金 勝,朱天林

(1.北京跟蹤與通訊技術(shù)研究所,北京100094;2.空間目標(biāo)測(cè)量重點(diǎn)實(shí)驗(yàn)室,北京100094)

0 引言

逆合成孔徑雷達(dá)(Inverse Synthetic Aperture Radar,ISAR)[1-3]具有全天時(shí)、全天候和高分辨率等特點(diǎn),目前已在軍事和民用領(lǐng)域獲得了廣泛應(yīng)用。通過(guò)對(duì)被觀測(cè)目標(biāo)的雷達(dá)回波進(jìn)行精細(xì)的信號(hào)處理,ISAR能夠獲得目標(biāo)的二維高分辨圖像。

ISAR觀測(cè)目標(biāo)一般為非合作目標(biāo),其運(yùn)動(dòng)狀態(tài)不能事先精確獲知,因而對(duì)ISAR回波進(jìn)行高分辨率成像之前需要進(jìn)行平動(dòng)補(bǔ)償[4-16]。平動(dòng)補(bǔ)償方法通?；诜菂?shù)化和參數(shù)化的目標(biāo)平動(dòng)模型,并設(shè)計(jì)有效的目標(biāo)回波的包絡(luò)對(duì)齊和相位補(bǔ)償方法。目前,國(guó)內(nèi)外關(guān)于此方面的研究相對(duì)較少,現(xiàn)有方法多是基于參數(shù)化平動(dòng)模型進(jìn)行目標(biāo)包絡(luò)對(duì)齊和相位誤差的聯(lián)合校正。

傳統(tǒng)的ISAR成像算法包括距離-多普勒(Range Doppler,RD)算法和距離-瞬時(shí)多普勒(Range-Instantaneous Doppler,RID)算法[17-18]?；趯拵馔啤⒎蔷€性濾波和譜估計(jì)方法,ISAR能夠獲得目標(biāo)的超分辨成像結(jié)果[19-34]],近年來(lái),基于壓縮感知原理的稀疏ISAR成像也受到了廣泛關(guān)注[35-37]。而對(duì)于空間目標(biāo)等穩(wěn)定運(yùn)行的軌道目標(biāo),ISAR往往能夠獲得其長(zhǎng)時(shí)間的大轉(zhuǎn)角觀測(cè)數(shù)據(jù),如何充分利用其大轉(zhuǎn)角觀測(cè)數(shù)據(jù)實(shí)現(xiàn)高分辨率成像和結(jié)構(gòu)特征提取也是國(guó)內(nèi)外的研究熱點(diǎn)[38-40]。當(dāng)民航飛機(jī)起降或飛機(jī)呈編隊(duì)飛行時(shí),常在同一雷達(dá)波束出現(xiàn)多個(gè)目標(biāo),需要對(duì)多目標(biāo)回波進(jìn)行分離和高分辨率成像[41-53]。對(duì)某些具有旋轉(zhuǎn)等微動(dòng)部件的目標(biāo),由于微動(dòng)部件運(yùn)動(dòng)特征和目標(biāo)主體運(yùn)動(dòng)特征往往不同,因此,需要首先將目標(biāo)剛體與微動(dòng)部件的回波分離,并用傳統(tǒng)方法獲得剛體部分高分辨成像結(jié)果,同時(shí)對(duì)微動(dòng)部件進(jìn)行微多普勒分析,以獲得其旋轉(zhuǎn)頻率等特征[54-60],進(jìn)而獲取其微動(dòng)部件成像結(jié)果。

最后,本文對(duì)ISAR的研究現(xiàn)狀進(jìn)行了分析和總結(jié),并對(duì)未來(lái)的發(fā)展趨勢(shì)進(jìn)行了展望。

1 平動(dòng)補(bǔ)償

在ISAR成像過(guò)程中,目標(biāo)和雷達(dá)之間的相對(duì)運(yùn)動(dòng)可以分解為平動(dòng)分量和轉(zhuǎn)動(dòng)分量[1]。目標(biāo)平動(dòng)是指目標(biāo)散射點(diǎn)相對(duì)于ISAR的整體斜距變化,該類(lèi)運(yùn)動(dòng)無(wú)法產(chǎn)生方位分辨率;轉(zhuǎn)動(dòng)分量是指目標(biāo)圍繞參考點(diǎn)轉(zhuǎn)動(dòng),是獲得方位高分辨的基礎(chǔ)。目標(biāo)平動(dòng)使相鄰一維距離像在距離向錯(cuò)開(kāi),同時(shí)在相鄰回波間引入相位誤差,使得方位回波不相干。因此在ISAR成像之前必須進(jìn)行運(yùn)動(dòng)補(bǔ)償。平動(dòng)補(bǔ)償通常包括包絡(luò)對(duì)齊和相位補(bǔ)償兩部分。

1.1 包絡(luò)對(duì)齊方法

包絡(luò)對(duì)齊用于消除目標(biāo)相對(duì)雷達(dá)的平動(dòng)造成的相鄰回波在距離向上的錯(cuò)位。包絡(luò)對(duì)齊方法可分為非參數(shù)化方法和參數(shù)化方法。典型的非參數(shù)化方法包括相鄰相關(guān)方法[2]、累積相關(guān)方法[4]、最小熵方法[5]和基于向量范數(shù)的包絡(luò)對(duì)齊方法等。1980年,Chen等在文獻(xiàn)[2]中提出了包絡(luò)對(duì)齊的相鄰相關(guān)法,該方法利用目標(biāo)相鄰回波的相關(guān)性進(jìn)行對(duì)齊,但是易出現(xiàn)包絡(luò)漂移和突跳誤差,將嚴(yán)重影響后續(xù)的成像效果。文獻(xiàn)[4]中介紹了包絡(luò)對(duì)齊的累積相關(guān)法,該方法將一次回波與前面的幾次或全部回波進(jìn)行加權(quán)相關(guān),使得各次回波都有一個(gè)統(tǒng)一的基準(zhǔn),很大程度上減小了因逐次相關(guān)而導(dǎo)致的誤差積累和漂移。文獻(xiàn)[5]提出了最小熵包絡(luò)對(duì)齊方法,將不同回波包絡(luò)和波形銳化度最大作為包絡(luò)對(duì)齊的準(zhǔn)則,通過(guò)搜索使得不同回波包絡(luò)和的熵值達(dá)到最小時(shí)的偏移量來(lái)完成包絡(luò)對(duì)齊。以上非參數(shù)化方法不要求目標(biāo)運(yùn)動(dòng)的先驗(yàn)信息,但在強(qiáng)噪聲環(huán)境下,性能會(huì)明顯下降。

