一种低信噪比ISAR成像运动补偿方法技术

本发明专利技术提供了一种低信噪比ISAR成像运动补偿方法，属于雷达信号处理领域。对于逆合成孔径雷达(ISAR)来说，在低信噪比情况下，其包络对齐、相位聚焦、目标运动参数估计等关键问题都无法解决。本发明专利技术方法将keystone变换应用于信号相干累积，并采用极大似然小波阈值去噪对雷达距离像去噪，可以达到较为精确的目标运动参数估计，获得了更好的运动补偿结果，可以在低信噪比下有效成像，具有推广应用的价值。

A Motion Compensation Method for ISAR Imaging with Low Signal-to-Noise Ratio

The invention provides a motion compensation method for ISAR imaging with low signal-to-noise ratio, which belongs to the field of radar signal processing. For inverse synthetic aperture radar (ISAR), the key problems such as envelope alignment, phase focusing and target motion parameter estimation can not be solved at low signal-to-noise ratio. The method of the invention applies keystone transform to coherent accumulation of signals and uses maximum likelihood wavelet threshold denoising to denoise radar range profile, which can achieve more accurate estimation of target motion parameters, obtain better motion compensation results, and can effectively image under low signal-to-noise ratio, and has the value of popularization and application.

【技术实现步骤摘要】
一种低信噪比ISAR成像运动补偿方法
本专利技术涉及一种低信噪比ISAR成像运动补偿方法，该方法可以应用于雷达信号处理的工程领域。
技术介绍
随着隐身技术、无人机等新技术的应用，逆合成孔径雷达(ISAR)将不可避免需要在低信噪比下成像，这将大大增加ISAR成像的难度。在高信噪比条件下，对平稳目标的运动补偿方法已经非常成熟了，常用包络对齐、相位自聚焦技术来实现。对于机动目标，由于回波相位具有高次项，运动补偿较为复杂，可以采用的方法有：高阶相位项参数估计实现运动补偿、修正的Keystone变换方法完成包络对齐、图像熵法实现相位自聚焦、联合自聚焦等。在低信噪比条件下机动目标的ISAR运动补偿问题更为复杂，现有的参数估计方法在低信噪比下性能有限，而基于熵的自聚焦方法会失效。Keystone变换是通过时间坐标线性变换的方法来实现包络对齐的一种常用方法，其优点在于其变换与噪声无关，缺点是插值运算量较大。keystone变换只能应用于匀速的情况，如果目标做机动飞行，可以认为目标在较短的时间内近似为匀速运动，所以可以在成像时间的不同分段中采用keystone变换来实现包络对齐。由于keystone不能消除相位中的高次项的影响，所以在keystone变换后还需相位聚焦。在信噪比不是很低的情况下，一种典型的方法是在keystone变换后，利用相邻几个距离像相干积累提高信噪比，然后利用包络相关法进行包络对齐，校正高次项的影响，最后利用自聚焦算法完成运动补偿。但是在信噪比较低的情况下，该方法无法进行相位自聚焦，所以需要提出新的方法来解决该问题。
技术实现思路
