CN101398486B - 星载sar原始数据压缩的方位向流水处理方法和装置 - Google Patents
星载sar原始数据压缩的方位向流水处理方法和装置 Download PDFInfo
- Publication number
- CN101398486B CN101398486B CN2007101224724A CN200710122472A CN101398486B CN 101398486 B CN101398486 B CN 101398486B CN 2007101224724 A CN2007101224724 A CN 2007101224724A CN 200710122472 A CN200710122472 A CN 200710122472A CN 101398486 B CN101398486 B CN 101398486B
- Authority
- CN
- China
- Prior art keywords
- data
- orientation
- value
- output
- stream treatment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明星载SAR原始数据压缩的方位向流水处理方法及装置,方法包括:对采样数据绝对值进行距离向和方位向分块累加,以求取分块采样数据幅度均值;将分块采样数据绝对值与幅度均值构成地址;用地址查找量化编码表,输出量化编码结果。装置包括:以分块采样数据为输入端的数据分配器;对数据分配器输出进行距离向和方位向累加的累加器阵列;将累加器阵列累加结果选择输出的数据选择器;对数据选择器输出的分块幅度均值进行缓存的数据锁存器;将采样数据绝对值与数据锁存器输出的分块幅度均值形成地址形成器,量化并输出量化编码结果。本发明克服方位向递推方式流水处理应用范围的局限性,使得压缩算法在不同情况下均具有较好的压缩性能。
Description
技术领域
本发明属于星载SAR原始数据压缩领域,涉及一种方位向流水处理方法和装置,它适用于所有基于分块处理的原始数据压缩算法。其主要目的是保证星载SAR原始数据压缩算法中方位向各个分块数据标准差估计的稳健性,从而保证压缩算法的压缩性能。
背景技术
星载SAR原始数据压缩是解决星载SAR获取的大数据量与星上数据传输带宽难以匹配问题的有效途径。目前,尽管星上压缩算法种类繁多,但折衷考虑压缩算法的性能与其硬件实现的复杂性,能够实用的只有BAQ(Block Adaptive Quantization)及BFPQ(Block FloatingPoint Quantization)。前者是针对定点数的时域压缩算法,后者是针对浮点数的时域压缩算法。以上两种算法硬件实现时,均需要对回波数据分块处理。其中,方位向流水处理采用块间递推的方式,即应用前一分块的标准差归一化后一分块数据。其中,为了简化块内数据的标准差求解过程,可采用求解块内数据的幅度均值,然后非线性映射为标准差的方法,映射曲线如图1所示。具体实现时,由于块内数据的幅度均值与标准差存在一一映射关系,因此仅需要求解块内数据的幅度均值即可,标准差的映射过程隐含于编码表内,即以块内数据的幅度均值为地址查找编码表来实现量化与编码,而不必再单独计算标准差。
块内信号幅度均值与信号标准差非线性映射关系如公式(1)所示,
其中, σ为ADC输入信号标准差。
方位向递推方式流水处理的原理请参考图2所示。为了说明方便,以方位向分块尺寸为3个脉冲为例。如图2所示,分别求取各个子块内数据的幅度均值a,b,c,d…,然后将a作为第二个子块的幅度均值估计,b作为第三个子块的幅度均值估计,并以此顺序递推处理。
如前所述,方位向递推方式流水处理虽然实现简便,但是当方位向分块尺寸较大或者块间统计平稳性较差时,该方法估计性能明显下降,从而导致压缩算法性能下降。
发明内容
为了克服方位向递推方式流水处理在方位向分块尺寸较大或者块间统计平稳性较差时估计性能的不足,本发明提供一种星载SAR原始数据压缩的基于方位向滑动窗方式的流水处理方法和装置。
本发明方法针对块间平稳性较差的数据以及方位向分块尺寸较大时的情况,均比方位向递推处理具有更好的估计性能。
下面叙述本发明解决问题的技术方案,一方面,本发明提供星载SAR原始数据压缩的一种方位向流水处理方法步骤包括如下:
步骤1:对采样数据绝对值进行距离向和方位向分块累加,以求取分块采样数据幅度均值;
步骤2:将分块采样数据绝对值与幅度均值构成地址;
步骤3:用地址查找量化编码表,输出量化编码结果。
根据本发明的实施例,所述的距离向累加为脉冲重复周期内累加,即累加数据均来自于同一脉冲回波的采集数据。
