CN112034458A - 针对稀疏非均匀基线的层析sar双频解模糊方法 - Google Patents
针对稀疏非均匀基线的层析sar双频解模糊方法 Download PDFInfo
- Publication number
- CN112034458A CN112034458A CN202010765930.1A CN202010765930A CN112034458A CN 112034458 A CN112034458 A CN 112034458A CN 202010765930 A CN202010765930 A CN 202010765930A CN 112034458 A CN112034458 A CN 112034458A
- Authority
- CN
- China
- Prior art keywords
- frequency
- elevation
- uniform
- sparse non
- frequency point
- 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
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
- G01S13/904—SAR modes
-
- 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
- G01S13/9021—SAR image post-processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了针对稀疏非均匀基线的层析SAR双频解模糊方法,涉及雷达信号处理技术领域,能够抑制稀疏非均匀基线导致的三维成像出现的大量虚假目标,提高图像质量。获取稀疏非均匀基线的位置分布;取两个频点处高程向后向投影BP图像共轭相乘的结果图像,对结果图像取峰值旁瓣比作为代价函数,并以SAR的限制频率作为约束条件构建优化方程并求解,得到两个频点的最优值f1 *,f2 *。获取在f1 *,f2 *频点下的各条稀疏非均匀基线的TomoSAR数据。将属于同一个频点的TomoSAR数据归为一组,分别进行层析处理,得到f1 *,f2 *频点下的高程向坐标为z的网格的后向散射系数估计值并共轭相乘,得到解模糊图像。
Description
技术领域
本发明涉及雷达信号处理技术领域,具体涉及一种针对稀疏非均匀基线的层析SAR双频解模糊方法。
背景技术
层析合成孔径雷达(TomoSAR)是传统二维合成孔径雷达(SAR)在第三维的扩展。层析技术利用一定数量、满足一定分布的雷达运动轨迹获得的二维SAR数据,在高度向上再次进行孔径合成,可以实现三维成像。然而在一些场景下,基线的位置分布和数量受到限制,数据采集量与分辨率存在矛盾,基线数量不足会导致模糊的出现,而基线的非均匀分布则使模糊位置分布缺乏规律,提高了解模糊的难度,限制了高分辨层析SAR三维成像的发展。
对于数据量不足的问题,目前可以将压缩感知用于层析SAR三维成像。压缩感知理论指出,只要信号具有可压缩性或在某个变换域具有稀疏性,那么就可以用一个不相关的观测矩阵对信号进行由高维至低维的投影,投影的结果已包含足够多的信息,接着通过求解一个优化问题,完成对于原信号的高概率精确重构或低误差的近似重构。压缩感知理论可以解决在某一数据量的低分辨问题以及同一分辨率单元内多个散射体的混叠问题。而对于稀疏基线导致的混叠,观测矩阵不满足压缩感知要求的RIP条件,无法通过该方法解决。对于传统谱估计方法,稀疏基线引起的混叠目标的高程测量值线性相关,所以传统谱估计方法不适用。对于很多情况,高程基线位置分布非均匀且不易改变,模糊位置分布缺乏规律,对应数学建模复杂,增加了解模糊的难度。
综上,目前缺少能够解决稀疏非均匀基线的高程向模糊问题的有效手段。
发明内容
有鉴于此,本发明提供了针对稀疏非均匀基线的层析SAR双频解模糊方法,能够针对稀疏非均匀基线层析SAR进行双频解模糊方法,以抑制稀疏非均匀基线导致的三维成像出现的大量虚假目标,提高图像质量。
为达到上述目的,本发明的技术方案包括如下步骤:
步骤一、获取稀疏非均匀基线的位置分布;取两个频点处高程向后向投影BP图像共轭相乘的结果图像,对结果图像取峰值旁瓣比作为代价函数,并以SAR的限制频率作为约束条件构建优化方程。
步骤二、采用遗传算法求解优化方程,得到两个频点的最优值f1 *,f2 *。
步骤三、获取在f1 *,f2 *频点下的各条稀疏非均匀基线的TomoSAR数据Sn,f1,Sn,f2,其中,n为稀疏非均匀基线的序号,n=0,2,…,N-1,N为稀疏非均匀基线的数量,N与SAR对目标的成像次数相同。
进一步地,步骤一,具体为:设定第一频点f1和第二频点f2,写为频点向量f=[f1,f2]T;
对于高度向为0的单点目标,其在频点f1,f2的高程向后向投影BP图像分别为
其中I1(z)为高度向为0的单点目标在频点f1的高程向后向投影BP图像;I2(z)为高度向为0的单点目标在频点f1的高程向后向投影BP图像;代表目标到第i个稀疏非均匀基线位置的斜距,Ri(z)代表高程向坐标为z的网格到第i个稀疏非均匀基线位置的斜距;z为高程向坐标;c光速。
代价函数选为结果图像I(z)的峰值旁瓣比,其中I(z)的主瓣水平为H0=|I(0)|,则峰值旁瓣比为:
其中s表示观察范围内的旁瓣区域;f=[f1,f2]T。
其中fmax和fmin分别为SAR的限制频率最高值和最低值。
进一步地,采用遗传算法求解优化方程,得到两个频点的最优值f1 *,f2 *;遗传算法流程具体为:
每组频点向量f=[f1,f2]T代表一个个体,个体数目为M,遗传算法开始时,个体数目为M的种群随机初始化,并计算每个个体对应的代价函数H(f);如果不满足终止条件,开始下一代的计算:按照代价函数选择个体,父代要求基因交叉而产生子代,子代按照一定的概率变异,重新计算子代的代价函数被重新计算,并将子代替换父代插入种群中,构成下一代。
循环执行遗传算法流程,直到终止条件,得到两个频点f1和f2的最优值f1 *,f2 *;
终止条件为达到设定迭代次数或者计算的代价函数不再下降。
进一步地,步骤三中,获取在f1 *,f2 *频点下的各条稀疏非均匀基线的TomoSAR数据Sn,f1,Sn,f2具体为:
其中[zmin,zmax]为目标高程范围;σ(z)为高程向坐标为z的目标的后向散射系数,j为虚部单位,Ri(z)代表高程位置为z的目标到第i个高程基线位置的斜距。
有益效果:
本发明提供一种基于遗传算法的稀疏非均匀基线层析SAR双频解模糊方法,根据实际的基线分布,构建优化模型。通过遗传算法优化频点设计以达到该基线构型下双频点最佳的模糊抑制效果,分别对两个频点下的信号进行层析处理,再共轭相乘,实现稀疏非均匀基线三维高程分布的解模糊。
附图说明
图1为本发明针对稀疏非均匀基线层析SAR双频解模糊方法的流程图;
图2为本发明提供的遗传算法流程图;
图3为本发明提供的高程向单点目标解模糊效果示意图;
图4为本发明提供的高程向三点目标解模糊效果示意图;
图5为本发明提供的三维场景单点目标解模糊效果示意图;
图6为本发明提供的三维场景三点目标解模糊效果示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了针对稀疏非均匀基线的层析SAR双频解模糊方法,其流程如图1所示,包括:
步骤一、获取稀疏非均匀基线的位置分布;取两个频点处高程向后向投影BP图像共轭相乘的结果图像,对结果图像取峰值旁瓣比作为代价函数,并以SAR的限制频率作为约束条件构建优化方程。
具体为:设定第一频点f1和第二频点f2,写为频点向量f=[f1,f2]T。
对于高度向为0的单点目标,其在频点f1,f2的高程向后向投影BP图像分别为
其中I1(z)为高度向为0的单点目标在频点f1的高程向后向投影BP图像;I2(z)为高度向为0的单点目标在频点f1的高程向后向投影BP图像;代表目标到第i个稀疏非均匀基线位置的斜距,Ri(z)代表高程向坐标为z的网格到第i个稀疏非均匀基线位置的斜距;z为高程向坐标;c光速。
代价函数选为结果图像I(z)的峰值旁瓣比,其中I(z)的主瓣水平为H0=|I(0)|,则峰值旁瓣比为:
其中s表示观察范围内的旁瓣区域;f=[f1,f2]T;
其中fmax和fmin分别为SAR的限制频率最高值和最低值,可根据SAR的参数获取。
步骤二、采用遗传算法求解优化方程,得到两个频点的最优值f1 *,f2 *。
本发明实施例中直接采用传统的遗传算法接口,即流程如图2所示。
每组频点向量f=[f1,f2]T代表一个个体,个体数目为M,遗传算法开始时,个体数目为M的种群随机初始化,并计算每个个体对应的代价函数H(f);如果不满足终止条件,开始下一代的计算:按照代价函数选择个体,父代要求基因交叉而产生子代,子代按照一定的概率变异,重新计算子代的代价函数被重新计算,并将子代替换父代插入种群中,构成下一代。
循环执行遗传算法流程,直到终止条件,得到两个频点f1和f2的最优值f1 *,f2 *;
终止条件为达到设定迭代次数或者计算的代价函数不再下降。
步骤三、获取在f1 *,f2 *频点下的各条稀疏非均匀基线的TomoSAR数据Sn,f1,Sn,f2,其中,n为稀疏非均匀基线的序号,n=0,2,…,N-1,N为稀疏非均匀基线的数量,N与SAR对目标的成像次数相同。
本发明实施例中,TomoSAR数据Sn,f1,Sn,f2分别为:
其中[zmin,zmax]为目标高程范围;σ(z)为高程向坐标为z的目标的后向散射系数,j为虚部单位,Ri(z)代表高程位置为z的目标到第i个高程基线位置的斜距。
下面利用本发明对仿真数据进行处理,以进一步验证所提技术的可行性与有效性,仿真参数如表1所示:
表1实施例子仿真参数
参数 | 数值 |
频率变化范围 | 2.85GHz~3.15GHz |
高程基线长度 | 4880千米 |
基线数目 | 20 |
最短斜距 | 380000千米 |
根据给出的非均匀稀疏基线的位置分布和频率变化范围通过遗传算法计算得到的使栅瓣抑制效果最优的频点为:f1=10.2276GHz,f2=11.7828GHz
图3给出了对于单点目标的解模糊效果,图3(a)为单频处理结果,图3(b)为双频处理结果。
图4给出了对于三个点目标的解模糊效果,图4(a)为单频处理结果,图4(b)为双频处理结果。在该基线分布的情况下,当不采用本发明解模糊算法即单频处理时,不管场景多么简单,都会出现严重的模糊问题。对于点目标场景,本发明解模糊方法效果显著,与真实场景非常相符,但随着目标数量的增加,解模糊效果也会有所恶化。
图5给出了三维场景于单点目标的解模糊效果,图5(a)为单频处理结果,图5(b)为双频处理结果。
