CN115840225B - 基于稀疏时频分布的雷达目标高分辨成像方法和装置 - Google Patents
基于稀疏时频分布的雷达目标高分辨成像方法和装置 Download PDFInfo
- Publication number
- CN115840225B CN115840225B CN202310159391.0A CN202310159391A CN115840225B CN 115840225 B CN115840225 B CN 115840225B CN 202310159391 A CN202310159391 A CN 202310159391A CN 115840225 B CN115840225 B CN 115840225B
- Authority
- CN
- China
- Prior art keywords
- time
- short
- slow
- autocorrelation function
- signal
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 39
- 238000005311 autocorrelation function Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 43
- 238000001228 spectrum Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 16
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 230000001629 suppression Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 6
- 230000021615 conjugation Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000002776 aggregation Effects 0.000 abstract description 10
- 238000004220 aggregation Methods 0.000 abstract description 10
- 230000005764 inhibitory process Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种基于稀疏时频分布的雷达目标高分辨成像方法和装置。所述方法包括：首先计算慢时间信号的短时自相关函数，并利用信号自项和交叉项在模糊域的分布特性差异对慢时间信号的短时自相关函数进行交叉项抑制，而后利用无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并利用该向量在傅里叶字典上的稀疏性，求得慢时间信号能量聚集性高、无交叉项干扰的稀疏时频分布，进而获得目标的距离‑多普勒图像。采用本方法能够通过求解慢时间信号能量聚集性高、无交叉项干扰的高性能稀疏时频分布，获取目标准确的高分辨雷达图像。
Description
技术领域
本申请涉及雷达信号处理技术领域，特别是涉及一种基于稀疏时频分布的雷达目标高分辨成像方法和装置。
背景技术
逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）成像技术通过发射并接收电磁波，可以获得机动目标处于不同视角的回波信号。ISAR成像技术通过对回波信号进行处理，可以获取舰船、飞机、空间飞行器等目标的结构特征及尺寸信息，在公共和国防安全领域具有广泛的应用场景，是达成目标探测和监视等目标的重要技术手段。
最基本的ISAR成像方法是距离-多普勒（Range-Doppler, RD）算法，具有计算效率高、实现简单等特点。然而，在对机动目标进行成像时，由于成像周期内目标运动的复杂性，其多普勒频率往往是时变的，直接采用RD算法进行成像会导致方位向散焦，无法得到清晰的目标图像。利用距离-瞬时多普勒（Range-Instantaneous-Doppler, RID）算法可以较为简便地实现机动目标的ISAR成像。在完成距离向脉冲压缩和平动补偿后，RID算法通过对每一距离单元的慢时间信号进行时频分析，求得目标的时间-距离-多普勒三维数据矩阵，进而通过时间采样获取目标在不同时刻的多帧距离-多普勒图像。RID算法的成像性能取决于所用的时频分析方法，目前常用的时频分析方法包维格纳准概率分布(Wigner-VillDistribution，WVD)和短时傅里叶变换（Short-Time Fourier Transform, STFT），其中，WVD的时频聚集性高，但是存在交叉项干扰，无法对目标进行准确成像，而短时傅里叶变换（Short-Time Fourier Transform, STFT）的能量聚集性受不确定原理的限制，难以实现目标的高分辨成像。因此，传统时频分析方法在能量聚集性和交叉项抑制方面还存在性能不足的问题，无法支撑雷达目标高分辨成像。
发明内容
基于此，有必要针对上述技术问题，提供一种能够获得目标的高分辨雷达图像的基于稀疏时频分布的雷达目标高分辨成像方法和装置。
一种基于稀疏时频分布的雷达目标高分辨成像方法，所述方法包括：
对雷达接收到的目标回波信号进行预处理；其中，预处理过程包括对目标回波信号进行离散采样、脉冲压缩和平动补偿；
沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算短时信号的自相关函数作为慢时间信号的短时自相关函数；
对慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱；
整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵；
沿时间维对时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像。
在其中一个实施例中，沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，包括：
沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，慢时间信号的通用形式表示为
；
其中，表示方位向慢时间，表示每个距离单元内散射中心的数量，表示第个散射中心的慢时间信号，和分别表示第个散射中心的散射系数和回波相位，表示虚部单位。
在其中一个实施例中，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算短时信号的自相关函数作为慢时间信号的短时自相关函数，包括：
对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻选取该时刻前后方各个采样点的数据生成总长为的短时信号，
L为偶数；其中，当该时刻前方或后方的信号采样点数不足时，取信号采样点数超过一侧的数据将短时信号的总长度补充至；
