[发明专利]一种基于设计结构化Gram矩阵的ISAR运动补偿方法

说明书

技术领域

本发明涉及一种基于设计结构化Gram矩阵的ISAR运动补偿方法，属于雷达成像的技术领域。

背景技术

一般来说，非合作目标相对雷达的运动是不可预知的。通常雷达与目标之间的相对运动可分解为平动和转动分量，其中只有转动分量对目标像的重建起作用，而平动分量对成像是不利的。因此在成像之前通常需要对各距离像完成运动补偿操作以去除平动分量。运动补偿是ISAR成像的关键技术，其的性能将直接影响最终成像的质量。

由于非合作目标的运动姿态和航迹等运动参数无法准确获知，因此运动补偿所需的参数都要从回波中估计出来，实际上运动补偿问题就是多参数估计问题。运动补偿可分为距离对准和相位补偿两个步骤。

距离对准作为相位补偿和成像的基础，目的是通过校正各距离像的偏移量将各距离像对准。现有的距离对准算法主要可以分为距离像互相关对准和全局对准两类。前者典型的算法有：相邻包络互相关法、时域和频域积累互相关法、包络最大修正峰度法等。这类算法较依赖于距离像之间的相关性。而全局对准类算法一般是以某种全局准则作为对准依据，通过迭代的方法使某个性能指标达到最优，例如全局对准算法、全局最小熵算法等。这类算法对距离像之间的相关性要求不高，并且可以较好地抑制突跳和漂移误差，尤其当遇到回波有间断或回波突变的情况，该类方法较前者具有更好的鲁棒性。这两类算法都是利用两个距离像之间的相关性实现距离对准，因此距离对准精度一般。

距离对准基本解决了距离单元级别的距离像偏移问题，为了进一步消除平动对成像的影响，必须进行相位补偿以消除平动引起的相位误差。目前已有多种相位补偿方法，如多普勒中心跟踪法、相位梯度自聚焦法(PGA)和特征向量相位补偿算法(MLE)等。其中前两种算法通过估计两个相邻距离像的相位梯度获得相位误差，由于在估计相位误差的过程中存在误差积累效应，导致了算法精度的损失；而MLE算法则是通过求解距离像协方差矩阵的特征向量直接估计出相位误差。相对而言，MLE算法的估计精度要高于前两种算法，但是由于该算法要对协方差矩阵特征分解，所以该算法受到矩阵维数的限制难以在工程实践中应用。

发明内容

本发明所要解决的技术问题是针对上述背景技术的不足，提供了一种基于设计结构化Gram矩阵的ISAR运动补偿方法，有效减小运动补偿过程中引入的积累和突跳误差，提高了算法的鲁棒性和成像质量。

本发明为实现上述发明目的采用如下技术方案：

一种基于设计结构化Gram矩阵的ISAR运动补偿方法，分为距离对准和相位补偿算法两部分，包括如下步骤：

步骤1，距离对准算法采用了让任意距离像之间的相关性同时逼近最大值的准则，通过设计结构化Gram矩阵的方法实现距离像偏移量的估计，具体实施如下：

步骤1-1，根据距离单元大小Δr_i生成线性相位偏移量矩阵Q，表示如下：

Q＝[q₁|q₂|…|q_M]

q_i(f_r，Δr_i)＝exp(j2πf_rΔr_i)

其中M为距离像个数，f_r表示频域离散采样点。

步骤1-2，根据上述准则，设计出结构化Gram矩阵并求解出表示如下：

G~1/2=1MG~]]>

步骤1-3，将距离像二维矩阵沿距离向变换到频域并采用下式归一化：