CN102590812A - 基于调频连续波的sar实时成像方法 - Google Patents

Abstract

本发明公开了一种基于调频连续波的SAR实时成像方法，主要解决现有方法不能处理调频连续波实时回波数据的问题。其实现步骤是：对原始数据进行预滤波；对预滤波后的数据进行多普勒中心估计、走动校正和多普勒中心平移；对中心平移后的数据沿距离向做逆傅里叶变换IFFT；对IFFT后的数据进行多普勒调频率估计，得到调频率值；根据调频率值计算载机的运动误差参数；根据运动误差参数，对预滤波后的数据作运动补偿；对运动补偿后的数据进行走动校正、多普勒中心平移和弯曲校正；对弯曲校正后的数据进行调频率估计，根据得到的调频率值，对数据沿方位向进行聚焦成像，得到SAR图像。本发明具有SAR成像分辨率高的优点，可应用于处理调频连续波实时回波数据。

Description

基于调频连续波的SAR实时成像方法

技术领域

本发明属于雷达成像技术领域，特别是一种基于调频连续波的合成孔径雷达实时成像方法，主要用于目标检测。

背景技术

合成孔径雷达SAR是一种运动的雷达接收静止地物回波序列信号的成像系统。调频连续波是在一个脉冲重复间隔内连续地发射信号，其能量分布在整个脉冲重复周期内，占空比为100％。基于调频连续波的SAR一般采用Dechirp接收方式，即将回波信号与参考信号进行混频，得到差频信号，该差频信号的频率反映了目标的距离信息。2009年西安电子科技大学梁毅博士在其毕业论文《调频连续波SAR信号处理》一文中，介绍了基于调频连续波的SAR的一种改进的距离多普勒算法，其所做的研究是基于仿真数据的，没有进行实测数据的处理。然而，在实际的SAR平台运动过程中，由于平台经常会受到各种因素的影响而存在波动，造成载机航迹发生偏移，使得目标的距离、载机的速度、目标与载机之间的角度等各个参数与预设值之间出现误差。另一方面，由于载机的参数由惯导GPS测量，而目前国内的惯导精度比较低，造成了实际载机参数值和测量载机参数值之间的误差。在仿真数据中，由于不能完全预设这些运动误差，因而如果将处理仿真数据的方法直接应用到实测数据中，由于运动误差的存在，目标得不到准确的聚焦，将造成图像模糊等问题。

发明内容：

本发明的目的在于针对上述已有技术的不足，提出一种基于调频连续波的SAR实时成像方法，以增强处理仿真数据的成像方法在处理实测数据时的有效性，提高SAR成像的分辨率。

为实现上述目的，本发明包括如下步骤：

(1)对雷达接收回来的原始数据进行预滤波；

(2)对预滤波后的数据沿方位向分成48个数据块，每个数据块的方位向点数为1024；

(3)对预滤波后的一个数据块进行多普勒中心估计，根据估计值

计算出载机的斜视角度：

${\mathrm{\θ}}_0=\arcsin \frac{\mathrm{\λ}{\hat{f}}_{\mathrm{dc}}}{2v}$

其中，λ为雷达发射信号的载波波长，v为载机的速度；

对预滤波后的一个数据块进行走动校正和多普勒中心平移；

对走动校正和中心平移后的数据在距离向做逆傅里叶变化IFFT；

(4)根据惯导得到的载机参数v，以及估计得到的载机斜视角度θ₀，计算理想多普勒调频率值k_a；

(7)根据图像偏置法对做完IFFT的数据进行多普勒调频率估计，得到实际多普勒调频率值

(8)根据实际多普勒调频率值与理想多普勒调频率值，计算出载机在一个数据块上的平均加速度值：

$a=\frac{\mathrm{\λ}({\hat{k}}_a-k_a)}{2}$

将这个值作为本数据块方位向正中间的加速度值，即第512个方位点的加速度值；

(9)重复步骤(3)到(8)，对其他数据块进行运算，得到48个数据块分别在其方位向正中间的加速度值，在每两个加速度值之间进行1024点的插值，得到49152个加速度值，此时，每个方位点都对应了一个加速度值，根据这些加速度值，通过第一次累加，得到载机在每个方位点的速度值：

