CN108872990B - 合成孔径雷达实时成像转置处理方法 - Google Patents

Abstract

本发明公开了一种合成孔径雷达实时成像转置处理方法。该方法首先通过把收到的频域向量数据平均分成前段向量和后段向量，前段向量和后段向量进行和差运算后，然后把和值向量除以2，差值向量复乘一个复数向量因子，把得到的向量分别传输至不同的处理器上。不同的处理器分别进行IFFT运算，然后把时域结果以列向量的形式写入外部存储器，最后以行向量的形式从外部存储器读取数据。该方法突破了单个处理器所带外部存储器的容量限制，达到了计算与存储的均衡，提高了硬件资源的利用率和整个实时成像处理系统的性能。

Description

合成孔径雷达实时成像转置处理方法

技术领域

本发明涉及机载雷达成像技术领域，具体涉及一种合成孔径雷达实时成像转置处理方法。

背景技术

合成孔径雷达(SAR)是一种先进的遥感手段，它可以全天候、全天时的实现对地观测，得到观测区域的高分辨率图像，在国民经济和军事领域都有广泛的用途。

SAR接收到回波以后，对数据进行采集、存储和实时成像处理。采集到的原始数据可以看作一个二维数据矩阵，二维数据矩阵中每行的数据为接收脉冲的各个采样点的值，每列的数据为雷达在不同的空间位置处接收到的线调频脉冲的相应的采样点值。SAR实时成像处理是一个二维数据处理过程，但一般分成距离向和方位向两个一维处理过程，为了适应多次的一维处理，中间需要进行行列转换，即矩阵转置。

SAR实时成像需要运算的数据量比较大，对存储器存储容量的要求高，目前常用的实时处理器，如DSP和FPGA，其内部的存储容量达不到SAR数据存储要求，所以矩阵转置只能在处理器的外部存储空间进行。常用的外部高速存储器中，同步动态随机存储器(SDRAM)和双倍速率同步动态随机存储器(DDR SDRAM)最适合做SAR成像的高速大容量存储介质。目前，实现矩阵转置的方法主要有输入输出平衡法、矩阵分块法、行进列出法、两页式或三页式转置法、矩阵分割拼接法、矩阵原位转置法等。

在现有的SAR实时成像处理系统中，由于需要进行多次矩阵转置操作，通常使得处理器的运算单元有一部分时间因没有可处理的数据而处于空闲状态，影响了SAR实时成像处理系统的性能。

发明内容

针对上述问题，为了提高硬件资源的利用率和整个实时成像处理系统的性能，本发明提供了一种合成孔径雷达实时成像转置处理方法，其特征在于，包括如下步骤：

S1、合成孔径雷达接收回波数据矩阵，将所述回波数据矩阵中的频域行向量拆分为前段向量和后段向量；

S2、将所述前段向量与所述后段向量进行和运算，得到和向量，并将所述前段向量与所述后段向量进行差运算，得到差向量；

S3、将所述和向量除以2，并将所述差向量复乘一个复数向量因子；

S4、将经过步骤S3计算后的和向量与差向量分别传输至两个处理模块上，两个所述处理模块均包括外部存储设备；

S5、由两个所述处理模块分别完成快速逆傅里叶变换运算，计算得到两个时域信号，并将两个所述时域信号以列向量的形式分别写入两个所述外部存储设备；以及

S6、以行向量的形式从所述外部存储设备中读取数据，并将从两个所述外部存储设备中读取得到的行向量进行奇偶行合并，得到处理结果。

在一些实施例中，在步骤S4中，采用时域抽取法快速逆傅里叶变换来完成所述快速逆傅里叶变换运算。

在一些实施例中，两个所述处理模块为实时处理器，并采用并行流水的方式进行处理。

在一些实施例中，在步骤S1中，

所述回波数据矩阵为：

其中，m为行数，n为列数，元素a表示为复数浮点数据；

所述频域行向量即为回波数据矩阵A中的行向量，对于第i个频域行向量：

[a_i0 a_i1 … a_i(n-1)]，i为整数且0≤i≤m-1，

将其平均分为前段向量X_i1和后段向量X_i2：

X_i1＝[a_i0 a_i1 … a_i(n/2-1)]

X_i2＝[a_i(n/2) a_i(n/2+1) … a_i(n-1)]。

在一些实施例中，在步骤S2中，

对前段向量X_i1和后段向量X_i2分别进行和差运算，得到和向量Y_i1与差向量Y_i2：

Y_i1＝X_i1+X_i2

Y_i2＝X_i1-X_i2。

在一些实施例中，在步骤S3中，

将和向量Y_i1除以2，将差向量Y_i2复乘一个复数向量因子

其中，

Z_i1与Z_i2分别为计算后的和向量与差向量。

在一些实施例中，在步骤S5中，

两个所述处理模块按照下式完成逆傅里叶变换运算：

z_i1＝IFFT(Z_i1)

z_i2＝IFFT(Z_i2)

