) * 1995-12-07 1997-02-25 Raytheon Company Radar system
CN102073043A (zh) * 2010-11-04 2011-05-25 电子科技大学 一种多帧相参积累目标检测前跟踪方法
CN102313884A (zh) * 2010-06-29 2012-01-11 电子科技大学 一种基于多帧相参积累的目标检测前跟踪方法
CN103513244A (zh) * 2013-10-17 2014-01-15 电子科技大学 一种基于动态规划的多帧相参积累目标检测前跟踪方法
CN105652256A (zh) * 2015-12-28 2016-06-08 哈尔滨工业大学 一种基于极化信息的高频地波雷达tbd方法
CN106990398A (zh) * 2016-01-21 2017-07-28 中国人民解放军空军工程大学 一种旋转对称目标微动特征认知提取方法
CN110082748A (zh) * 2019-05-23 2019-08-02 中国人民解放军战略支援部队信息工程大学 一种无源雷达目标检测方法及装置
CN110445174A (zh) * 2019-08-12 2019-11-12 电子科技大学 一种考虑随机风速影响的风电场系统暂态稳定性评估方法
CN112187314A (zh) * 2019-07-03 2021-01-05 北京远升科技有限公司 一种信号发射机识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0221409A2 (en) * 1985-10-28 1987-05-13 Board Of Regents, The University Of Texas System Pulse centroid echo method and apparatus for enhanced sound velocity estimation in vivo
US5606324A (en) * 1995-12-07 1997-02-25 Raytheon Company Radar system
CN102313884A (zh) * 2010-06-29 2012-01-11 电子科技大学 一种基于多帧相参积累的目标检测前跟踪方法
CN102073043A (zh) * 2010-11-04 2011-05-25 电子科技大学 一种多帧相参积累目标检测前跟踪方法
CN103513244A (zh) * 2013-10-17 2014-01-15 电子科技大学 一种基于动态规划的多帧相参积累目标检测前跟踪方法
CN105652256A (zh) * 2015-12-28 2016-06-08 哈尔滨工业大学 一种基于极化信息的高频地波雷达tbd方法
CN106990398A (zh) * 2016-01-21 2017-07-28 中国人民解放军空军工程大学 一种旋转对称目标微动特征认知提取方法
CN110082748A (zh) * 2019-05-23 2019-08-02 中国人民解放军战略支援部队信息工程大学 一种无源雷达目标检测方法及装置
CN112187314A (zh) * 2019-07-03 2021-01-05 北京远升科技有限公司 一种信号发射机识别方法
CN110445174A (zh) * 2019-08-12 2019-11-12 电子科技大学 一种考虑随机风速影响的风电场系统暂态稳定性评估方法

Also Published As

Publication number Publication date
CN114879157B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN110244303B (zh) 基于sbl-admm的稀疏孔径isar成像方法
CN109407070B (zh) 一种高轨平台地面运动目标检测方法
CN109613532B (zh) 一种机载雷达实时多普勒波束锐化超分辨成像方法
CN108226928B (zh) 基于期望传播算法的逆合成孔径雷达成像方法
CN107621635B (zh) 一种前视海面目标角超分辨方法
CN109507666B (zh) 基于离网变分贝叶斯算法的isar稀疏频带成像方法
CN114966693A (zh) 基于深度学习的机载舰船目标isar精细化成像方法
CN112147608A (zh) 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法
Huang et al. Detection and fast motion parameter estimation for target with range walk effect based on new axis rotation moving target detection
CN113608218B (zh) 一种基于后向投影原理的频域干涉相位稀疏重构方法
CN113671485B (zh) 基于admm的米波面阵雷达二维doa估计方法
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
CN112230220B (zh) 基于Radon变换的Deramp-STAP动目标检测方法
CN114879157B (zh) 基于能量轨迹提取的高价值目标散射中心参数估计方法
CN110967677A (zh) 时频域分级多目标分辨与测量方法
Wei et al. Integrated tracking and ISAR imaging using an integrated Kalman filter with wideband radar
Li et al. Joint Translational Motion Compensation for Multi-target ISAR Imaging Based on Integrated Kalman Filter
CN113376602B (zh) 宽带机载相控阵雷达的直接空时自适应处理方法
Thammakhoune et al. Moving target imaging for synthetic aperture radar via RPCA
CN114325560A (zh) 波束扫描雷达超分辨目标测向方法
CN114910905A (zh) 相似性约束下geo星机双基sar动目标智能成像方法
CN113466865A (zh) 联合模式耦合稀疏贝叶斯学习超分辨isar成像算法
Liu et al. Translational Motion compensation for maneuvering target echoes with sparse aperture based on dimension compressed optimization
Luo et al. Modified frequency scaling processing for FMCW SAR
Wang et al. A deconvolution method for ship detection in sea clutter environment

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