CN104215962A

CN104215962A - 基于单片FPGA的Chirp Scaling成像方法

Info

Publication number: CN104215962A
Application number: CN201410379642.7A
Authority: CN
Inventors: 陈禾; 闫雯; 曾涛; 龙腾
Original assignee: Beijing Institute of Technology BIT
Current assignee: Beijing Institute of Technology BIT
Priority date: 2014-08-04
Filing date: 2014-08-04
Publication date: 2014-12-17
Anticipated expiration: 2034-08-04
Also published as: CN104215962B

Abstract

本发明提供一种基于单片FPGA的Chirp Scaling成像方法，具体过程为：在一片FPGA上构建FFT运算模块、多普勒中心频率估计和拟合模块、多普勒调频斜率估计和拟合模块、参数解算模块、Chirp Scaling因子生成模块、距离向补偿因子生成模块、方位向补偿因子生成模块、复乘模块、数据转置模块、核心计算模块和图像量化模块；基于所构建的模块执行Chirp Scaling成像的过程。本发明对Chirp Scaling成像实现的架构进行了分析，最大限度的提高成像算法的并行度，能够充分发挥FPGA的优势，进一步提高成像的实时性。

Description

基于单片FPGA的Chirp Scaling成像方法

技术领域

本发明属于信号处理技术领域，具体涉及一种基于单片FPGA的ChirpScaling成像方法。

背景技术

随着SAR成像技术的发展，对星载SAR分辨率的要求越来越高，原始数据的数据率急剧增大。由于图像数据的相关性远高于原始回波数据，如果能在星上进行实时成像，通过图像压缩算法可以大大降低需要传输的数据量。

目前常用的SAR成像平台有DSP、FPGA+DSP、FPGA+ASIC+DSP，其中FPGA的并行处理能力较强，适于处理不太复杂的大批量数据，DSP灵活性强，适于处理比较复杂的运算，ASIC集成度高、比较稳定，适于处理相对独立的核心模块。这三种工具协作可以完成SAR成像任务，FPGA作为主处理器，DSP和ASIC作为从处理器。然而虽然DSP能够完成复杂的运算，但是它只能进行串行操作，运行速度慢，不利于SAR实时成像。并且多板卡的结构设计比较复杂，体积较大，而且多块处理板之间通过接插件链接，传输数据很慢而且容易产生误码，对散热和稳定性造成很大的挑战，不利于星上实时成像的实现。

西安电子科技大学提出的发明名称为“基于FPGA的SAR成像方法”(专利申请号201310101045.3，公开号103197317)的专利申请。这种成像方法主要解决现有系统结构复杂、数据处理速度慢的问题，采用的是SPECAN算法，简化了SAR成像系统结构，提高了处理速度，适用于弹载模式下的快速成像。但是星载SAR成像要求比较高的分辨率，一般会采用Chirp Scaling成像算法。这种算法的运算比较复杂，三个补偿因子的生成及其参数解算包含三角函数、开根号等超越运算，需要占用很大的硬件逻辑资源。目前CS成像算法的实现多是利用DSP来进行参数解算和补偿因子生成，FPGA完成FFT运算、数据转置以及数据与因子的复乘操作。但是DSP运行速度慢，板卡之间交互存在误码，会影响成像的实时性和稳定性。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于单片FPGA的Chirp Scaling成像方法，该方法能够在一片FPGA上实现Chirp Scaling成像，并且具有很好的实时性和稳定性。

实现本发明的技术方案如下：

一种基于单片FPGA的Chirp Scaling成像方法，具体步骤为：

步骤一：在一片FPGA上构建FFT运算模块、多普勒中心频率估计和拟合模块、多普勒调频斜率估计和拟合模块、参数解算模块、Chirp Scaling因子生成模块、距离向补偿因子生成模块、方位向补偿因子生成模块、复乘模块、数据转置模块、核心计算模块和图像量化模块；

