CN108562898B - 一种前侧视sar的距离和方位两维空变自聚焦方法 - Google Patents
一种前侧视sar的距离和方位两维空变自聚焦方法 Download PDFInfo
- Publication number
- CN108562898B CN108562898B CN201810342319.0A CN201810342319A CN108562898B CN 108562898 B CN108562898 B CN 108562898B CN 201810342319 A CN201810342319 A CN 201810342319A CN 108562898 B CN108562898 B CN 108562898B
- Authority
- CN
- China
- Prior art keywords
- distance
- azimuth
- sub
- dimensional space
- variant
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
- G01S13/9019—Auto-focussing of the SAR signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9043—Forward-looking 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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种前侧视SAR的距离和方位两维空变自聚焦方法,其主要思路为:建立距离‑方位两维空变运动误差模型,得到距离‑方位两维空变运动误差模型中的未知多项式系数向量;计算得到D个子图像的距离单元徙动校正数据;根据D个子图像的距离单元徙动校正数据,得到D个子图像对应的局部相位误差函数;根据所述D个子图像对应的局部相位误差函数求解所述距离‑方位两维空变运动误差模型,得到距离‑方位两维空变运动误差模型中的未知多项式系数向量的精确解;然后得到相位误差校正后的前侧视SAR回波数据,进而得到聚焦前侧视SAR图像,所述聚焦前侧视SAR图像为前侧视SAR的距离和方位两维空变自聚焦结果。
Description
技术领域
本发明属于数字信号处理技术领域,特别涉及一种前侧视SAR的距离和方位两维空变自聚焦方法,即一种前侧视合成孔径雷达的距离和方位两维空变自聚焦方法,适用于现代雷达系统的远程侦查与预警。
背景技术
在前侧视合成孔径雷达(Synthetic Aperture Radar,SAR)中,平台飞行航迹误差导致的运动误差通常具有较强的空变性,包括距离空变性和方位空变性;具体来讲,在雷达波束照射范围内,航迹误差随入射角的变化容易引入距离空变运动误差,航迹误差随瞬时斜视角的变化则导致方位空变误差;因此,研究能够校正两维空变运动误差的自聚焦算法具有重要意义。
随着SAR技术的发展,研究人员提出了多种自聚焦算法;文章“A robust motionerror estimation method based on raw data,IEEE Transactions on Geoscience andRemote Sensing,2012,50(7):2780-2790”提出了加权总体最小二乘相位梯度自聚焦(Weighted Total Least Square Phase Gradient Autofocus,WTLS-PGA)算法,能够对距离空变运动误差提供精确估计和补偿;但WTLS-PGA算法忽略了方位空变运动误差,这将引起聚焦性能下降。
文章“Topography-dependent motion compensation for repeat-passinterferometric SAR systems,IEEE Geoscience and Remote Sensing Letters,2005,2(2):206–210”提出了子孔径地形和孔径依赖(Subaperture Topography-and-Aperture,SATA)算法,能够补偿方位空变运动误差;但SATA算法不能利用回波数据自适应估计方位空变运动误差,并且在未配备高精度惯导系统的前侧视SAR应用中,SATA算法的应用受到了限制。
发明内容
针对上述现有技术存在的不足,本发明的目的在于提出一种前侧视SAR的距离和方位两维空变自聚焦方法,该种前侧视SAR的距离和方位两维空变自聚焦方法充分考虑了距离-方位两维空变运动误差对SAR成像的影响,能够提高前侧视SAR图像聚焦质量。
本发明的主要思路:首先建立距离-方位两维空变运动误差模型;为求解该模型,利用两维滑窗选取多个局部图像;基于多个局部图像,利用加权斜视PGA(Weighted SquintPGA,WSPGA)估计核获得多个局部相位误差函数;然后,将多个局部相位误差函数联立为线性方程组,并利用WTLS估计核求解该线性方程组;最后,根据线性方程组的解,计算各个像素点相位误差并进行校正,进而获得聚焦前侧视SAR图像。
