[发明专利]基于卷积反演原理的扫描雷达前视角超分辨方法

说明书

技术领域

本发明属于雷达成像技术领域，它特别涉及扫描雷达前视成像。

背景技术

雷达平台前视成像在精确制导、飞行器自主着陆、地形回避和物资空投等军用和民用领域具有巨大的应用价值。由于前视区域是合成孔径雷达的成像盲区，因此，通常采用天线扫描成像的方式获得前视探测区域的实孔径回波图像。同时受制作工艺和安装平台尺寸限制，很难利用大孔径天线实现较高的角分辨率。因此，必须采用信号处理的方式改善扫描成像区域的方位角分辨率。通过对方位向回波建模发现，扫描雷达角超分辨问题可以在数学上理解为，已知方位维回波信号和卷积测量矩阵，求解目标场景分布的逆问题，因此，有关参考文献提出基于最小二乘原理和反卷积理论的方法，实现扫描雷达的方位角超分辨。

其中，文献“Zhang,Y.,Huang,Y.,Zha,Y.,Wu,J.,&Yang,J.(2014,July).Weighted least squares method for forward-looking imaging of scanning radar.In Geoscience and Remote Sensing Symposium(IGARSS),2014 IEEE International(pp.714-716).IEEE.”提出一种前视超分辨成像方法，该方法通过构造关于求解目标场景离散向量的加权最小二乘方程，并引入对角加载技术，实现对成像区域内目标的幅度和位置准确估计，但是此方法需要利用多个扫描回波来实现对协方差矩阵的准确估计，在高速运动平台下该要求很难被满足。

其次，文献“Zhang,Y.,Zhang,Y.,Li,W.,Huang,Y.,&Yang,J.(2013,July).Angular superresolution for real beam radar with iterative adaptive approach.In Geoscience and Remote Sensing Symposium(IGARSS),2013 IEEE International(pp.3100-3103).IEEE.”在另一种加权最小二乘准则下，提出一种实现扫描雷达成像的迭代自适应角超分辨方法，该方法利用加权向量，逐点对每个目标场景分布单元进行估计，迭代获得高精度的超分辨处理结果，然而由于该方法每次只对单个采样点进行估计，因此处理效率较低，会影响算法的工程实用性。

此外，文献“Li,D.,Huang,Y.,&Yang,J.(2011,October).Real beam radar imaging based on adaptive Lucy-Richardson algorithm.In Radar(Radar),2011 IEEE CIE International Conference on(Vol.2,pp.1437-1440).IEEE.”根据扫描雷达成像的卷积模型，提出一种卷积反演方法，该方法在假设噪声服从泊松分布和目标服从均匀分布的基础上建立目标函数，推导出迭代算法，虽然该方法一定程度上提高了角分辨率，然而由于算法只利用了最少的目标分布先验信息，因此，提高的角分辨率倍数有限，同时该算法在低信噪比下性能受到很大影响。

发明内容

针对背景技术中存在的问题，本发明提出一种基于卷积反演原理的扫描雷达前视角超分辨方法，将脉冲压缩和运动补偿后的扫描雷达的方位向回波信号，建模成天线方向图与前视成像场景的卷积模型，再利用卷积反演算法实现前视角超分辨成像。

本发明的技术方案是：基于卷积反演原理的扫描雷达前视角超分辨方法，首先对回波信号进行距离维脉冲压缩和距离走动校正，随后将前视方位向回波建模成天线方向图与目标分布场景的卷积模型，并根据噪声特性和目标分布特性建立目标函数和推导迭代表达式，通过迭代运算得到扫描雷达前视角超分辨成像。

进一步地，S1：根据运动平台雷达与前视成像区域内目标的几何运动关系来建立二维回波信号模型；

S2：根据发射信号构建脉冲压缩参考信号，对回波进行距离维脉冲压缩；

S3：根据运动平台雷达与目标间的斜距历史构建距离走动校正函数，并根据距离走动校正函数对由步骤S2得到的距离维脉冲压缩后的回波信号，进行距离走动校正；

S4：根据由步骤S3得到的回波信号，以及构造卷积测量矩阵建立回波信号卷积模型；