CN108732555A - 一种获取运动误差向量的方法以及自动驾驶阵列微波成像运动补偿的方法 - Google Patents

一种获取运动误差向量的方法以及自动驾驶阵列微波成像运动补偿的方法 Download PDF

Info

Publication number
CN108732555A
CN108732555A CN201810562794.9A CN201810562794A CN108732555A CN 108732555 A CN108732555 A CN 108732555A CN 201810562794 A CN201810562794 A CN 201810562794A CN 108732555 A CN108732555 A CN 108732555A
Authority
CN
China
Prior art keywords
error
signal
phase
matrix
array
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
CN201810562794.9A
Other languages
English (en)
Other versions
CN108732555B (zh
Inventor
黄平平
单文秋
谭维贤
徐伟
乞耀龙
周勇胜
张振华
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.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of Technology
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 Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN201810562794.9A priority Critical patent/CN108732555B/zh
Publication of CN108732555A publication Critical patent/CN108732555A/zh
Application granted granted Critical
Publication of CN108732555B publication Critical patent/CN108732555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • 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
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

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

Abstract

申请提供一种获取运动误差向量的方法以及自动驾驶阵列微波成像运动补偿的方法。所述一种获取运动误差向量的方法，基于回波数据总体最小二乘的误差估计方法。通过建立运动误差的模型，利用运动误差与相位误差之间的线性关系来构建超定方程组，将运动误差的提取转化为求与运动误差相关联的矩阵方程组解的一个过程。该方法可以准确的估计出运动误差。基于上述方法的自动驾驶阵列微波成像运动补偿的方法，解决了车载毫米波雷达在运动过程中存在成像误差的问题，取代高精度的测量设备，节省了成本。同时，在信号处理过程中消除运动误差对成像所带来的影响。

