CN117420553A - 一种针对海面目标扫描雷达的超分辨率成像方法 - Google Patents

一种针对海面目标扫描雷达的超分辨率成像方法 Download PDF

Info

Publication number
CN117420553A
CN117420553A CN202311706434.9A CN202311706434A CN117420553A CN 117420553 A CN117420553 A CN 117420553A CN 202311706434 A CN202311706434 A CN 202311706434A CN 117420553 A CN117420553 A CN 117420553A
Authority
CN
China
Prior art keywords
echo
sea surface
dimensional
target
surface 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
CN202311706434.9A
Other languages
English (en)
Other versions
CN117420553B (zh
Inventor
谭珂
周圣麒
陆星宇
杨建超
戴峥
虞文超
顾红
苏卫民
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202311706434.9A priority Critical patent/CN117420553B/zh
Publication of CN117420553A publication Critical patent/CN117420553A/zh
Application granted granted Critical
Publication of CN117420553B publication Critical patent/CN117420553B/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
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及超分辨率成像技术领域，具体涉及一种针对海面目标扫描雷达的超分辨率成像方法，该方法包括：通过利用噪声和杂波的先验信息重新描述了观测过程，采用最大似然框架共同建模噪声和杂波分布，以获得更准确的似然函数。最后，采用迭代阈值收缩方法对似然函数进行优化求解。本发明通过使用最大似然框架来联合建模噪声和杂波，可以更准确地描述海面目标的观测过程，通过迭代阈值收缩最优方法获得稳定的目标估计，在精确估计目标的同时能够有效消除杂波和噪声的干扰。

Description

一种针对海面目标扫描雷达的超分辨率成像方法
技术领域
本发明涉及超分辨率成像技术领域，具体而言，涉及一种针对海面目标扫描雷达的超分辨率成像方法。
背景技术
雷达前视成像技术在军事和民用领域具有广泛需求，例如自主导航、物资空投、成像终端引导等。然而，由于前视方向上缺乏有效的多普勒带宽，传统的合成孔径雷达（SAR）成像技术只能在横向和前视区域进行成像。扫描雷达实时波束成像不受平台配置限制，可以有效成像前视区域，但其角分辨率严格受到天线波束宽度的限制，相对于距离分辨率来说比较低。
应用方位超分辨率技术提高角分辨率，因其高效性和低硬件成本而受到关注，在这些超分辨率技术手段中，主要是针对地面成像场景，而对于海面目标，海杂波是一个不可忽视的干扰问题，同时未考虑观测过程中的噪声分布，导致未能准确描述包括噪声和杂波分布的观测模型。
发明内容
鉴于此，本发明提出了一种针对海面目标扫描雷达的超分辨率成像方法，主要是为了解决如何准确描述包括噪声和杂波分布的观测模型以提高角分辨率的问题。
本发明提出了一种针对海面目标扫描雷达的超分辨率成像方法，该方法包括：
基于安装在飞机上的扫描雷达发射线性频率调制脉冲信号对待测海面目标进行扫描成像得到二维实波束回波，采集所述二维实波束回波并进行距离向脉冲压缩和运动补偿处理，得到二维实波束图像，所述二维实波束图像包含若干个一维距离单元回波，依次提取所述一维距离单元回波进行超分辨处理；
获取所述扫描雷达的天线方向图函数；
基于所述待测海面目标、天线方向图函数和一维距离单元回波建立所述扫描雷达的方位信号模型：
；
其中，为方位扫描角度，为方位回波信号，为待测海面目标散射系数，为天线方向图函数，为卷积操作；
考虑噪声影响描述所述扫描雷达的方位信号模型为：
；
通过矩阵向量形式对考虑噪声影响描述的所述扫描雷达的方位信号模型进行离散化得到第一方位信号卷积模型：
；
其中，为一个一维距离单元回波内的回波离散数据，为的 第1到个离散采样值，为向量长度；为一个一维距离单元回波内的目标 的散射系数向量，为的第1到个离散采样值，为向量长度；为天线方向图构造的一个的卷积操作矩阵，为噪声向量；
；
其中，是具有波束中心角的天线方向图的离散化向量，是的第1到个离散采样值；