计算所述短时信号的自相关函数作为慢时间信号的短时自相关函数，表示为
；
其中，代表慢时间信号的短时自相关函数，表示短时信号，为的共轭，方位向慢时间的间隔为1，时延的间隔为2，和分别表示当前时刻前方和后方的信号采样点数，。
在其中一个实施例中，对慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，包括：
对慢时间信号的短时自相关函数进行时间变量的傅里叶变换，得到短时信号的模糊函数，并对模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数。
在其中一个实施例中，对慢时间信号的短时自相关函数进行时间变量的傅里叶变换，得到短时信号的模糊函数，包括：
对慢时间信号的短时自相关函数进行方位向慢时间的傅里叶变换，得到短时信号的模糊函数，表示为
；
其中，是
n经过傅里叶变换后的频域变量。
在其中一个实施例中，对模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，包括：
沿着经过模糊域原点的不同斜率的直线对模糊函数的能量进行积累，仅保留积累能量最大的条直线对应方向上的模糊函数数据，得到无交叉项的模糊函数；
通过对无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，表示为
。
在其中一个实施例中，根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱，包括：
根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，采用傅里叶字典对短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱，表示为
；
其中，表示慢时间信号在当前时刻的瞬时稀疏频谱，为离散多普勒频率变量，表示慢时间信号的采样点数，采样频率为，表示复数域，表示向量的0范数，为傅里叶逆变换矩阵，表示约束条件。
在其中一个实施例中，整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵，包括：
整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，表示为
；
其中，表示慢时间信号在最后一个时刻的瞬时稀疏频谱；
整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵，其中，表示距离维，表示时间维。
在其中一个实施例中，沿时间维对时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像，包括：
沿时间维对目标的时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像，表示为
。
一种基于稀疏时频分布的雷达目标高分辨成像装置，所述装置包括：
预处理模块，用于对雷达接收到的目标回波信号进行预处理；其中，预处理过程包括对目标回波信号进行离散采样、脉冲压缩和平动补偿；
方位维处理模块，用于沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算短时信号的自相关函数作为慢时间信号的短时自相关函数；对慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱；整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵；
时间维采样模块，用于沿时间维对时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像。
上述基于稀疏时频分布的雷达目标高分辨成像方法和装置，首先计算慢时间信号的短时自相关函数，并利用信号自项和交叉项在模糊域的分布特性差异对慢时间信号的短时自相关函数进行交叉项抑制，而后利用无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并利用该向量在傅里叶字典上的稀疏性，求得慢时间信号能量聚集性高、无交叉项干扰的稀疏时频分布，进而获得目标的距离-多普勒图像。采用本方法能够通过求解慢时间信号能量聚集性高、无交叉项干扰的高性能稀疏时频分布，获取目标准确的高分辨雷达图像。
附图说明
图1为一个实施例中基于稀疏时频分布的雷达目标高分辨成像方法的流程示意图；
图2为一个实施例中所使用的仿真机动目标的散射模型示意图；
图3为一个实施例中经过脉冲压缩和平动补偿后目标的一维距离像序列示意图；
图4为一个实施例中传统RD算法对机动目标的成像结果示意图；
图5为一个实施例中基于WVD的RID算法对机动目标的成像结果（第50帧）示意图；
图6为一个实施例中基于STFT的RID算法对机动目标的成像结果（第50帧）示意图；
图7为一个实施例中本发明方法对机动目标的成像结果（第50帧）示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于稀疏时频分布的雷达目标高分辨成像方法，包括以下步骤：
第一步，对雷达接收到的目标回波信号进行预处理；其中，预处理过程包括对目标回波信号进行离散采样、脉冲压缩和平动补偿。
第二步，沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，慢时间信号的通用形式表示为
；
其中，表示方位向慢时间，表示每个距离单元内散射中心的数量，表示第个散射中心的慢时间信号，和分别表示第个散射中心的散射系数和回波相位，表示虚部单位。
第三步，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算短时信号的自相关函数作为慢时间信号的短时自相关函数(STAF)。具体步骤包括：
首先，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻选取该时刻前后方各个采样点的数据生成总长为的短时信号，
L为偶数，是用户自定义的参数，通常取为128；其中，当该时刻前方或后方的信号采样点数不足时，取信号采样点数超过一侧的数据将短时信号的总长度补充至。可以理解，短时信号是慢时间信号的一部分，即截取适当长度后将其余数据全部置零。
然后，计算所述短时信号的自相关函数作为慢时间信号的短时自相关函数，表示为
；
其中，代表慢时间信号的短时自相关函数，表示短时信号，为的共轭，方位向慢时间的间隔为1，时延的间隔为2，和分别表示当前时刻前方和后方的信号采样点数，。
第四步，对慢时间信号的短时自相关函数进行时间变量的傅里叶变换，得到短时信号的模糊函数。具体地，对慢时间信号的短时自相关函数进行方位向慢时间的傅里叶变换，得到短时信号的模糊函数，表示为
；
其中，是
n经过傅里叶变换后的频域变量。
第五步，对模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数。具体地，沿着经过模糊域原点的不同斜率的直线对模糊函数的能量进行积累，仅保留积累能量最大的条直线对应方向上的模糊函数数据，得到无交叉项的模糊函数；
