CN111707996B - 基于改进grft-stap的geo星机sar动目标检测方法 - Google Patents
基于改进grft-stap的geo星机sar动目标检测方法 Download PDFInfo
- Publication number
- CN111707996B CN111707996B CN202010464625.9A CN202010464625A CN111707996B CN 111707996 B CN111707996 B CN 111707996B CN 202010464625 A CN202010464625 A CN 202010464625A CN 111707996 B CN111707996 B CN 111707996B
- Authority
- CN
- China
- Prior art keywords
- target
- range
- moving target
- moving
- geo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 101001069938 Griffithsia sp. (strain Q66D336) Griffithsin Proteins 0.000 claims abstract description 25
- 230000001629 suppression Effects 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000005012 migration Effects 0.000 claims description 11
- 238000013508 migration Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 7
- 230000001427 coherent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
- G01S13/9017—SAR image acquisition techniques with time domain processing of the SAR signals in azimuth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于改进GRFT‑STAP的GEO星机SAR动目标检测方法,建立与GEO SA‑BSAR运动目标信号模型匹配的自适应滤波器完成杂波抑制与波束形成，再构建GEO SA‑BSAR的GRFT滤波器，实现运动目标存在大距离走动情况下的聚焦与检测，实现任意GEO SA‑BSAR双基地构型下的动目标检测，具有良好的效果和精度。
Description
技术领域
本发明属于合成孔径雷达技术领域，具体涉及一种基于改进GRFT-STAP的GEO星机SAR动目标检测方法。
背景技术
GEO SA-BSAR(地球同步轨道星机双基地合成孔径雷达，GeosynchronousSpaceborne-Airborne Bistatic Synthetic Aperture Radar)系统采用GEO SAR(地球同步轨道合成孔径雷达，Geosynchronous Synthetic Aperture Radar)发射信号，GEO发射端的波束范围达上千公里，且波足速度与机载相当，因此可给机载平台提供长时间稳定的波束覆盖，然后飞机搭载多通道接收系统，可在任意波束照射到的位置接收GEO SAR的反射信号，可实现前视甚至后视成像，检测范围更广，有利于运动目标检测。
目前，多通道动目标检测技术主要是针对机载SAR和LEO SAR(低轨合成孔径雷达，Low Earth Orbit SAR)系统。主要的检测方法包括、ATI(沿轨干涉技术，Along-TrackInterferometry)和DPCA(偏置相位中心天线技术，Displace Phase Center Antenna)两通道的检测方法，其中ATI通过两幅SAR图像的相位差提取出运动目标信息，而DPCA利用两通道的幅度差分和相位差分进行运动目标的检测与参数估计。而对于两个和两个以上的通道，ATI与DPCA性能下降，往往采用STAP(空时自适应处理，Space-Time AdaptiveProcessing)方法，Ender等人首次将STAP的方法应用到SAR MTI(合成孔径雷达动目标指示，SAR Moving Target Indication)中，但是，该方法要求选择较短的CPI(相干处理间隔，Coherent Processing Interval)，保证运动目标不超过一个距离多普勒单元，运动目标的SNR(信噪比，SIGNAL NOISE RATIO)很低。因此，Cerutti-Maori等人提出了成像STAP(Imaging STAP，ISTAP)的方法，将传统后多普勒域STAP和SAR脉冲压缩相结合，获得聚焦后的SAR图像，增强了目标的信噪比。
