CN110146857B - 一种颠簸平台sar三维运动误差估计方法 - Google Patents

一种颠簸平台sar三维运动误差估计方法 Download PDF

Info

Publication number
CN110146857B
CN110146857B CN201910414485.1A CN201910414485A CN110146857B CN 110146857 B CN110146857 B CN 110146857B CN 201910414485 A CN201910414485 A CN 201910414485A CN 110146857 B CN110146857 B CN 110146857B
Authority
CN
China
Prior art keywords
platform
iteration
error
distance
motion error
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
Application number
CN201910414485.1A
Other languages
English (en)
Other versions
CN110146857A (zh
Inventor
梁毅
李国霏
王虹现
邢孟道
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN201910414485.1A priority Critical patent/CN110146857B/zh
Publication of CN110146857A publication Critical patent/CN110146857A/zh
Application granted granted Critical
Publication of CN110146857B publication Critical patent/CN110146857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/40—Means for monitoring or calibrating

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

本发明公开了一种颠簸平台SAR三维运动误差估计方法，本发明针对的雷达平台为颠簸平台，对颠簸平台的三维运动误差造成的成像散焦问题，通过在未经运动误差补偿的原始图像中依据图像对比度筛选出多个强散射区域，并估计出各强散射区域的局部相位误差，再利用总体最小二乘法对三维运动误差进行粗估计，最后通过高斯牛顿迭代得到精确的三维运动误差。在颠簸平台SAR成像中，采用本方法可以实现误差的空变补偿，进而改善颠簸平台SAR成像质量。

