CN101548198B - Sar雷达系统及其相关方法 - Google Patents

Abstract

本发明涉及一种雷达系统，它包括可沿着相对于地表面部分(20)的路径移动并承载定位设备、定时设备和雷达设备(1)的平台(10)。它适于实现SAR以用于对地面部分成像。它包括记录部件，记录部件用于收集雷达原始数据，该雷达原始数据包括注释有距离和收集的时间瞬间的雷达回波振幅，该雷达原始数据与注释有其收集的相应时间瞬间的平台位置测量数据缠结。它还包括处理部件(3、4)该处理部件(3、4)用于使用收集的雷达原始数据和位置测量数据来进行SAR处理，并适于通过迭代计算相对于三维空间中的共有原点定义的长度k的雷达振幅的总和的序列，注释有距离和角度参数，该三维空间在沿着k个连接的三维向量P₀P₁，P₁P₂，...，P_k-1P_k的向量和P₀P₁+P₁P₂+...+P_k-1P_k形成的向量的位置处定义。每个向量(子孔径)包括总和中的每个雷达振幅项的相应原点，该处理部件适于通过将雷达原始数据视为所述雷达振幅以在第一迭代阶段中启动迭代过程，其中这些雷达数据具有它们的原点，这些原点沿着在由定位测量给定的三维点中开始和结束的向量。

Description

SAR雷达系统及其相关方法

技术领域

本发明涉及衍射受限的SAR景物，例如用于提供多个物体(例如包括地表面部分)的图像的(合成孔径雷达)系统。本发明还涉及基于衍射受限的SAR的方法。 

背景技术

SAR是一种能够用于从飞机获取图像的信号处理方法，或更概括性地来讲，是涉及承载其分辨率近似光学系统的分辨率的地面雷达设备的某种平台。实际上，下降到约半个雷达波长的分辨率是可能的。这种分辨率通过雷达在平台或飞机路径的长度L的某个给定直线段内持续对地面成像来实现。从平台按距离R沿着圆弧测量的所获得的角度(也称为方位角)地面分辨率，将是： 

$\mathrm{\δ\θ}=\frac{2c}{(F_{\max }-F_{\min }){\tan }^{-1}(L/2R)}$

其中c是光速，以及F_max、F_min是雷达使用的频带的上下限。此公式由此可以解释为可能的分辨率与成像过程期间发生的总视线角变化Δθ＝tan^-1(L/2R)成反比。在大多数SAR系统中，与飞机路径与成像的物体之间的距离R比，间距L较小，这意味着Δθ将会小。因此，只能获得远大于平均频率处的雷达波长 

的地面分辨率。期望能够提高分辨率，并因此就大得多的视线角变化进行了尝试。因为此角度逼近其180°的极限，所以地面分辨率逼近其理论极限 

衍射受限(DL)SAR成像意味着SAR成像达到波长级(wavelength  order)的地面分辨率。但是，逼近衍射分辨率极限涉及需要解决的多个信号处理问题。 

即使对于DL系统， 

大，一般仍不会增加雷达系统的天线的物理尺寸。对于所谓的带状地图系统，它必须是与 

相同的延长级的。这意味着对于DL SAR，每个单位勘测的地面区域的计算工作变得繁重。 

通常，计算机高效处理方法基于雷达原始数据的平面波近似，而大的L/R需要雷达原始数据的球面波表示。这使得SAR处理任务更加困难得多。 

必须对与直线飞机轨迹的小偏离进行补偿，这可以通过利用有关该偏离的信息的精确导航，并且就此已知的偏离对信号处理进行补偿来实现。或者，可以通过实施所谓的自动聚焦来实现补偿，在自动聚焦中处理本身涉及消除因非直线飞机路径所导致的成像误差的任务。有多个高效的方法用于执行对这两种情况进行补偿，即利用已知的偏离的精确导航或使用自动聚焦。但是，其缺点在于，这些方法仅能用于雷达原始数据的平面波近似。 

DL成像是在VHF SAR中实现的。在CARABAS^TM系统(是瑞典系统)中，F_max≈85MHz以及F_min ≈25MHz，而Δθ≈60°。这样，地面分辨率将是2米数量级的。并不极端但也接近衍射极限的是X-带(X-band)SAR系统，它达到0.1米的地面分辨率。 

存在DL SAR处理方法，它可以用在已精确地知道SAR路径(即平台或飞机的路径)时。为了使得系统实用而无需对导航有高要求以及使得系统太昂贵，应该将这些方法推广，以使它们也能够在缺乏平台路径的有关信息或有关信息不太精确时应用。 

图1中解释了非DL运动误差补偿的原理。微波SAR中使用的非DL SAR成像基于如下假设：雷达波在成像的区域上是近似平面的。然后运动误差由于量程(range)转换会影响SAR原始数据。因此可以仅通过如图1所示的在原始数据中进行量程调整(range adjustmen)来实 现SAR聚焦，在图1中，A、B指示理想的直线SAR路径，而曲线CD指示实际的流经路径，假设扫过图像上的雷达波前是近似平面的，在P点以及在某个量程(即沿着地面与雷达波前W1之间的交线)收集的实际数据将近似地与在Q处沿着直线路径以另一个量程(即沿着地面与雷达波前W2之间的交线)收集的理想数据相同。因此，通过在数据中引入适合的量程偏移可以，可以将这些数据视为由正确的地面点产生，同时维持直线路径的假设。 

考虑DL SAR处理，执行DL SAR处理的最显见的方式是基于使用量程徙动算法(range migration algorithm)RMA的使用，这种算法可以实施为通过FFT(快速傅立叶变换)在计算上快速实现。这与非DLSAR处理的基于傅立叶的近似方法类似。 