根据本发明的实施例,所述的方位向累加为脉冲重复周期间的累加,即累加多条距离向的数据,累加采用滑动窗方式,即不更新全部脉冲采样,保留部分旧数据参与统计。
第二方面,本发明提供星载SAR原始数据压缩的一种方位向流水处理装置,包括:
一个以分块采样数据为输入端的数据分配器;
一个对数据分配器输出进行距离向和方位向累加的累加器阵列;
一个将累加器阵列累加结果选择输出的数据选择器;
一个对数据选择器输出的分块幅度均值进行缓存的数据锁存器;
一个将采样数据绝对值与数据锁存器输出的分块幅度均值进行地址形成的地址形成器;
一个存放在RAM中的量化编码表,输出量化编码结果。
根据本发明的实施例,所述的距离向和方位向累加器阵列,由若干个距离向和方位向累加器单元组成,累加器单元数由距离向分块个数决定。
根据本发明的实施例,所述的方位向累加器单元,是通过构造一个滑动寄存器组来实现距离向累加值在方位向上流水处理。
根据本发明的实施例,所述的滑动寄存器组的操作包括:滑动操作和累加操作。
根据本发明的实施例,所述的滑动操作,在启动滑动寄存器组即响应触发时钟时,其中第一个滑动寄存器读入新的距离向累加值,后一个滑动寄存器读取前一个滑动寄存器的累加值,且最后一个滑动寄存器的累加值直接栈出被覆盖。
根据本发明的实施例,所述的累加操作,对滑动寄存器组内各寄存器的累加值进行累加,其和即为分块数据的幅度均值。
根据本发明的实施例,所述的数据分配器和数据选择器均以计数器为控制信号。
根据本发明的实施例,所述的量化编码表,是以Lloyd-Max量化器的门限电平与量化电平为依据设计的。
本发明积极效果:本发明解决其技术问题所采用的技术方案是:方位向通过构造一个类似于移位寄存器的滑动寄存器组,并结合现有技术如:距离向累加、量化编码表查询,来实现基于滑动窗的流水处理。本发明克服了方位向递推方式流水处理应用范围的局限性,使得压缩算法在不同情况下均具有较好的压缩性能。
附图说明
图1是现有技术信号幅度均值与标准差的非线性映射曲线。
图2是现有技术方位向递推累加方式原理。
图3是本发明方位向滑动窗方式流水处理原理。
图4是本发明方位向滑动窗累加方式原理。
图5是本发明实现方位滑动窗流水处理装置的结构图。
图6是本发明的方位滑动窗累加单元结构图。
图7是本发明方位滑动窗累加单元的信号仿真图。
具体实施方式
下面将结合附图对本发明加以详细说明,应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
方位向滑动窗方式流水处理原理如图3所示,首先求取分块采样数据均值,然后用分块采样数据绝对值与分块数据均值构成查询量化编码表的地址码,最后应用该地址码查询量化编码表,将量化编码结果输出。
其中,所述的距离向累加为脉冲重复周期内累加,即累加数据均来自于同一脉冲回波的采集数据。方位向采用滑动窗处理,其思想是保留部分原有数据参与统计,每次仅更新部分数据。假设方位向滑动窗口尺寸为M个脉冲,每次更新脉冲数为N。以方位向每次更新一条距离线回波为例,如图4所示,假设方位向窗口尺寸为3个脉冲,第一至第四个子块的数据幅度均值分别为a,b,c,d。则其差别在于统计时仅更新一条距离线回波,而保留M-N=2个回波参与统计。当方位向分块尺寸增加时,由于每次更新的数据占分块内总数据的百分比减小,因此仍能取得良好的估计性能。综上所述,即使方位向统计平稳性较差或者方位分块尺寸较大时,滑动窗处理方式仍能取得比递推处理方式更好的估计性能。
具体方位向流水处理的装置如图5所示,信号幅度均值的求解是通过在FPGA中构造累加器阵列A来实现。所述的距离向和方位向累加器阵列A,由若干个距离向和方位向累加器单元组成,累加器单元数由距离向分块个数决定;如图5所示,累加器阵列的工作原理为:假设信号为8bit ADC采样,SAR回波的距离向采样点数为N·Nr,分块大小为Nr×Na(距离向Nr,方位向Na)。将去直流后的7位数据经N路数据分配器依次送N个距离累加器进行累加,数据分配器的控制端由计数器Count控制,以N=64为实施例,当Count为“000000”时,数据DATA[6:0]送入第1个距离向累加器累加,而距离向累加器2~64的输入端均为0;当Count为“000010”时,数据DATA[6:0]送入第3个距离向累加器累加,而距离向累加器1、2以及4~64的输入端均为0,依此类推。距离向累加为雷达脉冲重复周期内累加。在一个脉冲重复周期内,N个距离向累加器均完成1×Nr的累加操作,以Nr=64为实施例,此时每个距离向累加器的数据宽度为7+6=13,其中7为去直流后的7位数据,6为距离向分块数据宽度。累加完成后需要再经过方位向累加完成分块数据完整的累加过程,方位向累加为雷达脉冲重复周期间累加,具体的处理方式采用本发明所述的滑动窗方式,滑动窗累加器结构及工作原理将在图6中详述。