一种基于最小图像熵的SAR运动目标成像方法技术

本发明专利技术提供了一种基于最小图像熵的SAR运动目标成像方法。技术特征在于：首先对SAR回波数据，利用RMA算法进行成像处理，得到观测场景的SAR复图像，其次提取包含运动目标的子图像数据，记为ROI数据，然后构建相位误差的补偿函数，以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化求解问题。最后通过搜索寻优，获取熵值最小的成像处理结果，即为最终的运动目标成像结果。该方法能够利用少量的回波数据实现SAR运动目标成像处理，从而为运动目标的准确识别提供重要的信息。

A method of SAR moving target imaging based on minimum image entropy

【技术实现步骤摘要】
一种基于最小图像熵的SAR运动目标成像方法
本专利技术涉及遥感和雷达成像
，尤其涉及一种SAR运动目标成像方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)可实现全天候、全天时、高增益的地面静止目标成像。然而在很多军事应用情况下，观测场景中不仅存在静止目标，也存在一些运动目标。传统的SAR不具备对运动目标的检测与成像能力，运动目标只能以散焦的形式叠加在静止目标图像上。利用SAR系统获取运动目标检测与成像的结果已成为当前军事和民用领域研究热点。利用SAR进行运动目标成像主要需要解决两个问题：1)去除地杂波的干扰；2)补偿由于目标运动导致的相位误差。相对而言，观测场景中的运动目标回波信号具有较强的反射特性，但是在原始数据域的信杂比还是较低的。一些杂波抑制技术，例如DPCA和ATI被广泛应用。然而这些技术需要多个接收通道数据进行联合处理。已有学者提出一种基于单通道的运动目标成像方法。该方法利用散焦的运动目标复图像，又称之为感兴趣(RegionofIntrest，ROI)数据，进行运动目标重新聚焦成像处理的输入数据。这样能够有效抑制大部分背景杂波，并且大幅降低需要处理的数据量。针对目标运动所引起的相位误差问题，现有的处理方法大致可以分为两类：非参数化方法和参数化方法。非参数化方法如相位梯度自聚焦(Phasegradientautofocus,PGA)，ShearAveraging等。这一类方法对于目标信号相位误差没有做出任何参数化的模型假设，直接通过优化算法估计目标信号的相位误差，因此需要求解的变量较多，算法较为复杂。参数化方法是将目标回波相位误差建模为确定参数的变量，将相位误差估计问题转化为少量参数的估计问题。这一类方法大多是通过多普勒分析估计出回波Doppler频偏和调频率，进而得到目标参数。因此研究SAR运动目标成像方法对于SAR动目标成像与检测技术的发展具有重要意义。
技术实现思路
(一)要解决的技术问题为解决上述的问题，本专利技术基于最小图像熵准则，提供了一种适合SAR系统的运动目标成像方法。(二)技术方案本专利技术的方法包括：步骤A：对于SAR回波数据利用距离走动算法(RangeMigrationAlgorithm,RMA)算法进行成像处理，得到观测场景的SAR复图像sRMA(t,ts)；步骤B：基于SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为步骤C：构建相位误差的补偿函数以最小图像熵为准则，将ROI数据成像处理过程转化为最优化求解问题；步骤D：通过搜索寻优，获取熵值最小的自聚焦成像结果，即为最终的运动目标成像结果。(三)有益效果从上述技术方案可以看出，本专利技术SAR运动目标成像方法中，针对SAR系统运动目标成像数据量过大和现有算法较为复杂问题，提出了基于最小图像熵的SAR运动目标成像方法，首先对SAR回波数据，利用RMA算法进行成像处理，得到观测场景的SAR复图像。其次提取包含运动目标的子图像数据，记为ROI数据。然后构建相位误差的补偿函数，以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化问题。最后通过搜索寻优，获取熵值最小的自聚焦成像结果，即为最终的成像结果。附图说明图1为本专利技术实施例所采用的雷达天线及其与运动目标的几何关系图；图2为基于最小图像熵的SAR运动目标成像方法的流程图；图3为星载SAR回波数据RMA算法直接成像处理结果图；图4为所提算法成像处理结果图，其中：图4A所示的是图像熵值搜索曲线；图4B是运动目标的成像结果。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属
中普通技术人员所知的形式。本专利技术提供了一种基于最小图像熵的SAR运动目标成像方法，在大幅降低SAR系统数据量的情况下获得准确的运动目标成像结果，为运动目标的准确识别提供了信息。为了方便理解，首先对观测模型进行详细说明。本文考虑传统单天线SAR系统，工作模式为正侧视条带式，SAR平台与观测场景2维示意图如图1所示。假定SAR装载在卫星平台上，并沿着X轴以速度V做匀速直线飞行。设定观测场景中有一运动目标P，径向速度分量记为vr(以远离SAR平台飞行轨迹方向为正方向)，方位向速度分量记为vx(以SAR平台速度方向为正方向)。在本专利技术的一个示例性实施例中，提供了一种基于最小图像熵的运动目标成像方法。如图2所示，本实施例方法包括：步骤A：对于SAR回波数据利用RMA算法进行成像处理，得到观测场景的SAR复图像sRMA(t,ts)；其中，该步骤又可以分为以下子步骤：子步骤A1：获得观测场景的SAR去载频之后的回波信号sr(t,ts)；SAR平台以“走-停”模式发射并接收回波信号，脉冲重复频率记为PRF，平台运行速度为V。目标P处于SAR平台正侧方时坐标为(x0,r0)，其中x0表示方位向坐标，r0表示距离向坐标。当前时刻为慢时间ts零点，即ts＝0，运动目标到雷达的瞬时距离为：为了不失一般性，采用线性调频信号作为SAR发射信号，那么去载频之后的运动目标回波可以表示为：其中，t为快时间，Tp表示脉冲宽度，Ta表示有效孔径时宽，σ表示目标点的散射系数，fc表示中心载频，γ表示调频率，c表示电磁波传播速度。子步骤A2：对回波信号sr(t,ts)利用RMA算法进行成像处理，得到成像结果sRMA(t,ts)；其中，Wr(·)和Wa(·)分别表示距离和方位向包络函数。δ＝x0(V-vx)-r0vr，并且步骤B：基于SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为公式(3)表示观测场景的SAR复图像，其中包含运动目标部分的子图像记为感兴趣(ROI)数据。下面主要针对ROI数据进行运动目标成像处理。将提取出的ROI数据记为其中，和分别表示ROI数据在距离和方位向的时域序列。步骤C：构建相位误差的补偿函数以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化求解问题；子步骤C1：根据的二维频域表示形式，构造剩余相位误差的补偿函数；根据公式(5)，计算得到ROI数据的二维频域表达式为其中，和分别表示ROI数据在距离和方位向的频率表示。为了获得聚焦的运动目标成像结果，需要补偿ROI数据中的相位误差。因此剩余相位误差的补偿函数可写为其中，Rref是参考距离，α是需要估计的相位补偿参数，具体的表达式为子步骤C2：给定一个相位补偿参数α，ROI复图像数据的误差补偿与成像过程可用如下公式表示其中，表示Hadamard乘积，Ψ和本文档来自技高网...