通过对无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，表示为
。
第六步，根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，采用傅里叶字典对短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱，表示为
；
其中，表示慢时间信号在当前时刻的瞬时稀疏频谱，为离散多普勒频率变量，表示慢时间信号的采样点数，采样频率为，表示复数域，表示向量的0范数，为傅里叶逆变换矩阵，表示约束条件。
第七步，通过第三步到第六步，整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，表示为
；
其中，表示慢时间信号在最后一个时刻的瞬时稀疏频谱。
第八步，通过第二步到第七步，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵，其中，表示距离维，为离散多普勒频率变量，即多普勒维，表示时间维。
第九步，沿时间维对目标的时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像，表示为
。
上述基于稀疏时频分布的雷达目标高分辨成像方法，为解决传统时频分析方法在能量聚集性和交叉项抑制方面存在性能不足，无法支撑雷达目标高分辨成像的问题。基于目标回波信号的稀疏特性和局部线性调频特性，首先计算慢时间信号的短时自相关函数，并利用信号自项和交叉项在模糊域的分布特性差异对慢时间信号的短时自相关函数进行交叉项抑制，而后利用无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并利用该向量在傅里叶字典上的稀疏性，求得慢时间信号能量聚集性高、无交叉项干扰的稀疏时频分布，进而获得目标的距离-多普勒图像。采用本方法能够通过求解慢时间信号能量聚集性高、无交叉项干扰的高性能稀疏时频分布，获取目标准确的高分辨雷达图像。
进一步地，对本发明所提的一种基于稀疏时频分布的雷达目标高分辨成像方法进行了实验验证，并将传统的RD算法、基于WVD的RID算法、基于STFT的RID算法以及本发明所提方法的成像结果进行了比较。在一个具体的实施例中，仿真目标的散射模型如图2所示，目标平动初速度为5m/s，加速度190m/s2，同时以0.1745rad/s的角速度逆时针旋转，观测雷达载频为9GHz，带宽512MHz，脉冲重复频率278Hz，包含128个距离单元和512和多普勒单元。图3是经过脉冲压缩和平动补偿后目标的一维距离像序列，可以看出，由于目标的旋转，经过平动补偿后各散射中心的能量仍未能集中于同一距离单元。由图4可知，由于目标转速较快，多普勒频率时变，RD算法得出的成像结果在方位向产生了严重的模糊。图5至图7分别为基于WVD的RID算法、基于STFT的RID算法以及本发明所提方法的成像结果，对比可以发现，由于缺乏交叉项抑制能力，基于WVD的RID算法所得图像中出现了由交叉项产生的虚假散射中心，未能实现准确成像；基于STFT的RID算法所得结果成像分辨率较低，不利于后续对目标特性进行精细化分析；而本发明所提方法清晰且准确地展现目标的散射中心分布特性，在不产生任何虚假散射中心的同时获得了最高的成像分辨率，有效提升了雷达目标的成像质量。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供了一种基于稀疏时频分布的雷达目标高分辨成像装置，包括：预处理模块、方位维处理模块和时间维采样模块，其中：
预处理模块，用于对雷达接收到的目标回波信号进行预处理；其中，预处理过程包括对目标回波信号进行离散采样、脉冲压缩和平动补偿；
方位维处理模块，用于沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算短时信号的自相关函数作为慢时间信号的短时自相关函数；对慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱；整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵；
时间维采样模块，用于沿时间维对时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像。
关于基于稀疏时频分布的雷达目标高分辨成像装置的具体限定可以参见上文中对于基于稀疏时频分布的雷达目标高分辨成像方法的限定，在此不再赘述。上述基于稀疏时频分布的雷达目标高分辨成像装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于稀疏时频分布的雷达目标高分辨成像方法，其特征在于，所述方法包括：
对雷达接收到的目标回波信号进行预处理；其中，预处理过程包括对所述目标回波信号进行离散采样、脉冲压缩和平动补偿；
沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算所述短时信号的自相关函数作为慢时间信号的短时自相关函数；
对所述慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，根据所述无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对所述短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱；
整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵；
沿时间维对所述时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像；
对所述慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，包括：
对所述慢时间信号的短时自相关函数进行时间变量的傅里叶变换，得到短时信号的模糊函数，并对所述模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对所述无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数；
对所述模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对所述无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，包括：
沿着经过模糊域原点的不同斜率的直线对模糊函数的能量进行积累，仅保留积累能量最大的条直线对应方向上的模糊函数数据，得到无交叉项的模糊函数；
通过对所述无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，表示为