现有的ISTAP算法基于低轨SAR系统提出，其合成孔径时间短(约1s)，故基于二阶信号模型构建自适应匹配滤波器，且忽略了目标运动产生的距离走动。但是，对于GEO SA-BSAR系统，一方面，其发射端角速度很小，且斜距长，为了获得较高的方位向分辨率和信噪比，需要增加合成孔径时间，所以往往采用更长的合成孔径时间，导致传统的二阶斜距模型不再适用，因此ISTAP算法中的自适应滤波器与GEO SA-BSAR动目标信号模型不匹配，信号能量无法实现相干积累，信噪比损失严重，导致目标难以检测。另一方面，长孔径时间下，运动目标会出现较大的距离走动，如果直接采用传统的频域方位向聚焦算法，目标在距离向出现扩散，无法完成聚焦。
发明内容
有鉴于此，本发明的目的是提供一种基于改进GRFT-STAP的GEO星机SAR动目标检测方法，该改进的GRFT-STAP(广义拉冬傅里叶变换-空时自适应处理，Generalized Radon-Fourier Transform-STAP)算法能够通过建立与GEO SA-BSAR运动目标信号模型匹配的自适应滤波器完成杂波抑制与波束形成，再根据GEO SA-BSAR距离徙动轨迹与运动参数的关系，改进GRFT滤波器，沿运动参数决定的距离徙动轨迹直接进行相参积累，实现运动目标存在大距离走动情况下的聚焦与检测，实现任意GEO SA-BSAR双基地构型下的动目标检测。
一种基于改进GRFT-STAP的GEO星机SAR动目标检测方法，包括以下步骤：
步骤1，采集GEO SA-BSAR多通道回波数据，各通道经过距离压缩和方位向傅里叶变换至距离-多普勒域，利用杂波的协方差矩阵完成杂波抑制；
步骤2，根据步骤1处理得到的杂波抑制结果，在不同速度参数下，构建与GEO SA-BSAR运动目标匹配的导引矢量，以及基于GEO SA-BSAR改进的GRFT滤波器，完成多通道数据的波束形成和GRFT处理，对不同速度的输出结果进行二维CA-CFAR(单元平均恒虚警)检测，得到目标所在的距离门及每个距离门中目标的速度范围；
步骤3，根据步骤2获取的存在运动目标的距离门与目标的速度变化范围，划分更小的速度间隔，对存在目标的距离门再利用重新划分的速度参数进行波束形成与GRFT处理，经过峰值检测获取运动目标的运动参数，完成对运动目标位置与运动参数的估计。
进一步的，步骤3还包括：去除已完成参数估计的目标，若利用CFAR(ConstantFalse-Alarm Rate，恒虚警)检测仍存在运动目标，则再利用峰值检测获取该距离门其他运动目标的运动参数，完成该距离门所有运动目标的位置与运动参数估计。
进一步的，步骤1包括：
步骤11，采集GEO SA-BSAR飞机接收端的多通道回波信号，经过距离压缩后第m个通道的运动目标信号模型如(1)所示：
其中，运动目标在合成孔径中心时刻的坐标为(x0，y0)，Br为信号带宽，σt(x0，y0)为运动目标的幅度和相位，c为光速，tr为快时间，ta为慢时间，Ta为合成孔径时间，ωa,t(·)为方位向包络，Rbi，t，m(x0，y0；ta)为对于第m个通道运动目标的双程斜距历史，λ为波长；
步骤12，将距离压缩后的信号进行方位向傅里叶变换，获得运动目标第m个通道的距离-多普勒域信号模型如式(2)所示：
其中，exp{-jψt(x0，y0；fa)}表示不同通道相同的相位项，
表征第m通道相对参考通道的相位差项：
其中fa为多普勒频率，Rbi,t,m(x0,y0；fa)为运动目标斜距历程在多普勒域的表达式，Wa，t为距离-多普勒域方位向包络，R0为孔径中心时刻的的双程斜距，k1～k4为GEO SA-BSAR运动目标斜距历史泰勒展开后的一阶到四阶项系数，kT1为发射端斜距历程泰勒展开后的一阶项系数，ym为第m个通道与第1个通道的间隔，vR为飞机的运行速度，vr为运动目标沿矢量
的速度，矢量
为合成孔径中心时刻目标飞机与GEO卫星斜距的单位矢量在地面投影后的和矢量；
步骤13，利用多个距离门估算每个距离-多普勒单元的杂波协方差矩阵RQ，进行杂波抑制，如式(5)所示：
其中z为接收到的距离-多普勒单元的空域信号，r表示距离。
进一步的，步骤2包括：