图6给出了三维场景对于三个点目标的解模糊效果,图6(a)为单频处理结果,图6(b)为双频处理结果。
三维成像的结果经过了适当地阈值筛选,在阈值相同的情况下,对于单点目标和三点目标,单频处理的结果已经无法判断出点目标的位置,而基于频点优化的双频处理可以很好地判断点目标的个数与位置。可以看出本发明解模糊方法效果显著。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.针对稀疏非均匀基线的层析SAR双频解模糊方法,其特征在于,包括:
步骤一、获取稀疏非均匀基线的位置分布;取两个频点处高程向后向投影BP图像共轭相乘的结果图像,对所述结果图像取峰值旁瓣比作为代价函数,并以所述SAR的限制频率作为约束条件构建优化方程;
步骤二、采用遗传算法求解所述优化方程,得到两个频点的最优值f1 *,f2 *;
步骤三、获取在f1 *,f2 *频点下的各条稀疏非均匀基线的TomoSAR数据Sn,f1,Sn,f2,其中,n为稀疏非均匀基线的序号,n=0,2,…,N-1,N为稀疏非均匀基线的数量,N与SAR对目标的成像次数相同;
2.如权利要求1所述的方法,其特征在于,所述步骤一,具体为:设定第一频点f1和第二频点f2,写为频点向量f=[f1,f2]T;
对于高度向为0的单点目标,其在频点f1,f2的高程向后向投影BP图像分别为
其中I1(z)为高度向为0的单点目标在频点f1的高程向后向投影BP图像;I2(z)为高度向为0的单点目标在频点f1的高程向后向投影BP图像;代表目标到第i个稀疏非均匀基线位置的斜距,Ri(z)代表高程向坐标为z的网格到第i个稀疏非均匀基线位置的斜距;z为高程向坐标;c光速;
代价函数选为所述结果图像I(z)的峰值旁瓣比,其中I(z)的主瓣水平为H0=|I(0)|,则峰值旁瓣比为:
其中s表示观察范围内的旁瓣区域;f=[f1,f2]T;
其中fmax和fmin分别为SAR的限制频率最高值和最低值。
3.如权利要求2所述的方法,其特征在于,所述采用遗传算法求解所述优化方程,得到两个频点的最优值f1 *,f2 *;遗传算法流程具体为:
每组频点向量f=[f1,f2]T代表一个个体,个体数目为M,遗传算法开始时,个体数目为M的种群随机初始化,并计算每个个体对应的代价函数H(f);如果不满足终止条件,开始下一代的计算:按照代价函数选择个体,父代要求基因交叉而产生子代,子代按照一定的概率变异,重新计算子代的代价函数被重新计算,并将子代替换父代插入种群中,构成下一代;
循环执行遗传算法流程,直到终止条件,得到两个频点f1和f2的最优值f1 *,f2 *;
所述终止条件为达到设定迭代次数或者计算的代价函数不再下降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010765930.1A CN112034458B (zh) | 2020-08-03 | 2020-08-03 | 针对稀疏非均匀基线的层析sar双频解模糊方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010765930.1A CN112034458B (zh) | 2020-08-03 | 2020-08-03 | 针对稀疏非均匀基线的层析sar双频解模糊方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034458A true CN112034458A (zh) | 2020-12-04 |
CN112034458B CN112034458B (zh) | 2022-02-08 |
Family
ID=73582168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010765930.1A Active CN112034458B (zh) | 2020-08-03 | 2020-08-03 | 针对稀疏非均匀基线的层析sar双频解模糊方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034458B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030122700A1 (en) * | 2001-12-10 | 2003-07-03 | Deutsches Zentrum Fur Luft- Und Raumfahrt E.V. | Airborne or spaceborne tomographic synthetic aperture radar (SAR) method |
CN105388476A (zh) * | 2015-12-28 | 2016-03-09 | 河南工业大学 | 一种基于联合稀疏模型的层析sar成像方法 |
CN111077526A (zh) * | 2019-12-30 | 2020-04-28 | 中国电子科技集团公司电子科学研究院 | 基于高轨星载sar系统的电离层层析方法及系统 |
-
2020
