扫描雷达超分辨成像方法

摘要

本发明公开了一种扫描雷达超分辨成像方法，具体发射大时宽带宽积线性调频信号，通过脉冲压缩技术实现距离向高分辨；对距离走动校正后的数据估计全局峰值信杂噪比，若峰值信杂噪比高于初始设定值，则对距离走动校正后的信号进行目标区域检测，将检测出的目标区域进行高次迭代超分辨成像处理，场景数据则进行低次迭代；最后将目标区域和场景数据重组，完成整个成像区域的成像处理；若峰值信杂噪比低于初始设定值，选择合理的迭代次数对整个成像区域数据统一处理。本发明的方法对成像区域的强目标区域和场景进行了划分，分别进行了超分辨处理，在获得强目标区域较高超分辨倍数的同时，保证了场景信息的轮廓特征。

主权项

1.一种扫描雷达超分辨成像方法，具体包括以下步骤：步骤一：回波获取，设发射信号为线性调频信号其中，τ为距离向时间变量，K_r为调频斜率，T_r为脉冲时宽，f₀为载频；从点目标P(x,y)反射的回波经下变频后表达式为：$S(\tau ,t)={\sigma }_0{w}_a\left(t\right)\mathrm{rect}\left[\frac{\tau -{\tau }_d}{T_r}\right]\times \exp \left\{\mathrm{j\pi }{K}_r{[\tau -{\tau }_d]}^2\right\}\times \exp \{-j2\pi f_0{\tau }_d\}$其中，σ₀为目标散射系数，ω_a(t)是天线方向图调制函数，ω_a(t)=A(θ₀-θ)，A(θ)为天线方向图函数，θ₀为目标方位角，rect[·]是距离向时间窗函数，τ_d=2R(t)/c是双程回波延迟，为场景中任一点目标P到雷达平台瞬时距离，R₀为目标P零时刻到雷达平台距离，t为方位时间变量，V为平台运动速度，c为光速；步骤二：距离向脉冲压缩，构造距离向脉冲压缩频域匹配函数将回波信号沿距离向FFT，在距离频域—方位时域中，与匹配函数相乘，再反变换到二维时域中的信号表达式为：S_rc(τ,t)=σ₀w_a(t)sinc{B[τ-τ_d]}×exp{-j2πf₀τ_d}其中，sinc{·}为距离脉压响应函数，B为发射信号带宽；步骤三：距离走动判定及校正，根据步骤一中的瞬时距离表达式，得到距离走动量为ΔR=VT_scosθ₀，其中，为波束扫描驻留时间，θ_beta为天线波束宽度，ω为扫描速度。判断其是否跨越距离单元其中，f_r为距离向采样率；若满足ΔR<Δr，直接进行步骤四；若ΔR>Δr，将步骤二中的距离频域—方位时域数据在乘以脉冲压缩频域匹配函数后，再乘以距离走动校正函数然后再进行距离向IFFT，得距离走动校正后信号表达式为：$S_{\mathrm{rcmc}}(\tau ,t)={\sigma }_0{w}_a\left(t\right)\sin c\left\{B\right[\tau -\frac{2R_0}{c}\left]\right\}\times \exp \{-j2\pi f_0{\tau }_d\}$步骤四：计算峰值信杂噪比；计算距离走动校正后数据峰值信杂噪比：$\mathrm{SCNR}=20*{\log }_{10}\frac{\max \left(S_{\mathrm{rcmc}}(\tau ,t)\right)}{\mathrm{mean}\left(S_{\mathrm{rcmc}}(\tau ,t)\right)}$其中，max(S_rcmc(τ,t))为距离走动校正后数据S_rcmc(τ,t)最大值，mean(S_rcmc(τ,t))为平均值；将计算的峰值信杂噪比SCNR与初始设定值SCNR0比较，若SCNR≥SCNR0，进行步骤五；若SCNR<SCNR0，按照Lucy-Richardson迭代解卷积公式，对距离走动校正后数据选择合理的迭代次数进行超分辨成像处理；步骤五：计算全局阈值，根据基于瑞利分布的双参数恒虚警率（CFAR）检测方法，对距离走动校正后数据进行CFAR检测，检测准则为：$S_{\mathrm{CFAR}}(i,j)=\left\{\begin{array}{c}{S}_{\mathrm{rcmc}}(i,j),\frac{(S_{\mathrm{rcmc}}(i,j)-{\mu }_c)}{{\sigma }_c}>\mathrm{Th}\\ 0,\frac{(S_{\mathrm{rcmc}}(i,j)-{\mu }_c)}{{\sigma }_c}<\mathrm{Th}\end{array}\right.$其中，S_CFAR(i,j)为CFAR检测后的数据，μ_c为CFAR检测时参考窗内数据均值，σ_c为参考窗内数据标准偏差，Th为门限因子，根据瑞利分布概率密度函数，计算出Th与虚警概率P_fa之间的关系为：$\mathrm{Th}=\frac{(2\sqrt{-\ln P_{\mathrm{fa}}}-\sqrt{\pi })}{\sqrt{4-\pi }}$根据最大化类间方差方法计算CFAR检测后数据的全局阈值β；以β为阈值对数据进行初步划分，初步确定目标区域为：S_target=S_CFAR(τ,t),其中，|S_CFAR(τ,t)|≥β。步骤六：目标区域检测，沿S_target方位向进行目标边缘信息检测；若某一方位单元S_target(i,j)非零，则沿方位向以该单元为中心向两边各扩展保留半个波束宽度数据，即：S_target(i,j1)=S_rcmc(i,j1)，其中，(j-N_beta/2)≤j1≤(j+N_beta/2)；式中N_beta为天线方向图主瓣采样点数；步骤七：方位向超分辨处理，采用步骤四中Lucy-Richardson迭代解卷积公式，对步骤五中得到的目标区域数据S_target和整个成像场景S_rcmc，分别选取预先设定的迭代次数进行超分辨迭代解卷积处理，得到超分辨处理结果分别为P_target和P_rcmc；步骤八：数据重组；找到目标区域S_target中所有非零数据所对应的像素点所在位置然后将P_rcmc中所有属于I中的像素点对应的数据更新为P_target中的对应点的数据，即P_rcmc(i,j)=P_target(i,j),(i,j)∈I，即得到了最终的成像结果。