CN109597075A - 一种基于稀疏阵列的成像方法及成像装置 - Google Patents
一种基于稀疏阵列的成像方法及成像装置 Download PDFInfo
- Publication number
- CN109597075A CN109597075A CN201811634702.XA CN201811634702A CN109597075A CN 109597075 A CN109597075 A CN 109597075A CN 201811634702 A CN201811634702 A CN 201811634702A CN 109597075 A CN109597075 A CN 109597075A
- Authority
- CN
- China
- Prior art keywords
- signal
- cross
- course
- processing
- elevation
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000012937 correction Methods 0.000 claims abstract description 61
- 238000013508 migration Methods 0.000 claims abstract description 25
- 230000005012 migration Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 67
- 238000011084 recovery Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供一种基于稀疏阵列的成像方法及成像装置,所述方法包括,对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。通过使用本发明提供的成像方法及成像装置,可以解决现有技术中存在的3D‑SAR阵列的阵元数目多、系统复杂度高以及成本高的问题。
Description
技术领域
本发明涉及微波成像技术对地观测技术领域,具体涉及一种基于稀疏阵列的成像方法及成像装置。
背景技术
阵列下视3D-SAR用收发阵列获得天线等效相位中心,通过一次飞行即可获得三维回波数据、实现三维成像,从而避免了多次飞行带来的去相关问题;其正下视观测的成像几何具有最大雷达波束擦地角,能够很好解决侧视SAR成像存在的阴影、叠掩等问题,这一特点对具有较大地形起伏地区的观测尤为有利。阵列下视3D-SAR在军事侦察和军事目标判读、复杂地形测绘、城区建筑物提取、灾难救援等领域具有广泛应用潜力。
虽然阵列下视3D-SAR在城市测绘等方面具有较大的优势和应用潜力,但在实际应用中仍存在一些技术难点。首先,阵列下视3D-SAR的载荷平台通常为机载平台,跨航向的阵列通常布置在机翼下端,这导致阵列长度很短,而由于跨航向的分辨率与观测距离成正比、与阵列长度成反比,因此,实际的阵列长度很难满足在飞机平台高度下对跨航向高分辨率成像的需求,这就需要增加阵元数目。其次,阵列下视3D-SAR需要较小的阵元间隔来获得较大的下视观测测绘带宽,从而避免传统成像方法的栅瓣效应,因此,在阵列长度一定的情况下,需要较大的阵元数目。解决上述问题均需要增加阵元数目,而增加阵元数目,一方面造成成本提高,另一方面造成系统复杂度较高,数据量较大,给数据存储、解析以及快速高效成像带来困难。
发明内容
本发明提供了一种基于稀疏阵列的成像方法及成像装置。通过使用本发明提供的成像方法及成像装置,可以解决现有技术中存在的3D-SAR阵列的阵元数目多、系统复杂度高以及成本高的问题,从而提供一种能够降低成本并且具有高成像效果的基于稀疏阵列的成像方法及成像装置。
为了解决上述技术问题,本发明实施例提供了如下的技术方案:
本发明第一方面提供一种基于稀疏阵列的成像方法,所述方法包括,
对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;
对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;
对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;
对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。
作为优选,所述对目标对象的回波信号进行高程向数据处理,得到高程向处理信号,包括,
获取所述目标对象的回波信号;
基于所述目标对象的回波信号,得到线性阵列回波信号;
对所述线性阵列回波信号沿高程向进行逆傅里叶变换,得到高程向压缩信号;
对所述高程向压缩信号进行去斜处理及剩余视频相位补偿处理,得到所述高程向处理信号。
作为优选,所述对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号,包括,
对所述高程向处理信号沿航迹向进行傅里叶变换,得到航迹向频域信号;
