CN109444890A - 一种用于复杂条件下的雷达成像方法、系统及介质 - Google Patents
一种用于复杂条件下的雷达成像方法、系统及介质 Download PDFInfo
- Publication number
- CN109444890A CN109444890A CN201811401723.7A CN201811401723A CN109444890A CN 109444890 A CN109444890 A CN 109444890A CN 201811401723 A CN201811401723 A CN 201811401723A CN 109444890 A CN109444890 A CN 109444890A
- Authority
- CN
- China
- Prior art keywords
- radar
- pulse
- orientation
- baseband signal
- echo
- 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
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
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
Abstract
本发明提出一种山地越野平台条件下的雷达成像方法,所述方法包括,步骤1:根据雷达成像的地形以及场景设置雷达系统参数;步骤2:在车辆行驶过程中,通过陀螺仪和加速度装置实时读出角加速度和加速度的值,然后利用捷联解耦算法,实时解算正确的波束控制指向;步骤3:雷达开始发射回波,然后采集回波,得到中频回波数据;步骤4:在得到中频的回波数据之后,进行数字下变频处理,得到复基带信号,之后进行距离脉压和距离徙动校正;步骤5:对脉压数据沿航行方向进行运动补偿;步骤6:将步骤5得到的数据进行方位脉压,最后得到雷达图像。采用本发明的雷达成像方法解决了在路面不平坦条件下距离向和方位向强耦合出现的成像质量差问题。
Description
技术领域
本发明属于图像处理技术领域,涉及实时成像监测技术,具体涉及一种山地越野平台条件下的雷达成像方法。
背景技术
在雷达成像系统中,合成孔径雷达(Synthetic Aperture Rader,SAR)自1951年发展以来,因为其具有全天时、全天候、不受气候影响的优点,在众多领域都具有广泛应用。
车辆在山地越野条件下行驶时,由于路况复杂,驾驶员主要精力集中在前方,对于车体两侧的盲区无暇顾及,在车辆的两侧区域出现危险情况时,不能及时做出判断,特别是在雨、雾、霾以及夜晚等恶劣气象条件下,危险系数会大增。在此条件下,需要对车辆两侧区域进行一个实时成像监测。
毫米波SAR具有近程高分辨的能力,能够穿透烟雾、灰层等杂物,具备较好的全天候能力,并且毫米波系统体积小,质量轻,易于高度集成化。毫米波通过发射高稳定度的相干脉冲,综合运用合成孔径技术、脉冲压缩技术等信号处理方法来获得高分辨率。普通的车载毫米波SAR系统因为路面比较平坦,成像效果理想。但是在越野条件下,路面起伏很大,车辆基本处于颠簸的状态,在此状态下,方位向和距离向存在强耦合,并且车速不稳定,使得普通的毫米波SAR系统已经不能够进行稳定成像。
对此,为了对车体两侧区域进行一个实时性的成像,提出一种山地越野平台下的雷达成像方法。该方法运行在一种毫米波SAR系统上,并且在该系统上加入了捷联解耦模块,捷联解耦模块能够很好的解决由于路面的不平坦造成的方位向和距离向耦合问题,对解耦之后的雷达数据,采用沿航向运动补偿的方式解决车速不稳的情况,最后使得雷达能够对车体两侧的区域进行稳定成像。
发明内容
为了解决在越野条件下,车辆基本处于颠簸的状态,方位向和距离向存在强耦合并且车速不稳定,使得普通的毫米波SAR系统已经不能够进行稳定成像的问题,为了对车体两侧区域进行一个实时性的成像,本发明提出一种山地越野平台下的雷达成像方法。
为解决上述技术问题,本发明提出了一种复杂条件下的雷达成像方法,所述方法包括如下步骤:
步骤1:根据雷达成像的地形以及场景设置雷达系统参数;
步骤2:在车辆行驶过程中,实时读出车辆的角加速度ω和加速度α的值,并实时解算得到正确的波束指向矢量;
步骤3:雷达开始发射回波,然后采集回波,得到中频回波数据,进行数字下变频处理,得到复基带信号;
步骤4:对复基带信号进行距离脉冲压缩和距离徙动校正;
步骤5:对距离脉冲压缩数据沿航行方向进行运动补偿;
步骤6:对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,最后得到雷达图像。
根据本发明的方法,优选的,所述步骤1包括:
根据雷达成像的地形以及场景,设置雷达初始参数为带宽B、脉冲重复时间PRT、脉宽TP、方位脉冲个数nan和采样率fs。
根据本发明的方法,优选的,所述步骤2中的实时解算得到正确的波束指向矢量包括:
解算雷达波束的实际指向,包括俯仰角和方位角,其具体的操作方法如下:
步骤2.1),设置一个初始的四元数矩阵Q0、采样数据的时间间隔dT、以及波束指向矢量λBC0,V0是车辆的初始行驶速度,上述作为迭代的初始条件,其中设置初始值dT=0.01Q0=[0 0 0 1]T,λBC0=[1 0 0]T,时间间隔dT的单位为秒,波束指向矢量λBC0的单位为度,完成初始值设置以后,开始迭代解算波束指向矢量;
步骤2.2),利用四元数矩阵Qk,通过式(1)计算出姿态角矩阵Cbik;
其中,Qk(i)表示四元数矩阵Qk的第i个元素,i=1,2,3,4,k的取值为大于等于0的整数,k的初值为0;
利用单子样旋转矢量姿态算法,通过四元数矩阵Qk,以及角度信息,计算迭代新的四元数矩阵Qk+1,其中所述角度信息由ω·dT得到;
利用四元数矩阵Qk+1,通过式(1)计算出新的姿态角矩阵Cbi(k+1);之后由V(k+1)=Vk+Cbik(a·dT)计算出更新之后的车辆行驶速度Vk+1;
利用波束指向矢量λBCk,通过式(2)计算出解耦之后的波束指向矢量λBC(k+1),之后将λBC(k+1)转换为波束控制角输出;
k的值递增1,重复步骤2.2所述操作进行迭代,达到实时解耦的目的。
根据本发明的方法,优选的,在所述步骤3中雷达开始发射回波,然后采集回波,得到中频回波数据,进行数字下变频处理,得到复基带信号,包括:
将采集的中频回波信号经过抽取、混频以及低通滤波处理,完成数字下变频操作之后,得到复基带信号st。
根据本发明的方法,优选的,所述步骤4中对复基带信号st进行距离脉冲压缩和距离徙动校正,操作如下:
将所述复基带信号st进行距离脉冲压缩操作,令距离向的参考信号为ref1,其解析式如式(3)所示:
其中t为快时间,是一个发射周期的采样时间,Tp为脉冲宽度,γ为调频斜率;
在频域进行距离脉冲压缩处理,距离脉冲压缩处理方式如式(4)所示,其中Src为复基带信号st经过距离脉冲压缩之后的结果;
Src=ifft(fft(st)·conj(fft(ref1))) (4)
完成距离脉冲压缩之后,对距离徙动采用sinc插值的方法进行校正。
根据本发明的方法,优选的,所述步骤5中的对距离脉冲压缩数据沿航行方向进行运动补偿,操作如下:
其中,取合成孔径时间内速度的平均值和实际速度V,分别计算出平均调频率和实际的调频率γa,再求出调频率差值然后对Δγ求二次积分,得到一个补偿相位Sa表示运动补偿后的距离脉冲压缩数据。
根据本发明的方法,优选的,所述步骤6中对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,最后得到雷达图像,操作如下:
令方位向的参考信号为ref2,其解析式如式(6)所示:
ref2=exp(-jπγaη2) (6)
其中γa为方位向的调频率,η为慢时间;
在频域进行方位脉冲压缩处理,方位脉冲压缩处理方式如式(7)所示,其中Sdc为补偿数据sa经过方位向脉冲压缩之后的结果;
Sdc=ifft(fft(sa)·conj(fft(ref2))) (7)。
为解决上述技术问题,本发明提出了一种用于复杂条件下的车载雷达成像系统,所述系统包括:
数据解算模块,用于在车辆行驶过程中,实时读出车辆的角加速度ω和加速度α的值,并实时解算得到正确的波束控制指向;
雷达信号发射接收处理模块,用于发射雷达回波、采集得到中频回波数据,并进行数字下变频处理,得到复基带信号;
脉压校正处理模块,用于对复基带信号进行距离脉冲压缩和距离徙动校正;
运动补偿模块,用于对距离脉冲压缩数据沿航行方向进行运动补偿;
图像输出模块,用于对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,并输出雷达图像。
为解决上述技术问题,本发明提出了一种用于复杂条件下的车载雷达成像系统,该车载雷达成像系统包括存储装置和处理装置,所述存储装置存储有计算机程序指令,通过处理装置执行所述计算机程序指令,实现如上所述的方法。
为解决上述技术问题,本发明提出了一种计算机可读存储介质,该介质存储有计算机程序指令,通过处理装置执行所述计算机程序指令,实现如上所述的方法。
采用本发明所述山地越野平台条件下的雷达成像方法,对于山地越野平台条件下的雷达成像给出了一个具体的解决方法,采用捷联解耦和毫米波雷达成像方法,解决了在路面不平坦条件下距离向和方位向强耦合出现的成像质量差问题,弥补了现有车载毫米波雷达成像过程中的空缺。
附图说明
图1为本发明提出的山地越野平台条件下的雷达成像方法的具体实施方式流程图;
图2为本发明提出的山地越野平台条件下的雷达成像系统组成框图。
