首页 / 专利库 / 诊断设备和程序 / 多普勒成像 / 基于RD算法的时频域混合校正距离徙动的SAR成像方法

基于RD算法的时频域混合校正距离徙动的SAR成像方法

阅读:1030发布:2020-06-01

专利汇可以提供基于RD算法的时频域混合校正距离徙动的SAR成像方法专利检索,专利查询,专利分析的服务。并且基于RD 算法 的时频域混合校正距离徙动的SAR成像方法,本 发明 涉及时频域混合校正距离徙动的SAR成像方法。本发明的目的是为了解决现有时域校正算法不适用于雷达斜视 角 较大的情况,斜视角较大时距离走动校正不明显,成像目标难以识别以及频域校正算法仅适用于雷达斜视角较小的情况,并且对距离徙动,尤其是线性距离走动项的校正效果欠佳,导致方位向聚焦效果较差,甚至 散焦 的问题。一、对雷达数据进行 采样 ,得到原始数据;二、得到S1(fr,tm,R0);三、得到S2(fr,tm,R0);四、得到S3(fr,fa,R0);五、将S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行距离向逆傅里叶变换,得到六、将乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像。本发明用于雷达 信号 处理领域。,下面是基于RD算法的时频域混合校正距离徙动的SAR成像方法专利的具体信息内容。

1.基于RD算法的时频域混合校正距离徙动的SAR成像方法,其特征在于:基于RD算法的时频域混合校正距离徙动的SAR成像方法具体过程为:
步骤一、对雷达数据进行采样,得到原始数据;
步骤二、对原始数据进行距离FFT,将原始数据由时域 变换到频域fr-tm,得到S1(fr,tm,R0);
所述FFT为快速傅立叶变换;为原始数据距离向时域时间;fr为原始数据距离向频域频率;tm为原始数据方位向时域时间,R0为雷达到目标的距离;S1(fr,tm,R0)为原始数据距离向傅里叶变换后的数据;
步骤三、将S1(fr,tm,R0)乘以H1以完成频域fr-tm各点在距离向上的距离徙动补偿一致,得到S2(fr,tm,R0);
H1为线性相位函数;S2(fr,tm,R0)为S1(fr,tm,R0)补偿一致后的数据;
步骤四、对步骤三完成的补偿一致后的数据S2(fr,tm,R0)进行方位FFT,将补偿一致后的数据由频域fr-tm变换到二维频域fr-fa,得到S3(fr,fa,R0);
fa为原始数据方位向频域频率,S3(fr,fa,R0)为S2(fr,tm,R0)方位向傅里叶变换后的数据;
步骤五、将步骤四变换到二维频域fr-fa后的数据S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行距离向逆傅里叶变换,得到
H2为距离徙动校正以及冲压缩函数, 为S3(fr,fa,R0)距离徙动校正以及脉冲压缩并进行距离向逆傅里叶变换后的数据;
步骤六、将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像;
IFFT为逆傅立叶变换,SAR为合成孔径雷达
所述步骤三中将S1(fr,tm,R0)乘以H1以完成频域fr-tm各点在距离向上的距离徙动补偿一致,得到S2(fr,tm,R0);
H1为线性相位函数;S2(fr,tm,R0)为S1(fr,tm,R0)补偿一致后的数据;
具体过程为:
将原始数据从时域 变换到频域fr-tm得S1(fr,tm,R0),然后将S1(fr,tm,R0)乘以线性相位函数H1,得到S2(fr,tm,R0),H1为H1(fr,tm,R0)
式中,ΔR(tm)=-(Vsinθ0)tm,j为虚数,j2=-1;ΔR(tm)为雷达到目标的距离差,ΔR(tm)为随tm变化的变量;C为光速3×108m/s;fc为雷达信号的频率;V为雷达速度;θ0为雷达斜视,0°≤θ0≤90°;
所述步骤五中将步骤四变换到二维频域fr-fa后的数据S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行逆傅里叶变换,得到
H2为距离徙动校正以及脉冲压缩函数, 为S3(fr,fa,R0)距离徙动校正以及脉冲压缩并进行逆傅里叶变换后的数据;
具体过程为:
将S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行距离向逆傅里叶变换,得到 H2为H2(fr,fa,R0);
式中,γ是线性调频率,为雷达信号频带宽度与信号脉冲宽度的比值;λ是雷达信号波长
所述步骤六中将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像;
IFFT为逆傅立叶变换,SAR为合成孔径雷达;
具体过程为:
将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像,方位脉压匹配函数H3为
式中,faM为 方位向多普勒频率的最大值。