Description

一种颠簸平台SAR三维运动误差估计方法
技术领域
本发明属于SAR成像技术领域，特别涉及一种颠簸平台SAR三维运动误差估计方法，可用于无人机等颠簸平台的SAR成像处理。
背景技术
合成孔径雷达(SAR)作为一种主动式微波有源传感器，可以全天时、全天候、远距离获取观测场景的二维图像，已广泛应用于各种雷达载体。然而，由颠簸平台三维运动误差造成的相位误差会使成像质量退化。一种有效的改进方式是利用颠簸平台的全球定位系统(GPS)和惯性测量单元(IMU)对原始数据进行补偿，但只有其精度达到波长级才能保证聚焦效果。因此基于数据的运动补偿方法在SAR成像中具有重要作用。
传统自聚焦方法如图像偏移法(MD)、相位梯度自聚焦(PGA)算法等均假设相位误差是空间不变的，即非空变的。但实际上，由三维运动误差造成的相位误差是随空间变化的，即空变的，因此出现了一些通过估计三维运动误差来补偿空变相位误差并实现图像聚焦的方法。对于三维运动误差估计，传统方法多通过最小二乘法(LS)和总体最小二乘法(TLS)求解超定方程组计算得到对运动误差。由于存在计算误差及其它干扰，其计算结果仍存在一定的残余误差。
当雷达平台为颠簸平台时，其运动轨迹更为复杂，三维运动误差造成的图像散焦也更为明显。因此传统自聚焦方法和基于LS或TLS的三维运动误差估计方法无法满足颠簸平台SAR成像质量要求。
发明内容
本发明的目的在于提出一种颠簸平台SAR三维运动误差估计方法，本发明通过在未经运动误差补偿的原始图像中依据图像对比度筛选出多个强散射区域，并估计出各强散射区域的局部相位误差，再利用总体最小二乘法对三维运动误差进行粗估计，最后通过高斯牛顿迭代得到精确的三维运动误差。在颠簸平台SAR成像中，采用本方法可以实现误差的空变补偿，进而改善颠簸平台SAR成像质量。
为了达到上述目的，本发明采用以下技术方案予以解决。
一种颠簸平台SAR三维运动误差估计方法，包括以下步骤：
步骤1，采用颠簸平台SAR发射并接收回波信号；对回波信号进行解调，得到解调后的基带回波信号s0(τ，ta)。对基带回波信号用惯导数据进行粗补偿，并进行距离向匹配滤波处理，得到距离压缩后的信号s(τ，ta)；其中，τ为距离快时间，ta为方位慢时间；
步骤2，将距离压缩后的信号s(τ，tm)进行粗聚焦成像，得到未经运动误差补偿的原始图像；
步骤3，根据图像对比度，从原始图像中筛选出多个强散射区域；
步骤4，估计每个强散射区域的局部相位误差函数；
步骤5，将每个局部相位误差函数转换为斜距误差函数，通过总体最小二乘法求解，得到雷达平台三维运动误差初值；
步骤6，构建高斯牛顿迭代函数，将颠簸平台三维运动误差初值作为高斯牛顿迭代的初始步长，通过高斯牛顿迭代函数的多次迭代，对强散射区域中心点与颠簸平台位置的斜距进行修正，进而得到精确的三维运动误差。
与现有技术相比，本发明的有益效果为：
(1)本发明采用基于高斯牛顿迭代的三维运动误差估计方法，改善了SAR成像算法的聚焦效果。
(2)本发明通过筛选出未经运动误差补偿的原始图像中的多个强散射区域，并估计出各强散射区域的局部相位误差，利用TLS方法求解出三维运动误差初值，再构建高斯牛顿迭代函数，通过迭代优化得到精确的三维运动误差，克服了传统自聚焦方法无法补偿空变相位误差的问题；同时解决了现有三维运动误差估计方法的计算误差及其它干扰无法满足颠簸平台SAR成像需求的问题。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为颠簸平台SAR成像几何模型示意图；
图2为本发明一种颠簸平台SAR三维运动误差估计方法的流程图；
图3为本发明中高斯牛顿法迭代流程示意图；
图4(a)为本发明实施例中未经运动误差补偿的原始成像结果图，图4(b)为本发明实施例中未经运动误差补偿的原始图像成像结果等高线图；
图5(a)为图4(a)中心点成像结果等高线图，图5(b)为图4(a)中心点成像结果方位向剖面图；
图6(a)为本发明实施例中经过误差补偿处理后的成像结果图，图6(b)为本发明实施例中经过误差补偿处理后的成像结果等高线图；
图7(a)为图6(a)中心点成像结果等高线图，图7(b)为图6(a)中心点成像结果方位向剖面图；
图8(a)为仿真实验中预设的三维运动误差，图8(b)为仿真实验中通过本发明估计出的三维运动误差；
图9(a)为本发明处理后的颠簸平台SAR实测数据成像结果图，图9(b)为本发明处理前图9(a)方框内区域的成像结果放大图，图9(c)为经过本发明处理后图9(a)方框内区域的成像结果放大图；
图10(a)为图9(a)圆圈内区域放大图，图10(b)为图9(b)圆圈内区域放大图；
图11(a)为图10(a)中圆圈内点的方位向剖面图，图11(b)为图10(b)中圆圈内点的方位向剖面图。
具体实施方式
下面结合附图对本发明的实施例及效果作进一步详细描述。
参照图1，为颠簸平台SAR成像几何模型示意图；颠簸平台SAR以水平速度v沿x方向(雷达的方位向)飞行，其中，实线表示平台飞行的理想轨迹，虚线为平台飞行的实际轨迹，P点为场景中的某一目标点。平台飞行高度为H。
在理想情况下，平台将沿着实线表示的航迹作匀速直线运动，但在实际情况中，由于大气中存在大气湍流等现象，颠簸平台往往会偏离预先设定的理想轨迹而沿着不规则曲线轨迹飞行。设B点为某一方位慢时刻tm时雷达天线相位中心(APC)的理想位置，其三维坐标为，x0＝[x0(ta)，y0(ta)，z0(ta)]T(理想情况下为[vta，0，H]T)，其中[·]T表示矩阵/向量转置，A点为此时平台的实际位置。
由于运动误差的存在，将引起APC到场景中点目标的瞬时斜距误差，由图1中的几何关系可知，ta时刻APC到点目标P的理想斜距为Rs，实际斜距为R，则该时刻的斜距误差为ΔR＝Rs-R。对整个航迹而言，斜距误差是慢时间ta的函数，故可表示为ΔR(ta)。斜距误差将会导致录取的回波数据存在相位误差：
