基于后向散射场数据的舰船目标高分辨雷达成像技术

基于后向散射场数据的舰船目标高分辨雷达成像技术
人工智能技术与咨询


来源：《 应用物理》 ，作者姬伟杰等
关键词: 舰船目标；后向散射场；雷达成像；目标识别

摘要: 为使高分辨雷达图像更精确反映舰船目标的结构、形状特点，研究了基于后向散射场数据的舰船目标高分辨雷达成像技术。建立了舰船目标三维模型，采用三角面元对模型进行剖分，利用物理光学法计算面元的镜面反射，应用等效电流法计算模型棱边部分绕射，依据机载雷达聚束式合成孔径(SAR)成像原理，得到舰船目标在不同姿态角和频率采样点的后向散射场。通过数据变换得到目标的一维距离像以及SAR图像，在此基础上研究了入射频率、方位角和极化方式对舰船目标探测的影响。仿真结果表明，该技术应用后向散射场数据得到的雷达SAR图像能反应出舰船的基本特征，可应用于舰船目标自动识别。

1. 引言

雷达是现代武器最重要的传感器，经过多年来不断发展，雷达获取信息的能力不断增长，但是在战场侦察、防空反导等武器雷达系统运用中，需要克服的一个难点是如何在更远距离上可靠检测和识别空中、地面及海上目标。为解决这一问题，新体制雷达不断出现，其中高分辨雷达系统由于在军事和民用领域的广泛应用而受到广泛关注，成为研究的热点 [1] - [10] 。国内外学者在舰船目标的高分辨雷达成像和自动识别技术方面做了大量工作，其中基于高分辨一维距离像与合成孔径雷达(SAR)图像的雷达目标特征提取及识别方法是研究的热点 [11] [12] [13] [14] [15] 。

当目标雷达散射处于光学散射区，雷达发射信号带宽很大时，复杂目标占据多个雷达距离分辨单元，其雷达回波称为一维距离像，若雷达在方位角旋转一定角度，就可以得到目标合成孔径雷达SAR成像。与普通雷达相比，宽带雷达探测精度更高，能够精细反应目标的尺寸结构、形状和散射点分布等信息，更有利于雷达进行自动目标识别。

以往大多数研究高分辨雷达成像技术通常采用强散射点建模，而在实际应用中，当雷达照射目标角度变化时，目标的强散射点会发生变化，因此采用散射点模拟目标散射会存在一定的误差，不能够真实反映雷达工作情况。本文采用三角面元构建复杂目标三维模型，利用高频近似算法计算目标的后向散射场数据，通过与FEKO软件计算结果进行比较，验证了算法的正确性，研究舰船目标的散射特性，并在此基础上得到舰船目标的SAR图像，以及不同角度雷达照射情况下目标的一维距离像。分析了频率、姿态角、极化方式等各项参数对高分辨雷达成像的影响。

2. 机载SAR场景及成像参数

机载聚束式SAR成像场景如图1所示。飞机飞行高度为H，距离目标的距离为R，飞行速度为v，其视线相对于目标坐标系俯仰角为θ，方位角为φ。

进行电磁散射建模，假设入射方位角和俯仰角均匀采样，采样点为 {(θm,φm),m=1,2,⋯,M}{(θm,φm),m=1,2,⋯,M} ，据预先确定的中心视角 (θc,φc)(θc,φc) 、视角变化范围 (Δθ,Δφ)(Δθ,Δφ) 。照射频率变化采用频率步进的方式均匀采样，采样点为 {fn,n=1,2,⋯,N}{fn,n=1,2,⋯,N} ，计算舰船目标的后向散射场数据用以模拟实际探测雷达回波，在此基础上利用适当的算法对其进行成像。根据设定的中心频率fc和带宽B，以及的角度采样点M和频率采样点N，可以得到雷达成像场景条件参 [3] ：



