【技术实现步骤摘要】
本专利技术属于高分辨率微波成像，尤其涉及一种多子带重建大带宽逆合成孔径雷达成像方法及系统。
技术介绍
1、分辨率是isar系统的重要指标，分辨率越高，获取到的目标尺寸信息越丰富，越有助于目标的准确识别。isar分辨能力和系统带宽成反比，系统带宽越大，分辨能力越高。为了提高分辨率，最直接的方法是提高系统带宽，但通过直接增加系统带宽的方法来提高分辨率，带来硬件实现复杂、频谱资源受限和大气衰减严重的问题。为了解决通过直接增加系统带宽来提高分辨率所带来的以上三个问题，林肯实验室cuomo k m等人于1999年首次提出了基于多子带重建的大带宽高分辨率isar成像方法。该方法可从多个存在频谱间隔的、带宽较窄的子带中重建带宽大于子带带宽之和的大带宽信号，从而间接增加系统带宽和提高成像分辨率。
2、可根据重建算法的不同将现有多子带重建大带宽isar成像分为三类，分别是基于谱估计算法、基于正则化算法和基于贝叶斯理论的多子带isar成像方法。其中，谱估计类方法的运算速度最高，但该类算法的重建准确度低。正则化类算法和贝叶斯类方法虽然重建准确度高，但由于算法中包含了大量的矩阵求逆运算，因此这两类算法的重建速度较低。除此以外，虽然谱估计类方法的运算速度相比其他两类方法相对较高，但运算速度也在秒量级，不适用于实时isar成像。因此，需要研究快速高重建精度多子带重建大带宽isar成像方法。
技术实现思路
1、本专利技术解决的技术问题是：克服现有技术的不足，提供了一种多子带重建大带宽逆合成孔径雷达成
2、本专利技术目的通过以下技术方案予以实现：一种多子带重建大带宽逆合成孔径雷达成像方法，包括：设计双支路改进lstm网络；生成回波库；利用回波库采用低到高模式训练双支路改进长短期记忆网络得到低到高模式lpm-lstm网络，利用回波库采用高到低模式训练双支路改进长短期记忆网络得到高到低模式lpm-lstm网络；将预设低频率的子带信号输入到训练好的低到高模式lpm-lstm网络得到部分缺失频带信号，将预设高频率的子带信号输入到训练好的高到低模式lpm-lstm网络得到另一部分缺失频带信号，根据部分缺失频带信号和另一部分缺失频带信号得到缺失频带信号；根据原始子带信号和缺失频带信号得到大带宽isar信号；根据大带宽isar信号得到高分辨率isar图像。
3、上述多子带重建大带宽逆合成孔径雷达成像方法中，所述双支路改进长短期记忆网络包括两条改进lstm网络；其中，一条改进lstm网络对缺失频带的实部进行估计，另一条改进lstm网络对缺失频带的虚部进行估计。
4、上述多子带重建大带宽逆合成孔径雷达成像方法中，改进lstm网络为给lstm网络中加入flatten层、全连接层、hardtanh激活功能层和reshape层。
5、上述多子带重建大带宽逆合成孔径雷达成像方法中，生成回波库包括：步骤s1：根据预设的雷达系统参数得到成像场景大小；步骤s2：从成像场景中随机选择两个散射中心的距离向位置和方位向位置，根据两个散射中心的距离向位置和方位向位置、以及两个散射中心的预设幅度得到雷达回波；步骤s3：多次重复步骤s1和步骤s2，得到多个雷达回波，对多个雷达回波在距离向、方位向和数据组向进行排放得到回波库。
6、上述多子带重建大带宽逆合成孔径雷达成像方法中，预设的雷达系统参数包括：带宽、采样率、频率和观测角度。
7、一种多子带重建大带宽逆合成孔径雷达成像系统，包括：第一模块，用于设计双支路改进lstm网络；第二模块，用于生成回波库；第三模块，用于利用回波库采用低到高模式训练双支路改进长短期记忆网络得到低到高模式lpm-lstm网络，利用回波库采用高到低模式训练双支路改进长短期记忆网络得到高到低模式lpm-lstm网络；第四模块，用于将预设低频率的子带信号输入到训练好的低到高模式lpm-lstm网络得到部分缺失频带信号，将预设高频率的子带信号输入到训练好的高到低模式lpm-lstm网络得到另一部分缺失频带信号，根据部分缺失频带信号和另一部分缺失频带信号得到缺失频带信号；第五模块，用于根据原始子带信号和缺失频带信号得到大带宽isar信号；第六模块，用于根据大带宽isar信号得到高分辨率isar图像。
8、上述多子带重建大带宽逆合成孔径雷达成像系统中，所述双支路改进长短期记忆网络包括两条改进lstm网络；其中，一条改进lstm网络对缺失频带的实部进行估计，另一条改进lstm网络对缺失频带的虚部进行估计。
9、上述多子带重建大带宽逆合成孔径雷达成像系统中，改进lstm网络为给lstm网络中加入flatten层、全连接层、hardtanh激活功能层和reshape层。