其中，z_i1和z_i2为所述时域信号，IFFT长度为n/2。

在一些实施例中，在步骤S6中，

当所述回波数据矩阵A中的数据全部写入所述外部存储设备后，每个所述处理模块的外部存储设备中写入的矩阵为n/2行m列，此时开始以行向量的形式读取数据，将读取得到的行向量进行奇偶行合并，得到处理结果。

基于上述技术方案可知，本发明至少取得了以下有益效果：

本发明提供的方法突破了单个处理器所带外部存储器的容量限制，达到了计算与存储的均衡，提高了硬件资源的利用率和整个SAR实时成像处理系统的性能。

附图说明

图1为根据本发明的合成孔径雷达实时成像转置处理方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。

图1为本发明实施例中的合成孔径雷达实时成像转置处理方法的流程图，参照图1，本发明提供了一种SAR实时成像转置处理方法，包括如下步骤：

S1、SAR接收回波数据矩阵，将回波数据矩阵中的频域行向量拆分为前段向量和后段向量。例如，该回波数据矩阵为二维数据矩阵，其中每行的数据为接收脉冲的各个采样点的值，每列的数据为SAR在不同的空间位置处接收到的线调频脉冲的相应的采样点的值。

S2、将前段向量与后段向量分别进行和运算与差运算，分别得到和向量与差向量。

S3、将和向量除以2，并将差向量复乘一个复数向量因子。该复数向量因子为已经计算好的复数向量。

S4、将经过步骤S3计算后的和向量与差向量分别传输至两个处理模块上，两个处理模块均包括外部存储设备。处理模块可以为处理器芯片，例如DSP或FPGA；外部存储设备可以为外部高速存储器，例如SDRAM或DDR SDRAM。

S5、由两个处理模块分别完成快速逆傅里叶变换(IFFT)运算，计算得到两个时域信号，并将两个时域信号以列向量的形式分别写入两个外部存储设备。

S6、以行向量的形式从外部存储设备中读取数据，并将从两个外部存储设备中读取得到的行向量进行奇偶行合并，得到处理结果。

优选地，在步骤S4中，采用时域抽取法快速逆傅里叶变换(DIF-IFFT)来完成IFFT运算。

优选地，两个处理模块为实时处理器，并采用并行流水的方式进行处理。

目前，在实时成像处理中，最常用的成像算法是RD算法和CS算法及其相应的改进算法。算法的基本原则是将二维数据矩阵的处理转化成多次的一维处理，即距离向处理和方位向处理，继而实现二维高分辨率成像。

其中，实时成像RD算法是先通过距离向快速傅里叶变换(FFT)将SAR回波数据变换到距离向频域，然后与距离向匹配函数相乘，随后利用距离向IFFT完成距离向压缩；数据矩阵转置后，通过方位向FFT变换到方位向频域，将所有距离门的距离徙动曲线校正，然后与方位向频域匹配函数复乘，最后利用方位向IFFT完成方位向压缩；得到SAR图像后，再次转置，把得到的SAR图像沿着距离向数据连续输出。

实时成像CS算法是首先将SAR回波数据转置处理，然后通过方位向FFT变换到方位向频域，接着与CS因子相乘，将所有距离门的距离徙动曲线校正到相同形状；接着进行转置，然后通过距离向FFT将信号变换到二维频域，与距离补偿因子相乘，完成距离徙动校正，随后利用距离向IFFT完成距离向压缩；接着执行转置，方位向复乘，最后利用方位向IFFT完成方位向压缩；得到SAR图像后再进行转置，把得到的SAR图像沿着距离向数据连续输出。

可见，目前的RD算法一般需要2次矩阵转置；CS算法一般需要4次矩阵转置，所以，能否高效地实现矩阵转置，将直接影响成像系统的实时性。矩阵转置需要大的外存，转置数据量可能会超过单个处理器芯片的外存容量。

因此，本发明的实施例通过一个维度的抽取法，实现了转置前行向量的奇偶分离，通过采用两个处理芯片的并行转置，突破了单个处理芯片所带来的外部存储器的容量限制，同时结合DIT-IFFT，提高了计算与存储的均衡，提高了硬件资源的利用率，进一步提高了整个SAR实时成像处理系统的性能。

下面介绍本发明的一个具体实施例，合成孔径雷达接收到的回波数据矩阵为：

其中，m为行数，n为列数，元素a表不复数浮点数据。

频域行向量即为回波数据矩阵A中的行向量，对于第i个频域行向量：

[a_i0 a_i1 … a_i(n-1)]，i为整数且0≤i≤m-1，

将其平均分为前段向量X_i1和后段向量X_i2：

X_i1＝[a_i0 a_i1 … a_i(n/2-1)]