对所述航迹向频域信号沿航迹向进行距离徙动校正,得到航迹向校正信号;
对所述航迹向校正信号进行匹配滤波处理,得到航迹向匹配信号;
对所述航迹向匹配信号沿航迹向进行逆傅里叶变换,得到所述二维聚焦信号。
作为优选,所述对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号,包括,
对所述二维聚焦信号进行傅里叶变换,得到跨航向频域信号;
对所述跨航向频域信号沿跨航向进行距离徙动校正,得到跨航向校正信号;
对所述跨航向校正信号进行逆傅里叶变换,得到所述跨航向时域信号。
作为优选,所述对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,包括,
构建稀疏基矩阵;
构建测量矩阵;
基于所述稀疏基矩阵与所述测量矩阵得到恢复矩阵;
在所述恢复矩阵中找到原子集合;
基于所述原子集合和所述跨航向时域信号得到散射系数;
基于所述散射系数和所述稀疏基矩阵得到所述跨航向重构信号。
本发明第二方面提供一种基于稀疏阵列的成像装置,所述装置包括,
高程向处理模块,其配置为对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;
航迹向处理模块,其配置为对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;
跨航向校正模块,其配置为对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;
跨航向数据重构模块,其配置为对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。
作为优选,所述高程向处理模块还配置为,
获取所述目标对象的回波信号;
基于所述目标对象的回波信号,得到线性阵列回波信号;
对所述线性阵列回波信号沿高程向进行逆傅里叶变换,得到高程向压缩信号;
对所述高程向压缩信号进行去斜处理及剩余视频相位补偿处理,得到所述高程向处理信号。
作为优选,所述航迹向处理模块还配置为,
对所述高程向处理信号沿航迹向进行傅里叶变换,得到航迹向频域信号;
对所述航迹向频域信号沿航迹向进行距离徙动校正,得到航迹向校正信号;
对所述航迹向校正信号进行匹配滤波处理,得到航迹向匹配信号;
对所述航迹向匹配信号沿航迹向进行逆傅里叶变换,得到所述二维聚焦信号。
作为优选,所述跨航向校正模块还配置为,
对所述二维聚焦信号进行傅里叶变换,得到跨航向频域信号;
对所述跨航向频域信号沿跨航向进行距离徙动校正,得到跨航向校正信号;
对所述跨航向校正信号进行逆傅里叶变换,得到所述跨航向时域信号。
作为优选,所述跨航向数据重构模块还配置为,
构建稀疏基矩阵;
构建测量矩阵;
基于所述稀疏基矩阵与所述测量矩阵得到恢复矩阵;
在所述恢复矩阵中找到原子集合;
基于所述原子集合和所述跨航向时域信号得到散射系数;
基于所述散射系数和所述稀疏基矩阵得到所述跨航向重构信号。
基于上述实施例的公开可以获知,本发明实施例具备如下的有益效果:
本发明实施例中通过基于稀疏阵列(即减少阵元的使用数目)并使用正交匹配追踪算法对数据进行重构,所生成的目标对象的三维SAR图像与基于正常阵列(即并未减少阵元的使用数目)生成的三维SAR图像的效果一样,但相较于基于正常阵列的方法,减少了阵元的使用数量,因此,降低了成本,同时降低了系统的复杂度,减少了需要处理的数据量,利于数据存储、解析以及快速高效成像。
附图说明
图1为本发明实施例中的基于稀疏阵列的成像方法;
图2为本发明实施例中的稀疏阵列下视三维成像几何模型和参数表征图;
图3为本发明实施例中的基于稀疏阵列的成像装置。
具体实施方式
下面,结合附图对本发明的具体实施例进行详细的描述,但不作为本发明的限定。
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公开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公开的实施例,并且与上面给出的对本公开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公开的原理。
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,本发明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发明进行了描述,但本领域技术人员能够确定地实现本发明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,本公开的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本公开的具体实施例;然而,应当理解,所公开的实施例仅仅是本公开的实例,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公开模糊不清。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公开。