典型的參數(shù)化包絡(luò)對(duì)齊方法為基于粒子群優(yōu)化(Particle Swarm Optimization,PSO)擬合多項(xiàng)式方法和迭代加權(quán)擬合的ISAR包絡(luò)對(duì)齊方法等。文獻(xiàn)[6]提出了基于PSO擬合多項(xiàng)式的包絡(luò)對(duì)齊算法,該方法將目標(biāo)包絡(luò)分量建模為多項(xiàng)式,采用粒子群優(yōu)化算法求解擬合多項(xiàng)式系數(shù),避免參數(shù)估計(jì)陷入局部最優(yōu),但是該方法具有較高的運(yùn)算復(fù)雜度。文獻(xiàn)[7]提出了基于迭代加權(quán)擬合的ISAR包絡(luò)對(duì)齊方法,該方法利用目標(biāo)的平穩(wěn)運(yùn)動(dòng)特性,通過(guò)對(duì)目標(biāo)走動(dòng)量和加權(quán)矩陣的迭代交替更新實(shí)現(xiàn)包絡(luò)對(duì)齊,能有效降低突跳誤差等問(wèn)題。

1.2 自聚焦處理方法

相位補(bǔ)償又可以稱(chēng)為自聚焦,同樣可分為兩類(lèi):基于特顯點(diǎn)相位跟蹤的方法和基于圖像整體評(píng)價(jià)指標(biāo)的方法。

基于特顯點(diǎn)的方法有單特顯點(diǎn)方法、多特顯點(diǎn)方法,以及相位梯度自聚焦方法。特顯點(diǎn)自聚焦方法通常尋找一個(gè)或多個(gè)含有特顯點(diǎn)的距離單元,以該距離單元的特顯點(diǎn)或者多個(gè)特顯點(diǎn)的合成點(diǎn)作為轉(zhuǎn)臺(tái)中心,進(jìn)行相位補(bǔ)償[8-9],該方法一般情況下都能獲得目標(biāo)較好的聚焦效果。相位梯度自聚焦方法通過(guò)在圖像域的循環(huán)移位、隔離和迭代等步驟,有效地消除目標(biāo)轉(zhuǎn)動(dòng)分量對(duì)平動(dòng)相位分量估計(jì)的影響,該方法也能達(dá)到顯著的聚焦效果。上述方法都要求目標(biāo)距離單元回波中存在特顯點(diǎn),但是在強(qiáng)噪聲或低信噪比條件下,ISAR對(duì)特顯點(diǎn)的相位跟蹤精度會(huì)明顯下降。

針對(duì)上述情況提出了基于圖像整體評(píng)價(jià)指標(biāo)的自聚焦方法,文獻(xiàn)[10]提出了基于圖像最小熵的自聚焦方法,文獻(xiàn)[11]提出了基于最大對(duì)比度的自聚焦方法。上述方法應(yīng)用圖像熵和圖像對(duì)比度等圖像整體評(píng)價(jià)指標(biāo),有效地利用了ISAR成像的二維相干積累獲得高信噪比增益,然后采用最優(yōu)化方法實(shí)現(xiàn)相位擾動(dòng)估計(jì),從而對(duì)相位誤差進(jìn)行準(zhǔn)確的補(bǔ)償,最終得到聚焦良好的ISAR圖像。但是由于需要進(jìn)行多次迭代,上述方法計(jì)算量一般較大。

文獻(xiàn)[6]和文獻(xiàn)[12]提出了基于PSO擬合多項(xiàng)式的自聚焦參數(shù)化方法,該方法首先將相位誤差進(jìn)行多項(xiàng)式建模,然后采用粒子群優(yōu)化算法(PSO)求解多項(xiàng)式系數(shù)。但是該方法能得到聚焦良好的ISAR圖像需要依賴(lài)于準(zhǔn)確的包絡(luò)對(duì)齊,在ISAR實(shí)測(cè)數(shù)據(jù)處理時(shí),信噪比往往不高,上述方法將不再適用。

針對(duì)低信噪比情形,文獻(xiàn)[13-15]提出了一些聯(lián)合包絡(luò)對(duì)齊和相位補(bǔ)償?shù)膮?shù)化平動(dòng)補(bǔ)償技術(shù),上述方法均將目標(biāo)平動(dòng)分量建模為二次或高次多項(xiàng)式,文獻(xiàn)[13]通過(guò)迭代最大對(duì)比度估計(jì)多項(xiàng)式系數(shù),文獻(xiàn)[15]采用最小熵估計(jì)多項(xiàng)式系數(shù),通過(guò)擬牛頓算法,采用坐標(biāo)下降法求解該優(yōu)化問(wèn)題。然而,在低信噪比條件下,基于圖像熵和對(duì)比度的平動(dòng)補(bǔ)償方法的目標(biāo)函數(shù)與多項(xiàng)式系數(shù)之間的關(guān)系曲線并不是凸函數(shù),且存在大量的局部最優(yōu)點(diǎn),從而不能估計(jì)出真實(shí)的目標(biāo)平動(dòng)參數(shù)。為了解決上述問(wèn)題,文獻(xiàn)[16]提出了一種基于粒子群優(yōu)化(PSO)的目標(biāo)平動(dòng)補(bǔ)償方法,能夠自適應(yīng)對(duì)目標(biāo)平動(dòng)分量的多項(xiàng)式階數(shù)和系數(shù)進(jìn)行估計(jì),并且提出的方法具有良好的抗噪性能。Yak-42飛機(jī)目標(biāo)成像結(jié)果如圖1所示。