Description

一种获取运动误差向量的方法以及自动驾驶阵列微波成像运 动补偿的方法
技术领域
本申请涉及微波成像领域，具体涉及获取运动误差向量的方法，以及自动 驾驶阵列微波成像运动补偿的方法。
背景技术
车载毫米波雷达具有全天候、全天时、穿透力强的工作特性，以此来进行 前视成像将克服传统光学设备易受恶劣气候影响的缺陷，未来将会引领自动驾 驶。将车载毫米波雷达和阵列天线技术相结合可实时、动态获取车体前方观测 场景二维高分辨率微波图像。
车载毫米波雷达采用线性调频连续波(LFMCW)的工作体制，在波传播方 向上发射大带宽-时宽的线性调频连续波信号实现距离向上的高分辨率；线性阵 列天线采用收发分置的工作方式，即发射天线与接收天线分开并平行放置，通 过高速微波开关切换来实现MIMO(Multiple Input Multiple Output，MIMO)信 号收发机制并将其等效合成线性阵列，形成阵列向的高分辨率，继而以高重复 频率完成对观测目标距离-方位信息的获取。
在实际中，车载平台的运动、路面高低不平、车体左右晃动会使合成的线 性阵列中的阵元位置发生严重偏移，使录取的回波数据存在较大的失真，引起 场景目标模糊，给高精度成像带来了困难。
传统解决方案是通过在车载平台上配备高精度惯性导航系统(INS)、定位 系统(GPS)、惯性测量单元(IMU)测得每个时刻汽车的姿态、位移来计算出 阵列天线中各个阵元的位置偏移，其测量精度可达到厘米级，可以补偿回波数 据中的部分误差。但是，由于阵列天线分时工作特性会使其测量误差会存在累 计效应，致使补偿后存在残余运动误差；另外，此方案因配备高精度设备而增 加应用的成本。
发明内容
本申请提供一种获取运动误差向量的方法，一种自动驾驶阵列微波成像运 动补偿的方法；以解决车载毫米波雷达在运动过程中存在成像误差的问题。
为了解决上述技术问题，本申请实施例提供了如下的技术方案：
本申请提供了一种获取运动误差向量的方法，包括：
获得运动的等效采样点n前方的不同位置的点目标的相位误差；
根据不同位置点目标的所述相位误差获得相位误差向量b；
根据运动误差几何模型生成的第一相位误差和所述相位误差向量b 获得与运动误差相关联的矩阵方程组Ax＝b；
根据最小二乘法解析所述与运动误差相关联的矩阵方程组Ax＝b获得所述 运动误差向量x；
其中，所述运动误差几何模型，具体指运动中的等效采样点n与其前方的 一个点目标的运动误差几何模型，包括：a表示等效采样点n的理想位置，a'表 示等效采样点n的实际位置，P1表示等效采样点n前方的点目标，表示等效 采样点n在理想位置处与点目标P1的斜距，表示等效采样点n在实际位置处 与点目标P1的斜距，Δx(n)与Δz(n)分别为位移沿X轴与Z轴的误差偏移分量， 表示等效采样点n在理想位置处与点目标P1的入射角；
所述第一相位误差根据所述运动误差几何模型获得所述点目标的 斜距误差根据所述斜距误差获 得与其相关联的第一相位误差
A表示等效采样点n在理想位置处与不同位置的点目标形成的入射角组成 的矩阵；
所述运动误差向量x由误差偏移分量Δx(n)和Δz(n)组成的矩阵。
优选的，将所述与运动误差相关联的矩阵方程组Ax＝b，转变成与运动误差 相关联的矩阵方程组(A+E)x＝b+e；
所述根据最小二乘法解析所述与运动误差相关联的矩阵方程组Ax＝b获得 运动误差向量x，包括：
根据总体最小二乘法解析所述与运动误差相关联的矩阵方程组 (A+E)x＝b+e获得运动误差向量x；
其中，E表示系数矩阵A的误差；e表示相位误差向量b的误差。
本申请提供了一种自动驾驶阵列微波成像运动补偿的方法，包括以下步骤：
S201，获取场景回波信号Srall(t,n)；其中，t为时间变量，n为运动中的等 效采样点；
S202，对场景回波信号Srall(t,n)沿距离向进行逆傅立叶变换，获得距离压缩 后的信号St_IFT(t,n)；
S203，对所述信号St_IFT(t,n)进行距离徙动粗校正，生成信号SRCMC(t,n)；
S204，对所述信号SRCMC(t,n)进行距离向逆傅里叶变换、剩余相位补偿、距 离向傅里叶变换，获得信号Sre(t,n)；
S205，对所述信号Sre(t,n)沿阵列向进行去斜处理，获得信号Sde(t,n)；
S206，将所述信号Sde(t,n)沿阵列向进行傅里叶变换生成点目标图像，并获 得信号Sde_FT(t,n)；
S207，从所述点目标图像的每个距离单元中选择特显点，并使所述特显点 消除多普勒效应造成的频率偏移；
S208，对消除频率偏移的所述特显点沿阵列向进行加窗处理，并对生成的 特显点信号进行排列重组，生成重组信号矩阵SF；
S209，对所述重组信号矩阵SF逐行进行阵列向逆傅里叶变换，获得信号矩 阵S：
其中，N为正整数， k＝[1,2,…K]，K为正整数，为点目标Pk到等效采样点在实际位置与理想位 置的斜距差；
S210，利用相位估计函数对所述信号矩阵S中的相位误差项进行相位梯度估 计，获得相位误差梯度
S211，利用权利要求1-2任一项所述的方法，将所述相位误差梯度作为所 述相位误差向量b，代入与运动误差相关联的矩阵方程组，获得估计运动误差 Δx(n)与Δz(n)，其中，Δx(n)为阵列向等效采样点的运动误差X轴的分量，Δz(n) 为阵列向等效采样点的运动误差Z轴的分量。