；
其中，是方位向慢时间n经过傅里叶变换后的频域变量，L表示信号采样点数，表示虚部单位，表示时延。
2. 根据权利要求1所述的方法，其特征在于，沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，包括：
沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，所述慢时间信号的通用形式表示为
；
其中，表示方位向慢时间，表示每个距离单元内散射中心的数量，表示第个散射中心的慢时间信号，和分别表示第个散射中心的散射系数和回波相位，表示虚部单位。
3.根据权利要求2所述的方法，其特征在于，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算所述短时信号的自相关函数作为慢时间信号的短时自相关函数，包括：
对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻选取该时刻前后方各个采样点的数据生成总长为的短时信号，L为偶数；其中，当该时刻前方或后方的信号采样点数不足时，取信号采样点数超过一侧的数据将短时信号的总长度补充至；
计算所述短时信号的自相关函数作为慢时间信号的短时自相关函数，表示为
；
其中，代表慢时间信号的短时自相关函数，表示短时信号，为的共轭，方位向慢时间的间隔为1，时延的间隔为2，和分别表示当前时刻前方和后方的信号采样点数，。
4. 根据权利要求3所述的方法，其特征在于，对所述慢时间信号的短时自相关函数进行时间变量的傅里叶变换，得到短时信号的模糊函数，包括：
对慢时间信号的短时自相关函数进行方位向慢时间的傅里叶变换，得到短时信号的模糊函数，表示为
；
其中，是n经过傅里叶变换后的频域变量。
5.根据权利要求4所述的方法，其特征在于，根据所述无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对所述短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱，包括：
根据无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，采用傅里叶字典对所述短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱，表示为
；
其中，表示慢时间信号在当前时刻的瞬时稀疏频谱，为离散多普勒频率变量，表示慢时间信号的采样点数，采样频率为，表示复数域，表示向量的0范数，为傅里叶逆变换矩阵，表示约束条件。
6. 根据权利要求5所述的方法，其特征在于，整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵，包括：
整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，表示为
；
其中，表示慢时间信号在最后一个时刻的瞬时稀疏频谱；
整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵，其中，表示距离维，表示时间维。
7. 根据权利要求6所述的方法，其特征在于，沿时间维对所述时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像，包括：
沿时间维对目标的时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像，表示为
。
8.一种基于稀疏时频分布的雷达目标高分辨成像装置，其特征在于，所述装置包括：
预处理模块，用于对雷达接收到的目标回波信号进行预处理；其中，预处理过程包括对所述目标回波信号进行离散采样、脉冲压缩和平动补偿；
方位维处理模块，用于沿方位维从预处理后的目标回波信号中的第一个距离单元开始，依次选取每个距离单元中的慢时间信号，对于取出的慢时间信号，从第一个采样时刻开始，在每一时刻生成对应的短时信号，计算所述短时信号的自相关函数作为慢时间信号的短时自相关函数；对所述慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，根据所述无交叉项的短时自相关函数生成当前时刻的短时瞬时自相关函数向量，并采用傅里叶字典对所述短时瞬时自相关函数向量进行稀疏表示，得到慢时间信号在当前时刻的瞬时稀疏频谱；整合一个距离单元内慢时间信号在所有时刻的瞬时稀疏频谱，得到该距离单元内慢时间信号的稀疏时频分布，整合所有距离单元内慢时间信号的稀疏时频分布，得到目标的时间-距离-多普勒三维数据矩阵；
时间维采样模块，用于沿时间维对所述时间-距离-多普勒三维数据矩阵进行采样，得到目标不同时刻的距离-多普勒图像；
对所述慢时间信号的短时自相关函数进行交叉项抑制，得到无交叉项的短时自相关函数，包括：
对所述慢时间信号的短时自相关函数进行时间变量的傅里叶变换，得到短时信号的模糊函数，并对所述模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对所述无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数；
对所述模糊函数中的交叉项进行滤波去除，得到无交叉项的模糊函数，通过对所述无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，包括：
沿着经过模糊域原点的不同斜率的直线对模糊函数的能量进行积累，仅保留积累能量最大的条直线对应方向上的模糊函数数据，得到无交叉项的模糊函数；
通过对所述无交叉项的模糊函数进行傅里叶逆变换，得到无交叉项的短时自相关函数，表示为
；
其中，是方位向慢时间n经过傅里叶变换后的频域变量，L表示信号采样点数，表示虚部单位，表示时延。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310159391.0A CN115840225B (zh) | 2023-02-24 | 2023-02-24 | 基于稀疏时频分布的雷达目标高分辨成像方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310159391.0A CN115840225B (zh) | 2023-02-24 | 2023-02-24 | 基于稀疏时频分布的雷达目标高分辨成像方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115840225A CN115840225A (zh) | 2023-03-24 |
| CN115840225B true CN115840225B (zh) | 2023-05-05 |
Family
