CN113189588B - 集群无人机合成孔径雷达高帧率成像方法 - Google Patents
集群无人机合成孔径雷达高帧率成像方法 Download PDFInfo
- Publication number
- CN113189588B CN113189588B CN202110484103.XA CN202110484103A CN113189588B CN 113189588 B CN113189588 B CN 113189588B CN 202110484103 A CN202110484103 A CN 202110484103A CN 113189588 B CN113189588 B CN 113189588B
- Authority
- CN
- China
- Prior art keywords
- subsystem
- subsystems
- imaging
- echo
- frame rate
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 52
- 238000001228 spectrum Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000006835 compression Effects 0.000 claims abstract description 7
- 238000007906 compression Methods 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims abstract description 6
- 230000001427 coherent effect Effects 0.000 claims abstract description 4
- 230000035485 pulse pressure Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000002592 echocardiography Methods 0.000 claims description 3
- 230000004304 visual acuity Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000659073 Achaea echo Species 0.000 description 1
- 229930091051 Arenine Natural products 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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
- G01S13/9021—SAR image post-processing 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
- 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
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
本发明公开了一种集群无人机合成孔径雷达高帧率成像方法，根据集群无人平台雷达回波信号与时域反向投影成像方法的特点，在回波录取的过程中，首先将每个无人机系统收集的回波定义为一个子系统回波，对每个子系统回波进行脉冲压缩；再计算子系统空间谱之间的重叠情况，得到子系统重复度，对子系统间重叠部分数据无失真加权以保证较高的成像质量；然后根据每个子系统的分辨能力确定成像网格大小，用时域反向投影方法得到每个子系统的粗图像，逐层迭代，将子系统图像相干融合，直至得到整个系统的高分辨成像结果。本发明的方法克服了传统单平台运动整个长孔径所造成的机理性耗时长的限制，兼顾了较高的“真帧率”与较远的观测距离。
Description
技术领域
本发明属于雷达成像技术领域，具体涉及集群无人机平台的合成孔径雷达高帧率成像技术。
背景技术
合成孔径雷达(SAR)由于其具备全天时、全天候、高分辨等显著优势，广泛应用于地形测绘、灾害救援、海洋监测和战场态势感知等领域。SAR高帧率成像技术，将观测场景的动态信息以有利于人眼直观解读的视觉活动图像方式呈现出来，可高分辨连续记录目标区域的动态变化，有利于实现对车辆、船只等地海面时敏目标的动态持续性监视。
SAR图像帧率可表示为孔径合成时间的导数：Fr＝1/Ta＝2vρa/λR，其中，Ta表示孔径合成时间，λ为波长，R为观测距离，v为平台速度，ρa为方位分辨率。因此，单平台要实现“大孔径”高分辨、高帧率成像，受平台速度、波长等限制。