优选的，所述对所述信号Sre(t,n)沿阵列向进行去斜处理，获得信号Sde(t,n)， 包括：
对所述信号Sre(t,n)的近似信号Sres(t,n)沿阵列向进行去斜处理，获得信号 Sde(t,n)。
优选的，所述利用相位估计函数对所述信号矩阵S中的相位误差项进行相位 梯度估计，获得相位误差梯度包括：
获取迭代次数；
判断迭代次数是否符合预设迭代条件；
如果符合，则
利用相位估计函数对信号矩阵S中的每一行相位进行相位误差梯度估计，获 得相位误差梯度矩阵其中，相位误差梯度矩阵的每一行为 n＝[1,2,…N]，K和N均为正整数， *为取复共轭；对所述相位误差梯度矩阵的每一行进行积 分，获得估计相位对所述估计相位取复共轭后，与所述信号矩阵S相乘， 获得残余的信号矩阵Sre，其中，残余的信号矩阵Sre在下一次迭代时作为信号矩 阵S参与迭代；
如果不符合，则
将每次迭代获得的所述相位误差梯度矩阵的相位梯度值进行累加，获得 相位误差梯度
优选的，所述利用权利要求1-2任一项所述的方法，将所述相位误差梯度作为所述相位误差向量b，代入与运动误差相关联的矩阵方程组，获得估计运动 误差Δx(n)与Δz(n)，其中，Δx(n)为阵列向等效采样点的运动误差X轴的分量， Δz(n)为阵列向等效采样点的运动误差Z轴的分量，包括：
利用权利要求1-2任一项所述的方法，将所述相位误差梯度作为所述相位 误差向量b，代入与运动误差相关联的矩阵方程组，获得实际中阵列向等效采样 点运动误差的梯度其中n＝[1,2,…N]，N为正整数；
对所述运动误差梯度进行积分，获得估计运动误差Δx(n)与Δz(n)，其 中，Δx(n)为阵列向等效采样点的运动误差X轴的分量，Δz(n)为阵列向等效采 样点的运动误差Z轴的分量。
基于上述实施例的公开可以获知，本申请实施例具备如下的有益效果：
申请提供一种获取运动误差向量的方法，以及一种自动驾驶阵列微波成像 运动补偿的方法。所述一种获取运动误差向量的方法，基于回波数据总体最小 二乘的误差估计方法。通过建立运动误差的模型，利用运动误差与相位误差之 间的线性关系来构建超定方程组，将运动误差的提取转化为求与运动误差相关 联的矩阵方程组解的一个过程。该方法可以准确的估计出运动误差。基于上述 方法的自动驾驶阵列微波成像运动补偿的方法，解决了车载毫米波雷达在运动 过程中存在成像误差的问题，取代高精度的测量设备，节省了成本。同时，在 信号处理过程中消除运动误差对成像所带来的影响。
附图说明
图1为本申请实施例的车载线性阵列天线的示意图；
图2为本申请实施例的载前视观测区域示意图；
图3为本本申请实施例的申请实施例的车载运动状态阵元分布示意图；
图4为本申请实施例的获取运动误差向量的方法的流程图；
图5为本申请实施例的车载前视运动误差几何模型；
图6为本申请实施例的自动驾驶阵列微波成像运动补偿的方法的流程图；
图7为本申请实施例的距离徙动矫正示意图；
图8为本申请实施例的相位误差梯度循环估计的流程图；
图9为本申请实施例的迭代操作的流程图；
图10为本申请实施例的运动误差提取的流程图。
具体实施方式
下面，结合附图对本申请的具体实施例进行详细的描述，但不作为本申请 的限定。
应理解的是，可以对此处公开的实施例做出各种修改。因此，上述说明书 不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申 请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并 且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起 用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本 申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域 技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所 述的特征并因此都位于借此所限定的保护范围内。
当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优 势将变得更为显而易见。
此后参照附图描述本申请的具体实施例；然而，应当理解，所公开的实施 例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构 并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所 公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基 础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地 使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一 实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例 中的一个或多个。
