基于子孔徑參數估計的雙基地ISAR圖像融合方法研究

許 然 李亞超 邢孟道

(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)

1 引言

逆合成孔徑雷達(ISAR)具有全天候、全天時和遠距離觀察等特性，可以對目標進行高分辨率成像和識別[1,2]，獲取相關信息，在現代戰爭中發揮著關鍵的作用。它通過發射大帶寬信號獲得距離向高分辨，對來自不同角度的回波進行相干處理獲得方位向高分辨。為了提高對目標的成像和識別能力，常常需要較長的相干處理時間(或更大的相干積累角)，但這樣會引入非理想因素，使信號模型復雜化，給處理帶來較大難度。

與單基地雷達相比，雙基地雷達具有更遠的作用距離、更強的抗干擾和獲取信息能力等特點[3-5]。文獻[5]中對利用水面反射回波進行雙基ISAR成像的可行性進行了研究；張亞波等人[6]對雙基地ISAR成像算法理論進行了詳細討論；文獻[7]分析了雙基地 ISAR數據的波數譜。通過多個雷達系統，將在不同視角獲取的目標圖像進行融合處理，可以獲取質量更高的圖像以及更加豐富的目標信息[8,9]。雖然利用已經存在的很多圖像融合算法[10,11]可以對兩幅圖像進行融合，但這些算法大多數都需要在圖像域先對兩幅圖像進行伸縮旋轉完成配準，再使用小波變換或其他方法進行融合，并沒有運用到任何ISAR圖像特性。文獻[9]則最先提出了一種基于MFT(Matrix Fourier Transform)的多視角ISAR圖像融合算法，填補了這項空白，但其采用的并不是一發雙收的雙基地ISAR雷達體制。如果對雙基地雷達的收發分置效應加以利用，便可以得到不同視角下的目標回波，對其進行運動補償后分別成像，再將兩幅圖像相干融合疊加，可以減輕噪聲的影響，改善信噪比與圖像質量，得到更精確的目標特征信息；而且在散射各向異性和存在遮擋的情況下，將不同視角圖像融合相加后可以得到更為真實全面的目標形狀。但同時也正是這種分置效應，使得兩幅目標像的形狀和尺寸各異，無法直接在圖像域疊加，造成融合困難。

本文采用一發雙收的雙基地雷達配置，首先建立回波信號模型并進行成像及融合原理分析，然后利用孤立強散射點在不同子孔徑間的多普勒差異估計出目標轉角速度和半雙基地角，在數據域完成對兩個雷達各自獲取的兩幅圖像的融合。最后，通過仿真驗證了該方法的可行性和有效性。

2 雙基地ISAR雷達模型

假設雷達與目標之間的平動分量可以被精確補償，令逆時針旋轉方向為正方向，建立如圖1所示的雙基地ISAR雷達模型。雷達1發射信號，雷達1和雷達2同時接收信號。圖中RT,RR分別是雷達1和雷達2到目標旋轉參考點O的距離矢量，其模值分別為RT,RR，單位矢量分別為和且與地面夾角分別為θT和θR，收發視線的和向量REq=RT+RR，也即為角平分線向量，為半雙基角，為雙基地雷達等效視線方向角。

以雷達1視線方向和等效雷達視線方向分別建立直角坐標系XOY和UOV。設P為目標物體上任意散射點，rp為其位置矢量，且與U軸夾角大小為θ。則該散射點到雷達1和雷達2的距離分別為

圖1 雙基地ISAR雷達轉臺模型

式中tm是方位時間。由于一般目標物體尺寸遠小于到雷達的距離，即rp?RR,RT，故式(1)，式(2)可近似成：

其中up=rpcosθ,vp=rpsinθ，表示P點在直角坐標系UOV中的坐標。

3 雙基地ISAR雷達成像分析

假設雷達1發射周期性線性調頻信號為

式中t=+tm為全時間，為快時間，tm=mTr(m=0,1,2,…)為方位慢時間，Tr表示方位脈沖時間間隔，Tp為脈沖寬度，γ=B/Tp為調頻率，B為信號帶寬，σc為信號復振幅，則雷達k(k=1,2)接收到來自P點的回波基帶信號可表示成

式中Rk(tm)為雷達k與P點之間的斜距，將P點在XOY中的坐標xp=rpcos(θ+β),yp=rpsin (θ+β)代入式(1)可以得到

同時，R2(tm)=(Rt(tm)+Rr(tm))/2表示雷達2接收到P點回波的等效斜距，代入式(3)，式(4)化簡得

在對兩個雷達采集的回波基帶信號進行距離向匹配濾波后得到

在式(7)，式(8)中，RT和(RT+RR)/2分別表示目標相對于雷達視線的平動分量，對其補償后僅剩下轉動分量，此時兩個回波信號在忽略常數相位項后在距離頻域-方位時域可表示為