圖1 信噪比為0 dB和-5 dB情況下Yak-42飛機(jī)成像結(jié)果

2 ISAR成像算法

經(jīng)過(guò)上面介紹的目標(biāo)運(yùn)動(dòng)補(bǔ)償技術(shù),目標(biāo)運(yùn)動(dòng)模型就轉(zhuǎn)化為經(jīng)典的轉(zhuǎn)臺(tái)運(yùn)動(dòng)模式,接下來(lái)就是對(duì)回波進(jìn)行相干積累,重建目標(biāo)的空間分布,即ISAR成像。ISAR成像算法除了有傳統(tǒng)的RD算法、RID算法外,根據(jù)圖像分辨率要求、雷達(dá)體制、回波積累角度、目標(biāo)個(gè)數(shù)、目標(biāo)運(yùn)動(dòng)特性可將ISAR成像方法分為超分辨率及稀疏成像算法、大轉(zhuǎn)角成像算法、多目標(biāo)ISAR成像算法,以及微動(dòng)目標(biāo)ISAR成像算法等。

2.1 傳統(tǒng)的二維成像算法

傳統(tǒng)的RD成像算法主要基于目標(biāo)的平穩(wěn)運(yùn)動(dòng)情形,將目標(biāo)等效為轉(zhuǎn)動(dòng)中心固定的轉(zhuǎn)臺(tái)目標(biāo),通過(guò)發(fā)射大時(shí)寬帶寬積的信號(hào)來(lái)獲得距離向的高分辨率,而方位向的高分辨則依賴(lài)于目標(biāo)與雷達(dá)視線之間大的相對(duì)轉(zhuǎn)角,轉(zhuǎn)角越大,方位分辨率越高。由于ISAR觀測(cè)目標(biāo)一般為非合作目標(biāo),在觀測(cè)時(shí)間內(nèi),目標(biāo)可能會(huì)包含機(jī)動(dòng)等非平穩(wěn)運(yùn)動(dòng),利用傳統(tǒng)的RD成像算法對(duì)其進(jìn)行處理時(shí),最終成像結(jié)果會(huì)出現(xiàn)散焦現(xiàn)象,同時(shí)在大轉(zhuǎn)角成像中,目標(biāo)相干積累時(shí)間較長(zhǎng),目標(biāo)上各散射點(diǎn)的多普勒變化較大,因此提出了一種RID成像算法[17]。RID算法在距離向的處理與RD算法一致,在方位向上利用短時(shí)傅里葉變換等時(shí)頻變換方法獲得目標(biāo)的瞬時(shí)多普勒分布信息,從而獲得目標(biāo)的二維高分辨率圖像。此外,還有基于解線調(diào)頻RELAX方法的成像算法、基于Chirplet分解的成像算法、基于自適應(yīng)濾波RID成像算法和基于多分量多項(xiàng)式模型的成像算法等,這些方法的主要思路是:首先利用基函數(shù)逼近或?yàn)V波的方法將目標(biāo)回波的主要分量提取出來(lái)成像,而將干擾分量去掉,這類(lèi)方法通常也能得到目標(biāo)清晰的圖像[18]。

2.2 超分辨率成像

在ISAR成像中,被觀測(cè)目標(biāo)往往為非合作目標(biāo)且有很強(qiáng)的機(jī)動(dòng)性,機(jī)動(dòng)目標(biāo)通常是三維非等速旋轉(zhuǎn),回波信號(hào)存在很強(qiáng)的多普勒時(shí)變,這使得ISAR成像中很難有長(zhǎng)的相干積累時(shí)間,從而無(wú)法獲得足夠的方位分辨率。為了克服ISAR目標(biāo)的這種特性對(duì)成像的影響,實(shí)際處理中常采用超分辨率成像[19]。超分辨成像算法主要可以分為以下幾類(lèi):第一類(lèi)為寬帶外推法,寬帶外推也叫孔徑外推,文獻(xiàn)[20-22]都介紹了寬帶外推算法,該類(lèi)算法利用線性預(yù)測(cè)模型對(duì)觀測(cè)數(shù)據(jù)進(jìn)行擬合,然后對(duì)模型參數(shù)進(jìn)行估計(jì),從而通過(guò)孔徑外推法提高方位分辨率。第二類(lèi)為非線性濾波方法,而非線性濾波超分辨率算法不能增加孔徑寬度,這類(lèi)方法對(duì)脈沖映射函數(shù)進(jìn)行抑制并保留主瓣能量,從而提高分辨率,如文獻(xiàn)[23]提出了自適應(yīng)副瓣抑制方法,文獻(xiàn)[24]提出了CLEAN技術(shù)。第三類(lèi)為譜估計(jì),其中包括參數(shù)化譜估計(jì)算法和非參數(shù)化譜估計(jì)算法,文獻(xiàn)[25-28]提出的 MUSIC方法、文獻(xiàn)[29]提出的Root-MUSIC方法,以及文獻(xiàn)[30]提出的ESPRIT方法都是基于參數(shù)化的譜估計(jì)成像算法,這類(lèi)方法首先對(duì)回波進(jìn)行參數(shù)化建模,然后利用參數(shù)化方法分析信號(hào)的頻譜,將譜估計(jì)問(wèn)題轉(zhuǎn)化為數(shù)學(xué)中的參數(shù)估計(jì)問(wèn)題,從而實(shí)現(xiàn)目標(biāo)的超分辨率成像。但是該類(lèi)方法對(duì)信號(hào)模型的依賴(lài)性很強(qiáng),當(dāng)信號(hào)滿足假設(shè)的模型時(shí),該類(lèi)方法的精確度很高,當(dāng)信號(hào)不完全符合假設(shè)模型時(shí),估計(jì)誤差則會(huì)增大,選擇合適的模型是參數(shù)化譜估計(jì)算法的重要問(wèn)題之一。非參數(shù)化譜估計(jì)算法的基本思想是將信號(hào)通過(guò)一個(gè)窄帶濾波器,用濾波器的輸出功率除以帶寬表示對(duì)輸入信號(hào)頻譜的一種度量?；跒V波器組的非參數(shù)化譜估計(jì)方法,如Copon[31]、幅度 相位估計(jì)(Amplitude-Phase Estimation,APES)方法[32-34]能得到較高的譜分辨率而得到了廣泛應(yīng)用。