RMA认识到雷达波将呈球面横跨于成像的区域上。但是，RMA关键性地取决于如下原理，对于沿着直线移动的平台，可以将此球面波转换成平面波展开，该SAR处理以与非DL成像相似的方式设计。 

如果将雷达波的球面特性纳入考虑，则无法将轨迹偏离表示为量程徙动，如图2所示，其中使用与图1中相同的引用数字。采用RMA的DL成像假设球面雷达波前呈圆形与(大致)平面的地面相交。SAR平台也努力地遵循理想的直线路径AB，而CD是流经的实际路径。因此，情况是在P处收集和某个量程(即沿着地面与雷达波前W1之间的交线)处的数据不再与沿着对应于任何其他量程的直线、在任何点Q处收集的理想数据完全相同。转换沿着实际路径收集的数据以与直线路径假设相适不再是无关紧要的。因此，以沿着直线轨迹捕获的相等数据补偿数据的可能性丧失，RMA方法将不可应用。取代RMA，为了执行DL SAR处理，可以使用所谓的全局反向投影GBP。这是一种计算机断层扫描术中也使用的技术。但是，GBP的缺点在于它在计算上没有效率。因此，要成像的区域必须很小。但是，GBP的优点在于，它不涉及有关平台路径的直线性的任何假设。因此，如果平台按已知但非直线的方式移动，则GBP可以用于SAR处理。 

但是，当平台路径与直线偏离时，地面地形对于聚焦来说也变得重要。这意味着在这种情况中，地面地形必须是已知的，但是如果与直线路径的偏离小，则精确度无需非常高。 

非DL SAR成像中由量程徙动所进行的运动补偿无需SAR路径的完整知识。但是，DL SAR聚焦需要SAR路径的完整知识。因为 

大，所以SAR路径将涉及全部必须是已知带有与波长相关的精确度的多个自由度，这是非常复杂的且对设备、处理方式等提出了非常高的要求。 

对于非DL SAR，并且因为 

小，所以主要地面反射物将在原始数据中已经是明白的，并且可以用于估算与直线轨迹平台路径的偏离所导致的量程徙动。对于带状地图DL成像，雷达系统的物理天线必须相对于 

(即以波长为单位)来说比非DL SAR成像的情况甚至更小。这种小天线不提供任何初始分辨率，这意味着除了很不常见类型的地面(例如大的工业厂房)外，将没有在DL成像中格外复杂的主要地面反射物出现在原始数据中。由于DL成像的上文论述的特征，显然DL自动聚焦是最复杂的问题。 

为了能够更好地处理运动误差，已经开发多种所谓的局部反向投影方法LBP。它们具有与GBP相同的、在DL SAR中将已知运动误差纳入考虑的能力。但是，它们在数字上有效得多，并且通过使用LBP，使得获得对例如具有很大航空覆盖的CARABAS数据的实时或接近实时的处理成为可能。 

一种此类方法是，所谓的因子分解的快速反向投影(Factorized Fast Backprojection，FFB)，在“使用快速因子分解的反向投影进行合成孔径雷达处理”(Synthetic-Aperture Radar Processing using Fast Factorised Back-Projection，IEEE Trans.Aerospace and Electronic Systems，Vol.39，No.3，pp.760-776，2003by Ulander，L.，Hellsten，H.and Stenstrom，G)中也有所描述。n基FFB SAR处理算法产生基于原始数据集的SAR图像，该原始数据集由来自长度L的平台路径线段 上分布的n^k个位置的雷达作用距离返回组成，其中n和k是整数。通常n＝2或n＝3，而k≈10。但是，出于误差增加减缓的目的，还可以考虑n≈10且k≈8。FFB SAR图像重构以k次迭代进行，从而每次迭代执行子孔径归并(subaperture coalescing)，从而为前次迭代中定义的每n个相邻子孔径形成一个新的子孔径。对于每个迭代级处的每个子孔径，有相同地面部分的SAR图像与之关联。可以基于它们的几何数据以及它们相对于地面的定向将归并子孔径与关联的地面图像的线性组合关联，新子孔径据此变成与角分辨率提高了系数n的单个新SAR图像关联。第一次迭代的子孔径定义为具有等于n^k个数据位置之间的间隔的长度。此间隔一般是雷达系统的真实孔径的某个分数。第一次迭代的关联的SAR图像仅为n^k个量程返回，每个图像仅具有雷达系统的真实孔径的角分辨率。 

FFB的优点在于，因为角分辨率随着每次迭代呈指数级地增加，所以初始迭代时的图像表示允许不精确级别的离散化，以便节省计算工作量。仅最后一次迭代才需要最终SAR图像的完整离散化。实际上，对于N×N点SAR图像，其中有N＝n^k个沿着SAR路径的数据位置，FFB计算工作量约为N²xⁿlogN。这意味着计算工作量与RMA以及非DL SAR的基于傅立叶的方法的计算工作量相当，需要约为N²x²logN的处理工作量。 

发明内容

因此所需要的是一种可用于获取地面部分或相似的图像的雷达系统。具体来说，需要一种小、便宜且结构紧凑的雷达系统。还需要一种雷达系统，它简单且能够容易地插入平台、飞机等中。 

具体来说，需要一种雷达系统，它支持有效且容错的处理，据此可以消除因非线性平台路径所致的成像误差。甚至更具体来说，需要一种雷达系统，可以将其与简单的导航设备一起使用或甚至无需依赖于任何特定的导航设备来使用该雷达系统。 

具体来说，需要一种雷达系统和方法，分别用于有效地从包括雷 达设备的可移动平台提供具有最优分辨率的图像，该最优分辨率相对于地表面部分的给定长度是最优的，通过该雷达系统和方法，可以实现上述目的的其中一个或多个目的。简言之，分别需要一种系统和方法，能够实现DL SAR自动聚焦。 

