基于降雨衰减模型的雨区合成孔径雷达成像仿真方法

申请号 CN201710157398.3 申请日 2017-03-16 公开(公告)号 CN107024698A 公开(公告)日 2017-08-08
申请人 河海大学; 发明人 陈嘉琪; 林佳楠; 李静; 刘海韵; 王峰; 平学伟;
摘要 本 发明 公开了基于降雨衰减模型的雨区 合成孔径雷达 成像仿真方法,包括1)建立降雨衰减 预测模型 ;2)根据物理光学方法建立计算SAR回波的模型;3)进行无 水 环境和降水环境的成像仿真,本发明能够确定降雨衰减的主要影响,定量地分析降水是如何在不同频段内影响任意三维复杂目标成像。
权利要求

1.基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,其特征在于,包括如下步骤:
1)建立降雨衰减预测模型
2)根据物理光学方法建立计算SAR回波的模型;
3)进行无环境和降水环境的成像仿真。
2.根据权利要求1所述的基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,其特征在于:所述步骤(1)建立雨衰预测模型,具体为:在奥尔森提出的系数的基础上,提供一系列的解析表达式,改善雨衰减预测模型:
2
k=[kH+kV+(kH-kV)cosθcos2τ}/2   (4)
α=[kHαH+kVαV+(kHαH-kVαV)cos2θcos2τ]/2k   (5)
其中kH,kV,αH和αV的解析表达式通过使用“最佳拟合”方法被确定为一个频率的函数(in GHz)。
3.根据权利要求1所述的基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,其特征在于:根据物理光学方法建立计算SAR回波的模型为:设雷达传送线性调频脉冲为st(t)st(t)=rect(τ)exp{2πfcτ}exp{jπkτ2}   (6)
其中rect表示矩形窗函数、fc表示载波频率,τ表示快速的时间;
描述解调的基带SAR回波信号为:
其中λ是波长和c表示光速,散射体和天线之间的距离R可以表示为:
建立等效电流模型。
4.根据权利要求1所述的基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,其特征在于:所述步骤3)中的无水环境的成像仿真为起重机模型与距离-多普勒算法一起使用,以获得相应的成像效果。
5.根据权利要求1所述的基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,其特征在于:所述步骤3)中的降水环境的成像仿真为将F-15战斗机模型与距离-多普勒算法一起使用来获得相应的成像结果。
6.根据权利要求3所述的基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,其特征在于,所述等效电流模型为:
其中J和M表示的电场磁场的电流。Ei和Hi是入射场,而Es和Hs分别是边界上的散射场。

说明书全文

基于降雨衰减模型的雨区合成孔径雷达成像仿真方法

技术领域

[0001] 本发明属于气象观测技术领域,尤其涉及基于降雨衰减模型的雨区合成孔径雷达成像仿真方法。

背景技术

[0002] 合成孔径雷达(SAR)是一种能产生更高分辨率的图像的雷达形式。与多个固定天线不同,SAR可以通过在相对较大面积中移动一个或多个天线来获得极大口径。因此,在方位方向采用合成孔径技术可以获得高分辨率。在范围-方向,宽波段脉冲传输信号通过采用冲压缩技术使范围分辨率高。SAR由于其高分辨率以及全天候、全天时检测、调查和追踪等功能的能,在遥感和测绘方面有着广泛的应用。
[0003] 然而,当雷达波沿传播路径通过降媒介时SAR图像可能被高强度降雨严重损坏。对于降雨衰减效应的分析,衰减可方便地分为两大类,即散射衰减和吸收损耗。当电磁波波长远远大于降水粒子的大小时散射衰减起着决定性的作用。然而,当频率增加时吸收损耗将会是衰减的主要原因。
[0004] 降雨衰减是在确定微波和毫米波系统的可靠性中最重要因素之一,具体的降雨衰减是地面和地球空间路径的降雨衰减统计计算中的基本量。传统实证过程基于具体降雨衰减和降雨率之间的近似关系,对于特定频率,降雨率以表格的形式被广泛应用。所以当所需的频率不在表中时,有的需要使用插值方法,导致费时和不精确。

