专利汇可以提供基于HRRP序列的空间目标高分辨成像方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于HRRP序列的空间目标高分辨成像方法,其步骤包括:(1)雷达录取ISAR回波;(2)高速 运动补偿 ;(3)获取高 质量 HRRP;(4)散射点航迹关联;(5)高分辨成像。本发明首先通过稀疏 信号 重构获得高质量HRRP序列,之后采用有效的航迹关联方法从HRRP序列中生成散射点航迹矩阵,进而通过带约束条件的矩阵分解实现高分辨成像。该方法克服了基于分段伪Keystone变换方法对PRF要求高、对目标运动模型要求严格、对高速旋转目标成像时精确平动补偿和初相校正难度大、运算量高等缺点,具有在低PRF甚至方位多普勒模糊条件下能够进行高分辨成像、对目标运动模型具有普适性、不需平动补偿、效率高、图像聚焦良好等优点。,下面是基于HRRP序列的空间目标高分辨成像方法专利的具体信息内容。
1.基于HRRP序列的空间目标高分辨成像方法,包括如下步骤:
(1)雷达录取ISAR回波;
(2)高速运动补偿
2a)将参考距离为雷达到场景中心距离,频率、调频率与雷达发射信号相同的线性调频信号作为参考信号;
2b)将参考信号取共轭后与雷达录取的ISAR回波相乘得到解线调频处理结果;
2c)按照下式构造相位补偿函数:
其中,为相位补偿函数,exp(·)为指数函数运算符,j为虚数单位,c为光速,v为测定的目标速度,t为方位维的采样时间,R(t)为t时刻场景中心到雷达的参考距离,f1为信号载频,γ为调频率,f2为距离频率;
2d)将相位补偿函数与步骤2b)得到的解线调频处理结果相乘得到高速运动补偿后回波;
(3)获取高质量HRRP
3a)按照下式构造过冗余字典:
其中,Ф为包含N个基向量的过冗余字典,N取为距离频率点数的整数倍,exp(·)为指数函数运算符,j为虚数单位,c为光速,f2为距离频率, f1为载频,γ为调频率,为距离维采样时间,R为参考距离,RΔ(1),RΔ(2),…RΔ(N)为构造的N个散射点斜距, W为雷达观测场景长度,相邻两个距离采样点的距离步进
量满足关系 M为距离频率点数,B为信号带宽;
3b)令m=1,其中,m表示方位单元序号;
3c)将步骤2d)得到的高速运动补偿后回波的第m个方位单元的复回波作为残余信号,并生成一个空矩阵Ф1;
3d)用残余信号向步骤3a)得到的过冗余字典中的基向量作投影,并且计算内积;
3e)将内积最大的基向量记录在步骤3c)生成的矩阵Ф1的第m列中,按照投影方法计算内积最大的基向量对应的投影系数,记录得到的投影系数,同时将内积最大的基向量从过冗余字典中剔除;
3f)从残余信号中减去矩阵Ф1与记录的投影系数的乘积,得到更新的残余信号;
3g)重复步骤3d)至步骤3f)的操作,直至更新的残余信号能量低于噪声门限,将步骤
3e)中记录的投影系数取模值作为对应基向量所代表斜距处散射点的幅度,以基向量对应的散射点斜距为横坐标,幅度为纵坐标绘制HRRP;
3h)将m递增1个序号,重复步骤3c)至步骤3g)的操作,直至绘制完所有方位单元对应的HRRP;
(4)散射点航迹关联
4a)令k=1,其中,k表示方位单元序号,生成一个大小为N1×M的空的航迹矩阵,其中,N1为第k个方位单元对应的HRRP中峰值点的个数,M表示散射点回波次数,将第k个方位单元对应的HRRP中所有峰值点对应的位置坐标和幅度记录在航迹矩阵第k列中,将k递增一个序号;
4b)在第k个方位单元对应的HRRP中寻找峰值点,并将所有峰值点对应的位置坐标、幅度记录在第k时刻的位置幅度集合中,根据小转角内散射点幅度近似不变且位置接近准则,将第k时刻位置幅度集合中的元素与航迹矩阵第k-1列中元素进行关联,将关联得到的第k时刻散射点位置坐标和幅度记录在航迹矩阵第k列;