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”,其均可指代根据本公开的相同或不同实施例中的一个或多个。
下面,结合附图详细的说明本发明实施例,
如图1所示,本发明实施例提供一种基于稀疏阵列的成像方法,所述方法包括,
S1、对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;
S2、对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;
S3、对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;
S4、对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。
本发明上述实施例提供一种基于稀疏阵列的下视三维SAR成像方法,其首先对目标对象(本发明中对于目标对象没有限制,其可以为待检测成像的任何目标,例如,可以为山川、河流或建筑物)的回波信号依次进行高程向、航迹向的相关操作处理,得到高程向—航迹向二维聚焦信号,然后通过正交匹配追踪算法对跨航向时域信号进行数据重构,最终得到目标对象的三维SAR图像,其优点在于减少跨航向阵元数目的同时保证了成像效率和成像效果。
在本发明的一个实施例中,在进行步骤S1之前,还包括步骤S0,即
S0、划分线性阵列SAR观测场景目标空间
以雷达波束照射区域地平面和垂直于该地平面向上的单位向量所构成的空间直角坐标作为线性阵列SAR的观测场景目标空间Ω,场景目标空间可以划分为若干个单元,例如,场景目标空间的总单元个数为M=16384,m表示观测场景中的第m个单元,m=1,2,3,…M。
在本发明的一个实施例中,所述对目标对象的回波信号进行高程向数据处理,得到高程向处理信号,包括,即,步骤S1包括以下步骤:
S11、获取所述目标对象的回波信号;
参见图2所示的成像几何,发射信号P(t)为:
其中,(xξ,yη,h)是稀疏阵列中天线的采样点Pξ,η的坐标,(xn,yn,hn)为观测场景中目标对象Pn的坐标,η为所述回波信号的航迹向时间,ξ为所述回波信号的跨航向时间,fc=C/λc=10GHz是系统工作频率,C为电磁波在空气中的传播速度;λ表示电磁波波长;t为所述回波信号的高程向时间,且t∈[-Tr/2,Tr/2],Tr=106s是雷达信号发射脉冲宽度,Kr=3×1014Hz/s是雷达发射信号调频率,j表示虚数单位。
在航迹向时间η时,稀疏阵列中天线的采样点Pξ,η接收到目标对象Pn的回波信号Secho(t,η,ξ)为:
其中,σn是点目标对象后向散射系数,τn是目标对象Pn到采样点Pξ,η的电磁波传播时间,表达式为:
其中,rn为目标对象Pn到等效采样点Pξ,η的距离,xξ为跨航向的稀疏阵列中天线的采样点的位置,yη=Vr*η为雷达平台在航迹向时间η时运动的位置,R0为最短斜距;Vr表示雷达平台运动速度。
在上述获得回波信号后,执行步骤S12、基于所述目标对象的回波信号,得到线性阵列回波信号;
若观测场景目标空间中存在多个待测目标对象,则总的回波信号(即线性阵列回波信号)可以表示为:
S13、对所述线性阵列回波信号沿高程向进行逆傅里叶变换,得到高程向压缩信号;
对线性阵列回波信号Secho(t,η,ξ)沿高程向进行逆傅里叶变换,获得高程向压缩信号SIFFT_RVP(t,η,ξ),具体为:
其中,sinc表示辛格函数,IFFTt表示沿高程向时间t进行逆傅里叶变换;
S14、对所述高程向压缩信号进行去斜处理及剩余视频相位补偿处理,得到所述高程向处理信号。
对高程向压缩信号SIFFT_RVP(t,η,ξ)进行去斜处理及剩余视频相位补偿处理,获得高程向处理信号SIFFT_ele(r,η,ξ),具体为:
对SIFFT_RVP(t,η,ξ)进行去斜处理及剩余视频相位补偿处理,其中,补偿函数为:
其中,r表示天线采集信号起始和终止时刻对应的观测场景距离变量。
经过去斜处理及剩余视频相位补偿处理,得到高程向处理信号SIFFT_ele(t,η,ξ)为:
在本发明的另一个实施例中,所述对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号,包括,即,步骤S2包括以下步骤:
S21、对所述高程向处理信号沿航迹向进行傅里叶变换,得到航迹向频域信号;
对高程向处理信号SIFFT_ele(r,η,ξ)沿航迹向进行傅里叶变换,获得航迹向频域信号SFFT_re_azi(t,fη,ξ),具体为:
其中,Rrd等于rn,fη表示航迹向多普勒频率,R0表示最短斜距,Vξ表示阵元切换速度,FFTη表示沿航迹向时间η进行傅里叶变换。
S22、对所述航迹向频域信号沿航迹向进行距离徙动校正,得到航迹向校正信号;
对航迹向频域信号SFFT_re_azi(t,fη,ξ)沿航迹向进行距离徙动校正处理,获得航迹向校正信号SFFT_azi_RCMC(t,fη,ξ),具体为:
采用sinc函数插值的方法进行RCMC操作,得到航迹向校正信号SFFT_azi_RCMC(t,fη,ξ),
其中,d表示等效阵元间距。