具体实施方式
以下结合附图对本发明的具体实施方式作出详细说明。
如图1,本发明所述的一种山地越野平台条件下的雷达成像方法,包括如下步骤:
步骤1.根据雷达成像的地形以及场景特点,设置雷达系统参数;
根据实际场景需求,设置雷达初始参数为带宽B=180M、脉冲重复时间PRT=3200us、脉宽Tp=5us以及方位脉冲个数nan=512,采样率fs=400M。
步骤2.实时解算正确的波束指向矢量;
解算雷达波束的实际指向,包括俯仰角和方位角。其具体的操作方法如下:
通过陀螺仪和加速度装置读出角速度ω和加速度α,在进行解算实际波束之前,需要设置一个初始的四元数矩阵Q0,采样数据的时间间隔dT,以及波束指向矢量λBC0作为迭代的初始条件,其中初始值dT=0.01,Q0=[0 0 0 1]T,λBC0=[1 0 0]T,时间间隔的单位为秒,波束指向矢量的单位为度。完成初始值设置以后,开始迭代解算波束角度。
利用初始的四元数矩阵Q0,通过式(1)计算出初始的姿态角矩阵Cbi0;
其中,Q0(1)表示Q0的第一个元素,Q0(2)表示Q0的第二个元素,即Qk(i)表示四元数矩阵Qk的第i个元素,i=1,2,3,4,k的取值为大于等于0的整数,k的初值为0。
利用子样旋转矢量姿态算法,通过初始的四元数矩阵Q0,以及角度信息,计算迭代新的四元数矩阵Q1,其中角度信息由ω·dT得到;
利用新的四元数矩阵Q1,通过式(1)计算出新的姿态角矩阵Cbi1。之后由V1=V0+Cbi1(a·dT)计算出更新之后的车辆行驶速度V1,其中V0是车辆的初始行驶速度,可以进行预先设置;
利用初始的波束指向矢量λBC0,通过式(2)计算出解耦之后的波束指向矢量λBC1,之后将λBC1转换为波束控制角输出;
最后将Q0、λBC0和V0用Q1、λBC1和V1取代,重复步骤2所述操作,以此得Qk、λBCk和Vk,k为大于等于0的整数,到达到实时解耦的目的。
步骤3:完成步骤2之后,雷达开始发射回波,接着采集回波,得到中频回波数据;
波束经过雷达收发系统,开始采集回波,令采集的中频信号为sr,将中频信号经过抽取、混频以及低通滤波处理,完成数字下变频操作之后,得到复基带信号st。
步骤4:在得到中频的回波数据之后,进行数字下变频处理,得到复基带信号,之后进行距离脉冲压缩和距离徙动校正,具体操作如下:
将st进行距离脉冲压缩操作,令距离向参考信号为ref1,其解析式如式(3)所示:
其中t为快时间,即一个发射周期的采样时间,Tp为脉冲宽度,γ为调频斜率。
为了提高距离脉冲压缩的运算效率,一般在频率进行距离脉冲压缩处理,距离脉冲压缩的处理方式如式(4)所示,其中Src为复基带信号st经过距离脉冲压缩之后的结果。
Src=ifft(fft(st)·conj(fft(ref1))) (4)
完成距离脉冲压缩之后,需要进行距离徙动校正,距离徙动采用sinc插值的方法进行校正。
步骤5:完成步骤4以后,对脉冲压缩数据沿航行方向进行运动补偿,具体操作如下:
取合成孔径时间内速度的平均值和实际速度V,分别计算出平均和实际的调频率和γa。求出调频率差值然后对Δγ求二次积分,得到一个补偿相位利用式(5)补偿沿航向的速度不稳造成的误差。
步骤6:对步骤5得到的数据Sa进行方位脉冲压缩,最后得到雷达图像。
最后进行方位向脉冲压缩,令方位向参考信号为ref2,其解析式如式(6)所示:
ref2=exp(-jπγaη2) (6)
其中γa为方位向的调频率,η为慢时间;
在频域进行方位脉冲压缩处理,方位脉冲压缩处理方式如式(7)所示,其中Sdc为补偿数据sa经过方位向脉冲压缩之后的结果;
Sdc=ifft(fft(sa)·conj(fft(ref2))) (7)。
如图2,本发明公开了一种用于复杂条件下的车载雷达成像系统1,所述系统包括:
数据解算模块10,用于在车辆行驶过程中,实时读出车辆的角加速度ω和加速度α的值,并实时解算得到正确的波束指向矢量;
雷达信号发射接收处理模块11,用于发射雷达回波、采集得到中频回波数据,并进行数字下变频处理,得到复基带信号;
脉压校正处理模块12,用于对复基带信号进行距离脉冲压缩和距离徙动校正;
运动补偿模块13,用于对距离脉冲压缩数据沿航行方向进行运动补偿;
图像输出模块14,用于对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,并输出雷达图像。
本发明还包括数据交互模块15,用户通过该数据交互模块15,根据雷达成像的地形以及场景设置雷达系统参数。
用户根据雷达成像的地形以及场景,设置雷达初始参数为带宽B、脉冲重复时间PRT、脉宽TP、方位脉冲个数nan和采样率fs。
数据解算模块10,具体包括:
解算雷达波束的实际指向,包括俯仰角和方位角:
通过陀螺仪和加速度装置读出角速度ω和加速度α,在进行解算实际波束之前,需要设置一个初始的四元数矩阵Q0,采样数据的时间间隔dT,以及波束指向矢量λBC0作为迭代的初始条件,其中初始值dT=0.01,Q0=[0 0 0 1]T,λBC0=[1 0 0]T,时间间隔的单位为秒,波束指向矢量的单位为度。完成初始值设置以后,开始迭代解算波束角度。
利用初始的四元数矩阵Q0,通过式(1)计算出初始的姿态角矩阵Cbi0;
其中,Q0(1)表示Q0的第一个元素,Q0(2)表示Q0的第二个元素,即Qk(i)表示四元数矩阵Qk的第i个元素,i=1,2,3,4,k的取值为大于等于0的整数,k的初值为0。
利用子样旋转矢量姿态算法,通过初始的四元数矩阵Q0,以及角度信息,计算迭代新的四元数矩阵Q1,其中角度信息由ω·dT得到;
利用新的四元数矩阵Q1,通过式(1)计算出新的姿态角矩阵Cbi1。之后由V1=V0+Cbi1(a·dT)计算出更新之后的车辆行驶速度V1,其中V0是车辆的初始行驶速度,可以进行预先设置;
利用初始的波束指向矢量λBC0,通过式(2)计算出解耦之后的波束指向矢量λBC1,之后将λBC1转换为波束控制角输出;
最后将Q0、λBC0和V0用Q1、λBC1和V1取代,重复上述操作,以此得Qk、λBCk和Vk,k为大于等于0的整数,到达到实时解耦的目的。
雷达信号发射接收处理模块11,用于发射回波,然后采集回波,得到中频回波数据,进行数字下变频处理,得到复基带信号,包括:
令采集的中频回波信号为sr,将中频信号经过抽取、混频以及低通滤波处理,完成数字下变频操作之后,得到复基带信号st。
脉压校正处理模块12,用于对复基带信号进行距离脉冲压缩和距离徙动校正,操作如下:
将所述复基带信号st进行距离脉冲压缩操作,令距离向的参考信号为ref1,其解析式如式(3)所示:
其中t为快时间,是一个发射周期的采样时间,Tp为脉冲宽度,γ为调频斜率;
在频域进行距离脉冲压缩处理,距离脉冲压缩处理方式如式(4)所示,其中Src为复基带信号st经过距离脉冲压缩之后的结果;
Src=ifft(fft(st)·conj(fft(ref1))) (4)
完成距离脉冲压缩之后,对距离徙动采用sinc插值的方法进行校正。
运动补偿模块13,用于对距离脉冲压缩数据沿航行方向进行运动补偿,操作如下:
取合成孔径时间内速度的平均值和实际速度V,分别计算出平均调频率和实际的调频率γa,再求出调频率差值然后对Δγ求二次积分,得到一个补偿相位利用式(5)补偿沿航向的速度不稳造成的误差。
图像输出模块14,用于对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,最后得到雷达图像,操作如下:
令方位向的参考信号为ref2,其解析式如式(6)所示:
ref2=exp(-jπγaη2) (6)
其中γa为方位向的调频率,η为慢时间。
在频域进行方位脉冲压缩处理,方位脉冲压缩处理方式如式(7)所示,其中Sdc为补偿数据sa经过方位向脉冲压缩之后的结果;
Sdc=ifft(fft(sa)·conj(fft(ref2))) (7)。
采用本发明所述山地越野平台条件下的雷达成像方法及系统,对于山地越野平台条件下的雷达成像给出了一个具体的解决方法,采用捷联解耦和毫米波雷达成像方法,解决了在路面不平坦条件下距离向和方位向强耦合出现的成像质量差问题,弥补了现有车载毫米波雷达成像过程中的空缺。
所述基于用于复杂条件下的雷达成像方法、系统及介质如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施方式方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施方式的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个具体实施方式中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的计算机装置实施方式仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在本发明各个实施例中的各功能模块可以集成在相同处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在相同模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明实施例不限于上述示范性实施例的细节,而且在不背离本发明实施例的精神或基本特征的情况下,能够以其他的具体形式实现本发明实施例。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明实施例的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施方式仅用以说明本发明实施例的技术方案而非限制,尽管参照以上较佳实施方式对本发明实施例进行了详细说明,本领域的普通技术人员应当理解,可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (10)