第四類(lèi)為近幾年發(fā)展起來(lái)的壓縮感知技術(shù)?；趬嚎s感知(Compressive Sensing,CS)理論的ISAR成像技術(shù)是最近幾年才發(fā)展起來(lái)的一個(gè)研究熱點(diǎn)。壓縮感知理論指出,在一定條件下通過(guò)求解一個(gè)最優(yōu)化問(wèn)題,未知稀疏信號(hào)可利用少量觀測(cè)數(shù)據(jù)重建。壓縮感知理論完全顛覆了傳統(tǒng)的Nyquist采樣定理中的采樣頻率必須大于或等于兩倍的信號(hào)帶寬,這使采樣所需的決定因素由原來(lái)的信號(hào)帶寬變?yōu)樾盘?hào)的信息結(jié)構(gòu)和內(nèi)容,更符合客觀的認(rèn)知規(guī)律。超分辨算法是利用常規(guī)采樣但較短的數(shù)據(jù)進(jìn)行處理,是CS處理的一個(gè)特例,用壓縮感知做超分辨成像可獲得更好的成像質(zhì)量。文獻(xiàn)[35]提出了一種范數(shù)L1傅里葉變化的超分辨成像方法,文獻(xiàn)[36]將點(diǎn)增強(qiáng)方法應(yīng)用到超分辨成像中。文獻(xiàn)[37]從CS角度出發(fā),利用貝葉斯壓縮感知,通過(guò)自適應(yīng)門(mén)限分離目標(biāo)和噪聲,獲得低信噪比下的ISAR像。圖2是Relax算法、Burg外推算法和貝葉斯超分辨(BSR)成像結(jié)果對(duì)比。

2.3 大轉(zhuǎn)角成像

圖2 12,8和5 dB信噪比條件下利用不同算法得到的超分辨成像結(jié)果

對(duì)于平穩(wěn)運(yùn)行的目標(biāo),ISAR通?？色@得目標(biāo)大轉(zhuǎn)角的觀測(cè)數(shù)據(jù)。目標(biāo)相對(duì)于雷達(dá)轉(zhuǎn)角的增加可改善圖像結(jié)果的方位分辨率,但隨著轉(zhuǎn)角的不斷增加,一些問(wèn)題也隨之而來(lái)。過(guò)大的轉(zhuǎn)角將會(huì)導(dǎo)致目標(biāo)散射模型發(fā)生改變,使散射點(diǎn)發(fā)生越距離單元走動(dòng),同時(shí)散射點(diǎn)的散射系數(shù)會(huì)隨著觀測(cè)視角的改變發(fā)生較大變化,方位向分辨率的改善將相當(dāng)困難。另外,在目標(biāo)大角度旋轉(zhuǎn)過(guò)程當(dāng)中,非常有可能發(fā)生旋轉(zhuǎn)角速度的改變,即非勻速旋轉(zhuǎn),這也使大轉(zhuǎn)角的ISAR成像過(guò)程更加復(fù)雜。目前,對(duì)ISAR大轉(zhuǎn)角成像的研究也是ISAR成像的一個(gè)重要方向,針對(duì)大轉(zhuǎn)角成像中的散射點(diǎn)越距離單元走動(dòng)問(wèn)題已經(jīng)有一些解決方法。Keystone變換被廣泛用于散射點(diǎn)越距離單元走動(dòng)的校正[38-39]。但是,當(dāng)目標(biāo)轉(zhuǎn)角進(jìn)一步增大而使散射點(diǎn)的回波包絡(luò)產(chǎn)生彎曲時(shí),該Keystone變換方法將不再適用。極坐標(biāo)格式算法(Polar Format Algorithm,PFA)則根據(jù)中心切片定理,在目標(biāo)回波的波數(shù)域?qū)⒛繕?biāo)的扇型波數(shù)譜支撐區(qū)插值為矩形,進(jìn)而采用二維逆傅里葉變換對(duì)目標(biāo)圖像進(jìn)行重建。由于該算法允許散射點(diǎn)的回波包絡(luò)以及多普勒產(chǎn)生彎曲,因此該算法適用的轉(zhuǎn)角范圍大于Keystone算法。但是,當(dāng)轉(zhuǎn)角進(jìn)一步增加時(shí),PFA算法會(huì)失效。而基于復(fù)數(shù)逆Radon變換(Complex Inverse Radon Transform,CIRT)算法的大轉(zhuǎn)角目標(biāo)成像算法是嚴(yán)格按照回波模型,在距離 慢時(shí)間域?qū)Πj(luò)以及相位進(jìn)行曲線積分以實(shí)現(xiàn)相干積累成像,可實(shí)現(xiàn)更大轉(zhuǎn)角的ISAR目標(biāo)成像[40]。同時(shí),RD,Keystone,PFA算法的主要成像過(guò)程是采用快速傅里葉變換(Fast Fourier Transform,FFT)實(shí)現(xiàn),因此它們的運(yùn)算速度高于CIRT算法。RD算法、Keystone算法、PFA算法的性能以及適用范圍比較結(jié)果如表1所示。