Figure BDA0002063899790000041
式中λ为雷达载波波长。相位误差将会引起目标点的散布函数发生变化，由上式可知，成像场景中点目标回波的相位误差与斜距误差成正比，而tm时刻的斜距误差ΔR(ta)是由飞行平台的三维运动误差引起的。
假设ta时刻的三维运动误差分别为Δx(ta)，Δy(ta)和Δz(ta)，场景中P点的坐标为(x，y，z)，则理想斜距Rs(ta)和实际斜距R(ta)可分别表示为
Figure BDA0002063899790000042
Figure BDA0002063899790000051
斜距误差ΔR(ta)为两者之差
Figure BDA0002063899790000052
上式精确的描述了任一方位慢时刻ta时的斜距误差。
参照图2，为本发明一种颠簸平台SAR三维运动误差估计方法的流程图。该三维运动误差估计方法的具体步骤如下：
步骤1，采用颠簸平台SAR发射并接收回波信号；对回波信号进行解调，得到解调后的基带回波信号s0(τ，ta)。对基带回波信号用惯导数据进行粗补偿，并进行距离向匹配滤波处理，得到距离压缩后的信号s(τ，ta)；其中，τ为距离快时间，ta为方位慢时间；
具体地，解调后的基带回波信号s0(τ，ta)可以表示为
Figure BDA0002063899790000053
其中，A0为目标点的后向散射系数，j为虚数单位，ωr(·)为基带回波信号的距离窗函数，ωa(·)为基带回波信号的方位窗函数，c表示光速，t0表示波束中心穿越时刻，fc为信号载频，Kr为距离向调频率。
将基带回波信号s0(τ，ta)作快速傅立叶变换(FFT)并乘以距离向匹配滤波函数，消除距离二次项，再进行逆傅立叶变换(IFFT)，得到距离压缩后的信号s(τ，ta)
Figure BDA0002063899790000061
其中，sinc为辛格函数，H(fτ)为距离向匹配滤波函数，fτ为距离频率，B为信号带宽，R0表示目标点的最近斜距。H(fτ)的具体表达式为
Figure BDA0002063899790000062
步骤2，将距离压缩后的信号s(τ，ta)进行粗聚焦成像，得到未经运动误差补偿的原始图像；
具体地，本方法可适用于频域成像算法和时域成像算法，因此可利用现有成像算法如距离多普勒(RD)算法、后向投影(BP)算法对距离压缩后的信号s(τ，ta)进行粗聚焦成像，得到未经运动误差补偿的原始图像。
此处假设采用BP算法进行成像，则得到的原始图像I(x，y)可以表示为
Figure BDA0002063899790000063
其中L表示合成孔径长度，x和y分别表示图像中任一像素点的平面坐标。
步骤3，根据图像对比度，从原始图像中筛选出多个强散射区域；
具体地说，由于三维运动误差造成的相位误差是空变的，因此原始图像中不同区域的相位误差各不相同。为实现空变误差补偿，需要选择多个强散射区域进行局部相位误差估计。
首先，计算原始图像I(x，y)中每个像素点(x，y)的能量E(x，y)
E(x，y)＝I(x，y)·I*(x，y)；
其中，I*(x，y)表示原始图像的复共轭。对所有像素点的能量进行搜索，筛选出能量位于前Q(Q≥3)位的Q个候选像素点。
其次，以每个候选像素点为中心，在原始图像中提取出Q个大小为N×M的局部图像，其中N表示N个距离单元，即N行；M表示M个方位单元，即M列。局部图像的大小可以根据原始图像决定，不宜过大或过小，通常20≤N≤M≤150。再分别计算每个局部图像的对比度：
Figure BDA0002063899790000071
其中，q＝1，2，…Q，Q≥3；
Figure BDA0002063899790000072
|I(n，m)|表示局部图像中第n行第m列的像素幅值。
最后，根据Q个局部图像的对比度，选择对比度位于前K(3≤K≤Q)位的K个局部图像，作为强散射区域。
由于筛选出的强散射区域的范围较小，因此在同一强散射区域内，可以近似认为每个区域内的相位误差是非空变的。
步骤4，估计每个强散射区域的局部相位误差函数；
具体地，由于每个强散射区域的相位误差可以认为是空间不变的，因此可利用现有自聚焦方法如PGA、加权PGA等估计出各个局部强散射区域的局部相位误差函数φe1(ta)、φe2(ta)、…、φeK(ta)；
以加权PGA方法为例，对第k个图像的相位误差函数通过以下方法进行估计：
子步骤4.1，根据第k个图像中距离单元的强度，在第k个图像中选择若干个距离单元。其中，第n个距离单元的强度En：
Figure BDA0002063899790000073
其中，sn(m)为第n个距离单元的数据序列，(·)*表示复共轭。将所有距离单元的强度进行降序排列，选择强度位于前ξ(10≤ξ≤100)位的距离单元作为估计相位误差的候选距离单元。
子步骤4.2，对候选距离单元作加窗迭代，并计算强散射区域的相位误差，作为第k个图像的相位误差。
具体地加窗迭代过程为：
首先，设定窗函数的初始宽度为G个方位单元，G的取值需要根据候选距离单元中目标点的散焦情况，包含目标点在方位向上散布的全部能量，一般取几十个到一百多个方位单元。
其次，对每个候选距离单元进行迭代，每次迭代时窗函数的窗宽缩减为上次迭代时窗函数的窗宽的50％～80％，并将上次迭代的窗函数内的目标点的能量聚集至当前迭代的窗函数内，直至窗函数的窗宽缩减到3～5个方位单元，停止迭代，每次迭代时采用窗函数提取出每个候选距离单元中目标点的全部能量，用于计算局部强散射区域的相位误差。
每次迭代过程中，用上一次迭代估计得到的相位误差φe(m)对筛选出的距离单元sn(m)作校正，即对sn(m)乘以exp[-jφe(m)]；如此反复迭代，直至迭代停止时即可得到精确的相位误差。
