1.一种基于修正牛顿迭代的ISAR横向定标与越多普勒单元走动校正方法，其特征在于，该方法包括以下步骤：
S1对目标原始回波进行平动补偿，获取目标平动补偿后目标的一维距离像序列：
通过传统ISAR平动补偿方法补偿由目标平动引起的包络与相位误差，传统ISAR平动补偿分包络对齐与自聚焦两步进行，其中包络对齐采用互相关法，自聚焦采用相位梯度算法；目标一维距离像序列可表示为：
S ( n , m ) = T Σ p = 1 P σ p sin c ( n + 2 B c y p ) exp [ - j 4 π c f c ( x p ω P R F m - y p ω 2 2 PRF 2 m 2 ) ] - - - ( 1 ) ]]>
其中n、m分别表示距离单元与慢时间索引，S(n,m)表示离散化目标一维距离像序列；fc、B、T、c、PRF分别表示信号的中心频率、带宽、脉宽、传播速度与脉冲重复频率；σp、(xp,yp)分别表示目标第p个散射点的后向散射强度、坐标，p＝1,2，,…，P，P为目标散射点个数；sinc(·)表示辛格函数；ω表示目标转速；j表示虚数单位；离散化目标一维距离像序列可进一步表示为：
S(n,m)＝exp[-jα(κn+yO)ω2m2]·Si(n,m) (2)
其中yO表示目标等效旋转中心纵坐标，α、κn、Si(n,m)为：
α = 2 πf c c · PRF 2 κ n = c 2 B n S i ( n , m ) = T Σ p = 1 P σ p sin c ( n + 2 B c y p ) exp ( - j 4 π c f c x p ω P R F m ) - - - ( 3 ) ]]>
其中Si(n,m)表示理想目标一维距离像序列，沿慢时间作快速傅里叶变换即可获得理想ISAR图像；
S2获取ISAR图像熵关于目标转速ω、等效旋转中心纵坐标yO的梯度与Hessian矩阵：
S2.1通过最小化ISAR图像熵估计{ω,yO}，可表示为：
x ^ = arg min x { E g ( x ) } - - - ( 4 ) ]]>
其中x＝[Ω,yO]T，[]T表示矩阵的转置，Ω＝ω2，为其估计值，表示b取最小值时对应的a值，Eg(x)表示ISAR图像熵，即：
E g ( x ) = - Σ n = - N / 2 N / 2 - 1 Σ k = 0 M - 1 | g n , k ( x ) | 2 G log | g n , k ( x ) | 2 G = - 1 G Σ n = - N / 2 N / 2 - 1 Σ k = 0 M - 1 | g n , k ( x ) | 2 log | g n , k ( x ) | 2 + log G - - - ( 5 ) ]]>
其中gn,k(x)表示ISAR图像：
其中k表示多普勒单元索引，k＝0,1，…，M-1，M表示多普勒单元个数，表示从慢时间域到多普勒频率域的FFT，表示图像总能量，与x无关；
S2.2获取图像熵关于x的梯度与Hessian矩阵：
图像熵关于x的梯度如下式所示：
其中为表达简便，将Eg(x)简写为E，将gn,k(x)简写为g，Re{·}表示取实部算子，{·}*表示共轭算子；
图像熵关于x的Hessian矩阵如下式所示：
H = ∂ 2 E ∂ Ω 2 ∂ 2 E ∂ Ω ∂ y O ∂ 2 E ∂ y O ∂ Ω ∂ 2 E ∂ y O 2 - - - ( 8 ) ]]>
其中二阶偏导以及如下：
∂ 2 E ∂ Ω 2 = - 1 G Σ n = - N / 2 N / 2 - 1 Σ k = 0 M - 1 { 1 | g | 2 [ ∂ | g | 2 ∂ Ω ] 2 + 2 ( 1 + log | g | 2 ) · [ | ∂ g ∂ Ω | 2 + Re ( g * ∂ 2 g ∂ Ω 2 ) ] } - - - ( 9 ) ]]>
∂ 2 E ∂ Ω ∂ y O = - 1 G Σ n = - N / 2 N / 2 - 1 Σ k = 0 M - 1 { 1 | g | 2 ∂ | g | 2 ∂ Ω ∂ | g | 2 ∂ y O + 2 ( 1 + log | g | 2 ) Re ( ∂ g ∂ Ω ∂ g * ∂ y O + g * ∂ 2 g ∂ Ω ∂ y O ) } - - - ( 10 ) ]]>
∂ 2 E ∂ y O ∂ Ω = - 1 G Σ n = - N / 2 N / 2 - 1 Σ k = 0 M - 1 { 1 | g | 2 ∂ | g | 2 ∂ y O ∂ | g | 2 ∂ Ω + 2 ( 1 + log | g | 2 ) Re ( ∂ g ∂ y O ∂ g * ∂ Ω + g * ∂ 2 g ∂ y O ∂ Ω ) } - - - ( 11 ) ]]>
∂ 2 E ∂ y O 2 = - 1 G Σ n = - N / 2 N / 2 - 1 Σ k = 0 M - 1 { 1 | g | 2 [ ∂ | g | 2 ∂ y O ] 2 + 2 ( 1 + log | g | 2 ) · [ | ∂ g ∂ y O | 2 + Re ( g * ∂ 2 g ∂ y O 2 ) ] } - - - ( 12 ) ]]>
其中g的二阶偏导：以及如下所示：
∂ | g | 2 ∂ Ω = 2 Re { g * ∂ g ∂ Ω } - - - ( 16 ) ]]>
∂ | g | 2 ∂ y O = 2 Re { g * ∂ g ∂ y O } - - - ( 17 ) ]]>
S3对Hessian矩阵进行修正：
对式(8)所得Hessian矩阵进行特征值分解：
Hl＝QlΛlQlT (18)
其中Hl表示第l次迭代产生的Hessian矩阵，与分别为Hl的特征值与特征向量；
为将Hl调整为正定矩阵，将其所有负特征值取反，并通过调整后的特征值与特征向量生成新的Hessian矩阵，如下式所示：
H l ′ = Q l | λ 1 ( l ) | | λ 2 ( l ) | Q l T - - - ( 19 ) ]]>
其中H′l表示第l次迭代所得修正后的Hessian矩阵，其所有特征值为正，因而必定正定，从而保证迭代沿下坡方向进行；
S4通过修正牛顿迭代法估计目标转速、等效旋转中心，实现ISAR横向定标与越多普勒单元走动校正：
通过修正牛顿迭代法估计目标转速与等效旋转中心的迭代过程如下：
x l + 1 = x l - β l H l ′ - 1 ▿ E l - - - ( 20 ) ]]>
其中βl表示迭代步长，决定每次迭代沿迭代方向所调整的距离；该步长由后向追踪算法决定，搜索过程为：算法初始化迭代步长为1，并不断缩小步长，直至图像熵降低的幅度满足要求；并且算法假设迭代步长不小于10-3，以防止陷入无限循环；
确定步长βl以后，采用式(18)对x进行更新，并进行精度估计判断，若精度达到要求，则终止迭代，且目标转速与等效旋转中心纵坐标估计值为若精度未达到要求，则返回S2；
获得估计值后，越多普勒单元走动校正以及ISAR成像过程可由下式表示：
其中g(n,k)表示越多普勒单元走动校正后的ISAR图像；
得到ISAR图像以后，将图像方位向多普勒频率坐标乘以比例因子即可获得横向定标后的ISAR图像。