S23、对所述航迹向校正信号进行匹配滤波处理,得到航迹向匹配信号;
对航迹向校正信号SFFT_azi_RCMC(t,fη,ξ)进行匹配滤波处理,获得航迹向匹配信号SFFT_azi_fil(t,fη,ξ),具体为:
首先,对航迹向校正信号SFFT_azi_RCMC(t,fη,ξ)进行匹配滤波处理,滤波器的表达式为:
将所述航迹向校正信号SFFT_azi_RCMC(t,fη,ξ)与航迹向频域匹配滤波器H(fη)相乘,得到航迹向匹配信号SFFT_azi_fil(t,fη,ξ),
S24、对所述航迹向匹配信号沿航迹向进行逆傅里叶变换,得到所述二维聚焦信号。
对航迹向匹配信号SFFT_azi_fil(t,fη,ξ)沿航迹向进行逆傅里叶变换,获得二维聚焦信号SIFFT_azi_fil(t,η,ξ),具体为:
对SFFT_azi_fil(t,fη,ξ)沿航迹向进行逆傅里叶变换,获得二维聚焦信号SIFFT_azi_fil(t,η,ξ),
其中,Tη表示航迹向总时间。
在本实施例中,所述对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号,包括,即,步骤S3包括以下步骤:
S31、对所述二维聚焦信号进行傅里叶变换,得到跨航向频域信号;
对二维聚焦信号SIFFT_azi_fil(t,η,ξ),针对表达式中的ξ进行傅里叶变换,获得跨航向频域信号SFFT_cro(t,η,fξ),
其中,Rrdξ表示rn经过航迹向距离徙动校正之后的剩余量,fξ表示跨航向多普勒频率。
S32、对所述跨航向频域信号沿跨航向进行距离徙动校正,得到跨航向校正信号;
采用插值的方法进行跨航向距离徙动校正,得到跨航向校正信号SFFT_cro_RCMC(t,η,fξ),
S33、对所述跨航向校正信号进行逆傅里叶变换,得到所述跨航向时域信号。
对跨航向校正信号SFFT_cro_RCMC(t,η,fξ)进行逆傅里叶变换,获得跨航向时域信号SIFFT_cro(t,η,ξ),
在本发明的一个实施例中,所述对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,包括,即,步骤S4包括以下步骤:
S41、构建稀疏基矩阵;
构建稀疏基矩阵Ψ,根据所述回波信号特点,构建正交匹配追踪算法所需的稀疏基矩阵Ψ,具体为:
依据所述回波信号,构建稀疏基矩阵:
其中,ψ11(1)=exp{-j2πfcτ11},ψ21(1)=exp{-j2πfcτ21},ψ12(2)=exp{-j2πfcτ12},ψ22(2)=exp{-j2πfcτ22},ψNM(M)=exp{-j2πfcτNM}。M表示场景目标空间的总单元个数,N=201表示跨航向阵列天线等效出来的阵元数目,即跨航向等效出来的采样点数。
S42、构建测量矩阵;
具体的,为满足测量矩阵和稀疏基矩阵不相关的有限等距性质,测量矩阵Φ选择随机矩阵,随机矩阵与任意矩阵均不相关,测量矩阵为:
其中,ai∈{0,1},ai=0表示跨航向第i个天线阵元采样,ai=1表示跨航向第i个天线阵元不采样,实际物理意义是ai=0表示跨航向第i位置放置天线阵元,ai=1表示跨航向第i个位置不放置天线阵元。
S43、基于所述稀疏基矩阵与所述测量矩阵得到恢复矩阵;
具体的,跨航向时域信号确定后,稀疏基矩阵构建完成,构建合适的测量矩阵后,跨航向时域信号的恢复矩阵即可构建出:
S44、在所述恢复矩阵中找到原子集合;
计算恢复矩阵和残差的最大相干项:依据公式ak=argmaxj=1...N|<rk-1,θj>|,计算出残差r和恢复矩阵的列θj内积的最大值,并记录该内积,该内积即为恢复矩阵中的脚标,在恢复矩阵中通过迭代的方法找出脚标为该内积的元素,从而形成所述原子集合。其中,a表示从恢复矩阵中通过内积找出的元素的脚标,θj为所述恢复矩阵Θ的第j列。|<·>|表示内积的绝对值,r表示残差,r的初始值为r0,表示原始信号。
本实施例中由于是通过迭代的方法来寻找恢复矩阵中,脚标符合上述公式的元素,因此,可以预设一个稀疏度K,1≤K≤10作为正交匹配追踪算法的迭代终止条件,k表示正在进行第k次迭代,k∈{1,2,…,K},若k=0,则rk-1为上述的初始值r0。具体的,令k=k+1,即迭代次数加一,不断进行迭代,直到k=K则终止迭代。
在另一个实施例中,为了避免重复迭代,有必要建立一个索引集,具体的,根据公式Ak=Ak-1∪{ak},A表示脚标a的集合,更新当前的索引集,并记录找到的恢复矩阵中的原子集合其中,符号∪表示集合并运算,Ak-1表示前k-1迭代所选中的恢复矩阵的列向量脚标集合,ak表示本次迭代所选取的恢复矩阵列向量的脚标。Θk-1表示前k-1迭代所选中的恢复矩阵的列向量集合,表示本次迭代所选取的恢复矩阵的列向量,Θk表示下次迭代时不再选取Θk中的元素。
S45、基于所述原子集合和所述跨航向时域信号得到散射系数;
具体的,根据公式其中,表示本次迭代的散射系数向量估计值,||·||2表示l2范数,即向量中各个元素平方之和再开根号,表示使得取得最小值的y为S33中跨航向时域信号SIFFT_cro(t,η,ξ)。