步骤21，利用与GEO SA-BSAR运动目标匹配的导引矢量，对步骤1获得的杂波抑制结果进行空域滤波处理，处理后信号如式(6)所示：
sf(r，fa；vr)＝pt(fa；vr)Hg(r，fa) (6)
其中pt为运动目标的导引矢量如式(7)所示：
其中M为通道数；
步骤22，将波束形成后的信号经过方位向逆傅里叶变换得到二维时域信号st(r，ta)；运动目标在二维时域信号的距离徙动轨迹由目标的运动参数决定，运动参数包括目标二维位置(x，y)、径向速度vr和方位向速度va，由于GEO SA-BSAR的径向速度与方位向速度可能存在耦合，因此利用投影矩阵对方位向速度进行投影，将其投影至径向速度矢量的垂直空间，得到投影后的速度如式(8)所示：
vF⊥＝B⊥va (8)
其中B⊥为地面投影矩阵，va为方位向速度矢量，vr⊥为投影后速度矢量，则运动目标在二维时域信号的距离徙动轨迹如式(9)所示：
其中α，β，γ和η分别为一阶、二阶、三阶和四阶系数；
步骤23，根据提取的距离徙动轨迹构建补偿相位因子如式(10)所示：
获得每个运动参数的积累结果如式(11)所示：
f(x，y，vr，vr⊥)＝∫tst(Rmi(ta；x，y，vr，vr⊥)，t；vr)Scom(ta)dt (11)
步骤24，只有在参数(x，y，vr，vr⊥)与运动目标一致时，波束形成和相参积累的结果才能获得最高的增益；因此，在目标位置和速度变化范围进行等间隔划分，x坐标与y坐标间隔设置为分辨率的一半，而vr和vr⊥的间隔保证目标的信杂噪比损失不超过3dB，对所有可能的运动参数组合进行波束形成与GRFT处理，获取不同速度参数组合下的x-y图像；
步骤25，给定虚警概率，对每个x-y图像进行二维CA-CFAR处理，获取能检测到运动目标的距离门与该距离门可检测到运动目标的速度范围。
进一步的，步骤3包括：
步骤31，对每个检测到运动目标的距离单元，在其可检测到目标的速度范围内，重新对径向速度和垂直径向速度进行等间隔划分，间隔比之前更小，以获取更加精确的速度和方位位置的估计结果；对已检测到目标的距离单元，利用重新划分的运动参数组合再进行波束形成与GRFT处理，获取不同y轴坐标(x轴坐标由已知距离位置和y轴坐标确定)、vr和vr⊥下的处理结果；
步骤32，对获取的GRFT处理结果进行峰值检测，峰值对应的二维位置坐标、径向速度和垂直径向速度，即为目标的参数估计的结果；根据目标参数获取目标在不同速度下的y轴坐标的位置：
其中Δvr为不同速度与估计的目标速度之差，ve为GEO SA-BSAR系统的等效速度在方位向的投影；这样就可以找到不同速度参数下目标所在的位置，将该目标提取出来，并利用带通滤波器将其从GRFT的处理结果中去除；
步骤33，移除了已估计了参数的运动目标后，再进行CFAR检测，若检测到仍存在目标，则再进行峰值检测，获取该目标的位置和运动参数，并移除该目标；重复该操作直至不再检测到运动目标。从而，所有目标被检测，同时估计得到了它们的位置和运动参数。
本发明具有如下有益效果：
本发明提供的一种基于改进GRFT-STAP的GEO星机SAR动目标检测方法,建立与GEOSA-BSAR运动目标信号模型匹配的自适应滤波器完成杂波抑制与波束形成，再构建GEO SA-BSAR的GRFT滤波器，实现运动目标存在大距离走动情况下的聚焦与检测，实现任意GEO SA-BSAR双基地构型下的动目标检测，具有良好的效果和精度。
附图说明
图1为本发明的一种基于改进GRFT-STAP的GEO星机SAR动目标检测方法的实现流程图；
图2为本发明的一种GEO星机SAR双基地结构示意图；
图3为本发明的静止场景成像结果和各目标点位置速度的标注示意图；
图4为本发明的运动目标原本所在位置示意图。
具体实施方式
下面结合附图并举实施例，对本发明提供的基于改进GRFT-STAP的GEO星机SAR动目标检测方法进行详细描述，处理流程如图1所示，主要包括：
步骤1，采集GEO SA-BSAR多通道回波数据，各通道经过距离压缩和方位向傅里叶变换至距离-多普勒域，利用杂波的协方差矩阵完成杂波抑制。
考虑到本发明是在距离-多普勒域进行处理。因此，本发明在先将回波数据进行转换得到多通道距离-多普勒域信号，推导得到GEO SA-BSAR运动目标多通道距离-多普勒信号模型，用于数据处理时滤波器的构建，并利用协方差矩阵去除杂波对运动目标检测的影响。几何构型示意图如图2所示，步骤1具体过程如下：
采集GEO SA-BSAR飞机接收端的多通道回波信号，经过距离压缩后第m个通道的运动目标信号模型如(13)所示：