对所述扫描雷达成像过程中混合在所述二维实波束回波中的噪声数据和杂波数据进行统计建模得到概率统计模型；
基于所述噪声数据和杂波数据的概率统计模型对所述第一方位信号卷积模型进行重构，得到第二方位信号卷积模型：
；
其中，c是杂波向量，，是的第1到个离散采样值；
基于最大似然方法对所述待测海面目标进行超分辨率估计，以高概率生成待测海面目标分布，即获取所有x能最大化所述第二方位信号卷积模型决定的似然函数的取值：
；
当获得所述最优估计值后，判断所述二维实波束图像中包含若干个所述一维距离单元回波是否处理完全，当所述一维距离单元回波处理完全后则输出成像结果，当所述一维距离单元回波未处理完全，则依次提取剩余未处理的所述一维距离单元回波进行超分辨率估计，直至若干所述一维距离单元回波处理完全输出成像结果。
在本申请的一些实施例中，在基于安装在飞机上的扫描雷达发射线性频率调制脉冲信号对待测海面目标进行扫描成像得到二维实波束回波前，还包括：
进行雷达发射信号参数初始化：
平台运动速度为，天线波束扫描速度为，雷达下视角为，目标点坐标记为，为方位时间，目标点距离历史为：
；
通过泰勒展开与一次项近似可得所述待测海面目标的斜距表达式为
；
所述待测海面目标的点目标回波表达式为；
；
其中，为距离向时间变量，为点目标散射强度，为天线的双程波束方向 图，为波束中心照射到点的时间，代表距离时间窗，为光速，代表距离时间 脉宽，为载波频率，是发射信号的时间调频斜率；
散射函数为的所述待测海面目标的面目标回波为全部点目标回波的积分，其中/>为目标的初始斜距，/>为目标的方位角坐标；
且；/>；
其中，为初始扫描角度。
在本申请的一些实施例中，所述距离向脉冲压缩包括：
根据所述待测海面目标的斜距表达式与所述待测海面目标的点目标回波表达式可以得到面目标回波：
；
基于获取的二维实波束回波数据，利用初始化后的雷达发射信号参数，构造匹配滤波器，对距离向进行脉冲压缩，得到距离压缩后数据/>；
其中，。
在本申请的一些实施例中，在得到距离压缩后数据后，还包括：
进行线性徙动矫正：
对于目标平面上位于弧线上的所有的点目标，其回波位置中心将错位重 叠在直线上；
对变量进行线性尺度变换以消除平台运动产生的距离走动：。
在本申请的一些实施例中，在基于最大似然方法对所述待测海面目标进行超分辨率估计时，包括：
基于所述第一方位信号模型和杂波数据在I/Q通道的一维距离单元回波上进行联合建模；
首先，基于噪声数据描述所述第一方位信号模型决定的所述一维距离单元回波的幅值的概率分布表示为：
；
其中，是噪声方差，为0阶贝塞尔函数，为点积；
基于瑞利分布描述所述一维距离单元回波的一维杂波分布表示为：
；
基于所述第一方位信号模型决定的所述一维距离单元回波的幅值的概率分布和一维杂波分布进行联合建模得到所述第二方位信号卷积模型决定的最大似然函数：
；
基于所述最大似然函数进行最大似然估计，得到最优估计值：
。
在本申请的一些实施例中，在基于所述最大似然函数进行最大似然估计时，包括：
采用迭代阈值收缩方法计算所述最大似然函数的所述最优估计值，包括：
对所述最大似然函数进行求导：
；
在对所述最大似然函数进行求导后，包括：
沿着梯度方向搜索获得所述最优估计值：
；
其中， :是由下式定义的收缩算子：
；
其中，为由噪声标准差决定的收缩阈值，为由L曲线方法决定的迭代步长；
当达到停止准则时，其中为向量的二范数，为由噪声方差决 定的一个迭代终止阈值，迭代停止，并获得所述最优估计值。
与现有技术相比，本发明存在以下有益效果：本发明通过利用噪声和杂波的先验信息重新描述了观测过程，采用最大似然框架共同建模噪声和杂波分布，以获得更准确的似然函数。最后，采用迭代阈值收缩方法对似然函数进行优化求解。通过使用最大似然框架来联合建模噪声和杂波，可以更准确地描述海面目标的观测过程，通过迭代阈值收缩最优方法获得稳定的目标估计，在精确估计目标的同时能够有效消除杂波和噪声的干扰。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在附图中：
图1为本发明实施例提供的一种针对海面目标扫描雷达的超分辨率成像方法的流程图；
图2为本发明实施例提供的方位信号模型图；
图3为本发明实施例提供的仿真场景图；
图4为本发明实施例提供的利用表1中数值仿真参数的距离压缩和偏移校正后的目标回波图；
图5为本发明实施例提供的利用表1中数值仿真参数的距离压缩和偏移校正后的回波剖面；
图6为本发明实施例提供的利用RL最大似然方法在SCNR=20dB 时处理图4的模拟结果图；
图7为本发明实施例提供的图6在2975m获得的结果剖面图；
图8为本发明实施例提供的基于I/Q通道建模的最大似然方法在SCNR=20dB 时处理图4的模拟结果图；
图9为本发明实施例提供的图8在2975m获得的结果剖面图；
图10为本发明实施例提供的基于第二方位信号卷积模型在SCNR=20dB 时处理图4的超分辨率处理结果图；
图11为本发明实施例提供的图10在2975m获得的结果剖面图；
图12为本发明实施例提供的利用RL最大似然方法在SCNR=10dB 时处理图4的模拟结果图；
