CN103869315A - 临近空间圆周合成孔径雷达快速后向投影成像方法 - Google Patents

临近空间圆周合成孔径雷达快速后向投影成像方法 Download PDF

Info

Publication number
CN103869315A
CN103869315A CN201410100867.4A CN201410100867A CN103869315A CN 103869315 A CN103869315 A CN 103869315A CN 201410100867 A CN201410100867 A CN 201410100867A CN 103869315 A CN103869315 A CN 103869315A
Authority
CN
China
Prior art keywords
phi
node
sigma
imaging
tree
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.)
Granted
Application number
CN201410100867.4A
Other languages
English (en)
Other versions
CN103869315B (zh
Inventor
杨海光
武俊杰
宋雷权
孙稚超
黄钰林
杨建宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201410100867.4A priority Critical patent/CN103869315B/zh
Publication of CN103869315A publication Critical patent/CN103869315A/zh
Application granted granted Critical
Publication of CN103869315B publication Critical patent/CN103869315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9004SAR image acquisition techniques
    • G01S13/9017SAR image acquisition techniques with time domain processing of the SAR signals in azimuth
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904SAR modes
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904SAR modes
    • G01S13/9088Circular SAR [CSAR, C-SAR]

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种临近空间圆周合成孔径雷达快速后向投影成像方法,针对临近空间圆周合成孔径雷达快速成像问题,本发明的方法利用像素幅度误差替代相干成像方法中的相位误差作为成像精度的评价标准,根据最小均方误差原理,通过基于切比雪夫节点拉格朗日插值的格林函数的低阶近似展开,将计算子孔径投影的问题转换为计算有限个近似展开系数的问题,在满足聚焦精度的条件下可以尽可能地减小展开系数的个数,从而降低了算法计算复杂度,再利用递归运算完成从粗聚焦到精聚焦的成像。与现有圆周SAR后向投影成像方法相比,运算速度有显著的提高,可以实现大场景的成像,而且成像精度更高。