说明书全文

基于RD算法的时频域混合校正距离徙动的SAR成像方法

技术领域

[0001] 本发明涉及时频域混合校正距离徙动的SAR成像方法。

背景技术

[0002] 在机载SAR对场景成像过程中,由于合成孔径雷达为宽频带发射信号,近场工作的大阵列,点目标回波在距离向与方位向必然会存在耦合现象,具体表现为系统响应在快时间域与慢时间域( 坐标)二维平面呈现为曲线,即距离徙动。现考察最为一般的机载SAR斜视模型,该模型下波束射线指向的斜视为θ0,雷达合成孔径中心记为A点,它在X轴的位置为X0(=RBtanθ0),RB为雷达航线与目标场景中心线的垂直距离,距点目标P的距离为R0=(RBsecθ0),有效合成孔径长度为L。为了得到斜视模型下雷达到目标距离R的近似式,以天线波束中心线指向目标时雷达的位置(X=X0)为基准,根据斜视SAR模型的几何关系,可以得到载机沿航线飞行时位于某一坐标X(记为A’点)的瞬时斜距:
[0003]
[0004] 由于L<<R0,对式(2-1)在X=X0附近作泰勒级数展开,省略(x-x0)的三次项以上的高次项,可以得到式(2-1)的近似式:
[0005]
[0006] 即有
[0007]
[0008] 式(2-3)表明,在合成孔径某处(X)到目标的距离与阵列中心A(X=X0)到该目标的距离差有(X=X0)的一次项和二次项所组成,通常把一次项(即线性项)称为距离走动,将二次项称为距离弯曲。
[0009] 传统的RD算法对于距离徙动有时域校正和频域校正两种方式。其中,时域校正算法利用系统匹配函数分别对成像场景的距离向和方位向进行匹配滤波,距离徙动的校正是在距离向冲压缩时乘以线性相位因子来完成的,这种方法可以很好地校正雷达成像中的线性距离走动,但是不适用于雷达斜视角较大的情况,斜视角较大时距离走动校正不明显,成像目标难以识别。频域校正算法将场景回波信号进行二维傅里叶变换,在频域通过乘以频率函数进行二维去耦和脉冲压缩,再变换到距离-多普勒域对方位向匹配滤波,最后进行方位逆傅里叶变换完成方位压缩,这样就完成了整个频域校正距离徙动的成像算法。但是这种算法仅适用于雷达斜视角较小的情况,并且对距离徙动,尤其是线性距离走动项的校正效果欠佳,导致方位向聚焦效果较差,甚至散焦