1.一种用于复杂条件下的雷达成像方法,其特征在于,所述方法包括如下步骤:
步骤1:根据雷达成像的地形以及场景设置雷达系统参数;
步骤2:在车辆行驶过程中,实时读出车辆的角加速度ω和加速度α的值,并实时解算得到正确的波束指向矢量;
步骤3:雷达开始发射回波,然后采集回波,得到中频回波数据,进行数字下变频处理,得到复基带信号;
步骤4:对复基带信号进行距离脉冲压缩和距离徙动校正;
步骤5:对距离脉冲压缩数据沿航行方向进行运动补偿;
步骤6:对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,最后得到雷达图像。
2.根据权利要求1所述的雷达成像方法,其特征在于,所述步骤1包括:
根据雷达成像的地形以及场景,设置雷达初始参数为带宽B、脉冲重复时间PRT、脉宽TP、方位脉冲个数nan和采样率fs。
3.根据权利要求1所述的雷达成像方法,其特征在于,所述步骤2中的实时解算得到正确的波束指向矢量包括:
解算雷达波束的实际指向,包括俯仰角和方位角,其具体的操作方法如下:
步骤2.1),设置一个初始的四元数矩阵Q0、采样数据的时间间隔dT、以及波束指向矢量λBC0,V0是车辆的初始行驶速度,上述作为迭代的初始条件,其中设置初始值dT=0.01 Q0=[0 0 0 1]T,λBC0=[1 0 0]T,时间间隔dT的单位为秒,波束指向矢量λBC0的单位为度,完成初始值设置以后,开始迭代解算波束指向矢量;
步骤2.2),利用四元数矩阵Qk,通过式(1)计算出姿态角矩阵Cbik;
其中,Qk(i)表示四元数矩阵Qk的第i个元素,i=1,2,3,4,k的取值为大于等于0的整数,k的初值为0;
利用单子样旋转矢量姿态算法,通过四元数矩阵Qk,以及角度信息,计算迭代新的四元数矩阵Qk+1,其中所述角度信息由ω·dT得到;
利用四元数矩阵Qk+1,通过式(1)计算出新的姿态角矩阵Cbi(k+1);之后由V(k+1)=Vk+Cbik(a·dT)计算出更新之后的车辆行驶速度Vk+1;
利用波束指向矢量λBCk,通过式(2)计算出解耦之后的波束指向矢量λBC(k+1),之后将λBC(k+1)转换为波束控制角输出;
k的值递增1,重复步骤2.2所述操作,达到实时解耦的目的。
4.根据权利要求1所述的雷达成像方法,其特征在于,在所述步骤3中雷达开始发射回波,然后采集回波,得到中频回波数据,进行数字下变频处理,得到复基带信号,包括:
将采集的中频回波信号经过抽取、混频以及低通滤波处理,完成数字下变频操作之后,得到复基带信号st。
5.根据权利要求1所述的雷达成像方法,其特征在于,所述步骤4中对复基带信号st进行距离脉冲压缩和距离徙动校正,操作如下:
将所述复基带信号st进行距离脉冲压缩操作,令距离向的参考信号为ref1,其解析式如式(3)所示:
其中t为快时间,是一个发射周期的采样时间,Tp为脉冲宽度,γ为调频斜率;
在频域进行脉冲压缩处理,脉冲压缩处理方式如式(4)所示,其中Src为复基带信号st经过距离脉冲压缩之后的结果;
Src=ifft(fft(st)·conj(fft(ref1))) (4)
完成距离脉冲压缩之后,对距离徙动采用sinc插值的方法进行校正。
6.根据权利要求5所述的雷达成像方法,其特征在于,所述步骤5中的对距离脉冲压缩数据沿航行方向进行运动补偿,操作如下:
其中,取合成孔径时间内速度的平均值和实际速度V,分别计算出平均调频率和实际的调频率γa,再求出调频率差值然后对Δγ求二次积分,得到一个补偿相位Sa表示运动补偿后的距离脉冲压缩数据。
7.根据权利要求1所述的雷达成像方法,其特征在于,所述步骤6中对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,最后得到雷达图像,操作如下:
令方位向的参考信号为ref2,其解析式如式(6)所示:
ref2=exp(-jπγaη2) (6)
其中γa为方位向的调频率,η为慢时间;
在频域进行方位脉冲压缩处理,方位脉冲压缩处理方式如式(7)所示,其中Sdc为补偿数据sa经过方位向脉冲压缩之后的结果;
Sdc=ifft(fft(sa)·conj(fft(ref2))) (7)。
8.一种用于复杂条件下的雷达成像系统,其特征在于,所述系统包括:
数据解算模块,用于在车辆行驶过程中,实时读出车辆的角加速度ω和加速度α的值,并实时解算得到正确的波束指向矢量;
