本發(fā)明涉及雷達成像以及微多普勒效應(yīng)領(lǐng)域，具體涉及一種消除目標(biāo)微動對雷達成像干擾的方法。

背景技術(shù)：

在(逆)合成孔徑雷達成像中，目標(biāo)的運動可以被分解為平動和轉(zhuǎn)動兩個部分。目標(biāo)的平動對所有的散射點產(chǎn)生相同的多普勒偏移，因此，平動分量對雷達成像不會有任何貢獻。目標(biāo)的轉(zhuǎn)動分量會使回波產(chǎn)生不同的包絡(luò)延時和相位。由于目標(biāo)的平動會使回波產(chǎn)生距離徙動，導(dǎo)致不能獲得一幅很好的聚焦圖像，因此，需要對首先需要對平動分量進行補償。運動補償包括兩部分：包絡(luò)對齊和相位校正。通過運動補償之后便可以獲得一個理想的轉(zhuǎn)臺模型，最后采用傳統(tǒng)的距離多普勒算法(參考文獻[1]：v.c.chen,andmarcomartorella,inversesyntheticapertureradarimagingprinciples,algorithms,andapplications.edison,nj:scitechpublishing,2014.)就可以得到清晰的成像結(jié)果。

實際上，很多成像目標(biāo)可能存在一些局部運動，例如機械振動、轉(zhuǎn)動、搖動、進動等等。這些運動疊加在整個目標(biāo)的平動分量和轉(zhuǎn)動分量之上。這些局部運動被稱作微動，由微動產(chǎn)生的多普勒效應(yīng)被稱為微多普勒效應(yīng)(參考文獻[2]：v.c.chen,“analysisofradarmicro-dopplersignaturewithtime–frequencytransform,”inproc.ieeestatisticalsignalarrayprocess.,2000,pp.463–466.，參考文獻[3]：v.c.chen,f.li,s.-s.hoetal.,“analysisofmicro-dopplersignatures,”proc.inst.electr.eng.—radarsonarnavig.,vol.150,no.4,pp.271–276,aug.2003.；參考文獻[4]：t.sparrandb.krane,“micro-doppleranalysisofvibratingtargetsinsar,”proc.inst.electr.eng.—radarsonarnavig.,vol.150,no.4,pp.277–283,aug.2003.；參考文獻[5]：v.c.chen,f.li,s.-s.hoetal.,“micro-dopplereffectinradar:phenomenon,model,andsimulationstudy,”ieeetrans.aerosp.electron.syst.,vol.42,no.1,pp.2–21,jan.2006.)。不同的目標(biāo)有它們特有的微多普勒特征，可以根據(jù)不同的微多普勒特征對目標(biāo)進行識別和分類。由于微多普勒效應(yīng)的存在，雷達獲得的目標(biāo)成像可能會變得很模糊，以至于很難對目標(biāo)進行識別，所以需要將微多普勒效應(yīng)消除。為了達到這個目的，首先需要將回波中的微多普勒成分進行分離。

在最近這些年，很多微多普勒分離算法被提出。雷達回波被分解為一系列的chirplet函數(shù)(參考文獻[6]：j.liandh.ling,“applicationofadaptivechirpletrepresentationforisarfeatureextractionfromtargetswithrotatingparts,”proc.inst.electr.eng.—radarsonarnavig.,vol.150,no.4,pp.284–291,aug.2003.)，通過不同的線性調(diào)頻率可以將主體部分和微動部分進行分離，不過該算法需要耗費很長的時間?；陬l譜的階數(shù)統(tǒng)計方法被用來對目標(biāo)主體和微動部分進行分離(參考文獻[7]：l.stankovic,i.cdjurovi,t.thayaparanetal.,“separationoftargetrigidbodyandmicro-dopplereffectsinisarimaging,”ieeetrans.aerosp.electron.syst.,vol.42,no.4,pp.1496–1506,oct.2006.)，然后使用逆radon變換來估計微多普勒參數(shù)。空軍工程大學(xué)的張群教授采用hough變換的方法實現(xiàn)了目標(biāo)微多普勒特征的提取(參考文獻[8]：q.zhang,t.s.yeo,h.s.tanetal.,“imagingofamovingtargetwithrotatingpartsbasedonthehoughtransform,”ieeetrans.geosci.remotesens.,vol.46,no.1,pp.291–299,jan.2008.)。通過采用短時傅里葉變換獲得時頻圖，然后在時頻域采用基于l統(tǒng)計的方法或者基于直方圖分析的方法提取目標(biāo)的主體部分(參考文獻[9]：l.stankovic,t.thayaparan,m.dakovicandv.popovic-bugarin,“micro-dopplerremovalintheradarimaginganalysis,”ieeetrans.aerosp.electron.syst.,vol.49,no.2,pp.1234–1250,apr.2013.；參考文獻[10]：r.zhang,g.li,y.zhang,“micro-dopplerinterferenceremovalviahistogramanalysisintime-frequencydomain,”ieeetrans.aerosp.electron.syst.,vol.52,no.2,pp.755–768,apr.2016.)。以上這些方法都只是被用在了仿真數(shù)據(jù)中，而沒有實驗數(shù)據(jù)，缺乏說服力。