本专利技术旨在解决以上至少一个方面的技术问题，提供一种基于较为精确的ISAR成像运动补偿方法，得到了很好的补偿效果，在低信噪比ISAR成像等方面具有很好的应用前景。为达到上述技术目的，本专利技术采用以下技术方案：本专利技术提供的一种低信噪比ISAR成像运动补偿方法，包括如下步骤：步骤1.对目标回波信号的M*N维基带频域信号矩阵的前L行数据进行keystone变换，其中L为设定的整数值，M为回波脉冲数，N为每个回波脉冲的离散采样点数；步骤2.对keystone变换后的L*N维数据矩阵按行逆傅里叶变换得到对齐的L*N维目标距离像矩阵；步骤3.将上一步得到的L*N维距离像矩阵排列为一维向量；步骤4.将上一步生成的一维向量求模后进行极大似然阈值小波去噪；步骤5.将去噪后的一维向量重新恢复为L*N维的矩阵，将恢复后的L*N维矩阵的所有行相加，得到一个一维向量，并将该一维向量作为一个新的(M-L+1)*N维观测图像的第一行；步骤6.对基带频域信号矩阵的第2至第L+1行重复步骤1～5，直到得到完整的(M-L+1)*N维观测图像；步骤7.由上一步得到的(M-L+1)*N维观测图像通过相关法对齐，将观测图像的移位对齐量作为移位依据，将回波信号移位对齐。步骤8.在上一步得到的对齐的(M-L+1)*N维观测图像中，利用Hough变换分段检测目标的速度，通过不同段目标速度的估计值拟合出目标的初始速度估计值加速度估计值。利用初始速度估计值加速度估计值构造补偿函数补偿第7步包络对齐后的回波信号相位，即完成了相位聚焦。至此，完成了低信噪比ISAR成像运动补偿过程；在以上技术方案中，步骤2极大似然阈值小波去噪的方法具体包括：1)选取小波基函数对雷达距离像信号向量进行小波分解；2)根据雷达距离像信号的特征，选取基于极大似然估计阈值条件对分解后的小波系数进行收缩，所述雷达距离像信号向量小波去噪的阈值条件的表达式如下：其中：u是阈值函数的自变量，sign(.)为符号函数，max(.)为求取最大值函数，α为稀疏度控制参数，d是待处理信号的均方差，σ为噪声标准差。3)根据收缩后的小波系数进行信号重构。在以上技术方案中，步骤8所述补偿函数的表达式如下：其中，j为虚数符号，tm为慢时间，m表示第m个脉冲，c为光速，fc为雷达载波频率，为目标的初始速度估计值，为加速度估计值。本专利技术所取得的有益技术效果：1、本专利技术将keystone变换应用于信号相干累积，采用极大似然小波阈值去噪对雷达距离像去噪，可以获得较为精确的目标运动参数估计，能够达到更好的运动补偿效果；2、本专利技术采用极大似然小波阈值去噪方法对雷达距离像去噪，然后用包络相关法对数据进行包络对齐，对齐的精度较高，解决了传统包络相关法在低信噪比下无法对齐的问题；3、本专利技术对目标距离像执行了相干积累和去噪，比普通的相干积累法目标运动参数估计抗噪性能更好，目标运动参数估计更精确；4、本专利技术利用目标运动参数估计值构造出相位补偿函数，能进行精确相位补偿，进而解决了低信噪比下无法精确相位补偿的问题。附图说明图1为本专利技术具体实施例的方法流程图；图2为本专利技术具体实施例涉及的雷达距离像的概率密度函数和Hyvarinen稀疏分布概率密度函数的作图对比；图3为本专利技术具体实施例的方法验证时的仿真飞机模型；图4为仿真飞机模型在没有噪声时经过脉冲压缩后的距离像；图5为仿真飞机模型在有噪声时经过脉冲压缩后的距离像；图6为仿真飞机模型在有噪声时经过本专利技术方法去噪后的距离像；图7为仿真飞机模型根据本专利技术方法包络对齐后的距离像；图8为仿真飞机模型根据本专利技术方法的ISAR成像结果。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。图1为本专利技术具体实施例的方法流程图；图1示出了本专利技术的具体实施例，提供了一种低信噪比ISAR成像运动补偿的方法，包括以下步骤：步骤1.对目标回波信号的M*N维(其中M为回波脉冲数，N为每个回波脉冲的离散采样点数)基带频域信号矩阵的前L行数据进行keystone变换。其中L为设定的整数值，L的取值建议在30至100之间。L的取值主要考虑的因素在于：L值太小，则相干累积信噪比增益较低；L值太大，则目标的运动不能近似为匀速运动；具体实施时，可以包括以下环节：1)当ISAR发射宽带线性调频(LinearFrequencyModulated,LFM)脉冲串信号时，将ISAR接收到的目标回波信号混频，去除载频；2)混频后的信号对快时间进行傅里叶变换，得到基带频域信号。假设成像时间内接收了M个回波，每个回波采样点数为N点，则形成M*N维的基带频域信号矩阵。根据需求，选择基带频域信号矩阵的前L行，对该L行的数据进行keystone变换，则前L个回波包络走动被校正。步骤2.对keystone变换后的L*N维数据矩阵按行逆傅里叶变换得到对齐的L*N维目标距离像矩阵；步骤3.将上一步得到的L*N维距离像矩阵排列为一维向量，具体的排列方法为：将该矩阵的每一列取出首尾相接，形成一个一维向量；步骤4.将上一步生成的一维向量求模后进行极大似然阈值小波去噪；Hyvarinen在1999年提出了一种基于极大似然估计(MaximumLikelihoodEstimate，MLE)原理的“稀疏码收缩”方法来估计噪声条件下的非高斯数据，它要求非高斯变量服从稀疏分布，而稀疏分布的概率密度函数(probabilitydensityfunction，PDF)的特征是在零点有一个尖峰。该文献提出采用下式来表示稀疏分布的概率密度函数：其中：s是概率密度函数的本文档来自技高网...

