一种基于L型三天线干涉处理的空间自旋目标宽带雷达三维成像方法

摘要

本发明提供一种基于L型三天线干涉处理的空间自旋目标宽带雷达三维成像方法，包括：第一步，对三天线回波信号经过平动补偿，进行解线频调处理，进行一维距离成像，并对距离‑慢时间平面不同散射点的回波曲线进行骨架提取和曲线分离，通过距离定标获取目标径向距离；第二步，对距离‑慢时间平面上的交叉点进行剔除，将三天线得到的距离‑慢时间像进行干涉处理，得到两维位置信息，再将因一维距离旁瓣和噪声影响而产生波动的坐标进行平滑处理。实现了不同时刻对散射点的三维干涉成像，有效克服了单基雷达中无法获得目标真实位置和双/多基雷达中多部雷达回波联合处理困难的问题。

说明书

技术领域

本发明涉及信号与信息处理技术，具体涉及一种基于L型三天线干涉处理的空间自旋目标宽带雷达三维成像方法。

背景技术

空间目标探测与识别技术一直以来都是世界各国研究的热点。由于空间目标大都具有自旋、锥旋、翻滚、进动等多种微动形式，因此基于微动特征提取的空间目标识别技术得到了广泛研究。通过分析目标微动引起的回波调制特征，反演目标上散射点的空间三维分布和三维微动参数，可为目标的分类与识别提供重要依据。

现有的空间目标三维成像技术，主要有基于单基雷达的三维成像技术(参见王琦的《快速进动目标高分辨三维雷达成像》，发表在《地球科学与遥感学报》，2008，第四十六期)和基于双/多基雷达的三维成像技术(参见邹小海的《自旋尾翼弹头的双基地微多普勒研究》，发表在《电子与信息学报》，2012，第三十四期)，这些对空间目标的三维成像技术都通过对空间目标的三维成像，提取目标更多的信息，进而实现对目标的分类与识别。

当采用单基雷达对微动目标进行三维成像时，雷达回波的微多普勒特征参数仅由目标微动部件运动矢量在雷达视线方向(LOS)上的投影值决定，因此上述方法所获得的三维成像结果并不能确定目标散射点的真实空间位置，均需要利用目标相对于雷达的姿态信息才能实现对成像结果的准确定标。而在实际应用中，仅利用单基雷达难以准确获得目标相对于雷达的姿态信息。且需要利用目标微多普勒信号为正弦调频(SinusoidalFrequency Modulation，SFM)信号这一先验信息，对于复杂微动目标并不适用。当采用双/多基雷达对微动目标进行三维成像时，获得目标真实三维成像结果和三维微动特征时，都需要通过对位于不同视角的多部雷达的回波进行联合处理，在实际应用中还面临着雷达同步、目标上散射中心各向异性、遮挡效应等问题，且系统实现较为复杂。

发明内容

本发明的目的在于克服上述现有技术中的不足之处，提出一种基于L型三天线干涉处理的空间自旋目标宽带雷达三维成像方法。

本发明是通过如下方式实现的：

步骤一：对三天线回波信号经过平动补偿，进行解线频调处理，进行一维距离成像，并对距离-慢时间平面不同散射点的回波曲线进行骨架提取和曲线分离，通过距离定标获取目标径向距离；

步骤二：对距离-慢时间平面上的交叉点进行剔除，将三天线得到的距离-慢时间像进行干涉处理，得到两维位置信息，再将因一维距离旁瓣和噪声影响而产生波动的坐标进行平滑处理。

所述的步骤一具体包括下述步骤：

Step 1)通过平滑滤波、二值化处理之后提取距离-慢时间平面曲线骨架；

Step 2)对提取的骨架进行曲线分离，初始化：令i＝1，d＝0，c^1×N为零向量；

Step 3)求S_K(|S(f,t_m)|)第i列中大于阈值ζ的点，将这些点在S_K(|S(f,t_m)|)中的行序号记在向量r中，设r中共有p个元素，r(i_p)为r中第i_p个元素，建立p个零向量令

Step 4)i＝i+1，搜索S_K(|S(f,t_m)|)第i列中幅值大于ζ的点，将其行序号记在向量r′中，序列中元素序号为i_p′；若r′中元素个数大于零，转Step>