因此，本发明提供一种雷达系统，它包括可沿着平台路径移动的平台，其相对于例如地表面部分的多个物体，其中所述平台适于支撑或承载雷达设备，所述雷达设备包括至少一个天线并适于实现用于再现物体的衍射受限的合成孔径雷达技术。它还包括记录部件和SAR处理部件，所述记录部件用于收集和记录所述平台沿着平台路径移动期间收集的距离数据或已知距离数据以及雷达原始数据，所述SAR处理部件用于处理所收集的(或已知)数据和雷达原始数据。所附的子权项提供具有优点的或优选实施例。 

具体来说，根据本发明，处理部件适于提供雷达原始数据的球面波表示，并且还适于形成沿着相关于线性子孔径的非线性平台路径的SAR图像(雷达振幅)的序列，采用空间中飞机路径点之间的空间向量的形式。该处理部件还适于提供作为对应向量之间的向量相加的相邻子孔径合并(merge)，其中使用关联到公共地面区域部分的相邻子孔径的SAR图像来以提高的分辨率构造相同区域上的新SAR图像，且该新SAR图像关联到与归并的子孔径对应的向量之和的子孔径。该处理部件还包括用于执行自动聚焦操作的部件，其中所述自动聚焦处理部件适于比较与要相加的子孔径向量相关的SAR图像，以便找出这些子孔径向量之间的相对定向，并因此定义用于构造这些子孔径的向量之和的SAR图像的参数。 

具体来说，自动聚焦处理部件适于成对地合并SAR图像。或者，自动聚焦处理部件适于三个一组或四个或以上一组地合并SAR雷达图像。 

具体来说，提供地形信息提供部件以收集或估算有关要成像或表示的地面部分的地形的信息。所要求的地面地形信息的精确度取决于 飞机路径的非线性的程度。实践中，在许多应用中，地形是理想地平坦的假设将足够精确。在一个实施例中，地面地形信息通过一个函数给出，该函数描述方位角与地面地形对极坐标中各个时间点处各个位移向量至地面的距离以及相对于各个位移向量的方向的极角的相关性。 

具体来说，当地形信息是不相关的时，利用子孔径构造新SAR图像且其子孔径是作为贡献(contribution)SAR图像的子孔径的向量之和，将仅与这些向量之间的相对定向相关而与它们在地面上的绝对位置无关。例如，如果SAR图像是通过将子孔径向量成对相加来构造的且这些向量几乎是平行的，则仅向量的长度和向量之间的角度是重要的。例如，如果向量之间的角度大(例如沿着SAR路径的某个突然的平台操纵(maneuver))，将存在与地面地形的某种相关性，其形式为与两个归并的子孔径的平面和地面平面的角度的某种相关性。具体来说，自动聚焦处理部件适于通过以迭代方式每次改变影响归并的SAR图像的构造的至少一个参数来成对地比较SAR雷达图像，并因此找出描述合并子孔径之间的相对定向的参数选择，这提供要线性地组合成一个新图像的两个SAR图像之间的最佳匹配。 

具体来说，在一个实施例中，要归并的SAR图像的匹配通过要归并的公共区域上的图像强度(取平方的幅度)的相乘和积分来获得的相关值进行测量。SAR图像振幅本身之间的相关性不常是有用的，因为大多数类型SAR景象中富含斑点。 

在备选实施例中，自动聚焦处理部件适于通过将SAR图像分成子图像并将图像内的子图像相关联以计算包括极坐标中两个相邻点X_i，X_i+1之间的角度β(Y_i/2)的至少一个参数从而获取相关性最大值。 

当子孔径的长度小，即在归并链的早期阶段时，关联到某个长度的子孔径的SAR图像的分辨率单元的数量将会小。同样，因为在早期阶段，所以每个分辨率单元贡献是非常多地面散射体上的平均值，预期SAR图像对比度也会低。因此要在归并参数的变化下归并的SAR 图像之间的匹配的最优情况将不是非常清楚(sharp)。当归并继续到大子孔径的级别时，精确度将会高且匹配将会准确。其结果是，FFB链中所需的角精确度与孔径的长度成反比，因此它匹配在描述的自动聚焦方法中所达到的精确度。换言之，归并链中将无需“返回”并重新调整已经过的迭代阶段中的较短子孔径向量的相对定向，因为这种精密调整将不涉及这些先前的迭代阶段对其来说重要的粗略级别分辨率。 

雷达系统可以使用不同类型的波。在一些实施例中，它适于使用微波来用于雷达测量。在有利的备选实施例中，它适于使用具有例如约3-15米波长的无线电波。 

迄今为止，以简单且有成本效率的方式使用无线电波提供具有良好分辨率的图像尚不可能，因为子孔径的合并需要使用与地面相对固定的坐标来实现。根据本发明，能够做到这一点，因为能够将坐标转换成相对于地面不固定而是相对于平台固定的坐标系，这意味着能够实现自动聚焦。因此还提供了一种对应的方法。 

附图说明

下文中将进一步以非限制形式并参考附图描述本发明，其中： 

图1非常示意性地分别图示假设平面波前的SAR平台的理想和真实实际路径， 

图2非常示意性地分别图示假设球面波前的SAR平台的理想和真实实际路径， 

图3以示意形式图示将两个子孔径合并成新子孔径。 

图4是根据本发明的雷达系统的非常示意性的框图， 

图5是在数学方面描述以迭代方式合并子孔径对的过程的详细流程图，以及 

图6是在数学方面描述当未知平台的路径时实现的自动聚焦过程的详细流程图。 

具体实施方式

本发明分别提供一种雷达系统和方法，其中以如下方式使用FFB算法实现DL SAR处理部件：处理无需假设任何特殊的显著地面特征将出现在原始数据中，即便这样利于确定平台路径并因此利于运动补偿。这是非常有优势的。而且，平台路径与大量参数相关，这暗示需要相当的计算便利且需要系统中足够快速的复杂设备的运动确定参数的大的集合。 

