[发明专利]基于ISAR图像和参数优化的卫星姿态和尺寸估计方法

说明书

本发明提出了一种基于ISAR图像和参数优化的卫星姿态和尺寸估计方法，可用于卫星识别分类。其实现步骤包括：1)获取ISAR图像序列；2)生成训练样本集和测试样本集；3)构建深度学习网络Pix2pixGAN模型；4)对深度学习网络Pix2pixGAN进行迭代训练；5)对测试样本集中的每幅ISAR图像进行图像分割；6)获取每幅太阳能帆板ISAR图像的位置矩阵；7)获取每个位置矩阵的特征值和特征向量；8)获取卫星的姿态和尺寸。本发明采用深度学习网络Pix2pixGAN对卫星ISAR图像进行图像分割，有效地提高了分割精度，基于参数优化同时获取卫星的姿态和尺寸，有效地提高了卫星姿态和尺寸的估计精度。

技术领域

本发明属于雷达技术领域，特别涉及一种基于ISAR图像和参数优化的卫星姿态和尺寸估计方法，适用于卫星的特征提取、识别分类。

背景技术

逆合成孔径雷达(Inverse Synthetic Aperture Radar，ISAR)是一种具有高分辨率的成像雷达，其在距离向通过发射高宽带信号获得高分辨距离像，在方位向通过目标相对雷达视线之间的相对转动，形成长的合成孔径，从而分辨不同方位上的目标散射点。由于ISAR能够获得卫星的二维高分辨图像，并且获得的二维高分辨率ISAR图像包含丰富的结构特征，所以通常利用ISAR成像来对卫星姿态和尺寸进行估计。就目前而言，常规的卫星姿态和尺寸估计方法主要有基于全角度观测电磁仿真模型的卫星姿态估计方法和基于雷达连续观测 ISAR图像序列的卫星姿态和尺寸估计方法。

基于全角度观测电磁仿真模型的卫星姿态估计方法需要通过电磁仿真技术建立完整的全角度观测目标的仿真数据库，然后利用雷达散射截面，高分辨率距离像和ISAR图像来匹配已建立好的完备数据库。这种方法需要一个预先存在的、与真实目标相似的电磁仿真模型，计算量大，只适用于合作目标，对非合作目标将失效。

基于雷达连续观测ISAR图像序列的卫星姿态和尺寸估计方法通过提取和关联ISAR图像序列的散射点，然后利用基于因式分解的重构方法重构卫星的三维结构。由于不能获得重构的三维结构和卫星的真实结构间的旋转关系，这种方法不能获得目标的真实姿态。例如授权公告号为CN105447867B，名称为“基于ISAR图像的空间目标姿态估计方法”的中国专利，公开了一种基于ISAR图像的空间目标姿态估计方法，该方法将获得的ISAR雷达图像依次进行滤波、对数变换、目标与背景的分割和形态学处理，得到提取边界后的图像，再通过 Radon变换提取空间目标在三维空间中较为线束的线性结构，并将每一幅提取边界后的图像与前一幅提取边界后的图像进行关联处理后，构造代价函数，针对每个线性结构，搜索使代价函数为最小的姿态参数，完成对空间目标的姿态估计。该方法利用ISAR图像序列中卫星的典型线结构特征，对合作目标还是非合作目标都适用。但是该方法对卫星ISAR图像进行分割时会引起分割后的ISAR 图像失真、分割精度低，并且该方法只能估计卫星的姿态，导致应用范围变小和估计精度降低。又如，文献Y.Zhou，L.Zhang，Y.Cao，and Z.Wu，“Attitude estimation and geometry reconstruction of satellite targets basedon ISAR image sequence interpretation，”IEEE Transactions on Aerospace andElectronic Systems，vol.55，no.4，pp.1698–1711，2019公开了一种卫星姿态和尺寸估计方法，该方法通过联系不同ISAR图像序列的线结构特征构造优化函数，并采用粒子群法PSO获取卫星的姿态和尺寸，对合作目标还是非合作目标都适用，并且不仅能够估计卫星的姿态还能够估计卫星的尺寸。但是该方法对卫星姿态和尺寸是分别估计的，存在积累误差，导致估计精度降低。

发明内容

本发明目的在于针对以上方法存在的不足，提出一种基于ISAR图像和参数优化的卫星姿态和尺寸联合估计方法，用以解决现有技术中存在的卫星姿态和尺寸估计精度较低的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：