需要指出的是，一般實際情況中RT,RR均是隨方位時間在改變的，因此雙基地雷達成像的距離軸是時變的，并且與方位軸不正交[12]。但如若選取較短的成像時間，可認為RT,RR變化較小，雙基地角的時變效應可以忽略，即認為整個成像時間段中β近似常數，則將平動分量補償掉后便可運用以上轉臺模型進行成像。而且由于相干積累角較小，其轉動角速度ω也可近似認為是常量，并不需要考慮其高階項，因此大大簡化了雙基地ISAR雷達模型且縮短了數據量，方便于快速成像處理。但是由于選取了較短的成像時間，造成分辨率較低，最后圖像質量不夠高；如果將兩個雷達單獨錄取的回波數據進行相干融合處理，便可達到增大方位積累角的目的，最終提高成像質量，并獲取更多視角下目標的散射特性，大大增加對目標的特征提取和識別能力。

4 雙基地ISAR的圖像融合

4.1 圖像融合原理

根據式(10)，結合以上分析，可以得到雷達1的目標基頻總回波為

將式(13)代入式(12)化簡后得到

從圖2中可以看出，半雙基地角會直接導致雷達2回波數據的波數譜支撐區域大小在方位向和距離向上均多出一個cosβ因子而變小，使得雙基ISAR圖像的距離向和方位向分辨率分別退化為這可以通過將雷達2數據的波數譜進行插值加以解決。而直接運用RD算法得到兩個雷達的兩幅圖像，由于分辨率以及雷達觀測視線的不一致將會導致圖像中目標的大小與角度不同，這些由半雙基地角β帶來的問題必須通過分析雙基地ISAR系統特性，在數據域就加以解決，以得到更好的ISAR圖像融合結果。實際處理中，考慮到噪聲相位的隨機性和非相干性，以及雷達系統帶寬以及方位積累角的限制，如果把兩個雷達獲取的數據利用BP(Back Projection)算法對回波相位完成補償后進行相干融合，那么噪聲便可以相互抵消，使得成像質量得到改善，處理過程可由式(15)表示為

式(15)中 Map[·]表示將雷達2數據從UOV坐標系中映射到XOY坐標系的變換函數，(x,y)為重構得到的目標散射函數。該融合處理需要β和ω兩個參數，下面將介紹一種適用于本文圖像融合的β和ω的估計方法。該方法首先將同一幅圖像分為兩個子孔徑，通過提取強孤立散射點在兩個子孔徑下的多普勒頻率差異，估計得到ω并完成對兩個雷達所獲目標圖像的方位向重新定標，再利用該散射點在兩幅圖像中的坐標計算出β。

圖2 雷達1與雷達2接收回波的波數譜區域

4.2 基于子孔徑的參數估計

對經過距離壓縮和運動補償后的ISAR回波數據進行方位 FFT便可得到目標的 RD(Range Doppler)像，縱坐標反映了目標上各散射點的距離向位置，橫坐標則代表了各散射點的多普勒頻率。國內外很多學者提出了不同的方法進行轉動角速度的估計，完成對ISAR圖像的方位向重新定標[13,14]。

將目標的回波數據在時域分為前后兩個子孔徑然后運用RD算法，可以得到兩幅ISAR圖像。因為成像時間段較短，這兩幅圖像具有極強的相似性，但子孔徑間的時間差會帶來散射點多普勒頻率的些許偏移，且該偏移是由目標轉動引起的，那么利用其多普勒頻率在兩個子孔徑間的差異就可以對目標轉動角速度進行估計。圖3表明了散射點在前后子孔徑下的多普勒頻率差異。

圖3 散射點前后子孔徑下多普勒頻率差異示意圖

上文中式(7)給出了目標上任意散射點P與雷達1之間的斜距隨方位慢時間的變化關系，其中的轉動分量正是方位多普勒頻率的來源：

式(16)中，由于整個成像過程轉動角較小，sinωtm≈ωtm,cosωtm≈ 1 。將整個成像時間段分為前后兩個子孔徑，令子孔徑間的時間差為Δtm,Δtm=N/ 2Prf ，并且有sinωΔtm≈ωΔtm,cosωΔtm≈1，則R1Ω在后孔徑下的表達式為