为达到上述技术目的,本发明采用如下技术方案予以实现。
一种前侧视SAR的距离和方位两维空变自聚焦方法,包括以下步骤:
步骤1,建立距离-方位两维空变运动误差模型,得到距离-方位两维空变运动误差模型中的未知多项式系数向量;
步骤2,根据所述距离-方位两维空变运动误差模型,得到D个子图像的距离单元徙动校正数据;其中,D为设定正整数;
步骤3,根据D个子图像的距离单元徙动校正数据,得到D个子图像对应的局部相位误差函数;
步骤4,根据所述D个子图像对应的局部相位误差函数求解所述距离-方位两维空变运动误差模型,得到距离-方位两维空变运动误差模型中的未知多项式系数向量的精确解;
步骤5,根据距离-方位两维空变运动误差模型中的未知多项式系数向量的精确解,得到相位误差校正后的前侧视SAR回波数据,进而得到聚焦前侧视SAR图像,所述聚焦前侧视SAR图像为前侧视SAR的距离和方位两维空变自聚焦结果。
本发明与现有技术相比具有以下优点:
1)聚焦精度高。
现有自聚焦算法仅能估计距离空变运动误差,在前侧视SAR中,聚焦性能难以保证;本发明方法能够对距离和方位两维空变运动误差进行估计和校正,提高了图像的聚焦精度。
2)两维空变运动误差模型求解精度高。
本发明方法利用WTLS估计核求解两维空变运动误差模型中的未知系数,相比于LS、TLS和WLS估计核,WTLS的求解精度更高。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的一种前侧视SAR的距离和方位两维空变自聚焦方法实现流程图;
图2为局部图像的自动选择示意图;
图3(a)为“Two-Step”MOCO成像结果示意图;
图3(b)为Blocking PGA成像结果示意图;
图3(c)为本发明方法成像结果示意图;
图4(a)为“Two-Step”MOCO成像结果的子图像示意图;
图4(b)为Blocking PGA成像结果的子图像示意图;
图4(c)为本发明方法成像结果的子图像示意图。
具体实施方式
参照图1,为本发明的一种前侧视SAR的距离和方位两维空变自聚焦方法实现流程图;其中所述前侧视SAR的距离和方位两维空变自聚焦方法,包括以下步骤:
步骤1,建立距离-方位两维空变运动误差模型。
以前侧视SAR波束中心在地面的照射点为原点o、以前侧视SAR波束视线方向为r轴、与前侧视SAR波束视线方向垂直的方向为x轴,建立rox成像坐标系,其中r轴表示距离轴,x轴表示方位轴;在该rox成像坐标系中,原点o为场景中心,场景中心坐标为(rc,xc),rc表示场景中心在rox成像坐标系中距离轴坐标,xc表示场景中心在rox成像坐标系中方位轴坐标;任意选取rox成像坐标系中一个目标,记为目标q,目标q的坐标设为(rq,xq),rq表示目标q在rox成像坐标系中距离轴坐标,xq表示目标q在rox成像坐标系中方位轴坐标。
在前侧视SAR中,运动误差通常是随目标位置缓慢变化的;因此,距离-方位两维空变运动误差模型可由下式的多项式表示:
其中,△R(tm;rq,xq)表示距离-方位两维空变运动误差,是未知参数;tm表示方位慢时间,a(tm)为常数项,不依赖于目标q坐标;b1(tm)表示距离空变误差的一次项系数,b2(tm)表示距离空变误差的二次项系数,b1(tm)和b2(tm)对应于距离-方位两维空变运动误差△R(tm;rq,xq)的距离空变性;c1(tm)表示方位空变误差的一次项系数,c2(tm)表示方位空变误差的二次项系数,c1(tm)和c2(tm)对应于距离-方位两维空变运动误差△R(tm;rq,xq)的方位空变性。
步骤2,局部图像自动选择。
为求解式(4)中的两维空变运动误差模型,需要选取局部图像数据作为估计样本;参照图2,本步骤的具体实现如下:
其中,wr(τ)为距离向窗函数,wa(tm)为方位向窗函数,τ为距离向快时间,tm为方位慢时间,fc表示前侧视SAR发射线性调频信号的载频频率,γ为前侧视SAR发射线性调频信号的调频率,为前侧视SAR发射线性调频信号的双路时延,c为光速,为前侧视SAR与目标q之间的瞬时斜距,具体表示为:
其中,Tp表示前侧视SAR发射线性调频信号的脉冲宽度,λ为前侧视SAR发射线性调频信号的载频对应波长,rq'=rq+xq·sinθ;Kas为方位二阶多普勒参数,Kat为方位三阶多普勒参数,Kas和Kat的计算公式分别为:
将式(4)与式(7)相乘,得到方位去斜Deramp信号,然后对方位去斜Deramp信号进行方位傅里叶变换(Fourier Transform,FT),并将方位傅里叶变换后得到的结果记为粗聚焦的SAR图像。
2d)将粗聚焦的SAR图像分割为D1×D2个子图像,如图2左侧所示,D1表示粗聚焦的SAR图像距离向子图像总个数,D2表示粗聚焦的SAR图像方位向子图像总个数;本实施例中D1取值为4,D2取值为3。