西安電子科技大學(xué)的白雪茹教授將經(jīng)驗?zāi)B(tài)分解算法推廣到復(fù)數(shù)的情況，提出了復(fù)經(jīng)驗?zāi)B(tài)分解算法，并采用復(fù)經(jīng)驗?zāi)B(tài)分解算法實現(xiàn)了目標(biāo)主體部分和微動部分的分離(參考文獻[11]：x.bai,m.xing,f.zhou,g.lu,andz.bao,“imagingofmicromotiontargetswithrotatingpartsbasedonempirical-modedecomposition,”ieeetrans.geosci.remotesens.,vol.46,no.11,pp.3514–3523,nov.2008.)，得到了很好的成像結(jié)果。傳統(tǒng)的傅里葉變換、小波變換只適用于線性、平穩(wěn)的信號，而復(fù)經(jīng)驗?zāi)B(tài)分解算法不僅適用于線性、平穩(wěn)的信號，同時也適用于非線性、非平穩(wěn)的信號。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有消除目標(biāo)微動對雷達成像干擾的方法存在的上述缺陷，提出一種消除目標(biāo)微動對雷達成像影響的方法，為消除微多普勒效應(yīng)對(逆)合成孔徑雷達成像的干擾，獲得更好的成像結(jié)果提供了新的技術(shù)途徑。該方法將konstantindragomiretskiy和dominiquezosso提出的變分模態(tài)分解推廣到復(fù)數(shù)的情況下，提出了復(fù)變分模態(tài)分解，因為在實際的雷達信號處理時采用的是i和q兩個通道，所以實際的雷達信號是復(fù)數(shù)。通過建立仿真模型和實際的實驗數(shù)據(jù)結(jié)果，有效地驗證了本發(fā)明所提出的方法的有效性。

為了實現(xiàn)上述目的，本發(fā)明提出了一種消除目標(biāo)微動對雷達成像干擾的方法，所述方法包括：

步驟1)雷達發(fā)射m個相同的n維離散化線性調(diào)頻信號；將發(fā)射出的信號與接收到的回波信號經(jīng)過匹配濾波后，得到一個m行n列的二維距離-慢時間域的回波數(shù)據(jù)；

步驟2)分別對每一列距離-慢時間域的回波數(shù)據(jù)進行復(fù)變分模態(tài)分解，得到q個模函數(shù)，計算所分解出的每一個模函數(shù)的能量，并求得每一個模函數(shù)的能量占所有模函數(shù)能量總和的比值；將比值高于閾值的模函數(shù)進行相加合成，得到一個新的m行n的二維距離-慢時間域的回波數(shù)據(jù)；

步驟3)將步驟2)獲得的m行n列的二維距離-慢時間域的回波數(shù)據(jù)進行加窗處理，然后沿著方位向進行傅立葉變換得到逆合成孔徑雷達成像。

上述技術(shù)方案中，所述步驟1)包括：

步驟101)產(chǎn)生m個相同基帶線性調(diào)頻信號，對每個信號進行離散化；

所述的基帶線性調(diào)頻信號表示如下：

其中的rect表示的是矩形窗函數(shù)，數(shù)學(xué)表達如下：

公式(1)中代表快時間，tp表示脈沖寬度，y表示線性調(diào)頻率；

對信號進行采樣，獲得n個離散的基帶線性調(diào)頻信號序列

步驟102)將獲得的離散基帶線性調(diào)頻信號序列經(jīng)過發(fā)射機上變頻器的變頻調(diào)制至雷達工作頻率后的發(fā)射信號為所述發(fā)射信號為：