发明内容

[0010] 本发明的目的是为了解决现有时域校正算法不适用于雷达斜视角较大的情况,斜视角较大时距离走动校正不明显,成像目标难以识别以及频域校正算法仅适用于雷达斜视角较小的情况,并且对距离徙动,尤其是线性距离走动项的校正效果欠佳,导致方位向聚焦效果较差,甚至散焦的问题,而提出基于RD算法的时频域混合校正距离徙动的SAR成像方法。
[0011] 基于RD算法的时频域混合校正距离徙动的SAR成像方法具体过程为:
[0012] 步骤一、对雷达数据进行采样,得到原始数据;
[0013] 步骤二、对原始数据进行距离FFT,将原始数据由时域 变换到频域fr-tm,得到S1(fr,tm,R0);
[0014] 所述FFT为快速傅立叶变换;为原始数据距离向时域时间;fr为原始数据距离向频域频率;tm为原始数据方位向时域时间,R0为雷达到目标的距离;S1(fr,tm,R0)为原始数据距离向傅里叶变换后的数据;
[0015] 步骤三、将S1(fr,tm,R0)乘以H1以完成fr-tm各点在距离向上的距离徙动补偿一致,得到S2(fr,tm,R0);
[0016] H1为线性相位函数;S2(fr,tm,R0)为S1(fr,tm,R0)补偿一致后的数据;
[0017] 步骤四、对步骤三完成的补偿一致后的数据S2(fr,tm,R0)进行方位FFT,将补偿一致后的数据由时域fr-tm变换到二维频域fr-fa,得到S3(fr,fa,R0);
[0018] fa为原始数据方位向频域频率,S3(fr,fa,R0)为S2(fr,tm,R0)方位向傅里叶变换后的数据;
[0019] 步骤五、将步骤四变换到二维频域fr-fa后的数据S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行距离向逆傅里叶变换,得到
[0020] H2为距离徙动校正以及脉冲压缩函数, 为S3(fr,fa,R0)距离徙动校正以及脉冲压缩并进行距离向逆傅里叶变换后的数据;
[0021] 步骤六、将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像;
[0022] IFFT为逆傅立叶变换,SAR为合成孔径雷达。
[0023] 本发明的有益效果为:
[0024] 在相同的雷达参数模型下,如本发明给出的参数模型,传统时域校正方法在斜视角为10°以内校正效果尚佳,斜视角大于15°后距离徙动校正不明显,导致方向压缩效果差,目标混叠难以识别;传统频域校正方法在斜视角8°以内可以校正距离徙动,斜视角大于10°时徙动校正难以实现,导致方位压缩出现散焦,目标难以识别,而时频域混合校正方法可在雷达斜视角60°以内对距离徙动进行良好地校正,保证方位向的聚焦效果,对场景中的目标清晰成像。综上,机载SAR时频域混合校正距离徙动算法对距离徙动的校正、方位聚焦效果以及场景成像效果都要比传统的两种RD算法好。附图说明
[0025] 图1为本发明时频域混合校正距离徙动流程图
[0026] 图2为传统时域校正方法距离压缩图;
[0027] 图3为传统时域校正方法方位压缩图;
[0028] 图4为传统时域校正方法三维成像图;
[0029] 图5为传统频域校正方法距离压缩图;
[0030] 图6为传统频域校正方法方位压缩图;
[0031] 图7为传统频域校正方法三维成像图;
[0032] 图8为本发明时频域混合校正方法距离压缩图;
[0033] 图9为本发明时频域混合校正方法方位压缩图;
[0034] 图10为本发明时频域混合校正方法三维成像图。

