基于U-net卷积神经网络的大转角ISAR成像方法

针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题,提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理,得到散焦的ISAR复值图像作为训练样本,其次,根据ISAR成像特点对U-net网络结构进行了改进,训练后得到具有良好聚焦能力的成像网络。仿真实验表明:与传统大转角ISAR成像方法相比,所提方法将ISAR图像的峰值旁瓣比降至-18d B以下,具有更小的图像熵和最小均方误差,成像时间缩减至0.28s左右,在低信噪比条件下仍可以实现ISAR图像的快速、准确重建。

应用于ISAR大转角下的沿视线插值算法

极坐标格式算法(PFA)在逆合成孔径雷达(ISAR)成像算法中主要运用插值算法来解决目标散射点越距离徙动问题,其插值方法的选择决定了成像效率和运算速度。提出了一种沿雷达视线插值的方法,建立了ISAR大转角目标几何模型,对其进行理论推导得到方位向的精确插值形式,并对因非均匀采样造成的形变进行方位重采样。仿真实验表明,相较于传统插值算法,该算法有着运算速度更快、聚焦性更好的优点。