图片



Figure 1. Airborne SAR imaging geometry

图1. 机载SAR成像场景

图片


依据实际情况下探测目标最小不模糊距离来确定频率采样点个数N。

3. 舰船目标电磁散射计算

考虑工作波长为厘米级的机载雷达对舰船目标的探测性能。在该情况下，舰船目标为电大尺寸目标，此时目标散射处于光学区域，各散射单元之间的耦合作用很小，通常采用高频近似算法计算目标的电磁散射特性。

3.1. 目标剖分模型

首先建立舰船目标的三维模型，将其导入Hypermesh软件，依据平面波入射频率以及计算精度进行网格剖分，图2为利用三角面元对某型舰船目标进行剖分后的三维模型，该舰船长100 m，宽13 m，桅杆高度20 m。

3.2. PO + MEC算法计算目标散射

物理光学(PO)法的基本原理，当目标表面的曲率半径远远大于照射电磁波的波长时，假设在被入射

图片



Figure 2. Ship subdivision model

图2. 舰船剖分模型

波直接照明的区域存在表面电磁流。可以使用目标表面的等效感应电磁流的散射来代替散射体自身的散射，此时目标的散射场通过解析公式进行求解。考虑平面波入射，物体表面远区散射场可由根据Stratton-Chu方程 [16] 进行计算：

图片


通过考虑目标棱边的绕射对PO的结果进行改进。采用文献 [17] 中的等效电流法(MEC)计算目标棱边绕射，该方法应用等效电磁流的散射等效边缘绕射场。通过对等效电磁流进行积分来计算棱边在任意方向的散射场。对于边缘为 CC 的劈边，其远区边缘绕射场可通过下式进行计算：

图片


用宽带信号照射舰船目标，利用PO + MEC算法计算舰船目标在不同频段、不同姿态角下的后向散射场数据，流程如图3所示。

例如，对某一舰船目标在n个姿态角进行照射，得到的散射场数据为：

图片





Figure 3. The flow diagram of PO + MEC algorithm

图3. PO + MEC算法流程图

每一列数据对应一个姿态角下不同频率采样，每一行数据对应一个频率下不同姿态角采样。对数据做二维傅里叶变换(FFT)可以得到目标的SAR成像，对每一列直接做逆傅里叶变换(IFFT)即可得到目标高分辨距离像。

4. 仿真计算

采用第二节中的三维舰船模型，舰船放置于xoy平面，中心位于坐标原点，舰首对应x轴向正方向，舰船轴线垂直于y轴(见图4)，剖分精度为 λ/6λ/6 ，总共18225个顶点，36,446个三角面元，54,701个公用棱边。

设照射频率为2 GHz，应用纯PO算法以及PO + MEC算法计算边长为0.5 m的立方体后向散射，得到水平极化(HH)雷达散射截面积(RCS)如图5所示，图中给出了应用FEKO软件计算的结果。计算结果表明，两种方法的计算结果吻合的较好，验证了PO + MEC算法的正确性。由图可知，通过加入计算棱边绕射，MEC很好地改善了PO的计算结果。

图6所示为应用本文算法计算舰船模型的后向散射，方位角φ = 0˚，俯仰角θ变化范围0~180˚，雷达照射频率2 GHz，图6(a)为HH极化结果，图6(b)为VV极化结果。计算数据表明，舰船散射在0˚ (舰首)、90˚(舰船正上方)以及180˚(舰尾)方向最大，VV极化情况下RCS略小于HH极化结果，尤其是30˚~70˚范围内HH极化结果明显较大。

取俯仰角θ分别为30˚和60˚，方位角φ变化范围0˚~360˚，相当于雷达绕舰船一周，其余参数不变，得到的散射结果如图7所示，其中图7(a)为HH极化结果，图7(b)为VV极化结果。由图可知，舰船RCS在舰首(0˚)、舰尾(180˚)、船舷(90˚和270˚)等方向最强，且随着俯仰角增大而增大，同图5中结果类似，HH极化散射强于VV极化结果，这是由于HH极化二向性散射强于VV极化，因此HH极化更能反映舰船的上层建筑结构，导致HH极化散射强于HH极化。因此，应用HH极化雷达探测舰船目标更具有优势。



