機(jī)動目標(biāo)ISAR自聚焦新方法

黃大榮，張 磊，邢孟道，保 錚

（西安電子科技大學(xué) 雷 達(dá)信號處理國家重點實驗室，陜西 西 安 710071）

逆合成孔徑雷達(dá)（ISAR）成像技術(shù)通常通過平動補(bǔ)償將運(yùn)動目標(biāo)轉(zhuǎn)換為轉(zhuǎn)臺目標(biāo)[1].平動補(bǔ)償包括包絡(luò)對齊和自聚焦.由于成像所需轉(zhuǎn)角一般較小，包絡(luò)的位移一般小于1個距離分辨單元，因此包絡(luò)對齊比較容易.常用的包絡(luò)對齊方法如互相關(guān)法[2]和最小熵法[3]等，對于機(jī)動目標(biāo)仍然適用[4].相位誤差是相對于雷達(dá)波長的，當(dāng)波長為厘米級時，毫米級的散射點徑向走動都會產(chǎn)生明顯的相位變化.因此，自聚焦技術(shù)是ISAR成像處理的關(guān)鍵.在高分辨雷達(dá)成像中，研究穩(wěn)健高精度的自聚焦技術(shù)意義重大[5－9].

對于平穩(wěn)飛行的目標(biāo)，已有很多自聚焦方法：加權(quán)相位估計自聚焦方法[10]對于相位誤差的階數(shù)無要求，具有很強(qiáng)的魯棒性，但巨大的運(yùn)算量無法應(yīng)用于實際中.最大似然估計的特征向量分解法[11]估計的方差可以達(dá)到克拉美羅界，但是需要對高維度的協(xié)方差矩陣特征值分解，運(yùn)算量較大、實際應(yīng)用困難較大.相位梯度自聚焦方法[12]（Phase Gradient Autofocus，PGA）運(yùn)算量適中且魯棒性較好，實際中應(yīng)用最為廣泛.但是，傳統(tǒng)的自聚焦方法都只考慮多普勒線性相位，并沒有考慮二次相位對相位誤差估計精度的影響.當(dāng)目標(biāo)進(jìn)行機(jī)動飛行時，回波的方位向信號產(chǎn)生隨時間變化的多普勒二次分量而被調(diào)制成線性調(diào)頻信號，信號相位中不僅含有多普勒線性相位，還包含由機(jī)動引入的二次相位，導(dǎo)致傳統(tǒng)的自聚焦方法存在估計精度下降的問題.

為了解決上述問題，筆者提出了一種機(jī)動目標(biāo)自聚焦新方法.通過一維方位像圓平移至圖像中心消除多普勒線性相位的影響[1]；通過線性搜索獲得方位調(diào)頻率的最優(yōu)估計，實現(xiàn)多普勒二次相位項的補(bǔ)償；通過對所有樣本信號的相干積累，降低噪聲的影響，實現(xiàn)初始相位的估計；通過多次迭代處理來提高相位誤差估計精度.仿真和實測數(shù)據(jù)處理結(jié)果表明，筆者提出的方法具有比傳統(tǒng)方法更好的聚焦效果和噪聲容忍性.

1 信號模型

機(jī)動目標(biāo)成像的幾何模型如圖1所示.圖1中O點表示機(jī)動目標(biāo)等效到三維轉(zhuǎn)臺后的參考點.向量R表示雷達(dá)視線方向上的單位矢量，向量ω表示目標(biāo)的轉(zhuǎn)動向量.R和ω構(gòu)成成像平面OAC.將向量ω在OAC平面內(nèi)分解為沿OR方向的向量ωR和與OR垂直的向量ωe.由于ωR不改變目標(biāo)散射中心的徑向距離，ωe導(dǎo)致散射中心產(chǎn)生徑向移動，即ωe是有效的轉(zhuǎn)動向量.

假設(shè)雷達(dá)發(fā)射線性調(diào)頻脈沖信號形式為

圖1 機(jī)動目標(biāo)ISAR成像幾何示意圖

其中，Tp表示發(fā)射信號脈沖寬度，fc表示信號載頻，γ表示發(fā)射信號的調(diào)頻率表示距離向快時間，tm表示方位向慢時間，t表示全時間，rect（·）表示發(fā)射信號的包絡(luò).回波信號經(jīng)解線頻調(diào)處理后，對快時間進(jìn)行傅里葉變換，忽略常數(shù)相位項并補(bǔ)償剩余視頻相位（RVP），得到信號差頻域的表達(dá)式為

