论文部分内容阅读
合成孔径雷达地面动目标指示（SAR-GMTI）技术可以对地面动目标进行检测,运动参数估计和重定位,在军事侦察和民用交通监控等领域具有重要作用。然而,传统的机载SAR-GMTI方法主要是针对常规机载平台设计的。而对于高超声速平台,传统方法将面临慢速动目标检测困难和速度估计精度不高的问题。因此需要对高超声速平台下的慢速动目标检测和速度估计方法展开研究。另一方面,在机动SAR的应用场景,由于平台运动轨迹的复杂性,导致传统的SAR-GMTI方法失效。因此,需要研究适用于机动平台SAR的慢速动目标检测和速度估计方法。本文对于高超声速平台SAR,研究并提出了基于前后波束SAR的慢速动目标检测和方位速度估计方法,基于双通道前后波束SAR的慢速动目标方位速度估计方法,以及基于YOLO网络的前后波束SAR慢速动目标检测方法。对于机动平台SAR,本文以匀加速直线运动平台为例,研究并提出了一种匀加速直线SAR慢速动目标检测和距离-方位2D速度估计方法。本文的主要工作和创新总结如下:1.提出了前后波束SAR慢速动目标检测与方位速度估计方法。针对传统SAR-GMTI方法对高超声速平台下的慢速动目标检测困难和方位速度估计精度低的问题,提出了一种基于前后波束SAR新模式的慢速动目标检测与方位速度估计方法。首先建立了前后波束SAR工作模式,推导了该模式下慢速动目标后向投影（BP）成像模型。该成像模型根据驻定相位原理的近似,将动目标成像结果分为方位散焦和方位不散焦两种情况,并可获取引起动目标方位散焦的临界方位速度。同时,通过该成像模型,可获得前后波束中动目标的SAR成像位置和位置偏移等信息。分析表明:动目标在前后波束SAR图像之间仅存在方位位置偏移,且偏移量和动目标的方位速度成正比。然后利用前后波束两幅SAR图像的强度差抑制静止杂波并用恒虚警率检测器检测出动目标,再根据动目标的方位位置偏移量初步估计动目标的方位速度。在此基础上,为了进一步提高方位速度估计精度,提出了一种基于回波域的重聚焦方法。将已估计出的方位速度嵌入到BP成像过程中实现相位误差补偿,然后计算动目标的剩余方位速度并重新估计方位速度。重复以上重聚焦步骤,直到剩余方位速度小于临界方位速度。仿真实验验证所提方法的有效性。与传统方法相比,所提方法的估计精度可提高约一个数量级。2.提出了双通道前后波束SAR慢速动目标方位速度估计方法。针对基于前后波束SAR的慢速动目标方位速度估计方法对强杂波下的微弱目标速度估计精度低甚至失效的问题,提出了一种基于双通道前后波束SAR的慢速动目标方位速度估计方法。首先通过给前后波束各增加一个天线通道来构建一个双通道前后波束SAR工作模式,并建立了该模式的动目标回波信号模型及成像模型。然后推导了基于BP的偏置相位中心天线（DPCA）算法,该算法避免了传统DPCA算法所面临的通道配准和相位补偿的问题,打破了传统方法需满足的DPCA杂波对消的严格限制条件。经过杂波抑制并根据动目标方位位置偏移量可初步估计出动目标的方位速度。为了进一步提高动目标方位速度估计精度,针对回波域重聚焦方法在强杂波下不再适用的问题,提出了一种基于图像域的重聚焦方法。该方法将杂波对消后的图像变换到2D波数域,利用估计的方位速度构造相位补偿因子对动目标相位进行误差补偿,再反变换到图像域实现重聚焦并利用更精确的位置偏移量估计方位速度。重复以上步骤,直到前后两次方位速度估计之差小于设定的阈值,由此获得了高精度的动目标方位速度估计。仿真实验结果表明,所提方法在强杂波情况下仍能获得动目标高精度的方位速度估计。3.提出了匀加速直线SAR慢速动目标检测和2D速度估计方法。针对传统SAR-GMTI方法对机动平台不再适用的问题,以匀加速直线运动平台为例,提出了一种基于多通道的匀加速直线SAR慢速动目标检测与2D速度估计方法。首先,建立了多通道匀加速直线SAR动目标的回波信号模型。然后针对机动平台通道间方位时间校准和相位补偿困难的问题,提出了一种结合BP成像和速度合成孔径雷达（VSAR）的方法。该方法通过对目标多普勒相位的精确补偿,以及对动目标在多通道SAR图像中速度频率的估计,实现了机动平台SAR的动目标检测,以及真实位置和径向速度的估计。为了进一步实现动目标距离-方位2D速度的高精度估计,提出了一种基于速度辅助BP（VA-BP）成像算法及2D速度估计方法。首先利用估计出的动目标的真实位置信息获取成像子空间。然后设定方位速度的搜索区间与步长,以及利用与径向速度关系获取对应距离速度集。接着将2D速度数据集中的每一组分量嵌入到VA-BP成像过程中,得到具有不同聚焦深度的SAR子图像集,并通过VSAR方法分离杂波,得到仅包含动目标的SAR子图像集。最后通过最小熵准则,获取动目标聚焦最优的成像子图,与此对应的2D速度即为高精度的2D速度估计。所提方法不仅可估计出动目标的2D速度,还可提高动目标的成像精度。仿真实验验证了所提方法的有效性。4.提出了基于YOLO的前后波束SAR慢速动目标检测方法。针对高超声速平台SAR对慢速动目标检测困难的问题,提出了一种基于YOLO的前后波束SAR慢速动目标检测方法。首先构建了YOLO网络的训练集和测试集。对于训练集的构建,采用电磁仿真软件得到在不同照射角度下仿真目标的高精度散射特性,并与SAR图像背景信息结合生成SAR回波数据,通过成像得到网络的训练集。对于测试集的构建,将仿真的目标在前后波束照射模式下的散射特性与目标的速度以及SAR图像背景信息结合,生成SAR回波数据,通过成像得到网络的测试集。然后对YOLO网络进行训练和测试,测试的结果表明YOLO网络能将SAR图像中的静止目标和动目标均检测出来。为了进一步判断出动目标,针对获取的每一对前后波束SAR图像对,分别计算前波束图像中每一个目标检测框和后波束图像中所有目标检测框的交并比（IOU）,得到对应的IOU向量,根据IOU向量是否为零矢量即可判断出是否为动目标。仿真结果表明该方法能在高超声速平台下检测出慢速动目标,并且极大地抑制了虚警和漏警目标。