Description

临近空间圆周合成孔径雷达快速后向投影成像方法
技术领域
本发明属于雷达技术领域,涉及合成孔径雷达成像方法技术,具体涉及临近空间圆周合成孔径雷达成像技术中的快速后向投影成像方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种全天时、全天候的现代高分辨率微波遥感成像雷达,在地形测绘、植被分析、海洋及水文观测、环境及灾害监视、资源勘探以及地壳微变检测等领域,SAR发挥了越来越重要的作用。
临近空间圆周合成孔径雷达(CSAR)由于可以环绕成像区域进行长时间观测而有着很多突出的优点,它能在较短时间内实现对大面积区域的快速观测,观测效率高等特点。另外,由于临近空间CSAR对观测区域进行360°区域的观测,可以有效提高了成像分辨率。
在圆形轨迹模式下,由于平台飞行轨迹的特殊形式,雷达回波的方位频谱难以推导,因此应用于一般的直线SAR模式的频域成像算法,如距离多普勒、Chirp Scaling和波数域等算法均不能直接应用于CSAR。可以用于临近空间CSAR成像的频域算法为改进的波数域算法,在文献:A Novel Modified Omega-K Algorithm for Circular trajectory Scanning SARImaing Using Series Reversion,Yi Liao,Meng-dao Xing,Lei Zhang,Zheng Bao,《EURASIPJournal on Advances in Signal Processing》,2013:64,提出了一种用基于序列反转的波数域方法,成像效果较为精确,但是此方法计算二维波数域频谱的过程较为复杂,并且算法复杂度为N2.5(其中,N为数据方阵的大小),不能实现快速成像;另一种成像方法为后向投影算法,传统反投影方法运算耗时较长,在文献:Processing of Circular SAR Trajectories withFast Factorized Back-Projection,Octavio Ponce,Pau Prats,Marc Rodriguez-Cassola,RolfScheiber,Andreas Reigber,《Geoscience and Remote Sensing Symposium(IGARSS)2011IEEEInternational》,2011:3692-3695,采用快速分块后向投影方法,算法复杂度降为N2log(N),并通过限制投影相位误差的方法达到聚焦效果,有效改进了反投影算法,而此算法仅考虑投影的相位误差,忽略了点的像素幅度误差。
发明内容
本发明的目的是针对现有技术存在的上述缺陷,研究一种临近空间圆周合成孔径雷达快速后向投影成像方法,通过降低幅度误差实现快速精确成像。
本发明的技术方案为:一种临近空间圆周合成孔径雷达快速后向投影成像方法,具体包括如下步骤:
步骤一:原始回波距离压缩,
平台的运动半径为rc,飞行高度为H,飞行线速度记为V,则平台的飞行角速度为wv=V/rc,观测场景内任意点目标的坐标记为(x,y);
目标距离历史为R(t;x,y),
R ( t ; x , y ) = ( r c · cos ( w v t ) - x ) 2 + ( r c · sin ( w v t ) - y ) 2 + H 2 - - - ( 1 )
其中,t为方位时间,
点目标P(x,y)回波表达式记为Sr(t,τ;x,y):
S r ( t , τ ; x , y ) = rect [ τ - τ d ( t ; x , y ) T r ] × exp { jπ K r [ τ - τ d ( t ; x , y ) ] 2 } × exp { - j 2 π f 0 τ d ( t ; x , y ) } - - - ( 2 )
其中,τ为距离向时间,τd(t;x,y)为点目标P(x,y)处回波延时τd(t;x,y)=R(t;x,y)/c,rect[·]代表距离时间窗,Kr是发射信号的时间调频斜率,c为光速,f0为载波频率,Tr代表距离时间脉宽;
利用驻定相位原理计算点目标距离压缩后距离向频谱表达式,其距离向频谱形式记为Sf(f,t;x,y),其中,f为距离向频率,t为方位向时刻;