ID=85580108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310159391.0A Active CN115840225B (zh) | 2023-02-24 | 2023-02-24 | 基于稀疏时频分布的雷达目标高分辨成像方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115840225B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| USH1720H (en) * | 1997-03-31 | 1998-04-07 | Chen; Victor C. | Time frequency processor for radar imaging of moving targets |
| CN102928838A (zh) * | 2012-10-08 | 2013-02-13 | 西北工业大学 | 基于稀疏表示与时频变换的距离-瞬时多普勒成像方法 |
| CN106526568B (zh) * | 2016-12-29 | 2019-04-12 | 中国人民解放军海军航空大学 | 基于短时稀疏分数阶傅里叶变换的雷达动目标检测方法 |
| CN107861115B (zh) * | 2017-11-03 | 2020-07-17 | 电子科技大学 | 一种基于瞬时自相关矩阵稀疏分解的othr机动目标参数估计方法 |
| CN113253266A (zh) * | 2021-04-30 | 2021-08-13 | 上海交通大学 | 基于短时迭代自适应法的高分辨isar成像方法和系统 |
-
2023
- 2023-02-24 CN CN202310159391.0A patent/CN115840225B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115840225A (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xing et al. | New ISAR imaging algorithm based on modified Wigner–Ville distribution | |
| CN111142105B (zh) | 复杂运动目标isar成像方法 | |
| Xu et al. | Enhanced resolution in SAR/ISAR imaging using iterative sidelobe apodization | |
| CN113567985B (zh) | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 | |
| CN104698459B (zh) | 一种应用于缺失数据的条带sar压缩感知成像方法 | |
| Liu et al. | Dynamic ISAR imaging of maneuvering targets based on sequential SL0 | |
| CN108226928B (zh) | 基于期望传播算法的逆合成孔径雷达成像方法 | |
| CN109031299B (zh) | 低信噪比条件下基于相位差分的isar平动补偿方法 | |
| Xu et al. | Focus-before-detection radar signal processing: Part ii–recent developments | |
| Huang et al. | ISAR imaging of a maneuvering target based on parameter estimation of multicomponent cubic phase signals | |
| Yang et al. | ISAR imaging enhancement: Exploiting deep convolutional neural network for signal reconstruction | |
| Hou et al. | Sparse coding-inspired high-resolution ISAR imaging using multistage compressive sensing | |
| CN109143235B (zh) | 一种双基前视合成孔径雷达地面运动目标检测方法 | |
| CN115840225B (zh) | 基于稀疏时频分布的雷达目标高分辨成像方法和装置 | |
| Wang et al. | Velocity estimation of moving targets in SAR imaging | |
| Xu et al. | A target-oriented Bayesian compressive sensing imaging method with region-adaptive extractor for mmw automotive radar | |
| CN112731392B (zh) | 高效的太赫兹步进频率合成孔径雷达成像方法 | |
| Ni et al. | A SAR sidelobe suppression algorithm based on modified spatially variant apodization | |
| Wang et al. | ISAR imaging of maneuvering target based on the estimation of time varying amplitude with Gaussian window | |
| Park et al. | Enhanced and efficient ISAR image focusing using the discrete Gabor representation in an oversampling scheme | |
| CN111880154B (zh) | 基于对称波数谱对消的复图像域运动目标检测方法 | |
| CN109633641B (zh) | 一种太赫兹频段的旋翼叶片逆合成孔径雷达成像算法 | |
| Berizzi et al. | A new fast method for the reconstruction of 2-D microwave images of rotating objects | |
| Sun et al. | High-vivid uniformly-moving target deception jamming method against SAR-GMTI based on inverse omega-k algorithm | |
| Lian et al. | An Attention Based Complex-valued Convolutional Autoencoder for GEO SA-Bi SAR Ship Target Refocusing |
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 |