式中，fc表示載波的頻率，t表示全時間；

發(fā)射信號經(jīng)傳輸后，到達接收機的信號為接收信號是雷達所照射區(qū)域所有目標(biāo)對發(fā)射信號經(jīng)過發(fā)射后返回到接收機的信號之和，假設(shè)共有k個點目標(biāo)，第k(k＝1,2,...,k)個點目標(biāo)的反射系數(shù)為σk，第k個點目標(biāo)與雷達之間的距離為rk，光速為c，那么接收信號為：

步驟103)將所述步驟102)獲得的離散接收信號序列進行下變頻處理，接收機下變頻的本振頻率和發(fā)射機上變頻的本振頻率相同，是由同一個頻率源產(chǎn)生，經(jīng)過下變頻后獲得的信號為：

步驟104)接收信號經(jīng)過下變頻后變?yōu)榱嘶鶐盘?，將基帶信?imgfile="bda0001265776310000049.gif"wi="83"he="61"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>與步驟101)保存的基帶信號在頻率域進行匹配濾波；匹配濾波后的信號表示為的計算公式為：

步驟105)將m個聯(lián)合得到一個m行n列的二維距離-慢時間域的回波數(shù)據(jù)，將此回波數(shù)據(jù)矩陣表示為其中m表示脈沖回波的編號，tm代表慢時間。

上述技術(shù)方案中，所述步驟2)具體包括：

步驟201)選定模函數(shù)個數(shù)q，對每一列距離-慢時間域的回波數(shù)據(jù)進行復(fù)變分模態(tài)分解，得到q個模函數(shù)；

步驟202)計算所分解出的每一個模函數(shù)的能量，并求得每一個模函數(shù)的能量占所有模函數(shù)能量總和的比值；

步驟203)將比值高于閾值的模函數(shù)進行相加合成，得到n個列向量組成一個新的m行n的距離-慢時間域的回波數(shù)據(jù)

上述技術(shù)方案中，所述q的取值為20。

上述技術(shù)方案中，所述步驟201)的具體實現(xiàn)過程為：

回波數(shù)據(jù)矩陣的第n列進行復(fù)變分模態(tài)分解，計算如下：

上式中，是q個復(fù)值模函數(shù)；re表示取實部，mf表示實值變分模態(tài)分解算法，實值變分模態(tài)分解算法是以下一個約束性變分問題：

其中，f表示要進行變分模態(tài)分解的實信號；uk是將原信號f分解后的第k，k＝1…q個模函數(shù)的信號，ωk是信號uk的主要頻率成分。

上述技術(shù)方案中，所述步驟3)的加窗處理為漢寧窗。

本發(fā)明的優(yōu)勢在于：

本發(fā)明提出的方法適用于非線性、非平穩(wěn)的信號，通過仿真數(shù)據(jù)和實驗數(shù)據(jù)證明，本發(fā)明的方法能夠消除目標(biāo)微動對雷達成像的干擾，獲得更清晰的目標(biāo)主體成像結(jié)果。

附圖說明

圖1為本發(fā)明的消除目標(biāo)微動對雷達成像干擾的方法的流程圖；

圖2為轉(zhuǎn)動目標(biāo)模型圖；

圖3為理想公式的時頻分析結(jié)果；

圖4為理想公式經(jīng)復(fù)變分模態(tài)分解后各模函數(shù)的能量所占所有模函數(shù)能量總和的比值；

圖5為理想公式經(jīng)復(fù)變分模態(tài)分解后提出的主體部分的時頻圖；

圖6為理想公式經(jīng)復(fù)變分模態(tài)分解后提出的微動部分的時頻圖；

圖7為仿真點目標(biāo)的位置坐標(biāo)；

圖8為仿真點目標(biāo)的成像結(jié)果；

圖9為仿真點目標(biāo)經(jīng)復(fù)變分模態(tài)分解后提取出的主體部分的成像結(jié)果；

圖10為仿真點目標(biāo)經(jīng)復(fù)經(jīng)驗?zāi)B(tài)分解后提取出的主體部分的成像結(jié)果；

圖11為卡車實驗數(shù)據(jù)的成像結(jié)果；

圖12為卡車實驗數(shù)據(jù)第120個距離單元的時頻圖；

圖13為卡車實驗數(shù)據(jù)經(jīng)復(fù)變分模態(tài)分解后提取出的主體部分的成像結(jié)果；

圖14為卡車實驗數(shù)據(jù)經(jīng)復(fù)經(jīng)驗?zāi)B(tài)分解后提取出的主體部分的成像結(jié)果。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細的說明。