对每个子图像分别进行滑窗检测,窗形状都为矩形窗,尺寸为P1×P2像素点,每个子图像中的像素点总个数大于P1×P2,如图2中间所示;其中,P1表示矩形窗距离向包括的像素点总个数,P2表示矩形窗方位向包括的像素点总个数;本实施例中P1取值为32,P2取值为64;D1、D2、P1、P2分别为大于0的正整数。
在滑窗检测过程中,计算矩形窗对应的第d个子图像Zd的平均强度Id,
Id=mean(|Zd|),并将矩形窗对应的第d个子图像Zd的平均强度Id中平均强度最大的局部图像数据,记为第d个子图像的局部图像数据;其中,d=1,2,…,D,D=D1×D2。
2e)对第d个子图像的局部图像数据进行方位逆傅里叶变换(Inverse FT,IFT),得到第d个子图像的距离单元徙动校正数据。
令d的值分别取1至D,进而分别得到第1个子图像的距离单元徙动校正数据至第D个子图像的距离单元徙动校正数据,记为D个子图像的距离单元徙动校正数据,如图2右侧所示。
步骤3,D个子图像对应的局部相位误差函数估计。
对D个子图像的距离单元徙动校正数据分别利用现有的加权斜视相位梯度自聚焦(Weighted Squint PGA,WSPGA)算法进行局部相位误差函数计算,得到D个子图像对应的局部相位误差函数。
步骤4,距离-方位两维空变运动误差模型求解。
4a)将步骤3得到的D个子图像对应的局部相位误差函数以向量形式表示为:
其中,rd(g)表示第d个子图像中第g个样本点的斜距,rd(g)=rc+g·△r,rc表示场景中心在rox成像坐标系中距离轴坐标,△r表示距离向采样间隔,xd(g)表示第d个子图像中第g个样本点的方位位置,xd(g)=xc+g·△x,xc表示场景中心在rox成像坐标系中方位轴坐标,△x表示方位向采样间隔,wd(g)表示第d个子图像中第g个样本点的信噪比权值;G表示对第d个子图像中以方位向采样间隔为△x、距离向采样间隔为△r进行采样后得到的样本点总个数,G的取值不大于第d个子图像中包括的像素点总个数,根据能量最大准则选取;wd表示第d个子图像中G个样本点的信噪比权值, σd(g)表示第d个子图像中第g个样本点的幅度方差,μd(g)表示第d个子图像中第g个样本点的幅度均值。定义空变系数矩阵为Ω:
将式(1)中的未知多项式系数以向量形式表示:
其中,Λ表示距离-方位两维空变运动误差模型中的未知多项式系数向量;进而将式(4)的距离-方位两维空变运动误差模型转化为下面的线性方程组:
Ψ=(Ω-E)Λ+e (13)
其中,Ψ表示D个子图像对应的局部相位误差函数向量,E表示空变系数矩阵Ω中的误差矩阵,e表示Ψ中的估计误差;E和e是未知的。
4b)为估计式(13)中的距离-方位两维空变运动误差模型中的未知多项式系数向量Λ,本发明利用WTLS估计核进行求解;WTLS估计核旨在解决以下优化问题
其中,||·||F为Frobenius范数,W表示加权矩阵,W=diag[w1 w2 …wd…wD]D×D,wd表示第d个子图像中G个样本点的信噪比权值,argmin(·)表示当·取最小值时·的取值。
步骤5,两维空变运动误差校正。
其中,λ为前侧视SAR发射线性调频信号的载频对应波长;然后,利用现有前侧视SAR成像算法对相位误差校正后的前侧视SAR回波数据进行成像处理,得到聚焦前侧视SAR图像,所述聚焦前侧视SAR图像为前侧视SAR的距离和方位两维空变自聚焦结果。
本发明的效果可以通过以下实测数据实验进一步说明。
1、实验条件
实测数据对应的系统参数如表1所示;实验中利用现有的“两步”运动补偿(“Two-Step”Motion Compensation,“Two-Step”MOCO)方法、分块相位梯度自聚焦方法(BlockingPhase Gradient Autofocusing,Blocking WPGA)与本发明方法进行对比。
表1
参数 | 取值 |
波段 | Ku |
前侧视角 | 20° |
带宽 | 100MHz |
中心斜距 | 7.3km |
合成孔径长度 | 190m |
成像面积(距离×方位) | 2.5km×1km |
2、实验内容
利用“Two-Step”MOCO、Blocking PGA和本发明分别对实测数据进行成像,获得的SAR图像如图3(a)至图3(c)所示;其中,图3(a)为“Two-Step”MOCO成像结果示意图,图3(b)为Blocking PGA成像结果示意图,图3(c)为本发明方法成像结果示意图。
由图3可以看出,“Two-Step”MOCO成像结果在图像边缘存在散焦,Blocking PGA成像结果中存在不连续拼痕,本发明的成像结果不存在散焦和不连续拼痕,图像质量最优。
选取图3的子图像进行放大对比,如图4(a)至图4(c)所示;其中,图4(a)为“Two-Step”MOCO成像结果的子图像示意图,图4(b)为Blocking PGA成像结果的子图像示意图,图4(c)为本发明方法成像结果的子图像示意图。