步骤二：并行执行数据处理和Chirp Scaling因子生成：

数据处理为：FFT运算模块从回波数据中读取方位向回波数据，然后进行方位向定点FFT运算得到距离多普勒域的数据信号；

Chirp Scaling因子生成的过程为：

S101、多普勒中心频率估计和拟合模块接收回波数据，对回波数据进行自相关估计和最小二乘拟合，得到多普勒中心频率值；

S102、参数解算模块根据多普勒中心频率值计算补偿因子生成所需的参数；

S103、Chirp Scaling因子生成模块根据所述参数，计算Chirp Scaling因子；

步骤三、复乘模块对距离多普勒域的数据信号与Chirp Scaling因子进行复乘操作，完成第一次复乘操作；

步骤四：并行计算二维频域的信号数据和距离向补偿因子；

数据转置模块对第一次复乘操作得到的数据进行转置，FFT运算模块对转置后的数据进行距离向定点FFT运算，得到二维频域的信号数据；

距离向补偿因子生成模块根据所述参数，计算得到距离向补偿因子；

步骤五：复乘模块对二维频域的信号数据与距离向补偿因子进行复乘操作，完成第二次复乘操作；

步骤六：FFT运算模块对第二次复乘操作之后的数据进行距离向IFFT操作，得到距离多普勒域的数据信号；

步骤七：数据转置模块对距离多普勒域的数据信号进行转置，并将转置后的数据传输给所述多普勒调频斜率估计和拟合模块及所述复乘模块；多普勒调频斜率估计和拟合模块针对转置后的数据信号，利用杂波锁定自聚焦法估计多普勒调频斜率；

步骤八：方位向补偿因子生成模块根据所述参数和多普勒调频斜率，计算得到方位向补偿因子；

步骤九：复乘模块将得到的转置后的数据信号与方位向补偿因子进行复乘操作，完成第三次复乘操作；

步骤十：FFT运算模块对第三次复乘操作之后的数据进行方位向IFFT操作，得到二维时域的数据信号；量化模块对二维时域的数据信号进行量化，得到二维量化的SAR图像；

其中所述S102、S103、步骤四及步骤八的计算过程中，在执行需占用硬件资源较大的运算时，调用核心计算模块来实现。

进一步地，本发明所述参数包括弯曲因子Cs和等效距离向调频常数Ks，

K_{s} (f; r) = \frac{K}{1 + K \cdot r \cdot \frac{2 λ}{c^{2}} xpowr {(1 + \frac{1}{2} xpowr)}^{3}}

其中，λ表示回波波长，f表示方位向回波频率，V(r)表示载体的运动速度，表示波束前斜角，K表示回波的调频斜率，r表示雷达与目标之间的斜距，c表示光速。

进一步地，本发明在多普勒调频斜率估计完成后进行了剔除野值的处理，首先剔除几个最大值和最小值，然后剔除偏离均值较大的一些值，再利用最小二乘法对其进行拟合，从而得到精确的多普勒调频斜率值。

进一步地，本发明所述Chirp Scaling因子生成模块、距离向补偿因子生成模块和方位向补偿因子生成模块在每个聚焦深度内实现相应因子的生成。

进一步地，本发明所述量化模块存有针对不同场景进行图像量化时所需的最大值和最小值，选择与当前目标所处场景对应的最大值和最小值对二维时域的数据信号进行量化。

有益效果

第一，本发明使用单片FPGA实现Chirp Scaling成像，利用FPGA的高速并行处理特性，提高了SAR成像的实时性，而且避免了多板交互，减小了板间数据传输的误码率，提高了系统的稳定性。本发明对Chirp Scaling成像实现的架构进行了分析，最大限度的提高成像算法的并行度，能够充分发挥FPGA的优势，进一步提高成像的实时性。

第二，本发明利用低阶泰勒展开对现有计算弯曲因子Cs和等效距离向调频常数Ks进行改进，避免相差很大的两个数据相减，提高运算的精度，保证单片FPGA实现Chirp Scaling成像的精度，同时减少了运算量。

第三，本发明FFT运算模块均采用定点FFT运算，这样大大减小了硬件资源，从而保证整个Chirp Scaling成像可以在单片FPGA上实现。

第四，本发明中FFT运算模块、复乘模块、核心计算模块均采用时分复用的形式，从而减少所需的硬件资源，降低系统功耗。

第五，量化模块采用经验值存储的方法，能够大大减小硬件资源，提高成像实时性。

附图说明

图1是基于单片FPGA的Chirp Scaling成像方法流程图。

图2是基于单片FPGA的SAR成像算法模块结构图。

具体实施方式

下面结合附图和具体实例对本发明进行详细说明。

本发明一种基于单片FPGA的Chirp Scaling成像方法，如图1所示，具体步骤为：

步骤一：在一片FPGA上构建FFT运算模块、多普勒中心频率估计和拟合模块、多普勒调频斜率估计和拟合模块、参数解算模块、Chirp Scaling因子生成模块、距离向补偿因子生成模块、方位向补偿因子生成模块、复乘模块、数据转置模块、核心计算模块和图像量化模块，如图2所示。