图13为本发明实施例提供的图12在2975m获得的结果剖面图；
图14为本发明实施例提供的基于I/Q通道建模的最大似然方法在SCNR=10dB 时处理图4的模拟结果图；
图15为本发明实施例提供的图14在2975m获得的结果剖面图；
图16为本发明实施例提供的基于第二方位信号卷积模型在SCNR=10dB 时处理图4的超分辨率处理结果图；
图17为本发明实施例提供的图16在2975m获得的结果剖面图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
参阅图1所示，本实施例提供了一种针对海面目标扫描雷达的超分辨率成像方法，该方法包括：
S101：基于安装在飞机上的扫描雷达发射线性频率调制脉冲信号对待测海面目标进行扫描成像得到二维实波束回波，采集所述二维实波束回波并进行距离向脉冲压缩和运动补偿处理，得到二维实波束图像，所述二维实波束图像包含若干个一维距离单元回波，依次提取所述一维距离单元回波进行超分辨处理；
S102：获取所述扫描雷达的天线方向图函数、基于所述待测海面目标、天线方向图函数和一维距离单元回波建立所述扫描雷达的方位信号模型：
；
其中，为方位扫描角度，为方位回波信号，为待测海面目标散射系数，为天线方向图函数，为卷积操作；
S103：考虑噪声影响描述所述扫描雷达的方位信号模型为：
。
具体而言，由于天线方向图的加权效应，相邻方位目标的回波能量会被拓宽，此时的方位分辨率取决于波束宽度，参阅图2所示，如果相邻目标之间的距离小于天线的波束宽度，其在实际波束图像中无法区分，因此，需要利用超分辨率技术提高实波束扫描雷达的方位分辨率。
S104：通过矩阵向量形式对考虑噪声影响描述的所述扫描雷达的方位信号模型进行离散化得到第一方位信号卷积模型：
；
其中，为一个一维距离单元回波内的回波离散数据，为 的第1到个离散采样值，为向量长度；为一个一维距离单元回波内的目 标的散射系数向量，为的第1到个离散采样值，为向量长度；为天线方向 图构造的一个的卷积操作矩阵，为噪声向量；
；
其中，是具有波束中心角的天线方向图的离散化向量，是的第1到个离散采样值；
具体而言，由于方位回波可以被建模为天线方向图案和散射系数的卷积模型，因此，可以利用反卷积技术来提高角分辨率，即基于反卷积技术从获取的观测数据s中实现对待侧海面目标x的超分辨率估计。
S105：对所述扫描雷达成像过程中混合在所述二维实波束回波中的噪声数据和杂波数据进行统计建模得到概率统计模型；
S106：基于所述噪声数据和杂波数据的概率统计模型对所述第一方位信号卷积模型进行重构，得到第二方位信号卷积模型：
；
其中，c是杂波向量，，是的第1到个离散采样值；
具体而言，由于存在随机噪声n和杂波c，使得是一个随机变量。因此，它的概率 分布由n和c的联合概率分布所决定。
S107：基于最大似然方法对所述待测海面目标进行超分辨率估计，以高概率生成待测海面目标分布，即获取所有x中能最大化所述第二方位信号卷积模型决定的似然函数的取值：
；
S108：当获得所述最优估计值后，判断所述二维实波束图像中包含若干个所述一维距离单元回波是否处理完全，当所述一维距离单元回波处理完全后则输出成像结果，当所述一维距离单元回波未处理完全，则依次提取剩余未处理的所述一维距离单元回波进行超分辨率估计，直至若干所述一维距离单元回波处理完全输出成像结果。
在本申请的一种具体实施例中，在基于安装在飞机上的扫描雷达发射线性频率调制脉冲信号对待测海面目标进行扫描成像得到二维实波束回波前，还包括：
进行雷达发射信号参数初始化：
平台运动速度为，天线波束扫描速度为，雷达下视角为，目标点坐标记为，为方位时间，目标点距离历史为：
；
通过泰勒展开与一次项近似可得所述待测海面目标的斜距表达式为
；
所述待测海面目标的点目标回波表达式为；
；
其中，为距离向时间变量，为点目标散射强度，为天线的双程波束方向 图，为波束中心照射到点的时间，代表距离时间窗，为光速，代表距离时间 脉宽，为载波频率，是发射信号的时间调频斜率；
散射函数为的所述待测海面目标的面目标回波为全部点目标回波的积分，其中/>为目标的初始斜距，/>为目标的方位角坐标；
且；/>；
其中，为初始扫描角度。
在本申请的一种具体实施例中，所述距离向脉冲压缩包括：
根据所述待测海面目标的斜距表达式与所述待测海面目标的点目标回波表达式可以得到面目标回波：
；
基于获取的二维实波束回波数据，利用初始化后的雷达发射信号参数，构造匹配滤波器，对距离向进行脉冲压缩，得到距离压缩后数据/>；
其中，。
在本申请的一种具体实施例中，在得到距离压缩后数据后，还包括：
进行线性徙动矫正：
对于目标平面上位于弧线上的所有的点目标，其回波位置中心将错位重 叠在直线上；
对变量进行线性尺度变换以消除平台运动产生的距离走动：。
在本申请的一种具体实施例中，在基于最大似然方法对所述待测海面目标进行超分辨率估计时，包括：
基于所述第一方位信号模型和杂波数据在I/Q通道的一维距离单元回波上进行联合建模；
首先，基于噪声数据描述所述第一方位信号模型决定的所述一维距离单元回波的幅值的概率分布表示为：
；