当连续Na个脉冲重复周期结束时,以Na=64为实施例,方位累加器输出数据宽度为13+6=19,其中6为方位向分块数据宽度。累加完毕后,根据系统需要,可取不同位数的高位累加值即分块数据幅度均值进行锁存,并经数据选择器选择输出。数据选择器以计数器为控制信号。以取高8位累加值为例,8位累加值结合7位数据构成15位查表地址。用15位地址码查询容量为215=32kbit的量化编码表,量化编码表存储的内容为数据符号位与量化码字拼成的编码码字。以3bit量化为实施例,数据符号位为1位,量化码字为2位,最终的编码码字为3位。应用15位地址码查询32kbit编码表将得到3位编码,将该编码打包传输,供解码处理使用。量化编码表的设计依据是,首先约定分块数据幅度均值与去符号位后采样数据的高、低位顺序即确定查表地址的高、低位顺序,其次设计码表容量即选择分块数据幅度均值码位数和去符号位后采样数据的位数,最后以约定的高、低位地址顺序,对去符号位后的采样数据按照分块数据幅度均值所映射的标准差归一化,并应用Lloyd-Max门限电平与量化电平进行非均匀标量量化。量化结果进行约定的2bit编码,编码结果即为量化码字,约定的编码方式为解码提供依据。以3bit量化为实施例的Lloyd-Max门限电平与量化电平及量化编码如表一所示。
门限电平 | 0.0000 | 0.5006 | 1.0500 | 1.7480 |
量化电平 | 0.2451 | 0.7560 | 1.3440 | 2.1520 |
量化编码 | 00 | 01 | 10 | 11 |
表一
以分块数据幅度均值40,采样数据为120为实施例,可以设计其所在地址存放的量化编码为111;具体步骤如下:
分块数据幅度40按照附图1所述的映射关系曲线,映射为标准差51.654。对120应用51.654归一化为120/51.654=2.3232,如表一,由于2.3232大于门限电平1.748,因此其量化电平为2.152,编码为11,将120的符号位1置于编码结果的高位可得最终编码为111。
以分块数据幅度均值为高地址,以去符号位后的采样数据为低地址存放上述编码的具体过程如下,假设查询量化编码表的地址为15位,即分块数据幅度均值为8位,去符号位后的采样数据为7位。则分块数据幅度均值40对应的地址为00101000,采样数据120的二进制码为11110000,去掉符号位后为1110000。显然,对于分块数据幅度均值为40同时采样数据为120,其完整15位查询地址为001010001110000,该地址存放的量化编码为111。
对所有可能取值的去符号位采样数据与分块数据幅度均值进行如上述实施例的量化编码计算,最终可以得到完整的量化编码表。量化编码表的设计过程和采样数据量化编码过程相类似,对于采样数据量化编码过程,仍以分块数据幅度均值40,采样数据为120为实施例。如上所述,它们的编码结果均为111。显然,对于分块数据幅度均值为40同时采样数据为120,其完整15位查询地址为001010001110000,应用该地址查询量化编码的结果为111。
具体实现方位向滑动窗流水处理的方式如图6所示:对于每个滑动窗累加模块,首先进行独立距离向Nr个数据累加。距离向累加值在方位向上滑动则通过方位向累加器单元实现,即是构造一个类似于移位寄存器的滑动寄存器组来实现距离向累加值在方位向上流水处理,每组需要Na个滑动寄存器。考虑到硬件实现的简便性,通常Na设为2n(n≥1)。以Na=4为例,滑动操作是滑动寄存器组在每个触发时钟响应后,第一个滑动寄存器读入新的方位向累加和,后一个滑动寄存器都读取前一个寄存器的累加值。不同于移位寄存器的是,最后一个滑动寄存器值直接被覆盖,不再反馈给第一个寄存器。通过这样堆栈式的栈入和栈出,实现累加输入值在方位向的滑动。方位向累加采用流水线操作方式,对滑动寄存器值做树型成对累加。累加操作,对滑动寄存器组内各寄存器的累加值进行累加,其和即为分块数据的幅度均值。即如图中所示,先分别累加滑动寄存器Z1、Z2和Z3、Z4,之后再累加其输出和Z5、Z6,得到分块累加和,该分块累加和即为分块数据幅度均值。这种流水线操作可以减小加法器的构造复杂度,降低累加延时,有效地提高系统的工作频率。
图7为ModelSim软件仿真的应用FPGA实现方位向滑动窗处理算法中第一个滑动窗累加模块的信号仿真图。其中,slip_sum_1为距离向累加和,D为累加和的传递值,slip_start为滑动触发信号,acc_slip为加法器累加触发信号,sum为分块累加和。在滑动触发信号触发时,滑动寄存器Z4、Z3、Z2依次读取前一个寄存器的累加值,而Z1读入新的累加值D。加法器累加触发信号相对于滑动触发信号有几个时钟的延迟。当它触发时,Z5累加Z1和Z2;Z6累加Z3和Z4;sum累加Z5和Z6,输出分块累加和。