S f ( f , t ; x , y ) = φ ( f , t ; x , y ) × exp { - j 2 π ( f + f 0 ) R ( t ; x , y ) c } - - - ( 3 )
其中,φ(f,t;x,y)为目标P(x,y)的距离压缩后距离向频谱包络;
步骤二:确定成像场景,并且在原始数据空间和成像区域上建立四叉树,
定义图像空间M=[xmin,xmax]×[ymin,ymax],其中,点(x,y)∈M,xmin、ymin分别为成像场景二维最小边界,xmax、ymax分别为成像场景二维最大边界;
定义信号空间S=[fmin,fmax]×[tmin,tmax],其中,点(f,t)∈S,fmin为回波信号最小距离向频率,tmin为回波最早方位时刻,fmax为回波最大距离向频率,tmax为回波最终方位时刻。
定义信号空间S上四叉树TS,其中,树的根节点为整个信号空间S,树的叶子节点为对S的两维分别进行Nr次等分形成的网格,Nr为距离向采样点数;在图像空间M上构造四叉树TM,树的根节点为图像空间M,叶子节点为M被等分Na 2形成的网格,Na为方位向点数;
步骤三:递归初始化,将信号域的树TS的叶子节点对应信号投影到图像域的树TM上的根节点对应场景;
建立后向投影积分公式:
Ima ( x , y ) = ∫ ∫ exp { j 2 π ( f + f 0 ) R ( t ; x , y ) c } S f ( f , t ; x , y ) dfdt - - - ( 4 )
其中,Ima(x,y)为场景任意点P(x,y)处的像素值;
记TM的根节点RM,以及TS的任意叶子节点LS;由LS对应的信号投影到节点RM中,得到子视全区域粗聚焦图像:
Ima L S ( x , y ) Σ f Σ t Σ k α k R M L S ( x , y ) β k R M L S ( f , t ) S f ( f , t ; x , y ) - - - ( 5 )
其中,(x,y)∈RM,(f,t)∈LS,k为插值点个数,
Figure BDA0000478614720000033
为积分函数中格林函数
Figure BDA0000478614720000034
通过二维拉格朗日插值得到格林函数的低阶近似表达,并且满足:
| exp { j 2 π ( f + f 0 ) R ( t ; x , y ) c } - Σ k α k R M L S ( x , y ) β k R M L S ( f , t ) | ≤ ϵ - - - ( 6 )
其中,ε为格林函数的低阶近似展开的误差;
进而得到一系列称为递归算法的投影等效信号:
γ k R M L S = Σ f Σ t β k R M L S ( f , t ) S f ( f , t ; x , y ) - - - ( 7 )
其中,
β k R M L S ( f , t ) = e - j 2 π f 0 Φ ( x 0 ( R M ) , y k L S ) L k L S ( y ) e j 2 π f 0 Φ ( x 0 ( R M ) , y ) - - - ( 8 )
Φ(x,y)=2(f+f0)/f0·R(t;x,y)/c    (9)
Φ ( x 0 ( R M ) , y k L S ) = Φ ( x , y ) | ( x , y ) = ( x 0 ( R M ) , y k L S )
Φ ( x 0 ( R M ) , y ) = Φ ( x , y ) | x = x 0 ( R M )
二维变量y表示信号空间的二维坐标(f,t),x表示图像空间二维坐标(x,y),x0(RM)=(x0,y0)是节点RM中心位置的坐标,是节点LS上的二维插值节点,
Figure BDA00004786147200000311
为Φ(x,y)当x=x0(RM)及
Figure BDA00004786147200000312
时的函数值,Φ(x0(RM),y)为Φ(x,y)当x=x0(RM)时的函数值。
其中,k1、k2代表插值点下标,1≤k1≤rε,1≤k2≤rε,rε为一维插值点的个数,在节点LS中插值点个数为
Figure BDA00004786147200000416
二维拉格朗日插值基函数:
L k L S ( y ) = Π 1 ≤ i ≤ r ϵ , i ≠ k 1 f - f i L S f k 1 L S - f i L S Π 1 ≤ j ≤ r ϵ , j ≠ k 2 t - t j L S t k 2 L S - t j L S - - - ( 10 )
步骤四:递归计算投影等效信号;
递归运算过程中,图像空间的网格由四叉树的根节点逐渐细分为子节点,信号空间的网格则由四叉树的叶子节点逐渐组合成双亲节点。投影等效信号
Figure BDA0000478614720000042
的值在递归过程中不断更新,更新方法分三个阶段进行,第一阶段递归公式为:
γ k R M L S = e - j 2 π f 0 Φ ( x 0 ( R M ) , y k L S ) Σ ch Σ k ' r ϵ ( L t L S ( y k ' L S ch ) e j 2 π f 0 Φ ( x 0 ( R M ) , y k ' L S ch ) γ k ' R M p L S ch ) - - - ( 11 )
其中,
Figure BDA0000478614720000044
为当前节点LS的子节点,
Figure BDA0000478614720000045
为节点RM的双亲节点,ch表示子节点,k是Ls节点的插值点个数,k′是Ls子节点的插值点个数,k和k′取值范围是[1,rε],
Figure BDA0000478614720000046
为信号空间节点
Figure BDA0000478614720000047
上二维插值点,
Figure BDA0000478614720000048
为在上一层递归中计算得到的等效信号,
Φ ( x 0 ( R M ) , y k L S ) = Φ ( x , y ) | ( x , y ) = ( x 0 ( R M ) , y k L S )
Φ ( x 0 ( R M ) , y k ' L S ch ) = Φ ( x , y ) | ( x , y ) = ( x 0 ( R M ) , y k ' L S ch )
该阶段迭代的终止时刻为节点RM和LS的深度为l=L/2。
第二阶段为转换阶段,转换公式为:
γ k R M L S = Σ s r ϵ α s R M L S ( x k R M ) γ s R M L S - - - ( 12 )
其中,
α s R M L S ( x k R M ) = e j 2 π f 0 Φ ( x k R M , y s L S ) - - - ( 13 )
Φ ( x k R M , y k L S ) = Φ ( x , y ) | ( x , y ) = ( x k R M , y k L S )
其中,
Figure BDA00004786147200000414
为信号空间节点LS中二维插值点,
Figure BDA00004786147200000415
为图像空间RM中的二维插值点。
第三阶段递归公式为:
γ k R M L S = Σ c e j 2 π f 0 Φ ( x , y 0 ( L S ch ) ) Σ k ' r ϵ ( L k ' R M ( x ) e - j 2 π f 0 Φ ( x k ' R M p , y 0 ( L S ch ) ) γ k ' R M p L S ch ) - - - ( 14 )
其中,为信号空间节点
Figure BDA0000478614720000053
的中心点, Φ ( x , y 0 ( L S ch ) ) = Φ ( x , y ) | y = y 0 ( L S ch ) , Φ ( x k ' R M p , y 0 ( L S ch ) ) = Φ ( x , y ) | ( x , y ) = ( x k ' R M p , y 0 ( L S ch ) ) ;
该阶段迭代的终止时刻为节点LS的深度为l=1。
步骤五:完成精聚焦成像,
设树TS的根节点为LS,树TM的叶子节点为RM,则由节点RM到LS的全孔径投影为:
Ima ( x ) = e j 2 π f 0 Φ ( x , y 0 ( R M ) ) Σ k r ϵ L k L S ( x ) e - j 2 π f 0 Φ ( x k R M , y 0 ( L S ) ) γ k L S R M - - - ( 15 )