$v_m=T_p\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_i$

其中，v_m为第m个方位点的速度值，T_p为雷达发射一个脉冲的持续时间，a_i为第i个方位点的加速度值，此时，根据得到的49152个速度值，通过第二次累加，得到载机在每个方位点的位移值：

$p_m=T_p\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i,$

其中，p_m为第m个方位点的位移值，v_i为第i个方位点的速度值；

(10)根据位移值，对预滤波后的一个数据块上的一个方位点的数据乘以补偿函数，进行运动补偿，得到补偿后的数据：

$s^{\′}(\hat{t},t_m)=s(\hat{t},t_m)\×H$

其中，

为预滤波后一个数据块上一个方位点的数据，

为距离快时间，t_m为方位慢时间，H为补偿函数：

$H=\exp [-\frac{j4\mathrm{\π}\·p_{1024\×(i-1)+j}}{\mathrm{\λ}}]$

其中，i为第i个数据块，j为一个数据块的第j个方位点，p_{1024×(i-1)+j}为第(1024×(i-1)+j个方位点的位移值；

(11)重复步骤(10)，对本数据块的其他方位点进行运动补偿，得到该数据块所有方位点数据经过补偿后的数据；

(12)对运动补偿后的数据进行走动校正和多普勒中心平移；

(13)对走动校正和多普勒中心平移后的数据进行弯曲校正；

(14)对弯曲校正后的数据进行调频率估计，根据得到的调频率值，对弯曲校正后的数据沿方位向进行聚焦成像，得到一个数据块的图像并保存；

(15)重复步骤(10)到(14)，得到48个数据块的图像，将所有图像拼接在一起，得到最终的SAR图像。

本发明具有以下优点：

1.本发明由于对数据进行分块处理，对每个数据块估计调频率，减少加速度的误差，进而减少速度和位移的误差，提高了运动补偿的准确度；

2.本发明由于对数据进行了运动补偿，使得成像方法可以应用于对不同调频连续波回波数据的处理，提高了成像的有效性；

3.本发明由于使用实测数据进行多普勒中心估计和多普勒调频率估计，提高了多普勒值和调频率值的准确度，使得目标的聚焦更加准确，提高了SAR成像的分辨率。

附图说明

图1是本发明的实现流程图；

图2是用本发明获得的SAR成像图；

图3是用本发明获得的SAR成像图的局部放大图；

图4是对用本发明获得的SAR成像图选取的一个特显点的评估图。

具体实施方式：

参照图1，本发明的具体步骤如下：

步骤1.对雷达接收回来的原始数据进行预滤波。

首先将原始数据沿方位向做傅里叶变换FFT，将变换后的第一个方位点的数据置为0；

然后，将第一个方位点置0后的数据沿方位向做逆傅里叶变换IFFT，完成对原始数据的预滤波。

步骤2.对预滤波后的数据沿方位向分成48个数据块，每个数据块的方位向点数为1024。

步骤3.对预滤波后的一个数据块进行多普勒中心估计。

根据相关函数法，对一个数据块的每个距离点数据进行错位共轭点乘，错位点数为1，对共轭点乘后每个距离点的数据求均值，根据均值求得均值对应的角度，根据每个距离点的角度，求得角度的均值angle，根据angle值，计算出多普勒中心值：

${\hat{f}}_{\mathrm{dc}}=\frac{\mathrm{angle}}{2\mathrm{\π}\·T_p},$

其中，T_p为雷达发射一个脉冲的持续时间，根据估计值

计算出载机的斜视角度：

${\mathrm{\θ}}_0=\arcsin \frac{\mathrm{\λ}{\hat{f}}_{\mathrm{dc}}}{2v},$

其中，λ为雷达发射信号的载波波长，v为载机的速度。

步骤4.对预滤波后的一个数据块进行走动校正和多普勒中心平移。

在一个数据块的距离向乘以走动校正函数和多普勒中心平移函数，得到走动校正和多普勒中心平移后的数据：

$s^{\′}(\hat{t},t_m)=s(\hat{t},t_m)\×H_{\mathrm{walk}}(\hat{t},t_m)\×H_{\mathrm{Fdc}}(\hat{t},t_m),$

