本发明属于雷达技术领域,特别涉及一种高分宽幅sar体制下的动目标检测与成像技术,即gmti技术。
背景技术:
高分宽幅sar(hrws,highresolutionwideswath,高分宽幅;sar,syntheticapertureradar,合成孔径雷达)是一种可以同时获取高分辨率和宽测绘带的sar成像技术,可以应用到土地规划、海洋监测、地图绘制等要求大面积高精度的成像中。高分宽幅下的动目标成像可以应用到交通运输中检测车辆及战场侦察信息等,具有重要作用。其中,动目标速度的准确估计是其高质量成像的关键前提,因此构建高性能的动目标速度估计方法及在此基础上的动目标成像是hrwssar成像应用的重要基础。
目前已公开发表的hrwssar动目标成像相关论文中,最具有代表性的包括baumgartner总结hrws条件下利用穷举搜索法来估计动目标速度(见文献1:baumgartnersv,kriegerg.simultaneoushigh-resolutionwide-swathsarimagingandgroundmovingtargetindication:processingapproachesandsystemconcepts[j].ieeejournalofselectedtopicsinappliedearthobservationsandremotesensing,2015,8(11):5015-5029.);shuangxi-zhang等人提出在方位多通道条件下,基于最小熵的方法来估计动目标速度(见文献2:zhangsx,xingmd,xiaxg,etal.anovelmovingtargetimagingalgorithmforhrwssarbasedonlocalmaximum-likelihoodminimumentropy[j].ieeetransactionsongeoscienceandremotesensing,2014,52(9):5333-5348.);xiangyuwang进一步总结了穷举法估计动目标速度的应用(见文献3:wangx,wangr,lin,etal.avelocityestimationmethodofmovingtargetforsarhigh-resolutonwide-swathmode[c]//geoscienceandremotesensingsymposium(igarss),2016ieeeinternational.ieee,2016:6819-6822.)。然而,上述动目标速度估计方法中,穷举法需要对每一个假设的动目标速度,完成后续处理看最优检测结果,存在很多冗余的处理步骤,导致运算量大,而且因为假设的速度有限,可能导致估计精度低;而另一类基于最小熵的方法,由于需要用最优化的方法搜索满足最小熵的最优解,算法的运算量也很大,为
技术实现要素:
本发明为克服现有hrwssar动目标成像中动目标速度估计方法运算量大的不足,而且弥补现有方法一般只能估计动目标距离向速度的缺陷,抑制了动目标方位向速度对成像结果的影响;通过将吕氏分布(lvd)方法应用到hrwssar动目标成像中,可以高效估计动目标距离向和方位向速度,利用估计得到的动目标速度信息结合多通道处理方法得到高分辨率动目标成像。
本发明采用的技术方案是:一种高分宽幅sar动目标速度估计与成像方法,包括:
s1、初始化方位多通道系统参数,通过仿真得到多通道回波数据;
所述初始化方位多通道系统参数具体为:发射信号脉冲宽度,记为tr;系统脉冲重复频率,记为prf;信号采样频率,记为fs;通道数为n,n为偶数;发射信号带宽,记为br;信号多普勒带宽为bdop;平台速度为vs;发射信号波长,记为λ;通道间隔为d;雷达中心频率,记为f0;
根据初始化的方位多通道系统参数,通过仿真得到n个通道回波数据;所述每个通道回波数据均为na×nr维的矩阵;na,nr分别为方位向和距离向采样点数;
s2、将步骤s1得到的各通道的回波数据,分别进行距离压缩,得到各通道压缩后的回波数据;
s3、将步骤s2得到各通道回波数据进行两两校准,得到各个通道校准后的回波数据;
s4、对步骤s3得到的各通道校准后的回波数据抑制杂波,得到n/2组回波数据;
s5、选取一组步骤s4得到的回波数据,通过吕氏分布方法,估计动目标速度;
s6、根据步骤s5得到动目标速度,对s4杂波抑制后的数据,进行多通道重建、抑制动目标方位模糊,得到方位模糊抑制后的数据;
s7、根据步骤s6得到的方位模糊抑制后的数据,以及步骤s5估计的动目标速度,实现动目标聚焦成像。
进一步地,步骤s1所述单个通道的回波数据表达式为:
se,i(τ,t)=aexp{-j4πf0ri(t)/c}exp{jπkr(τ-2ri(t)/c)2},i=1,…,n;
其中,a是复系数;i表示通道序号;τ,t分别为距离快时间和方位慢时间;c为电磁波速度;kr=br/tr为距离调频斜率;j为虚数单位。
进一步地,所述步骤s2具体为:首先利用傅里叶变换将各通道回波数据逐行变换到距离频域;然后构建参考函数,并将该参考函数变换到频域;将各通道变换到距离频域的回波数据与变换到频域的参考函数相乘,最后经反傅里叶变换得到n个通道各自距离压缩后的回波数据。