雷达信号发射接收处理模块,用于发射雷达回波、采集得到中频回波数据,并进行数字下变频处理,得到复基带信号;
脉压校正处理模块,用于对复基带信号进行距离脉冲压缩和距离徙动校正;
运动补偿模块,用于对距离脉冲压缩数据沿航行方向进行运动补偿;
图像输出模块,用于对运动补偿后的距离脉冲压缩数据进行方位向脉冲压缩,并输出雷达图像。
9.一种用于复杂条件下的车载雷达成像系统,其特征在于,该车载雷达成像系统包括存储装置和处理装置,所述存储装置存储有计算机程序指令,通过处理装置执行所述计算机程序指令,实现如权利要求1-8之一所述的方法。
10.一种计算机可读存储介质,其特征在于,该介质存储有计算机程序指令,通过处理装置执行所述计算机程序指令,实现如权利要求1-8之一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811401723.7A CN109444890B (zh) | 2018-11-22 | 2018-11-22 | 一种用于复杂条件下的雷达成像方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811401723.7A CN109444890B (zh) | 2018-11-22 | 2018-11-22 | 一种用于复杂条件下的雷达成像方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109444890A true CN109444890A (zh) | 2019-03-08 |
CN109444890B CN109444890B (zh) | 2020-06-05 |
Family
ID=65553552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811401723.7A Active CN109444890B (zh) | 2018-11-22 | 2018-11-22 | 一种用于复杂条件下的雷达成像方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109444890B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208795A (zh) * | 2019-06-13 | 2019-09-06 | 成都汇蓉国科微系统技术有限公司 | 一种移动平台高精度低慢小目标探测识别系统及方法 |
CN111208482A (zh) * | 2020-02-28 | 2020-05-29 | 成都汇蓉国科微系统技术有限公司 | 基于距离对齐的雷达精度分析方法 |
CN111879287A (zh) * | 2020-07-08 | 2020-11-03 | 河南科技大学 | 基于多传感器的低速车辆的前向地形三维构建方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4108538A (en) * | 1976-04-30 | 1978-08-22 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of National Defence | Frequency plane filters for an optical processor for synthetic aperture radar |
CN101270993A (zh) * | 2007-12-12 | 2008-09-24 | 北京航空航天大学 | 一种远程高精度自主组合导航定位方法 |
CN101430380A (zh) * | 2008-12-19 | 2009-05-13 | 北京航空航天大学 | 基于非均匀采样的大斜视角机载sar聚束模式成像方法 |
US20110130895A1 (en) * | 2009-11-30 | 2011-06-02 | Eurocopter | Method of obtaining a local terrain elevation database from detector means on board a vehicle |
CN102313887A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种星机联合双基地合成孔径雷达成像方法 |
CN102749620A (zh) * | 2012-06-13 | 2012-10-24 | 北京航空航天大学 | 一种弹载/机载雷达单脉冲前视成像处理方法 |
CN102967858A (zh) * | 2012-11-14 | 2013-03-13 | 电子科技大学 | 雷达前视超分辨成像方法 |