【技术保护点】
1.一种低信噪比ISAR成像运动补偿方法，其特征在于，包括如下步骤：步骤1.对目标回波信号的M*N维基带频域信号矩阵的前L行数据进行keystone变换，其中L为设定的整数值，M为回波脉冲数，N为每个回波脉冲的离散采样点数；步骤2.对keystone变换后的L*N维数据矩阵按行逆傅里叶变换得到对齐的L*N维目标距离像矩阵；步骤3.将上一步得到的L*N维距离像矩阵排列为一维向量；步骤4.将上一步生成的一维向量求模后进行极大似然阈值小波去噪；步骤5.将去噪后的一维向量重新恢复为L*N维的矩阵；将恢复后的L*N维矩阵的所有行相加，得到一个一维向量，并将该一维向量作为一个新的(M‑L+1)*N维观测图像的第一行；步骤6.对基带频域信号矩阵的第2至第L+1行重复步骤1～5，直到得到完整的(M‑L+1)*N维观测图像；步骤7.由上一步得到的(M‑L+1)*N维观测图像通过相关法对齐，将观测图像的移位对齐量作为移位依据，将回波信号移位对齐；步骤8.在上一步得到的对齐的(M‑L+1)*N维观测图像中，利用Hough变换分段检测目标的速度，通过不同段目标速度的估计值拟合出目标的初始速度估计值

【技术特征摘要】
1.一种低信噪比ISAR成像运动补偿方法，其特征在于，包括如下步骤：步骤1.对目标回波信号的M*N维基带频域信号矩阵的前L行数据进行keystone变换，其中L为设定的整数值，M为回波脉冲数，N为每个回波脉冲的离散采样点数；步骤2.对keystone变换后的L*N维数据矩阵按行逆傅里叶变换得到对齐的L*N维目标距离像矩阵；步骤3.将上一步得到的L*N维距离像矩阵排列为一维向量；步骤4.将上一步生成的一维向量求模后进行极大似然阈值小波去噪；步骤5.将去噪后的一维向量重新恢复为L*N维的矩阵；将恢复后的L*N维矩阵的所有行相加，得到一个一维向量，并将该一维向量作为一个新的(M-L+1)*N维观测图像的第一行；步骤6.对基带频域信号矩阵的第2至第L+1行重复步骤1～5，直到得到完整的(M-L+1)*N维观测图像；步骤7.由上一步得到的(M-L+1)*N维观测图像通过相关法对齐，将观测图像的移位对齐量作为移位依据，将回波信号移位对齐；步骤8.在上一步得到的对齐的(M-L+1)*N维观测图像中，利用Hough变换分段检测目标的速度，通过不同段目标速度的估计值拟合出目标的初始速度估计值加速度估计值利用初始速度估计值加速度估计值构造补偿函数补偿第7步包络对齐后的回波信号相位，即完成了相位聚焦；至此，完成了低信噪比ISAR成像运动补偿过程。2.根据权利要求1所述的方法，其特征在于步骤2极大似然阈值小波去噪的方法具体包括：1)选取小波基函数对雷达距离像信号向量进行小波分解；2)根据雷达距离...

【专利技术属性】
技术研发人员：罗文茂，陈雪娇，顾艳华，姜敏敏，闫之烨，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：江苏,32