其中，

为走动校正和中心平移前的数据，

为距离快时间，t_m为方位慢时间，

为走动校正函数，

为多普勒中心平移函数：

$H_{\mathrm{walk}}(\hat{t},t_m)=\exp [-j\frac{4\mathrm{\π\γ}{\mathrm{vt}}_m\sin {\mathrm{\θ}}_0}{c}(\hat{t}-\frac{{2R}_{\mathrm{ref}}}{c})],$

$H_{\mathrm{ac}}(\hat{t},t_m)=\exp [-\mathrm{j\π}({\hat{k}}_a{t^2}_m+2{\hat{f}}_{\mathrm{dc}}{t}_m)],$

其中，γ为雷达发射脉冲的调频率，v为载机的速度，t_m为方位慢时间，为距离快时间，θ₀为估计得到的载机斜视角度，R_ref为载机到目标的参考距离，λ为雷达发射信号的载波波长。

步骤5.对走动校正和中心平移后的数据在距离向做IFFT。

步骤6.根据惯导得到的载机参数v，以及估计得到的载机斜视角度θ₀，计算理想多普勒调频率值：

$k_a=-\frac{{2v}^2\·{\cos }^2{\mathrm{\θ}}_0}{\mathrm{\λ}\·R_0},$

其中，R₀为载机到目标的斜距，λ为雷达发射信号的载波波长，v为载机的速度，θ₀为估计得到的载机斜视角度。

步骤7.根据图像偏置法对做完IFFT的数据进行多普勒调频率估计，得到实际多普勒调频率值

首先，将一个数据块分为前后两部分，将前512个方位点的数据称为前孔径信号，将后512个方位点的数据称为后孔径信号；

然后，分别求前孔径信号和后孔径信号沿方位向的幅值，记幅值最大的距离点数据分别为s₁(t_m)和s₂(t_m)，将s₁(t_m)和s₂(t_m)做傅里叶变换FFT，得到S₁(f)和S₂(f)；

最后，分别寻找S₁(f)和S₂(f)在其512个方位点上的最大值max₁和max₂，根据最大值max₁和max₂，计算调频率：

${\hat{k}}_a=k_a+\frac{|{\max }_1-{\max }_2|}{512\×T_p},$

其中，T_p为雷达发射一个脉冲的持续时间。

步骤8.根据实际多普勒调频率值

与理想多普勒调频率值k_a，计算出载机在一个数据块上的平均加速度值：

$a=\frac{\mathrm{\λ}({\hat{k}}_a-k_a)}{2},$

将该平均加速度值作为本数据块方位向正中间的加速度值，即第512个方位点的加速度值。

步骤9.重复步骤(3)到(8)，对其他数据块进行运算，得到48个数据块分别在其方位向正中间的加速度值，在每两个加速度值之间进行1024点的插值，得到49152个加速度值，此时，每个方位点都对应了一个加速度值，根据这些加速度值，通过第一次累加，得到载机在每个方位点的速度值：

$v_m=T_p\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_i,$

其中，V_m为第m个方位点的速度值，T_p为雷达发射一个脉冲的持续时间，a_i为第i个方位点的加速度值，此时，根据得到的49152个速度值，通过第二次累加，得到载机在每个方位点的位移值：

$p_m=T_p\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i,$

其中，p_m为第m个方位点的位移值，v_i为第i个方位点的速度值。

步骤10.根据位移值，对预滤波后的一个数据块上的一个方位点的数据乘以补偿函数，进行运动补偿，得到补偿后的数据：

$s^{\′}(\hat{t},t_m)=s(\hat{t},t_m)\×H,$

其中，为预滤波后一个数据块上一个方位点的数据，

为距离快时间，t_m为方位慢时间，H为补偿函数：

$H=\exp [-\frac{j4\mathrm{\π}\·p_{1024\×(i-1)+j}}{\mathrm{\λ}}],$

其中，λ为雷达发射信号的载波波长，i为第i个数据块，j为一个数据块的第j个方位点，p_{1024×(i-1)+j}为第(1024×(i-1)+j)个方位点的位移值。