Step 5)令判断中p个搜索到的曲线行序号是否有相等值，若有相等值，转Step 7)，若没有相等值，转Step 8)；

Step 6)判断，当d＞D时，终止曲线搜索，转Step 9)；当d＞D时，令r′＝[1,2,...M]，转Step>

Step 7)令

然后转Step 8)；

Step 8)判断：当i＜N，转Step 3)；当i＝N，转Step 9)；

Step 9)将p个向量组成矩阵C^p×N，C^p×N中的每一行就构成一条提取的曲线，将各条曲线进行距离定标转化成径向距离。

所述的步骤二具体包括下述步骤：

Step 1)将距离-慢时间平面的曲线交叉点进行剔除；

Step 2)对三天线的距离-慢时间像进行干涉处理，得到目标每一时刻二维位置；

Step 3)由于噪声和一维距离旁瓣影响，得到的坐标值在理论值附近随机变化，对其进行平滑处理。

本发明的有益效果在于：将干涉逆合成孔径雷达(Interferometric InverseSynthetic Aperture Radar InISAR)中干涉成像的思路引入到空间微动目标三维成像技术研究中，基于L型分布三天线结构，提出了对空间自旋目标三维干涉成像方法，在距离-慢时间平面，对不同散射点的微动曲线进行干涉处理，获得干涉相位差，并根据该干涉相位差与散射点坐标之间的关系，对散射点坐标进行重构，实现了不同时刻对散射点的三维干涉成像，有效克服了单基雷达中无法获得目标真实位置和双/多基雷达中多部雷达回波联合处理困难的问题。

附图说明

图1为三天线干涉成像系统几何图；

图2为本成像方法流程图；

图3为散射点距离-慢时间成像；

图4为散射点距离-慢时间曲线分离结果；

图5(a)为散射点理论U轴坐标曲线，图5(b)为散射点理论V轴坐标曲线，图5(c)为散射点理论W轴坐标曲线；

图6(a)为散射点重构U轴坐标曲线，图6(b)为散射点重构V轴坐标曲线，图6(c)为散射点重构W轴坐标曲线；

图7(a)为平滑之后的散射点重构U轴坐标曲线，图7(b)为平滑之后的散射点重构V轴坐标曲线，图7(c)为平滑之后的散射点重构W轴坐标曲线；

图8为信噪比为0dB时散射点距离-慢时间成像；

图9(a)为散射点重构U轴坐标曲线，图9(b)为散射点重构V轴坐标曲线，图9(c)为散射点重构W轴坐标曲线；

图10(a)为平滑之后的散射点重构U轴坐标曲线，图10(b)为平滑之后的散射点重构V轴坐标曲线，图10(c)为平滑之后的散射点重构W轴坐标曲线；

具体实施方式

下面结合附图和本发明的实例，对本发明作进一步的描述。

如图2所示，本发明通过下列步骤实现：采用图1所示的L型三天线干涉成像系统，天线A为收发一体天线，天线B和C为接收天线。目标参考点O在雷达坐标系中的坐标为(X,Y,Z)，数据录取初始时刻的坐标为(X_c,Y_c,Z_c)。以O点为坐标原点建立两个坐标系：一是目标坐标系xyz，是为描述目标在三维空间中的转动而建立的，随目标在三维空间中的运动而运动；二是参考坐标系UVW，坐标轴在任意时刻都分别与雷达坐标系的坐标轴保持平行，随目标中心的平动而整体平动。它们之间的关系由欧拉旋转矩阵确定。假设目标上一散射点P在参考坐标系UVW中的坐标为(x_p,y_p,z_p)，在平动的同时分别以角速度ω_x、ω_y和ω_z绕本地坐标系的x轴、y轴和z轴作自旋运动，本地坐标系中的角速度向量表示为ω＝(ω_x,ω_y,ω_z)^T，也可以用参考坐标系中角速度向量来描述。对三天线得到的空间自旋目标回波经过平动补偿之后进行一维距离成像，将距离-慢时间平面的各条回波曲线进行分离，获取V轴坐标；将曲线交叉点进行剔除，对三天线得到的回波进行干涉处理，分别得到U轴和W轴坐标；噪声的存在使得干涉得到的U轴和W轴坐标值随机波动，V轴坐标由于距离分辨率的限制，在成像时间内并不是光滑曲线，均采取平滑处理。具体说明如下：

步骤一：进行一维距离成像和曲线分离

假设雷达发射信号为线性调频(Linear Frequency Modulation，LFM)脉冲信号，发射信号表示为

其中，f_c是载频，T_p是脉冲宽度，μ是调频率，为快时间，t_m＝mT,m＝0,1,2,...M-1为慢时间，M为发射的脉冲数，T为脉冲重复周期。

采用解线频调方法对接收数据进行处理，设参考距离为R_ref。为了简化分析，本文采用三天线分别选取各自参考距离的方法进行解线频调，即R_refA＝R_AO,R_refB＝R_BO,R_refC＝R_CO，此时可实现各天线所获得图像的精确配准。将解线频调脉压处理后的差频回波对快时间(以参考点的时间为基准)进行傅里叶变换，A天线得到的回波数据为

