法律状态公告日
法律状态信息
法律状态
2016-11-16
未缴年费专利权终止 IPC(主分类):G01S13/89 授权公告日:20140416 终止日期:20150929 申请日:20120929
专利权的终止
2014-04-16
授权
授权
2013-03-20
实质审查的生效 IPC(主分类):G01S13/89 申请日:20120929
实质审查的生效
2013-02-13
公开
公开
技术领域
本发明属于雷达成像技术领域,涉及空间自旋目标成像方法的设计,具体涉及一种 基于SRMF和序列CLEAN的空间自旋目标成像方法。
背景技术
随着人类对太空界的深入开发,空间碎片的数量急剧增加,同时其高速运动(通常 为8km/s),如果在轨航天器与其进行碰撞将对航天器的正常运行造成严重的威胁。因 此对其进行检测和识别成为一项重要的任务。基于太空碎片围绕其主轴进行简单自旋 运动的事实,目前主要的成像方法有:单距离多普勒干涉(SRDI),单距离匹配滤波 (SRMF)和SRMF-CLEAN。
SRMF-CLEAN方法成像的主要步骤如下:
(1)首先利用傅里叶变换对回波数据进行距离向压缩得到单个距离单元的数 据;
(2)采用SRMF对单个距离单元数据进行处理,得到一幅二维复图像;
(3)提取上面复图像中最大的峰值所对应的位置和幅度参数,并利用该参数构 造点扩散函数;
(4)在上一步的基础上估计该位置上的反射系数;
(5)减去该散射点对回波数据的贡献,用消减之后的信号作为新的输入值;
(6)重复步骤(2)~步骤(5),直到所有散射点都找到或者是信号能量达到噪 声水平。
由于SRMF-CLEAN方法对噪声比较敏感且容易受虚假散射点的影响,利用该方 法提出的散射点的位置信息偏差较大。而序列CLEAN每次查找的是m个峰值(m取值 越大,查找到的散射点精确度越高;但m取值太大会导致运方速度变慢),并且利用 消减前后的能量变化判断该峰值是否是真实的目标点。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于SRMF和序列CLEAN的空间自 旋目标成像方法。
技术方案
一种基于SRMF和序列CLEAN的空间自旋目标成像方法,其特征在于步骤如下:
步骤1:根据仿真目标模型的距离向和方位向构造回波信号;
步骤2:利用傅里叶变换对回波信号进行距离压缩得到信号Sk(x),其中k表示迭 代次数,并利用公式计算压缩后信号的能量,其中*表示共轭;
步骤3:利用SRMF方法对回波信号中每个距离单元进行处理,得到二维复图像Ik;
步骤4:提取二维复图像Ik中最大的m个峰值,并记录下每个峰值对应的坐标及 幅度信息;
步骤5:利用第i个峰值的坐标和幅值信息构造点扩散函数,i=1,2…m;用Sk(x) 在对应位置减去该点的点扩散函数,得到第k次迭代过程中选取的第i个峰值的信号 Sk,i;
步骤6:计算信号Sk,i对应的能量
步骤7:比较Ti(k+1)与T(k),如果前者大于后者则认为步骤5中消减的点为虚假 目标,比较Ti(k+1)与T(k),如果前者大于后者则认为步骤5中消减的点为虚假目标, 终止此点的迭代;反之则存储该点的位置和幅度信息,然后令k=k+1,将Sk,i作为 新的回波信号,重复步骤2-5;
步骤8:对m个峰值重复步骤4~步骤6;
步骤9:当目标都已找到或者是达到噪声水平,则终止,得到一个不完全的m叉 树,找到信号能量最小的那个节点,然后从这个节点向上搜索路径,并存储该路径对 应的所有节点;
步骤10、用“干净”点扩散函数与这些点卷积得到复原的“干净”信号的目标成 像。
有益效果
本发明提出的一种基于SRMF和序列CLEAN的空间自旋目标成像方法,利用序列 CLEAN代替相干CLEAN和SRMF相结合,利用该方法能够有效地解决虚假散射点 的影响。由于序列CLEAN每次查找的是最大的m个峰值,可以构成一个m叉树。并 且在每次查找到峰值进行下一步之前会对该散射点进行判断,看是否属于真实的目标 散射点。这样能够有效地解决虚假散射点和噪声的干扰。通过仿真结果发现,该方法 能较准确地查找到所有的散射点。
附图说明
图1:雷达自旋目标模型
图2:仿真点目标模型
图3:SRMF成像效果图
图4:SRMF-SRMF方法成像效果图
图5:本发明方法的成像效果图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
图a雷达自旋目标模型,R为雷达视线方向,Z轴为目标旋转轴,P为目标上 任意散射点,P′为点P在雷达成像平面上的投影点。
1)根据图b所示的4个点构造回波信号;
2)对上述的回波信号进行距离压缩后的信号为Sk(x)(k代表迭代的次数)并计算此 信号的能量:
3)针对逐个半径建立匹配信号,把其与距离压缩后的信号都转换到频域上,然后 把两者进行相乘可以得到二维复图像Ik;
4)查找图像Ik中最大的4个峰值,并记录下每个峰值的位置和幅度信息;
5)利用第i(i=1,2,3,4)个峰值的相关信息构造该点的点扩散函数,并在压缩的信 号减去该点扩散函数,从而得到新的信号S(k,i);
6)计算新信号的能量:
7)比较Ti(k+1)与T(k),如果前者大于后者则认为本次消减的为虚假目标,终止 此点的迭代;反之存储此点的位置和幅度,然后令k=k+1,将S(k,i)作为新的输入信 号,重复步骤1)-5);
8)对m个信号重复步骤5)-8);
9)如果4个目标都已找到,则终止迭代过程。此时可以得到一个不完全的4叉树, 找到信号能量最小的那个节点,然后从这个节点向上搜索路径,并存储该路径对应的 所有节点;
10)用“干净”点扩散函数与这些点卷积得到复原的“干净”信号。
图像解释说明:
图3是SRMF算法成像效果图,从图中看出旁瓣较高并且图中由于旁瓣叠加形成 了较高的虚假散射点,直接影响仿真散射点的识别;图4是用SRMF-CLEAN算法的 成像效果图,从图中看出查找到的散射点与仿真散射点的位置存在较大的偏差,因为 该算法每次查找最大的峰值,没有判断该目标点是否属于真实目标散射点;图5为本 发明算法的成像效果图,由于该算法在查找到峰值点后对其进行判断,看是否属于真 实目标散射点,从图中看出该算法能够较准确地查找到仿真的散射点。
机译: 一种基于学习的心脏核自旋共振层析成像目标检测方法
机译: 用于产生该k空间中具有不同脉冲序列的物体的核心pin图像的方法和实施该方法的核自旋层析成像设备
机译: 核自旋层析成像设备和方法,用于产生k空间中具有不同正序列的对象的核心pin图像