如圖1所示，一種消除目標(biāo)微動對雷達成像干擾的方法，所述方法包括：

步驟1)雷達發(fā)射m個相同的n維離散化線性調(diào)頻信號；將發(fā)射出的信號與接收到的回波信號經(jīng)過匹配濾波后，得到一個m行n列的二維距離-慢時間域的回波數(shù)據(jù)，將此回波數(shù)據(jù)矩陣表示為具體包括：

步驟101)產(chǎn)生m個相同基帶線性調(diào)頻信號，對每個信號進行離散化；

雷達發(fā)射一次線性調(diào)頻信號只能實現(xiàn)高距離分辨率，對不同方位向位置的目標(biāo)依然不能進行識別，所以無法實現(xiàn)成像。要想獲得目標(biāo)的成像結(jié)果，需要發(fā)射一簇這樣的線性調(diào)頻信號。發(fā)射的m個線性調(diào)頻信號是按照一個固定周期發(fā)射出去的，且下一個發(fā)射信號發(fā)射出去之前，雷達已經(jīng)接收到前一個發(fā)射信號的回波。

所述的基帶線性調(diào)頻信號表示如下：

其中的rect表示的是矩形窗函數(shù)，數(shù)學(xué)表達如下：

公式(1)中代表快時間，tp表示脈沖寬度，γ表示線性調(diào)頻率；

對信號進行采樣，獲得n個離散的基帶線性調(diào)頻信號序列并對離散的基帶線性調(diào)頻信號序列做好記錄保存；

步驟102)將獲得的離散的基帶線性調(diào)頻信號序列經(jīng)過發(fā)射機上變頻器的變頻調(diào)制至雷達工作頻率后的發(fā)射信號為所述發(fā)射信號為：

式中，fc表示載波的頻率，t表示全時間；

發(fā)射信號經(jīng)傳輸后，到達接收機的信號為接收信號是雷達所照射區(qū)域所有目標(biāo)對發(fā)射信號經(jīng)過發(fā)射后返回到接收機的信號之和，假設(shè)共有k個點目標(biāo)，第k(k＝1,2,...,k)個點目標(biāo)的反射系數(shù)為σk，第k個點目標(biāo)與雷達之間的距離為rk，光速為c，那么接收信號為：

步驟103)將所述的步驟102)獲得的離散接收信號序列進行下變頻處理，接收機下變頻的本振頻率和發(fā)射機上變頻的本振頻率相同，是由同一個頻率源產(chǎn)生，經(jīng)過下變頻后獲得的信號為：

步驟104)接收信號經(jīng)過下變頻后變?yōu)榱嘶鶐盘?，將基帶信?imgfile="bda00012657763100000712.gif"wi="83"he="59"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>與步驟101)保存的基帶信號在頻率域進行匹配濾波；匹配濾波后的信號表示為的計算公式為：

步驟105)將m個聯(lián)合得到一個m行n列的二維距離-慢時間域的回波數(shù)據(jù)，將此回波數(shù)據(jù)矩陣表示為其中m表示脈沖回波的編號，tm代表慢時間；

步驟2)選取模函數(shù)個數(shù)q，分別對每一列距離-慢時間域的回波數(shù)據(jù)進行復(fù)變分模態(tài)分解，得到q個模函數(shù)，計算所分解出的每一個模函數(shù)的能量，并求得每一個模函數(shù)的能量占所有模函數(shù)能量總和的比值，比值高于閾值的模函數(shù)被認(rèn)為是目標(biāo)主體所產(chǎn)生的，將比值高于閾值的模函數(shù)進行相加合成，得到一個新的m行n的二維距離-慢時間域的回波數(shù)據(jù)；具體包括：