图片



Figure 4. Electromagnetic scattering geometry

图4. 电磁散射场景

图片



Figure 5. Algorithm validation

图5. 算法验证

图片



(a)(b)

Figure 6. RCS of ship with different incidence angle; (a) HH polarization; (b) VV polarization

图6. 不同俯仰角舰船目标RCS；(a) HH极化；(b) VV极化

考虑典型L波段机载搜索雷达，照射频率为fc = 2.0 GHz，带宽为B = 150 MHz，频率范围：1.925 GHz~2.075 GHz，采样间隔Δf = 1 MHz，共N = 150个采样点，此时距离分辨率为ρr = C/2B = 1.0 m，假设雷达载机飞行高度距离地面高度9 km，目标距离200 Km，此时俯仰角θ = 2.6˚。在HH极化情况下，计算后向散射场数据，进行IFFT变换并对幅值归一化的到舰船目标的一维距离像如图8所示，图8(a)为方位角φ = 0˚的结果，此时雷达从舰首入射，有图可以看出，舰船在雷达视线的径向长度为100 m左

图片



Figure 7. RCS of ship with different azimuth angle; (a) HH polarization; (b) VV polarization

图7. 不同方位角舰船目标RCS；(a) HH极化；(b) VV极化

图片



Figure 8. Ship HRRP of different azimuth angle

图8. 不同方位角舰船目标一维距离像

右，主要反射部位集中于船身20~90 m区域，这正是舰船上层建筑最为集中的区域。图8(b)为方位角φ = 90˚的结果，相当于雷达从船舷部照射，此时雷达径向距离径向长度为14 m左右，对应的是舰船目标的船体宽度。因此，通过不同姿态角舰船高分辨一维距离像可以得到舰船长度、舰身宽度、舰桥上层建筑尺寸和数量等船体结构信息，这些信息均可应用于后续进行雷达自动目标。

其余参数不变，HH极化情况下，取方位角变化范围10˚，采样间隔为0.05˚，采样数M = 201个，得到150行和 201列大小的矩阵数据，对其进行FFT变换，即可得到舰船目标SAR成像，见图9，其中图9(a)为直接FFT变换结果，图9(b)为加窗FFT变换，窗函数为布莱克曼窗，经过对比可知窗函数能够很好的改善成像结果。从图像中可以分辨出舰船的尺寸与图7中相同，同时可以发现舰船强散射点集中于甲板上建筑反射。由于不同舰船目标的长度、宽度和长宽比都是独特的，因此经过提取这些特征参数，可以很好的应用于雷达自动目标识别。图9(c)为舰船旋转45˚的SAR图像，与图9(b)相比，此时的舰船目标强散射点增加，这是由于船舷部分的散射较强造成的。同时该结果证明了本文算法对不同姿态目标能得到很好的结果，具有很好的适应性。

图片

图片



Figure 9. SAR of ship; (a) SAR without window function; (b) SAR with window function; (c) SAR of rotating 45 degree

图9. 舰船目标SAR图像；(a) 不加窗图像；(b) 加窗图像；(c) 旋转45˚成像

5. 结论

本文在建立舰船目标三维模型的基础上，研究了舰船目标L波段探测雷达照射下不同姿态角和极化方式下的电磁散射特性。结果表明，舰船目标的散射主要集中于舰首、舰尾及船舷侧，并且HH极化反射要强于VV极化。根据SAR成像原理，计算了不同方位角和频率采样点的后向散射数据，通过数据变换得到目标的一维距离像和SAR图像。计算结果表明，舰船目标高分辨雷达图像能够较好的反应舰船的尺寸、形状和强散射点数量，这些特征在雷达自动目标识别中具有重要应用，同时该结果也证明了文中三维模型及高频近似算法的准确性。研究结果对提高雷达舰船目标探测与识别具有一定的参考意义。


关注微信公众号：人工智能技术与咨询。了解更多咨询！