[发明专利]一种视频SAR仿真运动目标参数估计方法

权利要求书

1.一种视频SAR仿真运动目标参数估计方法，其特征在于：基于改进的Faster R-CNN算法，包括如下步骤：

步骤1：在miniSAR系统参数下，利用PFA成像算法和几何失真矫正算法对不同参数形态的运动目标进行成像仿真；

步骤2：对miniSAR系统实际采集到的视频成像结果进行分帧处理，利用图像处理知识去除miniSAR图像中运动目标的信息，并与仿真的运动目标融合，构成适用于卷积神经网络训练的仿真运动目标样本；

步骤3：根据运动目标不同的成像形态制作不同的目标标签，然后划分训练集和测试集；

步骤4：使用Resnet101作为主干特征提取器，利用K-means聚类算法和FPN结构，增强RPN对小目标的敏感度，至此构建完整的改进后Faster R-CNN卷积神经网络；

步骤5：训练搭建好的改进后的Faster R-CNN算法，利用NMS算法消除重叠的预测框，验证该算法在视频SAR仿真运动目标参数估计的有效性。

2.根据权利要求1所述的视频SAR仿真运动目标参数估计方法，其特征在于：在步骤1中，设miniSAR系统工作在圆迹聚束模式，H、R和v为雷达平台的高度、运动半径和运动速度，雷达沿轨迹方向运动，R_p为孔径中心时刻平台到运动目标的距离，运动目标的径向速度、方位向速度、径向加速度和方位向加速度分别为v_x、v_y、a_x和a_y，则合成孔径时间内，运动目标与miniSAR系统平台之间的斜距为：

其中，t为方位向时间，参考miniSAR成像系统的平台参数，满足(v-v_x)T_a＜＜R_p，利用近似cosθ≈1和sinθ≈θ简化上式，并对上式进行麦克劳林展开，得到一元多次表达式形如：

R(t)≈R_p+A₁t+A₂t²+A₃t³

其中，A₁、A₂和A₃为斜距的等效系数，可以表示为：

在利用PFA成像算法和几何失真矫正算法进行运动目标进行成像仿真时，选用变量A₁、A₂和A₃进行参数估计，根据实际中运动目标的速度确定其取值范围，选取n对参数组，作为雷达运动目标参数估计的基础。

3.根据权利要求2所述的视频SAR仿真运动目标参数估计方法，其特征在于：在步骤1中，在利用PFA成像算法和几何失真矫正算法进行运动目标进行成像仿真时，选用A₁、A₂作为变量。

4.根据权利要求1所述的视频SAR仿真运动目标参数估计方法，其特征在于：在步骤2中，选取多帧miniSAR采集到的灰度SAR图像，并对其进行形态学处理；首先，对比观察场景中背景与运动目标的灰度强度，进行阈值处理；然后，可以利用图像处理知识中的膨胀和最大连通域方法解决目标不同位置对雷达波束的反射系数不同而存在成像结果淹没在杂波中的现象导致阈值处理后可能产生间断的问题；接着，将处理后的运动目标位置映射至miniSAR系统实测图像，并随机选取实测图像中的其他非目标区域的背景作为填充，得到去除目标的miniSAR实测图像；最后，将去除目标的miniSAR实测图像与步骤1中仿真的运动目标相融合，得到n类适用于卷积神经网络训练的仿真运动目标样本。

5.根据权利要求1所述的视频SAR仿真运动目标参数估计方法，其特征在于：在步骤3中，根据运动目标不同的成像形态，使用LabelImg标注软件进行标注，得到仿真运动目标框的位置坐标，并根据不同形态用不同的标签名t1、t2…tn区分；然后，通过镜像、翻转、加噪和裁剪等方法进行数据增强，将仿真样本集扩充为原来的四倍，最后将仿真样本集以8:2的比例，划分训练集和测试集。