步驟201)選定合適的模函數(shù)個數(shù)q，對每一列距離-慢時間域的回波數(shù)據(jù)進行復(fù)變分模態(tài)分解，得到q個模函數(shù)；

變分模態(tài)分解算法可以將一個信號從低頻往高頻分離開。對有微動的距離單元進行時頻分析時，可以從時頻圖中很好地獲取微多普勒的信息，目標(biāo)主體部分在時頻圖中會相對集中，而微動部分的在時頻圖中會比較分散，因此為了很好得將目標(biāo)主體部分提取出來，所分解的模態(tài)數(shù)不宜太小，但是太大也會增加計算量，本發(fā)明將分解的模態(tài)數(shù)設(shè)定為q＝20；

步驟202)計算所分解出的每一個模函數(shù)的能量，并求得每一個模函數(shù)的能量占所有模函數(shù)能量總和的比值；

選取回波數(shù)據(jù)矩陣的第n列進行復(fù)變分模態(tài)分解，計算如下：

上式中，是20個復(fù)值模函數(shù)；re表示取實部，mf表示實值變分模態(tài)分解算法，實值變分模態(tài)分解算法是以下一個約束性變分問題：

其中，f表示要進行變分模態(tài)分解的實信號；uk是將原信號f分解后的第k(k＝1…20)個模函數(shù)的信號，ωk是信號uk的主要頻率成分。

計算每一個復(fù)值模函數(shù)的能量以及所占所有20個復(fù)值模函數(shù)能量總和的比值。

步驟203)選取一個合適的能量比值的閾值，比值高于閾值的模函數(shù)被認(rèn)為是目標(biāo)主體所產(chǎn)生的，將比值高于閾值的模函數(shù)進行相加合成，得到n個列向量組成一個新的m行n的距離-慢時間域的回波數(shù)據(jù)

步驟3)將所述的步驟2)獲得的m行n列的二維距離-慢時間域的回波數(shù)據(jù)進行漢寧(hanning)窗的加窗處理，然后沿著方位向進行傅立葉變換得到消除微多普勒效應(yīng)干擾后的高分辨率(逆)合成孔徑雷達成像。

圖2為轉(zhuǎn)動目標(biāo)模型圖。該模型假設(shè)目標(biāo)的平動已經(jīng)被補償。點q(xq，yq)代表目標(biāo)主體點，點p(xp，yp)代表目標(biāo)微動點，原點o是理想轉(zhuǎn)臺模型目標(biāo)主體點的旋轉(zhuǎn)中心，rq，是點q的旋轉(zhuǎn)半徑，ωo是目標(biāo)主體點的旋轉(zhuǎn)角速度，uo′v是微動點所在的參考坐標(biāo)系，o′是微動點的旋轉(zhuǎn)中心，rp是微動點的旋轉(zhuǎn)半徑，ωp是微動點的旋轉(zhuǎn)角速度，ωp遠比ωo大。該模型中，點q代表了目標(biāo)主體部分，目標(biāo)主體運動可以被分解為平動分量和轉(zhuǎn)動分量，平動分量對成像會產(chǎn)生干擾，因此假設(shè)這里的平動分量已經(jīng)被補償，只剩下轉(zhuǎn)動分量，相當(dāng)于目標(biāo)主體繞著o點進行旋轉(zhuǎn)運動，點p也是目標(biāo)的一部分，但是點p在主體運動的基礎(chǔ)上還具有自己的運動，比如卡車車輪的轉(zhuǎn)動、直升機旋轉(zhuǎn)葉片的轉(zhuǎn)動等等，這里假設(shè)點p繞著點o′作快速旋轉(zhuǎn)運動。

圖3為根據(jù)公式s(t)＝exp(-j70sin(3πt))+1進行的時頻分析結(jié)果，相干時間為1s，采樣率為256；圖4為對圖3的信號進行復(fù)變分模態(tài)分解后所得到的20個模函數(shù)的能量占所有模函數(shù)能量總和的比值，從該圖可以看出，占據(jù)目標(biāo)主體部分的模函數(shù)(即第一個模函數(shù))的能量占據(jù)了大部分能量，將閾值設(shè)為0.1，就可以將目標(biāo)主體部分和微動部分分離開；圖5為通過變分模態(tài)分解算法提取出的目標(biāo)主體部分的時頻圖；圖6為通過變分模態(tài)分解算法提取出的微動部分的時頻圖。

