新聞中心

EEPW首頁 > 手機與無線通信 > 設計應用 > 雷達成像近似二維模型及其超分辨算法

雷達成像近似二維模型及其超分辨算法

作者: 時間:2010-12-26 來源:網(wǎng)絡 收藏

  2.SAR成像模擬
  雷達參數(shù)為:中心頻率f0=24.24GHz,調(diào)頻率γ=33.357×1011Hz/s,帶寬B=133.5MHz,脈沖寬度tp=40μs.四個點目標作正方形放置,間隔50米,左下角的點作為參考點.雷達與目標間隔1公里,觀察角Δθ=3.15,數(shù)據(jù)長度為128×128.采用FFT成像方法時,其縱向和橫向距離率為ρr=ρa=1.123米,防止MTRC現(xiàn)象發(fā)生所需的目標最大范圍為[4]:縱向尺寸Dr<4ρ2r/λ=40米,橫向尺寸Da<4ρ2a/λ=40米.采用常規(guī)超方法時,目標尺寸Dr=Da>10米則出現(xiàn)明顯的性能下降.圖2、圖3分別給出了RELAX方法及本文推廣的RELAX(Extended RELAX)的成像結果.可以看出,由于目標遠離參考中心,已在橫向和縱向出現(xiàn)距離走動,采用常規(guī)超的RELAX產(chǎn)生圖像模糊,對于本文,則得到基本正確的成像結果.圖4和圖5則比較了RELAX算法和推廣的RELAX算法的散射點強度估計結果,可以看到,RELAX算法由于距離走動影響,散射點(除參考點以外)的強度降低.對于本文算法,散射點強度接近真實值.

本文引用地址:http://butianyuan.cn/article/156827.htm

     t84-2.gif (2232 bytes)          t86-1.gif (2338 bytes)

圖2 距離走動誤差下的RELAX成像結果

圖3 距離走動誤差下的

     t86-2.gif (3010 bytes)           t86-3.gif (2871 bytes)

圖4 RELAX方法估計的信號強度推廣RELAX成像結果

圖5 推廣RELAX方法估計的信號強度

五、結束語
  現(xiàn)有的雷像超分辨算法是基于目標回波信號的正弦信號,所以僅適用于目標位于參考點附近很小區(qū)域時的情形.當目標遠離參考點時,誤差,特別是距離走動誤差,將使算法性能嚴重下降或失效.為此,本文提出一種基于雷的超分辨算法,從而擴大了超分辨算法的適用范圍.本文進一步的工作包括SAR實測數(shù)據(jù)成像及ISAR機動目標成像,結果將另文報道.

附 錄:參數(shù)估計的C-R界
  下面我們給出式(5)所示的信號參量估計的C-R界表達式.同時假設式(5)中加性噪聲為零均值高斯色噪聲,其協(xié)方差矩陣未知.令:

y=vec(Y) (A.1)
e=vec(E) (A.2)
dk=vec(Dk) (A.3)

式中vec(X)=(xT1,xT2,…,xTN)T,向量xn(n=1,2,…,N)為矩陣X的列向量.我們將式(5)改寫為如下向量形式:

g86.gif (1322 bytes) (A.4)

式中ts86-4.gif (84 bytes)表示Kronecker積,Ω=[{[P1bN(ts85-1.gif (92 bytes)1)]ts86-4.gif (84 bytes)aM(ω1)}⊙d1…{[PkbN(ts85-1.gif (92 bytes)K)]ts86-4.gif (84 bytes)aM(ωK)}⊙dK],α=(α1,α2,…,αK)T.
  令Q=E(eeH)為e的協(xié)方差矩陣,則對于由式(A.4)所示的二維信號模型,其Fisher信息陣(FIM)的第ij個元素推廣的Slepian-Bangs公式為[5,6]:
(FIM)ij=tr(Q-1Q′iQ-1Q′j)+2Re[(αHΩH)′iQ-1(Ωα)′j] (A.5)
式中X′i表示矩陣X對第i個參數(shù)求導,tr(X)為矩陣的跡,Re(X)為矩陣的實部.由于Q與Ωα中的參量無關,而Ωα亦與Q的元素無關,顯然FIM為一塊對角陣.所以待估計參量的C-R界矩陣由(A.5)式的第二項得到.

令:η=([Re(α)]T[Im(α)]TωTts85-1.gif (92 bytes)TμTvT)T (A.6)

式中ω=(ω1,ω2,…,ωK)T,μ=(μ1,μ2,…,μK)T,ts85-1.gif (92 bytes)=(ts85-1.gif (92 bytes)1,ts85-1.gif (92 bytes)2,…,ts85-1.gif (92 bytes)K)T,v=(v1,v2,…,vK)T.
令:F=[Ω jΩ DωΘ Dts85-1.gif (92 bytes)Θ DμΘ DvΘ] (A.7)
式中矩陣Dω、Dts85-1.gif (92 bytes)、Dμ、Dv的第k列分別為:ts69-1.gif (92 bytes)[{[PkbN(ts85-1.gif (92 bytes)k)]ts86-4.gif (84 bytes)aM(ωk)}⊙dk]/ts69-1.gif (92 bytes)ωk、ts69-1.gif (92 bytes)[{[PkbN(ts85-1.gif (92 bytes)k)]ts86-4.gif (84 bytes)aM(ωk)}⊙dk]/ts69-1.gif (92 bytes)ts85-1.gif (92 bytes)k、ts69-1.gif (92 bytes)[{[PkbN(ts85-1.gif (92 bytes)k)]ts86-4.gif (84 bytes)aM(ωk)}⊙dk]/ts69-1.gif (92 bytes)μk、ts69-1.gif (92 bytes)[{[PkbN(ts85-1.gif (92 bytes)k)]ts86-4.gif (84 bytes)aM(ωk)}⊙dk]/ts69-1.gif (92 bytes)vk,Θ=diag{α1 α2 … αK}.則關于參量向量η的CRB矩陣為

CRB(η)=[2Re(FHQ-1F)]-1 (A.8)


上一頁 1 2 3 4 下一頁

關鍵詞: 分辨 算法 及其 模型 近似 二維 達成

評論


相關推薦

技術專區(qū)

關閉