CN112578380B - 基于载机航迹偏差估计的无人机载sar自聚焦方法 - Google Patents
基于载机航迹偏差估计的无人机载sar自聚焦方法 Download PDFInfo
- Publication number
- CN112578380B CN112578380B CN202011222815.6A CN202011222815A CN112578380B CN 112578380 B CN112578380 B CN 112578380B CN 202011222815 A CN202011222815 A CN 202011222815A CN 112578380 B CN112578380 B CN 112578380B
- Authority
- CN
- China
- Prior art keywords
- aperture
- aerial vehicle
- unmanned aerial
- track deviation
- estimation
- 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
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
- G01S13/89—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
- G01S13/904—SAR modes
- G01S13/9052—Spotlight mode
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
本发明公开了一种基于载机航迹偏差估计的无人机载SAR自聚焦方法。本发明基于回波数据估计载机航迹偏差,利用由粗到精的分步自聚焦策略,实现载机航迹偏差的精确估计,从而在根本上解决运动误差的两维空变性,实现慢速无人机载SAR自聚焦,获得高分辨无人机载SAR图像。
Description
技术领域
本发明涉及合成孔径雷达技术领域,具体涉及一种基于载机航迹偏差估计的无人机载合成孔径雷达(SAR)自聚焦方法。
背景技术
无人机载SAR是一种利用无人机进行合成孔径成像的技术,可实现全天时、全天候对地观测,广泛应用于地形勘探和战场侦察等领域。目前,对慢速无人机载SAR的方位宽波束成像与运动补偿成为无人机载SAR技术发展的一大热点。
由于体积小(如20厘米见方)、重量轻(如1千克无人机载SAR系统),飞行高度低且飞行速度慢(如200米的飞行高度,20米每秒的飞行速度),受气流和自身简易动力结构影响,慢速无人机载SAR飞行轨迹复杂,明显偏离传统SAR中的匀速直线航迹。此外,由于天线口径小、天线波束宽,导致无人机载SAR回波的包络、相位误差呈现严重的两维空变特性。同时,由于无人机稳定性差,由载机航迹偏差引入的回波运动误差还具有方位时变性。因此,在慢速无人机载SAR数据处理中,需要解决方位空-时耦合运动误差的估计和补偿问题。
目前对慢速无人机载SAR方位宽波束成像与运动补偿有如下三类方法。第一类是基于高精度惯性导航系统(INS)进行运动补偿或后向投影(BP)成像,但当雷达工作于高频频段时,INS精度往往无法达到成像精度要求,导致成像结果散焦,并且,对于小型无人机,由于载荷体积、载重严约束,往往无法装备高精度惯导。第二类是基于后向投影成像的自聚焦方法,该类方法忽略了包络误差,基于回波数据对局部相位误差进行估计,无法适应空变的包络误差。第三类是基于相位梯度自聚焦算法(PGA)估计并拟合相位误差二阶空变系数,该方法存在模型近似误差。传统SAR数据处理所基于的方位窄波束假设不再成立。因此,需要研究基于回波数据的慢速无人机载SAR自聚焦算法,从而实现慢速无人机载SAR宽波束成像。
综上所述,目前没有一种行之有效的慢速无人机载SAR方位宽波束成像与运动补偿方法。
发明内容
有鉴于此,本发明提供了一种基于载机航迹偏差估计的无人机载SAR自聚焦方法,能够可以有效的实现慢速无人机载SAR方位宽波束成像与运动补偿,实现慢速无人机载SAR自聚焦,获得高分辨无人机载SAR图像。
本发明的基于载机航迹偏差估计的无人机载SAR自聚焦方法,包括如下步骤:
步骤1,对无人机载SAR斜距误差的空不变部分的运动误差进行估计并补偿;
步骤2,分割方位向子孔径,在各方位向子孔径内分别进行方位去斜和方位快速傅里叶变换,获得各方位向子孔径的粗聚焦图像;
步骤3,针对各方位向子孔径粗聚焦图像,获取方位向子孔径粗聚焦图像的信杂比最高的Q个孤立强散射点的坐标信息;利用当前航迹信息和强散射点的坐标信息,得到强散射点的瞬时斜视角和瞬时擦地角;
步骤4,针对各方位子孔径,基于步骤3获得的强散射点的瞬时斜视角和瞬时擦地角进行三维航迹偏差解算,获得方位子孔径航迹偏差粗估计结果;对方位子孔径航迹偏差粗估计结果进行融合,获得全孔径航迹偏差粗估计结果;基于所述全孔径航迹偏差粗估计结果对无人机载SAR的航迹进行粗补偿;