其中,
Φ ( x , y 0 ( R M ) ) = Φ ( x , y ) | y = y 0 ( R M )
Φ ( x k R M , y 0 ( L S ) ) = Φ ( x , y ) | ( x , y ) = ( x k R M , y 0 ( L S ) ) .
本发明的有益效果:本发明的方法利用像素幅度误差替代相干成像方法中的相位误差作为成像精度的评价标准,根据最小均方误差原理,通过基于切比雪夫节点拉格朗日插值的格林函数的低阶近似展开,将计算子孔径投影的问题转换为计算有限个近似展开系数的问题,在满足聚焦精度的条件下可以尽可能地减小展开系数的个数,从而降低了算法计算复杂度,再利用递归运算完成从粗聚焦到精聚焦的成像。与现有圆周SAR后向投影成像方法相比,运算速度有显著的提高,可以实现大场景的成像,而且成像精度更高。
附图说明
图1是本发明提供方法的流程示意图;
图2是本发明具体实施方式采用的临近空间圆周合成孔径雷达系统结构图;
图3是本发明具体实施方式采用的临近空间圆周合成孔径雷达系统参数表;
图4是本发明具体实施方式中采用的目标场景布置图;
图5是本发明具体实施方式中对图4中9个点目标进行成像的结果示意图;
图6是图4中A点的成像结果示意图;
图7是图4中O点的成像结果示意图;
图8是图4中B点的成像结果示意图。
具体实施方式
下面结合附图对本发明的实施例做进一步的说明。
本发明主要采用仿真实验的方法进行验证,所有步骤、结论都在Matlab2010上验证正确。下面就具体实施方式对本发明作进一步的详细描述。
A:对成像区域任意点目标,计算平台与目标的距离历程,产生临近空间圆周合成孔径雷达(CSAR)点目标仿真回波数据,记为Sγ(t,τ),并且设定此矩阵为方阵,仿真所需的参数如图3所示,目标场景如图4所示,图中的黑色圆点为布置于地面上的3×3共9个点目标。这9个点的其中8个点在以坐标原点为中心,以30m为半径的圆上均匀分布,一个点位于坐标原点。
回波数据Sγ(t,τ)进行距离向快速傅立叶变换(FFT),得到CSAR距离向频谱数据,记为S(f,t;x,y),根据匹配滤波原理,进行距离压缩,得到距离压缩后频谱数据Sf(f,t;x,y)。
B:确定成像区域M=[xmin,xmax]×[ymin,ymax],计算频谱数据Sf(f,t;x,y)所在信号空间S=[fmin,fmax]×[tmin,tmax],将信号空间S划分成均匀的网格,网格数为Nr×Na。根据切比雪夫网格计算公式,在S上的任一网格LS内,计算插值点其中,一维切比雪夫网格计算公式为
Figure BDA0000478614720000062
i=0、1、…、n-1,由式(6)计算得初始展开系数。
C:划分成像区域M,两维分别做一次等分,划分的任一网格节点RM中心点记(x0(RM),y0(RM)),将空间M上已划网格进行综合,任一网格节点LS由子节点
Figure BDA0000478614720000063
合成,如图4所示。计算节点LS上切比雪夫网格点作为插值点,由(10)式计算与节点RM、LS对应的展开系数
Figure BDA0000478614720000064
重复此步骤,直至节点RM或LS的深度为树的深度的一半。
D:由节点RM、LS生成的根据转换式(11)计算点上像素值
Figure BDA0000478614720000067
由此计算得所有节点RM上的像素值为节点LS投影的粗聚焦的子图像。
E:对区域M上网格进行等分,S空间上网格进行综合,记M上任一网格RM上的插值点为
Figure BDA0000478614720000068
S上任一节点LS的中心点(f0(LS),t0(LS)),由式(12)计算插值点处像素值重复此步骤,直至节点LS的深度为l=1。
F:由节点RM内插值点
Figure BDA00004786147200000611
的像素值根据式(14)计算节点RM内每个点(x,y)的像素值,完成图像精聚焦。
图5为对图4中9个点目标进行成像的结果示意图;图6为图4中A点的成像结果示意图;图7为图4中O点的成像结果示意图;图8为图4中B点的成像结果示意图。
通过上述实施例可以看出,本发明的方法通过递归投影的方式加快了成像速度,并且在递归过程中逐渐降低由投影函数的低阶近似展开带来的幅度误差,实现快速精确成像。

