一种基于粒子群滤波优化的ISAR成像方法

摘要

本发明属于ISAR成像技术领域，特别涉及一种基于粒子群滤波优化的ISAR成像方法，本发明将ISAR目标的平动分量进行多项式建模，通过ISAR图像熵最小化，利用PSO算法对多项式系数进行全局优化求解，最后补偿目标平动分量，得到高分辨率的二维成像结果，同时该技术能够实现目标平动多项式阶数的自适应估计。本发明能够有效避免局部最优问题，且求解精度高，对噪声适应性强。

主权项

一种基于粒子群滤波优化的ISAR成像方法，其特征在于，包括以下步骤：步骤1，利用逆合成孔径雷达发射线性调频信号S₀，利用逆合成孔径雷达接收原始回波数据，将原始回波数据沿距离向进行快速傅里叶变换，得到距离频域的数据矩阵S₁，对距离频域的数据矩阵S₁进行匹配滤波，得到匹配滤波之后的数据矩阵S_M；构建长度为M的时间列向量t，t＝[‑M/2，‑M/2+1，…，M/2‑1]^T，上标T表示矩阵或向量的转置，M为距离频域的数据矩阵S₁的列数；设定目标平动分量多项式阶数P，P＝1，2，3...，当P＝1时，跳至步骤2；步骤2，构建大小为M×P的时间矩阵D_P，时间矩阵D_P的第g列为列向量t^g，列向量t^g表示对时间列向量t的每个元素取g次方得出的新的向量，g取1至P；构建目标平动分量多项式系数向量b_P，当P＝i时，目标平动分量多项式系数向量b_P为0；当P＞1时，目标平动分量多项式系数向量b_P是长度为P的列向量，目标平动分量多项式系数向量b_P中的元素全为0；令迭代次数u＝1，2，3...，当u＝1时，跳至步骤3；步骤3，设定粒子群的粒子总数为K，令k＝1，2，…K，设定粒子群中第k个粒子的初始位置向量粒子群中第k个粒子的初始速度向量粒子群中第k个粒子的初始最优位置向量以及粒子群第k个粒子所对应的初始图像熵值根据第u‑1次迭代后粒子群中第k个粒子的速度向量第u‑1次迭代后粒子群中第k个粒子的位置向量以及第u‑1次迭代后粒子群中第k个粒子的最优位置列向量得到第u次迭代后粒子群中第k个粒子的速度向量得出第u次迭代后粒子群中第k个粒子的位置向量步骤4，得出第u次迭代后粒子群中第k个粒子所对应的目标二维图像矩阵的图像熵值步骤5，得出第u次迭代后粒子群所对应的图像最小熵值E^P，u，best、以及第u次迭代后粒子群的最优位置向量z^P，u，best；步骤6，用u_max表示设定的迭代次数u的经验迭代门限，如果u＞u_max或得出目标平动分量多项式阶数为P时的图像最小熵E_P、以及目标平动分量多项式阶数为P时的目标平动分量多项式系数向量b_P，E_P＝E^P，u，best，b_P＝z^P，u，best，|·|₁表示1范数，ξ为设定的粒子速度平均经验值门限；否则，令u的值自增1，返回至步骤3；步骤7，令目标平动分量多项式阶数P的值自增1，重复执行步骤2至步骤6；然后，判断E_P和E_P‑1的大小关系，如果E_P≤E_P‑1，则返回至步骤2；如果E_P＞E_P‑1，则得到最终图像最小熵、以及最终图像最小熵对应的目标平动多项式系数向量，所述最终图像最小熵是目标平动分量多项式阶数为P‑1时的图像最小熵E_P‑1，所述最终图像最小熵对应的目标平动多项式系数向量是：目标平动分量多项式阶数为P‑1时的目标平动分量多项式系数向量b_P‑1；步骤8，将时间矩阵D_P‑1和最终图像最小熵对应的目标平动多项式系数向量的转置相乘得到目标平动分量R；用目标平动分量R对匹配滤波之后的数据矩阵S_M进行平动补偿得到目标平动分量补偿后数据矩阵A，对目标平动分量补偿后数据矩阵A做基于最终图像最小熵的自聚焦，并对自聚焦形成的图像在方位向做快速傅里叶变换，得到最终ISAR图像。