其中，是噪声方差，为0阶贝塞尔函数，为点积；
具体而言，为了获得观测数据s的概率分布，首先基于噪声数据考虑噪声模型，考虑单通道噪声分布。对于单通道观测数据，噪声是由电子运动产生的热噪声，它遵循均值为零的高斯分布。
然而，通过扫描雷达成像处理的数据是经过I/Q正交通道解调得到的复杂信号。因此，对于观测数据s的概率分布，应该在I/Q通道的回波上进行联合建模。因此，只考虑噪声，观测数据的概率分布可以表示为上式。
基于瑞利分布描述所述一维距离单元回波的一维杂波分布表示为：
；
具体而言，在考虑噪声数据后，需要考虑杂波分布，常用的海杂波分布包括瑞利分布、对数正态分布、威布尔分布等，由于瑞利分布适用于低分辨率雷达，因此，采用了瑞利分布来描述实波束雷达图像的杂波分布。
基于所述第一方位信号模型决定的所述一维距离单元回波的幅值的概率分布和一维杂波分布进行联合建模得到所述第二方位信号卷积模型决定的最大似然函数：
；
基于所述最大似然函数进行最大似然估计，得到最优估计值：
。
具体而言，结合考虑噪声数据和杂波数据描述观测数据的概率分布，即数据似然。
在本申请的一种具体实施例中，在基于所述最大似然函数进行最大似然估计时，包括：
采用迭代阈值收缩方法计算所述最大似然函数的所述最优估计值，包括：
对所述最大似然函数进行求导：
；
具体而言，采用迭代阈值收缩方法来获得最优估计值，迭代阈值收缩方法具有收敛稳定性和抗噪声能力。
在对所述最大似然函数进行求导后，包括：
沿着梯度方向搜索获得所述最优估计值：
；
其中，:/>是由下式定义的收缩算子：
；
其中，为由噪声标准差决定的收缩阈值，为由L曲线方法决定的迭代步长；
当达到停止准则时，其中为向量的二范数，为由噪声方差决 定的一个迭代终止阈值，迭代停止，并获得所述最优估计值。
实施例1
使用数值仿真对基于概率分布和杂波分布得到所述天线方向图的概率分布，即最大似然函数，进行验证。
表1 仿真参数
表1显示了仿真参数。
图3显示了仿真场景，包括8对点目标，每对目标之间相隔1度，其散射系数均为1。 距离分布为2920m到3080m。以采样率对距离向回波进行采样，得到回波矩 阵，记为，其大小为。
对回波进行距离向脉冲压缩，根据系统参数构造距离向脉冲压缩参考函数，其中/>，/>。将回波沿距离向做傅里叶变换，并与距离向参考函数傅里叶变换的共轭/>相乘，再将相乘后结果反变换到时域，完成对仿真回波的距离向脉冲压缩，记距离压缩后的数据为/>，其大小保持不变。
对距离脉冲压缩后数据进行徙动矫正，构造距离频率向量，为距离向点数和时间向量，为扫描时间；然后根据雷达发射信号参 数构造徙动矫正函数，其中。将回波沿距 离向做傅里叶变换，记做，并与徙动矫正函数相乘，再将相乘后结果 反变换到时域，完成对仿真回波的距离向脉冲压缩，记徙动矫正后的数据为，其大小 保持不变。
获取天线方向图信息，根据天线方向图宽度、脉冲重复频率和扫描速度 对扫描天线方向图离散化，由可得到离散化的天线方向图点数，则，由此构造卷积矩阵:
；
对第行数据（初值为1）取幅值，即为待处理的原始回波，按照所述第 二方位信号卷积模型决定的最大似然函数构造MRF成像目标函数，其中为经徙动矫正后 数据取特定距离单元所得向量，为步骤四构造的卷积矩阵。
对所述最大似然函数进行求导后求取目标函数梯度，，正则化参数采 用L曲线方法确定，得到IST求解的基本迭代公式：
；
其中，和为相邻两次迭代结果，取1，取0.001。
迭代求解目标函数，将待处理目标回波赋值为迭代初始值。利用公式得到下 一步迭代结果。当迭代结果满足时，则结果收敛，即求得目标解，其中根 据为由噪声方差决定的一个迭代终止阈值。若不满足，则将继续进行迭代，直至满足迭代终 止条件求得目标解。
判断j是否等于107，如果是则输出超分辨结果；如果不是，则返回进行下一距离单元处理。
图4-5显示了使用表1中的仿真参数获得的目标回波。经过距离脉冲压缩和迁移校正后，得到了一个实际波束雷达图像，如图4所示。此时，信杂比为20dB。图5是距离为2975米处的图4的回波剖面。
从图4可以看出，在距离方向上，图中的8个相邻目标能够被有效地分割，但是在方位分辨率上较低，难以进行区分。
分别使用了RL最大似然方法、基于I/Q通道建模的最大似然方法以及本实施例中提出的基于概率分布和杂波分布得到所述天线方向图的概率分布，即第二方位信号卷积模型的最大似然函数方法来处理图4中的实际波束图像，以验证本实施例提出的观测模型的有效性。
图6-7是RL最大似然方法的结果，表明虽然目标被分离，但是产生了很多寄生波纹。图8-9显示了基于I/Q通道建模的最大似然方法的结果，显示出更强的目标分辨率，并消除了许多寄生波纹。图10-11是本实施例提出的观测模型的结果，可以看出不仅能够有效区分目标，而且几乎没有产生寄生波纹。
进一步验证本实施例提出的观测模型的有效性，在回波中添加更强的杂波和噪声，得到了信号-杂波-噪声比为10dB的回波。分别使用RL最大似然方法、基于I/Q通道建模的最大似然方法以及本实施例提出的观测模型第二方位信号卷积模型来处理回波。