具体实施方式

[0035] 具体实施方式一:结合图1说明本实施方式,本实施方式的基于RD算法的时频域混合校正距离徙动的SAR成像方法具体过程为:
[0036] 步骤一、对雷达数据进行采样,得到原始数据;采用MATLAB对雷达数据进行采样,得到原始数据;该模型为机载SAR,雷达架设在飞机上;
[0037] 步骤二、对原始数据进行距离FFT,将原始数据由时域 变换到频域fr-tm,得到S1(fr,tm,R0);
[0038] 所述FFT为快速傅立叶变换;为原始数据距离向时域时间;fr为原始数据距离向频域频率;tm为原始数据方位向时域时间,R0为雷达到目标的距离;S1(fr,tm,R0)为原始数据距离向傅里叶变换后的数据;
[0039] 步骤三、将S1(fr,tm,R0)乘以H1以完成fr-tm各点在距离向上的距离徙动补偿一致,得到S2(fr,tm,R0);
[0040] H1为线性相位函数;S2(fr,tm,R0)为S1(fr,tm,R0)补偿一致后的数据;
[0041] 步骤四、对步骤三完成的补偿一致后的数据S2(fr,tm,R0)进行方位FFT,将补偿一致后的数据由时域fr-tm变换到二维频域fr-fa,得到S3(fr,fa,R0);
[0042] fa为原始数据方位向频域频率,S3(fr,fa,R0)为S2(fr,tm,R0)方位向傅里叶变换后的数据;
[0043] 步骤五、将步骤四变换到二维频域fr-fa后的数据S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行距离向逆傅里叶变换,得到
[0044] H2为距离徙动校正以及脉冲压缩函数, 为S3(fr,fa,R0)距离徙动校正以及脉冲压缩并进行距离向逆傅里叶变换后的数据;
[0045] 步骤六、将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像;
[0046] IFFT为逆傅立叶变换,SAR为合成孔径雷达。
[0047] 具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤三中将S1(fr,tm,R0)乘以H1以完成fr-tm各点在距离向上的距离徙动补偿一致,得到S2(fr,tm,R0);
[0048] H1为线性相位函数;S2(fr,tm,R0)为S1(fr,tm,R0)补偿一致后的数据;
[0049] 具体过程为:
[0050] 将原始数据从 域变换到fr-tm域得S1(fr,tm,R0),然后将S1(fr,tm,R0)乘以线性相位函数H1,得到S2(fr,tm,R0)
[0051]
[0052] 式中,△R(tm)=-(Vsinθ0)tm,
[0053] j为虚数,j2=-1;△R(tm)为雷达到目标的距离差,△R(tm)为随tm变化的变量;C为光速3×108m/s;fc为雷达信号的频率;V为雷达速度;θ0为雷达斜视角,0°≤θ0≤90°。
[0054] 其它步骤及参数与具体实施方式一相同。
[0055] 具体实施方式三:本实施方式与具体实施方式一或二不同的是:所述步骤五中将步骤四变换到二维频域fr-fa后的数据S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行逆傅里叶变换,得到
[0056] H2为距离徙动校正以及脉冲压缩函数, 为S3(fr,fa,R0)距离徙动校正以及脉冲压缩并进行逆傅里叶变换后的数据;
[0057] 具体过程为:
[0058] 将S3(fr,fa,R0)乘以H2在频域上完成距离徙动校正以及距离压缩并进行距离向逆傅里叶变换,得到
[0059]
[0060] γ是线性调频率,为雷达信号频带宽度与信号脉冲宽度的比值;λ是雷达信号波长
[0061] 其它步骤及参数与具体实施方式一或二相同。
[0062] 具体实施方式四:本实施方式与具体实施方式一至三之一不同的是:所述步骤六中将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像;
[0063] IFFT为逆傅立叶变换,SAR为合成孔径雷达;
[0064] 具体过程为:
[0065] 将 乘以方位脉压匹配函数H3并进行方位IFFT,得到SAR图像,方位脉压匹配函数H3为
[0066]
[0067] faM为 方位向多普勒频率的最大值;
[0068] 其它步骤及参数与具体实施方式一至三之一相同。
[0069] 采用以下实施例验证本发明的有益效果:
[0070] 实施例一:
[0071] 本实施例基于RD算法的时频域混合校正距离徙动的SAR成像方法具体是按照以下步骤制备的:
[0072] 现提供一种参数模型:
[0073] 表7-1时频域混合校正距离徙动算法的基本参数值
[0074]
[0075] 点目标的仿真结果如图2、3、4、5、6、7、8、9、10;图2为传统时域校正方法距离压缩图;图3为传统时域校正方法方位压缩图;图4为传统时域校正方法三维成像图;图5为传统频域校正方法距离压缩图;图6为传统频域校正方法方位压缩图;图7为传统频域校正方法三维成像图;图8为本发明时频域混合校正方法距离压缩图;图9为本发明时频域混合校正方法方位压缩图;图10为本发明时频域混合校正方法三维成像图。从图8和图2,图5的对比结果可明显得出本发明方法距离徙动校正效果优于传统方法。从图9和图3,图6的对比结果可明显得出本发明方法方位聚焦效果优于传统方法。从图10和图4,图7的对比结果可明显得出本发明方法场景成像效果要比传统方法好。
[0076] 本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