为了提高成像帧率，文献“L.Wells,K.Sorensen,A.Doerry,et al.Developmentsin SAR and IFSAR systems and technologies at sandia national laboratories[C].Proc.IEEE Aerospace Conference,2005,2:1085–1095”采用重叠子孔径处理来提高图像帧率，但该图像帧率为伪帧率，成像的真帧率仍收波长限制；文献“B Zhang,Y.Pi,J.Li.Terahertz imaging radar with inverse aperture synthesis techniques:system structure,signal processing,and experiment results[J].IEEE SensorsJournal,2015,15(1):290-299.”采用太赫兹SAR成像技术实现高帧率成像，但是其波长极短，在大气环境中衰减严重，有效探测距离短，并不适用于远距离观测。现有技术无法兼顾较高的“真帧率”与较远的观测距离。
发明内容
针对现有技术存在的上述问题，本发明提出了一种集群无人机合成孔径雷达高帧率成像方法。
本发明的技术方案为：一种集群无人机合成孔径雷达高帧率成像方法，具体包括如下步骤：
S1.集群无人系统参数初始化，所述初始化的参数包括：子系统数量、子系统运动参数、发射信号载频、发射信号时宽、带宽、系统采样率、脉冲重复频率；
S2.回波录取并解调，对每个子系统的回波进行录取并解调到基带，得到子系统回波信号为si(τ，η)，其中，τ为快时间变量，η为慢时间变量，i为子孔径编号；
S3.将回波信号si(τ，η)与参考信号sref(τ)进行相关处理，得到距离向脉冲压缩后的结果
S4.通过分析子系统空间谱之间的重叠情况，得到子系统重复度；
S5.根据S4步骤得到的子系统重复度，对子系统间重叠部分数据加权以保证成像结果不失真；
S6.对M个子系统的回波进行粗成像，根据子系统的分辨能力划分子系统成像网格，第i个子系统粗成像结果为：
其中，p是第i个子系统成像结果的像素点下标，τp(η)表示在方位时刻η目标点(xp，yp)对应的快时间变量；
S7.粗图像逐级合并，具体步骤如下：
S71.将第j级Mj个子系统均匀分组，每n个相邻子系统分成一组，形成新一级Mj+1子系统，根据第j+1级子系统的分辨能力划分j+1级成像网格，相邻两级子系统数量满足关系：Mj＝nMj+1；
S72.按照S71分组将第j级子系统图像插值、相干叠加，得到第j+1级子系统成像结果。
S73.重复S71～S72的步骤，直至全部子系统合并完毕，得到高分辨成像。
进一步的，步骤S4具体步骤如下：
S41.确定每个子系统的空间谱(kxi，kyi)与子系统每个方位时刻的空间谱(kxi(η)，kyi(η))，其中，i＝1，2，...，M，M是子系统数量；
S42.初始化子系统迭代变量i＝1；
S43.计算第i个子系统每个方位时刻的空间谱与其余子系统空间谱的重复情况，并记录所有和该时刻空间谱重合的子系统空间谱的子系统数；
S44.若i＜M，i＝i+1，返回S43；否则，结束步骤S4，得到子系统重复度。
进一步的，步骤S5具体步骤如下：
S51.根据所有子系统重复度集合，将集合元素一致的方位时刻点分为一类，分类总数记作K，每一类集合的元素数目记作nk，初始化迭代变量k＝1；
S52.已知第k类方位时刻点分别属于第k类集合记录的nk个子系统，确定加权向量
且向量元素wj满足：
S53.对第k类方位时刻点的脉压数据进行加权，将nk个子系统的脉压数据乘以相应的权值；
S54.若k＜K，k＝k+1，返回S52；否则，将加权后的脉压数据记作
结束步骤S5。
本发明的有益效果：本发明的方法根据集群无人平台雷达回波信号与时域反向投影成像方法的特点，在回波录取的过程中，首先将每个无人机系统收集的回波定义为一个子系统回波，对每个子系统回波进行脉冲压缩；再计算子系统空间谱之间的重叠情况，得到子系统重复度，对子系统间重叠部分数据无失真加权以保证较高的成像质量；然后根据每个子系统的分辨能力确定成像网格大小，用时域反向投影方法得到每个子系统的粗图像，逐层迭代，将子系统图像相干融合，直至得到整个系统的高分辨成像结果。本发明的方法在集群无人SAR系统工作时，每个子系统同时录入回波数据，克服了传统单平台运动整个长孔径所造成的机理性耗时长的限制，兼顾了较高的“真帧率”与较远的观测距离，可以有效解决常规微波毫米波频段SAR系统“真帧率”难以提高的问题，通过集群无人系统分置运动、协同收发，将分布的子系统形成的短孔径分层合并，得到能够高帧高分辨成像的大孔径，以空间换时间，实现对重点区域高分辨、高帧率成像。
附图说明
图1为本发明的流程示意图；
图2为基于集群无人机的合成孔径雷达几何配置示意图；
图3为场景点目标分布示意图；
图4为子系统飞行轨迹分布示意，其中，(a)为轨迹空间分布三维视图，(b)为轨迹分布俯视图；
图5为点目标仿真回波信号脉冲压缩后二维时域示意图，其中，(a)为全局图，(b)为部分图；
图6为子系统的空间谱分布图；
图7为点目标成像结果图，其中，(a)为全场景图，(b)中心点目标图，(c)中心点距离剖面，(d)为中心点方位剖面。
具体实施方式
本发明的方法的成像总体流程图如图1所示，图2为本实施方式聚束SAR的几何配置示意图，基本参数如表1所示。
表1
