[发明专利]一种基于电磁散射模型的大角度SAR超分辨成像方法

说明书

一种基于电磁散射模型的大角度SAR超分辨成像方法，对雷达回波进行子孔径划分，子孔径之间保留重叠区域用于转角估计；基于电磁散射模型对每个子孔径进行参数估计；利用估计得到的参数集，对当前子孔径的频率和角度范围进行外推，并进行重构得到高分辨率的子孔径图像；对所有校正旋转后的子孔径图像进行融合，获得高分辨率的融合图像。本发明提升了大视角条件下的SAR成像分辨率，保证了目标部件的整体连续性，提高了低信噪比条件下的算法鲁棒性。

技术领域

本发明涉及雷达信号处理技术领域，尤其涉及一种基于电磁散射模型的大角度SAR超分辨成像方法。

背景技术

合成孔径雷达(SAR)目标高分辨成像和分类识别在军事应用领域具有重要研究价值和意义。基于目标电磁散射中心的特征是目标特性分析与识别领域的热点。传统的SAR目标成像方法基于点散射模型，即每个散射点具有各向同性的特点。然而传统的点散射模型受分辨率限制，因此，指数衰减模型、几何绕射模型(GTD)和属性散射中心模型等目标回波模型被广泛研究。其中，属性散射中心模型更能反映目标的真实物理散射含义，能够较好地描述线、面结构部件，有望挖掘目标特征和增强雷达成像的可视性。

基于电磁散射模型的参数维度大，且存在耦合，因此具有较大的运算量。目前常见的方法主要针对耦合参数的分解和参数估计方法，如利用分水岭方法先进行散射中心分割再进行属性参数估计。保证信号完整性和快速运算仍是目前存在的主要难题。

另一方面，SAR成像距离和方位分辨率分别受限于雷达发射带宽和合成孔径大小。在有限系统参数的条件下，为了获得更高分辨率，可对回波数据进行超分辨处理。与点散射模型的超分辨方法不同，基于电磁散射模型可对目标部件进行精细化表征。目前常用的超分辨算法有如Burg外推算法、 RELAX算法以及MUSIC算法等，通过超分辨处理能够挖掘得到更多目标细节。

当视角变大时，目标部件的散射将存在变化，对相干积累造成影响。结合散射特征的大角度SAR成像也是近几年被广泛研究的问题。联合部件参数以及散射系数向量，将导致计算维度大大增加。如何将问题规模小型化并提高成像质量和获取目标细节具有重要研究意义。

发明内容

本发明提供一种基于电磁散射模型的大角度SAR超分辨成像方法，提升了大视角条件下的SAR成像分辨率，保证了目标部件的整体连续性，提高了低信噪比条件下的算法鲁棒性。

为了达到上述目的，本发明提供一种基于电磁散射模型的大角度SAR超分辨成像方法，包含以下步骤：

步骤S1、对雷达回波按照方位时间进行子孔径划分，子孔径之间保留重叠区域用于转角估计，在子孔径融合时构造旋转矩阵；

步骤S2、基于电磁散射模型对每个子孔径进行参数估计；

步骤S3、利用估计得到的参数集，对当前子孔径的频率和角度范围进行外推，并进行重构得到高分辨率的子孔径图像；

步骤S4、对所有校正旋转后的子孔径图像进行融合，获得高分辨率的融合图像。

所述的步骤S2中，假设SAR系统发射线性调频信号并进行运动补偿后，第k个子孔径(k＝1:K)用目标电磁散射模型可表征为：

其中，C＝3×10⁸m/s表示光速；α_p∈{-1,-0.5,0,0.5,1}为频率依赖因子，反映散射中心的角度依赖特性，L_p表示散射中心长度，表示初始指向角，{A_p,X_p,Y_p}分别表示散射中心p的幅度、横向和纵向位置；当 L_p＝0时，则该模型退化为传统的点散射模型。

当雷达工作带宽比B/f_c较小时，频率依赖因子的影响较小可忽略，同时忽略γ_p的影响，由此可得到：