本发明涉及雷达成像处理技术领域，具体涉及一种复杂目标多波段雷达超宽带联合成像的分块处理方法。
背景技术：
在实际目标鉴别中，超宽带雷达信号的检测能力有很多优越性，但是它对硬件系统的要求较高，需要很高的成本，甚至无法工程实现。一种方法是利用现有的多部雷达在不同波段对目标同时进行观测，之后采用信号处理方法对多波段观测信号做数据融合，合成等效超宽带信号，进而提高距离分辨率。
Piou等人在文献(Piou J.E.A state-space technique for ultrawide-bandwidth coherent processing.MIT Lincoln Laboratory,Technical Report TR1054,1999)中提出一种基于参数化模型的数据融合方法，实现对三个理想点的超宽带数据融合和联合成像，极大的提高了距离分辨率。陈娟等人(参见文献“陈娟,袁运能.基于多站多波段带宽融合的超宽带相参处理方法[P].中国发明专利：ZL201310289416.5,2016.”)提出一种多站多波段带宽融合的超宽带相参处理方法，该方法基于二维全极点信号模型(AR)，首先对两个子波段的二维回波数据做预处理后进行极点和系数估计，然后对顺序混乱的行极点和列极点进行配对，从而得到二维全极点信号模型，最后根据信号模型进行ISAR成像，得到高精度的图像。
现有的基于参数化模型的多波段超宽带数据融合方法只能用于由少数散射中心组成的简单目标，此时目标回波起伏缓慢，规律性强，可以采用阶数较低的参数化模型对凹口数据进行预测。但是对于散射中心众多的复杂目标，回波数据起伏剧烈，若采用参数化模型，对其建模所需要的模型阶数很高，因此难以实现模型预测。
对于复杂目标的数据融合，可以采用分块处理的方法。即首先对每个波段数据做成像处理，在图像域再现目标的各个散射中心；然后在图像域分块，并将图像子块变换到数据域；接着对图像子块的多波段数据做数据融合和超分辨成像；最后拼接所有的超分辨图像子块得到完整目标的超分辨图像。
旋转目标成像所采集到的目标数据是极坐标格式(环形谱域)数据，在成像转角较小和带宽不大的情况下，扇环形谱域近似为矩形，可采用二维快速傅里叶变换(2-D FFT)实现快速成像。且2-D FFT为线性变换，可通过二维快速逆傅里叶变换(2-D IFFT)将二维图像反变换到数据域。但是，在超宽带或成像转角较大的条件下，环形谱域数据不能再近似为矩形，因此不能直接用2-D FFT成像。滤波-逆投影(FBP)算法可直接利用极坐标格式数据再现目标图像，适合大转角或者超宽带条件下的逆合成孔径雷达(ISAR)成像。(参见文献“许小剑，黄培康.雷达系统及其信息处理[M].北京：电子工业出版社，2010：232-235”])。
技术实现要素：
本发明要解决的技术问题为：现有基于参数化模型的多波段超宽带数据融合技术由于模型阶数的限制，均只能对散射中心较少的简单目标实现超宽带数据融合，不能用于复杂目标的数据融合和联合成像。对于复杂目标的多波段数据融合和联合成像，可以采用图像域分块处理的方法。即首先对每个波段数据做成像处理，在图像域再现目标的各个散射中心；然后在图像域分块，并将多波段图像子块变换到数据域；接着对图像子块的多波段数据做数据融合和超分辨成像；最后拼接所有的超分辨图像子块得到完整目标的超分辨图像。但是，当需要融合的多个波段中心频率相隔较远时，即超宽带情况下，成像支撑域不能再近似看做矩形，使用2-D FFT和2-D IFFT实现图像域和数据域的相互转换无法得到每个图像子块精确的多波段数据。因此，本发明提出一种适用于复杂目标的多波段雷达超宽带联合成像的分块处理方法。
本发明所采用的技术方案如下：一种复杂目标多波段雷达超宽带联合成像的分块处理方法，实现步骤如下：
步骤1：FBP成像
将M个雷达波段的成像数据分别通过FBP算法进行图像重构，M个雷达波段记为波段-1，波段-2，…，波段-M，得到完整目标在每个波段上的低分辨率图像；为了后续各波段图像分块的一致性，应保证每个波段图像其径向距离与横向距离上的成像区域大小和像素点数完全相同；
步骤2：图像域分块
将步骤1所得到的多波段低分辨图像分别按相同的方式分割为N个图像子块，波段-1的每个图像子块分别记为子块1-k(k＝1，2，…，N)；波段-2的每个图像子块分别记为子块2-k(k＝1，2，…，N)；依次类推；由于各个波段图像的成像区域大小和像素点数均完全相同，故图像子块1-k，子块2-k，…，子块M-k(k＝1，2，…，N)可以一一对应；
步骤3：对子块图像作反变换回到数据域