其中，θp、fp和γp分別表示散射點p的起始相位、多普勒相位和方位向調(diào)頻率.這里假設(shè)ωe引起的徑向走動仍在一個分辨單元內(nèi)，即認(rèn)為回波的包絡(luò)是非時變的.式（2）是理想情況下的信號模型.實際中機(jī)動目標(biāo)的運(yùn)動通常是未知的，常會引入嚴(yán)重的運(yùn)動誤差.假設(shè)散射點p位于第n個距離單元，經(jīng)過離散采樣后，信號重新表示為

其中，φ（m）表示相位誤差，σ（n；m）表示噪聲，t表示相鄰脈沖之間的時間間隔.此時，相位ψn為

其中，n＝1，2，…，N，m＝1，2，…，M，分別表示距離采樣總數(shù)和方位總脈沖數(shù)；第n個距離單元的初始相位項、多普勒頻率項和二次相位項分別表示為

2 機(jī)動目標(biāo)自聚焦

2.1 特顯點樣本的選擇

上述信號模型是建立在距離單元中僅含有1個孤立散射點的假設(shè)條件下，實際中理想的孤立散射點幾乎不存在，但特顯點總是存在的[1].假設(shè)信號中共有L個特顯點，按強(qiáng)度從大到小排序后，構(gòu)成樣本信號為

2.2 多普勒線性相位補(bǔ)償

多普勒線性相位通過將信號的一維方位像圓平移至圖像中心來消除.可通過對補(bǔ)償后的信號加窗濾波提高樣本的信雜噪比.補(bǔ)償多普勒線性相位后的信號相位可表示為

2.3 二次相位補(bǔ)償

對二次相位項?（n；m）補(bǔ)償，實際是對方位向調(diào)頻率γn的估計，可以通過在[γmin，γmax]線性飽和搜索獲得.最大峰值處對應(yīng)γn的最優(yōu)估計為

其中，⊙表示矢量點乘，F(xiàn)FT[·]表示傅里葉變換，Peak｛·｝表示向量所有元素中的最大值，并有

估計出γn后，與

相乘，信號相位變?yōu)?/p>

2.4 初始相位的補(bǔ)償

不同樣本信號的初始相位α（n）是不同的，初始相位具有隨機(jī)性.這里對初始相位的估計提出一種新的方法，通過對所有樣本信號的相干積累，避免了相位梯度估計，可獲得比PGA更高的相位誤差估計精度.首先求出樣本信號之間的相位差，即

式（15）表明，同一樣本信號的不同方位慢時刻，初始相位差Δθn相同，噪聲Δσ（n；m）是不同的.上述求和的過程本質(zhì)上是對初始相位差Δθn的相干積累.化簡式（14），可得

經(jīng)過兩次相干積累后，信號相位變?yōu)?/p>

2.5 相位誤差的補(bǔ)償

ψn除了包含相位誤差φ（m）外，還包含一個常數(shù)相位項θ1，它的存在對圖像的聚焦沒有影響.將距離壓縮后的信號統(tǒng)一與

相乘，補(bǔ)償相位誤差，就可以得到聚焦的圖像.

前面討論的多普勒相位、二次相位、隨機(jī)初相和相位誤差的估計均是假設(shè)信號中僅含有需要估計的相位項，不考慮其他相位的影響，實際中相位是同時存在的.文中采取迭代處理方法的步驟為：先采用文中的方法進(jìn)行一次粗補(bǔ)償，隨機(jī)初相和相位誤差對多普勒相位的影響已經(jīng)變得很小；再進(jìn)行多普勒相位的估計會提高精度，多普勒相位估計精度的提高，可以更準(zhǔn)確地估計二次相位和相位誤差；二次相位和相位誤差估計精度的提高，又可以更進(jìn)一步提高多普勒相位的補(bǔ)償，如此迭代至相位誤差估計精度達(dá)到指定要求為止.

3 運(yùn)算復(fù)雜度分析

通過統(tǒng)計各算法中的復(fù)數(shù)乘法運(yùn)算來進(jìn)行運(yùn)算復(fù)雜度分析.各步驟運(yùn)算量如表1所示.表1只給出了1次迭代需要的復(fù)乘運(yùn)算，總的運(yùn)算量為每次迭代所需的運(yùn)算量乘以迭代次數(shù).表1說明，文中方法與傳統(tǒng)方法的運(yùn)算復(fù)雜度的差異主要是在二次相位補(bǔ)償和初始相位補(bǔ)償.二次相位補(bǔ)償中，γk的范圍一般較小，特顯點樣本個數(shù)L一般也較小，因此二次相位補(bǔ)償?shù)倪\(yùn)算量是可以接受的.初始相位補(bǔ)償中，兩種方法的運(yùn)算復(fù)雜度在同一數(shù)量級，實際處理中的運(yùn)算效率接近.