步骤11.重复步骤(10)，对本数据块的其他方位点进行运动补偿，得到该数据块所有方位点数据经过补偿后的数据。

步骤12.对运动补偿后的数据进行走动校正和多普勒中心平移，方法与步骤(4)相同。

步骤13.对走动校正和多普勒中心平移后的数据进行弯曲校正，即将走动校正和多普勒中心平移后的数据沿方位向做FFT，对做完FFT的数据在距离向乘以弯曲校正函数，得到校正后的数据：

$s^{\′}(\hat{t},f_a)=s(\hat{t},f_a)\×H_{\mathrm{RMC}}(\hat{t},f_a),$

其中，

为弯曲校正前的数据，f_a为方位多普勒域，

为弯曲校正函数：

$H_{\mathrm{RMC}}(\hat{t},f_a)=\exp [-j\frac{4\mathrm{\π\γ}}{c}\·R_0\·\frac{{\mathrm{\λ}}^2{f}_a^2}{{8v}^2{\cos }^2{\mathrm{\θ}}_0}(\hat{t}-\frac{{2R}_{\mathrm{ref}}}{c})],$

式中，γ为雷达发射脉冲的调频率，λ为雷达发射信号的载波波长，R_ref为载机到目标的参考距离，R₀为载机到目标的斜距，v为载机的速度，θ₀为估计得到的载机斜视角度。

步骤14.对弯曲校正后的数据进行调频率估计，方法与步骤(7)相同，得到调频率值。

步骤15.根据得到的调频率值，对弯曲校正后的数据沿方位向进行聚焦成像，得到一个数据块的图像并保存。

15a)对弯曲校正后的数据沿方位向乘以匹配函数，得到匹配后数据：

$s^{\′}(\hat{t},t_m)=s(\hat{t},t_m)\×H_{\mathrm{ac}}(\hat{t},t_m),$

其中，

为匹配前的数据，

$H_{\mathrm{ac}}(\hat{t},t_m)=\exp [-\mathrm{j\π}({\hat{k}}_a{t^2}_m+2{\hat{f}}_{\mathrm{dc}}{t}_m)]$ 为匹配函数，

式中，为估计的调频率值，

为估计的多普勒中心值，为距离快时间，t_m为方位慢时间；

15b)对匹配后的数据沿方位向做FFT，将做完FFT后的数据求模值，将模值作为图像数据进行存储。

步骤16.重复步骤(10)到(15)，得到48个数据块的图像数据，将所有图像数据拼接在一起，得到最终的SAR图像。

16a)开辟一个能存储48个数据块的数据空间s，并将第一个数据块的图像数据存入s的起始位置；

16b)依次将相邻两个数据块的图像数据进行如下相关操作：

首先，将前一个数据块的最后一个方位点的数据依次与后一个数据块的前512个方位点数据进行相关运算，得到前一个数据块最后一个方位点的数据和后一个数据块的前512个方位点数据的相关系数，找到最大的相关系数对应的后一个数据块的方位点；然后，将最大的相关系数对应的后一个数据块的方位点之后的方位点数据依次存储在空间s上；

16c)根据空间s上的每一个数据对应一个像素点，数据的大小为像素点的灰度值，灰度值越大则像素点越亮，灰度值越小则像素点越暗的特点，将所有数据按灰度值大小画成一个图像，则是最终的SAR图像。

本发明的效果可以通过以下实测进一步说明：

A.图2所示是用本发明方法实测获得的SAR成像图，图2白色框所示为在SAR图像中选取一个特显点的位置，该特显点在局部放大图中的位置如图3白色框所示。

B.图4所示是对图3中所选取的特显点的评估图，其中，图4(a)是该特显点的距离向剖面图，图4(b)是该特显点的方位向剖面图，图4(c)是该特显点距离向每两个数据之间进行16点插值后的结果图，图4(d)是该特显点方位向每两个数据之间进行16点插值后的结果图。