步骤二：并行执行数据处理和Chirp Scaling因子生成：

数据处理为：FFT运算模块从回波数据中读取方位向回波数据，然后进行方位向定点FFT运算得到距离多普勒域的数据信号。

Chirp Scaling因子生成的过程为：

S102、参数解算模块计算补偿因子生成所需的参数；

参数解算模块首先根据多普勒中心频率值计算回波方位向频率，其次根据事先输入的回波数据对应的初始参数以及回波方位向频率，通过加、减、乘、除、开根号等操作计算补偿因子生成所需要的参数；其中在执行占用硬件资源较大的(除法和开根号)运算时，所述参数解算模块调用核心计算模块中的运算资源实现；

补偿因子生成所需要的参数主要包括弯曲因子Cs和等效距离向调频常数Ks；

设

xpowr = {(\frac{λf}{2 V (r)})}^{2},

则有

K_{s} (f; r) = \frac{K}{1 + K \cdot r \cdot \frac{2 λ}{c^{2}} \frac{xpowr}{{[1 - xpowr]}^{3 / 2}}}

其中，λ表示回波波长，f表示方位向回波频率，V(r)表示载体的运动速度，表示波束前斜角，K表示回波的调频斜率，r表示雷达与目标之间的斜距；

为了提高补偿因子计算的精度和运算实时性，本发明中对补偿因子的参数计算中用到的一些运算算法进行了改进。在计算弯曲因子Cs和等效距离向调频常数Ks时，跟据Chirp Scaling成像的特性可知，xpowr的值很小，远远小于1。一般硬件系统中都采用单精度浮点数据格式，当xpowr的值小于10^-5时，(1-xpowr)得到的结果在单精度格式下表示为1，即有一大批接近于0的xpowr值被舍为0，则

本发明利用低阶泰勒展开来避免两个相差特别大的数据相减带来的误差。

针对弯曲因子Cs，利用一阶泰勒展开可得：

由于星载SAR的波束前斜角接近于90度，故是一个接近于1的值，所以是一个很小的数值，而也是一个很小的数值，两者数值相差不太大，在进行相加操作时损失的精度较小。与传统的计算方法比，本发明的计算方法可以修正的运算误差。

针对等效距离向调频常数Ks，利用一阶泰勒展开可以做以下简化：

\frac{1}{{(1 - xpowr)}^{3 / 2}} = {(1 + \frac{1}{2} xpowr)}^{3}

则，

K_{s} (f; r) = \frac{K}{1 + K \cdot r \cdot \frac{2 λ}{c^{2}} \frac{xpowr}{{[1 - xpowr]}^{3 / 2}}}

可简化为

K_{s} (f; r) = \frac{K}{1 + K \cdot r \cdot \frac{2 λ}{c^{2}} xpowr {(1 + \frac{1}{2} xpowr)}^{3}}

同样可以修正计算误差，同时减小运算量。

S103、Chirp Scaling因子生成模块根据补偿因子生成所需要的参数，计算Chirp Scaling因子；其中生成Chirp Scaling因子需要用到的除法和三角函数运算调用核心计算模块中的运算资源。

传统成像方法是针对每条数据都生成一条相应的补偿因子与该条数据相乘，由于Chirp Scaling因子的运算比较复杂，其中除法、开根号和三角函数运算所需要的运算时间比较长，这样会导致Chirp Scaling因子生成的速度跟不上数据传输的速度，可能会造成数据流等待补偿因子计算的情况，从而会增加成像时间，降低成像的实时性。为了提高成像的实时性，本发明在每个聚焦深度内更新一次Chirp Scaling因子。即本发明是令相邻的几条数据与同一条补偿因子相乘，这样能保证补偿因子在数据到来之前就已经计算完成，则数据就可以进行流水处理，大大提高成像的实时性。

同时，本步骤中FFT运算模块对输入的方位向回波数据进行方位向定点FFT运算，完成方位向信号的时频转换，得到距离多普勒域的数据信号。一般的SAR成像方法中多采用单精度浮点的FFT运算，不仅运算时间长，而且占用的硬件资源很大。本发明采用定点FFT运算，在能够满足系统精度要求的前提下使用最小的数据字长，从而能够大大减小硬件资源。