取每个波段对应的图像子块i-k(i＝1，2，…，M；k＝1，2，…，N)，进行补零和二维快速傅里叶变换(2-D FFT)变换运算，将各波段子块图像变换到数据域，得到每个波段分块图像i-k所对应的数据i-k(i＝1，2，…，M；k＝1，2，…，N)；
步骤4：数据重采样
对于每个波段分块图像i-k所对应的数据i-k(i＝1，2，…，M；k＝1，2，…，N)，在数据域沿扇环或圆环重新采样，得到每个波段每个子块图像对应的重采样数据i-k(i＝1，2，…，M；k＝1，2，…，N)；
步骤5：子块图像的多波段数据融合处理
针对每个图像子块k(k＝1，2，…，N)的重采样数据，采用现有基于参数化模型的处理技术，对其所有波段i(i＝1，2，…，M)所对应的数据进行融合处理和联合成像，得到第k个子块的超分辨率图像；
步骤6：子块多波段融合数据的FBP成像
针对每个图像子块k(k＝1，2，…，N)的多波段融合数据，分别通过FBP算法进行图像重构，得到超分辨率图像子块k(k＝1，2，…，N)；
步骤7：图像拼接
对所有超分辨图像子块k(k＝1，2，…，N)按照原来的分块顺序进行拼接处理，即可得到完整目标的超分辨图像。
其中，对复杂目标做基于分块处理的超宽带多波段数据联合成像时，由于各个波段中心频率相隔较远，成像支撑域不能简单的等效为矩形，用傅里叶变换实现图像域和数据域的相互转换无法得到每个图像子块精确的多波段数据，需采用FBP算法对每个雷达波段数据成像后再做分块处理。
其中，采用FBP算法得到的图像可通过2-DFFT加重采样的方法变换到数据域，重采样需沿扇环或圆环进行，采样索引可利用下列公式求出：
式中，为采样点在扇环或圆环上对应纵向索引值，下标fi为频率，i为频率索引值，ny为采用FBP算法在径向的成像点数，ki＝2fi/c为波数，c为光速；Ly为径向成像距离，下标y代表径向；θj为采样点对应方位角；下标j为方位索引值；cos为余弦函数；为采样点在扇环或圆环上对应横向索引值；下标aj表示方位；nx为采用FBP算法在横向的成像点数；Lx为横向成像距离，下标x代表横向；sin为正弦函数。
本发明的主要技术优点是：本发明提供了一种可适用于复杂目标、非邻接多波段雷达超宽带联合成像的分块处理方法。该方法解决了以下两个技术难题：
(1)考虑了非邻接多波段超宽带成像时其成像数据支撑域为扇环(或圆环)区域，不能简单等效为矩形支撑域的问题；提出通过FBP算法对每个波段的雷达数据实现精确图像重构，这样在图像域分块后，将图像子块再变换到数据域时所得到的子块多波段数据支撑域依然为扇环(或圆环)，重采样后可得到每个图像子块的准确数据，进而可采用现有基于参数化模型的处理技术进行同一图像子块的多波段数据融合与联合成像。
(2)解决了多波段雷达成像中，传统的基于参数化模型的方法不适用于复杂目标的图像处理问题。当雷达所观测的目标为大型复杂目标时，由于其散射机理复杂，散射中心繁多，而传统的基于参数化模型的方法限于模型阶数，很难精确表征此类目标的散射信号。通过本发明中的FBP图像重构、图像分块、2-D FFT加重采样处理、分块图像的多波段数据融合、子块图像拼接等处理，将复杂目标的多波段数据融合等效为一系列简单目标的多波段数据融合，使得传统的基于参数化模型的方法适用于每个等效的简单目标的多波段融合处理，并最终实现对于复杂目标的超宽带多波段数据融合处理和超分辨率成像。
附图说明
图1为本发明一种复杂目标多波段雷达超宽带联合成像的分块处理方法示意图；
图2为宇宙飞船模型外形图；
图3为两波段数据FBP成像(横轴Cross Range表示横向距离，纵轴Down Range表示径向距离)，其中，图3(a)为Ku波段，图3(b)为K波段；
图4为两波段图像子块(横轴Cross Range表示横向距离，纵轴Down Range表示径向距离)，其中，图4(a)为Ku波段，图4(b)为K波段；
图5为两波段子块数据(横轴Cross Range表示横向距离，纵轴Down Range表示径向距离)，其中，图5(a)为Ku波段，图5(b)为K波段；
图6为经2-D FFT变换后的数据几何关系图；
图7为重采样数据，其中，图7(a)为Ku波段，图7(b)为K波段；
图8为子块多波段融合图像与真实全频段图像对比(横轴Cross Range表示横向距离，纵轴Down Range表示径向距离)，其中，图8(a)为多波段融合成像，图8(b)为真实全频段图像。
具体实施方式
下面结合附图进一步说明本发明的具体实施方式，但不作为对本发明的限定。
一种复杂目标多波段雷达超宽带联合成像的分块处理方法，包括如下步骤：
(1)对复杂目标多波段雷达超宽带联合成像的分块处理流程如图1所示，分为7个主要处理步骤：
步骤1：FBP成像
