技术领域
[0001] 本
发明涉及雷达技术领域，具体涉及一种基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法。
背景技术
[0002] 利用
深度神经网络进行
合成孔径雷达(Synthetic Aperture Radar，SAR)图像的目标辨识是雷达
图像处理与
模式识别的研究热点。由于深度神经网络通过学习训练集样本得到目标特征从而实现目标辨识，因此训练一个具有较深结构的深度神经网络模型需要大量标记样本，样本的规模与
质量直接影响了深度神经网络的检测性能。
[0003] 相比于光学图像拥有大量的公开数据集，现有公开的SAR目标图像数据集十分稀少。目前用于雷达目标识别研究数据集的典型代表是Sandia国家实验室采集的MSTAR数据集，该数据集包括不同的目标类型、方位
角、
俯仰角、炮筒转向、外型配置变化和型号变种的目标雷达图像共10类目标。同时常用雷达数据集还包括美国新墨西哥州Albuquerque地区附近的Rio Grande River区域，美国加州China lake机场地区的雷达图像等。上述数据集虽然可以满足基于
深度学习的方法验证的基本需求，但由于数据规模相对较小，
深层模型训练过程仍会出现过拟合情况；且基本是机载或星载条件下的雷达数据，而针对弹载SAR的目标检测识别场景，由于雷达发射成本高昂，真实数据获取成本较高，数据集相对不足。除了上述外场实测得到真实的雷达目标图像数据外，还可以通过
微波暗室仿真的方法获取目标雷达回波，生成雷达目标图像，但是该方法
精度受模型制作精度的制约，且无法反映弹载场景下的雷达目标数据特征，生成样本单一，存在较多限制因素。以上方法的缺点制约了深度神经网络在弹载SAR图像目标辨识领域的应用。
[0004] 针对现有雷达目标图像数据集制作方法的
缺陷，亟需一种雷达图像数据集扩充方法，以解决现有弹载雷达图像数据集获取成本高、数据量不足以
支撑深度神经网络训练与应用的问题。
发明内容
[0005] 为了解决现有弹载条件下的雷达目标图像数据集数据量不足与获取成本高昂的问题，本发明提供一种基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法。
[0006] 本发明公开了一种基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法，包括：
[0007] 目标RCS数据生成：
[0008] 利用
三维建模软件建立目标的3D模型，并导入电磁仿真软件中，设定电磁仿真的相关参数，进行电磁仿真得到目标雷达回波；基于所述目标雷达回波，得到目标RCS数据；
[0010] 设定弹载仿真参数，设定目标与干扰在将要进行弹载仿真的场景中的
位置；将目标和干扰RCS嵌入到场景中，进行弹载回波仿真，得到弹载场景回波数据；
[0011] 雷达图像数据生成：
[0012] 利用SAR成像
算法对所述弹载场景回波数据进行聚焦成像，得到所需的雷达目标图像数据；并根据设定的目标与干扰在场景中的位置，计算图像中目标与干扰对应的
像素位置作为标记，供深度神经网络训练使用。
[0013] 作为本发明的进一步改进，在所述目标RCS数据生成的步骤中，
[0014] 根据投影切片定理与转台成像原理，对所述目标雷达回波进行数据裁剪、二维插值与二维快速傅里叶变换，得到目标RCS数据。
[0015] 作为本发明的进一步改进，所述目标RCS数据生成，包括：
[0016] 使用三维建模软件对需要目标辨识的物体进行三维建模；
[0017] 将建模完成的模型文件导入电磁仿真软件中，调整模型到中心位置并与XOY平面平行，调整模型大小使其与实际大小相符；
[0018] 设置电磁仿真参数；其中，所述电磁仿真参数包括仿真的
频率步进范围、激励源类型、激励源的入射角与方位角步进范围；
[0019] 选择SBR电磁仿真算法执行电磁仿真；
