الگوريتم تمركز خودكار سريع پارامتري در رادار دهانه مصنوعي معكوس مبتني بر آنتروپي و تجزيه به مقادير ويژه

Fast Parametric ISAR Autofocus Algorithm Based on Entropy and Eigenvalue Decomposition

در اين مقاله يك روش سريع پارامتري مبتني بر تجزيه به مقادير ويژه و روش حداقل آنتروپي براي تمركز خودكار در رادار دهانه مصنوعي معكوس (ISAR) ارايه مي­گردد كه نسبت به روش­هاي معمول تمركز خودكار، بار محاسباتي كمتري دارد. در اين روش، ماترس كوواريانس داده ISAR فشرده شده و همتراز شده در جهت برد تشكيل شده و با استفاده از روش تجزيه به مقادير ويژه، سيگنال و نويز جدا مي­شوند. سپس از بردار‌‌‌‌‌­هاي ويژه مربوط به سيگنال كه خيلي كمتر از كل بردار­هاي ويژه هستند تبديل فوريه گرفته مي­شود. در نهايت با استفاده از روش­هاي تمركز خودكار مرسوم بر روي تصوير به‌دست آمده خطاي فاز استخراج مي­گردد. در اين مقاله از روشي پارامتري مبتني بر آنتروپي براي اين كار استفاده شده است. نتايج به‌دست آمده از شبيه ­سازي نشان مي­دهد كه با وجود كاهش بار محاسباتي، كارايي الگوريتم در جبران حركت هدف حفظ شده است.

In this paper, a fast-parametric method for ISAR autofocus is proposed which is based on the minimum entropy method and eigenvalue decomposition, and has less computational complexity than that of conventional autofocus methods. In this technique, the covariance matrix of the range compressed and aligned data is formed and by utilizing eigenvalue decomposition, signal and noise are separated. Then, the Fourier transform of the signal eigenvectors which are much smaller than the total eigenvectors is taken. Finally, by applying the conventional autofocus approaches to the image of eigenvectors, the phase error is estimated. In this paper, a parametric method based on entropy is utilized. The simulation results show that although the computational complexity is decreased, the performance of the algorithm is maintained.