具体地，计算强散射区域的相位误差为：
首先，根据窗函数提取出第n个距离单元中的目标点的全部能量，并通过归一化幅度方差
Figure BDA0002063899790000081
计算第n个距离单元的权值Wn：
Figure BDA0002063899790000082
Figure BDA0002063899790000083
其次，通过相邻方位单元数据共轭相乘并作加权处理，计算每个方位单元数据的相关值，进而得到第n个距离单元加权后的相关序列rn(m)，其中，第α个方位单元数据的相关值rn(α)为
Figure BDA0002063899790000084
其中，sn(α)表示第α个方位单元数据，
Figure BDA0002063899790000091
表示第α-1个方位单元数据的共轭，|·|表示取模；
则强散射区域的相位误差梯度φ′e(m)为：
Figure BDA0002063899790000092
最后，对强散射区域的相位误差梯度φ′e(m)进行积分(在离散的序列中，积分通过求和实现)，得到强散射区域的相位误差φe(m)：
φe(m)＝φ′e(1)+φ′e(2)+…+φ′e(m)；
即为第k个图像的相位误差φek(ta)；依次类推，估计出K个局部强散射区域的局部相位误差函数φe1(ta)、φe2(ta)、…、φeK(ta)；
步骤5，将局部相位误差函数转换为斜距误差函数，通过TLS方法求解得到颠簸平台三维运动误差初值；
具体地说，首先，根据步骤4中的局部相位误差函数，计算出对应的颠簸平台到K个强散射区域中心点的斜距误差函数ΔR1(ta)、ΔR2(ta)、…、ΔRK(ta)：
Figure BDA0002063899790000093
其次，假设K个强散射区域中心点的坐标分别为(x1，y1，z1)、(x2，y2，z2)、…、(xK，yK，zK)，则K个强散射区域中心点的理想斜距为Rs1(ta)、Rs2(ta)、…、RsK(ta)，根据斜距误差ΔR(ta)表达式，得到一个求解三维运动误差的超定方程组
Figure BDA0002063899790000094
最后，为便于计算，将待求的三维运动误差定义为矩阵形式，即δ＝[Δx(ta)Δy(ta)Δz(ta)]T，其中
Figure BDA0002063899790000101
超定方程组的系数矩阵和斜距误差矩阵分别为
Figure BDA0002063899790000102
Figure BDA0002063899790000103
且
Figure BDA0002063899790000104
因此，该超定方程组转变成矩阵方程：
Y＝Jδ；
通过总体最小二乘法(TLS)解此超定方程组，得到颠簸平台三维运动误差初值，记为
Figure BDA0002063899790000105
步骤6，构建高斯牛顿迭代函数，将颠簸平台三维运动误差初值作为高斯牛顿迭代的初始步长，通过高斯牛顿迭代函数的多次迭代，对强散射区域中心点与颠簸平台位置的斜距进行修正，进而得到精确的三维运动误差；
具体地，参照图3，为高斯牛顿法迭代示意图。
构建高斯牛顿迭代函数：
F(xi)＝R-Rs(xi)
其中，R表示在第i次迭代中K个强散射区域中心点与颠簸平台位置xi的实际斜距矩阵，
Figure BDA0002063899790000106
Rs(xi)表示在第i次迭代中K个强散射区域中心点与颠簸平台位置xi的修正斜距矩阵，
Figure BDA0002063899790000111
当迭代函数取得最优解时，可以得到三维运动误差的精确值。
所述通过高斯牛顿迭代函数的多次迭代，对强散射区域中心点与颠簸平台位置的斜距进行修正，其具体过程为：
首先，设定迭代门限值；
其次，迭代的初始条件为：颠簸平台初始三维位置矩阵为x0＝[x0(ta)，y0(ta)，z0(ta)]T，初始步长为
Figure BDA0002063899790000112
则在第i次迭代中，颠簸平台三维位置矩阵更新为
Figure BDA0002063899790000113
根据更新后的颠簸平台三维位置，计算出第i次迭代中第k个强散射区域中心点的修正斜距Rski(ta)，进而得到第i次迭代时的修正斜距矩阵Rs(xi)。
Figure BDA0002063899790000114
再次，将每次迭代估计出的残余运动误差矩阵
Figure BDA0002063899790000115
作为下一次迭代的步长，将高斯牛顿迭代函数在xi处展开：
Figure BDA0002063899790000116
其中，o[(x-xi)2]表示高阶项，在残余误差较小的情况下，忽略高阶项，则F(x)在xi处的Jacobian矩阵Ji可以表示为
Figure BDA0002063899790000117
Ji即为第i次迭代的下降方向，同时也是超定方程组的系数矩阵；颠簸平台在xi处的残余斜距误差矩阵Yi等于R和Rs(xi)之差。将系数矩阵Ji和残余斜距误差矩阵Yi代入矩阵方程Y＝Jδ，通过TLS计算得到残余运动误差矩阵
Figure BDA0002063899790000121
即为高斯牛顿迭代中第i+1次步长
Figure BDA0002063899790000122
即第(i+1)次迭代中颠簸平台位置为
Figure BDA0002063899790000123
最后，重复迭代过程，便可使修正斜距不断接近实际值。当残余运动误差
Figure BDA0002063899790000124
小于迭代门限值(如0.0001米)时，停止迭代。此时，得到精确的三维运动误差值，即
Figure BDA0002063899790000125
其中，D为迭代次数。