其中，运动目标在合成孔径中心时刻的坐标为(x0，y0)，Br为信号带宽，σt(x0，y0)为目标的幅度和相位，c为光速，tr为快时间，ta为慢时间，Ta为合成孔径时间，ωa,t(·)为方位向包络，Rbi，t，m(x0，y0；ta)为对于第m个通道运动目标的双程斜距历史，λ为波长。
将距离压缩后的信号进行方位向傅里叶变换，获得运动目标第m个通道的距离-多普勒域信号模型如式(14)所示：
其中，exp{-jψt(x0，y0；fa)}表示不同通道相同的相位项，
表征第m通道相对参考通道的相位差项：
其中fa为多普勒频率，Rbi,t,m(x0,y0；fa)为运动目标斜距历程在多普勒域的表达式，Wa，t为距离-多普勒域方位向包络，k1～k4为GEO SA-BSAR运动目标斜距历史泰勒展开后的一阶到四阶项系数，kT1为发射端斜距历程泰勒展开后的一阶项系数，ym为第m个通道与第1个通道的间隔，vR为飞机的运行速度，vr为目标沿矢量
的速度，矢量
为合成孔径中心时刻目标飞机与GEO卫星斜距的单位矢量在地面投影后的和矢量。
利用多个距离门估算每个距离-多普勒单元的杂波协方差矩阵RQ，进行杂波抑制如式(17)所示：
其中z为接收到的距离-多普勒单元的空域信号，r表示距离。
步骤2，根据步骤1处理得到的杂波抑制结果，在不同速度参数下，构建与GEO SA-BSAR运动目标匹配的导引矢量，以及基于GEO SA-BSAR改进的GRFT滤波器，完成多通道数据的波束形成和GRFT处理，对不同速度的输出结果进行二维CA-CFAR检测，得到目标所在的距离门及每个距离门中目标的速度范围。
经过杂波抑制后，运动目标的信噪比较低，仍然无法直接检测，需要经过波束形成与GRFT处理获取较高的信杂噪比，通过CFAR检测出目标，具体处理过程如下：
利用与GEO SA-BSAR运动目标匹配的导引矢量，对步骤1获得的杂波抑制结果进行空域滤波处理，处理后信号如式(18)所示：
sf(r，fa；vr)＝pt(fa；vr)Hg(r，fa) (18)
其中pt为运动目标的导引矢量，如式(19)所示：
其中M为通道数。
将波束形成后的信号经过方位向逆傅里叶变换得到二维时域信号st(r，ta)。运动目标在二维时域信号的距离徙动轨迹由目标的运动参数决定，运动参数包括目标二维位置(x，y)、径向速度vr和方位向速度va，由于GEO SA-BSAR的径向速度与方位向速度可能存在耦合，因此利用投影矩阵对方位向速度进行投影，将其投影至径向速度矢量的垂直空间，得到投影后的速度，如式(20)所示：
vr⊥＝B⊥va (20)
其中B⊥为地面投影矩阵，va为方位向速度矢量，vr⊥为投影后速度矢量，则运动目标在二维时域信号的距离徙动轨迹如式(21)所示：
其中α，β，γ和η分别为一阶、二阶、三阶和四阶系数，各阶系数可以表示为：
R0＝RR0+RT0 (22)
η＝kT4，c+kR4，c (26)
其中：
ε1＝q1(x-xR)+q2(y-yR)
ε2＝-q1(y-yR)+q2(x-xR) (27)
ε3＝q1(x-xT)+q2(y-yT)
ε4＝-q1(y-yT)+q2(x-xT) (28)
其中：
根据提取的距离徙动轨迹表达式构建补偿相位因子如式(31)所示：
获得每个运动参数的积累结果如式(32)所示：
f(x，y，vr，vr⊥)＝∫tst(Rmi(ta；x，y，vr，vr⊥)，t；vr)Scom(ta)dt (32)
只有在参数(x，y，vr，vr⊥)与运动目标一致时，波束形成和相参积累的结果才能获得最高的增益。因此，在目标位置和速度变化范围进行等间隔划分，x坐标与y坐标间隔设置为分辨率的一半，而vr和vr⊥的间隔保证目标的信杂噪比损失不超过3dB，对所有可能的运动参数组合进行波束形成与GRFT处理，获取不同速度参数组合下的x-y图像。
给定虚警概率，对每个x-y图像进行二维CA-CFAR处理，获取能检测到运动目标的距离门与该距离门可检测到运动目标的速度范围。
步骤3，根据步骤2获取的存在运动目标的距离门与速度变化范围，划分更小的速度间隔，对存在目标的距离门再利用重新划分的速度参数进行波束形成与GRFT处理，经过峰值检测获取运动目标的运动参数，去除已完成参数估计的目标，若利用CFAR检测仍存在运动目标，则再利用峰值检测获取该距离门其他目标参数，完成所有目标的位置与运动参数估计。
考虑目标会在相邻速度对应的x-y图像上被重复检测到，因此需要划分更小的速度间隔，以完成目标位置和运动参数的精确估计，通过计算不同速度图像上目标的位置，可将重复检测到的目标合并，去除该目标后再检测其他目标，具体处理步骤如下：