表1 RD,Keystone和PFA算法比較

2.4 多目標(biāo)成像

典型的多目標(biāo)ISAR成像算法可分為不同目標(biāo)運(yùn)動(dòng)參數(shù)相近和不同目標(biāo)運(yùn)動(dòng)參數(shù)不完全相同兩種類(lèi)型。對(duì)于第一種情形,由于不同目標(biāo)運(yùn)動(dòng)參數(shù)相近,每個(gè)目標(biāo)的距離包絡(luò)分布也基本一致,通過(guò)傳統(tǒng)的單目標(biāo)成像算法即可實(shí)現(xiàn)不同目標(biāo)的粗聚焦成像,然后基于圖像分割技術(shù)對(duì)不同目標(biāo)回波進(jìn)行分割,進(jìn)而得到不同目標(biāo)的高分辨率圖像[41-42]。第二種情形相對(duì)復(fù)雜,不同目標(biāo)運(yùn)動(dòng)參數(shù)不同,其距離包絡(luò)耦合嚴(yán)重,無(wú)法應(yīng)用傳統(tǒng)的平動(dòng)補(bǔ)償算法。文獻(xiàn)[42-48]基于不同目標(biāo)運(yùn)動(dòng)加速度不同,在方位時(shí)頻平面上實(shí)現(xiàn)不同目標(biāo)的回波分離,進(jìn)而利用單目標(biāo)成像算法完成不同目標(biāo)的高分辨率成像。文獻(xiàn)[49-51]則利用一些曲線檢測(cè)方法,如Hough變換[49-50,52]和粒子群優(yōu)化[51]等對(duì)不同目標(biāo)的距離包絡(luò)變化軌跡進(jìn)行擬合,估計(jì)其平動(dòng)參數(shù),最終在距離包絡(luò)平面上實(shí)現(xiàn)不同目標(biāo)回波的分離?？傊?上述多目標(biāo)成像算法均對(duì)目標(biāo)運(yùn)動(dòng)形式或不同目標(biāo)的運(yùn)動(dòng)參數(shù)有一定要求,文獻(xiàn)[53]建立了更為通用的多目標(biāo)運(yùn)動(dòng)模型,首先將多目標(biāo)分為不同的組目標(biāo),而組目標(biāo)中包含有運(yùn)動(dòng)參數(shù)相近的多個(gè)目標(biāo),接著通過(guò)粒子群優(yōu)化算法對(duì)不同組目標(biāo)的運(yùn)動(dòng)參數(shù)進(jìn)行估計(jì),并結(jié)合改進(jìn)的CLEAN和聚類(lèi)算法對(duì)不同組目標(biāo)以及其中的單個(gè)目標(biāo)進(jìn)行提取,最終通過(guò)常規(guī)的單目標(biāo)成像算法獲得不同目標(biāo)的高分辨率成像結(jié)果。圖3為文獻(xiàn)[53]中給出的仿真實(shí)驗(yàn)結(jié)果,圖3(a)為仿真所用的點(diǎn)目標(biāo)模型,圖3(b)～(e)為4個(gè)點(diǎn)目標(biāo)的ISAR成像結(jié)果。

圖3 多目標(biāo)成像仿真實(shí)驗(yàn)結(jié)果

2.5 微動(dòng)目標(biāo)成像

對(duì)于ISAR觀測(cè)目標(biāo),如飛機(jī)、人造衛(wèi)星等,除了目標(biāo)的整體運(yùn)動(dòng)之外,還存在發(fā)動(dòng)機(jī)渦輪片、直升機(jī)旋翼和衛(wèi)星游離部件的旋轉(zhuǎn)。由于旋轉(zhuǎn)部件和目標(biāo)剛體部分的運(yùn)動(dòng)特征不同,因此無(wú)法采用同剛體部分相同的方法對(duì)旋轉(zhuǎn)部件進(jìn)行清晰的ISAR成像。而傳統(tǒng)的成像算法通常都是將旋轉(zhuǎn)部件的回波作為干擾進(jìn)行抑制,這種方法損失了旋轉(zhuǎn)部件包含的重要結(jié)構(gòu)和運(yùn)動(dòng)特征等信息,不利于對(duì)目標(biāo)的全面描述。目前,對(duì)含有微動(dòng)部件的成像算法研究也是目前ISAR成像領(lǐng)域的重要方向。文獻(xiàn)[54-55]提出根據(jù)回波特征將旋轉(zhuǎn)部件和目標(biāo)主體回波進(jìn)行分離,然后分別成像,但是該回波分離法可能受到時(shí)頻分析分辨率低的影響,同時(shí)也存在算法復(fù)雜度高的難題。文獻(xiàn)[56]在高分辨率成像條件下,采用擴(kuò)展Hough變換(Extended Hough Transform,EHT)得到旋轉(zhuǎn)部件和目標(biāo)主體部分的圖像,但是該算法得到的旋轉(zhuǎn)部件圖像有較高的旁瓣。文獻(xiàn)[57]利用廣義Radon變換(Generalized Radon Transform,GRT)具有檢測(cè)任意曲線的能力,依據(jù)旋轉(zhuǎn)散射點(diǎn)實(shí)包絡(luò)的特點(diǎn),結(jié)合CLEAN技術(shù)對(duì)旋轉(zhuǎn)部件進(jìn)行成像,效果較好。另外,文獻(xiàn)[58]和文獻(xiàn)[59]中就旋轉(zhuǎn)部件回波與剛體回波分離方面提出了基于復(fù)數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解(Complex Empirical Mode Decomposition,CEMD)和低調(diào)頻率匹配濾波(Low Chirp Match Filter,LCMF)的分離方法。文獻(xiàn)[60]中就旋轉(zhuǎn)部件二維成像方面,提出了基于實(shí)數(shù)逆Radon變換(RIRT)和復(fù)數(shù)逆-Radon變換(CIRT)的成像方法,該算法相比前面提到的算法有更高的分辨率和抗加性噪聲性能。圖4為基于CEMD算法和低調(diào)頻率方法分離出含有微動(dòng)部件目標(biāo)回波的成像結(jié)果。