在颠簸平台SAR实际成像中，用本发明得到的精确的三维运动误差值δ＝[Δx(ta)Δy(ta)Δz(ta)]T对平台原始位置[x0(ta)y0(ta)z0(ta)]T进行补偿，得到颠簸平台的真实位置，即[x0(ta)+Δx(ta)y0(ta)+Δy(ta)z0(ta)+Δz(ta)]T，再通过现有SAR成像算法如RD算法、BP算法等进行成像，即可得到消除运动误差的聚焦良好的成像图。
仿真实验
下面通过点目标仿真成像实验进一步说明本发明的正确性和有效性。
1)点目标仿真成像仿真条件
表1雷达参数
Figure BDA0002063899790000126
Figure BDA0002063899790000131
雷达系统仿真参数如表1所示，参照图1，为颠簸平台SAR成像几何模型示意图；其中，X轴为颠簸平台理想运动方向，Y轴垂直于平台运动方向，Z轴为平台高度方向，平台高度为H。理想情况下，载机以速度v沿X轴匀速直线飞行，设定Rs为场景中心对应的作用距离。
2)仿真内容
仿真实验1：为验证本发明的性能和有效性，这里对本发明进行仿真实验，对比未经本发明处理的成像结果和经本发明处理后的成像结果。
3)仿真结果分析
参照图4(a)，为未经运动误差补偿的原始成像图，图4(b)为未经运动误差补偿的原始成像等高线图；将其从上至下，从左至右分别记为A、B、C、D、E点。为更好地反映本发明性能，选取成像图中的中心(C点)为例。
参照图5(a)为图4(a)中心点成像等高线图，从图中可以看出C点在方位向出现了明显的散焦；参照图5(b)为图4(a)中心点成像方位向剖面图，由图可知，由于运动误差的影响，其第一零点和第一旁瓣均明显抬高，造成积分旁瓣比和峰值旁瓣比损失，影响了方位分辨率，测得其峰值旁瓣比为-0.1774dB，积分旁瓣比为0.1997dB。
采用本发明对原始数据进行处理，参照图6(a)为经过本发明处理后成像图；参照图6(b)为经过本发明处理后成像等高线图。对比图6(a)和图4(a)、图6(b)、图4(b)可以看出，原始图像中散焦的点在经过本发明处理后呈现出了良好的聚焦效果，聚焦性能相对原始图像有了明显改善。
参照图7(a)为图6(a)中心点成像等高线图，经本发明处理后的C点主瓣、副瓣明显分开，且呈现良好的“十字架”状。参照图7(b)为图6(a)中心点成像方位向剖面图，对比图7(b)与图5(b)，可以发现，经过本发明的处理，C点的第一旁瓣和第一零点均得到拉低，测得其峰值旁瓣比为-13.3591dB，积分旁瓣比为-9.6713dB，较图5(b)有了十分显著的改善。
参照图8(a)为仿真实验中预设的三维运动误差；参照图8(b)为仿真实验中通过本发明得到的精确的三维运动误差值。对比两者可以看出，本发明较为准确地估计出三维运动误差。
为了进一步评估本发明的性能，分别计算场景中5个目标点A、B、C、D、E的处理前后的方位向峰值旁瓣比和积分旁瓣比。具体性能指标参数如表2所示：
表2性能指标参数测量结果(方位向)
Figure BDA0002063899790000141
从表2可以看出，经过本发明处理后，显著提高了原始图像的峰值旁瓣比和积分旁瓣比，明显改善了图像聚焦质量。
参照图9(a)为本发明处理后的颠簸平台SAR实测数据成像图；参照图9(b)为本发明处理前图9(a)方框内区域的成像结果放大图；参照图9(c)，为经过本发明处理后图9(a)方框内区域的成像结果放大图。对比图9(b)和图9(c)可以发现，图9(b)中的散焦点经过本发明的处理后在图9(c)中可以得到良好的聚焦效果。为进一步验证本发明处理效果，分别对图9(b)和图9(c)的图像参数进行对比，如表3所示，其中熵值越低，对比度越高，说明图像聚焦效果越好。从表3可以看出，本发明的处理结果的熵值和对比度较原始图像均有了明显改善。
表3图像参数
熵值 对比度
图9b 8.13 1.09
图9c 7.52 1.14
参照图10(a)为图9(b)白色圆圈内区域放大图；参照图10(b)，为图9(c)白色圆圈内区域放大图。对比二者可以发现，原始图像图10(a)中的5个目标点存在明显散焦，而经过本发明处理后，图10(b)中的5个点呈现出良好的聚焦效果。
参照图11(a)为图10(a)中白色圆圈内点的方位向剖面图；参照图11(b)为图10(b)中白色圆圈内点的方位向剖面图。对比二者可以发现，本发明处理前目标点的剖面图11(a)呈现出能量逸散，旁瓣明显抬高且不能区分出主瓣，而经过本发明处理后的目标点剖面图11(b)呈现出比较良好的“sinc函数”型曲线，能量主要聚拢在主瓣，旁瓣得到了抑制。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种颠簸平台SAR三维运动误差估计方法，其特征在于，包括以下步骤：
步骤1，采用颠簸平台SAR发射并接收回波信号；对回波信号进行解调，得到解调后的基带回波信号s0(τ,ta)；对基带回波信号采用惯导数据进行粗补偿，并进行距离向匹配滤波处理，得到距离压缩后的信号s(τ,ta)；其中，τ为距离快时间，ta为方位慢时间；
步骤2，将距离压缩后的信号s(τ,tm)进行粗聚焦成像，得到未经运动误差补偿的原始图像；
步骤3，根据图像对比度，从原始图像中筛选出多个强散射区域；
步骤4，估计每个强散射区域的局部相位误差函数；
步骤5，将每个局部相位误差函数转换为斜距误差函数，通过总体最小二乘法求解，得到雷达平台三维运动误差初值；
步骤6，构建高斯牛顿迭代函数，将颠簸平台三维运动误差初值作为高斯牛顿迭代的初始步长，通过高斯牛顿迭代函数的多次迭代，对强散射区域中心点与颠簸平台位置的斜距进行修正，进而得到精确的三维运动误差。
2.根据权利要求1所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，所述解调后的基带回波信号s0(τ,ta)的表达式为：
