(19)國家知識產(chǎn)權局(12)發(fā)明專利地址410073湖南省長沙市開福區(qū)德雅路KR20110036430A,2011.04.07審查員彭鼎原王宏強易俊有限公司43225和介質(zhì)計運動參數(shù)求解相鄰回波之間的徑向位移差波數(shù)據(jù)；基于粗補償回波數(shù)據(jù)求解合成波形熵；數(shù)據(jù)進行方向位傅里葉變換，輸出最終的二維獲取目標的回波數(shù)據(jù)獲取目標的回波數(shù)據(jù)對回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)基于粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距：然后根據(jù)粗估計運動參數(shù)、徑向位移差距計算粗聯(lián)合補償函數(shù)通過粗聯(lián)合補償函數(shù)對目標回波數(shù)據(jù)進行粗聯(lián)合補償，得到粗補償回波數(shù)據(jù)基于粗補償回波數(shù)據(jù)求解合成波形熵：然后以粗估計運動參數(shù)作為迭代初始值,以合成波形熵作為適應度函數(shù)，通過GW0算法進行迭代尋優(yōu)求解，得到精補償回波數(shù)據(jù)對精補償回波數(shù)據(jù)進行方向位傅里葉變換，輸出最終的二維ISAR圖像2獲取目標的回波數(shù)據(jù)；對所述回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)；基于所述粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距；然后根據(jù)所述粗估計運動參數(shù)、所述徑向位移差距計算粗聯(lián)合補償函數(shù)；通過所述粗聯(lián)合補償函數(shù)對目標回波數(shù)據(jù)進行粗聯(lián)合補償，得到粗補償回波數(shù)據(jù)；基于所述粗補償回波數(shù)據(jù)求解合成波形熵；然后以所述粗估計運動參數(shù)作為迭代初始值，以所述合成波形熵作為適應度函數(shù)，通過GWO算法進行迭代尋優(yōu)求解，得到精補償回波對所述精補償回波數(shù)據(jù)進行方向位傅里葉變換，輸出最終的二維ISAR圖像。2.根據(jù)權利要求1所述的太赫茲ISAR成像聯(lián)合補償方法，其特征在于，對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)，包預先設置旋轉角度基于所述旋轉角度Pm對抽取的回波數(shù)據(jù)沿快時間域進行分數(shù)階傅里葉變換，過程表達式為：根據(jù)旋轉角度Pm與調(diào)頻率Y之間的關系：進行聯(lián)合求解，得到目標的徑向運動速度m;對所述目標的徑向運動速度m進行突變誤差剔除及最小二乘擬合，最終得到粗估計運動參數(shù)；式中，Sa(u,tm)表示分數(shù)階傅里葉變換結果；U表示分數(shù)頻率域；tm表示慢時間；3,則目標最小化殘差平方和,得到粗估計45粗估計運動參數(shù)獲取模塊，用于對所述回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進粗聯(lián)合補償函數(shù)獲取模塊，用于基于所述粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距；然后根據(jù)所述粗估計運動參數(shù)、所述徑向位移差距計算粗聯(lián)粗補償回波數(shù)據(jù)計算模塊，用于通過所述粗聯(lián)合補償函數(shù)對精補償回波數(shù)據(jù)計算，用于基于所述粗補償回波數(shù)據(jù)求解合9.一種計算機設備，包括存儲器和處理器，所述存儲器存6太赫茲ISAR成像聯(lián)合補償方法、裝置、設備和介質(zhì)技術領域[0001]本發(fā)明涉及雷達信號處理技術領域，特別是涉及一種太赫茲ISAR成像聯(lián)合補償方背景技術[0002]逆合成孔徑雷達(InverseSyntheticApertureRadar,ISAR)是相對于合成孔徑雷達(SyntheticApertureRadar,SAR)提出的，主要針對艦像，具有全天候、全天時、遠距離地獲得目標高分辨率成像等特點。ISAR成像的關鍵步驟在于平動補償，即補償?shù)裟繕讼鄬τ诶走_視線(RadarLineofSight,RLOS)的徑向運動，使得目標相對于雷達只存在繞等效旋轉中心的轉動。[0003]傳統(tǒng)場景下的慢速目標通常使用走-停模型進行成像，即考慮目標在雷達發(fā)射的單個脈沖時間內(nèi)相對于雷達是靜止的，只有在雷達發(fā)射的不同脈沖之間才存在距離走動，而對于衛(wèi)星這類空間高速運動目標，走-停模型不再適用，除脈間補償外，還需要考慮對回波進行脈內(nèi)補償，否則會極大影響ISAR成像質(zhì)量。[0004]太赫茲THz(Terahertz)波是指頻率范圍在0.1THz～10THz之間的電磁波，位于微波與紅外之間，處于電子學向光子學的過渡頻段。與紅外、激光相比，太赫茲波有著良好的煙塵穿透性、低敏于氣動光學效應等優(yōu)勢，可用于復雜環(huán)境作戰(zhàn)與空間目標探測，同時與微波頻段相比，太赫茲波波長短、帶寬大，在雷達高分辨成像應用場景下具有重要的應用價值。但同時，相較于微波頻段的雷達，太赫茲雷達在做ISAR成像時，其更高的距離向分辨率也導致由于成像目標高速運動帶來的脈內(nèi)多普勒現(xiàn)象更嚴重，嚴重的脈內(nèi)多普勒調(diào)制會導致距離像出現(xiàn)頻偏和散焦，影響后續(xù)成像效果。發(fā)明內(nèi)容[0005]基于此，有必要針對上述技術問題，提供一種能夠解決距離像出現(xiàn)頻偏和散焦，成像精度不高等問題的太赫茲ISAR成像聯(lián)合補償方法、裝置、設備和介質(zhì)。[0006]一種太赫茲ISAR成像聯(lián)合補償方法，所述方法包括：[0008]對所述回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)；[0009]基于所述粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距；然后根據(jù)所述粗估計運動參數(shù)、所述徑向位移差距計算粗聯(lián)合補償函數(shù)；[0010]通過所述粗聯(lián)合補償函數(shù)對目標回波數(shù)據(jù)進行粗聯(lián)合補償，得到粗補償回波數(shù)[0011]基于所述粗補償回波數(shù)據(jù)求解合成波形熵；然后以所述粗估計運動參數(shù)作為迭代初始值，以所述合成波形熵作為適應度函數(shù)，通過GWO算法進行迭代尋優(yōu)求解，得到精補償回波數(shù)據(jù)；7[0012]對所述精補償回波數(shù)據(jù)進行方向位傅里葉變換，輸出最終的二維ISAR圖像。[0013]一種太赫茲ISAR成像聯(lián)合補償裝置，所述裝置包括：[0015]粗估計運動參數(shù)獲取模塊，用于對所述回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)；[0016]粗聯(lián)合補償函數(shù)獲取模塊，用于基于所述粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距；然后根據(jù)所述粗估計運動參數(shù)、所述徑向位移差距計算粗聯(lián)合補償函數(shù)；[0017]粗補償回波數(shù)據(jù)計算模塊，用于通過所述粗聯(lián)合補償函數(shù)對目標回波數(shù)據(jù)進行粗[0018]精補償回波數(shù)據(jù)計算，用于基于所述粗補償回波數(shù)據(jù)求解合成波形熵；然后以所述粗估計運動參數(shù)作為迭代初始值，以所述合成波形熵作為適應度函數(shù)，通過GWO算法進行迭代尋優(yōu)求解，得到精補償回波數(shù)據(jù)；[0019]二維ISAR圖像生成模塊，用于對所述精補償回波數(shù)據(jù)進行方向位傅里葉變換，輸[0020]一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)所述太赫茲ISAR成像聯(lián)合補償方法的步驟。[0021]一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)所述太赫茲ISAR成像聯(lián)合補償方法的步驟。