| 载频(f<sub>c</sub>)/波长(λ) | 9.6GHz/3.13cm |
| 发射信号带宽(B<sub>r</sub>) | 500MHz |
| 发射信号脉冲宽度(T<sub>r</sub>) | 1μs |
| 距离向过采样系数(γ<sub>r</sub>) | 1.2 |
| 距离向采样点数(N<sub>ran</sub>) | 2048 |
| 脉冲重复频率(PRF) | 500Hz |
| 平台速度(v) | 40m/s |
| 子系统运动时间(T<sub>a</sub>) | 0.6s |
| 子系统个数(M) | 10 |
| 中心时刻平台位置(P<sub>0</sub>) | (4000，0，3000)m |
本实施方式中假定场景中有九个点目标，其分布如图3所示，其中目标O为场景中心位置。成像流程如图一所示，包括六个部分，依次为：A0.系统参数初始化；A.回波录取与解调；B.距离向脉冲压缩；C.求解子系统重复度；D.重叠数据加权；E.子系统粗成像；F.粗图像逐级合并，具体过程如下：
A0.系统参数初始化，具体初始化的参数包括采样率、方位向采样点数、集群无人系统参数。
①.设置系统采样率为：
Fs＝γr×Br＝600MHz
②.设置方位向采样点数为：
Nazi＝M×Ta×PRF＝3000
③.设置子系统运动参数：每个子系统的初始位置与飞行速度如表2所示，子系统飞行轨迹分布如图4所示。
表2
| 子系统编号 | 初始位置p<sub>i</sub>＝(x<sub>i0</sub>，y<sub>i0</sub>，z<sub>i0</sub>) | 速度v<sub>i</sub>＝(v<sub>xi</sub>，v<sub>yi</sub>，v<sub>zi</sub>) |
| i＝1 | (2.03,-86.26,-0.96)m | (0.81,39.70,-0.54)m/s |
| i＝2 | (1.70,-67.86,0.23)m | (-0.30,38.90,-0.49)m/s |
| i＝3 | (-1.89,-41.29,2.43)m | (-0.18,40.04,-0.06)m/s |
| i＝4 | (0.69,-21.26,-0.62)m | (0.61,40.10,1.81)m/s |
| i＝5 | (-1.20,2.10,2.72)m | (0.31,41.80,-0.72)m/s |
| i＝6 | (-0.67,22.77,1.02)m | (0.52,39.73,0.60)m/s |
| i＝7 | (-1.23,44.85,2.53)m | (0.59,37.81,-1.32)m/s |
| i＝8 | (-2.21,62.18,0.27)m | (-1.44,40.40,1.47)m/s |
| i＝9 | (-1.96,84.78,-1.41)m | (-0.32,40.81,0.54)m/s |
| i＝10 | (-3.19,75.60,0.33)m | (-1.05,40.39,-0.75)m/s |
A.回波录取并解调，对每个子系统的回波进行录取并解调到基带，得到子系统回波信号为si(τ，η)：
其中，Ri(η)是第i个子系统在方位时刻η的距离历史，c表示光速，Kr表示调频率，wr(·)和wa(·)分别表示距离向和方位向窗函数，本实施例中取简单的矩形窗。
慢时间变量的取值范围：
快时间变量的取值范围：
后续的推导均忽略二维窗函数。
B.将回波si(τ，η)与参考信号sref(τ)进行相关处理，得到距离向脉冲压缩后的结果
其中，χR(·)为距离脉压模糊函数，本实例中χR(·)＝sinc(·)。回波信号脉冲压缩后二维时域示意图见图5。
C.计算子系统重复度，具体步骤如下：
①.计算子系统每个方位时刻的空间谱(kxi(η)，kyi(η))：
其中，f表示距离向频率，计算每个子系统的空间谱(kxi，kyi)：
(kxi，kyi)＝∪η(kxi(η)，kyi(η))
②.初始化子系统迭代变量i＝1。
③.将所有和第i个子系统方位时刻η的空间谱重合的子系统空间谱的子系统数记录在重复度集合REP中，若第i个子系统方位时刻η的空间谱与子系统r1、r2、r3(包括第i个子系统)的空间谱重叠，则该方位时刻重复度集合记作REPi，η＝{r1，r2，r3}，第i个子系统重复度集合为
④.若i＜M，i＝i+1，返回③；若i＝M，子系统重复度计算完成，记作REP＝[REP1，REP2，REP3，...，REPM]，子系统空间谱分布见图6。
D.根据C步骤得到的子系统重复度，对子系统间重叠部分数据加权以保证成像结果不失真。
①.根据所有子系统重复度集合REP，将集合元素一致的方位时刻点分为一类。分类总数K＝19，每一类集合的元素数目记作nk，每类集合具体元素如表3所示，初始化迭代变量k＝1。
表3
②.已知第k类方位时刻点分别属于第k类集合记录的nk个子系统，确定加权向量：
③.对第k类方位时刻点的脉压数据进行加权，第rj个子系统回波权值为wj。若
为第k类方位时刻点的脉压数据，加权过程可表示为：
④.若k＜K，k＝k+1，返回②；若k＝K，D步骤完成。