X_i2＝[a_i(n/2) a_i(n/2+1) … a_i(n-1)]。

然后，对前段向量X_i1和后段向量X_i2分别进行和差运算，得到和向量Y_i1与差向量Y_i2：

Y_i1＝X_i1+X_i2

Y_i2＝X_i1-X_i2。

然后，将和向量Y_i1除以2，并将差向量Y_i2复乘一个已经计算好的复数向量因子

其中，

Z_i1与Z_i2分别为计算后的和向量与差向量。

进一步地，将得到的Z_i1与Z_i2分别传给带有外部存储设备的两个处理模块。然后，由两个处理模块按照下式完成IFFT运算：

z_i1＝IFFT(Z_i1)

z_i2＝IFFT(Z_i2)

其中，z_i1和z_i2为时域信号，此时IFFT长度为n/2。可见，相对于现有的实时成像处理方法，该步骤中的IFFT运算实现了运算长度减半。

接下来，将时域信号z_i1和z_i2分别以列向量的形式存入外部存储设备。

最后，当回波数据矩阵A中的数据全部写入外部存储设备后，每个处理模块的外部存储设备中写入的矩阵为n/2行、m列，此时开始以行向量的形式读取数据，将读取得到的行向量进行奇偶行合并后即得到处理结果。

在实际硬件平台上利用本发明提出的方法进行了SAR实时成像转置处理，试验结果表明，该方法对解决因矩阵转置带来的问题是行之有效的。该方法突破了单个处理器所带外存的容量限制，同时结合DIT-IFFT运算方法，采用并行流水方式，利于系统扩展，达到了外存读写与运算的均衡，提高了硬件资源的利用率和整个SAR实时成像处理器的性能。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种合成孔径雷达实时成像转置处理方法，其特征在于，包括如下步骤：

S1、合成孔径雷达接收回波数据矩阵，所述回波数据矩阵为：

其中，m为行数，n为列数，元素a表示为复数浮点数据；

所述回波数据矩阵A中的行向量为频域行向量，所述回波数据矩阵A中的第i个所述频域行向量为：

[a_i0 a_i1…a_i(n-1)]，i为整数且0≤i≤m-1，

将所述第i个所述频域行向量平均分为前段向量X_i1和后段向量X_i2：

X_i1＝[a_i0 a_i1…a_i(n/2-1)]

X_i2＝[a_i(n/2) a_i(n/2+1)…a_i(n-1)]；

S2、将所述前段向量与所述后段向量进行和运算，得到和向量，并将所述前段向量与所述后段向量进行差运算，得到差向量；

S3、将所述和向量除以2，并将所述差向量复乘一个复数向量因子

其中，

S4、将经过步骤S3计算后的和向量与差向量分别传输至两个处理模块上，两个所述处理模块均包括外部存储设备；

S5、由两个所述处理模块分别完成快速逆傅里叶变换运算，计算得到两个时域信号，并将两个所述时域信号以列向量的形式分别写入两个所述外部存储设备；以及

S6、以行向量的形式从所述外部存储设备中读取数据，并将从两个所述外部存储设备中读取得到的行向量进行奇偶行合并，得到处理结果。

2.根据权利要求1所述的方法，其特征在于，在步骤S5中，采用时域抽取法快速逆傅里叶变换来完成所述快速逆傅里叶变换运算。

3.根据权利要求1所述的方法，其特征在于，两个所述处理模块为实时处理器，并采用并行流水的方式进行处理。

4.根据权利要求3所述的方法，其特征在于，在步骤S2中，

对前段向量X_i1和后段向量X_i2分别进行和差运算，得到和向量Y_i1与差向量Y_i2：

Y_i1＝X_i1+X_i2

Y_i2＝X_i1-X_i2。

5.根据权利要求4所述的方法，其特征在于，在步骤S3中，

将和向量Y_i1除以2，将差向量Y_i2复乘一个复数向量因子

其中，

Z_i1与Z_i2分别为计算后的和向量与差向量。

6.根据权利要求5所述的方法，其特征在于，在步骤S5中，

两个所述处理模块按照下式完成快速逆傅里叶变换运算：

z_i1＝IFFT(Z_i1)

z_i2＝IFFT(Z_i2)

其中，z_i1和z_i2为所述时域信号，IFFT长度为n/2。

7.根据权利要求6所述的方法，其特征在于，在步骤S6中，

当所述回波数据矩阵A中的数据全部写入所述外部存储设备后，每个所述处理模块的外部存储设备中写入的矩阵为n/2行、m列，此时开始以行向量的形式读取数据，将读取得到的行向量进行奇偶行合并，得到处理结果。

Images