[0022]上述太赫茲ISAR成像聯(lián)合補償方法、裝置、設備和介質(zhì)，通過獲取目標的回波數(shù)據(jù)；對回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)；基于粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距；然后根據(jù)粗估計運動參數(shù)、徑向位移差距計算粗聯(lián)合補償函數(shù)；通過粗聯(lián)合補償函數(shù)對目標回波數(shù)據(jù)進行粗聯(lián)合補償，得到粗補償回波數(shù)據(jù)；基于粗補償回波數(shù)據(jù)求解合成波形熵；然后以粗估計運動參數(shù)作為迭代初始值，以合成波形熵作為適應度函數(shù)，通過GWO算法進行迭代尋優(yōu)求解，得到精補償回波數(shù)據(jù)；對精補償回波數(shù)行方向位傅里葉變換，輸出最終的二維ISAR圖像。[0023]本發(fā)明的有益效果為：通過粗補償與精補償?shù)膬刹窖a償策略，能夠有效消除目標運動帶來的頻偏、散焦等不利影響，補償精度更高，從而使得最終成像時能更準確地聚焦目標，提高了圖像分辨率和清晰度。其中，在粗補償階段，采用抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，能夠降低數(shù)據(jù)處理時間；采用突變誤差剔除及最小二乘擬合，能夠有效去除干擾數(shù)據(jù)，能夠得到更加準確的粗估計運動參數(shù)；通過粗估計運動參數(shù)、徑向位移差距計算粗聯(lián)合補償函數(shù)，能初步校正目標運動帶來的回波畸變，使回波數(shù)據(jù)更利于后續(xù)處理。在精補償階段，以粗估計運動參數(shù)作為迭代初始值，以合成波形熵作為適應度函數(shù)，除了能夠大幅提升運動參數(shù)估計的精度外，還能夠限制精補償中參數(shù)搜索范圍，加快GWO算法的收斂，計算效率更高，能夠?qū)崿F(xiàn)以更短的時間完成更精確的運動補償，具備更好的適應性和魯棒性。附圖說明[0024]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)8有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖示出的結構獲得其他的附圖。[0025]圖1為一個實施例中太赫茲ISAR成像聯(lián)合補償方法的流程示意圖；[0026]圖2為一個實施例中衛(wèi)星散射點模型示意圖；[0027]圖3為一個實施例中粗補償后的一維距離像示意圖，其中，圖3(a)為粗補償一維距[0028]圖4為一個實施例中本發(fā)明所提方法與PSO算法對比示意圖；[0029]圖5為一個實施例中精補償后的一維距離像示意圖，其中，圖5(a)為精補償一維距[0030]圖6為一個實施例中二維ISAR像結果對比示意圖，其中，圖6(a)為PSO算法成像示意圖，圖6(b)為GWO算法成像示意圖；[0031]圖7為一個實施例中太赫茲ISAR成像聯(lián)合補償裝置的結構框圖；[0032]圖8為一個實施例中計算機設備的內(nèi)部結構圖。[0033]本發(fā)明目的實現(xiàn)、功能特點及優(yōu)點將結合實施例，參照附圖做進一步說明。具體實施方式[0034]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。[0035]可以理解，本發(fā)明各個實施例之間的技術方案可以相互結合，但是必須是以本領域普通技術人員能夠?qū)崿F(xiàn)為基礎，當技術方案的結合出現(xiàn)相互矛盾或無法實現(xiàn)時應當認為這種技術方案的結合不存在，也不在本發(fā)明要求的保護范圍之內(nèi)。[0036]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施方式進行詳細說明。[0038]本實施例公開了一種太赫茲ISAR成像聯(lián)合補償方法，通過粗補償與精補償?shù)膬刹窖a償策略，能夠有效消除目標運動帶來的頻偏、散焦等不利影響，補償精度更高，從而使得最終成像時能更準確地聚焦目標，提高了圖像分辨率和清晰度。其中，在粗補償階段，采用抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，能夠降低數(shù)據(jù)處理時間；采用突變誤差剔除及最小二乘擬合，能夠有效去除干擾數(shù)據(jù)，能夠得到更加準確的粗估計運動參數(shù)；通過粗估計運動參數(shù)、徑向位移差距計算粗聯(lián)合補償函數(shù)，能初步校正目標運動帶來的回波畸變，使回波數(shù)據(jù)更利于后續(xù)處理。在精補償階段，以粗估計運動參數(shù)作為迭代初始值，以合成波形熵作為適應度函數(shù)，除了能夠大幅提升運動參數(shù)估計的精度外，還能夠限制精補償中參數(shù)搜索范圍，加快GWO算法的收斂，計算效率更高，能夠?qū)崿F(xiàn)以更短的時間完成更精確的運動補償，具備更好的適應性和魯棒性。