一种运动平台扫描雷达超分辨成像方法技术

技术编号:14363257 阅读:117 留言:0更新日期:2017-01-09 10:43
本发明专利技术公开了一种运动平台扫描雷达超分辨成像方法,针对现有技术实波束雷达方位角分辨率低的问题,本发明专利技术提供的方法将目标散射系数的最大后验概率密度函数值作为对目标散射系数的估计,在不同离散参数下,将不同目标统计特性和噪声统计特性分别用广义高斯分布和泊松分布来进行约束,进而将计算目标散射系数的反卷积问题转化为带有变量正则化项的正则化估计问题,最终利用共轭梯度算法实现正则化估计问题的求解,并将该求解方法转化为迭代运算,最终实现雷达角超分辨成像,解决了扫描成像模式下,方位向角分辨率低的问题。

【技术实现步骤摘要】

本专利技术属于雷达成像
,特别适用于实波束扫描雷达方位向角超分辨成像方法。
技术介绍
机载雷达前视高分辨成像的研究,对于军用和民用领域都有极大的意义。实现机载平台正前视高分辨成像,可解决在对敌方目标进行搜索、跟踪、识别、监视、定位以及飞机自主着陆、自主导航、对地探测、物资空投、海洋搜索等领域的应用需求。雷达前视高分辨成像要求图像在距离向和方位向同时具有高分辨率。距离向高分辨可通过发射大时宽带宽积的线性调频信号,然后对距离向回波进行脉冲压缩技术处理以实现距离向的高分辨。而对于前视雷达工作区域的方位向,由于平台与成像区域内目标相对运动产生的多普勒频率梯度几乎为零,导致无法利用现有的脉冲压缩技术实现方位向高分辨,只能得到扫描成像模式下目标实波束成像结果,无法实现雷达图像的高分辨。文献“S.M.ShermanandD.K.Barton,Monopulseprinciplesandtechniques.ArtechHouse,2011.”提出利用单脉冲技术的方法,能够对单目标实现方位向高分辨率,但是该方法不能区分在同一波瓣内的多目标。由于扫描雷达方位向信号可以看作是天线方向图与目标散射系数的卷积,因此可以通过解卷积的方法重建目标信息,文献“F.Prez-Martnez,J.Garcia-Fomiaya,andJ.CalvoGallego.Ashift-and-convolutiontechniqueforhigh-resolutionradarimages.SensorsJournal,IEEE,vol.5,no.5,pp.1090-1098,2005”提出了一种移动卷积(shift-and-convolution)技术,适用于单通道实波束的高分辨雷达成像。但是这种方法需要足够高的距离分辨率,而且不能在本质上提高方位分辨率。文献“ZhouDaolin;HuangYulin;YangJianyu,\RadarangularsuperresolutionalgorithmbasedonBayesianapproach,\inSignalProcessing(ICSP),2010IEEE10thInternationalConferenceon,vol.,no.,pp.1894-1897,24-28Oct.2010”提出了一种基于最大似然框架下的迭代算法来恢复目标位置信息,从而获得角超分辨。这种方法迭代收敛速度快且计算量小,但分辨率提高有限。
技术实现思路
本专利技术的目的是针对实波束雷达方位分辨率低,以及
技术介绍
存在的缺陷,提出了一种基于泊松分布的最大后验概率估计角超分辨成像方法;突破了雷达系统参数对雷达成像角分辨率的制约,并实现方位向超分辨成像;通过参数设置可应用于不同场景,并较常规方法提高了方位向超分辨成像精度。本专利技术的技术方案为:一种运动平台扫描雷达超分辨成像方法,包括:S1、系统参数初始化,包括:发射信号的载频为f0,脉冲重复时间为PRI的线性调频信号;波束俯仰角为θ;目标方位角为φ;载机的速度为V;载机平台与场景中位于(x,y)点处目标的距离,记为R(t);设场景目标到雷达的初始斜距为R0;雷达在在扫描过程中的方位向时间,记为t;经过时间t,目标到载机平台的瞬时斜距可以表示为实波束扫描雷达成像区域的方位时间向量记为Ta=[-PRI·N/2,-PRI·(N/2-1),…,PRI·(N/2-1)];距离时间向量记为Tr=[-1/fr·M/2,-1/fr·(M/2-1),…,1/fr·(M/2-1)],其中,fr为距离向采样率;S2、回波数据距离向脉冲压缩,构造距离向脉压参考信号sref,将回波信号在距离向进行FFT变换到频域再与距离向脉压参考信号sref的频谱相乘,然后反变换到二维时域中,得到距离向脉冲压缩后的回波数据;S3、距离走动校正,在一个波束扫描驻留时间内距离走动量ΔR小于或等于距离分辨单元Δr时,转至步骤S4;否则,对步骤S2得到的回波数据进行尺度变换,然后在频域上乘以相位补偿因子,最后再进行距离向上的反变换得到回波的时域函数;S4、建立扫描雷达方位向回波模型,将步骤S3得到的时域函数转化为矩阵与向量的形式;s=Wσ+n;其中,σ=[σ(1,1),σ(1,2),…,σ(1,K),…,σ(N,K)]T是一个NK×1维的目标散射系数向量,n是一个NM×1维的噪声向量;N表示接收信号在距离向的采样点数,M表示接收信号在方位向的采样点数,σ(N,K)表示原始目标散射系数矩阵中第N行第K列的未知目标的幅度值;W是一个NM×NK维矩阵,[*]T表示转置运算;S5、泊松约束下最大后验概率估计的反卷积求解,根据步骤四得到的回波矩阵,以及贝叶斯定理,利用最大后验概率准则对目标场景中目标散射系数进行估计,实现雷达角超分辨成像。进一步地,所述步骤S2之前还包括:A1、设发射线性调频信号为S(τ)=rect(τTr)·exp(j2πf0τ+jπKrτ2),]]>其中,rect(·)代表距离向脉冲矩形包络,其定义为τ为距离向时间变量,Tr是脉冲时宽,Kr为调频斜率,f0为载频;A2、对接收回波进行离散化处理,对于成像区域Ω,回波信号经过下变频后的解析表达式可以写成:s(t,τ)=Σ(x,y)∈Ωσ(x,y)·wa(t)·rect(τ-2R(t)c)·exp{-j4πf0R(t)c本文档来自技高网
...
一种运动平台扫描雷达超分辨成像方法