Claims (1)

1.一种临近空间圆周合成孔径雷达快速后向投影成像方法,具体包括如下步骤:
步骤一:原始回波距离压缩,
平台的运动半径为rc,飞行高度为H,飞行线速度记为V,则平台的飞行角速度为wv=V/rc,观测场景内任意点目标的坐标记为(x,y);
目标距离历史为R(t;x,y),
R ( t ; x , y ) = ( r c · cos ( w v t ) - x ) 2 + ( r c · sin ( w v t ) - y ) 2 + H 2 - - - ( 1 )
其中,t为方位时间,
点目标P(x,y)回波表达式记为Sr(t,τ;x,y):
S r ( t , τ ; x , y ) = rect [ τ - τ d ( t ; x , y ) T r ] × exp { jπ K r [ τ - τ d ( t ; x , y ) ] 2 } × exp { - j 2 π f 0 τ d ( t ; x , y ) } - - - ( 2 )
其中,τ为距离向时间,τd(t;x,y)为点目标P(x,y)处回波延时τd(t;x,y)=R(t;x,y)/c,rect[·]代表距离时间窗,Kr是发射信号的时间调频斜率,c为光速,f0为载波频率,Tr代表距离时间脉宽;
利用驻定相位原理计算点目标距离压缩后距离向频谱表达式,其距离向频谱形式记为Sf(f,t;x,y),其中,f为距离向频率,t为方位向时刻;
S f ( f , t ; x , y ) = φ ( f , t ; x , y ) × exp { - j 2 π ( f + f 0 ) R ( t ; x , y ) c } - - - ( 3 )
其中,φ(f,t;x,y)为目标P(x,y)的距离压缩后距离向频谱包络;
步骤二:确定成像场景,并且在原始数据空间和成像区域上建立四叉树,
定义图像空间M=[xmin,xmax]×[ymin,ymax],其中,点(x,y)∈M,xmin、ymin分别为成像场景二维最小边界,xmax、ymax分别为成像场景二维最大边界;
定义信号空间S=[fmin,fmax]×[tmin,tmax],其中,点(f,t)∈S,fmin为回波信号最小距离向频率,tmin为回波最早方位时刻,fmax为回波最大距离向频率,tmax为回波最终方位时刻。
定义信号空间S上四叉树TS,其中,树的根节点为整个信号空间S,树的叶子节点为对S的两维分别进行Nr次等分形成的网格,Nr为距离向采样点数;在图像空间M上构造四叉树TM,树的根节点为图像空间M,叶子节点为M被等分Na 2形成的网格,Na为方位向点数;
步骤三:递归初始化,将信号域的树TS的叶子节点对应信号投影到图像域的树TM上的根节点对应场景;
建立后向投影积分公式:
Ima ( x , y ) = ∫ ∫ exp { j 2 π ( f + f 0 ) R ( t ; x , y ) c } S f ( f , t ; x , y ) dfdt - - - ( 4 )
其中,Ima(x,y)为场景任意点P(x,y)处的像素值;
记TM的根节点RM,以及TS的任意叶子节点LS;由LS对应的信号投影到节点RM中,得到子视全区域粗聚焦图像:
Ima L S ( x , y ) Σ f Σ t Σ k α k R M L S ( x , y ) β k R M L S ( f , t ) S f ( f , t ; x , y ) - - - ( 5 )
其中,(x,y)∈RM,(f,t)∈LS,k为插值点个数,
Figure FDA0000478614710000023
为积分函数中格林函数
Figure FDA0000478614710000024
通过二维拉格朗日插值得到格林函数的低阶近似表达,并且满足:
| exp { j 2 π ( f + f 0 ) R ( t ; x , y ) c } - Σ k α k R M L S ( x , y ) β k R M L S ( f , t ) | ≤ ϵ - - - ( 6 )
其中,ε为格林函数的低阶近似展开的误差;
进而得到一系列称为递归算法的投影等效信号:
γ k R M L S = Σ f Σ t β k R M L S ( f , t ) S f ( f , t ; x , y ) - - - ( 7 )
其中,
β k R M L S ( f , t ) = e - j 2 π f 0 Φ ( x 0 ( R M ) , y k L S ) L k L S ( y ) e j 2 π f 0 Φ ( x 0 ( R M ) , y ) - - - ( 8 )
Φ(x,y)=2(f+f0)f0·R(t;x,y)/c    (9)
Φ ( x 0 ( R M ) , y k L S ) = Φ ( x , y ) | ( x , y ) = ( x 0 ( R M ) , y k L S )
Φ ( x 0 ( R M ) , y ) = Φ ( x , y ) | x = x 0 ( R M )
二维变量y表示信号空间的二维坐标(f,t),x表示图像空间二维坐标(x,y),x0(RM)=(x0,y0)是节点RM中心位置的坐标,
Figure FDA00004786147100000210
是节点LS上的二维插值节点,
Figure FDA00004786147100000314
当x=x0(RM)及
Figure FDA00004786147100000315