[0039]具體地，如圖1所示，為本實施例提供的太赫茲ISAR成像聯(lián)合補償方法，包括以下[0040]步驟201,獲取目標的回波數(shù)據(jù)。9[0041]步驟202,對回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，[0042]步驟203,基于粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差數(shù)據(jù)。數(shù)據(jù)。exp(j2πff)[0054]進一步地，目標去斜波接收數(shù)據(jù)中的指數(shù)項第二項與第三項因為不含快時間t,將其簡記為常數(shù)指數(shù)項，則回波數(shù)據(jù)最終表達式為：回波的衰減系數(shù)；A表示發(fā)射信號幅度；Vm表示目標在tm時相對雷達運動的徑向速度；R,a表示Dechirp處理時的參考距離；λ表示雷達信號波長；[·表示共軛運算；表示快示發(fā)射的雷達信號(LFM信號)的調(diào)頻率。[0069]對于,對第m次回波作分數(shù)階傅里葉變換，求解第m次回波時目標的徑向運動速度m。[0070]設定經(jīng)驗值ζ,若存在m,使得|vm-vm-1>ζ且|vm-vm+1>ζ,其中1<m<M,則令Vm=(Vm-1+Vm+1)/2,完成誤差剔除。m=c+btm+at2,則目標最小化殘差平方和,得到粗估計運動參數(shù)[0073]式中，M表示相干積累時間內(nèi)的脈沖個數(shù)(假設為偶數(shù));m-1表示第m-1次回波時目標的徑向運動速度；m+1表示第m+1次回波時目標的徑向運動速度；b表示參[0074]在步驟203的具體實施過程中，基于步驟202得到的粗估計運動參數(shù)Yopre、apre、apre,設:[0076]基于此可求得單純由于平動帶來的相鄰回波之間的徑向位移差距，計算表達式[0088]其中，[0092】根據(jù)粗估計運動參數(shù)Yopre-1apre-1apre-1,得到目標平動帶來的位移m,[0094]根據(jù)目標平動帶來的位移m對步驟204得到的粗補償回波數(shù)據(jù)進行距離向傅里[0102]式中，Sa?(f,,tm)表示聯(lián)合補償后的單個散射點、單次回波數(shù)據(jù)；Sa?(n,m)表數(shù)。[0108]l={Vopre-2,apre-2,apre-23;維距離像可以表示為abs(I(n,m;C?(1)。歸一化后各單元的值為,且有此時具有類似[0114]在求解I中任意元素l時，為了實現(xiàn)最佳估計，需要使：償函數(shù)C(1)為粗聯(lián)合補償函數(shù),以初始波形熵作為迭代的數(shù)C(1)為精聯(lián)合補償函數(shù)C?(1)。用于模擬領頭狼的位置，次優(yōu)解和次次優(yōu)解分別命名為β和δ,用于模擬二階狼和三階狼所使用的衛(wèi)星模型由544個散射點組成。[0123]表1雷達及目標仿真參數(shù)載頻/GHz脈寬/us帶寬/THz光速/(m/s)[0126]發(fā)現(xiàn)包絡對齊效果較差，無法滿足后續(xù)成像要求。設置灰狼種群數(shù)量為30,迭代次數(shù)為50次，基于相同的粗估計運動參數(shù)Yopre-1、apre-1、apre-1對粒子群優(yōu)化算法(ParticleSwarmOptimizer,PSO)和本發(fā)明所提方法作比較，粒子群算法中同樣設置粒子個數(shù)為30,迭代次數(shù)50次，搜索范圍控制相同。兩種算法的迭代優(yōu)化結果對比圖如圖4所示。從本發(fā)明所提方法和PSO曲線可以看出，迭代5次時，一維距離像合成波形熵值就有較大變發(fā)明所提方法在第20次迭代時開始趨于平緩，逼近最優(yōu)值。說明兩種算法相比較，本發(fā)明所提方法能夠更快收斂，且最終收斂效果更好。[0127]利用迭代50次后的精聯(lián)合補償函數(shù)完成對目標的脈內(nèi)脈間聯(lián)合補償，一維距離像如圖5所示。[0128]對兩種算法完成脈內(nèi)脈間補償之后的回波數(shù)據(jù)作二維ISAR成像結果如圖6所示，同時記錄兩種算法迭代50次運算的時間及最終成像結果對比度如表2所示。[0129]表2算法效果對比用時/s對比度[0131]可以看出，本發(fā)明所提方法用時更短、計算效率更高，且二維ISAR圖像對比度更[0132]雖然本實施例圖1中的各個步驟按照箭頭的指示依次顯示，但是這些步驟并不是必然按照箭頭指示的順序依次執(zhí)行。