E.对子系统回波进行粗成像，根据子系统的分辨能力划分子系统成像网格，第i个子孔径成像距离向网格大小dxi与方位向网格大小dyi需满足：
其中，
分别表示第i个子孔径方位向与距离向分辨能力。
其中，
表示目标被第i个子孔径波束覆盖期间的目标视角变化量，φr表示波束入射角度。
第i个子系统粗成像结果为：
其中，p是第i个子系统成像结果的像素点下标，τp(η)表示在方位时刻η目标点(xp，yp)对应的距离门。
F.粗图像逐级合并，具体步骤如下：
①.将第j级Mj个子系统均匀分组，每n＝2个相邻子系统分成一组，形成新一级Mj+1子系统，根据第j+1级子系统的分辨能力划分j+1级成像网格。相邻两级子系统数量满足关系：Mj＝2Mj+1。
②.按照①分组将第j级子系统图像插值、相干叠加，得到第j+1级子系统成像结果。
③.重复①～②的步骤，直至全部子系统合并完毕，得到高分辨成像
仿真结果如表4和图7所示，其中本方法验证所采用构型的距离向与方位向理论分辨率由以下公式计算得出：
其中，ρazi、ρran分别表示方位向与距离向分辨力，φr表示波束入射角度，θsyn表示目标被孔径波束覆盖期间的目标视角变化量。
表4
| 距离 | 方位 | |
| 3dB主瓣宽度 | 0.34m | 0.36m |
| PSLR(峰值旁瓣比) | -14.59dB | -13.15dB |
| ISLR(积分旁瓣比) | -11.74dB | -10.06dB |
由表4性能指标可以看出，本方法的仿真结果与理论计算值相符。由图7可以看出，本发明的方法实现了对场景内目标的良好聚焦，通过分布的子系统以空间换时间，将冗余数据筛选并删除后实现了对重点区域高分辨、高帧率成像。
Claims (2)
1.一种集群无人机合成孔径雷达高帧率成像方法，具体包括如下步骤：
S1.集群无人系统参数初始化，所述初始化的参数包括：子系统数量、子系统运动参数、发射信号载频、发射信号时宽、带宽、系统采样率、脉冲重复频率；
S2.回波录取并解调，对每个子系统的回波进行录取并解调到基带，得到子系统回波信号为si(τ，η)，其中，τ为快时间变量，η为慢时间变量，i为子孔径编号；
S3.将回波信号si(τ，η)与参考信号sref(τ)进行相关处理，得到距离向脉冲压缩后的结果
S4.通过分析子系统空间谱之间的重叠情况，得到子系统重复度；
具体步骤如下：
S41.确定每个子系统的空间谱(kxi，kyi)与子系统每个方位时刻的空间谱(kxi(η)，kyi(η))，其中，i＝1，2，...，M，M是子系统数量；
S42.初始化子系统迭代变量i＝1；
S43.计算第i个子系统每个方位时刻的空间谱与其余子系统空间谱的重复情况，并记录所有和该时刻空间谱重合的子系统空间谱的子系统数；
S44.若i＜M，i＝i+1，返回S43；否则，结束步骤S4，得到子系统重复度；
S5.根据S4步骤得到的子系统重复度，对子系统间重叠部分数据加权以保证成像结果不失真；
S6.对M个子系统的回波进行粗成像，根据子系统的分辨能力划分子系统成像网格，第i个子系统粗成像结果为：
其中，p是第i个子系统成像结果的像素点下标，τp(η)表示在方位时刻η目标点(xp，yp)对应的快时间变量；
S7.粗图像逐级合并，具体步骤如下：
S71.将第j级Mj个子系统均匀分组，每n个相邻子系统分成一组，形成新一级Mj+1子系统，根据第j+1级子系统的分辨能力划分j+1级成像网格，相邻两级子系统数量满足关系：Mj＝nMj+1；
S72.按照S71分组将第j级子系统图像插值、相干叠加，得到第j+1级子系统成像结果；
S73.重复S71～S72的步骤，直至全部子系统合并完毕，得到高分辨成像。
2.根据权利要求1所述的一种集群无人机合成孔径雷达高帧率成像方法，步骤S5具体步骤如下：
S51.根据所有子系统重复度集合，将集合元素一致的方位时刻点分为一类，分类总数记作K，每一类集合的元素数目记作nk，初始化迭代变量k＝1；
S52.已知第k类方位时刻点分别属于第k类集合记录的nk个子系统，确定加权向量
且向量元素wj满足：
S53.对第k类方位时刻点的脉压数据进行加权，将nk个子系统的脉压数据乘以相应的权值；
S54.若k＜K，k＝k+1，返回S52；否则，将加权后的脉压数据记作
结束步骤S5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110484103.XA CN113189588B (zh) | 2021-04-30 | 2021-04-30 | 集群无人机合成孔径雷达高帧率成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110484103.XA CN113189588B (zh) | 2021-04-30 | 2021-04-30 | 集群无人机合成孔径雷达高帧率成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113189588A CN113189588A (zh) | 2021-07-30 |
| CN113189588B true CN113189588B (zh) | 2022-05-03 |
Family
ID=76983656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110484103.XA Active CN113189588B (zh) | 2021-04-30 | 2021-04-30 | 集群无人机合成孔径雷达高帧率成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113189588B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104833974A (zh) * | 2015-05-08 | 2015-08-12 | 西安电子科技大学 | 基于图像谱压缩的sar成像快速后向投影方法 |
| CN107340518A (zh) * | 2017-07-19 | 2017-11-10 | 电子科技大学 | 一种用于信号缺失下的isar雷达成像方法 |
| CN110018474A (zh) * | 2019-01-25 | 2019-07-16 | 北京理工大学 | 基于地球同步轨道合成孔径雷达层析技术的三维成像方法 |
| CN111580564A (zh) * | 2020-04-30 | 2020-08-25 | 湖南科技大学 | 一种三维群无人机并行式多目标搜索协同作业方法 |
| CN112346030A (zh) * | 2020-10-30 | 2021-02-09 | 西安电子科技大学 | 无人机群的超分辨波达方向估计方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004144524A (ja) * | 2002-10-22 | 2004-05-20 | Terra Matrix Co Ltd | 干渉合成開口レーダ観測による地形電子情報提供システム |
| US8193967B2 (en) * | 2008-12-10 | 2012-06-05 | The United States Of America As Represented By The Secretary Of The Army | Method and system for forming very low noise imagery using pixel classification |
| CN101893710B (zh) * | 2009-05-20 | 2012-11-21 | 中国科学院电子学研究所 | 一种非均匀分布的多基线合成孔径雷达三维成像方法 |
| CN101833095B (zh) * | 2010-04-14 | 2012-06-27 | 电子科技大学 | 一种基于空域展开的星机联合sar二维频域成像方法 |
| CN102998672B (zh) * | 2012-11-27 | 2014-07-09 | 西安电子科技大学 | 基于相干化处理的步进频率isar成像方法 |
| MY184651A (en) * | 2014-01-20 | 2021-04-14 | Pillay Venkateshwara | A system for mapping and tracking ground targets |
| CN104166141B (zh) * | 2014-08-11 | 2017-05-24 | 中国电子科技集团公司第三十八研究所 | 基于子带合成的多输入多输出合成孔径雷达系统设计方法 |
| CN107544068A (zh) * | 2017-07-14 | 2018-01-05 | 电子科技大学 | 一种基于频域bp的图像域宽带合成方法 |
| CN108205135B (zh) * | 2018-01-22 | 2022-03-04 | 西安电子科技大学 | 基于无插值融合快速后向投影的雷达视频成像方法 |
| CN110095775B (zh) * | 2019-04-29 | 2023-03-14 | 西安电子科技大学 | 基于混合坐标系的颠簸平台sar快速时域成像方法 |
| KR102296961B1 (ko) * | 2019-10-01 | 2021-09-01 | 엘아이지넥스원 주식회사 | Gpu 기반의 소형 무인 비행체용 sar 영상 복원 장치 및 sar 영상 복원 시스템 |
| CN111679277B (zh) * | 2020-05-28 | 2022-05-03 | 电子科技大学 | 一种基于sbrim算法的多基线层析sar三维成像方法 |
| CN111736151B (zh) * | 2020-06-16 | 2022-03-04 | 西安电子科技大学 | 一种高效全局直角坐标投影融合的改进ffbp成像方法 |
| CN112083417B (zh) * | 2020-09-18 | 2022-02-01 | 电子科技大学 | 基于波数域拼接的分布式雷达成像拓扑设计方法 |
-
2021
- 2021-04-30 CN CN202110484103.XA patent/CN113189588B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104833974A (zh) * | 2015-05-08 | 2015-08-12 | 西安电子科技大学 | 基于图像谱压缩的sar成像快速后向投影方法 |
| CN107340518A (zh) * | 2017-07-19 | 2017-11-10 | 电子科技大学 | 一种用于信号缺失下的isar雷达成像方法 |
| CN110018474A (zh) * | 2019-01-25 | 2019-07-16 | 北京理工大学 | 基于地球同步轨道合成孔径雷达层析技术的三维成像方法 |
| CN111580564A (zh) * | 2020-04-30 | 2020-08-25 | 湖南科技大学 | 一种三维群无人机并行式多目标搜索协同作业方法 |
| CN112346030A (zh) * | 2020-10-30 | 2021-02-09 | 西安电子科技大学 | 无人机群的超分辨波达方向估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113189588A (zh) | 2021-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107229048B (zh) | 一种高分宽幅sar动目标速度估计与成像方法 | |
| CN108205135B (zh) | 基于无插值融合快速后向投影的雷达视频成像方法 | |
| Li et al. | Hybrid SAR-ISAR image formation via joint FrFT-WVD processing for BFSAR ship target high-resolution imaging | |
| CN104950306B (zh) | 一种海杂波背景下前视海面目标角超分辨成像方法 | |
| CN104076343B (zh) | 星载三通道sar‑gmti自适应杂波抑制方法 | |
| CN109143237B (zh) | 适用于任意平台轨迹的双基聚束sar的pfa波前弯曲校正方法 | |
| CN110412570B (zh) | 基于空间脉冲相位编码的hrws-sar成像方法 | |
| CN102226841A (zh) | 基于高阶多项式距离方程的同步轨道sar成像方法 | |
| CN114384520B (zh) | 一种机动平台对海面船只精细化雷达成像方法 | |
| CN105137425A (zh) | 基于卷积反演原理的扫描雷达前视角超分辨方法 | |
| CN113075660A (zh) | 基于极化合成孔径雷达sar反演海面风浪参数的方法及装置 | |
| CN113759372A (zh) | 弹载大斜视小孔径多通道sar的成像方法 | |
| CN112147608A (zh) | 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法 | |
| CN105699970A (zh) | 一种用于合成孔径雷达大场景欺骗干扰的逆距离徙动方法 | |
| CN109143236B (zh) | 适用于复杂飞行轨迹的双基聚束sar大场景成像方法 | |
| Huang et al. | Full-aperture azimuth spatial-variant autofocus based on contrast maximization for highly squinted synthetic aperture radar | |
| Ji et al. | Extended scintillation phase gradient autofocus in future spaceborne P-band SAR mission | |
| CN104931965B (zh) | 一种固定发射站双基正侧视sar成像方法 | |
| 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 | |
| CN113189588B (zh) | 集群无人机合成孔径雷达高帧率成像方法 | |
| CN114185047B (zh) | 一种基于最优极坐标变换的双基sar动目标重聚焦方法 | |
| CN114325705B (zh) | 一种高低轨双基地合成孔径雷达频域快速成像方法 | |
| CN105204020B (zh) | 基于粒子群优化的移不变双基前视sar飞行模式设计方法 | |
| CN113238229B (zh) | 一种geo星机双基sar无模糊成像方法 | |
| CN115015920A (zh) | 一种基于距离空变频谱矫正的快速后向投影成像方法 |
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 |