对每个检测到目标的距离单元，在其可检测到目标的速度范围内，重新对径向速度和垂直径向速度进行等间隔划分，间隔比之前更小，以获取更加精确的速度和方位位置的估计结果。对已检测到目标的距离单元，利用重新划分的运动参数组合再进行波束形成与GRFT处理，获取不同y轴坐标(x轴坐标由已知距离位置和y轴坐标确定)、vr和vr⊥下的处理结果。
对获取的GRFT处理结果进行峰值检测，峰值对应的二维位置坐标、径向速度和垂直径向速度，即为目标的参数估计的结果。根据目标参数获取目标在不同速度下的y轴坐标的位置：
其中Δvr为不同速度与估计的目标速度之差，ve为GEO SA-BSAR系统的等效速度在方位向的投影。这样就可以找到不同速度参数下目标所在的位置，将该目标提取出来，并利用带通滤波器将其从GRFT的处理结果中去除。
移除了已估计了参数的运动目标后，再进行CFAR检测，若检测到仍存在目标，则再进行峰值检测，获取该目标的位置和运动参数，并移除该目标，重复该操作直至不再检测到运动目标。从而，所有目标被检测，同时估计得到了它们的位置和运动参数。
在本实例中，主要以典型的“8”字形轨迹的GEO SAR系统为例，轨道和成像系统参数如表1所示。选取的双基地构型及该构型下的SAR成像性能如表2所示。静止场景成像结果和各目标点位置速度的标注如图3所示，各目标的位置和速度投影到x轴和y轴后的具体数值如表3所示。
表1 GEO星机双基SAR系统与轨道参数
表2 GEO SA-BSAR双基地构型及系统成像性能
表3场景中设置的运动目标位置与速度
| 序号 | 1 | 2 | 3 | 4 | 5 |
| x坐标(m) | -549.00 | -190.00 | 161.50 | 597.64 | 550.00 |
| y坐标(m) | -371.00 | -128.00 | 81.50 | 343.00 | 457.00 |
| vx(m/s) | 6.79 | -6.79 | -4.24 | -4.24 | 2.72 |
| vy(m/s) | 4.23 | -4.23 | -2.64 | -2.64 | 4.20 |
最终估计得到5个目标的位置和速度参数，如表4所示，将它们的位置和输出信噪比如图4所示，图4中用黑色“+”标注了目标原本所在位置。由于估计的为径向速度与垂直径向速度，将它们转换到x轴速度和y轴速度。误差如表5所示，可见平均定位精度为13.8m，vx的平均精度为0.37m/s，vy的平均精度为0.13m/s。
表4目标位置与运动参数估计结果
表5目标位置与运动参数估计误差
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于改进GRFT-STAP的GEO星机SAR动目标检测方法，其特征在于，包括：
步骤1，采集GEO SA-BSAR多通道回波数据，各通道经过距离压缩和方位向傅里叶变换至距离-多普勒域，利用杂波的协方差矩阵完成杂波抑制；
步骤2，根据步骤1处理得到的杂波抑制结果，在不同速度参数下，构建与GEO SA-BSAR运动目标匹配的导引矢量，以及基于GEO SA-BSAR改进的GRFT滤波器，完成多通道数据的波束形成和GRFT处理，对不同速度的输出结果进行二维单元平均恒虚警检测，得到目标所在的距离门及每个距离门中目标的速度范围；
其中，所述步骤2包括：
步骤21，利用与GEO SA-BSAR运动目标匹配的导引矢量，对步骤1获得的杂波抑制结果进行空域滤波处理，处理后信号如式(6)：
sf(r，fa；vr)＝pt(fa；vr)Hg(r，fa) (6)
其中pt为运动目标的导引矢量，如式(7)：
其中M为通道数；
步骤22，将波束形成后的信号经过方位向逆傅里叶变换得到二维时域信号st(r，ta)；运动目标在二维时域信号的距离徙动轨迹由目标的运动参数决定，运动参数包括目标二维位置(x，y)、径向速度vr和方位向速度va，由于GEO SA-BSAR的径向速度与方位向速度可能存在耦合，因此利用投影矩阵对方位向速度进行投影，将其投影至径向速度矢量的垂直空间，得到投影后的速度：
vr⊥＝B⊥va (8)
其中B⊥为投影矩阵，va为方位向速度矢量，vr⊥为投影后速度矢量，则运动目标在二维时域信号的距离徙动轨迹：
其中α，β，γ和η分别为一阶、二阶、三阶和四阶系数；
步骤23，根据提取的距离徙动轨迹构建补偿相位因子：
获得每个运动参数的积累结果：
f(x，y，vr，vr⊥)＝∫tst(Rmi(ta；x，y，vr，vr⊥)，t；vr)scom(ta)dt (11)
步骤24，在目标位置和速度变化范围进行等间隔划分，x坐标与y坐标间隔设置为分辨率的一半，对所有可能的运动参数组合进行波束形成与GRFT处理，获取不同速度参数组合下的x-y图像；