图12-13显示了RL最大似然方法的结果。可以看出，由于杂波和噪声的增强，其目标分辨能力被削弱，并出现了强烈的寄生波纹，一些虚假目标甚至可能具有与真实目标相似的能量。图14-15显示了基于I/Q通道建模的最大似然方法的结果，虽然它对寄生波纹的抗干扰能力增强，但仍存在许多虚假目标。图16-17是本实施例提出的观测模型第二方位信号卷积模型的结果，可以看出在解析目标的同时保持了较强的抑制寄生波纹的能力。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种针对海面目标扫描雷达的超分辨率成像方法，其特征在于，包括：
基于安装在飞机上的扫描雷达发射线性频率调制脉冲信号对待测海面目标进行扫描成像得到二维实波束回波，采集所述二维实波束回波并进行距离向脉冲压缩和运动补偿处理，得到二维实波束图像，所述二维实波束图像包含若干个一维距离单元回波，依次提取所述一维距离单元回波进行超分辨处理；
获取所述扫描雷达的天线方向图函数；
基于所述待测海面目标、天线方向图函数和一维距离单元回波建立所述扫描雷达的方位信号模型：
；
其中，为方位扫描角度，/>为方位回波信号，/>为待测海面目标散射系数，/>为天线方向图函数，/>为卷积操作；
考虑噪声影响描述所述扫描雷达的方位信号模型为：
；
通过矩阵向量形式对考虑噪声影响描述的所述扫描雷达的方位信号模型进行离散化得到第一方位信号卷积模型：
；
其中，为一个一维距离单元回波内的回波离散数据，/>为/>的第1到/>个离散采样值，/>为向量长度；/>为一个一维距离单元回波内的目标的散射系数向量，/>为/>的第1到/>个离散采样值，/>为向量长度；/>为天线方向图构造的一个/>的卷积操作矩阵，/>为噪声向量；
；
其中，是具有波束中心角/>的天线方向图的离散化向量，是/>的第1到/>个离散采样值；
对所述扫描雷达成像过程中混合在所述二维实波束回波中的噪声数据和杂波数据进行统计建模得到概率统计模型；
基于所述噪声数据和杂波数据的概率统计模型对所述第一方位信号卷积模型进行重构，得到第二方位信号卷积模型：
；
其中，c是杂波向量，，/>是/>的第1到/>个离散采样值；
基于最大似然方法对所述待测海面目标进行超分辨率估计，以高概率生成待测海面目标分布，即获取所有x能最大化所述第二方位信号卷积模型决定的似然函数的取值：
；
当获得所述最优估计值后，判断所述二维实波束图像中包含若干个所述一维距离单元回波是否处理完全，当所述一维距离单元回波处理完全后则输出成像结果，当所述一维距离单元回波未处理完全，则依次提取剩余未处理的所述一维距离单元回波进行超分辨率估计，直至若干所述一维距离单元回波处理完全输出成像结果。
2.根据权利要求1所述的针对海面目标扫描雷达的超分辨率成像方法，其特征在于，在基于安装在飞机上的扫描雷达发射线性频率调制脉冲信号对待测海面目标进行扫描成像得到二维实波束回波前，还包括：
进行雷达发射信号参数初始化：
平台运动速度为，天线波束扫描速度为/>，雷达下视角为/>，目标点坐标记为，/>为方位时间，目标点距离历史/>为：
；
通过泰勒展开与一次项近似可得所述待测海面目标的斜距表达式为
；
所述待测海面目标的点目标回波表达式为；
；
其中，为距离向时间变量，/>为点目标散射强度，/>为天线的双程波束方向图，/>为波束中心照射到/>点的时间，/>代表距离时间窗，/>为光速，/>代表距离时间脉宽，/>为载波频率，/>是发射信号的时间调频斜率；
散射函数为的所述待测海面目标的面目标回波为全部点目标回波的积分，其中/>为目标的初始斜距，/>为目标的方位角坐标；
且；/>；
其中，为初始扫描角度。
3.根据权利要求2所述的针对海面目标扫描雷达的超分辨率成像方法，其特征在于，所述距离向脉冲压缩包括：
根据所述待测海面目标的斜距表达式与所述待测海面目标的点目标回波表达式可以得到面目标回波：
；
基于获取的二维实波束回波数据，利用初始化后的雷达发射信号参数，构造匹配滤波器，对距离向进行脉冲压缩，得到距离压缩后数据/>；
其中，。
4.根据权利要求3所述的针对海面目标扫描雷达的超分辨率成像方法，其特征在于，在得到距离压缩后数据后，还包括：
进行线性徙动矫正：
对于目标平面上位于弧线/>上的所有的点目标，其回波位置中心将错位重叠在直线/>上；
对变量进行线性尺度变换以消除平台运动产生的距离走动：。
5.根据权利要求1所述的针对海面目标扫描雷达的超分辨率成像方法，其特征在于，在基于最大似然方法对所述待测海面目标进行超分辨率估计时，包括：
基于所述第一方位信号模型和杂波数据在I/Q通道的一维距离单元回波上进行联合建模；
首先，基于噪声数据描述所述第一方位信号模型决定的所述一维距离单元回波的幅值的概率分布表示为：
；
其中，是噪声方差，/>为0阶贝塞尔函数，/>为点积；
基于瑞利分布描述所述一维距离单元回波的一维杂波分布表示为：
；
基于所述第一方位信号模型决定的所述一维距离单元回波的幅值的概率分布和一维杂波分布进行联合建模得到所述第二方位信号卷积模型决定的最大似然函数：
；
基于所述最大似然函数进行最大似然估计，得到最优估计值：
。
6.根据权利要求5所述的针对海面目标扫描雷达的超分辨率成像方法，其特征在于，在基于所述最大似然函数进行最大似然估计时，包括：