以上所述所用到的实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质进行的相关修改均仍属于本发明方案的范围内。
Claims (8)
1.星载SAR原始数据压缩的方位向流水处理方法,其特征在于,包括步骤如下:
步骤1:对采样数据绝对值进行距离向和方位向分块累加,以求取分块采样数据幅度均值;所述方位向分块累加为脉冲重复周期间的累加,即累加多条距离向的数据,累加采用滑动窗方式,即不更新全部脉冲采样,保留部分旧数据参与统计;
步骤2:将分块采样数据绝对值与幅度均值构成地址;
步骤3:用地址查找量化编码表,输出量化编码结果。
2.根据权利要求1方位向流水处理方法,其特征在于,所述的距离向累加为脉冲重复周期内累加,即累加数据均来自于同一脉冲回波的采集数据。
3.星载SAR原始数据压缩的方位向流水处理装置,其特征在于,包括:
一个以分块采样数据为输入端的数据分配器;
一个对数据分配器输出进行距离向和方位向累加的累加器阵列;所述距离向和方位向累加器阵列,由若干个距离向和方位向累加器单元组成,累加器单元数由距离向分块个数决定;所述方位向累加器单元,是通过构造一个滑动寄存器组来实现距离向累加值在方位向上流水处理;
一个将累加器阵列累加结果选择输出的数据选择器;
一个对数据选择器输出的分块幅度均值进行缓存的数据锁存器;
一个将采样数据绝对值与数据锁存器输出的分块幅度均值进行地址形成的地址形成器;
一个存放在RAM中的量化编码表,输出量化编码结果。
4.根据权利要求3所述的方位向流水处理装置,其特征在于,所述的滑动寄存器组的操作包括:滑动操作和累加操作。
5.根据权利要求4所述的方位向流水处理装置,其特征在于:所述的滑动操作,在启动滑动寄存器组即响应触发时钟时,其中第一个滑动寄存器读入新的距离向累加值,后一个滑动寄存器读取前一个滑动寄存器的累加值,且最后一个滑动寄存器的累加值直接栈出被覆盖。
6.根据权利要求4所述的方位向流水处理装置,其特征在于:所述的累加操作,对滑动寄存器组内各寄存器的累加值进行累加,其和即为分块数据的幅度均值。
7.根据权利要求3所述的方位向流水处理装置,其特征在于:所述的数据分配器和数据选择器均以计数器为控制信号。
8.根据权利要求3所述的方位向流水处理装置,其特征在于:所述的量化编码表,是以Lloyd-Max量化器的门限电平与量化电平为依据设计的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101224724A CN101398486B (zh) | 2007-09-26 | 2007-09-26 | 星载sar原始数据压缩的方位向流水处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101224724A CN101398486B (zh) | 2007-09-26 | 2007-09-26 | 星载sar原始数据压缩的方位向流水处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101398486A CN101398486A (zh) | 2009-04-01 |
CN101398486B true CN101398486B (zh) | 2011-07-20 |
Family
ID=40517177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101224724A Expired - Fee Related CN101398486B (zh) | 2007-09-26 | 2007-09-26 | 星载sar原始数据压缩的方位向流水处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101398486B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108254724B (zh) * | 2018-01-26 | 2019-12-31 | 西安电子科技大学 | 改进压缩质量baq的sar数据压缩系统及方法 |
CN109239679B (zh) * | 2018-09-17 | 2021-02-05 | 西安空间无线电技术研究所 | 一种可智能压缩的雷达信号处理系统及验证方法 |