[0020] 导出回波电磁仿真结果；其中，所述波电磁仿真结果包括远场条件下各个频率与角度的回波幅值与
相位，作为频率-方位角频域的回波数据；
[0021] 将频率-方位角频域的回波数据变换为距离-方位频域的数据并裁剪出矩形区域，再将裁剪后的数据插值为距离-方位频域上等间隔
采样的数据；
[0022] 对插值后的数据进行二维FFT，得到该目标的RCS数据。
[0023] 作为本发明的进一步改进，所述弹载场景回波数据生成，包括：
[0024] 设定弹载仿真参数；其中，所述弹载仿真参数包括天线入射角θi、载波
波长λ、雷达发射机
峰值功率Ppeak、发射脉冲的脉宽Tp、成像中心时刻平台与天线的各个
姿态角、成像中心时刻的平台位置矢量P、成像中心时刻的平台速度V、天线在天线系中的坐标A、距离向成像带宽度WR、方位向成像带宽度WA、距离向地距
分辨率δR、方位向地距分辨率δA、方位向波束宽度θBW和
过采样率α；通过上述参数计算出雷达所需的带宽Fs、载频Fc、脉冲重复频率FPRF、合成孔径时间Ts、等效噪声系数NEQ、场景中心坐标SC、斜距分辨率dR、采样延迟
门delay；
[0025] 设定所述目标RCS数据在将要进行弹载仿真的场景中的位置坐标T1和干扰的位置坐标T2；
[0026] 根据设定的目标和干扰的位置坐标以及目标和干扰在场景中的大小，将预设场景中该坐标附近在目标和干扰大小范围内的RCS数据设定为生成的目标和干扰RCS数据，完成场景信息设定；
[0027] 根据设定的仿真参数与场景信息，使用BP算法计算弹载条件下的回波数据。
[0028] 作为本发明的进一步改进，所述雷达图像数据生成，包括：
[0029] 利用SAR成像算法对生成的弹载回波数据进行聚焦成像，包括
运动补偿、距离徙动校正、距离向与方位向的匹配滤波，最终得到所需的雷达目标图像数据；
[0030] 根据设定的目标/干扰在场景中的位置坐标，计算图像中目标/干扰对应的像素位置，其中距离向位置通过计算天线与该位置坐标的斜距与斜距分辨率的比值减去时延得到，即
[0031] NR_T1＝floor(|RT1|/dR-delay+Tp/2×Fs) (1)
[0032] NR_T2＝floor(|RT2|/dR-delay+Tp/2×Fs) (2)
[0033] 其中，floor(·)是下取整函数，RT1、RT2分别是天线与目标/干扰之间的斜距，即[0034] RT1＝(P+A)-(SC+T1) (3)
[0035] RT2＝(P+A)-(SC+T2) (4)
[0036] 方位向位置通过计算该位置坐标对应的多普勒频率的小数部分得到，即[0037] NA_T1＝floor((FDop_T1 mod FPRF)/FPRF×NA) (5)
[0038] NA_T2＝floor((FDop_T2 mod FPRF)/FPRF×NA) (6)
[0039] 其中NA为脉冲数目，FDop_T1、FDop_T2分别是目标/干扰的多普勒频率，即[0040] FDop_T1＝-2×(V·RT1)/(|RT1|λ) (7)
[0041] FDop_T2＝-2×(V·RT2)/(|RT2|λ) (8)
[0042] 将生成的雷达目标图像与计算的对应像素位置保存为.mat文件，作为一个完整的雷达目标图像数据样本；
[0043] 通过调整一系列弹载仿真参数进行仿真，获取一系列对应的数据样本，构建最终的雷达目标图像数据集。
[0044] 与
现有技术相比，本发明的有益效果为：
[0045] 1、本发明的雷达图像数据集制作方法无需开展实际的外场测量，节约了大量的制作与发射成本；
[0046] 2、本发明的雷达图像数据集制作方法可以生成任意数量的雷达目标图像数据集，可满足深度神经网络需要大量数据进行训练的要求；
[0047] 3、本发明的雷达图像数据集制作方法的仿真模型、仿真场景与各项仿真参数均可以根据实际需要进行调整设置，与外场试验和微波暗室试验相比，调整过程十分灵活，无需耗费多余的实物制作成本。