分別得到該散射點在兩個子孔徑中的多普勒頻率：

那么該散射點在兩個子孔徑下的多普勒頻率差值為

式(19)右端各參數中， Δtm,λ為已知系統參量，而散射點的縱向位置yp則已經在RD平面圖像中獲得，那么通過提取該散射點兩個孔徑間的Δfd便可以利用式(20)對ω進行估計：

由于在式(16)，式(17)中使用了近似，而實際上：

其中對xpsin (ωΔtm)c os (ωtm)一項使用近似后在式(19)中無法體現出其影響，雖然其值很小但仍會帶來測量誤差。故在使用該方法時應盡量選取零多普勒頻率附近的散射點使xpsin (ωΔtm)c os (ωtm)盡量小以減小其影響。同時為了提高ω的估計精度，可以對該散射點所在距離單元的數據進行插值，插值倍數越高，獲取的多普勒頻率信息越精確；而yp的測量精度依賴于系統帶寬，帶寬越大，yp值越準確，ω的估計值也越接近真實值。

在估計得到ω后，就可以利用fd=2xpω/λ對兩個雷達獲取的圖像進行方位向重新定標，得到目標上各散射點分別在兩個坐標系XOY和UOV中的真實尺寸與形狀信息。需要注意的是，由于兩幅圖像的分辨率相差了一個cosβ大小的因子，故獲得的該散射點在UOV中的坐標為其實際值的cosβ倍，即=upcosβ,=vpcosβ。利用兩個坐標系的變換關系式(13)可以得到

通過以上分析可知，該方法只需要對孤立強散射點的多普勒頻率信息進行提取，不需要進行復雜的迭代搜索，很適合用于本文圖像融合，其效果很大程度上依賴于對半雙基地角的估計精度(實際上也將轉動角速度的估計包含其中)，估計誤差Δβ應滿足：

其中φxmax和φymax分別表示目標在兩個坐標軸上的最大尺寸半徑。式(23)的意義在于，由估計誤差帶來的兩幅圖像相對的散射點偏移應小于融合坐標系下的分辨單元大小，否則融合就無法保證相干性，對應的散射點錯位疊加，使最終圖像散焦甚至嚴重失真。為了減小誤差帶來的影響，可以通過對對比度或熵等圖像整體信息的最優化[15]來使估計值逼近實際值。

5 仿真結果與分析

本文采用圖1所示的雙基地ISAR轉臺模型進行仿真驗證，令坐標原點為成像參考點，錄取數據過程中對參考點進行精確跟蹤。假設半雙基地角近似為常數且β=18°，雷達發射信號中心頻率fc=9 GHz，帶寬B=300 MHz，采樣頻率Fs=400 MHz ，脈沖重復頻率Prf=1 00 Hz ，脈沖積累數N=1 28，目標轉動角速度ω=0 .03 rad/s ，則整個成像過程中目標總轉角 Δθ≈ 2 .2°，那么雷達1，雷達2的距離向分辨率分別為ρy1=0.5 m,ρy2≈0 .526 m ，方位向分辨率分別為ρx1=0.434 m,ρx2≈ 0 .456 m 。在原始回波信號中添加高斯分布的白噪聲，使得回波信噪比為-3 dB。圖4所示為59點仿真目標模型。

圖4 仿真目標模型

將雷達1數據在時域分為兩個子孔徑并分別獲得其RD圖像，然后使用本文方法對轉動角速度和半雙基地角進行估計，結果如表1和表2所示。

對估計值分別取平均得到=0 .0301 rad/s,=1 8.1151°，可見估計精度較高。再利用估計得到的參數，按照式(15)完成融合處理，得到如下結果：

表1 目標中3個散射點單元的轉角速度估計

表2 目標中3個散射點單元的半雙基地角估計

圖5(a)和圖5(b)分別給出了雷達1和雷達2數據的BP算法等高線成像結果圖，可見目標在噪聲背景的干擾下不能得到很好的辨識。而在對其數據進行旋轉插值的校正以后，其圖像已與雷達1的圖像相互配準，直接將數據相加就可以完成圖像融合。從以上結果可以看出，融合后的圖像噪聲與副瓣被抑制，信號能量得以積累加強，較大程度地改善了圖像的信噪比，令目標特征信息更準確。為了進一步體現圖像融合的有效性，表3給出了幾幅圖像的熵和對比度的對比結果加以驗證。