首先，以某种程度上更普遍性的方式描述本发明的概念，可以说它由三个主要部分构成。第一，假设P_i是空间中的点集合，并且P_i→P_i+1是一组具有共有长度L且对相同地面区域Ω成像的相邻子孔径。考虑以属于成像地面区域Ω的点Q为中心的分辨率单元A_L的图像振幅(这里表示为 

)。从孔径A→B(参考图1，2)获得的分辨率单元大小将产生在A→B上约为常量但是在较大距离上会变化(因为分辨率单元的反射分量之间的相干性)的雷达反向散射振幅。实际上，图像振幅可以表示为积 

$f_{P_i\→P_{i+1}}\left(P\right)={\mathrm{\φ}}_{P_i\→P_{i+1}}\left(Q\right)f\left(Q\right)$

其中对于每个子孔径P_i→P_i+1和系统分量，分量 

随机地波动(具有0的均值和1的方差(variance))，其中f(Q)提供 的振荡特性的振幅界限。f(Q)的值是地面在分辨率单元中的特性。 

考虑Ω的分辨率单元Ω/A_L的集合上定义的任何随机函数x(Q)的均值，假设有N_L个这样的单元，作为近似计算均值是可能的，该均值将是： 

$<x\left(Q\right)>=\frac{1}{N_L}\underset{Q\&Element;\mathrm{\&Omega;}/A_L}{\mathrm{\&Sigma;}}x\left(Q\right)+O\left(\frac{1}{N_L}\right)$

考虑Ω的两个独立SAR图像 

和 

并计算均值 表达式， 

1： $<f_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2{f}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2>$

2： $<f_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2{g}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2>,$

对于1，得到： 

$<f_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2{f}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2>=$

$<{\mathrm{\&phi;}}_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2><{\mathrm{\&phi;}}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2><f{\left(Q\right)}^4>=$

$=<f{\left(Q\right)}^4>$

以及对于2，得到： 

$<f_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2{g}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2>=$

$<{\mathrm{\&phi;}}_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2><{\mathrm{\&gamma;}}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2><g{\left(Q\right)}^2><f{\left(Q\right)}^2>=$

$=<g{\left(Q\right)}^2><f{\left(Q\right)}^2>$

如果可以假设<f(Q)²>＝<g(Q)²>，则 

$<f_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2{f}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2>-<f_{P_{i-1}\&RightArrow;P_i}{\left(Q\right)}^2{g}_{P_i\&RightArrow;P_{i+1}}{\left(Q\right)}^2>=$

$=<f{\left(Q\right)}^4>-{<f{\left(Q\right)}^2>}^2=<{[f{\left(Q\right)}^2-<f{\left(Q\right)}^2>]}^2>=\mathrm{variance}\left[f{\left(Q\right)}^2\right]>0---\left(3\right)$

来自两个孔径的这两个SAR图像 

和 

在有关两个孔径相对于地面的定位没有达成一致时独立的出现。由于这种不一致，子孔径的其中之一或二者将归因于至任何特定地面点P的错误反射率f(Q)或g(Q)。这些值的至少其中之一源自另一个地面点Q′，向量Q→Q′对应于该定位错误。 

最后的公式(3)根据本发明提供用于将SAR图像聚焦的关键工具，如果平台路径是未知的话，该工具则是必不可少的。它具体结合下文将描述的FFB方法来使用。确切地来说，这说明，比较子孔径图像，可以通过优化过程将子孔径对齐，其中对于成对的相邻子孔径， 对如下表达式求值： 

$\underset{P\&Element;\mathrm{\&Omega;}/A_L}{\mathrm{\&Sigma;}}{f}_{Q_{i-1}\&RightArrow;Q_i}{\left(P\right)}^2{g}_{Q_i\&RightArrow;Q_{i+1}}{\left(P\right)}^2---\left(4\right)$

当两个子孔径对齐，以使对应的反射率归因于一个地面点时，该表达式将为最大值，给定N_L和方差 

的绝对值充分地大，因此这与路径是未知时的特定情况相关，并描述作为本发明的一个特征的自动聚焦过程，通过本发明的基本或基础实现使之成为可能，即实现FFB处理的特定方式。 

为了变得有效，可以将所制定的最优化标准与根据本发明的FFB处理方法一起使用。给定的标准要求应对应于两个相邻子孔径来获取两个SAR图像。该标准允许这些子孔径能够彼此正确地定位，并且如果为FFB算法选取基2(n＝2)，则它将通过成对地合并子孔径SAR图像来完整地重构SAR图像。因此基2FFB算法将允许无论何时只要在重构方案中请求它们的位置的知识，即当平台路径未知时，子孔径位置能够通过上文(3)制定的标准来调整，其中假设<f(Q)²>＝<g(Q)²>。 

返回到本发明的基本部分，并且考虑本发明的第二基本部分，这里假设平台路径是已知的，FFB处理可以依赖于SAR图像与地面位置之间的固定关系。但是对于自动聚焦来说，在继续FFB处理时，不可能假设任何中间子孔径图像具有相对于地面点的某个特定位置，因为在连续的子孔径合并阶段中，任何此类子孔径及其关联的SAR图像将会相对于地面有所偏移。 

如果路径是未知的，则存在SAR图像与地面地形相关的复杂情况。因此，需要有子孔径与地面位置之间的某种关联性。对于几乎直线路径，即当旨在直线航程上飞行时，相关性弱且关联性因此仅是近似的。这意味着，对于任何子孔径SAR图像对，无需确切地知道对应的地面位置。可以通过最优化标准(3)来匹配它们，但是甚至在匹配之后，仍不应或无需对地面位置进行确切假设，这是具有优势的。 