附图说明
[0048] 图1为本发明一种
实施例公开的基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法的
流程图；
[0049] 图2为本发明一种实施例公开的对电磁仿真得到的回波数据进行裁剪与插值的示意图；
[0050] 图3为本发明一种实施例公开的生成的弹载雷达目标图像数据样本的示意图。
具体实施方式
[0051] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052] 下面结合附图对本发明做进一步的详细描述：
[0053] 如图1所示，本发明提供一种基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法，包括：
[0054] S1、目标RCS数据生成：利用三维建模软件建立目标的3D模型，并导入电磁仿真软件中，设定电磁仿真的相关参数，进行电磁仿真得到目标雷达回波；根据投影切片定理与转台成像原理，对目标雷达回波进行数据裁剪、二维插值与二维快速傅里叶变换(Fast Fourier Transform，FFT)，得到目标RCS(Radar Cross Section)数据；
[0055] 具体包括：
[0056] S11、使用三维建模软件(如3D MAX)对需要目标辨识的物体(如舰船、车辆等)进行三维建模；
[0057] S12、将建模完成的模型文件导入电磁仿真软件(如CST)中，调整模型到中心位置并与XOY平面平行，调整模型大小使其与实际大小相符；
[0058] S13、设置电磁仿真参数，主要包括仿真的频率步进范围、激励源类型、激励源的入射角与方位角步进范围等；
[0059] S14、选择电磁仿真算法为SBR(弹跳射线法，Shooting and Bouncing Ray Method)，执行电磁仿真；
[0060] S15、导出回波电磁仿真结果；其中，波电磁仿真结果包括远场条件下各个频率与角度的回波幅值与相位，作为频率-方位角频域的回波数据；
[0061] S16、将频率-方位角频域的回波数据变换为距离-方位频域的数据并裁剪出矩形区域，再将裁剪后的数据插值为距离-方位频域上等间隔采样的数据，如图2所示；
[0062] S17、对插值后的数据进行二维FFT，得到该目标的RCS数据。
[0063] S18、如果之后的弹载场景中需要多个角度或者多种不同目标的RCS数据，可重复S11～S17获得不同的RCS数据。
[0064] S2、弹载场景回波数据生成：设定弹载仿真参数，设定目标与干扰在将要进行弹载仿真的场景中的位置；将目标和干扰RCS嵌入到场景中，进行弹载回波仿真，使用BP算法计算得到弹载场景回波数据；
[0065] 具体包括：
[0066] S21、设定弹载仿真参数；其中，弹载仿真参数包括天线入射角θi、载波波长λ、雷达发射机峰值功率Ppeak、发射脉冲的脉宽Tp、成像中心时刻平台与天线的各个姿态角、成像中心时刻的平台位置矢量P、成像中心时刻的平台速度V、天线在天线系中的坐标A、距离向成像带宽度WR、方位向成像带宽度WA、距离向地距分辨率δR、方位向地距分辨率δA、方位向波束宽度θBW和过采样率α；通过上述参数计算出雷达所需的带宽Fs、载频Fc、脉冲重复频率FPRF、合成孔径时间Ts、等效噪声系数NEQ、场景中心坐标SC、斜距分辨率dR、采样延迟门delay等参数；
[0067] S22、设定目标RCS数据在将要进行弹载仿真的场景中的位置坐标T1和干扰的位置坐标T2；
[0068] S23、根据设定的目标和干扰的位置坐标以及目标和干扰在场景中的大小，将预设场景中该坐标附近在目标和干扰大小范围内的RCS数据设定为生成的目标和干扰RCS数据，完成场景信息设定；
[0069] S24、根据设定的仿真参数与场景信息，使用BP算法计算弹载条件下的回波数据；