圖7為仿真的點目標(biāo)位置；圖8為采用線性調(diào)頻信號進行的點目標(biāo)仿真的成像結(jié)果；圖9為采用復(fù)變分模態(tài)分解算法提取出的目標(biāo)主體部分；圖10為采用西安電子科技大學(xué)白雪茹教授提出的復(fù)經(jīng)驗?zāi)B(tài)分解算法提取出的目標(biāo)主體部分。五個散射點的旋轉(zhuǎn)中心坐標(biāo)都為(0，0)，中間的散射點代表微動點，微動點的旋轉(zhuǎn)半徑為0.25m，旋轉(zhuǎn)頻率為6.67hz，其余的四個散射點代表目標(biāo)主體，坐標(biāo)分別為(25，0)、(-25，0)、(0，-25)和(0，25)，旋轉(zhuǎn)頻率為0.02hz，雷達載頻為10ghz，系統(tǒng)帶寬為500mhz，整個成像相干積累時間為0.256s，脈沖重復(fù)頻率為2000hz，微動點的后向散射系數(shù)是目標(biāo)主題點散射系數(shù)的一半。圖7采用的是傳統(tǒng)距離多普勒算法獲得的成像結(jié)果。從圖8可以看出，由于微動點的存在，成像結(jié)果出現(xiàn)了一條長的陰影帶，干擾了主體部分的成像。從圖9和圖10可以看出，本發(fā)明提出的基于復(fù)變分模態(tài)分解算法具有比復(fù)經(jīng)驗?zāi)B(tài)分解算法更好的消除微多普勒效應(yīng)對(逆)合成孔徑雷達成像的干擾的效果。

圖11為一輛卡車的實驗成像結(jié)果；圖12為第120個距離單元的時頻分析結(jié)果；圖13為采用本發(fā)明提出的基于復(fù)變分模態(tài)分解算法對卡車實驗數(shù)據(jù)進行分析后提取出的卡車主體部分成像結(jié)果；圖14為采用復(fù)經(jīng)驗?zāi)B(tài)分解算法對卡車實驗數(shù)據(jù)進行分析后提取出的卡車主體部分成像結(jié)果。雷達系統(tǒng)采用的是ka波段的工作頻率，信號為調(diào)頻步進信號，系統(tǒng)帶寬為2ghz，子脈沖的個數(shù)是20個，子脈沖的帶寬是110mhz，載頻從33ghz到35ghz，按照100mhz遞增，相鄰子脈沖的時間間隔是70μs，脈沖重復(fù)頻率是500hz，整個成像的相干積累時間是1.4s。在圖11中，左邊代表著卡車的車頭部分，右邊代表著卡車的車尾部分，在第95個距離單元和第120個距離單元附近出現(xiàn)了比較長的陰影帶，這是由于卡車兩個前輪的快速轉(zhuǎn)動所引起的，這會干擾卡車主體部分的成像。取出第120個距離單元進行時頻分析，分析結(jié)果如圖12所示，從該圖可以看出，目標(biāo)主體部分集中在零多普勒頻率附近，在偏離零多普勒頻率較遠的位置有卡車車輪快速轉(zhuǎn)動引起的額外的多普勒頻率成分。從圖13和圖14可以看出，本發(fā)明提出的基于復(fù)變分模態(tài)分解算法具有比復(fù)經(jīng)驗?zāi)B(tài)分解算法更好的消除微多普勒效應(yīng)對(逆)合成孔徑雷達成像的干擾的效果。

本發(fā)明所提出的消除目標(biāo)微動對雷達成像影響的方法，雖然分析時采用的是線性調(diào)頻信號，但是同樣也適用于步進頻信號、調(diào)頻步進信號等其他雷達體制，實驗數(shù)據(jù)的分析結(jié)果就很好地驗證了這一點。同時，本發(fā)明分析時雖然使用的都是轉(zhuǎn)動目標(biāo)模型，但是本發(fā)明同樣適用于其他的微動形式，比如振動、進動等等。本發(fā)明所提出的方法對實際的(逆)合成孔徑雷達成像具有重要的現(xiàn)實意義。

以上所述的具體實施方式，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施方式而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。