图1为车载线性阵列天线的示意图。图中，T1，T2...TN为发射线性阵列天 线的独立天线阵元，R1，R2为接收线性阵列天线的独立天线阵元，通过微波开 关的切换实现一发多收的信号工作机制，即T1发射，R1，R2同时接收，T2发射， R1，R2同时接收，依次循环。图1中的N个发射天线独立阵元与2个接收天线 独立阵元按照此工作模式会形成2·N个以间距d均匀分布的等效采样点如图中 虚线上的实心圆所示。实际中，由于收发天线之间的距离远小于目标到收发天 线的距离，则信号收发过程可以近似在等效采样点处进行，即相当于等效采样点以自发自收的模式工作。
图2为本申请实施例的车载前视观测区域示意图。P(x0,y0)为车载前视观 测区域的点目标，各个等效采样点(如图“□”所示)以固定周期依次进行收 发电磁波工作，将各个等效采样点采集到的场景回波数据进行存储，并运用相 应的成像算法进行处理来实时成像。
图3为本本申请实施例的申请实施例的车载运动状态阵元分布示意图。X 轴为距离向即汽车行驶方向，Y轴为阵列天线排布方向即阵列向。理想情况下， 阵列向等效采样点依次以等间距d均匀分布在Y轴上如图3中实心圆所示。H为 阵列天线距离地面的高度。在实际中汽车正常行驶时，鉴于阵列天线以固定周 期分时工作的特性，实际采样点在X轴方向的偏移误差主要来源于车载平台的 瞬时速度，因此在X轴方向上偏移误差较大，需要对此轴偏移误差进行补偿； 而在Y轴与Z轴方向偏移误差主要来源于车体左右摆动和路面高低不平，因此偏 移误差较小，可适当忽略。运动状态下等效采样点位置分布如图3中实心圆所示。
基于以上分析，本申请提供一种获取运动误差向量的方法；本申请还提供 一种自动驾驶阵列微波成像运动补偿的方法。在下面的实施例中逐一进行详细 说明。
对本申请提供的第一实施例，即一种获取运动误差向量的方法的实施例。
下面结合图4-5对本实施例进行详细说明，其中，图4为一种获取运动误差 向量的方法的流程图，图5为本申请实施例的车载前视运动误差几何模型。
请参照图5所示，运动误差几何模型，具体指运动中的等效采样点n与其 前方的一个点目标的运动误差几何模型，包括：a表示等效采样点n的理想位置， a'表示等效采样点n的实际位置，P1表示等效采样点n前方的点目标，表示等 效采样点n在理想位置处与点目标P1的斜距，表示等效采样点n在实际位置 处与点目标P1的斜距，Δx(n)与Δz(n)分别为位移沿X轴与Z轴的误差偏移分 量，表示等效采样点n在理想位置处与点目标P1的入射角。则等效采样点n 相对于点目标P1在实际位置偏离理想位置的斜距误差为：
其中：γ0为距离向采样的起始距离值，κ1为点目标P1所在的距离单元数，Δγ 为相邻距离单元的间距，H为等效采样点n在理想位置的高度；
根据所述斜距误差获得与其相关联的第一相位误差为：
其中：λ为波长。
请参照图4所示，步骤S101，获得运动的等效采样点n前方的不同位置的 点目标的相位误差。
例如，采用相位估计函数获得运动的等效采样点n前方的不同位置的点目 标的相位误差。
步骤S102，根据不同位置点目标的所述相位误差获得相位误差向量b。
从公式(3)可知，等效采样点n在理想位置处与不同位置点目标(P1，P2，…PN)的入射角不同，导致相位误差不同，因此，根据不同位置点目标的 所述相位误差获得相位误差向量b：
其中：为点目标P1的相位误差，以此类推，则为点目标PN的 相位误差。
步骤S103，根据运动误差几何模型生成的第一相位误差和所述相位 误差向量b获得与运动误差相关联的矩阵方程组Ax＝b。
将公式(4)式代入公式(3)得到与运动误差相关联的矩阵方程组为：
Ax＝b； (5)
其中：A是系数矩阵，表示等效采样点n在理想位置处与不同位置的点目标 形成的入射角组成的矩阵；运动误差向量x由误差偏移分量Δx(n)和Δz(n)组成的 矩阵。
公式(5)中，由于该方程组的个数大于变量的个数，因此此方程组称为超 定方程组。
步骤S104，根据最小二乘法解析所述与运动误差相关联的矩阵方程组 Ax＝b获得所述运动误差向量x。
进一步分析，由于相位估计函数本身存在误差，致使相位误差向量b存在扰 动，系数矩阵A是由等效采样点n在理想位置处与不同位置的点目标形成的入射 角组成的矩阵，通常在计算时近似处理，即系数矩阵A也存在扰动。为了解决矩 阵A和相位误差向量b存在扰动的问题，选择用总体最小二乘的理论与方法。则 将公式(5)的与运动误差相关联的矩阵方程组变为：
(A+E)x＝b+e； (8)
其中，E表示系数矩阵A的误差；e表示相位误差向量b的误差。
将公式(8)化为矩阵相乘的形式为：
令B＝[-b,A]为系数增广矩阵，D＝[-e,E]为扰动矩阵。求解上述方程组的 解可以表示为约束最优化问题：
其中：表示F范数矩阵。
根据总体最小二乘法解析所述与运动误差相关联的矩阵方程组 (A+E)x＝b+e获得运动误差向量xTLS为：
xTLS＝(AHA-σminI)-1AHb； (11)
其中：AH为系数矩阵A的转置，I为单位矩阵，σmin为矩阵B的最小奇异 值。
其中，求σmin需要将矩阵B进行奇异值分解为：
B＝U∑VT； (12)
其中：∑w＝diag(σ1 σ2 …σw)，它是由奇异值σ1,σ2,…,σw (w＞2)构成的对角矩阵，且σ1≥σ2≥σ3…σp＞0为左奇异值向量，V为右奇 异值向量。
与本申请提供的第一实施例相关联，本申请还提供了第二实施例，即一种 自动驾驶阵列微波成像运动补偿的方法。由于第二实施例引用第一实施例的部 分内容，所以相关内容描述得比较简单，参见第一实施例的对应说明即可。
