[发明专利]一种实现目标轮廓重构的雷达前视成像方法

说明书

本发明提出了一种实现目标轮廓重构的雷达前视成像方法，属于雷达前视成像领域。针对雷达前视成像过程中目标轮廓边缘不清晰的问题，本发明提出的方法将全变差函数用于雷达前视成像中，保留目标边缘信息，在提高目标方位向分辨的同时，实现前视区域中目标轮廓的清晰重构。基于卷积模型，将提高方位向分辨率的问题转化为卷积反演问题；在卷积反演过程中，将全变差函数应用于正则化方法，建立基于梯度约束的目标函数，增加边缘信息在卷积反演中的权重，避免了目标边缘信息在卷积反演过程丢失。本发明将全变差算子作为正则项来构造目标函数，提升了正则化方法在处理突变边缘时的能力，避免了目标边缘处分裂为多个较强单点目标，失去目标轮廓信息。

技术领域

本发明属于雷达前视成像领域，特别涉及一种实现目标轮廓重构的雷达前视成像方法。

背景技术

雷达平台前视区域的高分辨成像在战机对地攻击、飞机盲降导航、导弹精确制导、对海探测与成像、目标跟踪与识别、战场搜索等诸多领域有着广泛的运用。而具有清晰轮廓的成像结果能够提供更多目标有用的信息，更有利于目标识别和检测。

由于成像机理的限制，传统的合成孔径技术和多普勒波束锐化技术并不能实现前视区域高分辨成像；而实波束扫描雷达，由于实孔径尺寸的限制，方位向分辨率并不能满足实际需求。因此学者们提出了信号处理的方法，使方位向分辨率突破实孔径的限制，达到高分辨的效果。本发明利用雷达回波信号可以建模成天线方向图和原始场景反射系数的卷积模型，将超分辨问题转化为卷积求逆问题，通过卷积反演方法实现高分辨率下目标轮廓重构。

目前许多不同的卷积反演方法已经被运用到雷达成像中。贝叶斯理论是根据目标和噪声的统计分布进行合理假设，把求逆问题转化为最大后验概率估计问题。现有技术中，存在有贝叶斯的理论被运用到雷达前视成像中。为了抑制卷积反演过程中的噪声放大问题，截断奇异值的方法(TSVD)被运用到雷达成像中，通过该方法抑制了噪声的放大。针对不同特性的目标，通过添加不同的正则项来获取不同超分辨结果，有经典的Tikhonov方法。虽然上述的三种方法能够提高方位向分辨率，但是它们在处理突变的边界时的性能很差，因此通过上述三种方法很难得到清晰的目标轮廓重建结果。

发明内容

为了解决雷达前视成像过程中目标轮廓边缘不清晰的问题，本发明提出一种实现目标轮廓重构的雷达前视成像方法，在卷积反演过程中，利用全变差函数添加梯度约束来保留目标边缘信息，提高卷积反演方法在处理突变边界时的能力，从而获得清晰目标轮廓重构结果。

一种实现目标轮廓重构的雷达前视成像方法，包括以下步骤：

步骤1，基于扫描雷达的运动几何关系，建立方向位回波信号卷积模型，获取回波信号；

步骤2，对回波信号进行距离向处理，得到脉冲压缩和消除距离走动的回波信号；

步骤3，将所述距离向处理后的回波信号构建为天线方向图和目标散射系数的卷积形式；

步骤4，利用全变差函数，建立梯度约束的目标函数；

步骤5，利用迭代加权最小二乘法求解所述目标函数，得到雷达前视超分辨成像中的目标轮廓重构结果。

进一步地，所述步骤1包括以下流程：

设定载机平台的运动速度为v，波束俯仰角为θ，目标方位角为空间方位角度为可得场景中目标到载机平台的初始斜距为R₀，经过方位时间t，目标与载机平台的斜距为R(t)，根据余弦定理，可得

将观察场景离散化为由场景中的目标散射系数构成的二维矩阵形式，有

其中，为二维场景中位于(x_i,y_j)处的目标的散射系数，n为距离向的离散化单元数，m为方位向的离散化单元数；