进一步地,所述步骤s3具体为:将步骤s2得到的各通道回波数据进行方位傅里叶变换,根据傅里叶变换的时移性质,构建时延式,将变换到方位频域的各通道回波数据乘以时延式,得到各通道两两校准后的回波数据。
更进一步地,所述时延式为:
exp{-j2πfd/2/vs};
其中,d/2是通道间隔,f表示方位向频率,vs是平台速度。
进一步地,所述步骤s4具体为:对步骤s3得到的各通道校准后的回波数据,进行方位向和距离向离散采样,得到每个通道采样信号
其中,a,r分别表示方位向和距离向采样单元序号,r=1,...,nr,a=1,...,na;
分别选取待估计距离门的相邻l个距离门的数据作为样本,得到像素点(a,r)位置的杂波协方差矩阵r(a,r);
其中,上标h表示共轭转置;
根据计算得到的杂波协方差矩阵,得到像素点(a,r)位置的权矢量w(a,r);
其中,
根据计算出的权矢量,对像素点(a,r)位置的采样信号
进一步地,所述步骤s5具体为:
选取一组步骤s4得到的杂波抑制后的回波数据,根据吕氏分布方法,得到位于
其中,a表示信号
根据fd和γd值,求解出动目标速度信息v=(vr,va)
其中,vr表示动目标距离向速度,va表示动目标方位向速度,(x,y)为动目标初始位置,x0为场景中心到平台轨迹中心的水平距离。
进一步地,所述步骤s6具体为:根据步骤s5得到的动目标距离向速度,计算动目标的多普勒频率;
其中,fa(-prf/2<fa<prf/2)是单通道模糊的方位向频率,b(=0,1,2)是划分的多普勒频带标号,prf为脉冲重复频率,λ为波长,n是通道数,round表示取整;
然后构建多通道传递函数矩阵h(f),
其中,n表示通道数,f为方位频率;
对多通道传递函数矩阵h(f)求逆得到重建矩阵p(f),
p(f)=h-1(f);
将杂波抑制后的数据sstap沿方位向进行隔位补零,并变换到方位频域得到
其中,
更进一步地,所述传递函数矩阵h(f)中的第(x,y)个元素hx,y通过下式计算得到:
其中,dy表示第y个通道和参考通道之间的间隔,y=1,..,n,fx=f+(x-1)prf,x=1,..,n。
进一步地,所述步骤s7具体包括:根据步骤s5得到的动目标距离向和方位向速度;计算得到动目标在整个合成孔径时间内的运动轨迹;
根据计算得到的运动轨迹结合平台的运动轨迹得到动目标的斜距史;
根据动目标的斜距史以及步骤s6得到的数据,采用bp成像方法对动目标进行聚焦成像。
本发明的有益效果:本发明的一种高分宽幅sar动目标速度估计与成像方法,将lvd方法应用在高分宽幅sar条件下,进行动目标速度估计,利用估计得到的动目标距离向速度进行重建,抑制动目标方位模糊;利用估计得到的动目标距离向和方位向速度改进成像方法,抑制动目标成像方位散焦,最终得到聚焦效果更好的动目标成像;并且本申请只需要杂波抑制后的单个通道数据就可以估计动目标速度,有效提高了处理效率,大大减少了运算量。
附图说明
图1为本发明的处理流程框图。
图2为本发明实施例提供的经本申请方法处理得到的杂波抑制结果示意图;
其中,图2(a)为杂波抑制前,图2(b)为杂波抑制后。
图3为本发明实施例提供的经本申请方法处理获取的动目标二维成像结果示意图;
其中,图3(a)为成像结果散焦;图3(b)为重聚焦成像结果。
图4为本发明实施例提供的经本申请方法处理得到的动目标成像结果剖面图;
其中,图4(a)为成像结果散焦;图4(b)为重聚焦成像结果。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
为了方便描述本发明的内容,首先作以下术语定义:
定义1、hrws多通道模型动目标斜距
第i个通道在方位慢时间tm时刻斜距为
其中,r0是最短斜距,vr是动目标距离向速度,vs是平台速度,di是第i个通道与参考通道的间隔。
定义2、空时自适应处理(stap)方法
stap处理过程可以表示为:
sstap(a,r)=wh(a,r)sr(a,r)(2)
其中,w(a,r)为权矢量,sr为距离压缩后的数据,a,r分别表示距离向和方位向采样单元序号,sr(a,r)表示多个通道在像素点(a,r)的采样信号组成的向量最优权矢量w(a,r)由下式计算:
其中,
杂波协方差矩阵需要从多个距离门样本中估计得到,像素点(a,r)位置的杂波协方差矩阵r(a,r)估计式如下
其中,l为距离门样本数。
定义3、吕氏分布lvd方法
lvd估计的表达式可以表示为
其中,ak表示幅值,q是一个恒定的时延参数,h为一个标量因子,为了使得估计的值
其中,(x,y)为动目标初始位置,x0为场景中心到平台轨迹中心的水平距离。
具体的吕氏分布可参考文献“lvx,big,wanc,etal.lv'sdistribution:principle,implementation,properties,andperformance[j].ieeetransactionsonsignalprocessing,2011,59(8):3576-3591.”