圖4 高速旋轉(zhuǎn)部件回波分離以及剛體成像

3 展望

隨著ISAR應(yīng)用環(huán)境及戰(zhàn)場(chǎng)情況的日益復(fù)雜,對(duì)ISAR成像的功能性能提出了越來(lái)越高的要求,新的雷達(dá)成像方法還需要進(jìn)一步的研究和挖掘:

(1)隨著雷達(dá)ISAR成像距離要求越來(lái)越遠(yuǎn),實(shí)測(cè)雷達(dá)回波數(shù)據(jù)的信噪比基本不會(huì)太高,因而關(guān)于低信噪比下的目標(biāo)平動(dòng)補(bǔ)償技術(shù)以及成像方法的研究將是未來(lái)的研究熱點(diǎn);

(2)隨著雷達(dá)功能越來(lái)越多樣化,除了寬帶的成像模式,一般還兼顧目標(biāo)的搜索、定位和跟蹤功能,得到的目標(biāo)雷達(dá)回波一般是不連續(xù)或者稀疏的,因此回波不連續(xù)條件下的目標(biāo)平動(dòng)補(bǔ)償和高分辨率成像技術(shù)也是ISAR成像未來(lái)的重要研究方向之一;

(3)隨著雷達(dá)觀測(cè)的目標(biāo)趨于多樣化,單純的剛體目標(biāo)假設(shè)已不能滿足ISAR成像建模和數(shù)據(jù)處理的要求,針對(duì)含有微動(dòng)部件甚至多個(gè)不同運(yùn)動(dòng)狀態(tài)部件目標(biāo)的成像算法研究也是國(guó)內(nèi)外學(xué)者比較關(guān)注的問(wèn)題;

(4)ISAR三維成像技術(shù)能夠獲得目標(biāo)的三維結(jié)構(gòu)信息,擁有目標(biāo)更為豐富的幾何尺寸信息,有利于目標(biāo)的識(shí)別和分類(lèi),目前基于InSAR體制的目標(biāo)三維重構(gòu)技術(shù)研究較多,而基于單傳感器不同角度下的ISAR圖像,同時(shí)結(jié)合光學(xué)圖像處理中的目標(biāo)三維重建技術(shù),對(duì)ISAR觀測(cè)目標(biāo)進(jìn)行重建的研究則較少,這也將會(huì)是ISAR成像未來(lái)的重要研究方向之一。

4 結(jié)束語(yǔ)

本文系統(tǒng)總結(jié)了ISAR成像技術(shù)近年來(lái)的發(fā)展概況,包括ISAR成像中的運(yùn)動(dòng)補(bǔ)償技術(shù),二維成像中的超分辨率成像技術(shù)、大轉(zhuǎn)角成像技術(shù)、多目標(biāo)成像技術(shù)和微動(dòng)目標(biāo)成像技術(shù),提出了后續(xù)技術(shù)發(fā)展的展望。作為現(xiàn)代先進(jìn)雷達(dá)系統(tǒng)的重要功能,ISAR成像技術(shù)必將伴隨著新的應(yīng)用需求的提出而不斷探索前行。

[1]保錚,邢孟道,王彤.雷達(dá)成像技術(shù)[M].北京:電子工業(yè)出版社,2005.

[2]CHEN C C,ANDREW H C.Target-Motion Induced Radar Imaging[J].IEEE Trans on Aerospace and Electronic Systems,1980,16(1):2-14.

[3]LIU L,ZHOU F,TAO M L,et al.Cross-Range Scaling Method of Inverse Synthetic Aperture Radar Imaging Based on Discrete Polynomial-Phase Transform[J].IET Radar,Sonar&Navigation,2015,9(3):333-341.

[4]WANG K,LUO L,BAO Z.Global Optimum Method for Motion Compensation in ISAR Imagery[C]∥Radar Conference 1997,Edinburgh:IET,1997:233-235.

[5]LI C,LIN G S,NI J L.Autofocusing of ISAR Images Based on Entropy Minimization[J].IEEE Trans on Aerospace and Electronic Systems,1999,35(4):1240-1252.

[6]PENG S,XU J,PENG Y,et al.Parametric Inverse Synthetic Aperture Radar Manoeuvring Target Motion Compensation Based on Particle Swarm Optimizer[J].IET Radar,Sonar&Navigation,2011,5(3):305-314.

[7]劉志凌,廖桂生,楊志偉.低信噪比條件下一種迭代加權(quán)擬合的ISAR包絡(luò)對(duì)齊方法[J].電子學(xué)報(bào),2012,40(4):799-804.

LIU Zhiling,LIAO Guisheng,YANG Zhiwei.A Range Alignment Method with Iterative Weighted Least Squares Fitting for ISAR Under Low SNR[J].Acta Electronica Sinica,2012,40(4):799-804.(in Chinese)

[8]YE W,YEO T S,BAO Z.Weighted Least-Squares Estimation of Phase Errors for SAR/ISAR Autofocus[J].IEEE Trans on Geoscience and Remote Sensing,1999,37(5):2487-2494.

[9]保錚,葉煒.ISAR運(yùn)動(dòng)補(bǔ)償聚焦方法的改進(jìn)[J].電子學(xué)報(bào),1996,24(9):74-79.

BAO Zheng,YE Wei.Improvements of Autofocusing Techniques for ISAR Motion Compensation[J].Acta Electronica Sinica,1996,24(9):74-79.(in Chinese)

[10]KRAGH T J,ALAA K A.Monotonic Iterative Algorithm for Minimum-Entropy Autofocus[C]∥IEEE International Conference on Image Processing,Atlanta,GA:IEEE,2006:645-648.