进一步地,若需要进行新一轮迭代时,残差也需要进行相应地更新,具体的,根据公式更新本次迭代的残差值,其中rk为本次迭代的残差值。
S46、基于所述散射系数和所述稀疏基矩阵得到所述跨航向重构信号。
具体的,根据公式进行信号重构,其中,S表示跨航向重构信号,为正交匹配追踪算法重构得到的散射系数估计值,Ψ为所述稀疏基矩阵。
基于同一发明构思,如图3所示,本发明实施例还提供一种基于稀疏阵列的成像装置,所述装置包括,
高程向处理模块,其配置为对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;
航迹向处理模块,其与所述高程向处理模块相耦合,且配置为对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;
跨航向校正模块,其与所述航迹向处理模块相耦合,且配置为对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;
跨航向数据重构模块,其与所述跨航向校正模块相耦合,且配置为对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。
在本发明的一个实施例中,所述高程向处理模块还配置为,
获取所述目标对象的回波信号;
基于所述目标对象的回波信号,得到线性阵列回波信号;
对所述线性阵列回波信号沿高程向进行逆傅里叶变换,得到高程向压缩信号;
对所述高程向压缩信号进行去斜处理及剩余视频相位补偿处理,得到所述高程向处理信号。
在本实施例中,所述航迹向处理模块还配置为,
对所述高程向处理信号沿航迹向进行傅里叶变换,得到航迹向频域信号;
对所述航迹向频域信号沿航迹向进行距离徙动校正,得到航迹向校正信号;
对所述航迹向校正信号进行匹配滤波处理,得到航迹向匹配信号;
对所述航迹向匹配信号沿航迹向进行逆傅里叶变换,得到所述二维聚焦信号。
在另一个实施例中,所述跨航向校正模块还配置为,
对所述二维聚焦信号进行傅里叶变换,得到跨航向频域信号;
对所述跨航向频域信号沿跨航向进行距离徙动校正,得到跨航向校正信号;
对所述跨航向校正信号进行逆傅里叶变换,得到所述跨航向时域信号。
在其他实施例中,所述跨航向数据重构模块还配置为,
构建稀疏基矩阵;
构建测量矩阵;
基于所述稀疏基矩阵与所述测量矩阵得到恢复矩阵;
在所述恢复矩阵中找到原子集合;
基于所述原子集合和所述跨航向时域信号得到散射系数;
基于所述散射系数和所述稀疏基矩阵得到所述跨航向重构信号。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明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发明的保护范围内。
Claims (10)
1.一种基于稀疏阵列的成像方法,其中,所述方法包括,
对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;
对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;
对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;
对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。
2.根据权利要求1所述方法,其中,所述对目标对象的回波信号进行高程向数据处理,得到高程向处理信号,包括,
获取所述目标对象的回波信号;
基于所述目标对象的回波信号,得到线性阵列回波信号;
对所述线性阵列回波信号沿高程向进行逆傅里叶变换,得到高程向压缩信号;
对所述高程向压缩信号进行去斜处理及剩余视频相位补偿处理,得到所述高程向处理信号。
3.根据权利要求1所述方法,其中,所述对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号,包括,
对所述高程向处理信号沿航迹向进行傅里叶变换,得到航迹向频域信号;
对所述航迹向频域信号沿航迹向进行距离徙动校正,得到航迹向校正信号;
对所述航迹向校正信号进行匹配滤波处理,得到航迹向匹配信号;
对所述航迹向匹配信号沿航迹向进行逆傅里叶变换,得到所述二维聚焦信号。
4.根据权利要求1所述方法,其中,所述对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号,包括,
对所述二维聚焦信号进行傅里叶变换,得到跨航向频域信号;
对所述跨航向频域信号沿跨航向进行距离徙动校正,得到跨航向校正信号;
对所述跨航向校正信号进行逆傅里叶变换,得到所述跨航向时域信号。
5.根据权利要求1所述方法,其中,所述对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,包括,
构建稀疏基矩阵;
构建测量矩阵;
基于所述稀疏基矩阵与所述测量矩阵得到恢复矩阵;
在所述恢复矩阵中找到原子集合;
基于所述原子集合和所述跨航向时域信号得到散射系数;
基于所述散射系数和所述稀疏基矩阵得到所述跨航向重构信号。