定义4、动目标多普勒频率偏移
动目标重建的方位频率为
其中,fa(-prf/2<fa<prf/2)是单通道模糊的方位向频率,b(=0,1,2)是划分的多普勒频带,prf为脉冲重复频率,λ为波长,n是通道数,round表示取整。
定义5、多通道重建
多通道重建矩阵为p(f)=h-1(f),其中h(f)为传递函数矩阵,形式如下
其中,n表示通道数,f为方位频率,传递函数矩阵h(f)中的第(x,y)个元素hx,y通过下式计算:
其中,fx=f+(x-1)prf,x=1,..,n,y=1,..,n,dy表示第y个通道和参考通道之间的间隔,各个通道间隔同为d,则三通道的间隔关系为d=(0,d,2d)。
如图1所示为本发明方法的流程图,本发明的技术方案为:一种高分宽幅sar动目标速度估计与成像方法,包括:
s1、初始化方位多通道系统参数,通过仿真得到多通道回波数据;
初始化方位多通道系统参数包括:发射信号脉冲宽度,记为tr;系统脉冲重复频率,记为prf;信号采样频率,记为fs;通道数为n;发射信号带宽,记为br;信号多普勒带宽为bdop;平台速度为vs;发射信号波长,记为λ;通道间隔为d;雷达中心频率,记为f0。
通过仿真得到n个通道各自的回波数据为:
se,i(τ,t)=aexp{-j4πf0ri(t)/c}exp{jπkr(τ-2ri(t)/c)2},
其中,a是复系数;i表示通道序号,i=1,…,n;τ,t分别为距离快时间和方位慢时间;c为电磁波速度;kr=br/tr为距离调频斜率;j为虚数单位,
其中,na,nr分别为方位向和距离向采样点数。
s2、距离压缩
将步骤s1中得到的各通道回波数据se,i(τ,t),首先逐行变换到距离频域,然后构建参考函数
sr,i(τ,t)=aexp{-j4πf0r(t)/c}。
s3、通道配准
对步骤s2得到的距离压缩结果sr(τ,t)进行傅里叶变换(fft)得到方位频域数据,然后利用傅里叶变换时移性质,构建时延式exp{-j2πfd/2/vs},
其中,d/2是通道间隔,f表示方位向频率,vs是平台速度。
将变换到方位频域的n/2个通道的回波数据和时延式相乘得到两两校准后的n个通道的距离压缩数据
s4、stap技术抑制杂波
对步骤s3得到的各通道校准后的回波数据,进行方位向和距离向离散采样,得到每个通道采样信号
其中,上标h表示共轭转置;
然后参考式(3)相应求出像素点(a,r)位置的权矢量w(a,r),
参考式(2)对配准后的两通道数据进行线性滤波得到杂波抑制后的结果sstap(a,r),
因为这里是分别对n/2组配准的数据进行杂波抑制,所以最终会得到杂波抑制后的数据为sstap,k,k=1,…,n/2。
s5、lvd方法估计动目标速度
选取一组步骤s4得到的杂波抑制后的数据,参考式(5)进行lvd变换处理,得到位于
其中,a表示信号
可以通过图像中的位置确定信号的fd和γd值,结合式(7)即可求解出动目标速度信息v=(vr,va)。
s6、多通道重建抑制动目标方位模糊
利用步骤s5估计的动目标速度vr,参考式(8)计算出定义4中动目标的多普勒频率fa,b,
然后参考式(9)构建多通道传递函数矩阵h(f),
对多通道传递函数矩阵h(f)求逆得到重建矩阵p(f),p(f)=h-1(f)
将步骤s4得到的杂波抑制后的数据sstap沿方位向进行隔位补零并变换到方位频域得到
其中,
s7、抑制动目标方位散焦得到高分辨成像
对步骤s6得到的重建数据做成像处理,首先根据步骤s5利用lvd方法估计得到的动目标速度v=(vr,va),计算出动目标在整个合成孔径时间内的运动轨迹ptar(t)=vt,结合平台的运动轨迹ps(t)即可准确得到动目标的斜距史r(t)=|ps(t)-ptar(t)|,最后利用bp成像方法对动目标进行聚焦成像。
如图2(a)所示,杂波抑制前动目标信息淹没在杂波中无法识别,如图2(b)所示,对配准后的数据进行stap杂波抑制,杂波抑制后得到的动目标距离压缩结果,说明杂波已被有效抑制。图3(a)反映了动目标方位向速度对成像结果方位散焦的影响,如图4(a)中实线所示,传统动目标估计方法忽略了动目标方位向速度,直接成像导致最终的重建结果模糊抑制效果变差,成像方位向散焦。本发明的方法在利用lvd方法估计出动目标的两个方向的速度后,首先是利用距离向速度来重建抑制方位向模糊,然后在聚焦成像时结合动目标速度v=(vr,va)通过步骤s7得到完全聚焦的成像,对比结果如图3(b)以及图4(b)所示剖面结果,可以看到聚焦后动目标方位散焦被抑制。
现有hrwssar动目标成像中,动目标速度估计方法主要是穷举法和最小熵估计的方法。穷举法需要假设动目标速度,完成后续处理后看检测效果,再假设动目标速度如此循环取最终检测效果最好的情况,运算量大且估计精度较低;而最小熵方法运算量为
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。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。