Figure FDA0002063899780000011
其中，A0为目标点的后向散射系数，j为虚数单位，ωr(·)为基带回波信号的距离窗函数，ωa(·)为基带回波信号的方位窗函数，c表示光速，t0表示波束中心穿越时刻，fc为信号载频，Kr为距离向调频率；
所述对基带回波信号采用惯导数据进行粗补偿，并进行距离向匹配滤波处理，其具体步骤为：
将基带回波信号s0(τ,ta)作快速傅立叶变换并乘以距离向匹配滤波函数，消除距离二次项，再进行逆傅立叶变换，得到距离压缩后的信号s(τ,ta)
Figure FDA0002063899780000021
其中，IFFT为逆傅立叶变换，FFT为快速傅立叶变换，sinc为辛格函数，H(fτ)为距离向匹配滤波函数，
Figure FDA0002063899780000022
fτ为距离频率，B为信号带宽，R0表示目标点的最近斜距。
3.根据权利要求2所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，步骤2中，所述粗聚焦成像采用的算法为距离多普勒算法或后向投影算法；其中，采用后向投影算法得到的未经运动误差补偿的原始图像的表达式为：
Figure FDA0002063899780000023
其中，L表示合成孔径长度，x和y分别表示图像中任一像素点的平面坐标，v为颠簸平台的水平飞行速度。
4.根据权利要求1所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，所述从原始图像中筛选出多个强散射区域的具体步骤为：
首先，计算原始图像I(x,y)中每个像素点(x,y)的能量E(x,y)：
E(x,y)＝I(x,y)·I*(x,y)；
其中，I*(x,y)表示原始图像的复共轭；
对所有像素点的能量进行搜索，筛选出能量位于前Q(Q≥3)位的Q个候选像素点；
其次，以每个候选像素点为中心，在原始图像中提取出Q个大小为N×M的局部图像，再分别计算每个局部图像的对比度：
Figure FDA0002063899780000031
其中，q＝1,2,…Q,Q≥3；
Figure FDA0002063899780000032
I(n,m)表示局部图像中第n行第m列的像素幅值；N表示N个距离单元，即N行；M表示M个方位单元，即M列；20≤N≤M≤150；
最后，根据Q个局部图像的对比度Cq,q＝1,2,…Q,Q≥3，选择对比度位于前K位的K个局部图像，作为局部强散射区域；其中，3≤K≤Q。
5.根据权利要求4所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，假设每个强散射区域的相位误差是空间不变的，则采用自聚焦方法估计出每个局部强散射区域的局部相位误差函数φe1(ta)、φe2(ta)、···、φeK(ta)，所述自聚焦方法包含以下子步骤：
子步骤4.1，首先，计算出第k个图像中每个距离单元的强度；其中，第n个距离单元的强度En为：
Figure FDA0002063899780000033
式中sn(m)为第n个距离单元的数据序列，(·)*表示复共轭；
其次，将所有距离单元的强度进行降序排列，选择强度位于前ξ位的距离单元作为估计相位误差的候选距离单元，其中，10≤ξ≤100；
子步骤4.2，对每个候选距离单元作加窗迭代，并计算强散射区域的相位误差，作为第k个图像的相位误差。
6.根据权利要求5所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，所述加窗迭代的具体步骤为：
首先，设定窗函数的初始宽度为G个方位单元，G的取值使窗函数中包含目标点在方位向上散布的全部能量；
其次，对每个候选距离单元进行迭代，每次迭代时窗函数的窗宽缩减为上次迭代时窗函数的窗宽的50％～80％，并将上次迭代的窗函数内的目标点的能量聚集至当前迭代的窗函数内，直至窗函数的窗宽缩减到3～5个方位单元，停止迭代，每次迭代时采用窗函数提取出每个候选距离单元中目标点的全部能量，用于计算强散射区域的相位误差。
7.根据权利要求6所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，所述计算强散射区域的相位误差的具体步骤为：
首先，根据窗函数提取出第n个距离单元中的目标点的全部能量，并通过归一化幅度方差
Figure FDA0002063899780000041
计算第n个距离单元的权值Wn：
Figure FDA0002063899780000042
Figure FDA0002063899780000043
其次，通过相邻方位单元数据共轭相乘并作加权处理，计算每个方位单元数据的相关值，进而得到第n个距离单元加权后的相关序列rn(m)，其中，第α个方位单元数据的相关值rn(α)为
Figure FDA0002063899780000044
其中，sn(α)表示第α个方位单元数据，
Figure FDA0002063899780000045
表示第α-1个方位单元数据的共轭，|·|表示取模；
则强散射区域的相位误差梯度φ'e(m)为：
Figure FDA0002063899780000046
最后，对强散射区域的相位误差梯度φ'e(m)进行积分，得到强散射区域的相位误差φe(m)：
φe(m)＝φ'e(1)+φ’e(2)+…+φ’e(m)；
即为第k个图像的相位误差φek(ta)；依次类推，估计出K个局部强散射区域的局部相位误差函数φe1(ta)、φe2(ta)、···、φeK(ta)。
8.根据权利要求7所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，步骤5的具体步骤为：