发明内容

[0005] 针对现有技术存在的问题,提供一种基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,确定降雨衰减的主要影响,定量地分析降水是如何在不同频段内影响任意三维复杂目标成像。
[0006] 本发明的上述技术问题主要是通过下述技术方案得以解决的:
[0007] 本发明的基于降雨衰减模型的雨区合成孔径雷达成像仿真方法,包括如下步骤:
[0008] 1)建立降雨衰减预测模型
[0009] 2)根据物理光学方法建立计算SAR回波模型;
[0010] 3)进行无水环境和降水环境的成像仿真。
[0011] 进一步的,所述步骤(1)建立雨衰预测模型,具体为:在奥尔森提出的系数的基础上,提供一系列的解析表达式,改善雨衰减预测模型:
[0012] k=[kH+kV+(kH-kV)cos2θcos 2τ]/2   (4)
[0013] α=[kHαH+kVαV+(kHαH-kVαV)cos2θcos 2τ]/2k   (5)
[0014] 其中kH,kV,αH和αV的解析表达式通过使用“最佳拟合”方法被确定为一个频率的函数(in GHz)。
[0015] 进一步的,根据物理光学方法建立计算SAR回波的模型为:设雷达传送线性调频脉冲为st(t)
[0016] st(t)=rect(τ)exp{2πfcτ}exp{jπkτ2}   (6)
[0017] 其中rect表示矩形窗函数、fc表示载波频率,τ表示快速的时间;
[0018] 描述解调的基带SAR回波信号为:
[0019] 其中λ是波长和c表示光速,散射体和天线之间的距离R可以表示为:
[0020] 建立等效电流模型。
[0021] 所述等效电流模型为:
[0022]
[0023]
[0024] 其中J和M表示的电场磁场的电流。Ei和Hi是入射场,而Es和Hs分别是边界上的散射场。
[0025] 进一步的,所述步骤3)中的无水环境的成像仿真为起重机模型与距离-多普勒算法一起使用,以获得相应的成像效果。
[0026] 进一步的,所述步骤3)中的降水环境的成像仿真为将F-15战斗机模型与距离-多普勒算法一起使用来获得相应的成像结果。
[0027] 本发明的有益效果是:
[0028] 1、确定降雨衰减的主要影响,定量地分析降水是如何在不同频段内影响任意三维复杂目标成像;
[0029] 2、描述雨衰减预测模型,定量研究在不同频率下降雨率和衰减之间的关系;
[0030] 3、介绍物理光学方法,用于产生观测目标的回波数据,范围-多普勒算法用于完成成像过程;
[0031] 4、基于物理光学反射回波的降水环境三维复杂物体合成孔径雷达成像仿真方法将有助于未来降雨环境下目标特征提取与识别的研究。附图说明
[0032] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0033] 图1是两个模型中的系数k对频率的关系;
[0034] 图2是两个模型中的系数α对频率的关系;
[0035] 图3是不同的降雨率下特定衰减对频率的关系;
[0036] 图4是特定衰减对频率和降雨率的关系;
[0037] 图5是降雨区域模型;
[0038] 图6是F-15战斗机的结构;
[0039] 图7a是方位为0°时C波段下不受影响的模拟SAR图像;
[0040] 图7b是方位角为0°时C波段下小雨中的模拟SAR图像;
[0041] 图7c是方位角为0°时C波段下中雨中的模拟SAR图像;
[0042] 图7d是方位角为0°时C波段下大雨中的模拟SAR图像;
[0043] 图8a是方位角为0°时Ku波段下不受影响的模拟SAR图像;
[0044] 图8b是方位角为0°时Ku波段下小雨中的模拟SAR图像;
[0045] 图8c是方位角为0°时Ku波段下中雨中的模拟SAR图像;
[0046] 图8d是方位角为0°时Ku波段下大雨中的模拟SAR图像;
[0047] 图9a是方位角为0°时Ka波段下不受影响的模拟SAR图像;
[0048] 图9b是方位角为0°时Ka波段下小雨中的模拟SAR图像;
[0049] 图9c是方位角为0°时Ka波段下中雨中的模拟SAR图像;
[0050] 图9d是方位角为0°时Ka波段下大雨中的模拟SAR图像;
[0051] 图10a是方位角为90°时C波段下不受影响的模拟SAR图像;
[0052] 图10b是方位角为90°时C波段下小雨中的模拟SAR图像;
[0053] 图10c是方位角为90°时C波段下中雨中的模拟SAR图像;
[0054] 图10d是方位角为90°时C波段下大雨中的模拟SAR图像;
[0055] 图11a是方位角为90°时Ku波段下不受影响的模拟SAR图像;
[0056] 图11b是方位角为90°时Ku波段下小雨中的模拟SAR图像;
[0057] 图11c是方位角为90°时Ku波段下中雨中的模拟SAR图像;
[0058] 图11d是方位角为90°时Ku波段下大雨中的模拟SAR图像;
[0059] 图12a是方位角为90°时Ka波段下不受影响的模拟SAR图像;
[0060] 图12b是方位角为90°时Ka波段下小雨中的模拟SAR图像;
[0061] 图12c是方位角为90°时Ka波段下中雨中的模拟SAR图像;
[0062] 图12d是方位角为90°时Ka波段下大雨中的模拟SAR图像;
[0063] 图13是本发明流程图