6.一种基于稀疏阵列的成像装置,其中,所述装置包括,
高程向处理模块,其配置为对目标对象的回波信号进行高程向数据处理,得到高程向处理信号;
航迹向处理模块,其配置为对所述高程向处理信号沿航迹向进行处理,得到二维聚焦信号;
跨航向校正模块,其配置为对所述二维聚焦信号沿跨航向进行距离徙动校正处理,得到跨航向时域信号;
跨航向数据重构模块,其配置为对所述跨航向时域信号使用正交匹配追踪算法沿跨航向进行数据重构,得到跨航向重构信号,以基于所述稀疏阵列并使用所述跨航向重构信号,生成所述目标对象的三维SAR图像。
7.根据权利要求6所述的装置,其中,所述高程向处理模块还配置为,
获取所述目标对象的回波信号;
基于所述目标对象的回波信号,得到线性阵列回波信号;
对所述线性阵列回波信号沿高程向进行逆傅里叶变换,得到高程向压缩信号;
对所述高程向压缩信号进行去斜处理及剩余视频相位补偿处理,得到所述高程向处理信号。
8.根据权利要求6所述的装置,其中,所述航迹向处理模块还配置为,
对所述高程向处理信号沿航迹向进行傅里叶变换,得到航迹向频域信号;
对所述航迹向频域信号沿航迹向进行距离徙动校正,得到航迹向校正信号;
对所述航迹向校正信号进行匹配滤波处理,得到航迹向匹配信号;
对所述航迹向匹配信号沿航迹向进行逆傅里叶变换,得到所述二维聚焦信号。
9.根据权利要求6所述的装置,其中,所述跨航向校正模块还配置为,
对所述二维聚焦信号进行傅里叶变换,得到跨航向频域信号;
对所述跨航向频域信号沿跨航向进行距离徙动校正,得到跨航向校正信号;
对所述跨航向校正信号进行逆傅里叶变换,得到所述跨航向时域信号。
10.根据权利要求6所述的装置,其中,所述跨航向数据重构模块还配置为,
构建稀疏基矩阵;
构建测量矩阵;
基于所述稀疏基矩阵与所述测量矩阵得到恢复矩阵;
在所述恢复矩阵中找到原子集合;
基于所述原子集合和所述跨航向时域信号得到散射系数;
基于所述散射系数和所述稀疏基矩阵得到所述跨航向重构信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811634702.XA CN109597075B (zh) | 2018-12-29 | 2018-12-29 | 一种基于稀疏阵列的成像方法及成像装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811634702.XA CN109597075B (zh) | 2018-12-29 | 2018-12-29 | 一种基于稀疏阵列的成像方法及成像装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109597075A true CN109597075A (zh) | 2019-04-09 |
CN109597075B CN109597075B (zh) | 2021-11-16 |
Family
ID=65964863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811634702.XA Active CN109597075B (zh) | 2018-12-29 | 2018-12-29 | 一种基于稀疏阵列的成像方法及成像装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109597075B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146879A (zh) * | 2019-05-06 | 2019-08-20 | 河北华讯方舟太赫兹技术有限公司 | 圆盘式安检仪、成像方法、装置以及存储装置 |
CN110244299A (zh) * | 2019-06-21 | 2019-09-17 | 西安交通大学 | 一种基于admm的sar图像恢复的分布式方法 |
CN110794471A (zh) * | 2019-09-30 | 2020-02-14 | 博微太赫兹信息科技有限公司 | 一种毫米波稀疏阵列远程监视成像方法及系统 |
CN110837128A (zh) * | 2019-11-26 | 2020-02-25 | 内蒙古工业大学 | 一种柱面阵列雷达的成像方法 |
CN113820713A (zh) * | 2021-10-19 | 2021-12-21 | 内蒙古工业大学 | 发射机运动双基弧形阵列sar的成像方法、装置及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866001A (zh) * | 2009-04-15 | 2010-10-20 | 中国科学院电子学研究所 | 一种用于下视阵列天线合成孔径雷达的三维聚焦成像方法 |
CN102313888A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种基于压缩传感的线阵sar三维成像方法 |
CN102854505A (zh) * | 2012-09-10 | 2013-01-02 | 电子科技大学 | 一种加权稀疏驱动自聚焦sar成像方法 |