除非本發(fā)明中有明確的說明，這些步驟的執(zhí)行并沒有嚴格的順序限制，這些步驟可以以其它的順序執(zhí)行。而且，圖1中的至少一部分步驟可以包括多個子步驟或者多個階段，這些子步驟或者階段并不必然是在同一時刻執(zhí)行完成，而是可以在不同的時刻執(zhí)行，這些子步驟或者階段的執(zhí)行順序也不必然是依次進行，而是可以與其它步驟或者其它步驟的子步驟或者階段的至少一部分輪流或者交替地執(zhí)行。[0133]實施例2[0134]基于實施例1中太赫茲ISAR成像聯(lián)合補償方法，本實施例公開了一種太赫茲ISAR成像聯(lián)合補償裝置，如圖7所示，太赫茲ISAR成像聯(lián)合補償裝置包括：回波數(shù)據(jù)獲取模塊401、粗估計運動參數(shù)獲取模塊402、粗聯(lián)合補償函數(shù)獲取模塊403、粗補償回波數(shù)據(jù)計算模塊404、精補償回波數(shù)據(jù)計算405和二維ISAR圖像生成模塊406,其中：[0135]回波數(shù)據(jù)獲取模塊401用于獲取目標的回波數(shù)據(jù)。[0136]粗估計運動參數(shù)獲取模塊402用于對回波數(shù)據(jù)進行抽取，然后對抽取的回波數(shù)據(jù)進行分數(shù)階傅里葉變換，再進行突變誤差剔除及最小二乘擬合，得到粗估計運動參數(shù)。[0137]粗聯(lián)合補償函數(shù)獲取模塊403用于基于粗估計運動參數(shù)求解由于平動帶來的相鄰回波之間的徑向位移差距；然后根據(jù)粗估計運動參數(shù)、徑向位移差距計算粗聯(lián)合補償函數(shù)。[0138]粗補償回波數(shù)據(jù)計算模塊404用于通過粗聯(lián)合補償函數(shù)對目標回波數(shù)據(jù)進行粗聯(lián)合補償，得到粗補償回波數(shù)據(jù)。[0139]精補償回波數(shù)據(jù)計算405用于基于粗補償回波數(shù)據(jù)求解合成波形熵；然后以粗估計運動參數(shù)作為迭代初始值，以合成波形熵作為適應度函數(shù)，通過GWO算法進行迭代尋優(yōu)求[0140]二維ISAR圖像生成模塊406用于對精補償回波數(shù)據(jù)進行方向位傅里葉變換，輸出[0141]本實施例中，回波數(shù)據(jù)獲取模塊401、粗聯(lián)合補償函數(shù)獲取模塊403、粗補償回波數(shù)據(jù)計算模塊404、精補償回波數(shù)據(jù)計算405和二維ISAR圖像生成模塊406的具體工作過程以及工作原理均與實施例1中的方法相同，因此本實施例中不再對其進行贅述。其中各個單元模塊可全部或部分通過軟件、硬件及其組合來實現(xiàn)，各個單元模塊可以硬件形式內(nèi)嵌于或獨立于計算機設備中的處理器中，也可以以軟件形式存儲于計算機設備中的存儲器中，以便于處理器調(diào)用執(zhí)行以上各個單元模塊對應的操作。[0143]如圖8所示為本實施例公開的一種終端設備，包括發(fā)送器、接收器、存儲器以及處理器。其中，發(fā)送器用于發(fā)送指令和數(shù)據(jù)，接收器用于接收指令和數(shù)據(jù)，存儲器用于存儲計算機執(zhí)行指令，處理器用于執(zhí)行存儲器存儲的計算機執(zhí)行指令，以實現(xiàn)上述實施例1中的方[0144]需要注意的是，上述存儲器既可以是獨立的，也可以跟處理器集成在一起。當存儲器獨立設置時，該終端設備還包括總線，用于連接存儲器和處理器。[0146]本實施例公開了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)中存儲有計算機執(zhí)行指令，當處理器執(zhí)行計算機執(zhí)行指令時，實現(xiàn)上述實施例1中的方法。[0147]本領域普通技術人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關的硬件來完成，所述的計算機程序可存儲于一非易失性計算機可讀取存儲介質(zhì)中，該計算機程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，本申請所提供的各實施例中所使用的對存儲器、存儲、數(shù)據(jù)庫或其它介質(zhì)的任何引用，均可包括非易失性和/或易失性存儲器。非易失性存儲器可包括只讀存儲器(ROM)、可編程ROM隨機存取存儲器(RAM