具体实施方式

[0064] 下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
[0065] Danklmayer详细分析了雨衰减对TERRASAR-X图像的影响。然而,基于实测数据的研究通常有局限性并且昂贵。回波是入射波照射下的目标散射。通过求解麦克斯韦方程组,回波可以比点目标模态更精确地计算。在电磁学中的很多数值算法可用于散射问题,如矩量法(MoM),物理光学法(PO)等。本专利提出利用降雨衰减模型结合物理光学方法建立雨区合成孔径雷达成像仿真系统。数值算例仿真了三个典型的频带——C、Ku和Ka波段,说明降水衰减对SAR系统的影响
[0066] 如图1至图13所示,基于物理光学反射回波的降水环境三维复杂物体合成孔径雷达成像仿真方法,包括以下步骤:
[0067] (1)建立降雨衰减预测模型:简要地解决雨衰减预测模型在合成孔径雷达成像中的问题;
[0068] (2)由物理光学计算的SAR回波:提出由物理光学方法计算SAR回波的理论与公式;
[0069] (3)得出仿真结果:包括无水环境和降水环境中的仿真。
[0070] 下面对这三个步骤进行详细说明:
[0071] (1)建立降雨衰减预测模型:
[0072] 基于具体衰减γR和降雨率R之间近似关系的实证过程可以描述为︰[0073] γR=kRα   (1)
[0074] 回归系数k和α首先由奥尔森给出
[0075]
[0076]
[0077] 其中
[0078] Gk=6.39×10-5,Ek=2.03,f<2.9GHz
[0079] Gk=4.21×10-5,Ek=2.42,2.9GHz≤f<54GHz
[0080] Gk=4.09×10-2,Ek=0.699,54GHz≤f<180GHz
[0081] Gk=3.38,Ek=-0.151,f≥180GHz
[0082] Gα=0.851,Eα=0.158,f<8.5GHz
[0083] Gα=1.41,Eα=-0.0779,8.5GHz≤f<25GHz
[0084] Gα=2.63,Eα=-0.272,25GHz≤f<164GHz
[0085] Gα=0.616,Eα=0.0126,f≥164GHz
[0086] 作为球形雨滴的假设,奥尔森提出的系数不能反映偏振信息。本发明提供一系列的解析表达式,改善雨衰减预测模型
[0087] k=[kH+kV+(kH-kV)cos2θcos 2τ]/2   (4)
[0088] α=[kHαH+kVαV+(kHαH-kVαV)cos2θcos 2τ]/2k   (5)
[0089] (4),(5)中kH,kV,αH和αV的解析表达式通过使用“最佳拟合”方法被确定为一个频率的函数(in GHz)
[0090]
[0091]
[0092]
[0093]
[0094] 图1和2分别描述回归系数k和α在上述两个模型中对频率的变化。比较拟合结果,并发现新的表达式具有更高的精度并且依然简洁。基于后者回归系数表达式,对频率和降雨率的特定衰减的变化如图3和图4所示。可观察到特定衰减在低频段很小(低于10GHz)。例如,在4Ghz频率50.8mm/h降雨率的衰减只有0.05dB/km。然而,对于更高的频率,在Ka波段即使2.54mm/h的降雨会导致0.4dB/km的衰减。在那个时候,降雨衰减对雷达系统的影响也不容忽视。
[0095] (2)由物理光学计算的SAR回波:
[0096] 1、回波公式化
[0097] 假设雷达传送线性调频(LFM)脉冲st(t)
[0098] st(t)=rect(τ)exp{2πfcτ}exp{jπkτ2}   (6)
[0099] 其中rect表示矩形窗函数、fc表示载波频率,而τ表示快速的时间。
[0100] 只考虑SAR信号的相函数,忽略初始相位。可以描述解调的基带SAR回波信号为[0101]
[0102] 其中λ是波长和c表示光的速度,k为调频率。散射体和天线之间的距离R可以表示为
[0103]
[0104] 其中R0是最接近的的范围,v是SAR的速率,t是缓慢时间。(7)中的第一项描述方位调制。它由解调后剩下的相位组成。它完全是载波频率和变化范围到目标的函数。第二项是被双程传送到目标延迟的传输chirp。如果带宽减少到一个单一的频率,第二项会为零,但我们仍有同样的方位调制。