本申请是基于接收的雷达回波数据来获取运动误差，因此，回波信号的推 导过程如下：
设发射信号Str(t)为：
其中：fc为发射信号载频，t为时间变量，且t∈[-Tr/2,Tr/2]，Tr为信号持 续时间，为Kr信号调频率，信号带宽为Br＝KrTr。
根据图5中的运动误差几何模型，实际阵列向等效采样点n接收到点目标P1的回波信号Sr(t,n)为：
其中：n代表阵列向等效采样点，n＝1,2,…N，N为阵列向等效采样点的总 数；为观测场景中点目标P1的坐标，表示点目标P1散射系数；表 示阵列向等效采样点到点目标P1的电磁波传播时间，其表达式为：
其中：为等效采样点到点目标P1的斜距，其表达式为：
其中：Δx(n)为阵列向等效采样点n在X轴误差偏移分量，Δz(n)为阵列向等 效采样点n在Z轴的误差偏移分量；yn为阵列向等效采样点n的Y轴坐标，即 -L/2+(n-1)d，L为等效采样点的总长度，d为相邻等效采样点的间距；H为 图5中的阵列向等效采样点n在理想位置距地面高度。
将接收信号与发射信号做混频，即(13)式与(14)式共轭相乘，得到中 频信号Sif(t,n)为：
式(17)相位表达式第三项为剩余相位项。对点目标P1而言，解斜 后的信号是频率为的中频信号。经过解斜处理不但大大降低了信号带宽， 还可以降低数字采样频率要求，同时也简化了数据处理，直接对采样后的中频 信号做离散逆傅里叶变换则可以得到距离压缩信号。
由于观测场景中包含多个观测点目标，则整个观测场景的回波信号可以表 示为：
其中：为点目标的散射系数；为点目标Pi {i＝[1,2,…N]}到阵列向等效采样点的电磁波传播时间；∑为求和运算。
图6-10示出了本申请提供的一种自动驾驶阵列微波成像运动补偿的方法的 实施例。图6为本申请实施例的自动驾驶阵列微波成像运动补偿的方法的流程 图，图7为本申请实施例的距离徙动矫正示意图，图8为本申请实施例的相位 误差梯度循环估计的流程图，图9为本申请实施例的迭代操作的流程图，图10 为本申请实施例的运动误差提取的流程图。
请参考图6，步骤S201，获取场景回波信号Srall(t,n)；其中，t为时间变量， n为运动中的等效采样点。
步骤S202，对场景回波信号Srall(t,n)沿距离向进行逆傅立叶变换，获得距 离压缩后的信号St_IFT(t,n)为：
其中：IFTt表示沿距离向进行逆傅里叶变换。
步骤S203，对所述信号St_IFT(t,n)进行距离徙动粗校正，生成信号SRCMC(t,n)。
阵列向等效采样点到点目标的斜距随其坐标位置而改变，对信号St_IFT(t,n) 经过距离压缩之后其各个点目标徙动轨迹为曲线，需要将各个点目标的距离徙 动曲线通过sinc插值将其平移成直线；
请参照图7所示，以点目标P1为例，图中AP'为点目标P1回波信号经距离压 缩后的距离徙动曲线，通过sinc插值将距离徙动曲线AP'上的数据平移到指定 的距离单元中即直线AP"上；经过距离徙动粗校正后的信号SRCMC(t,n)为：
其中：其中表示为各个点目标的距离徙动曲线平移到距离为的直线上，i＝[1,2,…,N]。
步骤S204，对所述信号SRCMC(t,n)进行距离向逆傅里叶变换、剩余相位补偿、 距离向傅里叶变换，获得信号Sre(t,n)。
其中，剩余相位的补偿函数为：
经过此过程之后信号Sre(t,n)为：
其中：FTt为距离向傅里叶变换，IFTt为距离向逆傅里叶变换。
步骤S205，对所述信号Sre(t,n)沿阵列向进行去斜处理，获得信号Sde(t,n)。
将代入公式(22)，则信号Sre(t,n)变为：
其中：为点目标Pi{i＝[1,2,…N]}到阵列向等效采样点在实际位置与理想 位置斜距之差，为各个点目标Pi到阵列向等效采样点在理想位置的斜距，其 表达式为：
其中：yn为阵列向等效采样点n的Y轴坐标，为点目标Pi的Y轴坐标， 为点目标Pi到阵列向等效采样点在理想位置的最近距离，其表达式为；
其中：为点目标Pi的X轴坐标。
将公式(23)中的信号Sre(t,n)近似为Sres(t,n)：
对信号Sres(t,n)沿阵列向进行去斜处理即将该信号与去斜处理的函数 Sdechirp(n)相乘，去斜处理函数为：
其中：i＝[1,2,…,N]，yn为阵列向等效采样点的Y轴坐标，为点目标Pi (i＝[1,2,…,N])到阵列向等效采样点最近斜距，实际操作过程中它的值可以近 似为其中γ0为距离向采样点处的起始距离值，κi为点目标Pi所 在的距离单元数，Δγ为相邻距离单元之间的距离间隔；
经过去斜处理后的信号Sde(t,n)为：
步骤S206，将所述信号Sde(t,n)沿阵列向进行傅里叶变换生成点目标图像， 并获得信号Sde_FT(t,n)。
将去斜处理后的信号Sde(t,n)沿阵列向进行傅里叶变换形成点目标图像，则 变换后的信号Sde_FT(t,n)为：
其中：代表卷积运算；FTn为阵列向傅里叶变换；ψ为杂波项相位；φ(f) 相位误差项在频域中的频谱；Ba为阵列向信号带宽，其具体表达 式如下：
Ba＝famax-famin； (32)
其中：famax为阵列向信号的最高频率，famin为阵列向信号的最低频率；阵 列向信号的频率表达式为：