4c)将k递增一个序号,执行步骤4b);
4d)分别将各散射点在航迹矩阵中第k-1列记录的位置坐标与第k-2列记录的位置坐标相减,并除以脉冲重复周期得到速度,将航迹矩阵中第k列记录的位置坐标减去第k-1列记录的位置坐标的两倍,再加上第k-2列记录的位置坐标,将计算结果除以脉冲重复周期的平方得到加速度;
4e)用速度乘以脉冲重复周期并加上加速度与脉冲重复周期平方乘积的0.5倍,求得距离步进量;
4f)分别将各散射点在航迹矩阵中第k列记录的位置坐标、步骤4d)得到的速度与加速度作为第k时刻散射点状态向量;
4g)根据Kalman预测准则,对第k+1、k+2及k+3时刻的状态向量进行预测,并将航迹矩阵中记录的对应散射点幅度求均值作为预测幅度值;
4h)在第k+1个方位单元对应的HRRP中,分别以各散射点在航迹矩阵中第k列记录的位置坐标为中心,以距离步进量的三倍为搜索宽度寻找峰值点,将所有峰值点对应的位置坐标和幅度记录在第k+1时刻的位置幅度集合中;
4i)在第k+2个方位单元对应的HRRP中,分别以各散射点在第k+1时刻的位置幅度集合中所有位置坐标的均值为中心,以距离步进量的三倍为搜索宽度寻找峰值点,将所有峰值点对应的位置坐标和幅度记录在第k+2时刻的位置幅度集合中;
4j)在第k+3个方位单元对应的HRRP中,分别以各散射点在第k+2时刻的位置幅度集合中所有位置坐标的均值为中心,以距离步进量的三倍为搜索宽度寻找峰值点,将所有峰值点对应的位置坐标和幅度记录在第k+3时刻的位置幅度集合中;
4k)根据归一化的最近邻准则函数对散射点航迹进行关联,求得散射点在第k+1时刻的真实位置坐标和幅度,并记录在航迹矩阵第k+1列中;
41)将步骤4g)预测得到的k+1时刻状态向量中的速度和加速度按照步骤4e)进行计算,得到距离步进量,将k递增一个序号,重复步骤4g)至步骤4k),直至完成散射点在所有方位单元对应的HRRP中的位置关联,从航迹矩阵中抽取散射点的位置坐标并且剔除对应幅度值,得到更新的航迹矩阵;
(5)高分辨成像
5a)将航迹矩阵中每个元素都减去该元素所在行所有元素的均值,得到平动校正后的航迹矩阵;
5b)对平动校正后的航迹矩阵进行带约束的矩阵分解得到散射点分布矩阵和雷达视线矩阵;
5c)用散射点分布矩阵重构目标图像。
2.根据权利要求1所述的基于HRRP序列的空间目标高分辨成像方法,其特征在于,步骤3e)中所述的投影方法如下:
其中,α为投影系数,Ф1为记录最大投影系数对应基向量的矩阵, 为Ф1的共轭转-1
置,(·) 为矩阵求逆运算,g为残余信号。
3.根据权利要求1所述的基于HRRP序列的空间目标高分辨成像方法,其特征在于,步骤3g)中所述的噪声门限为,对步骤3c)得到的残余信号进行逆傅里叶变换并取模值,将取模值后的图像中远离峰值点的其余点对应的平均功率作为噪声门限。
4.根据权利要求1所述的基于HRRP序列的空间目标高分辨成像方法,其特征在于,步骤4b)中所述的小转角内散射点幅度近似不变且位置接近准则为,当前时刻散射点幅度应该满足如下等式:
Ak=argmin||A′k-Ak-1||2
其中,Ak为当前散射点在第k时刻对应的最优幅度值,argmin(·)为求使目标函数取最小值时对应变量值的运算,||·||2求为2范数,A′k为第k时刻的位置幅度集合中当前散射点对应的所有幅度值,Ak-1为航迹矩阵中第k-1列中当前散射点对应的幅度值。
5.根据权利要求1所述的基于HRRP序列的空间目标高分辨成像方法,其特征在于,步骤4g)中所述的Kalman预测准则如下:
其中, 为由k时刻预测的k+1时刻的状态,Ф为状态转移矩阵,