时的函数值,Φ(x0(RM),y)为Φ(x,y)当x=x0(RM)时的函数值;
其中,k1、k2代表插值点下标,1≤k1≤rε,1≤k2≤rε,rε为一维插值点的个数,在节点LS中插值点个数为二维拉格朗日插值基函数:
L k L S ( y ) = Π 1 ≤ i ≤ r ϵ , i ≠ k 1 f - f i L S f k 1 L S - f i L S Π 1 ≤ j ≤ r ϵ , j ≠ k 2 t - t j L S t k 2 L S - t j L S - - - ( 10 )
步骤四:递归计算投影等效信号;
递归运算过程中,图像空间的网格由四叉树的根节点逐渐细分为子节点,信号空间的网格则由四叉树的叶子节点逐渐组合成双亲节点;
投影等效信号
Figure FDA0000478614710000032
的值在递归过程中不断更新,更新方法分三个阶段进行,第一阶段递归公式为:
γ k R M L S = e - j 2 π f 0 Φ ( x 0 ( R M ) , y k L S ) Σ c Σ k ' r ϵ ( L t L S ( y k ' L S ch ) e j 2 π f 0 Φ ( x 0 ( R M ) , y k ' L S ch ) γ k ' R M p L S ch ) - - - ( 11 )
其中,
Figure FDA0000478614710000034
为当前节点LS的子节点,
Figure FDA0000478614710000035
为节点RM的双亲节点,ch表示子节点,k是Ls节点的插值点个数,k′是Ls子节点的插值点个数,k和k′取值范围是[1,rε],
Figure FDA0000478614710000036
为信号空间节点
Figure FDA0000478614710000037
上二维插值点,
Figure FDA0000478614710000038
为在上一层递归中计算得到的等效信号,
Φ ( x 0 ( R M ) , y k L S ) = Φ ( x , y ) | ( x , y ) = ( x 0 ( R M ) , y k L S )
Φ ( x 0 ( R M ) , y k ' L S ch ) = Φ ( x , y ) | ( x , y ) = ( x 0 ( R M ) , y k ' L S ch )
该阶段迭代的终止时刻为节点RM和LS的深度为l=L/2;
第二阶段为转换阶段,转换公式为:
γ k R M L S = Σ s r ϵ α s R M L S ( x k R M ) γ s R M L S - - - ( 12 )
其中,
α s R M L S ( x k R M ) = e j 2 π f 0 Φ ( x k R M , y s L S ) - - - ( 13 )
Φ ( x k R M , y k L S ) = Φ ( x , y ) | ( x , y ) = ( x k R M , y k L S )
第三阶段递归公式为:
γ k R M L S = Σ c e j 2 π f 0 Φ ( x , y 0 ( L S ch ) ) Σ k ' r ϵ ( L k ' R M ( x ) e - j 2 π f 0 Φ ( x k ' R M p , y 0 ( L S ch ) ) γ k ' R M p L S ch ) - - - ( 14 )
其中, Φ ( x , y 0 ( L S ch ) ) = Φ ( x , y ) | y = y 0 ( L S ch ) ,
Φ ( x k ' R M p , y 0 ( L S ch ) ) = Φ ( x , y ) | ( x , y ) = ( x k ' R M p , y 0 ( L S ch ) ) ;
该阶段迭代的终止时刻为节点LS的深度为l=1;
步骤五:完成精聚焦成像,
设树TS的根节点为LS,树TM的叶子节点为RM,则由节点RM到LS的全孔径投影为:
Ima ( x ) = e j 2 π f 0 Φ ( x , y 0 ( R M ) ) Σ k r ϵ L k L S ( x ) e - j 2 π f 0 Φ ( x k R M , y 0 ( L S ) ) γ k L S R M - - - ( 15 )
其中,
Φ ( x , y 0 ( R M ) ) = Φ ( x , y ) | y = y 0 ( R M )
Φ ( x k R M , y 0 ( L S ) ) = Φ ( x , y ) | ( x , y ) = ( x k R M , y 0 ( L S ) ) .
CN201410100867.4A 2014-03-18 2014-03-18 临近空间圆周合成孔径雷达快速后向投影成像方法 Active CN103869315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410100867.4A CN103869315B (zh) 2014-03-18 2014-03-18 临近空间圆周合成孔径雷达快速后向投影成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410100867.4A CN103869315B (zh) 2014-03-18 2014-03-18 临近空间圆周合成孔径雷达快速后向投影成像方法