其中：Ka(n)为阵列向的调频率；为阵列向等效采样点与点目标Pi (i＝[1,2,…,N])的入射角；当入射角趋于0°时，此时阵列向的频率最低famin＝0；当入射角趋于90°时，此时阵列向的频率最高
步骤S207，从所述点目标图像的每个距离单元中选择特显点，并使所述特 显点消除多普勒效应造成的频率偏移。
根据所述点目标图像，从每个距离单元中选择特显点，即假设从K(K＞2) 个距离单元中共选择K个特显点分别为Pi(i＝[1,2,…,N])，并沿阵列向移位到 图像中心即多普勒中心频率为0处，以消除因多普勒效应而造成频率偏移。
步骤S208，对消除频率偏移的所述特显点沿阵列向进行加窗处理，并对生 成的特显点信号进行排列重组，生成重组信号矩阵SF。
对中心移位后的特显点选择矩形窗函数沿阵列向进行加窗处理，滤除其他 杂波信号以及非特显点，矩形窗函数的宽度为特显点峰值以下-20dB处的脉冲宽 度，对移位加窗处理后的多特显点信号进行排列重组，则生成重组信号矩阵SF 为：
其中：k＝[1,2,…,K]，K为正整数， Sk(f)为步骤S207中选择的第k个距离单元的阵列向信号，εk为选中距离单元 的距离向数据，其表达式见公式(37)，S1(f)为选择的第1个距离单元的阵列 向信号，依次类推，SK(f)为选择第K个距离单元的阵列向信号；将每个距离 单元的阵列向信号按行排列，即可得到重组信号矩阵SF。
其中：为点目标Pi的散射系数，κi为点目标Pi的距离单元数；fs为采样 率，此时是对时间t离散化处理。
步骤S209，对所述重组信号矩阵SF逐行进行阵列向逆傅里叶变换，获得信 号矩阵S：
其中，k＝[1,2,…K],n＝[1,2,…N]，K和N均为正整数，为点目标Pk到等效采样点在实际位置与理想位置的斜距差。
步骤S210，利用相位估计函数对所述信号矩阵S中的相位误差项进行相位 梯度估计，获得相位误差梯度
此步骤利用相位估计函数对公式(38)中的相位误差项进行相位梯度估计， 为了使估计的精度更高，此过程需要循环迭代，循环过程参照图8所示，具体 步骤为：
步骤S210-1，获取迭代次数。
设count为计数变量，初值为0；v为迭代次数，取值范围为100＞v≥4。
步骤S210-2，判断迭代次数是否符合预设迭代条件。
步骤S210-3，如果符合，则执行迭代操作。
请参照图9所示，所述迭代操作包括：
步骤S210-3-1，利用相位估计函数对信号矩阵S中的每一行相位进行相位误差梯度估计，获得相位误差梯度矩阵其中，相位误差梯度矩阵的每一行 为k＝[1,2,…K]，n＝[1,2,…N]，K和N均为正整数， *为取复共轭。
利用相位估计函数对信号矩阵S每一行相位进行相位误差梯 度估计，其相位估计函数为：
其中：k代表距离单元，n代表阵列向等效采样点；gk(n)为第k个距离单 元的阵列向信号；为信号gk(n)的相位梯度。
将信号矩阵S的每一行信号代入公式(39)中，则获得相位误差梯度矩阵为：
其中：k＝[1,2,…K]；n＝[1,2,…N]，K和N均 为正整数，*为取复共轭。
步骤S210-3-2，对所述相位误差梯度矩阵的每一行进行积分，获得估计相位
其中：k＝[1,2,…K],n＝[1,2,…N]，K和N均为正整数。
步骤S210-3-3，对所述估计相位取复共轭后，与所述信号矩阵S相乘，获 得残余的信号矩阵Sre，其中，残余的信号矩阵Sre在下一次迭代时作为信号矩阵 S参与迭代。
对所述估计相位取复共轭后，与所述信号矩阵S相乘，获得残余的信号矩 阵Sre：
其中：k＝[1,2,…K],n＝[1,2,…N]，K和N均为正整数，残余的信号矩阵Sre在下一次迭代时作为信号矩阵S参与迭代，S1(n)表示残余信号矩阵的第一行， 依次按照此定义，则SK(n)表示残余信号矩阵的第K行；.×为矩阵点乘运算；* 为取复共轭。
步骤S210-4，如果不符合，则获得相位误差梯度即将每次迭代获得的 所述相位误差梯度矩阵的相位梯度值进行累加，获得相位误差梯度
其中：k＝[1,2,…K],n＝[1,2,…N]，K和N均为正整数。
步骤S211，运动误差提取。请参照图10所示，具体步骤为：
步骤S211-1，构建运动误差梯度方程，并获得阵列向等效采样点n运动误差 相位梯度
将所述相位误差梯度作为所述相位误差向量b，代入与运动误差相关联的 矩阵方程组：
或
其中：n＝[1,2,…,N]，为阵列向等效采样点n运动误差相位梯度，它是 由等效采样点在实际位置处X轴的误差偏移分量与Z轴的误差偏移分量组成， 其表达式见公式(46)。A为在步骤S207选择的特显点与阵列向等效采样点的 入射角，其表达式见公式(47)。
利用最小二乘法求解公式(44)或利用总体最小二乘法求解求解公式(45)， 获得实际中阵列向等效采样点运动误差的梯度其中n＝[1,2,…,N]。
步骤S211-2，对所述运动误差梯度进行积分，获得估计运动误差Δx(n) 与Δz(n)，其中，Δx(n)为阵列向等效采样点的运动误差X轴的分量，Δz(n)为 阵列向等效采样点的运动误差Z轴的分量。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保 护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内， 对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请 的保护范围内。