T=1/PRF为脉冲重复间隔,PRF为雷达脉冲重复频率, 为由k-1时刻预测的k时刻的T T -1
状态,Gk为k时刻增益矩阵,ФGk=ФPk/k-1H[HPk/k-1H+Rk] ,Pk/k-1为k时刻预测误差的协T T
方差矩阵,Pk/k-1=ΦPk-1Ф+Qk-1,Pk-1为k-1时刻平滑估计的协方差矩阵,Ф 为Ф的转置,Qk-1为k-1时刻动态噪声的协方差矩阵, n(k-1)是均值为零的高斯白
T
噪声序列在k-1时刻的取值,H为观测矩阵,H=[1 0 0],H 为H的转置,Rk为k时刻观测-1
噪声的协方差矩阵,(·) 为矩阵求逆运算,yk为k时刻的观测值, 为k-1时刻状态的估计值。
6.根据权利要求1所述的基于HRRP序列的空间目标高分辨成像方法,其特征在于,步骤4k)中所述的归一化的最近邻准则函数如下:
其中,rk为当前散射点在第k时刻的最优位置坐标,argmin(·)为求使目标函数取最小值时对应变量值的运算,A′k+1为第k+1时刻的位置幅度集合中当前散射点对应的所有幅度值, 为当前散射点在航迹矩阵中前k列的幅度均值,r′k+1为第k+1时刻的位置幅度集合中当前散射点对应的所有位置坐标, 为由k时刻预测k+1时刻的状态向量中的位置坐标,r′k+2为第k+2时刻的位置幅度集合中当前散射点对应的所有位置坐标,为由k+1时刻预测k+2时刻的状态向量中的位置坐标,r′k+3为第k+3时刻的位置集合中当前散射点对应的所有位置坐标, 为由k+2时刻预测k+3时刻的状态向量中的位置坐标。
7.根据权利要求1所述的基于HRRP序列的空间目标高分辨成像方法,其特征在于,步骤5b)中所述的带约束的矩阵分解步骤如下:
第一步,对平动校正后的航迹矩阵进行分解:
其中,W为平动校正后的航迹矩阵, 为对W矩阵分解后得到的两个酉矩阵;
第二步,对下列方程求最小二乘解,得到尺度变换矩阵:
其中,ln为 的第n个行向量,为第一步奇异值分解得到的酉矩阵,n∈[1,Na],Na为T
方位向采样点数,A为尺度变换矩阵,A 为A的转置,为ln的转置,I为单位矩阵;
第三步,对下列非线性最小二乘方程组求解,得到旋转矩阵:
其中,l为初始时刻雷达视线矢量,为从 中得到的对初始时刻雷达视线矢量的估计,为第一步奇异值分解得到的酉矩阵,A1为旋转矩阵, 为A1的转置,I为单位矩阵;
第四步,获取真实的等效雷达视线旋转矩阵与散射点分布矩阵:
其中,R为等效雷达视线旋转矩阵,S为散射点分布矩阵, 为第一步奇异值分解得到的两个酉矩阵,A为第二步得到的尺度变换矩阵,A1为第三步得到的旋转矩阵。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种卷绕电池的质量检测方法 | 2020-12-01 | 3 |
基于光子计数的三维距离图像时域实时去噪方法 | 2020-07-17 | 3 |
一种荧光探针及其制备方法、应用及应用方法 | 2021-02-20 | 1 |
一种照明装置和方法 | 2020-07-31 | 5 |
一种基于光场成像技术的影像仪数字聚焦方法 | 2021-06-15 | 0 |
一种荧光介孔硅球的制备方法 | 2022-04-09 | 2 |
一种用于支气管疾病早期诊断的荧光内窥镜系统 | 2021-09-05 | 0 |
基于Unity3D采集数据的模拟成像方法 | 2021-06-23 | 1 |
一种带无人飞机和机器人的抵近侦检车 | 2022-05-05 | 2 |
基于GPU的雷达前视成像方法 | 2022-08-10 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。