论文部分内容阅读
逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)能全天候、全天时的获取二维高分辨雷达图像,为目标检测和分类与识别提供丰富的特征信息。分辨率越高,后续的目标检测和分类识别率就会越高,然而传统的距离多普勒算法的分辨率受到合成孔径时间和信号带宽的限制,无法突破Rayleigh限。为了在不增加带宽和成像积累时间的情况下获得更高的分辨率,学者们将各种超分辨算法引入到ISAR成像中。其中子空间类算法通过协方差矩阵的特征分解,突破了Rayleigh限的限制,使参数估计值的均方差趋于克拉美罗界,具有很好的参数估计性能,使目标分辨能力大大提高。酉ESPRIT算法除了具有其它子空间类算法的优点和避免类似MUSIC的复杂的谱峰搜索外,还能够有效的利用观测数据的复共轭信息,有效的提高ESPRIT的参数估计精度。特别是在二维参数估计中,基于2D unitary ESPRIT的超分辨算法可以有效的解决常规2D ESPRIT的角度兼并问题。因此,研究如何利用酉ESPRIT算法实现超分辨ISAR成像具有重要的理论意义和应用价值。本文针对这一问题做了如下几个方面的工作：1.在分析ISAR成像原理、建立ISAR成像模型的基础上,通过距离对准和相位补偿消除平动对ISAR成像的影响。简要分析了基于物理光学法和等效电磁流的电磁散射计算方法,并利用等效电磁流对四种飞机目标进行了电磁散射特性研究。结合距离多普勒算法对成像模型的远场仿真数据进行成像处理,获得了目标的ISAR图像,为后续的仿真实验准备了大量的实验数据。2.在论述了LS-ESPRIT算法、TLS-ESPRIT算法及酉ESPRIT算法的原理及算法步骤的基础上,研究了三种算法在目标一维散射中心提取和重构中的应用。重点研究了酉ESPRIT超分辨成像算法,其主要思想是通过酉变换将数据从复数域转换到实数域,不但有效的提高了观测数据的利用率,而且大大的减少了计算量。最后,研究了散射中心数目估计方法,并分析了信噪比、脉冲数和调整因子对盖氏圆盘法估计性能的影响。3.基于二维酉ESPRIT和空间平滑技术提出了一种超分辨ISAR成像算法,由于利用了观测数据的复共轭信息使得数据得到有效利用,另外空间平滑技术可以解决ISAR数据只有一次快拍而二维酉ESPRIT算法本身需要多次快拍的矛盾。文中还详细分析了子孔径的选择对数据量和分辨率的影响,以及信噪比对ISAR成像结果的影响。4.由于非合作目标的运动参数等信息往往未知,给目标ISAR图像的横向定标带来困难。论文针对横向定标问题提出了两种不同的定标算法：基于旋转匹配的横向定标方法和基于调频率估计的横向定标方法。前者首先利用联合时频分布获取目标不同时刻下的瞬时ISAR像,其次利用二维酉ESPRIT提取目标的散射中心位置,通过旋转少数几个散射中心对角速度进行搜索。当两幅基于散射中心的图像匹配最好时即认为得到了正确的角速度估计,进而可以获得横向定标参数。后者考虑由于每一个散射点都通过调频率携带目标的转动信息,因此利用二维酉ESPRIT从ISAR图像中提取散射中心,然后估计和散射中心有关的调频斜率,进而得到转动角速度的估计,实现ISAR像的横向定标。研究发现由于二维酉ESPRIT的超分辨性能,使得基于此算法的横向定标结果准确度较高。5.在分类识别领域,主要提出了一种基于酉ESPRIT的目标高分辨一维距离像恢复的分类识别方法和一种基于散射中心提取的ISAR目标轮廓提取方法。分类识别方法主要利用酉ESPRIT提取目标每个视线下的一维散射中心位置,对目标的一维距离像进行恢复,通过幅度归一化克服方位敏感性并通过提取中心距特征实现一维距离像的平移不变性,从而获得更高的识别率。ISAR目标轮廓提取方法首先利用酉ESPRIT提取目标的二维散射中心位置,并将位于边界处的散射中心位置找出,按顺序连成闭合的轮廓线。精确的轮廓提取结果可以为后续的ISAR目标分类识别提供更稳定的识别特征。