步骤5,分割方位向子孔径,分别利用粗补偿后的无人机载SAR的航迹进行后向投影成像,获得粗补偿后的子孔径图像;针对各粗补偿后的子孔径图像,选取信杂比最高的K个孤立强散射点,针对各强散射点,采用对比度最优策略进行强散射点的局部残余相位误差估计,获得局部相位误差精估计结果;
步骤6,基于局部相位误差精估计结果,解算三维航迹偏差,获得方位子孔径航迹偏差精估计结果;对方位子孔径航迹偏差精估计结果进行融合,获得全孔径航迹偏差精估计结果;基于所述全孔径航迹偏差精估计结果对无人机载SAR的航迹进行精补偿;
步骤7,利用精补偿后的无人机载SAR的航迹进行后向投影,获得无人机载SAR成像结果。
较优的,所述步骤1中,所述空不变部分的运动误差采用加权相位梯度自聚焦算法或子孔径偏移算法估计获得。
较优的,空不变运动误差补偿时,在距离频域、方位时域乘以以下函数:
其中,fc为载频,fr为基带回波信号距离频率,c为光速,ΔR0(ta;Rc,Xc)为空不变运动误差。
较优的,所述步骤3中,对所述强散射点进行基于局部的相位梯度自聚焦算法处理,获得强散射点的局部相位误差、相位梯度的方差以及坐标信息。
较优的,采用加权最小二乘算法对三维航迹偏差进行解算。
有益效果:
本发明基于回波数据估计载机航迹偏差,利用由粗到精的分步自聚焦策略,实现载机航迹偏差的精确估计,从而在根本上解决运动误差的两维空变性,实现慢速无人机载SAR自聚焦,获得高分辨无人机载SAR图像。
附图说明
图1为本发明方法流程图。
图2为无人机载SAR几何示意图。
图3为航迹偏差简化几何示意图。
图4为航迹偏差估计结果;其中,(a)为传统方法航迹偏差估计结果;(b)为本发明航迹偏差方法中粗估计的估计结果;(c)为本发明航迹偏差方法中精估计的估计结果;(d)为粗估计与精估计结果之差。
图5为实测数据成像结果;其中,(a)为惯导信息成像结果;(b)为传统运动补偿算法成像结果;(c)为本发明航迹偏差方法中粗估计的成像结果;(d)为本发明航迹偏差方法中精估计的成像结果。
图6为实测数据成像结果局部放大图;其中(a)为本发明航迹偏差方法中粗估计的成像结果(局部放大);(b)为本发明航迹偏差方法中精估计的成像结果(局部放大)。
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。
本发明提供了一种基于载机航迹偏差估计的无人机载SAR自聚焦方法,流程图如图1所示,具体包括如下步骤:
步骤一、空不变运动误差估计与补偿
无人机载SAR的工作模式为正侧视条带模式,其几何关系如图2所示。地面上照射中心时刻斜距为Rs且方位坐标为XL处的目标的斜距历程可表示为:
Rr(ta;Rs,XL)=Ri(ta;Rs,XL)+ΔR(ta;Rs,XL) (1)
其中,ta为方位时间,Ri(ta;Rs,XL)表示理想的匀速直线航迹下的斜距历程,ΔR(ta;Rs,XL)为存在航迹偏差情况下引入的斜距误差,Rr(ta;Rs,XL)为存在航迹偏差情况下的斜距历程。
斜距误差ΔR(ta;Rs,XL)可分解为空不变部分ΔR0(ta;Rc,Xc)及空变部分ΔRSV(ta,Rs,XL;Rc,Xc):
ΔR(ta;Rs,XL)=ΔR0(ta;Rc,Xc)+ΔRSV(ta,Rs,XL;Rc,Xc) (2)
其中,Rc为波束中心斜距,Xc为成像中心时刻波束中心坐标。
空不变运动误差ΔR0(ta;Rc,Xc)可由惯性导航系统以及常见的空不变运动误差估计方法获得(如常见的加权相位梯度自聚焦算法(WPGA)、子孔径偏移算法(MD)等);空不变运动误差补偿时在距离频域、方位时域乘以以下函数:
其中,fc为载频,fr为基带回波信号距离频率,c为光速。
步骤二、基于局部的相位梯度自聚焦算法(PGA)的空变运动误差估计
在空不变运动误差补偿后,分割方位向子孔径(下述子孔径均指方位向子孔径),并进行常规的方位去斜、方位快速傅里叶变换(FFT)操作,即可以获得初步聚焦的子孔径图像,即子孔径粗聚焦图像。对子孔径粗聚焦图像选择信杂比最高的Q个孤立强散射点,对所选强散射点分别进行PGA处理,获得Q个局部相位误差:
Φ(ta)=[Δφ1(ta),Δφ2(ta),...,ΔφQ(ta)]T (4)
记录各点的相位梯度的方差:
记录各强散射点坐标:
其中,na为方位子孔径序号,坐标原点为子孔径中心时刻载机位置,Rq为第q个强散射点的中心斜距,为第na个方位子孔径的波束中心前斜角,/>为第na个方位子孔径第q个强散射点在子孔径中心时刻的前斜角,/>为第na个方位子孔径第q个强散射点在子孔径中心时刻的擦地角。
然后,利用当前航迹信息[xp(ta) yp(ta) zp(ta)]和第q个强散射点坐标信息[xna_qyna_q zna_q],由简单的几何关系即可计算获得子孔径内第q个强散射点的瞬时斜视角θq(ta)和瞬时擦地角βq(ta),计算过程如下:
步骤三、基于加权最小二乘算法(WLSE)的载机航迹粗估计
此时,可由加权最小二乘算法解算三维航迹偏差,获得航迹偏差粗估计结果,过程如下:
其中,为三维航迹偏差估计结果:
M(ta)为误差传递矩阵,如下所示:
然后进行子孔径航迹偏差融合,获得全孔径航迹偏差粗估计结果。
步骤四、基于对比度最优的局部相位误差精估计
补偿航迹偏差粗估计结果,可以获得更加精确的飞行航迹。
重新分割方位向子孔径(可以采用步骤二的分割方式,也可以不同于步骤二的分割方式),利用更新后的航迹进行后向投影成像,可以获得聚焦效果有所改善的子孔径图像,对子孔径图像选择信杂比最高的K个孤立强散射点,分别进行局部残余相位误差的精估计。
局部相位误差精估计采用对比度最优策略。假定方位子孔径数据点数为Na_sub,并且方位位置m处雷达回波数据的距离脉压结果表示为σ(m),雷达位于方位位置m时与强点k的实际斜距表示为R(m;k),而其理想斜距表示为则强点k的BP反投结果可以表示为
其中
为了使得强点k聚焦,假定方位信号需要的补偿相位为则有
假定强点k周围图像像素点数总和为K,则该强点区域图像对比度C可以定义为可以简易表示为
利用简化后的图像对比度Ceq对相位误差进行求导得
令可以得到
其中
迭代估计和补偿,将每次迭代的估计结果对强点k的距离脉压结果/>进行相位补偿,则强点区域图像对比度随着迭代估计和补偿的进行而不断提高。当相邻两次迭代估计和补偿后图像对比度的变化小于某个设定的门限值时,迭代估计过程停止,并将每次迭代的估计结果累加得到相位补偿因子/>的最终估计。此时,可以从/>获得强点k的相位误差/>
步骤五、基于加权最小二乘算法(WLSE)的载机航迹精估计
该步骤同步骤三,只是将步骤三中的局部相位误差估计值、加权系数矩阵以及传递矩阵替换为步骤四局部位置误差精估计结果。其中,加权系数矩阵的统计如式(5)所示;传递矩阵的计算如式(7)、(8)所示。
载机航迹精估计后,可认为获得了足够精确的航迹,可以进行精确的后向投影成像。
步骤六、后向投影精成像
后向投影过程可表示为下式:
其中,λ为波长,(x′,y′)为成像网格,I(x′,y′)为后向投影成像结果,s(ta,tr)为距离向脉冲压缩后的回波。
至此,实现了基于航迹偏差估计的无人机载SAR自聚焦和成像,算法处理流程如图3所示。
实施例1
利用所提技术对慢速无人机载SAR挂飞实验数据进行处理,以进一步证明所提技术的可行性与有效性。慢速无人机载SAR挂飞实验参数如表1所示。
表1无人机载SAR挂飞实验参数
参数/单位 | 值 |
工作模式 | 正侧视条带 |
方位向波束宽度/° | 10 |
作用距离/km | 1 |
合成距离带宽/MHz | 1160 |
无人机飞行高度/m | 200 |
飞行速度/m/s | 20 |
对慢速无人固定翼飞机SAR回波数据进行处理,得到航迹偏差估计结果和二维成像结果分别如图4、图5所示。从图像可以看出,基于惯导信息进行BP成像,图像严重散焦(见图5(a));基于传统运动补偿算法进行成像,图像散焦依然很严重(见图5(b));基于本文所提载机航迹偏差粗估计算法进行成像,图像效果明显改善(见图5(c));基于本文所提载机航迹偏差精估计算法进行成像,图像效果同样明显改善(见图5(d))。
对图5(c)、(d)的方框区域进一步放大,如图6所示。从图像可以看出,基于载机航迹偏差粗估计算法进行成像,图像仍然存在一定的散焦;而基于载机航迹偏差精估计算法进行成像,图像得到精确聚焦。
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)
1.一种基于载机航迹偏差估计的无人机载SAR自聚焦方法,其特征在于,包括如下步骤:
步骤1,对无人机载SAR斜距误差的空不变部分的运动误差进行估计并补偿;
步骤2,分割方位向子孔径,在各方位向子孔径内分别进行方位去斜和方位快速傅里叶变换,获得各方位向子孔径的粗聚焦图像;
步骤3,针对各方位向子孔径粗聚焦图像,获取方位向子孔径粗聚焦图像的信杂比最高的Q个孤立强散射点的坐标信息;利用当前航迹信息和强散射点的坐标信息,得到强散射点的瞬时斜视角和瞬时擦地角;
步骤4,针对各方位子孔径,基于步骤3获得的强散射点的瞬时斜视角和瞬时擦地角进行三维航迹偏差解算,获得方位子孔径航迹偏差粗估计结果;对方位子孔径航迹偏差粗估计结果进行融合,获得全孔径航迹偏差粗估计结果;基于所述全孔径航迹偏差粗估计结果对无人机载SAR的航迹进行粗补偿;
步骤5,分割方位向子孔径,分别利用粗补偿后的无人机载SAR的航迹进行后向投影成像,获得粗补偿后的子孔径图像;针对各粗补偿后的子孔径图像,选取信杂比最高的K个孤立强散射点,针对各强散射点,采用对比度最优策略进行强散射点的局部残余相位误差估计,获得局部相位误差精估计结果;