表3 融合前后圖像質量對比

從表3可以看出，融合后的圖像對比度更高，圖像熵比融合前的圖像小，說明其“銳化”程度較高，圖像質量更好，證明了本文方法的有效性。

6 結束語

雙基地雷達系統能夠提供更大的相干積累角，獲得多視角下的目標圖像和更豐富的目標信息。本文采用雙基地 ISAR雷達轉臺模型，提出一種基于子孔徑參數估計的雙基地ISAR雷達一發一收體制下的圖像融合方法，該方法首先將其中一個雷達的回波分為兩個子孔徑，并提取孤立強散射單元在兩個孔徑下的多普勒頻率偏差，以此估計出目標的轉動角速度和半雙基地角，然后將兩個雷達數據進行映射變換后完成融合，得到了質量更高的目標圖像。但本文的模型只適用于非機動目標和成像時間段較短的情況，并沒有考慮雙基地角時變效應以及轉動角速度的高階項的影響，在這種復雜情況下的雙基地ISAR成像以及圖像融合算法仍需要進一步研究。

圖5 基于本文方法的雙基ISAR圖像融合結果

[1]Chen V C and Hao Ling.Time-Frequency Transforms for Radar Imaging and Signal Analysis[M].First Edition,Norwood,MA,Artech House,2002：1-6.

[2]Martorella M,Giusti E,Demi L,et al..Target recognition based by means of polarimetric ISAR images[J].IEEE Transactions on Aerospace and Electronic Systems,2011,47(1)：225-239.

[3]Chen V C,des Rosiers A,and Lipps R.Bi-static ISAR range-doppler imaging and resolution analysis[C].2009 IEEE Radar Conference,Pasadena,California,United States,2009：1-5.

[4]Martorella M,Palmer J,Homer J,et al..On bistatic inverse synthetic aperture radar[J].IEEE Transactions on Aerospace and Electronic Systems,2007,43(3)：1125-1134.

[5]Palmer J,Homer J,Longstaff I D,et al..ISAR imaging using an emulated multistatic radar system[J].IEEE Transactions on Aerospace and Electronic Systems,2005,41(4)：1464-1472.

[6]張亞標,朱振波,湯子躍,等.雙站逆合成孔徑雷達成像理論研究[J].電子與信息學報,2006,28(6)：969-972.Zhang Ya-biao,Zhu Zhen-bo,Tang Zi-yue,et al..Bistatic inverse synthetic aperture radar image formation[J].Journal of Electronics＆Information Technology,2006,28(6)：969-972.

[7]高昭昭,梁毅,邢孟道,等.雙基地逆合成孔徑雷達成像分析[J].系統工程與電子技術,2009,31(5)：1055-1059.Gao Zhao-zhao,Liang Yi,Xing Meng-dao,et al..Analysis of ISAR imagery for bistatic radar[J].Systems Engineering and Electronics,2009,31(5)：1055-1059.

[8]Hume A L and Baker C J.Netted radar sensing[C].2001 CIE International Conference on Radar,Beijing,China,2001：110-114.

[9]Li Zhi-xi,Papson S and Narayanan R M.Data-level fusion of multilook inverse synthetic aperture radar images[J].IEEE Transactions on Geoscience and Remote Sensing,2008,46(5)：1394-1406.

[10]毛士藝,趙巍.多傳感器圖像融合技術綜述[J].北京航空航天大學學報,2002,28(5)：512-518.Mao Shi-yi and Zhao Wei.Comments on multisensor image fusion techniques[J].Journal of Beijing University of Aeronautics and Astronautics,2002,28(5)：512-518.

[11]Kim Yong-hyun,Lee Chang-no,Han Dong-yeob,et al..Improved additive-wavelet image fusion[J].IEEE Geoscience and Remote Sensing Letters,2011,8(2)：263-267.

[12]董健,尚朝軒,高梅國,等.雙基地 ISAR 成像平面研究及目標回波模型修正[J].電子與信息學報,2010,32(8)：1855-1862.Dong Jian,Shang Chao-xuan,Gao Mei-guo,et al..The image plane analysis and echo model amendment of bistatic ISAR[J].Journal of Electronics＆Information Technology,2010,32(8)：1855-1862.

[13]Yeh C M,Xu J,Peng Y N,et al..Rotational motion estimation for ISAR via triangle pose difference on two range-Doppler images[J].IET Radar,Sonar and Navigation,2010,4(4)：528-536.

[14]Wang Yong and Jiang Yi-cheng.A novel algorithm for estimating the rotation angle in ISAR imaging[J].IEEE Geoscience and Remote Sensing Letters,2008,5(4)：608-609.

[15]Cao Pan,Xing Meng-dao,Sun Guang-cai,et al..Minimum entropy via subspace for ISAR autofocus[J].IEEE Geoscience and Remote Sensing Letters,2010,7(1)：205-209.