步骤三：复乘模块对距离多普勒域的数据信号与Chirp Scaling因子进行复乘操作，完成第一次复乘操作；

步骤四：并行计算二维频域的信号数据和距离向补偿因子；

数据转置模块对第一次复乘操作得到的数据进行转置，然后利用FFT运算模块对转置后的数据进行距离向定点FFT运算，完成距离向信号的时频转换，得到二维频域的信号数据；

这里的FFT操作也是采用的定点FFT运算模块，而且与步骤五利用的是同一个运算模块，在不同的阶段进行时分复用，大大节约了硬件资源。

距离向补偿因子生成模块根据所述补偿因子生成所需要的参数，计算得到距离向补偿因子；其中生成距离向补偿因子需要用到的除法和三角函数运算调用核心计算模块中的运算资源；

这一步骤中距离向补偿因子的生成也是采用聚焦深度内更新的方法，令相邻的几条数据与同一条距离向补偿因子相乘，大大提高成像的实时性。

步骤五：复乘模块对二维频域的信号数据与距离向补偿因子进行复乘操作，完成第二次复乘操作。

步骤六：FFT运算模块对第二次复乘操作之后的数据进行距离向IFFT操作，完成距离向信号的时频转换，得到距离多普勒域的数据信号；

这里的FFT操作也是采用的定点FFT运算模块，而且与步骤五和步骤七利用的是同一个运算模块，在不同的阶段进行时分复用。

步骤七：数据转置模块对距离多普勒域的数据信号进行转置，并将转置后的数据传输给多普勒调频斜率估计和拟合模块和复乘模块，多普勒调频斜率估计和拟合模块针对转置后的数据信号，利用杂波锁定自聚焦法对多普勒调频斜率进行估计。

在Chirp Scaling成像算法中，多普勒调频斜率的值直接影响成像质量，如果多普勒调频斜率估计不准确，则会造成图像散焦。为了提高成像质量，本发明在多普勒调频斜率估计完成后进行了剔除野值的处理，首先剔除几个最大值和最小值，然后剔除偏离均值较大的一些值，再利用最小二乘法对其进行拟合，从而得到精确的多普勒调频斜率值。

步骤八：方位向补偿因子生成模块根据所述补偿因子生成所需要的参数和多普勒调频斜率，计算得到方位向补偿因子；其中生成方位向补偿因子需要用到的除法和三角函数运算调用核心计算模块中的运算资源。

这一步骤中方位向补偿因子的生成也是采用聚焦深度内更新的方法，令相邻的几条数据与同一条方位向补偿因子相乘，大大提高成像的实时性。

步骤九：复乘模块将得到的转置后的数据信号与方位向补偿因子进行复乘操作，完成第三次复乘操作。

步骤十：FFT运算模块对第三次复乘操作之后的数据进行方位向IFFT操作，完成方位向信号的时频转换，得到二维时域的数据信号；

这里的FFT操作也是采用的定点FFT运算模块，而且与之前步骤中利用的是同一个运算模块，在不同的阶段进行时分复用。

量化模块存有不同场景的图像量化时所需要的最大值和最小值，操作人员根据当前目标所处的场景选择相应的最大值和最小值，根据所选取的最大值和最小值对二维时域的数据信号进行量化，得到二维量化的SAR图像。

传统的SAR成像方法中，量化模块需要计算所有数据的均值和方差，需要的运算量很大，而且需要至少遍历两次数据，所需的运算时间很长。

本发明为了减小运算量，提高成像实时性，对量化模块进行了改进，根据大批量的不同场景下的数据仿真测试，得到各个不同场景下图像量化时所需要的最大值和最小值的经验值，存储在存储器中，当数据进行量化时，根据不同场景信息去选择不同的量化最大值和最小值，经过大量数据验证，这种方法的量化效果可以满足指标要求，而且能够大大减小硬件资源，提高成像实时性。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于单片FPGA的Chirp Scaling成像方法，其特征在于，具体步骤为：

步骤二：并行执行数据处理和Chirp Scaling因子生成：

Chirp Scaling因子生成的过程为：

步骤四：并行计算二维频域的信号数据和距离向补偿因子；

2.根据权利要求1所述基于单片FPGA的Chirp Scaling成像方法，其特征在于，所述参数包括弯曲因子Cs和等效距离向调频常数Ks，

K_{s} (f; r) = \frac{K}{1 + K \cdot r \cdot \frac{2 λ}{c^{2}} xpowr {(1 + \frac{1}{2} xpowr)}^{3}}

3.根据权利要求1所述基于单片FPGA的Chirp Scaling成像方法，其特征在于，在步骤七多普勒调频斜率估计完成后进行了剔除野值的处理，首先剔除最大值和最小值，然后剔除偏离均值较大的一些值，再利用最小二乘法对其进行拟合，得到精确的多普勒调频斜率。

4.根据权利要求1所述基于单片FPGA的Chirp Scaling成像方法，其特征在于，所述Chirp Scaling因子生成模块、距离向补偿因子生成模块和方位向补偿因子生成模块在每个聚焦深度内实现因子的生成。

5.根据权利要求1所述基于单片FPGA的Chirp Scaling成像方法，其特征在于，所述量化模块存有针对不同场景进行图像量化时所需的最大值和最小值，选择与当前目标所处场景对应的最大值和最小值，对二维时域的数据信号进行量化。