图3示出子孔径对A→B和B→C的内蕴SAR图像坐标。通过合并得到的新子孔径是A→C，SAR图像坐标是由在A→C的中点处由合并原点定义的坐标，A→C是测量指向任意地面点的向量R的极角Θ的极轴而相对于三角平面A→B→C测量极方位角Ψ。 

参考图3，f_A→C(R，Θ)是合并的SAR图像，以及f⁽⁰⁾ _A→B(R，Θ)、f⁽⁰⁾ _B→C(R，Θ)分别是相对于A→B和B→C的SAR图像。所有三个SAR图像以具有相对于A→C的方向测量的极角Θ和相对于A→C的中点的距离R的极坐标表示。而且，f_A→B(R，Θ)和f_B→C(R，Θ)表示具有分别相对于A→B和B→C的方向测量的极角Θ以及分别相对于A→B和B→C的中点的距离R的SAR图像。 

地面地形对于SAR聚焦是重要的，除非A→B和B→C是平行的或如果路径是已知的。在第一种情况中，地面地形暗示函数关系Ψ＝Ψ(R，Θ)，而方位角Ψ是相对于包含(非退化(non-degenerate))三角A→B→C的平面来测量的。如果A→B和B→C是平行的或如果不是，假设Ψ＝Ψ(R，Θ)，则A→B和B→C的极坐标和A→C的极坐标之间存在显示坐标转换。通过这些转换，进行如下计算是可能的 

f⁽⁰⁾ _A→B(R，Θ)＝f_A→B{R_A→B[R，Θ，Ψ(R，Θ)]，Θ_A→B[R，Θ，Ψ(R，Θ)]} 

f⁽⁰⁾ _B→C(R，Θ)＝f_B→C{R_B→C[R，Θ，Ψ(R，Θ)]，Θ_B→C[R，Θ，Ψ(R，Θ)]} 

据此，可以根据如下公式计算合并的子孔径SAR图像： 

f_A→C(R，Θ)＝f⁽⁰⁾ _A→B(R，Θ)+f⁽⁰⁾ _B→C(R，Θ) 

总的来说，给定三角A→B→C的形状，例如分别为|AB|和|BC|的长度和B处的角度，以及至某个近似度(假设A→B→C接近退化，即B小)，给定其相对于地面的定向，可以计算合并的SAR图像。无需对A、B、C相对于地面的位置的精确假设。为了找出A→B→C的形状，形成如下表达式： 

$\underset{(R,\mathrm{\&Theta;})\&Element;\mathrm{\&Omega;}/A_L}{\mathrm{\&Sigma;}}{f^{\left(0\right)}}_{A\&RightArrow;B}{(R,\mathrm{\&Theta;})}^2{f^{\left(0\right)}}_{B\&RightArrow;C}{(R,\mathrm{\&Theta;})}^2---\left(5\right)$

(5)相对于A→B→C形状的变化的最优值提供两个子孔径的正确定向以用于它们的合并。 

对子孔径对的相互定向进行最优化，并将它们的子孔径合并成新子孔径，对所有子孔径长度执行此过程，从原始数据级处理到完整图像，从而形成完整的自动聚焦链。 

根据本发明的第三方面，当长度L小时，即在自动聚焦的早期阶段时，关联到长度L的子孔径的图像的分辨率单元的数量N_L将会小。同样，因为在早期阶段，所以每个分辨率单元贡献是非常多地面散射体上的平均值，预期 的绝对值也会低。当L小时，上文提到的和的最优值将不明显，但是其结果是FFB链中所需的角精确度与长度L成反比。因此情况是，当L小时，没有统计可用于作出有关三角形A→B→C的形状的精确假设。另一方面，无需精确假设，因为SAR图像f_A→B(R，Θ)的分辨率低。当稍后在自动聚焦链中L变大时，SAR图像的较高分辨率能使合并过程中的精确度提高，这也将是合并的SAR图像保持充分聚焦所必需的。无需在迭代链中“返回”，并重新调整已经过的迭代阶段的三角A→B→C的形状，因为这种精密调整将不涉及先前迭代阶段对其来说重要的粗略级别分辨率。这种自动聚焦方案的特性说明它将在数字上是便利的。 

图4非常示意性地图示具有雷达设备1的平台10的框图，雷达设备1包括天线2。雷达设备还包括处理部件3，处理部件3可以包括自动聚焦处理部件4或与自动聚焦处理部件4通信。以示意方式图示的还有，任意类型的导航系统5，例如GPS(全球定位系统)，用于制作地面部分20的图像。 

在一般特点中，本发明涉及仅涉及合并的子孔径对的内蕴坐标的FFB处理的特定公式化的供应(provisioning)，其对SAR路径或平台路 径是已知的以及是未知的情况均可应用。通过此基本解决方案，使得提供针对平台路径是未知时的问题的解决方案成为可能。这将参考流程图5和6来进行解释。 

因此，参考图5，顶部的方波脉冲串(时间)图示时钟激励，它提供对数据的时间指定和地理位置测量。地理位置测量在雷达数据之间缠结(intertwine)或反之亦然，由此可以假设每个雷达数据定位在由定位或导航系统101A提供的两个已知平台位置之间的中点处。假定P₀，P₁，...， 

是空间中的点集合，102，并且假定X_i＝P_i→P_i+1是包括对相同地面区域成像的共有长度L的相邻子孔径的向量，即各个P_i之间的向量。因此，考虑SAR图像重构的N+1个阶段的迭代过程中每次迭代阶段l，l＝0，1，...，N，假定给定了源于线性孔径的一组k^N-l(k＝2，3，...)个SAR图像fx_i，这些线性孔径形成三维空间中的点P_i之间的向量的连接链X_i＝P_iP_i+1；i＝0，1，...，k^N-l。通过某个距离误差界限给出点P_i；P_i+1；P_i+2；…等的定位精确度。而且，在某个给定的界限内，认为向量X_i是相等长度的并且沿着直线延伸(meander)。认为缠结的SAR雷达图像fx_i覆盖相同的地面区域Ω，102B。 