【技术保护点】
1.一种基于最小图像熵的SAR运动目标成像方法，其特征在于，包括：/n步骤A：对于SAR回波数据利用RMA算法进行成像处理，得到观测场景的SAR复图像s

【技术特征摘要】
1.一种基于最小图像熵的SAR运动目标成像方法，其特征在于，包括：
步骤A：对于SAR回波数据利用RMA算法进行成像处理，得到观测场景的SAR复图像sRMA(t,ts)；
步骤B：基于SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为
步骤C：构建相位误差的补偿函数以最小图像熵为准则，将ROI数据自聚焦成像过程转化为最优化求解问题；
步骤D：通过搜索寻优，获取熵值最小的自聚焦成像结果，即为最终的运动目标成像结果。


2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：
子步骤A1：获得观测场景的SAR去载频之后的回波信号sr(t,ts)；
子步骤A2：对回波信号sr(t,ts)利用RMA算法进行成像处理，得到成像结果sRMA(t,ts)。


3.根据权利要求1所述的方法，其特征在于，所述步骤B中对观测场景的SAR复图像sRMA(t,ts)，提取包含运动目标的子图像数据，又称为ROI数据，记为其表达式为：



其中，和分别表示ROI数据在距离和方位向的时域序列，σ表示运动目标点的散射系数，Wr(·)和Wa(·)分别表示距离和方位向包络函数。为运动目标到雷达的瞬时距离。δ＝x0(V-vx)-r0vr，V为卫星的在轨运行速度，vr为运动目标距离向的速度，vx为运动目标...

【专利技术属性】
技术研发人员：顾福飞，李红艳，傅敏辉，黄虹伟，郭才发，王旭良，戴正旭，
申请(专利权)人：中国人民解放军六三六八六部队，
类型：发明
国别省市：江苏;32