CN103399316A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于加权的二维压缩感知sar成像及动目标检测方法 |
CN103698763A (zh) * | 2013-12-12 | 2014-04-02 | 电子科技大学 | 基于硬阈值omp的线阵sar稀疏成像方法 |
CN105137430A (zh) * | 2015-07-30 | 2015-12-09 | 中国人民解放军西安通信学院 | 一种前视阵列sar的回波稀疏获取及其三维成像方法 |
CN105353355A (zh) * | 2015-11-16 | 2016-02-24 | 乐山师范学院 | 一种基于稀疏重构和投影成像的多基地雷达多目标定位方法 |
CN105974413A (zh) * | 2016-06-13 | 2016-09-28 | 西安电子科技大学 | 多基地外辐射源雷达成像系统的自聚焦方法 |
CN107037429A (zh) * | 2017-04-17 | 2017-08-11 | 电子科技大学 | 基于门限梯度追踪算法的线阵sar三维成像方法 |
WO2018004557A1 (en) * | 2016-06-29 | 2018-01-04 | Intel Corporation | Multiplication-free approximation for neural networks and sparse coding |
CN108008387A (zh) * | 2017-11-23 | 2018-05-08 | 内蒙古工业大学 | 一种机载阵列天线下视三维成像方法 |
-
2018
- 2018-12-29 CN CN201811634702.XA patent/CN109597075B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866001A (zh) * | 2009-04-15 | 2010-10-20 | 中国科学院电子学研究所 | 一种用于下视阵列天线合成孔径雷达的三维聚焦成像方法 |
CN102313888A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种基于压缩传感的线阵sar三维成像方法 |
CN102854505A (zh) * | 2012-09-10 | 2013-01-02 | 电子科技大学 | 一种加权稀疏驱动自聚焦sar成像方法 |
CN103399316A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于加权的二维压缩感知sar成像及动目标检测方法 |
CN103698763A (zh) * | 2013-12-12 | 2014-04-02 | 电子科技大学 | 基于硬阈值omp的线阵sar稀疏成像方法 |
CN105137430A (zh) * | 2015-07-30 | 2015-12-09 | 中国人民解放军西安通信学院 | 一种前视阵列sar的回波稀疏获取及其三维成像方法 |
CN105353355A (zh) * | 2015-11-16 | 2016-02-24 | 乐山师范学院 | 一种基于稀疏重构和投影成像的多基地雷达多目标定位方法 |
CN105974413A (zh) * | 2016-06-13 | 2016-09-28 | 西安电子科技大学 | 多基地外辐射源雷达成像系统的自聚焦方法 |
WO2018004557A1 (en) * | 2016-06-29 | 2018-01-04 | Intel Corporation | Multiplication-free approximation for neural networks and sparse coding |
CN107037429A (zh) * | 2017-04-17 | 2017-08-11 | 电子科技大学 | 基于门限梯度追踪算法的线阵sar三维成像方法 |
CN108008387A (zh) * | 2017-11-23 | 2018-05-08 | 内蒙古工业大学 | 一种机载阵列天线下视三维成像方法 |
Non-Patent Citations (5)
Title |
---|
JOEL A. TROPP ETC.: ""Signal Recovery From Random Measurements Via Orthogonal Matching Pursuit"", 《IEEE TRANSACTIONS ON INFORMATION THEORY》 * |
SJ WEI ETC.: ""Spare array SAR 3-D imaging using compressed sensing"", 《IEEE》 * |
任健等: ""基于自适应子空间追踪的层析SAR成像算法"", 《现代电子技术》 * |
