买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军战略支援部队航天工程大学

摘要：本发明提供了一种低信噪比条件下的高机动目标平动补偿方法，属于雷达信号处理领域，解决了低信噪比条件下高机动目标平动补偿困难的问题，包括：通过时域回波、径向距离和参考距离构建平动补偿模型；将参考距离集合进行拟合得到径向距离的多项式系数的初值集合；采用SAO‑KOA混合优化算法通过初值集合估计目标的精确运动参数，根据精确运动参数对回波进行平动补偿，并进行距离瞬时多普勒成像，得到目标的高质量ISAR成像结果。本发明建立了基于平均图像熵最小的联合平动补偿模型，提出了基于同步提取变换的距离瞬时多普勒成像模型，实现了低信噪比条件下的高机动目标平动补偿，提高了成像分辨率，得到了高机动目标的高聚焦质量成像结果。

主权项：1.一种低信噪比条件下的高机动目标平动补偿方法，其特征在于，包括：步骤一：将目标的初始时域回波进行傅里叶变换，变换到频域进行剩余视频相位RVP补偿，得到目标的补偿一维距离像；对目标的补偿一维距离像进行逆傅里叶变换，得到目标的时域回波；步骤二：获取雷达系统信息中记录的对发射脉冲的初始时域回波进行解线频调Dechirp处理时的参考距离，并将所有的参考距离保存为参考距离集合；步骤三：将参考距离集合进行拟合得到参考距离集合的多项式系数集合，将参考距离集合的多项式系数作为径向距离的多项式系数的初值，将径向距离的所有多项式系数的初值保存为初值集合；所述径向距离为高阶多项式；步骤四：通过时域回波、径向距离和参考距离构建平动补偿模型；对平动补偿模型离散化，得到离散化平动补偿模型；步骤五：基于雪消融优化SAO算法，通过初值集合初始化所有雪消融优化SAO个体的位置，将所有SAO个体的位置对应的SAO径向距离输入离散化平动补偿模型得到所有SAO个体的位置对应的SAO时域回波，通过基于同步提取变换SET的距离瞬时多普勒成像模型对所有SAO个体的位置对应的SAO时域回波进行成像处理得到SAO距离-多普勒频率-慢时间三维立体数据，从SAO距离-多普勒频率-慢时间三维立体数据中选取预设数量的慢时间序号对应的切片数据作为SAO距离瞬时多普勒图像；计算SAO距离瞬时多普勒图像的SAO平均图像熵，将SAO平均图像熵从小到大进行排序构建SAO排序队列；选取SAO排序队列中前50％的SAO平均图像熵对应的SAO个体的位置作为SAO输入队列；基于开普勒优化KOA算法，通过SAO输入队列初始化所有开普勒优化KOA个体的位置，将所有KOA个体的位置对应的KOA径向距离输入离散化平动补偿模型得到所有KOA个体的位置对应的KOA时域回波，通过基于同步提取变换SET的距离瞬时多普勒成像模型对所有KOA个体的位置对应的KOA时域回波进行成像处理得到KOA距离-多普勒频率-慢时间三维立体数据，从KOA距离-多普勒频率-慢时间三维立体数据中选取预设数量的慢时间序号对应的切片数据作为KOA距离瞬时多普勒图像；计算KOA距离瞬时多普勒图像的KOA平均图像熵；根据KOA平均图像熵更新KOA个体的位置；基于SAO平均图像熵和KOA平均图像熵对SAO个体位置和KOA个体位置从小到大排序，将SAO个体位置与KOA个体位置合并，构建SAO-KOA排序队列，SAO-KOA排序队列中最小的个体位置为全局最优位置；更新SAO个体的位置，将搜索到的SAO-KOA排序队列中的全局最优位置作为目标的精确运动参数；步骤六：将精确运动参数对应的径向距离输入离散化平动补偿模型得到目标时域回波，通过基于同步提取变换SET的距离瞬时多普勒成像模型对目标时域回波进行成像处理，得到目标距离-多普勒频率-慢时间三维立体数据，从目标距离-多普勒频率-慢时间三维立体数据中选取任务需求对应的慢时间序号对应的切片数据，作为目标距离瞬时多普勒成像结果。

全文数据：

权利要求：

百度查询： 中国人民解放军战略支援部队航天工程大学 一种低信噪比条件下的高机动目标平动补偿方法