[0070] S25、如果需要获得连续多个时刻的弹载回波，只需根据前一个目标/干扰位置坐标进行微小变动，设定新的目标/干扰位置坐标，重复S22～S24，获得新的弹载回波数据。
[0071] S3、雷达图像数据生成：利用SAR成像算法对弹载场景回波数据进行聚焦成像，得到所需的雷达目标图像数据；并根据设定的目标与干扰在场景中的位置，计算图像中目标与干扰对应的像素位置作为标记，供深度神经网络训练使用；
[0072] 具体包括：
[0073] S31、利用SAR成像算法对生成的弹载回波数据进行聚焦成像，包括运动补偿、距离徙动校正、距离向与方位向的匹配滤波，最终得到所需的雷达目标图像数据；
[0074] S32、根据设定的目标/干扰在场景中的位置坐标，计算图像中目标/干扰对应的像素位置，其中距离向位置通过计算天线与该位置坐标的斜距与斜距分辨率的比值减去时延得到，即
[0075] NR_T1＝floor(|RT1|/dR-delay+Tp/2×Fs) (1)
[0076] NR_T2＝floor(|RT2|/dR-delay+Tp/2×Fs) (2)
[0077] 其中，floor(·)是下取整函数，RT1、RT2分别是天线与目标/干扰之间的斜距，即[0078] RT1＝(P+A)-(SC+T1) (3)
[0079] RT2＝(P+A)-(SC+T2) (4)
[0080] 方位向位置通过计算该位置坐标对应的多普勒频率的小数部分得到，即[0081] NA_T1＝floor((FDop_T1 mod FPRF)/FPRF×NA) (5)
[0082] NA_T2＝floor((FDop_T2 mod FPRF)/FPRF×NA) (6)
[0083] 其中NA为脉冲数目，FDop_T1、FDop_T2分别是目标/干扰的多普勒频率，即[0084] FDop_T1＝-2×(V·RT1)/(|RT1|λ) (7)
[0085] FDop_T2＝-2×(V·RT2)/(|RT2|λ) (8)
[0086] S33、对于连续多个时刻的回波，对每个时刻的回波数据重复S31～S32，最后将生成的雷达目标图像与计算的对应像素位置保存为.mat文件，作为一个完整的雷达目标图像数据样本；
[0087] S4、通过调整一系列弹载仿真参数重复S21～S33进行仿真，获取一系列对应的数据样本，构建最终的雷达目标图像数据集。
[0088] 本发明的优点为：
[0089] 1、本发明的雷达图像数据集制作方法无需开展实际的外场测量，节约了大量的制作与发射成本；
[0090] 2、本发明的雷达图像数据集制作方法可以生成任意数量的雷达目标图像数据集，可满足深度神经网络需要大量数据进行训练的要求；
[0091] 3、本发明的雷达图像数据集制作方法的仿真模型、仿真场景与各项仿真参数均可以根据实际需要进行调整设置，与外场试验和微波暗室试验相比，调整过程十分灵活，无需耗费多余的实物制作成本。
[0092] 实施例：
[0093] 针对一个舰船目标，添加箔条干扰，随机生成该目标的弹载雷达图像数据集样本。
[0094] 本发明的基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法，包括：
[0095] S1、目标RCS数据生成
[0096] S11、使用三维建模软件对该舰船目标进行三维建模；
[0097] S12、将该模型文件导入电磁仿真软件CST中，调整舰船模型到中心位置并与XOY平面平行，调整模型大小使其与实际大小相符。
[0098] S13、设置电磁仿真参数，仿真的
频率范围设为9.925GHz～10.075GHz，频率步长为6MHz、激励源设为垂直极化平面波、激励源入射角设为45°，激励源方位角设为-0.4°～
0.4°，方位角步长为0.02°；
[0099] S14、选择电磁仿真算法为SBR，执行电磁仿真；
[0100] S15、导出远场条件下各个频率与角度的回波幅值与相位仿真结果，作为频率-方位角频域的回波数据；