步骤25，给定虚警概率，对每个x-y图像进行二维单元平均恒虚警检测处理，获取能检测到运动目标的距离门与该距离门可检测到运动目标的速度范围；
步骤3，根据步骤2获取的存在运动目标的距离门与目标的速度变化范围，划分更小的速度间隔，对存在目标的距离门再利用重新划分的速度参数进行波束形成与GRFT处理，经过峰值检测获取运动目标的运动参数，完成对运动目标位置与运动参数的估计。
2.如权利要求1所述的基于改进GRFT-STAP的GEO星机SAR动目标检测方法，其特征在于，所述步骤3还包括：
去除已完成参数估计的目标，若利用恒虚警检测确定仍存在运动目标，则再利用峰值检测获取该距离门其他运动目标的运动参数，完成该距离门所有运动目标的位置与运动参数估计。
3.如权利要求1或2所述的基于改进GRFT-STAP的GEO星机SAR动目标检测方法，其特征在于，所述步骤1包括：
步骤11，采集GEO SA-BSAR飞机接收端的多通道回波信号，经过距离压缩后第m个通道的运动目标信号模型，如式(1)：
其中，运动目标在合成孔径中心时刻的坐标为(x0，y0)，Br为信号带宽，σt(x0，y0)为运动目标的幅度和相位，c为光速，tr为快时间，ta为慢时间，Ta为合成孔径时间，ωa，t(·)为方位向包络，Rbi，t，m(x0，y0；ta)为对于第m个通道运动目标的双程斜距历史，λ为波长；
步骤12，将距离压缩后的信号进行方位向傅里叶变换，获得运动目标第m个通道的距离-多普勒域信号模型：
其中，exp{-jψt(x0，y0；fa)}表示不同通道相同的相位项，
其中fa为多普勒频率，Rbi,t,m(x0,y0；fa)为运动目标斜距历程在多普勒域的表达式，Wa，t为距离-多普勒域方位向包络，R0为孔径中心时刻的的双程斜距，k1～k4为GEO SA-BSAR运动目标斜距历史泰勒展开后的一阶到四阶项系数，kT1为发射端斜距历程泰勒展开后的一阶项系数，ym为第m个通道与第1个通道的间隔，vR为飞机的运行速度，vr为运动目标沿矢量
的速度，矢量
为合成孔径中心时刻目标飞机与GEO卫星斜距的单位矢量在地面投影后的和矢量；
步骤13，利用多个距离门估算每个距离-多普勒单元的杂波协方差矩阵RQ，进行杂波抑制：
其中z为接收到的距离-多普勒单元的空域信号，r表示距离。
4.如权利要求2所述的基于改进GRFT-STAP的GEO星机SAR动目标检测方法，其特征在于，所述步骤3包括：
步骤31，对每个检测到运动目标的距离单元，在其可检测到目标的速度范围内，重新对径向速度和垂直径向速度进行等间隔划分，间隔比之前更小，以获取更加精确的速度和方位位置的估计结果；对已检测到目标的距离单元，利用重新划分的运动参数组合再进行波束形成与GRFT处理，获取不同y轴坐标、vr和vr⊥下的处理结果；
步骤32，对获取的GRFT处理结果进行峰值检测，峰值对应的二维位置坐标、径向速度和垂直径向速度，即为目标的参数估计的结果；根据目标参数获取目标在不同速度下的y轴坐标的位置：
其中Δvr为不同速度与估计的目标速度之差，ve为GEO SA-BSAR系统的等效速度在方位向的投影；从而确定不同速度参数下目标所在的位置，将该目标提取出来，并利用带通滤波器将其从GRFT的处理结果中去除；
步骤33，移除已估计参数的运动目标后，再进行CFAR检测，若检测到仍存在目标，则再进行峰值检测，获取该目标的位置和运动参数，并移除该目标；重复该操作直至不再检测到运动目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010464625.9A CN111707996B (zh) | 2020-05-26 | 2020-05-26 | 基于改进grft-stap的geo星机sar动目标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010464625.9A CN111707996B (zh) | 2020-05-26 | 2020-05-26 | 基于改进grft-stap的geo星机sar动目标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111707996A CN111707996A (zh) | 2020-09-25 |
| CN111707996B true CN111707996B (zh) | 2023-04-07 |
Family