假设SAR图像由将每个SAR图像表示为函数 的相同算法推导出，其中 

而R是Ω中的任何地面点与X_i的中点Q_i＝P_i+X_i/2之间的径向向量； 

是相对于X_i的方向的极角cos^-1(X_i·R/|X_i||R|)。角分辨率是λ/|X_i|。认为坐标网格(mesh)角精细度为此值的某个固定分数：103、104、105。 

如上文论述的，假设并暗示地面地形的知识，即对于每个SAR图像 

关联有函数 ${\mathrm{\&Psi;}}_{X_i}(R_{X_i},{\mathrm{\&Theta;}}_{X_i})={\sin }^{-1}[n\&CenterDot;(X_i\&times;R)/|X_i\left|\right|R\left|\right],$ 该函数描述某个给定精确度下，地面地形对 

和 

的方位角相关性；单位向量n是在X_i的正交补集中任意选择的，105A。 

然后，定义向量Y_i/k＝X_i+X_i+1+...+X_i+k；i＝0，k，...，k^N-l-1。注意在给定的界限内，所有向量Y_j是相等长度的并且沿着直线延伸。形成参考步骤103的、按上文论述的相同固定惯例的、相对于Y_j的SAR图像极坐标R_Yj和Θ_Yj和具有按λ/|Y_j|的固定分数给定的角精细度提高k倍的SAR图像坐标网格。 

然后，执行坐标转换， 

和 

(这里 

表示舍入到最接近的较小整数值)。表示根据步骤103获取且属于作为坐标系和它们的和向量 的坐标网格中的k个SAR图像 

的向量X_i，X_i+1，...，X_i+k，的k个SAR图像，108。 

然后将每个组中的k个SAR图像 

相加，由此角分辨率提高k倍到约λ/|Y_j|而获得k^N-1个SAR图像 

i＝1，2，...，k^N-l-1。 

当获得坐标转换 

和 

时，对于k^N-l-1个孔径Y_i满足上文参考步骤101A-103的条件，并且可以重复构造步骤以获得对应于迭代l+2的k^N-l-2个孔径Z_i/k＝Y_i+Y_i+1+...+Y_i+k；i＝k，2k，...，k^N-l-2。 

从l＝1到l＝N构造迭代，仅给出具有从第一SAR孔径位置P₁伸展至最后SAR孔径位置 

的孔径的一个SAR图像，且其分辨率由孔径 

的长度确定。该过程的此部分是通用的，并可应用于SAR或平台路径已知和未知的情况。 

参考图6的流程图，现在在SAR路径未知时将考虑此过程。因此，考虑SAR图像重构的迭代过程中的迭代阶段l。 

因此，参考修改的步骤104。 

假设有源于线性孔径的一组2^N-l个SAR图像 

形成连接的向量链X_i＝P_iP_i+1；i＝0，1，...，2^N-l，参考图5中的201A、201B。但是，这里假定P_j；P_j+1；P_j+2；…的定位是未知的或以不足的精确度来提供的。 

假设SAR图像覆盖相同地面区域Ω，但是仅近似地知道Ω的定位，而以足够低精确度获知地面地形是足够的。假设Ω不大于可假设它是平面的情况。这不是限制，因为对于波状地面，当前重构链将局部地应用于地面的任何小且因此近似平面的区域。假设如上文论述的，向量X_i具有相等的已知长度的并且沿着直线延伸。同样如上文论述的，假设SAR图像是由将每个SAR图像表达为函数 

的相同算法推导的。这里 

R是Ω中的任何地面点与X_i的中点Q_i＝P_i+X_i/2之间的径向向量； 

是相对于X_i的方向的极角cos^-1(X_i·R/X_i||R|)。角分辨率是λ/X_i|。假设坐标网格角精细度为此值的某个固定分数。地面地形的知识暗示对于每个SAR图像 关联有已知的函数 ${\mathrm{\&Psi;}}_{X_i}(R_{X_i},{\mathrm{\&Theta;}}_{X_i})={\sin }^{-1}[n\&CenterDot;(X_i\&times;R)/|X_i\left|\right|R\left|\right],$ 该函数描述某个给定精确度下，地面地形与 

和 

的方位角相关性。 

现在将描述迭代l+1的构造步骤，(考虑k＝2)；定义向量Y_i/2＝X_i+X_i+1；i＝0，2，...，2^N-l-1，同样在给定的界限内，这些向量是相等长度的并且沿着直线延伸。如上文论述的，参考步骤106，如上所述定义SAR图像极坐标 

并以λ/|Y_i|的固定分数给定的、提高2倍的角精细度形成SAR图像坐标网格。 

在下文中，将描述针对未知平台路径的情况下的特殊情形。 

坐标 

或 中给定的任何三维点可以达到某个容限，并且基于一个单一参数的假设，可以由坐标 

通过坐标转 换 

和 

来重新表示。实际上，即使X_i，X_i+1的定向是未知的，仍可以进行如下的观察： 

以某个精确度给出各个向量|X_i|的长度，并假定在给定的界限内，这些向量是相等长度的并且沿着直线延伸。其次，因为地面地形相对于X_i和X_i+1的定向由地面地形函数 

