[发明专利]一种基于改进最小熵算法的SAR动目标成像方法

说明书

本发明提供一种基于改进最小熵算法的SAR动目标成像方法；包括：第一步，推导正侧视的SAR动目标回波二维频域信号，构造相位补偿函数，用传统距离徙动算法进行成像之后提取动目标的ROI数据，并构造动目标ROI数据的相位补偿函数；第二步，通过基于改进的最小化图像熵方法寻找动目标信号中未知参数的最佳值，对动目标ROI数据进行相位补偿，完成动目标的聚焦。改进最小熵算法将二分法的思想引入到迭代最小熵算法中来，通过熵函数导数的正负确定下一次迭代的参数取值范围，不断缩小参数取值范围，最终得到使熵函数值最小的最佳参数。改进最小熵算法能够克服传统最小熵算法的一些不足，具有收敛速度快、适应性强的优点。

技术领域

本发明涉及信号与信息处理技术，具体涉及一种基于改进最小熵算法的SAR动目标成像方法。

背景技术

合成孔径雷达(SyntheticAperture Radar，SAR)是一种主动式、全天时、全天候、高分辨的对地观测雷达系统，应用广泛。地面动目标成像(Ground Moving TargetImaging,GMTIm)是SAR中一个重要的应用。地面动目标的运动会导致多普勒平移、距离单元徙动以及方位调频率的改变，适用于地面静止目标的传统SAR成像算法难以对地面动目标进行成像。

现有的地面动目标成像方法可分为优化方法类、时频变换类、感兴趣区域(RegionofInterest,ROI)类等。时频变换类的动目标成像方法有基于Keystone变换的方法(参见Wan jun的《Refocusing of Ground Moving Targets with Doppler Ambiguity UsingKeystone Transform and Modified Second-Order Keystone Transform forSyntheticAperture Radar》，发表在《Remote Sensing》，2021年1月16日，第13卷，第1期)。由于散焦的动目标只存在于场景中很小的范围内，所以可以提取包含动目标全部信息的ROI数据后再进行动目标聚焦，这类叫做ROI类动目标成像方法(参见Zhang yuan的《High-Resolution SAR-Based Ground Moving Target Imaging With Defocused ROI Data》，发表在《IEEE Transactions on Geoscience and Remote Sensing》，2016年2月，第54卷，第2期)。优化方法类的主要思想是将动目标成像问题转化成一个优化问题，通过求解优化问题得到动目标的聚焦像。