将M个雷达波段(记为波段-1，波段-2，…，波段-M)的成像数据分别通过FBP算法进行图像重构，得到完整目标在每个波段上的低分辨率图像。为了后续各波段图像分块的一致性，应保证每个波段图像其径向距离与横向距离上的成像区域大小和像素点数完全相同。
步骤-2：图像域分块
将步骤1所得到的多波段低分辨图像分别按相同的方式分割为N个图像子块，波段-1的每个图像子块分别记为子块1-k(k＝1，2，…，N)；波段-2的每个图像子块分别记为子块2-k(k＝1，2，…，N)；依次类推。由于各个波段图像的成像区域大小和像素点数均完全相同，故图像子块1-k，子块2-k，…，子块M-k(k＝1，2，…，N)可以一一对应。
步骤-3：对子块图像作反变换回到数据域
取每个波段对应的图像子块i-k(i＝1，2，…，M；k＝1，2，…，N)，进行补零和二维快速傅里叶变换(2-D FFT)变换运算，将各波段子块图像变换到数据域，得到每个波段分块图像i-k所对应的数据i-k(i＝1，2，…，M；k＝1，2，…，N)。
步骤-4：数据重采样
对于每个波段分块图像i-k所对应的数据i-k(i＝1，2，…，M；k＝1，2，…，N)，在数据域沿扇环(360°成像时为圆环)重新采样，得到每个波段每个子块图像对应的多波段的重采样数据i-k(i＝1，2，…，M；k＝1，2，…，N)。
步骤-5：子块图像的多波段数据融合处理
针对每个图像子块k(k＝1，2，…，N)的的重采样数据，采用现有基于参数化模型的处理技术，对其所有波段i(i＝1，2，…，M)所对应的数据进行融合处理和联合成像，得到第k个子块的超分辨率图像。
步骤6：子块多波段融合数据的FBP成像
针对每个图像子块k(k＝1，2，…，N)的多波段融合数据，分别通过FBP算法进行图像重构，得到超分辨率图像子块k(k＝1，2，…，N)。
步骤7：图像拼接
对所有超分辨图像子块k(k＝1，2，…，N)按照原来的分块顺序进行拼接处理，即可得到完整目标的超分辨图像。
(2)将采用FBP算法得到的图像子块变换回数据域的方法：
在上述步骤3中，将采用FBP算法得到的图像子块变换到数据域仍可通过2-D FFT实现。由于FBP算法是直接对极坐标格式的数据成像，通过2-D FFT变换到数据域后为扇环形(360°时为圆环形)，需要沿扇环形重采样得到图像子块的多波段数据。这里重采样可按下列公式进行：
式中，Nfi为采样点在扇环上对应纵向索引值，下标fi为频率，i为频率索引值，ny为采用FBP算法在径向的成像点数，ki＝2fi/c，为波数，c为光速；Ly为径向成像距离，下标y代表径向；θj为采样点对应方位角；下标j为方位索引值；cos为余弦函数；Naj为采样点在扇环上对应横向索引值；下标aj表示方位；nx为采用FBP算法在横向成像点数；Lx为横向成像距离，下标x代表横向；sin为正弦函数。
通过该公式，可以准确地沿扇环(或圆环)将图像子块的数据采集出来。
实施例
本例采用的数据是使用矩量法电磁计算得到的Appolo-Soyuz宇宙飞船模型仿真数据。该模型外形如图2所示。仿真数据扫频15～25GHz，步进频率5MHz，扫角-5～5°，步进角度0.015°。这里选取Ku波段数据15～17GHz和K波段数据23～25GHz做超宽带数据融合，演示本发明的具体实施方式。
步骤1：将两波段数据分别通过FBP算法成像，在图像域再现目标散射中心，如图3所示。其中图3(a)为Ku波段图像，图3(b)为K波段图像。可以发现，两波段图像散射中心位置基本一一对应。
步骤2：将图3所示二维图像分别分为若干个图像子块。取对应图像子块，如图3中虚线矩形框所示。实际上，FBP算法是逐个像素点计算，也可直接得到图像子块。选取的图像子块如图4所示。该图像子块包含较少的散射中心。
步骤3：将图4所示图像子块通过2-D FFT变换到数据域，如图5所示。可以看出，变换后的两波段数据在一个扇环形上。这里，扇环形内侧为低频，外侧为高频，几何关系如图6所示。
步骤4：按公式(1)对图5所示两波段数据分别进行重新采样。重采样后的数据如图7所示。
步骤5：对图像子块的多波段数据采用现有基于参数化模型的技术进行数据融合和联合成像。例如，这里采用二维状态空间法进行数据融合。
步骤6：对每个子块对应的多波段融合数据，通过FBP算法再次成像，得到对应子块的超分辨率图像，如图8(a)所示。与图4所示的各个波段图像子块对比，可以看出可以经过融合后的二维像径向分辨率得到显著提高，从而说明本发明的有用性。图8(b)给出采用真实全频段数据做FBP得到的图像子块。对比发现，通过此方法得到的融合图像子块与真实超宽带图像子块有较大的相似度。
步骤7：对所有图像子块做步骤1～6处理后，拼接所有超分辨图像子块，即可得到完整目标的超分辨率图像。