由图4(a)至图4(c)可以看出,“Two-Step”MOCO的子图像边缘存在散焦,BlockingPGA的子图像存在不连续拼痕,本发明的子图像聚焦良好。
对图4(a)至图4(c)中子图像的熵和对比度进行统计,如表2所示。
表2.子图像聚焦指标对比
由表2可知,本发明的子图像熵最小,对比度最大。
由此可见,本发明提出的前侧视SAR的距离和方位两维空变自聚焦方法能够有效估计和校正两维空变运动误差,聚焦性能优于现有的“Two-Step”MOCO和Blocking PGA方法。
综上所述,实测数据实验验证了本发明的正确性,有效性和可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围;这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种前侧视SAR的距离和方位两维空变自聚焦方法,其特征在于,包括以下步骤:
步骤1,建立距离-方位两维空变运动误差模型,得到距离-方位两维空变运动误差模型中的未知多项式系数向量;
在所述步骤1中,在建立所述距离-方位两维空变运动误差模型之前,首先以前侧视SAR波束中心在地面的照射点为原点o、以前侧视SAR波束视线方向为r轴、与前侧视SAR波束视线方向垂直的方向为x轴,建立rox成像坐标系,其中r轴表示距离轴,x轴表示方位轴;在该rox成像坐标系中,原点o为场景中心,场景中心坐标为(rc,xc),rc表示场景中心在rox成像坐标系中距离轴坐标,xc表示场景中心在rox成像坐标系中方位轴坐标;任意选取rox成像坐标系中一个目标,记为目标q,目标q的坐标设为(rq,xq),rq表示目标q在rox成像坐标系中距离轴坐标,xq表示目标q在rox成像坐标系中方位轴坐标;
所述距离-方位两维空变运动误差模型可由下式的多项式表示:
其中,ΔR(tm;rq,xq)表示距离-方位两维空变运动误差,是未知参数;tm表示方位慢时间,a(tm)为常数项,b1(tm)表示距离空变误差的一次项系数,b2(tm)表示距离空变误差的二次项系数,c1(tm)表示方位空变误差的一次项系数,c2(tm)表示方位空变误差的二次项系数;
步骤2,根据所述距离-方位两维空变运动误差模型,得到D个子图像的距离单元徙动校正数据;其中,D为设定正整数;
步骤3,根据D个子图像的距离单元徙动校正数据,得到D个子图像对应的局部相位误差函数;
步骤4,根据所述D个子图像对应的局部相位误差函数求解所述距离-方位两维空变运动误差模型,得到距离-方位两维空变运动误差模型中的未知多项式系数向量的精确解;
步骤5,根据距离-方位两维空变运动误差模型中的未知多项式系数向量的精确解,得到相位误差校正后的前侧视SAR回波数据,进而得到聚焦前侧视SAR图像,所述聚焦前侧视SAR图像为前侧视SAR的距离和方位两维空变自聚焦结果。
2.如权利要求1所述的一种前侧视SAR的距离和方位两维空变自聚焦方法,其特征在于,步骤2的子步骤为:
2d)将粗聚焦的SAR图像分割为D1×D2个子图像,D1表示粗聚焦的SAR图像距离向子图像总个数,D2表示粗聚焦的SAR图像方位向子图像总个数;
对每个子图像分别进行滑窗检测,窗形状都为矩形窗,尺寸为P1×P2像素点,每个子图像中的像素点总个数大于P1×P2;其中,P1表示矩形窗距离向包括的像素点总个数,P2表示矩形窗方位向包括的像素点总个数;
在滑窗检测过程中,计算矩形窗对应的第d个子图像Zd的平均强度Id,
Id=mean(|Zd|),并将矩形窗对应的第d个子图像Zd的平均强度Id中平均强度最大的局部图像数据,记为第d个子图像的局部图像数据;其中,d=1,2,…,D,D=D1×D2;
2e)对第d个子图像的局部图像数据进行方位逆傅里叶变换,得到第d个子图像的距离单元徙动校正数据;
令d的值分别取1至D,进而分别得到第1个子图像的距离单元徙动校正数据至第D个子图像的距离单元徙动校正数据,记为D个子图像的距离单元徙动校正数据。
其中,wr(τ)为距离向窗函数,wa(tm)为方位向窗函数,τ为距离向快时间,tm为方位慢时间,fc表示前侧视SAR发射线性调频信号的载频频率,γ为前侧视SAR发射线性调频信号的调频率,为前侧视SAR发射线性调频信号的双路时延,c为光速,为前侧视SAR与目标q之间的瞬时斜距,具体表示为:
6.如权利要求1所述的一种前侧视SAR的距离和方位两维空变自聚焦方法,其特征在于,在步骤3中,所述D个子图像对应的局部相位误差函数,其得到过程为:
对D个子图像的距离单元徙动校正数据分别利用现有的加权斜视相位梯度自聚焦算法进行局部相位误差函数计算,得到D个子图像对应的局部相位误差函数。
7.如权利要求1所述的一种前侧视SAR的距离和方位两维空变自聚焦方法,其特征在于,步骤4的子步骤为:
4a)将所述D个子图像对应的局部相位误差函数以向量形式表示为:
其中,rd(g)表示第d个子图像中第g个样本点的斜距,rd(g)=rc+g·Δr,rc表示场景中心在rox成像坐标系中距离轴坐标,Δr表示距离向采样间隔,xd(g)表示第d个子图像中第g个样本点的方位位置,xd(g)=xc+g·Δx,xc表示场景中心在rox成像坐标系中方位轴坐标,Δx表示方位向采样间隔,wd(g)表示第d个子图像中第g个样本点的信噪比权值;G表示对第d个子图像中以方位向采样间隔为Δx、距离向采样间隔为Δr进行采样后得到的样本点总个数,G的取值不大于第d个子图像中包括的像素点总个数,根据能量最大准则选取;wd表示第d个子图像中G个样本点的信噪比权值, σd(g)表示第d个子图像中第g个样本点的幅度方差,μd(g)表示第d个子图像中第g个样本点的幅度均值;
定义空变系数矩阵为Ω:
将距离-方位两维空变运动误差模型中的未知多项式系数以向量形式表示:
其中,Λ表示距离-方位两维空变运动误差模型中的未知多项式系数向量;进而将距离-方位两维空变运动误差模型转化为下面的线性方程组:
Ψ=(Ω-E)Λ+e
其中,Ψ表示D个子图像对应的局部相位误差函数向量,E表示空变系数矩阵Ω中的误差矩阵,e表示Ψ中的估计误差;E和e是未知的;
4b)解决以下优化问题:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810342319.0A CN108562898B (zh) | 2018-04-17 | 2018-04-17 | 一种前侧视sar的距离和方位两维空变自聚焦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810342319.0A CN108562898B (zh) | 2018-04-17 | 2018-04-17 | 一种前侧视sar的距离和方位两维空变自聚焦方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108562898A CN108562898A (zh) | 2018-09-21 |
CN108562898B true CN108562898B (zh) | 2022-01-07 |
Family
ID=63535472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810342319.0A Active CN108562898B (zh) | 2018-04-17 | 2018-04-17 | 一种前侧视sar的距离和方位两维空变自聚焦方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108562898B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146884B (zh) * | 2019-05-17 | 2023-03-14 | 西安电子科技大学 | 机动轨迹前侧视合成孔径雷达层析成像方法 |
CN111537999B (zh) * | 2020-03-04 | 2023-06-30 | 云南电网有限责任公司电力科学研究院 | 一种稳健高效的分解投影自动聚焦方法 |
CN112731390B (zh) * | 2020-12-02 | 2023-11-28 | 鹏城实验室 | 一种面向雷达成像处理的聚焦加窗方法及应用设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974414A (zh) * | 2016-06-24 | 2016-09-28 | 西安电子科技大学 | 基于二维自聚焦的高分辨聚束sar自聚焦成像方法 |
CN107255816A (zh) * | 2017-06-08 | 2017-10-17 | 西安电子科技大学 | 最大对比度的空变相位自聚焦isar成像方法 |
CN107741585A (zh) * | 2017-09-29 | 2018-02-27 | 西安电子科技大学 | 适用于大斜视sar成像的距离空变md自聚焦方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008021374A2 (en) * | 2006-08-15 | 2008-02-21 | General Dynamics Advanced Information Systems, Inc | Methods for two-dimensional autofocus in high resolution radar systems |
-
2018
- 2018-04-17 CN CN201810342319.0A patent/CN108562898B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974414A (zh) * | 2016-06-24 | 2016-09-28 | 西安电子科技大学 | 基于二维自聚焦的高分辨聚束sar自聚焦成像方法 |