首先，根据K个局部强散射区域的局部相位误差函数φe1(ta)、φe2(ta)、···、φeK(ta)，计算出对应的颠簸平台到K个强散射区域中心点的斜距误差函数△R1(ta)、△R2(ta)、···、△RK(ta)：
Figure FDA0002063899780000051
其次，假设K个强散射区域中心点的坐标分别为(x1,y1,z1)、(x2,y2,z2)、···、(xK,yK,zK)，则K个强散射区域中心点的理想斜距为Rs1(ta)、Rs2(ta)、···、RsK(ta)；假设方位慢时刻ta时，雷达天线相位中心的理想位置的三维坐标为x0＝[x0(ta),y0(ta),z0(ta)]T，颠簸平台的三维运动误差分别为△x(ta)，△y(ta)和△z(ta)，目标点的坐标为(x,y,z)，则目标点与颠簸平台之间的理想斜距Rs(ta)和实际斜距R(ta)分别为：
Figure FDA0002063899780000052
Figure FDA0002063899780000053
则斜距误差△R(ta)为：
Figure FDA0002063899780000054
进而得到一个求解三维运动误差的超定方程组：
Figure FDA0002063899780000061
最后，设定δ＝[△x(ta) △y(ta) △z(ta)]T，其中
Figure FDA0002063899780000062
则所述超定方程组的系数矩阵为：
Figure FDA0002063899780000063
所述超定方程组的斜距误差矩阵为：
Figure FDA0002063899780000064
且
Figure FDA0002063899780000065
因此，将所述超定方程组转变为矩阵方程：
Y＝Jδ；
再通过总体最小二乘法求解矩阵方程，得到颠簸平台三维运动误差初值，记为
Figure FDA0002063899780000066
9.根据权利要求8所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，所述构建高斯牛顿迭代函数为：
F(xi)＝R-Rs(xi)；
其中，R表示在第i次迭代中K个强散射区域中心点与颠簸平台位置xi的实际斜距矩阵，
Figure FDA0002063899780000071
Rs(xi)表示在第i次迭代中K个强散射区域中心点与颠簸平台位置xi的修正斜距矩阵，
Figure FDA0002063899780000072
10.根据权利要求9所述的一种颠簸平台SAR三维运动误差估计方法，其特征在于，所述通过高斯牛顿迭代函数的多次迭代，对强散射区域中心点与颠簸平台位置的斜距进行修正，其具体步骤为：
首先，设定迭代门限值；
其次，设定迭代的初始条件为：颠簸平台初始三维位置矩阵为x0＝[x0(ta),y0(ta),z0(ta)]T，初始步长为
Figure FDA0002063899780000073
则在第i次迭代中，颠簸平台三维位置矩阵更新为：
Figure FDA0002063899780000074
其中，在第i-1次迭代中，颠簸平台三维位置矩阵为xi-1＝[xi-1(ta) yi-1(ta) zi-1(ta)]；
根据更新后的颠簸平台三维位置，计算出第i次迭代中第k个强散射区域中心点的修正斜距Rski(ta)，进而得到第i次迭代时的修正斜距矩阵Rs(xi)；
Figure FDA0002063899780000075
再次，将每次迭代估计出的残余运动误差矩阵
Figure FDA0002063899780000076
作为下一次迭代的步长，将高斯牛顿迭代函数在xi处展开：
Figure FDA0002063899780000077
其中，o[(x-xi)2]表示高阶项，可忽略，则F(x)在xi处的Jacobian矩阵Ji为：
Figure FDA0002063899780000081
其中，Ji为第i次迭代的下降方向，也是超定方程组的系数矩阵；而颠簸平台在xi处的残余斜距误差矩阵Yi等于R和Rs(xi)之差；将系数矩阵Ji和残余斜距误差矩阵Yi代入矩阵方程Y＝Jδ，通过总体最小二乘法，计算得到残余运动误差矩阵
Figure FDA0002063899780000082
即为高斯牛顿迭代中第i+1次步长
Figure FDA0002063899780000083
即第(i+1)次迭代中颠簸平台位置为
Figure FDA0002063899780000084
最后，重复迭代过程，直至残余运动误差矩阵
Figure FDA0002063899780000085
小于迭代门限值时，停止迭代，得到精确的三维运动误差值，即
Figure FDA0002063899780000086
其中，D为迭代次数，△x(ta)为三维坐标系中x方向的运动误差值，△y(ta)为三维坐标系中y方向的运动误差值，△z(ta)为三维坐标系中z方向的运动误差值。
CN201910414485.1A 2019-05-17 2019-05-17 一种颠簸平台sar三维运动误差估计方法 Active CN110146857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910414485.1A CN110146857B (zh) 2019-05-17 2019-05-17 一种颠簸平台sar三维运动误差估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910414485.1A CN110146857B (zh) 2019-05-17 2019-05-17 一种颠簸平台sar三维运动误差估计方法