[0105] 2、由物理光学的回波
[0106] 如果任何对象被认为是带有恒定能量的多点源,那么容易使用点目标模型,通过方程来计算回波(7)。然而,它在实际环境中并不正确。虽然物理光学方法是高频率的方法,但是它比点目标模型是一个更好的选择,因为目标往往是带电的大物体。通过高频率的假设,PO方法近似计算表面的等效电和磁电流。来自物体的散射通过由电场和磁场的电流激发的远场的表面积分计算。有两个假设必须关注:
[0107] (1)与波长相比,表面上的任意点处的曲率半径是足够大的;
[0108] (2)表面的电场和磁场电流只存在于由入射波直接照射的区域。
[0109] 根据PO等价,表面的电场和磁场电流可以通过入射电磁场的切向分量的旋度确定。目标表面上的等效电流的公式是
[0110]
[0111]
[0112] 其中J和M表示的电场和磁场的电流。Ei和Hi是入射场,而Es和Hs分别是边界上的散射场。对于完美导体(PEC),将 和 代入(9)和(10)
[0113]
[0114] Mpo=0   (12)
[0115] 显然,PO电流容易计算,但PO积分比较困难。PO积分推导为
[0116]
[0117] 其中Es是远区散射电场。Z0是自由空间的固有阻抗。
[0118] 是目标表面元素的单位法向量。r是观察者的点位置向量,是观察方向的单位向量。r’是目标的边界上的辐射源。为了计算远场散射,用一个更简单的形式重写此积分方程[0119]
[0120] 其中s表示第i个网格单元格。如果整个表面由平面三角形网格划分,这个积分可以用路德维希的方法评价。
[0121] 3、成像算法
[0122] 在范围方向和方位方向的傅里叶变换(7)后,回波的相位被传输到[0123]
[0124]
[0125] 其中fτ和ft是在范围和方位方向的频率坐标。RD算法可以用泰勒级数(15)逼近形成。带平方根项的相位可以被扩展为
[0126]
[0127] 第一项是在距离压缩步骤中的已校正线性调频调制。第二项是在方位角压缩过程中的方位角调制校正。第三项是二次距离压缩(SRC)可能弥补被忽略的高阶项。这三个术语的补偿程序是RD算法的思想,它可以用来获取SAR图像。
[0128] (3)得出仿真结果:
[0129] 降水环境中的仿真
[0130] 降雨率在不同频率波段SAR图像中造成明显的衰减,为计算降雨率,用经典模型,如图5所示。降雨高度假设为4公里,降雨率在这个模型中被认为是均匀的。雷达波的俯仰角选为60°。通过使用步骤1中提到的回归系数的预测模型,可以获得在任意频率的特定衰减。
[0131] 为研究在不同的频带和各降雨率中三维物体的SAR成像性能,如图6所示的F-15战斗机模型与距离-多普勒算法一起使用来获得相应的成像结果。这个复杂的三维物体被考虑作为PEC,表面电流只可以由(11)计算。在仿真中,传输信号的中心频率在C、Ku和Ka波段中分别设置为6GHz、15GHz和30GHz,而信号的带宽是都设置为600MHz。
[0132] 图7-9和图10-12展示当观察的方位角设置为0°和90°时在C、Ku和Ka波段不同降雨率的成像结果。降水对C波段SAR成像的影响甚微。即使在大雨情况(50mm/h),在C波段,全双向衰减也小于3dB,这在SAR图像中并不明显。在频率较低时降水导致的散射衰减是在很大程度上使能量损失。因此可以得出结论,降雨后向散射通常对SAR成像影响不大。随着频率的增加,在小雨(2mm/h)中Ku波段图像与参考图像也是几乎相同的。相比之下,当降雨率增加至50mm/h,在Ku波段SAR图像将出现明显的模糊。这意味着,当降雨强度大于10mm/h时降水衰减的影响必须在Ku波段考虑。Ka波段SAR成像结果如图9和图12所示。显然,即使是小雨的影响也可以在图像中看到。中等强度降水将使SAR图像严重恶化。而如果是大雨,Ka波段图像就会完全模糊。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
QQ群二维码
意见反馈