表1 算法運(yùn)算復(fù)雜度

4 算法流程

機(jī)動目標(biāo)ISAR自聚焦算法的處理流程如圖2所示，該算法的流程步驟如下：

圖2 文中算法的流程圖

（1）距離壓縮.首先對原始回波數(shù)據(jù)進(jìn)行距離壓縮和包絡(luò)對齊.

（2）粗補(bǔ)償.利用第2節(jié)的方法，對距離壓縮后的數(shù)據(jù)進(jìn)行粗補(bǔ)償.

（3）特顯點單元選擇.按照信號強(qiáng)度從大到小排列，篩選出高信噪比的距離單元，構(gòu)成樣本信號.

（4）多普勒線性相位補(bǔ)償.將信號的一維方位像圓平移至圖像中心消除多普勒相位的影響.

（5）加窗濾波.預(yù)先設(shè)定逐步減小的窗長進(jìn)行加窗濾波以提高樣本的信雜噪比.

（6）二次相位補(bǔ)償.通過對調(diào)頻率的飽和搜索，利用式（12）補(bǔ)償二次相位項.

（7）初始相位補(bǔ)償.利用式（17）和式（18）估計，并補(bǔ)償隨機(jī)初始相位.

（8）相位誤差補(bǔ)償.利用式（20）估計，并補(bǔ)償相位誤差.

（9）重復(fù)迭代步驟（4）～（8），直到估計達(dá)到收斂精度.

5 數(shù)據(jù)處理及結(jié)果分析

5.1 仿真數(shù)據(jù)處理及結(jié)果分析

實驗數(shù)據(jù)來自美國Naval Research Lab提供的B727S仿真數(shù)據(jù).主要參數(shù)如下：中心頻率為9GHz，帶寬為150MHz，脈沖重復(fù)頻率為20kHz.仿真數(shù)據(jù)具有較高的信噪比，并且已經(jīng)過包絡(luò)對齊和運(yùn)動補(bǔ)償.圖3（a）所示為采用距離－多普勒成像方法得到的成像結(jié)果，由于目標(biāo)的機(jī)動特性，圖像中存在嚴(yán)重的散焦.

圖3 原始數(shù)據(jù)成像及添加的相位誤差

在仿真數(shù)據(jù)中，加入如圖3（b）所示的隨機(jī)相位誤差，變化范圍為[－8π，8π].采用相同的樣本和相同的迭代次數(shù)，利用兩種自聚焦方法進(jìn)行處理，對所有距離單元進(jìn)行短時傅里葉變換（STFT），選取不同的成像時刻T1、T2和T3，得到圖4所示成像結(jié)果，圖中均為dB圖.兩種方法均能估計出隨機(jī)相位誤差，但傳統(tǒng)方法的一些距離單元有較嚴(yán)重的散焦現(xiàn)象，如圖4圓圈中的區(qū)域.這是因為傳統(tǒng)自聚焦方法沒有考慮目標(biāo)機(jī)動引入的二次相位對相位誤差的影響，使得相位誤差的估計精度不高.文中方法機(jī)動引入的二次相位補(bǔ)償后，再對相位誤差進(jìn)行估計，估計精度高于傳統(tǒng)方法，并通過多次迭代處理進(jìn)一步提高了相位誤差的估計精度，最終得到聚焦效果較理想的圖像.

在相同的隨機(jī)相位誤差條件下，添加隨機(jī)復(fù)高斯白噪聲得到不同信噪比條件下的數(shù)據(jù)，采用兩種自聚焦方法得到圖5所示結(jié)果.在低信噪比條件下，傳統(tǒng)方法聚焦效果不理想，文中方法聚焦效果較好.隨著信噪比的提高，兩種方法對相位誤差的估計精度也提高.在相同的信噪比條件下，文中方法的聚焦精度均優(yōu)于傳統(tǒng)方法，說明文中方法對噪聲的容忍性較好.由于文中所提算法在對初始相位的估計過程中，通過對樣本信號的二次相干積累，有效降低了噪聲對隨機(jī)初相估計精度的影響，并通過多次迭代直到相位誤差收斂到所需精度要求為止，提高了算法的魯棒性.采用圖像熵和均方誤差來定量分析兩種方法的聚焦性能，如圖6所示.橫坐標(biāo)表示不同的信噪比，縱坐標(biāo)表示相位誤差的估計值與真實值的均方誤差.圖6中曲線為經(jīng)過200次蒙特卡洛實驗后的結(jié)果，其計算公式為