Publications (2)

Publication Number Publication Date
CN110146857A CN110146857A (zh) 2019-08-20
CN110146857B true CN110146857B (zh) 2022-12-27

Family

ID=67595713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910414485.1A Active CN110146857B (zh) 2019-05-17 2019-05-17 一种颠簸平台sar三维运动误差估计方法

Country Status (1)

Country Link
CN (1) CN110146857B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780272B (zh) * 2019-10-29 2023-06-30 西安电子科技大学 一种颠簸平台sar的非参数化成对回波抑制方法
CN111190181B (zh) * 2020-01-09 2022-03-04 西安电子科技大学 颠簸平台无人机载sar实时成像处理方法
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
CN111880180B (zh) * 2020-07-03 2023-05-26 西安电子科技大学 一种高分辨运动舰船sar成像的自聚焦方法
CN113074660B (zh) * 2021-03-26 2022-09-20 深度光学科技(天津)有限公司 一种大尺寸透明物体的面型测量方法
CN113640794B (zh) * 2021-07-20 2023-12-01 北京理工大学 一种mimo-sar三维成像自聚焦方法
CN114791594B (zh) * 2022-06-22 2022-09-20 中国科学院空天信息创新研究院 一种非线性调频信号的电离层色散效应校正方法
CN117745551B (zh) * 2024-02-19 2024-04-26 电子科技大学 一种图像信号相位恢复的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
EP3144702A1 (en) * 2015-09-17 2017-03-22 Institute of Electronics, Chinese Academy of Sciences Method and device for synthethic aperture radar imaging based on non-linear frequency modulation signal
CN107064880A (zh) * 2017-04-10 2017-08-18 南京航空航天大学 分布式多基雷达收发波束同步和波束控制的高精度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
EP3144702A1 (en) * 2015-09-17 2017-03-22 Institute of Electronics, Chinese Academy of Sciences Method and device for synthethic aperture radar imaging based on non-linear frequency modulation signal
CN107064880A (zh) * 2017-04-10 2017-08-18 南京航空航天大学 分布式多基雷达收发波束同步和波束控制的高精度方法

Also Published As

Publication number Publication date
CN110146857A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110146857B (zh) 一种颠簸平台sar三维运动误差估计方法
Ran et al. An autofocus algorithm for estimating residual trajectory deviations in synthetic aperture radar
CN104851097B (zh) 基于目标形状与阴影辅助的多通道sar‑gmti方法
US8711030B2 (en) Single-pass Barankin Estimation of scatterer height from SAR data
CN111880180B (zh) 一种高分辨运动舰船sar成像的自聚焦方法
CN108279404B (zh) 一种基于空间谱估计的双通道sar相位误差校正方法
CN106680817A (zh) 一种实现前视雷达高分辨成像的方法
CN110082764B (zh) 基于稳健正则化层析方法的sar图像成像方法
CN111580065B (zh) 基于知识辅助的稀疏恢复stap方法
CN105301589B (zh) 高分辨宽测绘带sar地面运动目标成像方法
CN112578380B (zh) 基于载机航迹偏差估计的无人机载sar自聚焦方法
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
CN112731394A (zh) 基于近似观测矩阵的聚束sar杂波抑制和动目标重聚焦
CN108562898B (zh) 一种前侧视sar的距离和方位两维空变自聚焦方法
CN108107427A (zh) 基于超分辨技术的机载/弹载阵列雷达前视成像方法
Rigling et al. Three-dimensional surface reconstruction from multistatic SAR images
CN107918126B (zh) 基于多特征自动分割的多通道近海岸模糊杂波抑制方法
CN108549079B (zh) 三天线干涉延迟多普勒雷达高度表地形特显点定位方法
CN108490440A (zh) 基于多普勒谱偏移量校正的目标位置定位方法
CN105044700A (zh) 基于星载高分辨率sar图像聚焦性能的地面高程反演方法
CN108845318A (zh) 基于Relax算法的星载高分宽幅成像方法
CN107783111A (zh) 一种基于最大熵准则的雷达前视超分辨成像方法
CN116930965A (zh) 一种低高度平台的层析sar三维成像方法
CN110658502A (zh) 一种幅相误差校正方法
CN113640794B (zh) 一种mimo-sar三维成像自聚焦方法

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