US20140077989A1 (en) * | 2010-02-25 | 2014-03-20 | University Of Maryland,College Park | Compressive radar imaging technology |
CN103995260A (zh) * | 2014-04-28 | 2014-08-20 | 中国科学院电子学研究所 | 一种合成孔径雷达成像方法及装置 |
US20140340253A1 (en) * | 2011-09-09 | 2014-11-20 | Astyx Gmbh | Imaging radar sensor with narrow antenna lobe and wide angle detection range |
CN104977582A (zh) * | 2015-06-10 | 2015-10-14 | 电子科技大学 | 一种实现扫描雷达方位超分辨成像的解卷积方法 |
CN108535702A (zh) * | 2018-06-15 | 2018-09-14 | 山东大学 | 车载阵列式雷达探测系统及快速工作方法 |
-
2018
- 2018-11-22 CN CN201811401723.7A patent/CN109444890B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4108538A (en) * | 1976-04-30 | 1978-08-22 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of National Defence | Frequency plane filters for an optical processor for synthetic aperture radar |
CN101270993A (zh) * | 2007-12-12 | 2008-09-24 | 北京航空航天大学 | 一种远程高精度自主组合导航定位方法 |
CN101430380A (zh) * | 2008-12-19 | 2009-05-13 | 北京航空航天大学 | 基于非均匀采样的大斜视角机载sar聚束模式成像方法 |
US20110130895A1 (en) * | 2009-11-30 | 2011-06-02 | Eurocopter | Method of obtaining a local terrain elevation database from detector means on board a vehicle |
US20140077989A1 (en) * | 2010-02-25 | 2014-03-20 | University Of Maryland,College Park | Compressive radar imaging technology |
CN102313887A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种星机联合双基地合成孔径雷达成像方法 |
US20140340253A1 (en) * | 2011-09-09 | 2014-11-20 | Astyx Gmbh | Imaging radar sensor with narrow antenna lobe and wide angle detection range |
CN102749620A (zh) * | 2012-06-13 | 2012-10-24 | 北京航空航天大学 | 一种弹载/机载雷达单脉冲前视成像处理方法 |
CN102967858A (zh) * | 2012-11-14 | 2013-03-13 | 电子科技大学 | 雷达前视超分辨成像方法 |
CN103995260A (zh) * | 2014-04-28 | 2014-08-20 | 中国科学院电子学研究所 | 一种合成孔径雷达成像方法及装置 |
CN104977582A (zh) * | 2015-06-10 | 2015-10-14 | 电子科技大学 | 一种实现扫描雷达方位超分辨成像的解卷积方法 |
CN108535702A (zh) * | 2018-06-15 | 2018-09-14 | 山东大学 | 车载阵列式雷达探测系统及快速工作方法 |
Non-Patent Citations (2)
Title |
---|
G. NICO: "Ground-based SAR interferometry for terrain mapping: Theory and sensitivity analysis", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