CN107255816A (zh) * | 2017-06-08 | 2017-10-17 | 西安电子科技大学 | 最大对比度的空变相位自聚焦isar成像方法 |
CN107741585A (zh) * | 2017-09-29 | 2018-02-27 | 西安电子科技大学 | 适用于大斜视sar成像的距离空变md自聚焦方法 |
Non-Patent Citations (3)
Title |
---|
Robust Autofocusing Approach for Highly Squinted SAR Imagery Using the Extended Wavenumber Algorithm;Gang Xu et al.;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20131031;第4448-4463页 * |
Simultaneous Range and Cross-Range Variant Phase Error Estimation and Compensation for Highly Squinted SAR Imaging;Lei Ran et al.;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20180418;第5031-5046页 * |
一种SAR两维自聚焦算法的FPGA实现;郭江哲 等;《雷达学报》;20160831;第444-452页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108562898A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105974414B (zh) | 基于二维自聚焦的高分辨聚束sar自聚焦成像方法 | |
CN104931967B (zh) | 一种改进的高分辨率sar成像自聚焦方法 | |
CN108459321B (zh) | 基于距离-方位圆模型的大斜视高分辨率sar成像方法 | |
Li et al. | A robust motion error estimation method based on raw data | |
CN106526591B (zh) | 机动目标高分辨isar子孔径融合成像方法 | |
CN110146857B (zh) | 一种颠簸平台sar三维运动误差估计方法 | |
CN105759263B (zh) | 一种高分辨率大场景下的星载斜视sar雷达成像方法 | |
CN106054188B (zh) | 无人机合成孔径雷达成像的图像偏移自聚焦方法 | |
CN108562898B (zh) | 一种前侧视sar的距离和方位两维空变自聚焦方法 | |
CN105785366B (zh) | 基于稀疏空间谱估计的星载sar数字波束形成方法 | |
CN110082764B (zh) | 基于稳健正则化层析方法的sar图像成像方法 | |
CN114545411B (zh) | 一种基于工程实现的极坐标格式多模高分辨sar成像方法 | |
CN110148165B (zh) | 一种基于粒子群优化的三维干涉isar图像配准方法 | |
CN108279404A (zh) | 一种基于空间谱估计的双通道sar相位误差校正方法 | |
CN112859018B (zh) | 一种基于图像几何校正的视频sar成像方法 | |
CN112578380B (zh) | 基于载机航迹偏差估计的无人机载sar自聚焦方法 | |
CN111880180A (zh) | 一种高分辨运动舰船sar成像的自聚焦方法 | |
CN107741585A (zh) | 适用于大斜视sar成像的距离空变md自聚焦方法 | |
CN111551934A (zh) | 一种用于无人机载sar成像的运动补偿自聚焦方法与装置 | |
CN116299551A (zh) | 一种太赫兹sar二维自聚焦成像算法 | |
CN114089333B (zh) | 一种基于直升机平台的sar振动误差估计及补偿方法 | |
Fan et al. | High frame-rate and low-latency video SAR based on robust Doppler parameters estimation in the terahertz regime | |
CN109581351A (zh) | 联合像素归一化样本协方差矩阵估计目标径向速度的方法 | |
CN116819466A (zh) | 基于图像最小熵的双基isar方位定标和几何校正方法 | |
CN112505647A (zh) | 一种基于序贯子图像序列的动目标方位速度估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |