论文部分内容阅读
逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)技术利用雷达和目标之间的相对运动带来的多普勒效应进行成像,为非合作目标识别提供了重要途径,因而得到了广泛关注和深入研究。然而,对于目标和雷达都在运动的空空目标ISAR成像情况,由于成像难度较大,现有研究并不多,随着空中作战中对目标批次和类型进行分辨和识别的需求日益强烈,这一特殊情形下的ISAR成像技术也逐步成为当前的研究热点。本文针对机载雷达对空中目标进行广义逆合成孔径雷达成像的复杂情况,建立了相对运动模型,分析了成像流程及其难点,对其运动补偿和自聚焦方法进行了分析和选择,并基于时间窗优化对最佳成像平面进行确定,解决复杂运动导致的成像模糊问题。本文具体工作以及创新点归纳如下:1.针对雷达和目标都在运动的情形,建立广义坐标系、雷达和目标自身坐标系共同来进行完整描述。通过更新两者的相对坐标值体现运动参数的变化,并将自身运动矩阵化,与各自坐标系中坐标值相乘来表达自身运动,最终能生成具有空空目标特性的回波数据。基于上述分析,解释了目标转动引起成像平面对应的有效旋转矢量时变,因而成像平面难以确定。2.针对空空目标这一特殊情形,建立适合的运动参数估计模型,并对比与改进多种平动补偿算法。其中重点运用多普勒质心法进行相位补偿,并再次进行距离精细补偿来优化平动补偿效果,为后续转动补偿减轻负担;3.针对空空目标ISAR情形转角大的难点,采用改进的极坐标重格式化算法(Polar Formatting Algorithm,PFA),该算法先对平动补偿后的数据进行自聚焦处理,再选择最佳插值函数来进行极坐标格式化处理。仿真验证改进后的算法对不同的运动参数下目标的成像效果均优于传统的PFA。4.当目标存在复杂运动,成像投影平面不稳定。针对由此带来的成像模糊问题,本文提出结合自聚焦算法,以图像质量指标来选择最佳时间窗,即选择最佳聚焦的成像平面,将这一难题转化至最优化问题的层面。采用双线性搜索来确定时间窗长和中心时刻,仿真的成像结果验证了该算法的有效性。5.采用Matlab GUI设计实现了空空目标ISAR成像仿真系统。该系统能够在线设置目标场景及雷达参数,并能选用不同成像算法对空中目标进行成像。