ID=72538104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010464625.9A Active CN111707996B (zh) | 2020-05-26 | 2020-05-26 | 基于改进grft-stap的geo星机sar动目标检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111707996B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112183534B (zh) * | 2020-10-07 | 2023-05-23 | 西安电子科技大学 | 基于视频合成孔径雷达的动目标智能联合检测方法 |
| CN112327301B (zh) * | 2020-10-11 | 2023-11-10 | 北京理工大学 | 基于子孔径grft的低信噪比下参数化平动补偿快速方法 |
| CN115079159B (zh) * | 2022-06-09 | 2024-08-16 | 电子科技大学 | 基于igrft的机载雷达运动误差补偿与积累检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6400306B1 (en) * | 1999-12-17 | 2002-06-04 | Sicom Systems, Ltd | Multi-channel moving target radar detection and imaging apparatus and method |
| CN102937709A (zh) * | 2012-10-16 | 2013-02-20 | 北京理工大学 | 基于直达波的双基地sar无同步回波聚焦成像方法 |
| CN105785357A (zh) * | 2016-05-18 | 2016-07-20 | 南京理工大学 | 一种基于grft的超高速运动目标检测方法 |
| CN107728117A (zh) * | 2017-09-21 | 2018-02-23 | 电子科技大学 | 机载双基地sar一发两收杂波抑制方法 |
| CN109901162A (zh) * | 2019-03-06 | 2019-06-18 | 北京理工大学 | 一种适用于分布式地球同步轨道sar的长基线成像stap方法 |
-
2020
- 2020-05-26 CN CN202010464625.9A patent/CN111707996B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6400306B1 (en) * | 1999-12-17 | 2002-06-04 | Sicom Systems, Ltd | Multi-channel moving target radar detection and imaging apparatus and method |
| CN102937709A (zh) * | 2012-10-16 | 2013-02-20 | 北京理工大学 | 基于直达波的双基地sar无同步回波聚焦成像方法 |
| CN105785357A (zh) * | 2016-05-18 | 2016-07-20 | 南京理工大学 | 一种基于grft的超高速运动目标检测方法 |
| CN107728117A (zh) * | 2017-09-21 | 2018-02-23 | 电子科技大学 | 机载双基地sar一发两收杂波抑制方法 |
| CN109901162A (zh) * | 2019-03-06 | 2019-06-18 | 北京理工大学 | 一种适用于分布式地球同步轨道sar的长基线成像stap方法 |
Non-Patent Citations (4)
| Title |
|---|
| Mingming Tian.A novel method for high-speed maneuvering target detection and motion parameters estimation.《Multidimensional Systems and Signal Processing》.2020,1625–1647. * |
| Ying Zhang.Radial Accelerated Velocity Estimation for Moving Ship Target Imaging based on GRFT in Geosynchronous SAR.《2019 International Applied Computational Electromagnetics Society Symposium - China (ACES)》.2020,1-2. * |
