论文部分内容阅读
空天目标是指飞机、飞艇、人造飞行器和空间碎片等目标。随着航空航天技术的发展、竞争和太空垃圾的增多,人造飞行器的安全受到了各方面的威胁,对空天目标运动状态进行跟踪、监视与成像是保护人造飞行器的一个重要方面。逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）以其全天时、全天候不间断工作的优势,在军事和民用领域发挥着不可替代的作用。通过对空天目标的ISAR高分辨成像与运动参数估计,能够为以后的目标分类、识别和编目提供有力的支持,因此对空天目标的ISAR高分辨成像与运动参数估计对国防、民生领域有重大意义。在涉及电磁解译、基于多波段的雷达序列图目标三维重构和基于干涉逆合成孔径雷达（interferometric Inverse Synthetic Aperture Radar,In ISAR）的空间目标三维重构技术等多个项目支持下,本论文围绕空天目标的运动参数、基于属性散射中心模型的多视角部件参数集融合成像、空天目标的三维重构等三方面展开研究。全文主要内容如下:1.论述了ISAR国内外研究现状以及本论文研究的重要性。2.讨论了ISAR成像的基本概念,总结了现有ISAR运动补偿算法和常用成像方法,为之后几章内容做铺垫。3.外场试验时,弹道目标雷达回波数据量极大,目标较小,因此浩瀚的回波数据中有效信息非常有限。怎样在较短的时间里快速定位有效信息并分离成为外场实验的第一道难题。针对此问题,本文提出了采用随机Hough变换和时变自回归模型（Time Varying Auto-Regressive model,TVAR）算法对弹道导弹群目标进行运动参数估计和运动补偿的方法。外场实验中宽带直采模式使得回波数据量较大,弹道目标的微动使散射点徙动严重,频谱变化剧烈。此时存在传统运动补偿不再适用和宽带直采数据量巨大造成信号处理困难的问题。在实际应用中,窄带雷达具有一系列优点,比如可以进行远距离测量、大范围跟踪、工作方式灵活,缺点是分辨率较低。而宽带雷达具有的优点是:高分辨率,因此多用于精确监视、跟踪与目标识别。缺点是雷达造价太高,回波信号模型复杂,处理过程困难,不利于普及。所以要将宽窄带雷达结合起来,发挥其各自的优势,而且目前已经有宽窄带雷达。首先对窄带数据使用随机Hough变换进行群目标轨迹分离并对应到原始宽带,进行粗运动补偿与信号提取。然后对提取的目标信号采用重心法进一步作运动补偿,再通过时变自回归模型进行时频分析,得到剩余平动参数与光滑的微动特征曲线。利用所得微动参数对目标信号进行精确的运动补偿。最后采用CADFEKO仿真模型实验验证了所提方法的有效性。4.目前已有的大转角成像和多视角融合主要采用的是图像融合,对噪声敏感,不利于目标识别。针对此问题,本文提出了多视角属性散射中心模型（Attributed Scattering Center Model,ASCM）的部件参数融合以达到两维ISAR图像融合效果。传统的点散射中心模型只能表征目标的位置信息,无法表示目标的长度和角度,而属性散射中心模型表征了目标的几何特性。为了能得到目标的全方位部件信息,克服各向异性、遮挡和弱散射点被淹没的现象,提出基于属性散射中心模型的多视角参数化部件集的提取与合成算法。首先,将大视角回波数据有重叠的划分为若干子视角,分别进行属性散射中心模型的参数估计,然后将各参数统一投影到同一坐标系下,再进行参数的融合,最终得到目标参数集。该算法得到的这套参数可以反演目标回波数据,提高图像可视性,进行目标识别与分类。最后与基于图像的多视角融合算法进行对比,通过两个仿真实验验证了此算法的有效性。5.由于设备资源限制,在单基雷达情况下,针对雷达序列图进行三维重构及估计在目标坐标系下目标的姿态问题,分为两方面进行研究,即分别提出了基于雷达序列图的三维重构和姿态估计。首先介绍了基于雷达序列图的空间目标的三维（Three Dimension,3D）重构方法。通常空间自旋目标的三维重构都是通过对散射点轨迹进行矩阵分解的方法得到的,散射点轨迹是从雷达序列图提取并关联得到的。由于散射点提取与关联误差的存在,三维重构处理会出现精度降低,甚至失败的问题。另一方面,在雷达成像中,转台目标的散射点轨迹符合圆属性,这与几何投影理论认为散射点投影轨迹的椭圆属性相违背。为解决以上问题,提出了基于短时的空间目标散射点轨迹矩阵分解得到目标三维重构算法。另外,基于散射点轨迹矩阵分解得到的目标三维重构结果姿态是不确定的,因此无法对多视角三维重构结果进行融合处理。针对此问题,本章提出以目标坐标系为参考的目标三维重构姿态估计。通过对投影矩阵的进一步约束,三维重构结果的姿态可以得到估计。通过雷达序列图的三维重构与姿态估计,实现了多视角三维重构结果的融合,使获得的目标信息进一步增多。6.由于成像机制的不同,ISAR图像并不像光学图像一样,具有严格的灰度相似性。ISAR图像特显点较少,散射特性复杂,光学图像匹配算法不适用于ISAR图像的匹配。针对此问题,本文提出了基于随机采样一致性算法（Random Sampling Consistency Algorithm,RANSAC）的ISAR图像匹配和双基三维重构算法。首先,利用ISAR图像的稀疏性,通过散射中心提取将雷达图像转换为散射点集。然后,执行RANSAC算法,对两个散射点集进行粗匹配。在此基础上,估计一个大致的雷达入射角。通过雷达与目标转轴间的相关角度与散射点高度的迭代估计,当散射点匹配率达到最大时,散射点高度和精确的雷达入射角可同时得到估计。最后,基于电磁仿真软件CADFEKO进行了实验,证明了该算法的有效性。