[发明专利]一种基于近场三维成像的雷达散射截面积精确外推方法

说明书

本发明属于合成孔径雷达(SAR)雷达散射截面积(RCS)测量技术领域，公开了一种基于近场三维成像的雷达散射截面积(RCS)精确外推方法，用来解决现有RCS外推技术不足的问题。该方法主要包括初始化雷达系统及观测场景参数，基于初始化相关参数构造测量矩阵，采用标准的贝叶斯学习方法对数据块进行基于块的学习处理，采用近场三维格林函数对雷达剖面进行三维成像处理，采用标准平面元加权算子实现NF‑FF补偿五个部分。初始化雷达系统及观测场景参数，基于初始化相关参数构造测量矩阵，采用标准的贝叶斯学习方法对数据块进行基于块的学习处理，采用近场三维格林函数对雷达剖面进行三维成像处理四个步骤实现了目标近场三维图像和标称观测点的获取，第五个步骤旨在从近场三维图像中精确获得RCS；该方法的计算负担增加在可控范围内，其RCS外推结果的平均绝对偏差(MAD)和标准偏差(STD)较其他经典的RCS外推算法低，这表明该成像方法在RCS外推精度上比其他算法有着显著提高。

技术领域

本发明属于合成孔径雷达(Synthetic Aperture Radar,SAR)雷达散射截面积(Radar Cross Section,RCS)测量技术领域，涉及一种提供SAR成像技术领域的RCS精确外推的方法。

背景技术

合成孔径雷达(SAR)是一种能够全天时、全天候工作的主动式遥感技术。与光学传感器相比，SAR可以穿透云雾，在恶劣的气象条件下也可以完成观测任务。随着SAR成像技术的广泛应用，雷达散射截面积(RCS)成为了研究的热点。RCS反映了电磁波作用下物体的散射强度，在天线传播领域中得到了广泛的研究。特别的，传统的RCS测量技术依赖于微波暗室中紧凑的天线距离(CATR)，具有环境条件可控的优点。但其缺点是成本过高，限制严格，很难为大型物体提供CATR。近年来，随着军事科技的日益进步，隐身与反隐身、探测与反探测等技术不断发展，对目标RCS测量提出了更高的要求。详见文献“J.W.Odendaal,L.Botha,and J.Joubert,“A full-scale static radar cross-section(RCS)measurementfacility,”South African Journal of Science,vol.103,no.5,2007,pp.196--198.”。

基于图像域的RCS外推技术是指当测试条件不满足远场条件时，采用SAR成像等微波遥感成像手段，在近场(Near-Field)收集并处理感兴趣空域的散射回波，从中解译出高价值目标的散射特性，并通过算法补偿完成RCS测量的新技术。该技术将电磁场与微波理论、微波成像和微波测量相结合，具有限制条件少、灵活性强和实现难度低等优点，成为近年来雷达散射测量研究的重点。因此，研究人员应用近场雷达成像技术使得RCS外推可行。

而关于近场雷达成像技术，基于贝叶斯学习的方法和近场-远场(NF-FF)补偿的方法是两大研究重点。一方面，基于贝叶斯学习理论的三维成像方法在分辨率和鲁棒性方面都取得了突破并适合于近场条件。另一方面，NF-FF补偿对RCS的外推非常重要。研究人员用其进一步补偿近场三维成像结果，以满足准平面波条件，这意味着测量的振幅和相位变得稳定。然而，在近场三维成像过程中，目标的散射特性可能会随着观测角度的变化而变化，而现有的通过预先设置参数的贝叶斯学习在这种情况下很难达到最优估计。详见“J.Alvarez,“Near-Field 2-D-Lateral Scan System for RCS Measurement of Full-Scale Targets Located on the Ground,”IEEE Transactions on Antennas andPropagation,vol.67,no.6,pp.4049-4058,June 2019.”。

总体而言，要想利用基于近场三维成像模型进行精确的RCS外推，存在以下三个问题:1)在基于贝叶斯学习的三维成像过程中，超参数的合理设置较困难。2)为了适应非理想散射中心的情况，基于贝叶斯学习的三维成像模型需要进一步优化。3)RCS外推的精度和稳定性需要进一步的提高。