[发明专利]扫描雷达超分辨成像方法

摘要

本发明公开了一种扫描雷达超分辨成像方法，具体包括步骤：距离向脉冲压缩、构造卷积矩阵并进行初始化、计算回波自相关矩阵并对其进行正则化、方位向参数估计、判断是否迭代至收敛状态、输出超分辨成像结果。本发明的方法根据雷达天线扫描过程，建立起方位向回波的谱估计模型，将扫描雷达成像问题转化为参数估计问题，并通过迭代自适应方法对场景进行幅度和方位估计。与现有方法相比，该方法能够适应较低的信噪比，鲁棒性高，同时仅用单次扫描数据就可以得到鲁棒的成像结果。

主权项

1.一种扫描雷达超分辨成像方法，具体包括如下步骤：A．距离向脉冲压缩：对扫描得到的回波数据进行距离向傅里叶变换，根据系统参数构造频域匹配函数进行距离向脉冲压缩，并进行距离向IFFT，获得距离压缩时域方位时域数据；B．构造卷积矩阵并进行初始化：假设每个方位向采样点上都有目标存在，并且令θ=(θ₁,θ₂,…,θ_K)为此距离门上K个目标的位置参数，根据扫描雷达成像的物理过程，利用天线方向图构造卷积矩阵：A(θ)=[a(θ₁),a(θ₂),…,a(θ_K)]其中，a(θ_k)为指向角度θ_k的天线方向图向量；对步骤A获得的距离压缩时域方位时域数据，取出第一个距离门上的方位向数据y；假设此距离门上待估计的各目标幅度参数为s_k,k=1,…,K，对感兴趣方位θ_k的目标，令迭代次数i=1，将其匹配滤波输出作为迭代初始值，即s^ki=aH(θk)yaH(θk)a(θk),k=1,···,K]]>其中，(·)^H代表矩阵的共轭转置操作；C．计算回波自相关矩阵并对其进行正则化：根据的估计值，计算目标协方差矩阵：Pi=diag(|s^1i|2,|s^2i|2,···,|s^Ki|2)]]>结合卷积矩阵A(θ)，可以得到回波自相关矩阵Rⁱ=A(θ)PⁱA^H(θ)然后将回波自相关矩阵Rⁱ进行特征分解，找出最大特征值λ_max和最小特征值λ_min，并根据|λmax+μi||λmin+μi|≤ρ]]>确定正则化参数μⁱ，其中，ρ为预先设定的条件数判定阈值，从而得到正则化的自相关矩阵I为单位对角矩阵；D.方位向参数估计：计算步骤C得到的正则化的自相关矩阵的逆矩阵再结合步骤B得到方位向数据y，计算s_k的加权最小二乘估计：s^ki+1=aH(θk)(RDi)-1yaH(θk)(RDi)-1a(θk),k=1,···,K]]>E.判断是否迭代至收敛状态：假设第i次估计结果为算法迭代至收敛的判断依据为：||s^i+1-s^i||2<ϵ]]>其中，ε为预先设定的阈值；若迭代结果满足所述的判断依据，则进行步骤F；否则，i=i+1，返回步骤C对自相关矩阵R进行更新并重复步骤C-E；F．输出超分辨成像结果：对其它距离门上的回波，参照步骤B-E进行方位向参数估计，最终获得整个场景的超分辨成像结果。