[11]BERIZZI F,COSINI G.Autofocus of Inverse Synthetic Aperture Radar Images Using Contrast Optimization[J].IEEE Trans on Aerospace and Electronic Systems,1996,32(3):1185-1191.

[12]BRINKMAN W,THAYAPARAN T.Focusing Inverse Synthetic Aperture Radar Images with High-Order Motion Error Using the Adaptive Joint-Time-Frequency Algorithm Optimised with the Genetic Algorithm and the Particle Swarm Optimisation Algorithm:Comparison and Results[J].IET Signal Pro-cessing,2010,4(4):329-342.

[13]MARTORELLA M,BERIZZI F,HAYWOOD B.Contrast Maximisation Based Technique for 2-D ISAR Autofocusing[J].IEE Proceedings-Radar,Sonar and Navigation,2005,152(4):253-262.

[14]PARK S H,KIM H T,KIM K T.Stepped-Frequency ISAR Motion Compensation Using Particle Swarm Optimization with an Island Model[J].Progress in Electromagnetics Research,2008,85(1):25-37.

[15]ZHANG L,SHENG J,DUAN J,et al.Translational Motion Compensation for ISAR Imaging Under Low SNR by Minimum Entropy[J].EURASIP Journal on Advances in Signal Processing,2013(33):1-19.

[16]LIU L,ZHOU F,TAO M L,et al.Adaptive Translational Motion Compensation Method for ISAR Imaging Under Low SNR Based on Particle Swarm Optimization[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(11):5146-5157.

[17]CHEN V C,QIAN S.Joint Time-Frequency Transform for Radar Range Doppler Imaging[J].IEEE Trans on Aerospace and Electronic Systems,1998,34(2):486-499.

[18]周萬(wàn)幸.ISAR成像系統(tǒng)與技術(shù)發(fā)展綜述[J].現(xiàn)代雷達(dá),2012,34(9):1-7.

[19]BORISON S L,BOWLING S B,CUOMO K M.Super-Resolution Methods for Wideband Radar[J].Lincoln Laboratory Journal,1992,5(3):441-461.

[20]LI H J,FARHAT N H,SHEN Y S.A New Iterative Algorithm for Extrapolation of Data Available in Multiple Restricted Regions with Applications to Radar Imaging[J].IEEE Trans on Antennas and Propagation,1987,35(5):581-588.

[21]SUWA K,IWAMOTO M.A Two-Dimensional Bandwidth Extrapolation Technique for Polarimetric Synthetic Aperture Radar Images[J].IEEE Trans on Geoscience and Remote Sensing,2007,45(1):45-54.

[22]MOORE T G,ZUERNDORFER B W,BURT E C.Enhanced Imagery Using Spectral-Estimation-Based Techniques[J].Lincoln Laboratory Journal,1997,10(2):171-186.

[23]XU X,NARAYANAN R M.Enhanced Resolution in SAR/ISAR Imaging Using Iterative Sidelobe Apodization[J].IEEE Trans on Image Processing,2005,14(4):537-547.

[24]BOSE R,FREEDMAN A,STEINBERG B D.Sequence CLEAN:A Modified Deconvolution Technique for Microwave Images of Contiguous Targets[J].IEEE Trans on Aerospace and Electronic Systems,2002,38(1):89-97.

[25]白雪茹.空天目標(biāo)逆合成孔徑雷達(dá)成像新方法研究[D].西安:西安電子科技大學(xué),2011.

[26]ODENDAAL J,BARNARD E,PISTORIUS C.Two-Dimendional Superresolution Radar Imaging Using the MUSIC Algorithm[J].IEEE Trans on Antennas and Propagation,1994,42(10):1386-1391.

[27]MOGHADDAR A,OGAWA Y,WALTON E K.Estimating the Time-Delay and Frequency Decay Parameter of Scattering Components Using a Modified MUSIC Algorithm[J].IEEE Trans on Antennas and Propagation,1994,42(10):1412-1418.

[28]BARBAROSSA S,MARSILI L,MUNGARI G.SAR Super-Resolution Imaging by Signal Subspace Projection Techniques[C]∥EUSAR,Konigswinter:IEEE,1996:267-270.

[29]RAO B D,HARI K V S.Performance Analysis of Root-Music[J].IEEE Trans on Acoustics,Speech and Signal Processing,1989,37(12):1939-1949.

[30]WANG Y,LING H.A Frequency-Aspect Extrapolation Algorithm for ISAR Image Simulation Based on Two-Dimensional ESPRIT[J].IEEE Trans on Geoscience and Remote Sensing,2000,38(4):1743-1748.

[31]DEGRAAF S R.SAR Imaging via Modern 2-D Spectral Estimation Methods[J].IEEE Trans on Image Processing,1998,7(5):729-761.

[32]LI J,STOICA P.An Adaptive Filtering Approach to Spectral Estimation and SAR Imaging[J].IEEE Trans on Signal Process,1996,44(6):1469-1484.

[33]STOICA P,JAKOBSSON A,LI J.Copon,APES and Matched-Filterbank Spectral Estimation[J].Signal Processing,1998,66(1):45-59.

[34]LOPEZ-DEKKER P,MALLORQUI J J.Coponand APES-based SAR Processing:Performance and Practical Considerations[J].IEEE Trans on Geoscience and Remote Sensing,2010,48(5):2388-2402.[35]ZWEIG G.Super-Resolution Fourier Transforms by Optimization and ISAR Imaging[J].IEE Proceed-ings-Radar Sonar and Navigation,2003,150(4):247-252.

[36]?ETIN M.Feature-Enhanced Synthetic Aperture Radar Imaging[D].Boston:Boston University,2001.