其中R_ΔAP(t_m)＝R_AP(t_m)-R_AO(t_m)，σ_P为P点的散射系数。将式(2)中后两个相位项即“剩余视频相位”项和包络“斜置”项消除后得到

同理，B和C天线的回波可分别表示为

其中，R_ΔBP(t_m)＝R_BP(t_m)-R_BO(t_m)，R_ΔCP(t_m)＝R_CP(t_m)-R_CO(t_m)。

当对式(5)取模值可得到散射点的一维距离像

其峰值位置位于f＝-2μR_ΔAP(t_m)/c处，从快时间频率-慢时间平面(即f-t_m平面，由于f通过距离定标可以转化为径向距离，因此该平面也可称为“距离-慢时间平面”)上看，距离像峰值呈现为随R_ΔAP(t_m)变化的曲线，经过平动补偿处理，R_ΔAP(t_m)中只包含散射点的转动所引起的距离变化，因此该曲线反映了微动点的运动特征。因此，在宽带雷达中，得益于宽带雷达的距离高分辨力，可以从距离-慢时间平面来分析目标微动引起的回波调制效应。R_ΔAP(t_m)可表示为

R_ΔAP(t_m)＝K+r_Pcos(Ωt_m+θ_P)(7)

其中，K为回波曲线在距离-慢时间平面的基线位置，r_P为振幅，与散射点的自旋半径有关，Ω为旋转角频率，θ_P为初始相位。因此，根据不同散射点的自旋半径、初始相位等信息的不同，可在距离-慢时间平面将不同的散射点进行区分。

在距离-慢时间平面，数据矩阵的行向量为慢时间向，列向量为距离向。设距离-慢时间平面上两点的位置分别为(x₁,y₁)和(x₂,y₂)，则定义两点之间的距离为在相邻慢时间时刻，即距离-慢时间平面上相邻两列数据之间，同一条曲线上的两点之间距离最小，可利用这一特点进行曲线分离。将曲线上一点作为原点，对相邻一列数据进行搜索，将距离最小的点作为该条曲线上的点，并以该点作为新的原点继续对下一列数据进行搜索，如此循环下去，最终可得到该条曲线。为避免距离旁瓣的影响，在曲线分离之前需抑制一维距离旁瓣。采用数学形态学中的骨架提取算法，即通过高斯滤波、二值化和形态学处理对距离-慢时间平面的回波曲线进行骨架提取以抑制一维距离像旁瓣。设骨架提取之后的回波数据S_K(|S(f,t_m)|)为M×N的矩阵，令(x_n,y_n)为曲线上第n个采样点，S_n为该点模值，求解如下最优化模型：

y_n-y_n-1＞0保证搜索向着同一方向，ζ为设定的阈值，S_n＞ζ保证只有幅值超过设定阈值的点才能成为候选点。在曲线交叉处，两条或多条曲线重叠到同一个点，当用式(8)算法搜索下一个相邻慢时间时刻的曲线位置时，各条曲线会搜索到同一点，汇集为一条曲线，为避免该问题，利用距离-慢时间平面曲线导数的连续性，曲线上相邻两点的导数差很小，且在较短时间内曲线的变化趋势基本不变进行交叉点处曲线的分离。设曲线在(x_n-1,y_n-1)点处交叉，利用交叉点之前n₀个已经分离出的曲线上的点，计算相邻点之间的导数并取平均，在每一个曲线交叉点处通过求解如下的最优化模型即可搜索分离出该条曲线：

具体分离算法如下：

输入：骨架提取后的回波数据S_K(|S(f,t_m)|)；

输出：提取的各条曲线的行序号；

Step 1)初始化：令i＝1，d＝0，c^1×N为零向量；

Step 2)求S_K(|S(f,t_m)|)第i列中大于阈值ζ的点，将这些点在S_K(|S(f,t_m)|)中的行序号记在向量r中，设r中共有p个元素，r(i_p)为r中第i_p个元素，建立p个零向量令

Step 3)i＝i+1，搜索S_K(|S(f,t_m)|)第i列中幅值大于ζ的点，将其行序号记在向量r′中，序列中元素序号为i_p′；若r′中元素个数大于零，转步骤4，若r′中元素个数等于零，则d＝d+1，转Step>