[0101] S16、将频率-方位角频域的回波数据变换为距离-方位频域的数据并裁剪出矩形区域，即取距离向频率范围为9.925GHz～10.075×cos0.4°GHz、方位向频率范围为-9.925×tan0.4°GHz～9.925×tan0.4°GHz区域的数据，再将裁剪后数据插值为距离-方位频域上等间隔采样的数据；
[0102] S17、对插值后的数据进行二维FFT，就可得到该舰船目标的RCS数据；
[0103] S18、为获得多个角度对该舰船目标观测得到的RCS数据，可改变激励源的中心方位角，如以5°的步长变化为4.6°～5.4°，再重复S11～S17获得不同角度的RCS数据。
[0104] S2、弹载场景回波数据生成
[0105] S21、设定弹载仿真的各项参数，主要有天线入射角θi＝45°、载波波长λ＝0.03m、-6雷达发射机峰值功率Ppeak＝1000W、发射脉冲的脉宽Tp＝15 s、成像中心时刻的平台位置矢量P＝(0,5000,0)m、成像中心时刻平台与天线的各个姿态角、成像中心时刻的平台速度V＝(1000,-100,0)m、天线在天线系中的坐标A＝(0,0.115,0)m、距离向成像带宽度WR＝2000m、方位向成像带宽度WA＝2000m、距离向地距分辨率δR＝2.0m、方位向地距分辨率δA＝2.0m、方位向波束宽度θBW＝10°、过采样率α＝1.2等；通过以上参数可以计算出雷达所需的带宽Fs＝
93888287Hz、载频Fc＝112665944Hz、脉冲重复频率FPRF＝8458Hz、合成孔径时间Ts＝
0.054807s、等效噪声系数NEQ＝-50.367988dB、场景中心坐标SC＝(3535.5,0,3535.5)m、斜距分辨率dR＝1.330145m、采样延迟门delay＝5852等参数；
[0106] S22、随机生成目标与干扰中心点在将要进行弹载仿真的场景中相对于场景中心的位置坐标为T1，T2并记录；
[0107] S23、设定目标的位置坐标为T1，大小为50×50个距离单元，设定干扰的位置坐标为T2，大小为40×40个距离单元，将预设场景中该坐标附近在目标/干扰大小范围内的RCS数据设定为生成的目标/干扰RCS数据，完成场景信息设定；
[0108] S24、根据设定的仿真参数与场景信息，使用BP算法计算弹载条件下的回波数据；
[0109] S25、根据前一个目标/干扰位置坐标T1、T2进行微小变动，设定新的目标/干扰位置坐标T1’、T2’，比如令T1’＝T1+(1,1)，T2’＝T2+(-1,-1)，多次重复S22～S24，获得连续多个时刻的弹载回波。
[0110] S3、雷达图像数据生成
[0111] S31、利用SAR成像算法对生成的弹载回波数据进行聚焦成像，主要包括运动补偿、距离徙动校正、距离向与方位向的匹配滤波，最终得到所需的雷达目标图像数据；
[0112] S32、根据设定的目标/干扰在场景中的位置，通过式(1)～(8)计算图像中目标/干扰对应的像素位置，例如，对T1＝(-100,-100)，T2＝(100,100)，在NA＝256时可分别计算出目标对应的像素位置N1＝(93,115)，干扰对应的像素位置N2＝(243,139)；
[0113] S33、对于连续多个时刻的回波，对每个时刻的回波数据重复S31～S32，最后将生成的雷达目标图像与计算的对应像素位置保存为.mat文件，作为一个完整的雷达目标图像数据样本，本发明的一个生成样本如图3所示，实线框与虚线框分别代表目标与干扰的位置。
[0114] S4、通过调整一系列弹载仿真参数重复S21～S33进行仿真，获取一系列对应的数据样本，构建最终的雷达目标图像数据集。
[0115] 以上仅为本发明的优选实施例而已，并不用于限制本发明，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保护范围之内。
