基于雷达的目标物体成像的方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种基于雷达的目标物体成像的方法、装置、设备和存储介质，通过获取多个慢时间单元分别对应的观测数据，观测数据由目标物体的回波数据依次经过距离压缩处理和平动补偿处理得到的；依据目标物体的回波数据的慢时间顺序，对所有观测数据进行卡尔曼滤波处理，得到目标物体的图像。充分考虑了目标物体的旋转对于成像的影响，得到的观测数据更加准确，进一步地，得到的目标物体的图像分辨率更高。另外，可以应用于短观测孔径内的目标物体的成像。再有，在噪声背景下，也可以获得聚焦良好的目标物体的图像。好的目标物体的图像。好的目标物体的图像。

【技术实现步骤摘要】
基于雷达的目标物体成像的方法、装置、设备和存储介质


[0001]本专利技术属于雷达
，具体涉及基于雷达的目标物体成像的方法、装置、设备和存储介质。

技术介绍

[0002]在雷达领域，例如，逆合成孔径雷达(Inverse
‑
Synthetic
‑
Aperture
‑
Radar，简称ISAR)领域，ISAR是不同于传统雷达的一种高分辨成像雷达，能够全天候、全天时、远距离获得运动目标物体，例如，飞机、舰船和导弹等进行观察，从而得到目标物体的图像，具有重要的军用和民用价值。
[0003]现有的得到目标物体的图像的方法一般使用的重聚焦方法，可以大致分为两类：自聚焦算法和基于参数估计的算法。自聚焦算法是一种估计和消除未聚焦目标相位误差的方法，广泛应用于ISAR和SAR领域，但是大部分自聚焦算法都有约束条件，比如典型的相位梯度自聚焦算法要求直线航迹和图像中存在特显点；基于参数估计的算法常用运动参数进行舰船重建，这类算法广泛应用于地面运动目标的重建。
[0004]然而，图像质量的高低依赖于参数估计的准确度，使得图像分辨率不高，图像质量不高。