CN115542283B (zh) * | 2022-11-30 | 2023-08-18 | 中国科学院空天信息创新研究院 | 一种星载sar滑窗baq压缩的实现方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1754322A (zh) * | 2003-03-03 | 2006-03-29 | 美商内数位科技公司 | 以降低复杂度滑窗为基础的均衡器 |
-
2007
- 2007-09-26 CN CN2007101224724A patent/CN101398486B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1754322A (zh) * | 2003-03-03 | 2006-03-29 | 美商内数位科技公司 | 以降低复杂度滑窗为基础的均衡器 |
Non-Patent Citations (2)
Title |
---|
段秋萍等.基于真实场景的SAR回波模拟方法研究.《遥测遥控》.2007,第28卷(第3期), * |
高俊峰等.分块自适应量化算法的FPGA实现.《数据采集与处理》.2006,第21卷(第1期), * |
Also Published As
Publication number | Publication date |
---|---|
CN101398486A (zh) | 2009-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111768002B (zh) | 一种基于弹性有效位的深度神经网络量化方法 | |
CN107832837B (zh) | 一种基于压缩感知原理的卷积神经网络压缩方法及解压缩方法 | |
Comets et al. | Processes with long memory: regenerative construction and perfect simulation | |
Park et al. | Weighted-entropy-based quantization for deep neural networks | |
CN101165510A (zh) | 星载合成孔径雷达可变位数baq压缩系统及方法 | |
CN101923569B (zh) | 一种实时数据库的结构类型数据的存储方法 | |
CN101398486B (zh) | 星载sar原始数据压缩的方位向流水处理方法和装置 | |
CN116506073B (zh) | 一种工业计算机平台数据快速传输方法及系统 | |
CN103546162B (zh) | 基于非连续上下文建模和最大熵原则的基因压缩方法 | |
CN101398485B (zh) | 一种星载sar原始数据抗饱和量化编码与解码方法 | |
CN107666324B (zh) | 一种polar码结合算术编码的信源有损压缩编码方法 | |
CN103136239A (zh) | 一种基于张量重建的交通数据丢失恢复方法 | |
CN101902228A (zh) | 快速循环冗余校验编码方法及装置 | |
CN103888144A (zh) | 基于信息熵优选的自适应数据预测编码算法 | |
CN103488245A (zh) | Dds中的相位幅度转换方法以及装置 | |
CN102289425A (zh) | 基于可扩展精度混沌的哈希算法 | |
CN102081592B (zh) | 一种混合基dft和idft快速实现方法及装置 | |
Kieffer et al. | Structural complexity of random binary trees | |
CN113452380A (zh) | 星载sar原始数据压缩方法及装置 | |
CN102362231A (zh) | 使用具有不确定性的数值表示的模拟计算技术 | |
CN102156626A (zh) | 可重构星载计算机的正余弦函数ip核及其控制方法 | |
CN109871563B (zh) | 一种复杂多态卫星系统可靠性分析方法及系统 | |
CN102084595B (zh) | 用于对规则点网中的矢量进行计数的方法 | |
CN103036577A (zh) | 一种低复杂度的低密度奇偶校验ldpc码编码电路结构 | |
CN103886062A (zh) | 一种基于语义网络的文本短语权重计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110720 Termination date: 20150926 |
|
EXPY | Termination of patent right or utility model |