- 2020-08-03 CN CN202010765930.1A patent/CN112034458B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030122700A1 (en) * | 2001-12-10 | 2003-07-03 | Deutsches Zentrum Fur Luft- Und Raumfahrt E.V. | Airborne or spaceborne tomographic synthetic aperture radar (SAR) method |
CN105388476A (zh) * | 2015-12-28 | 2016-03-09 | 河南工业大学 | 一种基于联合稀疏模型的层析sar成像方法 |
CN111077526A (zh) * | 2019-12-30 | 2020-04-28 | 中国电子科技集团公司电子科学研究院 | 基于高轨星载sar系统的电离层层析方法及系统 |
Non-Patent Citations (2)
Title |
---|
温育涵 等: "多基地SAR线目标参数反演与图像重建", 《信号处理》 * |
聂鑫 等: "高分辨率星载滑动聚束SAR成像方法研究", 《电子技术与软件工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112034458B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268934B (zh) | 一种由点云直接重建三维曲面的方法 | |
CN103488968B (zh) | 遥感图像的混合像素物质构成精细化分解装置及方法 | |
Li et al. | Refraction corrected transmission ultrasound computed tomography for application in breast imaging | |
CN109598697B (zh) | 二维乳腺造影数据组的确定 | |
CA2729166A1 (en) | High efficiency computed tomography | |
KR101495136B1 (ko) | 2차원 영상으로부터 3차원 영상을 재구성하는 방법 및 장치 | |
US10475215B2 (en) | CBCT image processing method | |
EP4220568A1 (en) | System and method for combining 3d images in color | |
Matej et al. | 3D-FRP: direct Fourier reconstruction with Fourier reprojection for fully 3-D PET | |
CN104251991A (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 | |
Atkinson et al. | Algebraic reconstruction techniques for tomographic particle image velocimetry | |
CN112147608A (zh) | 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法 | |
CN110427951B (zh) | 一种基于非均匀采样策略的傅里叶单像素成像方法 | |
Ohtake et al. | Sparse surface reconstruction with adaptive partition of unity and radial basis functions | |
CN112034458B (zh) | 针对稀疏非均匀基线的层析sar双频解模糊方法 | |
CN107392861B (zh) | 一种基于高斯比例混合模型的稀疏表示sar图像降斑方法 | |
CN113608218A (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
CN110133656B (zh) | 一种基于互质阵列的分解与融合的三维sar稀疏成像方法 | |
CN117368914A (zh) | 一种适用于起伏地形的合成孔径雷达后向投影算法 | |
CN106251383A (zh) | 一种能谱ct基物质正弦图的估计方法 | |
Nowak et al. | A multiscale MAP estimation method for Poisson inverse problems | |
Pereira et al. | Evaluation of a 3D point cloud tetrahedral tomographic reconstruction method | |
CN111948648A (zh) | 一种基于多频处理的稀疏基线三维成像高程解模糊方法 | |
Góes et al. | 3D fast factorized back-projection in Cartesian coordinates | |
CN113240610A (zh) | 一种基于仿人眼机制的双通道鬼成像重建方法及系统 |
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 |