10、上述多子带重建大带宽逆合成孔径雷达成像系统中，生成回波库包括：步骤s1：根据预设的雷达系统参数得到成像场景大小；步骤s2：从成像场景中随机选择两个散射中心的距离向位置和方位向位置，根据两个散射中心的距离向位置和方位向位置、以及两个散射中心的预设幅度得到雷达回波；步骤s3：多次重复步骤s1和步骤s2，得到多个雷达回波，对多个雷达回波在距离向、方位向和数据组向进行排放得到回波库。
11、上述多子带重建大带宽逆合成孔径雷达成像系统中，预设的雷达系统参数包括：带宽、采样率、频率和观测角度。
12、本专利技术与现有技术相比具有如下有益效果：
13、(1)本专利技术提出基于双支路改进长短期记忆网络的多子带重建大带宽isar成像方法，通过训练好的tpmlstm网络从子带回波预测缺失频带回波并将其和原始子带信号级联，来重建大带宽isar回波，在保证重建精度的同时可保证大的重建速度；
14、(2)本专利技术对lstm网络进行了改进，在传统lstm网络中添加fcl和handtanh激活层以提高缺失频带回波的估计精度；
15、(3)本专利技术设计实支路和虚支路以确保改进lstm网络可适用于复数回波值，由于这两条支路可同时训练和预测，因此确保了估计速度；
16、(4)本专利技术使用低到高和高到低两种模式来增加可准确估计的缺失频带带宽。
本文档来自技高网...【技术保护点】
1.一种多子带重建大带宽逆合成孔径雷达成像方法，其特征在于包括：
2.根据权利要求1所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：所述双支路改进长短期记忆网络包括两条改进LSTM网络；其中，一条改进LSTM网络对缺失频带的实部进行估计，另一条改进LSTM网络对缺失频带的虚部进行估计。
3.根据权利要求1所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：改进LSTM网络为给LSTM网络中加入flatten层、全连接层、hardtanh激活功能层和reshape层。
4.根据权利要求1所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：生成回波库包括：
5.根据权利要求4所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：预设的雷达系统参数包括：带宽、采样率、频率和观测角度。
6.一种多子带重建大带宽逆合成孔径雷达成像系统，其特征在于包括：
7.根据权利要求6所述的多子带重建大带宽逆合成孔径雷达成像系统，其特征在于：所述双支路改进长短期记忆网络包括两条改进LSTM网络；其中，一条改
8.根据权利要求6所述的多子带重建大带宽逆合成孔径雷达成像系统，其特征在于：改进LSTM网络为给LSTM网络中加入flatten层、全连接层、hardtanh激活功能层和reshape层。
9.根据权利要求6所述的多子带重建大带宽逆合成孔径雷达成像系统，其特征在于：生成回波库包括：
10.根据权利要求9所述的多子带重建大带宽逆合成孔径雷达成像系统，其特征在于：预设的雷达系统参数包括：带宽、采样率、频率和观测角度。
...【技术特征摘要】
1.一种多子带重建大带宽逆合成孔径雷达成像方法，其特征在于包括：
2.根据权利要求1所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：所述双支路改进长短期记忆网络包括两条改进lstm网络；其中，一条改进lstm网络对缺失频带的实部进行估计，另一条改进lstm网络对缺失频带的虚部进行估计。
3.根据权利要求1所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：改进lstm网络为给lstm网络中加入flatten层、全连接层、hardtanh激活功能层和reshape层。
4.根据权利要求1所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：生成回波库包括：
5.根据权利要求4所述的多子带重建大带宽逆合成孔径雷达成像方法，其特征在于：预设的雷达系统参数包括：带宽、采样率、频率和观测角度。
...【专利技术属性】
技术研发人员：蒋文，孔祥皓，赵志伟，匡辉，毛永飞，张弛，姜笛，杨黎，孙鹤枝，张清菲，王宇，李易，顾子煜，毕芃，张庆君，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：
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。