由图4(a)可以得到距离向的峰值旁瓣比为-22.16dB，由图4(b)可以得到方位向的峰值旁瓣比为-24.65dB，由图4(c)可以得到距离向的积分旁瓣比为-11.31dB，由图4(d)可以得到方位向的积分旁瓣比为-11.13dB。一般情况下，当峰值旁瓣比小于-13.26dB，积分旁瓣比小于-10dB时，认为对目标进行了良好聚焦。本发明选取的特显点的距离向峰值旁瓣比和方位向峰值旁瓣比均小于-13.26dB，该特显点的距离向积分旁瓣比和方位向积分旁瓣比均小于-10dB，因此，特显点的分辨率得到提高。可见，本发明能够处理实测数据，提高SAR成像的分辨率。

Claims (5)

1.一种调频连续波SAR实时成像方法，包括如下步骤：

(1)对雷达接收回来的原始数据进行预滤波；

(2)对预滤波后的数据沿方位向分成48个数据块，每个数据块的方位向点数为1024；

(3)对预滤波后的一个数据块进行多普勒中心估计，根据估计值计算出载机的斜视角度：

${\mathrm{\θ}}_0=\arcsin \frac{\mathrm{\λ}{\hat{f}}_{\mathrm{dc}}}{2v},$

其中，λ为雷达发射信号的载波波长，v为载机的速度；

(4)对预滤波后的一个数据块进行走动校正和多普勒中心平移；

(5)对走动校正和中心平移后的数据在距离向做逆傅里叶变化IFFT；

(6)根据惯导得到的载机参数v，以及估计得到的载机斜视角度θ₀，计算理想多普勒调频率值k_a；

(7)根据图像偏置法对做完IFFT的数据进行多普勒调频率估计，得到实际多普勒调频率值

(8)根据实际多普勒调频率值与理想多普勒调频率值，计算出载机在一个数据块上的平均加速度值：

$a=\frac{\mathrm{\λ}({\hat{k}}_a-k_a)}{2},$

将这个值作为本数据块方位向正中间的加速度值，即第512个方位点的加速度值；

(9)重复步骤(3)到(8)，对其他数据块进行运算，得到48个数据块分别在其方位向正中间的加速度值，在每两个加速度值之间进行1024点的插值，得到49152个加速度值，此时，每个方位点都对应了一个加速度值，根据这些加速度值，通过第一次累加，得到载机在每个方位点的速度值：

$v_m=T_p\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_i,$

其中，v_m为第m个方位点的速度值，T_p为雷达发射一个脉冲的持续时间，a_i为第i个方位点的加速度值，此时，根据得到的49152个速度值，通过第二次累加，得到载机在每个方位点的位移值：

$p_m=T_p\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i,$

其中，p_m为第m个方位点的位移值，v_i为第i个方位点的速度值；

(10)根据位移值，对预滤波后的一个数据块上的一个方位点的数据乘以补偿函数，进行运动补偿，得到补偿后的数据：

$s^{\′}(\hat{t},t_m)=s(\hat{t},t_m)\×H,$

其中，

为预滤波后一个数据块上一个方位点的数据，

为距离快时间，t_m为方位慢时间，H为补偿函数：

$H=\exp [-\frac{j4\mathrm{\π}\·p_{1024\×(i-1)+j}}{\mathrm{\λ}}],$

其中，i为第i个数据块，j为一个数据块的第j个方位点，p_{1024×(i 1)+j}为第(1024×(i-1)+j个方位点的位移值；

(11)重复步骤(10)，对本数据块的其他方位点进行运动补偿，得到该数据块所有方位点数据经过补偿后的数据；

(12)对运动补偿后的数据进行走动校正和多普勒中心平移；

(13)对走动校正和多普勒中心平移后的数据进行弯曲校正；

(14)对弯曲校正后的数据进行调频率估计，根据得到的调频率值，对弯曲校正后的数据沿方位向进行聚焦成像，得到一个数据块的图像并保存；

(15)重复步骤(10)到(14)，得到48个数据块的图像，将所有图像拼接在一起，得到最终的SAR图像。

2.根据权利要求1所述的调频连续波SAR实时成像方法，其特征在于步骤(4)所述的走动校正和多普勒中心平移，是通过在距离向乘以走动校正函数和多普勒中心平移函数得到走动校正和多普勒中心平移后的数据：