张朋,黄金, 郭陈江,许家栋: "合成孔径雷达成像三维地形目标模拟方法", 《系统仿真学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208795A (zh) * | 2019-06-13 | 2019-09-06 | 成都汇蓉国科微系统技术有限公司 | 一种移动平台高精度低慢小目标探测识别系统及方法 |
CN110208795B (zh) * | 2019-06-13 | 2021-10-15 | 成都汇蓉国科微系统技术有限公司 | 一种移动平台高精度低慢小目标探测识别系统及方法 |
CN111208482A (zh) * | 2020-02-28 | 2020-05-29 | 成都汇蓉国科微系统技术有限公司 | 基于距离对齐的雷达精度分析方法 |
CN111208482B (zh) * | 2020-02-28 | 2022-02-18 | 成都汇蓉国科微系统技术有限公司 | 基于距离对齐的雷达精度分析方法 |
CN111879287A (zh) * | 2020-07-08 | 2020-11-03 | 河南科技大学 | 基于多传感器的低速车辆的前向地形三维构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109444890B (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102296961B1 (ko) | Gpu 기반의 소형 무인 비행체용 sar 영상 복원 장치 및 sar 영상 복원 시스템 | |
CN109444890A (zh) | 一种用于复杂条件下的雷达成像方法、系统及介质 | |
CN111443339B (zh) | 一种双基sar空变校正成像方法、装置、设备及存储介质 | |
CN102288963B (zh) | 基于子孔径参数估计的双基地isar图像融合方法 | |
US20170074974A1 (en) | Method and apparatus for fmcw radar processing | |
CN105759263B (zh) | 一种高分辨率大场景下的星载斜视sar雷达成像方法 | |
EP2660623A2 (en) | Imaging method and device in SAB mobile bistatic SAR | |
CN103576147A (zh) | 合成孔径雷达大斜视模式下成像方法 | |
CN102331577B (zh) | 一种适用于地球同步轨道sar的改进ncs成像算法 | |
CN105223572B (zh) | 一种基于pfa算法的正前视双基sar成像处理方法 | |
CN108427115B (zh) | 合成孔径雷达对运动目标参数的快速估计方法 | |
CN113589285B (zh) | 一种飞行器sar实时成像方法 | |
CN104330779B (zh) | 机载合成孔径雷达运动误差补偿方法 | |
CN109709549A (zh) | 一种前视雷达超分辨率成像方法 | |
Nies et al. | Analysis and focusing of bistatic airborne SAR data | |
CN109001700B (zh) | 一种实现目标轮廓重构的雷达前视成像方法 | |
CN110441772B (zh) | 大轨道分布范围下星载稀疏重航过sar三维成像方法 | |
CN102788978B (zh) | 一种斜视星机双基地合成孔径雷达成像方法 | |
US9134415B2 (en) | Wideband waveform synthesis using frequency jump burst-type waveforms | |
CN116299551A (zh) | 一种太赫兹sar二维自聚焦成像算法 | |
CN109358330B (zh) | 一种双基前视sar线性时间同步误差估计方法 | |
CN108594229B (zh) | 星载sar脉内多普勒效应二维补偿方法、装置及存储介质 | |
CN112444802A (zh) | 车载雷达的目标检测方法和检测装置、车辆 | |
Dawidowicz et al. | First polish SAR trials | |
CN115792867A (zh) | 激光雷达仿真方法和装置 |
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 |