和 给出，所以根据上文有关图像的说明，假设它由将每个图像表达为函数 

的算法推导出，X_i和X_i+1相对于地面平面的角度 和 

是已知的。 

但是，如果地面在 

的精确度内是平坦的，则有关 

和 

的知识的此限制使得X_i和X_i+1之间的角度 

仍未确定。 

给定长度|X_i|、|X_i+1|、角度cos^-1(X_i·X_i+1/|X_i||X_i+1|)和地面地形函数 

和 暗示坐标转换 和 

如果cos^-1(X_i·X_i+1/|X_i||X_i+1|)是未知的，则坐标转换将取决于一个未知的参数 

对于参数 的每个选择，将按上文论述获得的且属于X_i和X_i+1的每对SAR图像 

和 

表示为坐标系及其和向量 

的坐标网格中的SAR图像对  ${f^{(i+1)}}_{Y_{i/2}}(R_{Y_{i/2}},{\mathrm{\&Theta;}}_{Y_{i/2}})=f_{X_{i+1}}[R_{X_{i+1}}(R_{Y_{i/2}},{\mathrm{\&Theta;}}_{Y_{i/2}}),{\mathrm{\&Theta;}}_{X_{i+1}}(R_{Y_{i/2}},{\mathrm{\&Theta;}}_{Y_{i/2}})].$

这样，在新的共有坐标系中计算 

并改变 

以便找出它的提供8相关性最大值的值，203、204。 

为进行精密调整的目的，还可以对于每个β改变第二和第三参数，253、251和252，向量X_i，X_i+1的绝对值对应于这些长度，角度 

是各个向量与地面形成的角度。 

是 

和 

之间的角度，并且可以是非常大，例如，2、3或4度(或更多或更少)。应该明确的是这些数字仅出于举例说明的原因而给出，并用于解释此角度 

是最具决定性的因素。可以采用多种方式来执行此相关性或最大化过程，因此图6中仅以示意形式图示一个示例。因此，当对于 实现了估算时，按上文论述的，通过改变第二和第三参数来对相关性 

求值。这样，稍微改变 来找出对应于 

的任何精密调整的最大值。 

最后，在205中，对更精细的(refined)坐标网格 

中的调整的SAR图像对计算 

由此以提高2倍约为 

的角分辨率获取2N-1个SAR图像 

然后，与参考图5论述的已知孔径的情况一样，重复这些迭代。 

因此图6图示根据本发明的自动聚焦过程，这通过参考图5论述的通用方法来实现。 

正如本申请中前文论述的，还可以采用其他方式来执行相关，如上文论述的，可以将SAR图像分成更小的子图像，不是改变 

等，而是改变子图像，以非线性方式使之变形(distorted)，如果将它们分成更小的子图像，则可以由此移动它们，以便能够查看哪种类型的变形产生β，α等的错误估计。这意味着无需最优化，而可以计算β，α等。 

因此，根据本发明，提供一种FFB的特定公式化，它仅依赖于平台路径的内蕴坐标，这样又能够在平台路径未知的情况下通过对偏移 子孔径段应用FFB的公式化以便找出提供最优SAR图像聚焦的路径来实现自动聚焦。FFB的特定实现是具有优势的，因为它提供将FFB充分对称地分成多个处理阶段。它还使FFB减至与平台路径的坐标的基本相关性。与公知的FFB方法比较，它使得对运动、地形和舍入误差的处理相关性简单明了。因此本申请中描述的方法对于实现快速码是非常有用的，而在选择处理硬件和体系结构时仅足够的计算精确度对于该快速码是至关重要的。 

通过本发明，尽管是低频率的无线电波仍将提供非常好的分辨率，这也极其具有优势。 

应该明确的是，本发明并不局限于特定图示的实施例，而是在所附权利要求的范围内可以采用多种方式对其进行改变。该雷达设备可以例如安装在任何类型的平台上，并且可以包括一个或多个天线，使用无线电波或微波等，并且可以在平台路径未知的情况下使用任何适合的相关性或最大化方法。 

Claims (22)

1.一种雷达系统，包括可相对于某个景物沿着平台路径移动的平台，所述平台适于支撑或承载定位设备、定时设备和雷达设备并且适于实现用于对所述景物成像的衍射受限的合成孔径雷达SAR技术，并且包括用于收集和保存雷达原始数据的记录部件，这些雷达原始数据包括注释有距离的雷达回波振幅以及收集所述雷达回波振幅的时间瞬间，以及所收集的雷达原始数据与平台位置测量数据缠结，所述平台位置测量数据注释有收集所述位置测量数据的相应时间瞬间，所述雷达设备还包括用于使用所收集的雷达原始数据和位置测量数据进行SAR处理的处理部件，其特征在于，

所述处理部件适于通过迭代计算k个雷达振幅的总和的序列，其注释有距离和角度参数、相对于三维空间中的共有原点定义，以及其中所述共有原点定义在沿着k个连接的三维向量P₀P₁，P₁P₂，...，P_k-1P_k的向量和P₀P₁，P₁P₂+...+P_k-1P_k形成的向量的位置处，每个所述三维向量包括所述总和中每个雷达振幅项的相应原点，并且各称为子孔径，以及其中处理部件适于通过将雷达原始数据视为所述雷达振幅以在第一迭代阶段中启动迭代过程，其中这些雷达原始数据具有它们的原点，所述原点沿着由执行的定位测量给定的三维点中开始和结束的向量。

2.如权利要求1所述的雷达系统，其特征在于，

所述处理部件适于通过选择值k等于2来以迭代方式成对地合并雷达振幅，或者以迭代方式三个一组地，即k＝3地合并雷达振幅，或者以迭代方式四个或四个以上一组地，即k≥4地合并雷达振幅。

3.如权利要求1-2中任一项所述的雷达系统，其特征在于，

所述子孔径P₀P₁，P₁P₂，...，P_k-1P_k在所有迭代阶段中是近似地共线，由此所述雷达振幅将仅近似地与距离和一个角度参数相关，并且在于角分辨率对于每次迭代以系数k来提高，所述处理部件适于将初始角度离散化网格选为粗略的，并以迭代方式对于每次迭代按系数k使其更精细以创建最终的雷达振幅。