$s^{\′}(\hat{t},t_m)=s(\hat{t},t_m)\×H_{\mathrm{walk}}(\hat{t},t_m)\×H_{\mathrm{Fdc}}(\hat{t},t_m),$

其中，

为走动校正和中心平移前的数据，

为距离快时间，t_m为方位慢时间，

为走动校正函数，

为多普勒中心平移函数：

$H_{\mathrm{walk}}(\hat{t},t_m)=\exp [-j\frac{4\mathrm{\π\γ}{\mathrm{vt}}_m\sin {\mathrm{\θ}}_0}{c}(\hat{t}-\frac{{2R}_{\mathrm{ref}}}{c})],$

$H_{\mathrm{Fds}}(\hat{t},t_m)=\exp \left[\begin{array}{cc}-j\frac{4\mathrm{\πv}{t}_m}{\mathrm{\λ}}& \mathrm{\θi}{s}_0\end{array}\right]r,$

其中，γ为雷达发射脉冲的调频率，v为载机的速度，t_m为方位慢时间，

为距离快时间，θ₀为估计得到的载机斜视角度，R_ref为载机到目标的参考距离，λ为雷达发射信号的载波波长。

3.根据权利要求1所述的调频连续波SAR实时成像方法，其特征在于步骤(6)所述的计算理想调频率值，是通过如下公式计算：

$k_a=-\frac{{2v}^2\·{\cos }^2{\mathrm{\θ}}_0}{\mathrm{\λ}\·R_0},$

其中，R₀为载机到目标的斜距，λ为雷达发射信号的载波波长，v为载机的速度，θ₀为估计得到的载机斜视角度。

4.根据权利要求1所述的调频连续波SAR实时成像方法，其特征在于步骤(7)所述的调频率估计，是将一个数据块分为前后两部分，将前512个方位点的数据称为前孔径信号，将后512个方位点的数据称为后孔径信号；分别求前孔径信号和后孔径信号沿方位向的幅值，记幅值最大的距离点数据分别为s₁(t_m)和s₂(t_m)，将s₁(t_m)和s₂(t_m)做傅里叶变换FFT，得到S₁(f)和S₂(f)；分别寻找S₁(f)和S₂(f)在其512个方位点上的最大值max₁和max₂，根据最大值max₁和max₂，计算调频率：

${\hat{k}}_a=k_a+\frac{|{\max }_1-{\max }_2|}{512\×T_p},$

其中，T_p为雷达发射一个脉冲的持续时间。

5.根据权利要求1所述的调频连续波SAR实时成像方法，其特征在于步骤(13)所述的弯曲校正，是将走动校正和多普勒中心平移后的数据沿方位向做FFT，对做完FFT的数据在距离向乘以弯曲校正函数，得到校正后的数据：

$s^{\′}(\hat{t},f_a)=s(\hat{t},f_a)\×H_{\mathrm{RMC}}(\hat{t},f_a),$

其中，

为弯曲校正前的数据，f_a为方位多普勒域，

为弯曲校正函数：

$H_{\mathrm{RMC}}(\hat{t},f_a)=\exp [-j\frac{4\mathrm{\π\γ}}{c}\·R_0\·\frac{{\mathrm{\λ}}^2{f}_a^2}{{8v}^2{\cos }^2{\mathrm{\θ}}_0}(\hat{t}-\frac{{2R}_{\mathrm{ref}}}{c})],$

式中，γ为雷达发射脉冲的调频率，λ为雷达发射信号的载波波长，R_ref为载机到目标的参考距离，R₀为载机到目标的斜距，v为载机的速度，θ₀为估计得到的载机斜视角度。

Images