步骤6,基于局部相位误差精估计结果,解算三维航迹偏差,获得方位子孔径航迹偏差精估计结果;对方位子孔径航迹偏差精估计结果进行融合,获得全孔径航迹偏差精估计结果;基于所述全孔径航迹偏差精估计结果对无人机载SAR的航迹进行精补偿;
步骤7,利用精补偿后的无人机载SAR的航迹进行后向投影,获得无人机载SAR成像结果。
2.如权利要求1所述的基于载机航迹偏差估计的无人机载SAR自聚焦方法,其特征在于,所述步骤1中,所述空不变部分的运动误差采用加权相位梯度自聚焦算法或子孔径偏移算法估计获得。
3.如权利要求1或2所述的基于载机航迹偏差估计的无人机载SAR自聚焦方法,其特征在于,空不变运动误差补偿时,在距离频域、方位时域乘以以下函数:
其中,fc为载频,fr为基带回波信号距离频率,c为光速,ΔR0(ta;Rc,Xc)为空不变运动误差。
4.如权利要求1所述的基于载机航迹偏差估计的无人机载SAR自聚焦方法,其特征在于,所述步骤3中,对所述强散射点进行基于局部的相位梯度自聚焦算法处理,获得强散射点的局部相位误差、相位梯度的方差以及坐标信息。
5.如权利要求1所述的基于载机航迹偏差估计的无人机载SAR自聚焦方法,其特征在于,采用加权最小二乘算法对三维航迹偏差进行解算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011222815.6A CN112578380B (zh) | 2020-11-05 | 2020-11-05 | 基于载机航迹偏差估计的无人机载sar自聚焦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011222815.6A CN112578380B (zh) | 2020-11-05 | 2020-11-05 | 基于载机航迹偏差估计的无人机载sar自聚焦方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112578380A CN112578380A (zh) | 2021-03-30 |
CN112578380B true CN112578380B (zh) | 2023-09-19 |
Family
ID=75120276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011222815.6A Active CN112578380B (zh) | 2020-11-05 | 2020-11-05 | 基于载机航迹偏差估计的无人机载sar自聚焦方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112578380B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093190B (zh) * | 2021-04-08 | 2023-06-16 | 中国电子科技集团公司第三十八研究所 | 基于高精度组合惯导系统的机载条带sar图像定位方法 |
CN113253268A (zh) * | 2021-06-01 | 2021-08-13 | 中南大学 | 用于斜视机载sar数据处理的md-pga自聚焦方法 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974410A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 机载雷达的多舰船目标sar和isar混合成像方法 |
CN110045373A (zh) * | 2019-04-09 | 2019-07-23 | 北京航空航天大学 | 机载多通道sar成像处理方法、装置和计算机设备 |
CN111381217A (zh) * | 2020-04-01 | 2020-07-07 | 上海无线电设备研究所 | 基于低精度惯性导航系统的弹载sar运动补偿方法 |
CN111487614A (zh) * | 2020-04-14 | 2020-08-04 | 中国人民解放军战略支援部队信息工程大学 | 基于子孔径的曲线航迹弹载sar波前重建成像方法及系统 |
CN111880180A (zh) * | 2020-07-03 | 2020-11-03 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7663529B2 (en) * | 2006-08-15 | 2010-02-16 | General Dynamics Advanced Information Systems, Inc. | Methods for two-dimensional autofocus in high resolution radar systems |
-
2020