Step 4)令判断中p个搜索到的曲线行序号是否有相等值，若有相等值，转步骤6，若没有相等值，转Step 7)；

Step 5)判断，当d＞D时，终止曲线搜索，转Step 8)；当d＞D时，令r′＝[1,2,...M]，转Step 4)；

Step 6)令然后转Step7)；

Step 7)判断：当i＜N，转Step 3)；当i＝N，转Step 8)；

Step 8)将p个向量组成矩阵C^p×N，C^p×N的每一行就构成一条提取的曲线。

至此，完成了对距离-慢时间平面曲线的分离。通过距离定标即可将频率转化为径向距离，得到V轴坐标。

步骤二：交叉点去除以及干涉处理

由式(6)可知，一维距离像是由sinc函数决定的，曲线交叉处是多个sinc函数的主瓣相互交叠。sinc(a)函数第一零点在a＝1处，对于A天线距离-慢时间像，即

其中，为峰值点对应的频率，因此，第一零点距峰值点频率差为所占距离分辨单元数n_x为

其中，R_resulution为距离分辨率。由于sinc函数主瓣能量较高，同样会对干涉相位造成影响，因此对每一交叉点邻近范围进行搜索，将同一慢时间时刻，散射点距离-慢时间平面曲线上的点之间的距离向分辨单元数之差d≤n_x的点剔除。具体可在曲线分离的基础上，搜索曲线之间每一慢时间时刻的行序号之差在剔除范围之内的点，并对其进行剔除处理。

对距离-慢时间平面的每个t_m时刻回波信号分别进行干涉处理，即可得到干涉相位差为

为保证不发生相位模糊，应使得和由目标和天线的几何关系可得散射点P在参考坐标系UVW中U轴和W轴随慢时间变化的坐标分别为

至此，得到U轴和W轴坐标。

实例：SAR数据自适应压缩与重构仿真实验

仿真实验：为了验证本发明所提算法的有效性，我们进行如下计算机仿真。雷达发射线性调频信号，采用正侧视的方式发射信号。数据模拟所需参数设定见表1。

表1仿真参数设置

仿真1：为了验证算法的有效性，现进行如下仿真实验。采用两个散射点的模型，两个散射点坐标分别为(-2.5,10,5)和(6,-2.5,-15)，散射系数ρ_i＝1,i＝1,2。

第一步：对回波信号进行解线频调处理，进行一维距离成像，并对距离-慢时间平面不同散射点的回波曲线进行分离，一维距离像以及曲线分离结果如图3和图4所示，通过一维距离像得到V维坐标，结果如图6(b)示；

第二步：计算sinc函数第一零点距峰值点之间的距离分辨单元数为n_x＝1，将交叉点以及邻近距离分辨单元数之差d≤1的点剔除。对三天线得到的距离-慢时间像进行干涉处理，得到U轴和W轴重构坐标，对于每一交叉点周围区域由一维距离旁瓣引起的不理想的重构坐标进行剔除，结果如图6(a)和6(c)所示。真实坐标变化如图5所示；

第三步：U轴和W轴重构坐标在一维距离旁瓣的影响下，在真实坐标周围作小范围的随机波动，V维坐标受距离分辨率的限制，并不是平滑的曲线。可对三维重构坐标做平滑处理，做曲线拟合的结果如图7所示，经过曲线拟合之后坐标值与真实坐标值之间的均方误差(MSE)如表2所示。

表2重构坐标值与真实值MSE

从仿真结果中可以看出，除了交叉点处以及一维距离旁瓣影响较大的慢时间时刻，采用干涉处理的方法得出的U轴坐标和W轴坐标较好地重构出了真实坐标值，经过拟合将坐标曲线进行平滑并将交叉点附近区域进行连接，更精确地逼近散射点的真实坐标值。

仿真2：在本节中，为了验证算法的抗噪性，在仿真回波数据中加入高斯白噪声。信噪比(SNR)为0dB时，距离-慢时间成像如图8所示。坐标重构结果分别如图9所示。由于高斯白噪声为随机分布，对干涉相位以及重构坐标的影响也是随机的，仍然可采用拟合的方法进行平滑。经过数据拟合之后的坐标如图10所示，该重构结果与真实值之间的MSE如表3所示。可以看出，在0dB条件下重构误差很小，重构结果比较好

表3 SNR为0dB时重构坐标值与真实值MSE

本发明提出的空间自旋目标宽带雷达干涉三维成像方法，实现了对空间自旋目标真实位置精确重构，能够仅利用单部雷达获得目标的三维真实坐标；同时，有效避免了目标的遮挡效应、多部雷达回波联合处理的问题。