Publications (2)

Publication Number Publication Date
CN103869315A true CN103869315A (zh) 2014-06-18
CN103869315B CN103869315B (zh) 2016-05-25

Family

ID=50908050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410100867.4A Active CN103869315B (zh) 2014-03-18 2014-03-18 临近空间圆周合成孔径雷达快速后向投影成像方法

Country Status (1)

Country Link
CN (1) CN103869315B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104122552A (zh) * 2014-07-21 2014-10-29 中国科学院电子学研究所 一种滑动式双站圆周合成孔径雷达成像方法
CN106772380A (zh) * 2017-03-31 2017-05-31 电子科技大学 一种圆周合成孔径雷达成像方法
CN106802416A (zh) * 2017-02-21 2017-06-06 电子科技大学 一种快速因式分解后向投影sar自聚焦方法
CN108872985A (zh) * 2018-04-10 2018-11-23 西北工业大学 一种近场圆周sar快速三维成像方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101650435A (zh) * 2009-06-10 2010-02-17 电子科技大学 基于子孔径逼近线阵三维成像合成孔径雷达快速成像方法
CN101666880A (zh) * 2008-09-03 2010-03-10 电子科技大学 一种构建双站线阵三维成像合成孔径雷达系统方法
CN102788979A (zh) * 2012-07-20 2012-11-21 电子科技大学 一种基于后向投影InSAR成像配准的GPU实现方法
CN103018740A (zh) * 2012-07-19 2013-04-03 电子科技大学 一种基于曲面投影的InSAR成像方法
CN103197315A (zh) * 2013-03-22 2013-07-10 电子科技大学 一种流结构非匀速直线运动合成孔径雷达成像方法
CN103529448A (zh) * 2013-10-18 2014-01-22 电子科技大学 一种基于高精度插值的双基地合成孔径雷达成像方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101666880A (zh) * 2008-09-03 2010-03-10 电子科技大学 一种构建双站线阵三维成像合成孔径雷达系统方法
CN101650435A (zh) * 2009-06-10 2010-02-17 电子科技大学 基于子孔径逼近线阵三维成像合成孔径雷达快速成像方法
CN103018740A (zh) * 2012-07-19 2013-04-03 电子科技大学 一种基于曲面投影的InSAR成像方法
CN102788979A (zh) * 2012-07-20 2012-11-21 电子科技大学 一种基于后向投影InSAR成像配准的GPU实现方法
CN103197315A (zh) * 2013-03-22 2013-07-10 电子科技大学 一种流结构非匀速直线运动合成孔径雷达成像方法
CN103529448A (zh) * 2013-10-18 2014-01-22 电子科技大学 一种基于高精度插值的双基地合成孔径雷达成像方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104122552A (zh) * 2014-07-21 2014-10-29 中国科学院电子学研究所 一种滑动式双站圆周合成孔径雷达成像方法
CN104122552B (zh) * 2014-07-21 2018-01-26 中国科学院电子学研究所 一种滑动式双站圆周合成孔径雷达成像方法
CN106802416A (zh) * 2017-02-21 2017-06-06 电子科技大学 一种快速因式分解后向投影sar自聚焦方法
CN106802416B (zh) * 2017-02-21 2020-04-07 电子科技大学 一种快速因式分解后向投影sar自聚焦方法
CN106772380A (zh) * 2017-03-31 2017-05-31 电子科技大学 一种圆周合成孔径雷达成像方法
CN108872985A (zh) * 2018-04-10 2018-11-23 西北工业大学 一种近场圆周sar快速三维成像方法
CN108872985B (zh) * 2018-04-10 2022-04-05 西北工业大学 一种近场圆周sar快速三维成像方法

Also Published As

Publication number Publication date
CN103869315B (zh) 2016-05-25

Similar Documents

Publication Publication Date Title
CN103869311B (zh) 实波束扫描雷达超分辨成像方法
CN103487802B (zh) 扫描雷达角超分辨成像方法
CN102749621B (zh) 一种双基地合成孔径雷达频域成像方法
CN104833972B (zh) 一种双基地调频连续波合成孔径雷达频率变标成像方法
CN104111458A (zh) 基于双重稀疏约束的压缩感知合成孔径雷达成像方法
CN105137425B (zh) 基于卷积反演原理的扫描雷达前视角超分辨方法
CN105677942A (zh) 一种重复轨道星载自然场景sar复图像数据快速仿真方法
CN103149561A (zh) 一种基于场景块稀疏的稀疏微波成像方法
CN105699969A (zh) 基于广义高斯约束的最大后验估计角超分辨成像方法
Wu et al. A generalized Omega-K algorithm to process translationally variant bistatic-SAR data based on two-dimensional stolt mapping
CN103235309B (zh) 临近空间慢速平台sar成像方法
CN104251991B (zh) 一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法
CN103869315B (zh) 临近空间圆周合成孔径雷达快速后向投影成像方法
CN104991252A (zh) 双站圆迹sar快速时域成像方法
Singh et al. Deep learning for improved global precipitation in numerical weather prediction systems
CN105447867A (zh) 基于isar图像的空间目标姿态估计方法
CN103728617B (zh) 双基地合成孔径雷达时域快速成像方法
CN103728619A (zh) 基于变重频技术的机载大斜视条带sar成像方法
CN105652271A (zh) 一种增广拉格朗日实波束雷达角超分辨处理方法
CN102967862B (zh) 双飞移变模式双基地合成孔径雷达成像方法
Li et al. Azimuth super-resolution for fmcw radar in autonomous driving
CN101846739A (zh) Sar扩展场景原始数据混合域仿真方法
CN104062659B (zh) 基于压缩感知的滑动聚束sar三维成像方法
CN105759264A (zh) 基于时频字典的微动目标缺损回波高分辨成像方法
CN102890277B (zh) 移不变双基地合成孔径雷达距离徙动成像方法

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