- 2020-11-05 CN CN202011222815.6A patent/CN112578380B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974410A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 机载雷达的多舰船目标sar和isar混合成像方法 |
CN110045373A (zh) * | 2019-04-09 | 2019-07-23 | 北京航空航天大学 | 机载多通道sar成像处理方法、装置和计算机设备 |
CN111381217A (zh) * | 2020-04-01 | 2020-07-07 | 上海无线电设备研究所 | 基于低精度惯性导航系统的弹载sar运动补偿方法 |
CN111487614A (zh) * | 2020-04-14 | 2020-08-04 | 中国人民解放军战略支援部队信息工程大学 | 基于子孔径的曲线航迹弹载sar波前重建成像方法及系统 |
CN111880180A (zh) * | 2020-07-03 | 2020-11-03 | 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 |
Non-Patent Citations (1)
Title |
---|
一种强杂波环境下雷达目标微振动信号提取方法;曾涛等;《信号处理》;第35卷(第6期);第935-942页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112578380A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112578380B (zh) | 基于载机航迹偏差估计的无人机载sar自聚焦方法 | |
CN110146857B (zh) | 一种颠簸平台sar三维运动误差估计方法 | |
CN102393518B (zh) | 一种适用于大斜视角的机载sar成像方法 | |
CN110488288B (zh) | 一种机载sar高分辨层析成像方法 | |
CN105759263B (zh) | 一种高分辨率大场景下的星载斜视sar雷达成像方法 | |
CN108872986B (zh) | 一种方位角波数均匀化处理的极坐标sar运动补偿成像方法 | |
CN109917389B (zh) | 一种机载全息sar成像中的相位校正方法 | |
CN109507667B (zh) | 基于导航卫星信号的双站sar接收机运动误差补偿方法 | |
CN103487809A (zh) | 一种基于BP算法和时变基线的机载InSAR数据处理方法 | |
CN102749620B (zh) | 一种弹载/机载雷达单脉冲前视成像处理方法 | |
CN106291543A (zh) | 一种运动平台扫描雷达超分辨成像方法 | |
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 | |
Bishop et al. | Video-SAR using higher order Taylor terms for differential range | |
CN108562898B (zh) | 一种前侧视sar的距离和方位两维空变自聚焦方法 | |
CN117192553A (zh) | 一种多航过sar三维成像自聚焦方法 | |
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 | |
CN103616669B (zh) | 二维频域中对非均匀场景进行通道均衡方法 | |
CN113640794B (zh) | 一种mimo-sar三维成像自聚焦方法 | |
CN113219458B (zh) | 双基地合成孔径雷达盲定位方法 | |
CN115601278A (zh) | 基于子图像配准的高精度运动误差补偿的方法 | |
CN111505626B (zh) | 一种利用底视差分干涉测量二维地形坡度的方法 | |
CN114089333A (zh) | 一种基于直升机平台的sar振动误差估计及补偿方法 | |
CN110736988B (zh) | 双基地pfa运动目标参数估计和成像方法 | |
CN112859018A (zh) | 一种基于图像几何校正的视频sar成像方法 | |
Linglin et al. | A fast SAR image position algorithm for maritime target location |
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 |