技术实现思路

[0005]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于雷达的目标物体成像的方法、装置、设备和存储介质。本专利技术要解决的技术问题通过以下技术方案实现：
[0006]第一方面，本专利技术提供一种基于雷达的目标物体成像的方法，包括：
[0007]获取多个慢时间单元分别对应的观测数据，所述观测数据由目标物体的回波数据依次经过距离压缩处理和平动补偿处理得到的；
[0008]依据所述目标物体的回波数据的慢时间顺序，对所有观测数据进行卡尔曼滤波处理，得到所述目标物体的图像。
[0009]可选的，所述依据所述目标物体的回波数据的慢时间顺序，对所有观测数据进行卡尔曼滤波处理，得到所述目标物体的图像，包括：
[0010]依据获取所述目标物体的回波数据的慢时间顺序，根据当前慢时间单元的前一个慢时间单元的更新图像，得到当前慢时间单元对应的预测图像和预测协方差矩阵；根据所述预测协方差矩阵和观测噪声，得到卡尔曼增益；根据卡尔曼增益和所述当前慢时间单元对应的预测图像和所述当前慢时间单元对应的观测数据，得到当前慢时间单元对应的更新图像；直到达到最后一个慢时间单元，确定所述目标物体的图像为最后一个慢时间单元对应的更新图像。
[0011]可选的，所述根据当前慢时间单元的前一个慢时间单元的图像，得到当前慢时间单元对应的预测图像和预测协方差矩阵，包括：
[0012]根据如下公式得到当前慢时间单元对应的预测图像：
[0013][0014]其中，为第m个慢时间单元对应的预测图像，A为转换矩阵，为第m
‑
1个慢时间单元对应的更新图像；
[0015]根据如下公式得到当前慢时间单元对应的预测协方差矩阵：
[0016][0017]其中，为第m个慢时间单元对应的预测协方差矩阵，A为转换矩阵，为第m
‑
1个慢时间单元对应的更新协方差矩阵，Q
m
‑1为第m
‑
1个慢时间单元对应的噪声的协方差矩阵。
[0018]可选的，所述根据所述预测协方差矩阵和观测噪声，得到卡尔曼增益，包括：
[0019]根据如下公式得到卡尔曼增益：
[0020][0021]其中，K
m
为第m个慢时间单元的卡尔曼增益，为第m个慢时间单元对应的预测协方差矩阵，R
m
为第m个慢时间单元对应的观测噪声的协方差矩阵，Ψ
m
为第m个慢时间单元对应的逆傅里叶变换矩阵。
[0022]可选的，所述根据卡尔曼增益和所述当前慢时间单元对应的预测图像和所述当前慢时间单元对应的观测数据，得到当前慢时间单元对应的更新图像，包括：
[0023]根据如下公式得到当前慢时间单元对应的更新图像：
[0024][0025]其中，为第m个慢时间单元对应的更新图像，为第m个慢时间单元对应的预测图像，K
m
为第m个慢时间单元的卡尔曼增益，z
m
为第m个慢时间单元对应的观测数据，Ψ
m
为第m个慢时间单元对应的逆傅里叶变换矩阵。
[0026]可选的，所述方法还包括：
[0027]确定预测图像的初始值为全零矩阵；
[0028]确定预测协方差矩阵的初始值为全零矩阵。
[0029]可选的，所述获取多个慢时间单元分别对应的观测数据，包括：
[0030]获取多个慢时间单元分别对应的回波数据，所述回波数据为雷达对同一个目标物体进行检测时接收到的回波数据；
[0031]分别对每个回波数据进行距离压缩处理，得到每个慢时间单元对应的距离脉冲数据；
[0032]分别对每个慢时间单元对应的距离脉压数据进行平动补偿处理，得到多个慢时间单元分别对应的观测数据。
[0033]第二方面，本专利技术提供一种基于雷达的目标物体成像的装置，包括：
[0034]获取模块，用于获取多个慢时间单元分别对应的观测数据，所述观测数据由目标物体的回波数据依次经过距离压缩处理和平动补偿处理得到的；
[0035]处理模块，用于依据所述目标物体的回波数据的慢时间顺序，对所有观测数据进行卡尔曼滤波处理，得到所述目标物体的图像。
[0036]可选的，所述处理模块具体用于：
[0037]依据获取所述目标物体的回波数据的慢时间顺序，根据当前慢时间单元的前一个慢时间单元的更新图像，得到当前慢时间单元对应的预测图像和预测协方差矩阵；根据所述预测协方差矩阵和观测噪声，得到卡尔曼增益；根据卡尔曼增益和所述当前慢时间单元对应的预测图像和所述当前慢时间单元对应的观测数据，得到当前慢时间单元对应的更新图像；直到达到最后一个慢时间单元，确定所述目标物体的图像为最后一个慢时间单元对应的更新图像。
[0038]可选的，所述处理模块具体用于：
[0039]根据如下公式得到当前慢时间单元对应的预测图像：
[0040][0041]其中，为第m个慢时间单元对应的预测图像，A为转换矩阵，为第m
‑
1个慢时间单元对应的更新图像；
[0042]根据如下公式得到当前慢时间单元对应的预测协方差矩阵：
[0043][0044]其中，为第m个慢时间单元对应的预测协方差矩阵，A为转换矩阵，为第m
‑
1个慢时间单元对应的更新协方差矩阵，Q
m
‑1为第m
‑
1个慢时间单元对应的噪声的协方差矩阵。
[0045]可选的，所述处理模块具体用于：
[0046]根据如下公式得到卡尔曼增益：
[0047][0048]其中，K
m
为第m个慢时间单元的卡尔曼增益，为第m个慢时间单元对应的预测协方差矩阵，R
m
为第m个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于雷达的目标物体成像的方法，其特征在于，包括：获取多个慢时间单元分别对应的观测数据，所述观测数据由目标物体的回波数据依次经过距离压缩处理和平动补偿处理得到的；依据所述目标物体的回波数据的慢时间顺序，对所有观测数据进行卡尔曼滤波处理，得到所述目标物体的图像。2.根据权利要求1所述的方法，其特征在于，所述依据所述目标物体的回波数据的慢时间顺序，对所有观测数据进行卡尔曼滤波处理，得到所述目标物体的图像，包括：依据获取所述目标物体的回波数据的慢时间顺序，根据当前慢时间单元的前一个慢时间单元的更新图像，得到当前慢时间单元对应的预测图像和预测协方差矩阵；根据所述预测协方差矩阵和观测噪声，得到卡尔曼增益；根据卡尔曼增益和所述当前慢时间单元对应的预测图像和所述当前慢时间单元对应的观测数据，得到当前慢时间单元对应的更新图像；直到达到最后一个慢时间单元，确定所述目标物体的图像为最后一个慢时间单元对应的更新图像。3.根据权利要求2所述的方法，其特征在于，所述根据当前慢时间单元的前一个慢时间单元的图像，得到当前慢时间单元对应的预测图像和预测协方差矩阵，包括：根据如下公式得到当前慢时间单元对应的预测图像：其中，为第m个慢时间单元对应的预测图像，A为转换矩阵，为第m
‑
1个慢时间单元对应的更新图像；根据如下公式得到当前慢时间单元对应的预测协方差矩阵：其中，为第m个慢时间单元对应的预测协方差矩阵，A为转换矩阵，为第m
‑
1个慢时间单元对应的更新协方差矩阵，Q
m
‑1为第m
‑
1个慢时间单元对应的噪声的协方差矩阵。4.根据权利要求3所述的方法，其特征在于，所述根据所述预测协方差矩阵和观测噪声，得到卡尔曼增益，包括：根据如下公式得到卡尔曼增益：其中，K
m
为第m个慢时间单元的卡尔曼增益，为第m个慢时间单元对应的预测协方差矩阵，R
m
为第m个慢时间单元对应的观测噪声的协方差矩阵，Ψ
m
为第m个慢时间单元对应的逆傅里叶变换...

【专利技术属性】
技术研发人员：邢孟道，陈长虹，冶佩，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：