Claims (6)

1.一种获取运动误差向量的方法，其特征在于，包括：
获得运动的等效采样点n前方的不同位置的点目标的相位误差；
根据不同位置点目标的所述相位误差获得相位误差向量b；
根据运动误差几何模型生成的第一相位误差和所述相位误差向量b获得与运动误差相关联的矩阵方程组Ax＝b；
根据最小二乘法解析所述与运动误差相关联的矩阵方程组Ax＝b获得所述运动误差向量x；
其中，所述运动误差几何模型，具体指运动中的等效采样点n与其前方的一个点目标的运动误差几何模型，包括：a表示等效采样点n的理想位置，a'表示等效采样点n的实际位置，P1表示等效采样点n前方的点目标，表示等效采样点n在理想位置处与点目标P1的斜距，表示等效采样点n在实际位置处与点目标P1的斜距，Δx(n)与Δz(n)分别为位移沿X轴与Z轴的误差偏移分量，表示等效采样点n在理想位置处与点目标P1的入射角；
所述第一相位误差根据所述运动误差几何模型获得所述点目标的斜距误差根据所述斜距误差获得与其相关联的第一相位误差
A表示等效采样点n在理想位置处与不同位置的点目标形成的入射角组成的矩阵；
所述运动误差向量x由误差偏移分量Δx(n)和Δz(n)组成的矩阵。
2.根据权利要求1所述的方法，其特征在于，将所述与运动误差相关联的矩阵方程组Ax＝b，转变成与运动误差相关联的矩阵方程组(A+E)x＝b+e；
所述根据最小二乘法解析所述与运动误差相关联的矩阵方程组Ax＝b获得运动误差向量x，包括：
根据总体最小二乘法解析所述与运动误差相关联的矩阵方程组(A+E)x＝b+e获得运动误差向量x；
其中，E表示系数矩阵A的误差；e表示相位误差向量b的误差。
3.一种自动驾驶阵列微波成像运动补偿的方法，其特征在于，包括：
S201，获取场景回波信号Srall(t,n)；其中，t为时间变量，n为运动中的等效采样点；
S202，对场景回波信号Srall(t,n)沿距离向进行逆傅立叶变换，获得距离压缩后的信号St_IFT(t,n)；
S203，对所述信号St_IFT(t,n)进行距离徙动粗校正，生成信号SRCMC(t,n)；
S204，对所述信号SRCMC(t,n)进行距离向逆傅里叶变换、剩余相位补偿、距离向傅里叶变换，获得信号Sre(t,n)；
S205，对所述信号Sre(t,n)沿阵列向进行去斜处理，获得信号Sde(t,n)；
S206，将所述信号Sde(t,n)沿阵列向进行傅里叶变换生成点目标图像，并获得信号Sde_FT(t,n)；
S207，从所述点目标图像的每个距离单元中选择特显点，并使所述特显点消除多普勒效应造成的频率偏移；
S208，对消除频率偏移的所述特显点沿阵列向进行加窗处理，并对生成的特显点信号进行排列重组，生成重组信号矩阵SF；
S209，对所述重组信号矩阵SF逐行进行阵列向逆傅里叶变换，获得信号矩阵S：
其中，n＝[1,2,…,N]，N为正整数，k＝[1,2,…K]，K为正整数，为点目标Pk到等效采样点在实际位置与理想位置的斜距差；
S210，利用相位估计函数对所述信号矩阵S中的相位误差项进行相位梯度估计，获得相位误差梯度
S211，利用权利要求1-2任一项所述的方法，将所述相位误差梯度作为所述相位误差向量b，代入与运动误差相关联的矩阵方程组，获得估计运动误差Δx(n)与Δz(n)，其中，Δx(n)为阵列向等效采样点的运动误差X轴的分量，Δz(n)为阵列向等效采样点的运动误差Z轴的分量。
4.根据权利要求3所述的方法，其特征在于，所述对所述信号Sre(t,n)沿阵列向进行去斜处理，获得信号Sde(t,n)，包括：
对所述信号Sre(t,n)的近似信号Sres(t,n)沿阵列向进行去斜处理，获得信号Sde(t,n)。
5.根据权利要求3所述的方法，其特征在于，所述利用相位估计函数对所述信号矩阵S中的相位误差项进行相位梯度估计，获得相位误差梯度包括：
获取迭代次数；
判断迭代次数是否符合预设迭代条件；
如果符合，则
利用相位估计函数对信号矩阵S中的每一行相位进行相位误差梯度估计，获得相位误差梯度矩阵其中，相位误差梯度矩阵的每一行为 K和N均为正整数，*为取复共轭；对所述相位误差梯度矩阵的每一行进行积分，获得估计相位对所述估计相位取复共轭后，与所述信号矩阵S相乘，获得残余的信号矩阵Sre，其中，残余的信号矩阵Sre在下一次迭代时作为信号矩阵S参与迭代；
如果不符合，则
将每次迭代获得的所述相位误差梯度矩阵的相位梯度值进行累加，获得相位误差梯度
6.根据权利要求3所述的方法，其特征在于，所述利用权利要求1-2任一项所述的方法，将所述相位误差梯度作为所述相位误差向量b，代入与运动误差相关联的矩阵方程组，获得估计运动误差Δx(n)与Δz(n)，其中，Δx(n)为阵列向等效采样点的运动误差X轴的分量，Δz(n)为阵列向等效采样点的运动误差Z轴的分量，包括：
利用权利要求1-2任一项所述的方法，将所述相位误差梯度作为所述相位误差向量b，代入与运动误差相关联的矩阵方程组，获得实际中阵列向等效采样点运动误差的梯度其中n＝[1,2,…N]，N为正整数；
对所述运动误差梯度进行积分，获得估计运动误差Δx(n)与Δz(n)，其中，Δx(n)为阵列向等效采样点的运动误差X轴的分量，Δz(n)为阵列向等效采样点的运动误差Z轴的分量。
CN201810562794.9A 2018-06-04 2018-06-04 一种自动驾驶阵列微波成像运动补偿的方法 Active CN108732555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810562794.9A CN108732555B (zh) 2018-06-04 2018-06-04 一种自动驾驶阵列微波成像运动补偿的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810562794.9A CN108732555B (zh) 2018-06-04 2018-06-04 一种自动驾驶阵列微波成像运动补偿的方法