采用迭代阈值收缩方法计算所述最大似然函数的所述最优估计值，包括：
对所述最大似然函数进行求导：
；
在对所述最大似然函数进行求导后，包括：
沿着梯度方向搜索获得所述最优估计值：
；
其中， : />是由下式定义的收缩算子：
；
其中，为由噪声标准差决定的收缩阈值，/>为由L曲线方法决定的迭代步长；
当达到停止准则时，其中/>为向量的二范数，/>为由噪声方差决定的一个迭代终止阈值，迭代停止，并获得所述最优估计值。
CN202311706434.9A 2023-12-13 2023-12-13 一种针对海面目标扫描雷达的超分辨率成像方法 Active CN117420553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311706434.9A CN117420553B (zh) 2023-12-13 2023-12-13 一种针对海面目标扫描雷达的超分辨率成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311706434.9A CN117420553B (zh) 2023-12-13 2023-12-13 一种针对海面目标扫描雷达的超分辨率成像方法

Publications (2)

Publication Number Publication Date
CN117420553A true CN117420553A (zh) 2024-01-19
CN117420553B CN117420553B (zh) 2024-03-12

Family

ID=89526896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311706434.9A Active CN117420553B (zh) 2023-12-13 2023-12-13 一种针对海面目标扫描雷达的超分辨率成像方法

Country Status (1)

Country Link
CN (1) CN117420553B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5227801A (en) * 1992-06-26 1993-07-13 The United States Of America As Represented By The Secretary Of The Navy High resolution radar profiling using higher-order statistics
US5546084A (en) * 1992-07-17 1996-08-13 Trw Inc. Synthetic aperture radar clutter reduction system
US6633253B2 (en) * 2001-04-02 2003-10-14 Thomas J. Cataldo Dual synthetic aperture radar system
CN101937085A (zh) * 2010-09-01 2011-01-05 华南理工大学 一种基于超分辨率图像重建的合成孔径声呐成像方法
CN105137424A (zh) * 2015-07-17 2015-12-09 电子科技大学 一种杂波背景下实波束扫描雷达角超分辨方法
CN105549009A (zh) * 2015-12-09 2016-05-04 电子科技大学 一种基于超像素的sar图像cfar目标检测方法
CN106168665A (zh) * 2016-07-18 2016-11-30 电子科技大学 一种基于正则化的扫描雷达自适应角超分辨方法
CN106908787A (zh) * 2017-02-24 2017-06-30 中国电子科技集团公司第三十八研究所 一种实波束扫描雷达前视角超分辨率成像方法
CN107621635A (zh) * 2017-08-21 2018-01-23 电子科技大学 一种前视海面目标角超分辨方法
RU2653189C1 (ru) * 2017-06-07 2018-05-07 Российская Федерация, от имени которой выступает ФОНД ПЕРСПЕКТИВНЫХ ИССЛЕДОВАНИЙ Способ обнаружения шумящих объектов в мелком и глубоком море
CN108107429A (zh) * 2017-12-22 2018-06-01 电子科技大学 基于最大似然估计的前视超分辨成像方法
CN108562884A (zh) * 2018-07-18 2018-09-21 电子科技大学 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