韦顺军等: ""基于压缩传感的线阵SAR 三维成像方法研究"", 《宇航学报》 * |
顾兴龙: ""压缩感知正交匹配追踪算法重构性能分析"", 《科技风》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146879A (zh) * | 2019-05-06 | 2019-08-20 | 河北华讯方舟太赫兹技术有限公司 | 圆盘式安检仪、成像方法、装置以及存储装置 |
CN110146879B (zh) * | 2019-05-06 | 2021-08-17 | 河北华讯方舟太赫兹技术有限公司 | 圆盘式安检仪、成像方法、装置以及存储装置 |
CN110244299A (zh) * | 2019-06-21 | 2019-09-17 | 西安交通大学 | 一种基于admm的sar图像恢复的分布式方法 |
CN110794471A (zh) * | 2019-09-30 | 2020-02-14 | 博微太赫兹信息科技有限公司 | 一种毫米波稀疏阵列远程监视成像方法及系统 |
CN110794471B (zh) * | 2019-09-30 | 2021-04-16 | 博微太赫兹信息科技有限公司 | 一种毫米波稀疏阵列远程监视成像方法及系统 |
CN110837128A (zh) * | 2019-11-26 | 2020-02-25 | 内蒙古工业大学 | 一种柱面阵列雷达的成像方法 |
CN113820713A (zh) * | 2021-10-19 | 2021-12-21 | 内蒙古工业大学 | 发射机运动双基弧形阵列sar的成像方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109597075B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597075B (zh) | 一种基于稀疏阵列的成像方法及成像装置 | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN104316924B (zh) | 机载超高分辨率sar反投影图像的自聚焦运动补偿方法 | |
CN111679277B (zh) | 一种基于sbrim算法的多基线层析sar三维成像方法 | |
CN105699969B (zh) | 基于广义高斯约束的最大后验估计角超分辨成像方法 | |
CN108008386B (zh) | 一种基于单快拍music算法的距离向处理方法 | |
CN108051809A (zh) | 基于Radon变换的运动目标成像方法、装置及电子设备 | |
CN104698431B (zh) | 基于模糊分量doa估计的多通道sar方位解模糊方法 | |
CN102645651A (zh) | 一种sar层析超分辨成像方法 | |
CN106772380A (zh) | 一种圆周合成孔径雷达成像方法 | |
CN104251991B (zh) | 一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法 | |
Andersson et al. | Fast Fourier methods for synthetic aperture radar imaging | |
Moses et al. | An autoregressive formulation for SAR backprojection imaging | |
CN108226891B (zh) | 一种扫描雷达回波计算方法 | |
CN107402380A (zh) | 一种实现多普勒波束锐化成像的快速自适应迭代方法 | |
CN112859074B (zh) | 多频带多视角isar融合成像方法 | |
CN111880180A (zh) | 一种高分辨运动舰船sar成像的自聚焦方法 | |
CN104122549A (zh) | 基于反卷积的雷达角超分辨成像方法 | |
CN111722227B (zh) | 基于近似观测矩阵的聚束sar压缩感知成像方法 | |
CN108132466B (zh) | 一种机载阵列天线下视三维成像方法和系统 | |
Ma et al. | Target imaging based on ℓ 1 ℓ 0 norms homotopy sparse signal recovery and distributed MIMO antennas | |
CN114325707A (zh) | 基于深度展开网络的稀疏孔径微动目标isar成像方法 | |
CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
CN109143236B (zh) | 适用于复杂飞行轨迹的双基聚束sar大场景成像方法 | |
CN111880179A (zh) | 一种弹载弧线俯冲大斜视tops sar的成像方法 |
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 |