Publications (2)

Publication Number Publication Date
CN108732555A true CN108732555A (zh) 2018-11-02
CN108732555B CN108732555B (zh) 2022-05-27

Family

ID=63931732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810562794.9A Active CN108732555B (zh) 2018-06-04 2018-06-04 一种自动驾驶阵列微波成像运动补偿的方法

Country Status (1)

Country Link
CN (1) CN108732555B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505667A (zh) * 2020-11-19 2021-03-16 哈尔滨工程大学 一种二维声呐基阵运动姿态自校准方法
CN112835040A (zh) * 2020-12-30 2021-05-25 内蒙古工业大学 球面孔径分区域渐进式相位迭代成像的方法及装置
CN113221062A (zh) * 2021-04-07 2021-08-06 北京理工大学 一种小型无人机载BiSAR系统的高频运动误差补偿算法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6255981B1 (en) * 1999-08-04 2001-07-03 Raytheon Company Method for range alignment and rotation correction of a high resolution image in an inverse synthetic aperture radar system
CN101109814A (zh) * 2007-08-28 2008-01-23 北京交通大学 缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法
JP2010127771A (ja) * 2008-11-27 2010-06-10 Nec Corp 合成開口ソーナー、合成開口ソーナーの位相誤差補正方法及びプログラム
US20110133983A1 (en) * 2006-08-15 2011-06-09 Connell Scott D Methods for two-dimensional autofocus in high resolution radar systems
CN103941255A (zh) * 2013-01-17 2014-07-23 南京航空航天大学 一种基于设计结构化Gram矩阵的ISAR运动补偿方法
CN104251990A (zh) * 2014-09-15 2014-12-31 电子科技大学 合成孔径雷达自聚焦方法
CN104931967A (zh) * 2015-06-12 2015-09-23 西安电子科技大学 一种改进的高分辨率sar成像自聚焦方法
CN105372657A (zh) * 2015-12-10 2016-03-02 中国科学院电子学研究所 基于回波数据的视频合成孔径雷达运动补偿成像方法
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
CN106597437A (zh) * 2016-11-23 2017-04-26 上海无线电设备研究所 高频机载调频连续波sar运动补偿及成像处理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6255981B1 (en) * 1999-08-04 2001-07-03 Raytheon Company Method for range alignment and rotation correction of a high resolution image in an inverse synthetic aperture radar system
US20110133983A1 (en) * 2006-08-15 2011-06-09 Connell Scott D Methods for two-dimensional autofocus in high resolution radar systems
CN101109814A (zh) * 2007-08-28 2008-01-23 北京交通大学 缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法
JP2010127771A (ja) * 2008-11-27 2010-06-10 Nec Corp 合成開口ソーナー、合成開口ソーナーの位相誤差補正方法及びプログラム
CN103941255A (zh) * 2013-01-17 2014-07-23 南京航空航天大学 一种基于设计结构化Gram矩阵的ISAR运动补偿方法
CN104251990A (zh) * 2014-09-15 2014-12-31 电子科技大学 合成孔径雷达自聚焦方法
CN104931967A (zh) * 2015-06-12 2015-09-23 西安电子科技大学 一种改进的高分辨率sar成像自聚焦方法
CN105372657A (zh) * 2015-12-10 2016-03-02 中国科学院电子学研究所 基于回波数据的视频合成孔径雷达运动补偿成像方法
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
CN106597437A (zh) * 2016-11-23 2017-04-26 上海无线电设备研究所 高频机载调频连续波sar运动补偿及成像处理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
D.E WAHL,ET.AL: "《Phase gradient autofocus: a robust tool for high resolution SAR phase correction》", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 *
余鹏: "《阵列三维SAR成像及运动补偿方法研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
郭鹏，等: "《基于正则总体最小二乘的SAR系统运动误差估计方法》", 《电子测量技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505667A (zh) * 2020-11-19 2021-03-16 哈尔滨工程大学 一种二维声呐基阵运动姿态自校准方法
CN112505667B (zh) * 2020-11-19 2022-07-15 哈尔滨工程大学 一种二维声呐基阵运动姿态自校准方法
CN112835040A (zh) * 2020-12-30 2021-05-25 内蒙古工业大学 球面孔径分区域渐进式相位迭代成像的方法及装置
CN113221062A (zh) * 2021-04-07 2021-08-06 北京理工大学 一种小型无人机载BiSAR系统的高频运动误差补偿算法

Also Published As

Publication number Publication date
CN108732555B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
EP0097490B1 (en) Range/azimuth/elevation angle ship imaging for ordnance control
CN109188387B (zh) 基于插值补偿的分布式相参雷达目标参数估计方法
CN108732555A (zh) 一种获取运动误差向量的方法以及自动驾驶阵列微波成像运动补偿的方法
CN105717480B (zh) 基于相位差分的单站无源快速定位方法
CN103616687B (zh) 分段线性估计的多项式拟合isar包络对齐方法
CN105572635B (zh) 基于最小二乘法的单站无源快速定位方法
CN110554385B (zh) 机动轨迹合成孔径雷达自聚焦成像方法、装置及雷达系统
CN106507965B (zh) 一种多维度合成孔径雷达运动误差提取和补偿方法
CN113238226B (zh) 一种合成孔径雷达
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
CN105676174B (zh) 基于相位差分最小二乘法的单站无源快速定位方法
CN102540188A (zh) 基于高超声速平台sar的对比度最优自聚焦方法
CN105158745A (zh) 移变双基前视合成孔径雷达距离徙动校正方法
CN102121990A (zh) 基于空时分析的逆合成孔径雷达的目标转速估计方法
CN103454633A (zh) 一种基于后向投影算法的干涉sar动基线处理方法
CN115034993A (zh) 一种运动目标图像去散焦处理方法、装置及存储介质
CN112904339B (zh) 斜距历程与航向交点表征的双基前视sar成像方法
CN110988873A (zh) 基于能量中心提取的单通道sar舰船速度估计方法及系统
CN103616669B (zh) 二维频域中对非均匀场景进行通道均衡方法
Duncan et al. Motion Compensation of Synthetic Aperture Radar
CN115656944A (zh) 基于mimo雷达的舰船图像电磁散射特征闪烁的精确校正方法
CN106569189A (zh) 一种高分辨率sar卫星距离模糊度性能分析方法
CN106443623B (zh) 一种天波超视距雷达目标与电离层参数联合估计方法
CN115877381A (zh) 一种基于互补随机波形的双基雷达协同成像方法
CN113670301B (zh) 一种基于惯导系统参数的机载sar运动补偿方法

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