CN109884608A (zh) * 2019-04-12 2019-06-14 北京环境特性研究所 一种海杂波k分布加噪声模型参数的快速分数阶矩估计方法
CN111856465A (zh) * 2020-07-30 2020-10-30 电子科技大学 一种基于稀疏约束的前视海面目标角超分辨方法
CN113189561A (zh) * 2021-06-16 2021-07-30 中国人民解放军火箭军工程大学 一种海杂波参数估计方法、系统、设备及存储介质
CN113640793A (zh) * 2021-07-06 2021-11-12 南京理工大学 基于mrf的实孔径扫描雷达超分辨成像方法
CN113658163A (zh) * 2021-08-24 2021-11-16 王程 多级协作改进fcm的高分sar影像分割法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5227801A (en) * 1992-06-26 1993-07-13 The United States Of America As Represented By The Secretary Of The Navy High resolution radar profiling using higher-order statistics
US5546084A (en) * 1992-07-17 1996-08-13 Trw Inc. Synthetic aperture radar clutter reduction system
US6633253B2 (en) * 2001-04-02 2003-10-14 Thomas J. Cataldo Dual synthetic aperture radar system
CN101937085A (zh) * 2010-09-01 2011-01-05 华南理工大学 一种基于超分辨率图像重建的合成孔径声呐成像方法
CN105137424A (zh) * 2015-07-17 2015-12-09 电子科技大学 一种杂波背景下实波束扫描雷达角超分辨方法
CN105549009A (zh) * 2015-12-09 2016-05-04 电子科技大学 一种基于超像素的sar图像cfar目标检测方法
CN106168665A (zh) * 2016-07-18 2016-11-30 电子科技大学 一种基于正则化的扫描雷达自适应角超分辨方法
CN106908787A (zh) * 2017-02-24 2017-06-30 中国电子科技集团公司第三十八研究所 一种实波束扫描雷达前视角超分辨率成像方法
RU2653189C1 (ru) * 2017-06-07 2018-05-07 Российская Федерация, от имени которой выступает ФОНД ПЕРСПЕКТИВНЫХ ИССЛЕДОВАНИЙ Способ обнаружения шумящих объектов в мелком и глубоком море
CN107621635A (zh) * 2017-08-21 2018-01-23 电子科技大学 一种前视海面目标角超分辨方法
CN108107429A (zh) * 2017-12-22 2018-06-01 电子科技大学 基于最大似然估计的前视超分辨成像方法
CN108562884A (zh) * 2018-07-18 2018-09-21 电子科技大学 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
CN109884608A (zh) * 2019-04-12 2019-06-14 北京环境特性研究所 一种海杂波k分布加噪声模型参数的快速分数阶矩估计方法
CN111856465A (zh) * 2020-07-30 2020-10-30 电子科技大学 一种基于稀疏约束的前视海面目标角超分辨方法
CN113189561A (zh) * 2021-06-16 2021-07-30 中国人民解放军火箭军工程大学 一种海杂波参数估计方法、系统、设备及存储介质
CN113640793A (zh) * 2021-07-06 2021-11-12 南京理工大学 基于mrf的实孔径扫描雷达超分辨成像方法
CN113658163A (zh) * 2021-08-24 2021-11-16 王程 多级协作改进fcm的高分sar影像分割法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
CHAO BO 等: ""Over-the-horizon radar sea clutter suppression algorithm based on tensor decomposition"", 《2013 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATION AND COMPUTING (ICSPCC 2013)》, 31 December 2013 (2013-12-31), pages 1 - 4 *
