飛機(jī)目標(biāo)的ISAR成像及其基于ISAR圖像的目標(biāo)識(shí)別.pdf

1、逆合成孔徑雷達(dá)(ISAR)作為一種新型的雷達(dá)體制，具有很高的距離和方位分辨率，能夠?qū)\(yùn)動(dòng)目標(biāo)成像，獲得目標(biāo)的高分辨二維圖象。ISAR通常是雷達(dá)不動(dòng)，而對(duì)非合作性目標(biāo)進(jìn)行成像，具有遠(yuǎn)距離、全天時(shí)和全天候的優(yōu)點(diǎn)，在民用和軍事上的廣泛應(yīng)用前景而倍受關(guān)注。近幾十年來(lái)，ISAR成像理論和技術(shù)有了很大進(jìn)展，并逐步用于實(shí)際系統(tǒng)。
　　盡管如此，ISAR成像還有許多問(wèn)題需要進(jìn)一步研究。如現(xiàn)有的運(yùn)動(dòng)補(bǔ)償還不能適合所有可能的復(fù)雜情況；在有些時(shí)候，分辨

2、率(尤其是橫向分辨率)還不夠高，需要做超分辨處理；由于目標(biāo)的特點(diǎn)，目標(biāo)本身并不是剛體，目標(biāo)體上存在運(yùn)動(dòng)的部件，這會(huì)產(chǎn)生額外的多普勒頻率，從而影響雷達(dá)成像質(zhì)量，等等。此外，雷達(dá)成像并不最終目的，成像的目的是為了更好地識(shí)別目標(biāo)，因此，如何根據(jù)目標(biāo)的ISAR圖像來(lái)識(shí)別目標(biāo)也需要進(jìn)一步研究。針對(duì)這些問(wèn)題，本文作了一些研究，獲得了一定的成果。
　　首先，對(duì)運(yùn)動(dòng)補(bǔ)償算法中的相位對(duì)準(zhǔn)方法作了進(jìn)一步研究?；诜抡鏀?shù)據(jù)及實(shí)測(cè)數(shù)據(jù)的處理，分析比較了現(xiàn)

3、有的幾種較好的相位對(duì)準(zhǔn)算法：多普勒中心跟蹤法、相位梯度自聚焦算法、秩一相位誤差估計(jì)法、改進(jìn)的秩一相位誤差估計(jì)法、基于圖像準(zhǔn)則的快速最小熵相位補(bǔ)償算法和對(duì)比度最大的相位補(bǔ)償算法。對(duì)算法的性能比較分別通過(guò)主觀及客觀評(píng)價(jià)兩方面來(lái)進(jìn)行。為了能夠定量地客觀評(píng)價(jià)不同方法的性能，本文提出了圖像最大值、圖像對(duì)比度及圖像熵的客觀評(píng)價(jià)準(zhǔn)則，結(jié)果表明，圖像對(duì)比度及圖像熵的客觀評(píng)價(jià)準(zhǔn)則與主觀評(píng)價(jià)基本一致，是兩種評(píng)價(jià)不同算法的成像質(zhì)量的較好方法。此外，無(wú)論是主觀

4、評(píng)價(jià)還是客觀評(píng)價(jià)都表明快速最小熵相位補(bǔ)償法是一種有效的相位補(bǔ)償方法。
　　第二，對(duì)ISAR超分辨算法作了分析研究，將現(xiàn)代功率譜估計(jì)中的一些算法。理論分析及仿真實(shí)驗(yàn)表明：線性預(yù)測(cè)譜外推法有很大的局限性，ESPRIT算法用于仿真數(shù)據(jù)是很有效的，但是由于不能預(yù)先知道信號(hào)個(gè)數(shù)時(shí)偏差較大。而RELAX算法和APES算法克服了這一限制，是兩種較好的超分辨算法。
　　第三，當(dāng)逆合成孔徑雷達(dá)(ISAR)成像的目標(biāo)含有螺旋槳等快速旋轉(zhuǎn)部件時(shí)，

5、目標(biāo)的雷達(dá)回波中會(huì)產(chǎn)生螺旋槳回波調(diào)制(JEM)干擾信號(hào)。本文首先從理論及仿真上分析螺旋槳回波時(shí)域、頻域的特征；討論了螺旋槳散射點(diǎn)回波與普通散射點(diǎn)回波在成像過(guò)程中的差異，研究了影響多普勒頻率變化的相關(guān)因素。然后，本文討論了ISAR成像中JEM干擾的抑制方法，提出了基于 chirplet信號(hào)分解和重建和奇異譜分析（Singular Spectrum Analysis----SSA）的分離目標(biāo)主體回波及JEM干擾回波信號(hào)、進(jìn)而抑制JEM信號(hào)分

6、量，實(shí)現(xiàn)ISAR成像中JEM的抑制和濾除的算法。
　　最后，基于實(shí)測(cè)的飛機(jī)ISAR像，研究了基于ISAR像的飛機(jī)目標(biāo)的特征提取和分類算法。在特征提取方面，提出了提取基于二維小波變換后四個(gè)子圖的奇異值特征、小波系數(shù)融合的特征提取、結(jié)合小波低頻子帶的 PCA方法以及小波模極大值矩特征和不變矩、目標(biāo)的形狀及散射特征的特征提取方法。在分類器設(shè)計(jì)方面主要研究了最近鄰模糊分類器和支持向量機(jī)。實(shí)測(cè)數(shù)據(jù)的處理結(jié)果表明表明：最近鄰模糊分類器能夠有效