[37]ZHANG L,XING M D,QIU C W,et al.Achieving Higher Resolution ISAR Imaging with Limited Pulses via Compressed Sensing[J].IEEE Trans on Geoscience and Remote Sensing Letters,2009,6(3):567-571.

[38]PERRY R,DIPIETRO R,FANTE R.SAR Imaging of Moving Targets[J].IEEE Trans on Aerospace and Electronic Systems,1999,35(1):188-200.

[39]ZHU D,LI Y,ZHU Z.A Keystone Transform Without Interpolation for SAR Ground Moving-Target Imaging[J].IEEE Trans on Geoscience and Remote Sensing Letters,2007,4(1):18-22.

[40]ZHOU F,BAI X,XING M,et al.Analysis of Wide-Angle Radar Imaging[J].IET Radar,Sonar&Navigation,2011,5(4):449-457.

[41]BAI X R,ZHOU F,XING M D,et al.A Novel Method for Imaging of Group Targets Moving in a Formation[J].IEEE Trans on Geoscience and Remote Sensing,2012,50(1):221-231.

[42]XIAO D,SU F L,WU J W.Multi-Target ISAR Imaging Based on Image Segmentation and Short-Time Fourier Transform[C]∥5th International Congress on Image and Signal Processing,Chongqing:IEEE,2012:1832-1836.

[43]王洋,陳建文,劉中,等.多運(yùn)動(dòng)目標(biāo)ISAR成像方法研究[J].宇航學(xué)報(bào),2005,26(4):450-454.

[44]LUO X Q,HE Q,LV G Z,et al.ISAR Imaging of Multiple Targets Based on Adaptive Gaussian Chirplet Decomposition[C]∥CIE International Conference on Radar,Shanghai:IEEE,2006:1012-1015.

[45]FAN L H,PI Y M,HUANG S J.Multi-Target Imaging Processing Algorithms of ISAR Based on Time-Frequency Analysis[C]∥CIE International Conference on Radar,Shanghai:IEEE,2006:1-4.

[46]陳文馳.一種適用于編隊(duì)目標(biāo)的ISAR成像處理實(shí)現(xiàn)方法[J].電子學(xué)報(bào),2006,34(6):1119-1122.

CHEN Wenchi.An Implementation Method of ISAR Imaging for Multiple Targets in Formation[J].Acta Electronica Sinica,2006,34(6):1119-1122.(in Chinese)

[47]LI Y,FU Y,LI X,et al.An ISAR Imaging Method for Multiple Moving Targets Based on Fractional Fourier Transformation[C]∥IEEE Radar Conference,Pasadena,CA:IEEE,2009:1-6.

[48]蘇鑫,張?jiān)螺x,朱玉鵬,等.基于時(shí)間 調(diào)頻率分布的多目標(biāo)ISAR成像[J].雷達(dá)科學(xué)與技術(shù),2009,7(6):425-431.

SU Xin,ZHANG Yuehui,ZHU Yupeng,et al.ISAR Imaging of Multiple Targets Using Time-Chirp Distribution[J].Radar Science and Technology,2009,7(6):425-431.(in Chinese)

[49]FU X J,GUO M G.ISAR Imaging for Multiple Targets Based on Randomized Hough Transform[C]∥Congress on Image and Signal Processing,Sanya:IEEE,2008:238-241.

[50]ZHANG Y,ZHANG D,CHEN W,et al.ISAR Imaging of Multiple Moving Targets Based on RSPWVD-Hough Transform[C]∥2008 Asia-Pacific Microwave Conference,Macau:IEEE,2008:1-4.

[51]PARK S H,KIM H T,KIM K T.Segmentation of ISAR Images of Targets Moving in Formation[J].IEEE Trans on Geoscience and Remote Sensing,2010,48(4):2099-2108.

[52]PARK S H,PARK K K,JUNG J H,et al.ISAR Imaging of Multiple Targets Using Edge Detection and Hough Transform[J].Journal of Electromagnetic Waves and Applications,2008,22(2-3):365-373.

[53]LIU L,ZHOU F,TAO M,et al.A Novel Method for Multi-Targets ISAR Imaging Based on Particle Swarm Optimization and Modified CLEAN Technique[J].IEEE Sensors Journal,2015,16(1):97-108.

[54]LI J,LING H.Application of Adaptive Chirplet Representation for ISAR Feature Extraction from Targets with Rotating Parts[J].IEE Proceedings-Radar,Sonar and Navigation,2003,150(4):284-291.

[55]STANKOVIC L,DJUROVIC I,THAYAPARAN T.Separation of Target Rigid Body and Micro-Doppler Effects in ISAR Imaging[J].IEEE Trans on Aerospace and Electronic Systems,2006,42(4):1496-1506.

[56]ZHANG Q,YEO T S,TAN H S,et al.Imaging of a Moving Target with Rotating Parts Based on the Hough Transform[J].IEEE Trans on Geoscience and Remote Sensing,2008,46(1):291-299.

[57]WANG Q,XING M,LU G,et al.High-Resolution Three-Dimensional Radar Imaging for Rapidly Spinning Targets[J].IEEE Trans on Geoscience and Remote Sensing,2008,46(1):22-30.

[58]BAI X,XING M,ZHOU F,et al.Imaging of Micromotion Targets with Rotating Parts Based on Empirical-Mode Decomposition[J].IEEE Trans on Geoscience and Remote Sensing,2008,46(11):3514-3523.

[59]BAI X,ZHOU F,XING M,et al.High Resolution ISAR Imaging of Targets with Rotating Parts[J].IEEE Trans on Aerospace and Electronic Systems,2011,47(4):2530-2543.

[60]BAI X,ZHOU F,XING M,et al.Micro-Doppler Analysis and Imaging of Air-Planes with Rotating Parts[C]∥2nd Asian-Pacific Conference on Synthetic Aperture Radar,Xi’an:IEEE,2009:610-613.