KE TAN 等: ""A Super-Resolution Imaging Method for Real-Aperture Scanning Radar Based on MRF Prior Model"", 《2021 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM IGARSS》, 31 December 2021 (2021-12-31), pages 5079 - 5082 *
刘刚: ""海杂波背景下的小目标检测及其相关方法研究"", 《中国优秀硕士论文全文数据库》, 15 March 2020 (2020-03-15) *
李睿智: ""对海探测雷达精细化处理方法研究"", 《中国优秀硕士论文全文数据库》, 15 July 2023 (2023-07-15) *
苏卫民 等: ""多通道幅相误差对空域谱及分辨性能影响的分析"", 《自然科学进展》, 25 May 2001 (2001-05-25), pages 557 - 560 *
黄金: ""SAR图像超分辨率增强关键算法研究"", 《中国优秀硕士论文全文数据库》, 15 January 2020 (2020-01-15) *

Also Published As

Publication number Publication date
CN117420553B (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
US8193967B2 (en) Method and system for forming very low noise imagery using pixel classification
CN105974405B (zh) 基于幅度加权的探地雷达后向投影成像方法
US8665132B2 (en) System and method for iterative fourier side lobe reduction
CN111142105B (zh) 复杂运动目标isar成像方法
CN103487802B (zh) 扫描雷达角超分辨成像方法
CN105137408B (zh) 一种最优天线方向图选取的雷达角超分辨方法
CN106680817B (zh) 一种实现前视雷达高分辨成像的方法
Kang et al. Ground moving target imaging based on compressive sensing framework with single-channel SAR
CN109613532B (zh) 一种机载雷达实时多普勒波束锐化超分辨成像方法
CN106291543A (zh) 一种运动平台扫描雷达超分辨成像方法
Wacks et al. Passive synthetic aperture hitchhiker imaging of ground moving targets—Part 1: Image formation and velocity estimation
CN108226891B (zh) 一种扫描雷达回波计算方法
CN110148165B (zh) 一种基于粒子群优化的三维干涉isar图像配准方法
CN110208796B (zh) 基于奇异值逆滤波的扫描雷达超分辨成像方法
CN105699969A (zh) 基于广义高斯约束的最大后验估计角超分辨成像方法
CN106918810B (zh) 一种存在阵元幅相误差时的微波关联成像方法
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
CN110146881B (zh) 一种基于改进全变差的扫描雷达超分辨成像方法
Wu et al. TSVD with least squares optimization for scanning radar angular super-resolution
CN108226925A (zh) 一种适用于弹载大前斜视时变参数sar的重叠子孔径算法
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
Yang et al. A Bayesian angular superresolution method with lognormal constraint for sea-surface target
CN107783111B (zh) 一种基于最大熵准则的雷达前视超分辨成像方法
KR102185307B1 (ko) Sar 영상의 객체 응답 초해상도화 방법 및 객체 응답 초해상도화 장치
CN117420553B (zh) 一种针对海面目标扫描雷达的超分辨率成像方法

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
GR01 Patent grant
GR01 Patent grant