4.如权利要求1-2中任一项所述的雷达系统，其特征在于，

所述处理部件适于处理非共线部署的子孔径P₀P₁，P₁P₂，...，P_k-1P_k，所述景物包括具有定向的平面以及所述处理部件适于提供有关所述定向的信息以将与相对于某个子孔径向量点的距离和角度相关的雷达振幅变换到多个子孔径向量的向量和形成的新原点。

5.如权利要求4所述的雷达系统，其特征在于，

所述处理部件适于处理平台位置测量，以及适于：当所述平台位置测量的精确度未达到给定级别或不足够时，在将雷达振幅求和之前通过要求所述雷达振幅尽可能相似，基于将所获取的雷达振幅进行匹配来执行自动聚焦处理动作，以便在每个迭代阶段中找出所述子孔径P₀P₁，P₁P₂，...，P_k-1P_k之间的适当坐标变换。

6.如权利要求5所述的雷达系统，其特征在于，

对于每次迭代，假定k＝2，自动聚焦处理部件适于通过如下步骤执行雷达振幅的成对匹配：以迭代方式改变要相加的两个相应子孔径P₀P₁和P₁P₂之间的相对定向和它们至所述景物的定向，直到找到相关性最大值为止，并且对由此找到的特定几何中的所述雷达振幅进行变换和相加。

7.如权利要求6所述的雷达系统，其特征在于，

所述处理部件适于执行雷达振幅之间的匹配，其包括所述雷达振幅的强度或平方模之间的相关。

8.如权利要求6或7所述的雷达系统，其特征在于，

所述自动聚焦处理部件适于通过如下步骤获取相关性最大值：将所述雷达振幅分成子图像，并通过将子图像内的子子图像相关以计算包括要相加的每相应两个子孔径之间的角度β的至少一个参数。

9.如权利要求1-2与6-7中任一项所述的雷达系统，其特征在于，

所述雷达系统适于使用微波来进行所述雷达测量。

10.如权利要求1-2与6-7中任一项所述的雷达系统，其特征在于，

所述雷达系统适于使用具有约3-15米波长的无线电波来进行所述雷达测量。

11.如权利要求1-2中任一项所述的雷达系统，其特征在于，所述景物包括地表面部分.

12.如权利要求6-7中任一项所述的雷达系统，其特征在于，所述景物是地面平面。

13.一种使用用于对景物成像的衍射受限的合成孔径技术来从支撑或承载定位设备、定时设备和雷达设备的可移动平台提供所述景物的图像的方法，所述方法包括如下步骤：

-收集和保存雷达原始数据，所述雷达原始数据包括注释有距离的雷达回波振幅以及收集所述雷达回波振幅的时间瞬间；

-执行注释有相应测量时间瞬间的平台测量，以使所述收集的雷达原始数据变成与所述平台测量缠结；

-以迭代方式计算相对于三维空间中的共有原点定义的k个雷达振幅的总和的序列，所述共有原点是在沿着k个连接的三维向量或子孔径P₀P₁，P₁P₂，...，P_k-1P_k的向量和P₀P₁，P₁P₂+...+P_k-1P_k形成的向量的位置处定义的，各子孔径包含所述总和中的每个雷达振幅项的相应原点，计算步骤如下：

-在第一迭代阶段中启动迭代过程，其中将雷达原始数据视为所述雷达振幅，这些雷达原始数据具有它们的原点，所述原点沿着由执行的位置测量给定的三维点中开始和结束的向量。

14.如权利要求13所述的方法，其特征在于，所述方法包括如下步骤：

-以迭代方式成对、即k＝2地或者3个或3个以上一组、即k≥3地合并雷达振幅。

15.如权利要求13所述的方法，其特征在于，

所述方法包括如下步骤，对于基本上共线的子孔径：

-最初选择粗略的角离散化网格，

-以迭代方式获得按系数k使其更精细的角离散化网格，从而获得最终雷达振幅。

16.如权利要求13或14所述的方法，其特征在于，

所述方法包括如下步骤，对于非共线子孔径：

-使用有关所述景物形成的平面的定向的信息以将与相对于某个子孔径向量点的距离和角度相关的雷达振幅变换到多个子孔径向量的向量和形成的新原点。

17.如权利要求16所述的方法，其特征在于，

所述方法包括如下步骤，当所述平台位置测量的精确度未达到给定级别或不足够时，

-在将雷达振幅求和之前，通过要求所述雷达振幅尽可能相似，基于将所获取的雷达振幅进行匹配来执行自动聚焦处理动作，以便在每个迭代阶段中找出所述子孔径之间的适当坐标变换。

18.如权利要求17所述的方法，其特征在于，

所述方法包括通过自动处理部件并且在每次迭代中执行如下步骤：

-通过假设k＝2成对地匹配雷达振幅，并以迭代方式改变相应两个子孔径之间的相对定向和它们至所述景物的定向，直到找到对应于特定几何的相关性最大值为止，

-在由此找到的所述特定几何中对所述雷达振幅进行变换并相加。

19.如权利要求18所述的方法，其特征在于，

所述方法包括如下步骤：

-所述雷达振幅之间的匹配包括所述雷达振幅的强度或平方模之间的相关性。

20.如权利要求18或19所述的方法，其特征在于，

所述方法包括如下步骤，为获取相关性最大值：

-划分子图像中的雷达振幅；

-将子图像内的子子图像相关以计算包括要相加的两个相应子图像之间的角度β的至少一个参数。

21.如权利要求13-15中任一项所述的方法，其特征在于，

所述方法包括：

-使用微波或无线电波来进行所述雷达测量。

22.如权利要求13-15中任一项所述的方法，其特征在于，所述景物是地表面部分。

Images