【技术保护点】
一种运动平台扫描雷达超分辨成像方法,其特征在于,包括:S1、系统参数初始化,包括:发射信号的载频为f0,脉冲重复时间为PRI的线性调频信号;波束俯仰角为θ;目标方位角为φ;载机的速度为V;载机平台与场景中位于(x,y)点处目标的距离,记为R(t);设场景目标到雷达的初始斜距为R0;雷达在在扫描过程中的方位向时间,记为t;经过时间t,目标到载机平台的瞬时斜距可以表示为实波束扫描雷达成像区域的方位时间向量记为Ta=[‑PRI·N/2,‑PRI·(N/2‑1),…,PRI·(N/2‑1)];距离时间向量记为Tr=[‑1/fr·M/2,‑1/fr·(M/2‑1),…,1/fr·(M/2‑1)],其中,fr为距离向采样率;S2、回波数据距离向脉冲压缩,构造距离向脉压参考信号sref,将回波信号在距离向进行FFT变换到频域再与距离向脉压参考信号sref的频谱相乘,然后反变换到二维时域中,得到距离向脉冲压缩后的回波数据;S3、距离走动校正,在一个波束扫描驻留时间内距离走动量ΔR小于或等于距离分辨单元Δr时,转至步骤S4;否则,对步骤S2得到的回波数据进行尺度变换,然后在频域上乘以相位补偿因子,最后再进行距离向上的反变换得到回波的时域函数;S4、建立扫描雷达方位向回波模型,将步骤S3得到的时域函数转化为矩阵与向量的形式;s=Wσ+n;其中,σ=[σ(1,1),σ(1,2),…,σ(1,K),…,σ(N,K)]T是一个NK×1维的目标散射系数向量,n是一个NM×1维的噪声向量;N表示接收信号在距离向的采样点数,M表示接收信号在方位向的采样点数,σ(N,K)表示原始目标散射系数矩阵中第N行第K列的未知目标的幅度值;W是一个NM×NK维矩阵,[*]T表示转置运算;S5、泊松约束下最大后验概率估计的反卷积求解,根据步骤S4得到的回波矩阵,以及贝叶斯定理,利用最大后验概率准则对目标场景中目标散射系数进行估计,实现雷达角超分辨成像。...

【技术特征摘要】
1.一种运动平台扫描雷达超分辨成像方法,其特征在于,包括:S1、系统参数初始化,包括:发射信号的载频为f0,脉冲重复时间为PRI的线性调频信号;波束俯仰角为θ;目标方位角为φ;载机的速度为V;载机平台与场景中位于(x,y)点处目标的距离,记为R(t);设场景目标到雷达的初始斜距为R0;雷达在在扫描过程中的方位向时间,记为t;经过时间t,目标到载机平台的瞬时斜距可以表示为实波束扫描雷达成像区域的方位时间向量记为Ta=[-PRI·N/2,-PRI·(N/2-1),…,PRI·(N/2-1)];距离时间向量记为Tr=[-1/fr·M/2,-1/fr·(M/2-1),…,1/fr·(M/2-1)],其中,fr为距离向采样率;S2、回波数据距离向脉冲压缩,构造距离向脉压参考信号sref,将回波信号在距离向进行FFT变换到频域再与距离向脉压参考信号sref的频谱相乘,然后反变换到二维时域中,得到距离向脉冲压缩后的回波数据;S3、距离走动校正,在一个波束扫描驻留时间内距离走动量ΔR小于或等于距离分辨单元Δr时,转至步骤S4;否则,对步骤S2得到的回波数据进行尺度变换,然后在频域上乘以相位补偿因子,最后再进行距离向上的反变换得到回波的时域函数;S4、建立扫描雷达方位向回波模型,将步骤S3得到的时域函数转化为矩阵与向量的形式;s=Wσ+n;其中,σ=[σ(1,1)...

【专利技术属性】
技术研发人员:张寅李昌林彭磊张兴明毛德庆吴阳张永超黄钰林杨建宇
申请(专利权)人:电子科技大学
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1