圖4 兩種方法的成像結(jié)果

圖5 不同時刻的成像結(jié)果

5.2 實測數(shù)據(jù)處理結(jié)果

本次實驗利用實測數(shù)據(jù)驗證算法的有效性.觀測目標(biāo)為雅克－42飛機(jī).信號帶寬為400MHz，載頻為C波段.分別采用兩種方法自聚焦處理后，得到圖7所示的時頻成像結(jié)果.在不同的成像中心時刻，目標(biāo)的姿態(tài)有明顯的變化.傳統(tǒng)方法在不同的成像中心時刻有不同程度的散焦（圖中圈中的部分），文中方法較好地提高了目標(biāo)的聚焦性能，圖像熵均小于傳統(tǒng)方法，聚焦效果較理想.

圖6 不同信噪比下算法的性能

圖7 實測數(shù)據(jù)處理結(jié)果

6 結(jié)束語

機(jī)動目標(biāo)的合成孔徑陣列流形復(fù)雜，且難以精確已知.傳統(tǒng)的自聚焦方法不能有效地補(bǔ)償機(jī)動引入的二次調(diào)頻相位，聚焦效果不理想.當(dāng)信噪比低時，散焦現(xiàn)象更嚴(yán)重.筆者提出了一種機(jī)動目標(biāo)自聚焦新方法，該方法通過一維方位像圓平移至圖像中心，消除多普勒線性相位對相位誤差估計精度的影響；通過線性飽和搜索獲得方位調(diào)頻率的最優(yōu)估計，進(jìn)而實現(xiàn)二次相位項的補(bǔ)償；通過對所有樣本信號的相干積累，降低了噪聲的影響，實現(xiàn)了初始相位的精確估計；最后通過多次迭代處理，提高了相位誤差估計精度.仿真和實測數(shù)據(jù)處理結(jié)果表明，文中方法具有比傳統(tǒng)方法更好的聚焦效果和噪聲容忍性.

[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，Andrews H C.Target－motion－induced Radar Imaging[J].IEEE Transactions on Aerospace and Electronic System，1980，16（1）：2－14.

[3] Wang G Y，Bao Z.The Minimum Entropy Criterion of Range Alignment in ISAR Motion Compensation [C]//Proceedings of Radar Systems（IEE Conference Publication No 449）.Stevenage：IEE，1997：236－239.

[4] Xing M D，Wu R B，Lan J Q，et al.Migration through Resolution Cell Composition in ISAR Imaging[J].IEEE Geoscience and Remote Sensing Letters，2004，1（2）：141－144.

[5] Zhang L，Qiao Z，Xing M D，et al.Arobust Motion Compensation Approach for UAV SAR Imagery[J].IEEE Transactions on Geoscience and Remote Sensing，2012，50（8）：3202－3218.

[6] Falcone P，Colone F，Lombardo P，et al.WiFi－based Passive ISAR for High Resolution Cross－range Profiling of Moving Targets[C]//9th European Conference on Synthetic Aperture Radar.Piscataway：IEEE，2012：279－282.

[7] Jiang R，Zhu D，Shen M，et al.Synthetic Aperture Radar Autofocus Based on Projection Approximation Subspace Tracking[J].IET Radar，Sonar and Navigation，2012，6（6）：465－471.

[8] Joachim H，Ender G.Autofocusing ISAR Images Via Sparse Representation[C]//9th European Conference on Synthetic Aperture Radar.Piscataway：IEEE，2012：203－206.

[9] Brisken S，Martorella M，Mathy T，et al.Multistatic ISAR Autofocussing Using Image Contrast Optimization [C]//IET International Conference on Radar Systems.Stevenage：IET，2012：1623.

[10] Ye W，Yeo T，Bao Z.Weighted Least－square Estimation of Phase Errors for SAR/ISAR Autofocus [J].IEEE Transactions on Geoscience and Remote Sensing，1999，37（5）：2488－2494.

[11] Jakowatz C，Wahl D.Eigenvector Method for Maximum－likelihood Estimation of Phase Errors in Synthetic－apertureradar Imagery[J].Journal of the Optical Society of America，1993，10（12）：2539－2546.

[12] Wahl D，Eichel P H，Ghiglia D C，et al.Phase Gradient Autofocus—a Robust Tool for High Resolution SAR Phase Correction[J].IEEE Transactions on Aerospace and Electronic Systems，1994，30（3）：827－834.