| 丁绘绘.基于高低轨异构平台的SAR动目标检测与成像技术.《CNKI网络出版》.2020,全文. * |
| 崔畅.基于GEO SAR编队飞行的动目标检测.《太赫兹科学与电子信息学报》.2019,第17卷(第4期),604-609. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111707996A (zh) | 2020-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111142105B (zh) | 复杂运动目标isar成像方法 | |
| CN111707996B (zh) | 基于改进grft-stap的geo星机sar动目标检测方法 | |
| CN109669183B (zh) | 一种基于Keystone和时频变换的地球同步轨道SAR运动目标成像处理装置 | |
| CN108776342B (zh) | 一种高速平台sar慢速动目标检测与速度估计方法 | |
| Tan et al. | Imaging and parameter estimating for fast moving targets in airborne SAR | |
| CN110109102B (zh) | 一种sar运动目标检测与速度估计的方法 | |
| CN111812648B (zh) | 多通道合成孔径雷达rpca幅相联合目标检测方法与装置 | |
| CN113687356B (zh) | 一种机载多通道圆迹sar运动目标检测与估计方法 | |
| CN109901162B (zh) | 一种适用于分布式地球同步轨道sar的长基线成像stap方法 | |
| CN110488283B (zh) | 一种用于多通道hrws-sar通道的误差校正方法 | |
| Ge et al. | Ground moving target detection and trajectory reconstruction methods for multichannel airborne circular SAR | |
| CN110967677B (zh) | 时频域分级多目标分辨与测量方法 | |
| Wang et al. | Radial velocity estimation approach of ship for spaceborne multichannel HRWS SAR SLC data | |
| CN112230220B (zh) | 基于Radon变换的Deramp-STAP动目标检测方法 | |
| CN114966690B (zh) | 一种gnss-r sar双星融合成像方法及系统 | |
| KR20200117602A (ko) | Sar 영상의 객체 응답 초해상도화 방법 및 객체 응답 초해상도화 장치 | |
| CN115616629A (zh) | 一种基于天基外辐射源信号的运动目标探测补偿方法 | |
| Zhang et al. | Range resolution and sampling frequency trade-off for GPS passive radar | |
| Yang et al. | A multi-channel radar forward-looking imaging algorithm based on super-resolution technique | |
| CN115436939B (zh) | 一种用于多通道高分宽幅sar的多级分辨快速成像方法 | |
| Shang et al. | An adaptive spatial filtering algorithm based on nonlocal mean filtering for GNSS-based InSAR | |
| CN117724057B (zh) | 一种基于散射信息的mimo雷达成像评价方法 | |
| CN116679277B (zh) | 基于时频域最小l1范数的双通道sar多干扰机定位方法 | |
| Dang et al. | A fast two-dimensional velocity estimation method for multi-channel UWB SAR | |
| CN116027317B (zh) | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |