CN113514827B - 无人机集群模式下合成孔径雷达成像处理方法及应用 - Google Patents

无人机集群模式下合成孔径雷达成像处理方法及应用 Download PDF

Info

Publication number
CN113514827B
CN113514827B CN202110233629.0A CN202110233629A CN113514827B CN 113514827 B CN113514827 B CN 113514827B CN 202110233629 A CN202110233629 A CN 202110233629A CN 113514827 B CN113514827 B CN 113514827B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
images
coordinate system
sar
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
CN202110233629.0A
Other languages
English (en)
Other versions
CN113514827A (zh
Inventor
周松
王早
包敏
杨磊
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.)
Nanchang University
Original Assignee
Nanchang 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 Nanchang University filed Critical Nanchang University
Priority to CN202110233629.0A priority Critical patent/CN113514827B/zh
Publication of CN113514827A publication Critical patent/CN113514827A/zh
Application granted granted Critical
Publication of CN113514827B publication Critical patent/CN113514827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/9021—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
    • G01S13/904—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
    • 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)
  • 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

本发明属于雷达成像技术领域，公开了一种无人机集群模式下合成孔径雷达成像处理方法及应用，建立了无人机集群一发多收模式下的信号模型，以高空无人机发射线性调频信号，K个无人机接收回波，得到椭圆正交极坐标系下多个无人机不同角度观测下的SAR复图像；在空间维度进行相干处理，对K个角度观测的子图像进行融合，将每相邻的两个子图像进行融合操作，获得第一级融合的图像结果，多次递归融合，直至获得最终的高分辨率成像结果，结束递归，最后将椭圆正交极坐标系下的成像结果投影至笛卡尔坐标系。本发明提升了无人机SAR成像的抗毁性和持续观测能力，并用于实现复杂环境下的多角度全方位的侦查观测，形成持续有效的任务执行能力。

Description

无人机集群模式下合成孔径雷达成像处理方法及应用
技术领域
本发明属于雷达成像技术领域，尤其涉及一种无人机集群模式下合成孔径雷达成像处理方法及应用。
背景技术
目前：雷达具有全天候、全天时和远距离作用的特点，在导弹制导、对地观测、灾害监控和环境保护等军用和民用领域有着广泛的应用，无人机集群新模式为日益复杂的应用环境和实际需求提供了新的思路，无人机集群(UAV Swarm)本身具体抗毁性高，单机成本低、功能分布化、并行感知和较高容错性的优势，在复杂环境下，可以持续高效的提供多角度全方位的观测。具有良好的协同执行力和战场生存能力。
与传统单平台SAR成像相比，UAVS-SAR的雷达平台个更为灵活，但回波信号特性、数据传输以及位置误差处理等问题更为复杂，这也为开发快速有效的成像算法引入了难点。与传统单平台SAR相比，集群模式下更复杂的雷达平台集合布置和飞行轨迹以及更剧烈的运动误差，导致了现有的频域算法难以直接应用于无人机集群模式下的SAR成像。因此，针对集群模式下的无人机SAR成像，需要研究高效稳健的时域快速成像方法。
无人机集群模式下的合成孔径雷达快速时域成像，既需要考虑单个无人机平台上的成像处理，还要考虑不同无人机平台之间的SAR信号相干处理。无论是现有的BP还是FFBP都难以获得高效的处理效率。基于这一问题，本发明公开了一种基于无人机集群模式下的时域快速成像算法，在多无人机平台协同的情况下，完成时间维度和空间维度的快速成像，在提高UAVS-SAR成像处理效率的同事，为后续的误差补偿设计留出了相应的算法接口。
通过上述分析，现有技术存在的问题及缺陷为：
(1)由于无人机集群模式带来的复杂的集合布置和飞行轨迹，以及小型无人机平台自身的误差也更为剧烈，导致现有的频域算法无法直接应用于UAVS-SAR成像。
(2)不同于传统的单机UAV-SAR，UAVS-SAR的成像既要考虑单个无人机平台在时间维度上的SAR信号相干处理，还要考虑多个无人机平台相互之间的SAR信号相干处理。现有的BP和FFBP都难以实现在时间和空间两个维度的高效处理。
解决以上问题及缺陷的难度为：如何针对UAVS-SAR集合构型和信号特性，对现有的FFBP算法进行拓展，设计文件、高效的时域快速成像处理架构，实现在时间和空间两个维度上的SAR信号相干处理，并提升UAVS-SAR的协同感知能力和实时探测性能。
解决以上问题及缺陷的意义为：
(1)本发明提出了一种基于无人机集群模式下的全新SAR成像概念，基于无人机集群新模式下，多无人机雷达平台协同作用与智能感知，克服了单无人机UAV-SAR的抗毁性弱，观测盲区，难以形成持续有效的任务执行能力等问题。
(2)本发明基于UAVS-SAR的几何构型和信号特性，对现有的FFBP算法进行了拓展，设计了一种稳健、高效的时域快速成像处理架构，实现了时间维度和空间维度的SAR信号相干处理。
(3)本发明通过时域的快速成像算法，不同无人机平台之间不需要传递SAR信号，子图像的数据量远低于SAR信号本身，提升了UAVS-SAR各无人机平台之间的协同性。
发明内容
针对现有技术存在的问题，本发明提供了一种无人机集群模式下合成孔径雷达成像处理方法及应用。
本发明是这样实现的，一种无人机集群模式下合成孔径雷达成像处理方法，所述无人机集群模式下合成孔径雷达成像处理方法包括：
建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法；
将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
对所得子图像重复进行操作，执行递归处理，直至获得多角度多方位观测的SAR图像，递归结束；
将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像。
进一步，所述建立无人机集群模式雷达信号的信号模型，将笛卡尔坐标系下的场景复图像投影至极坐标系下，得到椭圆正交极坐标系下的SAR复图像具体包括：
((1)雷达安装在K+1个移动无人机平台上，发射机沿着任意曲线C1飞行，K个接收机沿K条不同的轨迹Ck飞行，对于任意时刻t，发射机的天线相位中心APC的位置用xT和yT表示，其中xT和yT是关于t的函数；个接收机的天线相位中心的对应的K个天线相位中心位置为和/>P0为雷达照射场景中的任意散射点，在笛卡尔坐标系下，P0位置用P0(x0,y0)表示，在椭圆正交极坐标系下，P0位置用P0(a0,θ⊥)；成像采用后向投影BP算法，在笛卡尔坐标系下，包含该点的SAR复图像表示为：
式中，表示笛卡尔坐标系原点O到P0的距离矢量，为第K个接收机到发射机距离的一半，K∑表示发射信号与接收到的K个回波信号对应的波数矢量和；/>表示原点O到任意网格的距离矢量，K为K∑的模值，σ表示散射系数；
(2)将表示的SAR复图像投影至极坐标系下，得到极坐标系下的SAR复图像i(a,θ⊥)。
进一步，在空间维度下，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，再根据无人机集群模式SAR投影在椭圆正交极坐标系下的图像频谱，划分新的投影网格，得到个融合后的子图像。
进一步，将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像具体包括：
(1)引入一组正交的波数矢量和/>得到i(ρ,θ)的频谱解析表示式，将所有距离矢量和波数矢量沿/>和/>的方向进行分解，并利用驻相点原理POSP，得到i(ρ,θ)的近似表达式：
i(a,θ⊥)＝∫∫σcosβ0exp(-jθ0ρ0Kρ⊥-ja0Ka)×exp(jθρ0Kρ⊥+jaKa)dKρ⊥dKa；
其中：Kθ＝ρ0Kρ⊥，为变量θ对应的频率，Kρ为变量ρ对应的频率；极坐标下SAR复图像的频谱表示式为：
(2)得到无人机集群的SAR图像以及对应的频谱关系。
进一步，对于空间维度的子图像融合具体包括：
1)将相邻两个子图像的孔径中心进行融合，通过新的孔径中心以及对应的频谱关系，划分图像融合的网格；
2)将相邻两个的两个子图像两两融合，投影至新的椭圆正交极坐标系下的成像网格中，并通过在距离向和方位向的二维插值，得到融合后的新图像。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法；
将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
对所得子图像重复进行操作，执行递归处理，直至获得多角度多方位观测的SAR图像，递归结束；
将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的无人机集群模式下合成孔径雷达成像处理方法。
本发明的另一目的在于提供一种实施所述无人机集群模式下合成孔径雷达成像处理方法的无人机集群模式下合成孔径雷达成像处理系统，所述无人机集群模式下合成孔径雷达成像处理系统包括：
信号模型建立模块，用于建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法；
子图像融合模块，用于将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
递归处理模块，用于对所得子图像重复进行操作，执行递归处理，逐级提高子图像的分辨率，直至获得多角度多方位观测的SAR图像，递归结束；
SAR图像获取模块，用于将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像。
本发明的另一目的在于提供一种运行所述无人机集群模式下合成孔径雷达成像处理方法的合成孔径雷达。
本发明的另一目的在于提供一种运行所述无人机集群模式下处理方法的合成孔径雷达信号仿真系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明的无人机载SAR解决了中大型飞机平台SAR造价昂贵、操作困难、应用不灵活等不利因素。同时，无人机集群模式下，有效改善单个无人机更容易被攻击或自身故障导致任务失败，且难以形成持续有力的观察和打击、存在观测视角盲区等问题。
与现有的单个无人机载平台相比，UAVS-SAR具有抗毁性高、单机成本低廉、功能分布化、并行感知、较高容错性和多视角全方位观测能力等重要因素。在复杂环境下可以展开更有效的执行能力和战场生存能力。与此同时，UAVS技术的快速发展也为雷达、通信、遥感等应用型研究开辟了新的思路。现有的基于单平台的UAV-SAR装备通常工作模式较为单一，主动探测能力有限，例如：单个的无人机平台由于飞行轨迹和照射范围等因素的限制，SAR传感器难以进行全方位多角度的高分辨观测，并且存在前视、下视和后视的成像盲区以及障碍物遮挡等问题。
在成像算法方面，现有的频域算法难以直接应用于UAVS-SAR，采用时域算法处理具有其特有的优势。但对于UAVS-SAR的时域算法而言，成像算法设计不仅需要对单个平台的无人机进行SAR信号的相干处理，还要对空间上来自多个无人机平台的SAR信号进行相干处理。与现有的FFBP方法不同，本发明分别在时间和空降两个维度上进行了相干处理，克服了传统FFBP方法，无法对空间上的SAR孔径融合的问题，实现了对多个无人机平台成像后的图像融合，获得更高分辨率的SAR图像。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的无人机集群模式下合成孔径雷达成像处理方法流程图。
图2是本发明实施例提供的无人机集群模式下合成孔径雷达成像处理系统的结构示意图；
图2中：1、信号模型建立模块；2、子图像融合模块；3、递归处理模块；4、SAR图像获取模块。
图3是本发明实施例提供的无人机快速成像树状原理图。
图4是本发明实施例提供的信号模型图。
图5是本发明实施例提供的空间维度K-2次融合结束后，最后两个子孔径的点目标成像结果和频谱示意图。
图6是本发明实施例提供的对场景照射仿真结果图。
图7(a)是本发明实施例提供的得到的成像结果剖面图的距离向剖面图。
图7(b)是本发明实施例提供的得到的成像结果剖面图的方位向剖面图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种无人机集群模式下合成孔径雷达成像处理方法及应用，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的无人机集群模式下合成孔径雷达成像处理方法包括以下步骤：
S101：建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法(fast factorized back projection)；
S102：将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
S103：对所得子图像重复进行操作，执行递归处理，逐级提高子图像的分辨率，直至获得多角度多方位观测的SAR图像，递归结束；
S104：将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像。
本发明提供的无人机集群模式下合成孔径雷达成像处理方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的无人机集群模式下合成孔径雷达成像处理方法仅仅是一个具体实施例而已。
如图2所示，本发明提供的无人机集群模式下合成孔径雷达成像处理系统包括：
信号模型建立模块1，用于建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法；
子图像融合模块2，用于将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
递归处理模块3，用于对所得子图像重复进行操作，执行递归处理，逐级提高子图像的分辨率，直至获得多角度多方位观测的SAR图像，递归结束；
SAR图像获取模块4，用于将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像。
下面结合附图对本发明的技术方案作进一步的描述。
本发明实施例提供的无人机进群新模式下合成孔径雷达的FFBP时域快速成像仿真方法包括以下步骤：
第一步，建立信号模型，将雷达发射机设置在高空无人机上，发射线性调频信号，剩余的无人机群装载雷达接收机，每一个接收机获得来自不同观测角度的回波信号，将信号投影至椭圆正交极坐标系，获得K个不同观测角度的投影SAR图像；
第二步，在椭圆正交极坐标系下的图像进行融合，推导子图像在椭圆正交极坐标系下的二维频谱解析表示式，以相邻两个子图像孔径中心融合后的等效孔径中心和频谱的表示式对应的Kθ⊥以及Kr⊥所得到的频谱宽度来划分新的成像投影网格，在空间维度下，将子图像两两融合，得到第一级融合后的个无人机集群子图像；
第三步，对所得子图像重复进行第二步的操作，逐级获得在方位向上分辨率更高的SAR图像；
第四步，将K-1级融合后所获得的SAR图像投影至笛卡尔坐标系下，得到笛卡尔坐标系下的SAR图像。
如图4所示，SAR几何构型，雷达安装在K+1个移动无人机平台上，发射机沿着任意曲线C1飞行，K个接收机沿K条不同的轨迹Ck飞行，对于任意时刻t，发射机的天线相位中心(antenna phasecentre，APC)的位置用xT和yT表示，其中xT和yT是关于t的函数；个接收机的天线相位中心的对应的K个天线相位中心位置为和/>P0为雷达照射场景中的任意散射点，在笛卡尔坐标系下，P0位置用P0(x0,y0)表示，在椭圆正交极坐标系下，P0位置用P0(a0,θ⊥)；成像采用后向投影(backprojection，BP)算法，在笛卡尔坐标系下，包含该点的SAR复图像表示为：
上式中，表示坐标系原点O到P0的距离矢量，一般为第K个接收机到发射机距离的一半。K∑表示发射信号与接收到的K个回波信号对应的波数矢量和；/>表示APC到任意网格的距离矢量，K为K∑的模值，σ表示散射系数；
将上式表示的SAR复图像投影至椭圆正交极坐标系下，得到极坐标系下的SAR复图像i(a,θ⊥)。
本发明为了得到i(a,θ⊥)的频谱解析表示式，这里引入一组正交的波数矢量Kθ⊥和Kr⊥，如图4所示。将上式中的所有距离矢量和波数矢量沿和/>的方向进行分解，并利用POSP，可以推导得到：
i(a,θ⊥)的近似表达式，如下：
i(a,θ⊥)＝∫∫σcosβ0exp(-jθ⊥0r0Kr⊥-ja0Ka)×exp(jθ⊥r0Kr⊥+jaKa)dKrdKa；
其中：Kθ⊥＝r0Kr⊥，为变量θ对应的频率。Kr为变量r对应的频率。由上式可以得到极坐标下SAR复图像的频谱表示式为：
由上式，可以得到无人机集新模式下，多角度全方位观测的回波信号，多个不同角度观测的SAR图像和频谱的对应关系。若直接将所有SAR图像信息投影至同一个新的成像网格进行图像融合，运算量较大，不满足快速成像的要求。因此，融合的过程采用两两融合的方法，将每两个相邻的子图像进行融合，逐级提高图像的分辨率。图:3给出了无人机集群下FFBP成像的具体操作方法：1，对每个雷达接收机平台接收到的回波信号进行时间维度的FFBP，实现一段时间内的快速成像；2，将所有图像信息传递至中央处理平台，进行图像融合操作。将每两个相邻的合成孔径中心进行融合，在每个新的孔径中心下，将每相邻两个子图像进行投影，进行融合。于此同时，每个无人机平台通过FFBP处理的到的SAR图像的频谱也进行了融合，在方位向上获得了更宽的频谱。
如图5所示，得到的子图像1和子图像2投影到各自对应的椭圆正交极坐标系，得到等效子孔径1和等效子孔径2对应的SAR复图像。由于通过步骤2所述的融合，得到了图像融合后的新频谱。
如图3所示，先进行第一步，建立无人机集群一发多收模式下的信号模型，将笛卡尔坐标系下无人机集群照射的场景复图像投影至椭圆正交极坐标系下，得到椭圆正交极坐标系下的SAR复图像；第二步，将无人机集群获得的子图像传输至处理平台，进行融合，将相邻的两个孔径的中心进行融合，根据频谱划分新的投影网格，每相邻的两个图像进行融合，获得第一级的融合图像；第三步，重复上一级的融合过程，进行两两融合，直至融合至一个方位向上分辨率较高的SAR复图像，则结束递归处理。第四步，将椭圆正交极坐标系下的成像结果投影至直角坐标系下，得到最终成像结果。
下面结合仿真实验对本发明的技术效果作详细的描述。
1、仿真实验
本发明仿真所采用部分参数如表1，SAR成像几何如图4所示。
表1仿真参数设置
即：波段Ku，带宽600MHz，采样频率800MHz，脉冲重复频率1000Hz，雷达平台按照图3所示的曲线飞行，无人机集群雷达接收机中心作用距离约500m-2000m，雷达平台运动速度10m/s。设置的成像场景大小约为150m×150m(X方向×Y方向)，像素点阵为576×446(X方向×Y方向)，对应的SAR复图像图6所示。根据表1所示雷达参数和图6所示的SAR复图像，采用本发明方法进行回波信号仿真。仿真条件为64位Windows10系统matlab环境，PC硬件平台为i79750H CPU，16GB内存，采用本发明方法处理，1发16收配置下，成像时间为160s，而相同的测试环境和平台，空间维度直接投影方法的成像时间为6000s。
2、由图7(a)所示的场景中心点目标剖面图可见，无人机集群成像聚焦效果较好，其方位向分辨率为0.031m，距离向分辨率为0.70m，因此可以认为，本发明的方法获得的信号质量优于单平台UAV-SAR的成像效果，同时空间维度的FFBP图像融合方法显著降低了运算复杂度，提高了处理效率。。
本发明公开了一种基于无人机集群新模式下的合成孔径雷达成像技术，设计了稳健高效的处理架构，基于此架构，将无人机集群新概念与快速成像进行了结合。该方法在时间和空间维度都进行了相干处理，将不同无人机平台下的子图像进行了融合，实现了无人集群模式合成孔径雷达的快速成像，具体地：1，对同一段时间内(时间维度)的成像结果像投影至椭圆正交极坐标系下，得到椭圆正交极坐标系下的SAR复图像；2，将不同无人机平台下的子图像，在空间维度进行相干处理，通过对不同无人机平台的孔径进行融合，将每两个相邻的子图像重新投影在新的椭圆极坐标系下的成像网格上融合，实现了空间维度的快速成像；3，对上述融合的结果进行逐级递归处理，得到一个较高分辨率的SAR复图像；4，将上述步骤的结果重新投影至笛卡尔坐标系，得到最终成像结果。本发明基于无人机集群提出了无人机集群SAR成像的新概念，在多无人机平台的协同作用下，雷达系统具有较高的抗毁性，和多角度观测能力。与此同时，基于多无人机平台设计的处理架构开发的无人机集群快速成像方法，解决了在时间和空间维度均实现快速成像的难点。无人机集群SAR既可以继承无人机集群，单机价格低廉，抗毁性高，易于满足较为复杂的应用环境和实际需求，同时，基于无人机集群模式下的合成孔径雷达快速成像方法，也可以完成高效，稳健的多无人机平台协同成像。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种无人机集群模式下合成孔径雷达成像处理方法，其特征在于，所述无人机集群模式下合成孔径雷达成像处理方法包括：
建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法；
将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
对所得子图像重复进行操作，执行递归处理，直至获得多角度多方位观测的SAR图像，递归结束；
将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像；
所述建立无人机集群模式的信号模型，将笛卡尔坐标系下的场景复图像投影至极坐标系下，得到椭圆正交极坐标系下的SAR复图像具体包括：
(1)雷达安装在K+1个移动无人机平台上，发射机沿着任意曲线C1飞行，K个接收机沿K条不同的轨迹Ck飞行，对于任意时刻t，发射机的天线相位中心APC的位置用xT和yT表示，其中xT和yT是关于t的函数；K个接收机的天线相位中心的对应的K个天线相位中心位置为和P0为雷达照射场景中的任意散射点，在笛卡尔坐标系下，P0位置用P0(x0,y0)表示，在椭圆正交极坐标系下，P0位置用P0(a0,θ⊥)；成像采用后向投影BP算法，在笛卡尔坐标系下，包含该点的SAR复图像表示为：
式中，表示笛卡尔坐标系原点O到P0的距离矢量，为第K个接收机到发射机距离的一半，K∑表示发射信号与接收到的K个回波信号对应的波数矢量和；/>表示原点O到任意网格的距离矢量，K为K∑的模值，σ表示散射系数；
(2)将表示的SAR复图像投影至极坐标系下，得到极坐标系下的SAR复图像i(a,θ⊥)；
在空间维度下，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，再根据无人机集群模式SAR投影在椭圆正交极坐标系下的图像频谱，划分新的投影网格，得到个融合后的子图像。
2.如权利要求1所述的无人机集群模式下合成孔径雷达成像处理方法，其特征在于，将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像具体包括：
(1)引入一组正交的波数矢量和/>得到i(ρ,θ)的频谱解析表示式，将所有距离矢量和波数矢量沿/>和/>的方向进行分解，并利用驻相点原理POSP，得到i(ρ,θ)的近似表达式：
i(a,θ⊥)＝∫∫σcosβ0exp(-jθ0ρ0Kρ⊥-ja0Ka)×exp(jθρ0Kρ⊥+jaKa)dKρ⊥dKa；
其中：Kθ＝ρ0Kρ⊥，为变量θ对应的频率，Kρ为变量ρ对应的频率；极坐标下SAR复图像的频谱表示式为：
(2)得到无人机集群的SAR图像以及对应的频谱关系。
3.如权利要求2所述的无人机集群模式下合成孔径雷达成像处理方法，其特征在于，对于空间维度的子图像融合具体包括：
1)将相邻两个子图像的孔径中心进行融合，通过新的孔径中心以及对应的频谱关系，划分图像融合的网格；
2)将相邻两个的两个子图像两两融合，投影至新的椭圆正交极坐标系下的成像网格中，并通过在距离向和方位向的二维插值，得到融合后的新图像。
4.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1～3任意一项所述的无人机集群模式下合成孔径雷达成像处理方法。
5.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～3任意一项所述的无人机集群模式下合成孔径雷达成像处理方法。
6.一种实施权利要求1～3任意一项所述无人机集群模式下合成孔径雷达成像处理方法的无人机集群模式下合成孔径雷达成像处理系统，其特征在于，所述无人机集群模式下合成孔径雷达成像处理系统包括：
信号模型建立模块，用于建立信号模型，采用一发多收模式，即一台无人机平台发射线性调频信号，其余K个无人机载均设置为接收雷达，独立接收回波信号，对无人机集群接收到的每一个回波信号独立进行时间维度的相干处理，将信号投影至椭圆正交极坐标系，采用快速分解后向投影算法；
子图像融合模块，用于将所获得的子图像进行融合处理，在空间维度，进行相干处理，进行两两融合，将相邻的两个孔径中心进行融合，得到融合后的子图像；
递归处理模块，用于对所得子图像重复进行操作，执行递归处理，逐级提高子图像的分辨率，直至获得多角度多方位观测的SAR图像，递归结束；
SAR图像获取模块，用于将投影至椭圆正交极坐标系的SAR图像投影至笛卡尔坐标系，得到直角坐标系下的SAR图像。
7.一种运行权利要求1～3任意一项所述无人机集群模式下合成孔径雷达成像处理方法的雷达。
8.一种运行权利要求1～3任意一项所述无人机集群模式下合成孔径雷达成像处理方法的雷达信号仿真系统。
CN202110233629.0A 2021-03-03 2021-03-03 无人机集群模式下合成孔径雷达成像处理方法及应用 Active CN113514827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110233629.0A CN113514827B (zh) 2021-03-03 2021-03-03 无人机集群模式下合成孔径雷达成像处理方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110233629.0A CN113514827B (zh) 2021-03-03 2021-03-03 无人机集群模式下合成孔径雷达成像处理方法及应用

Publications (2)

Publication Number Publication Date
CN113514827A CN113514827A (zh) 2021-10-19
CN113514827B true CN113514827B (zh) 2023-09-05

Family

ID=78060936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110233629.0A Active CN113514827B (zh) 2021-03-03 2021-03-03 无人机集群模式下合成孔径雷达成像处理方法及应用

Country Status (1)

Country Link
CN (1) CN113514827B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115657033B (zh) * 2022-12-29 2023-07-07 北京九天微星科技发展有限公司 一种高分辨率低轨卫星合成孔径雷达成像方法
CN116381689B (zh) * 2023-06-07 2023-08-01 中国科学院空天信息创新研究院 一种无人机载多站干涉sar探测系统及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101650435A (zh) * 2009-06-10 2010-02-17 电子科技大学 基于子孔径逼近线阵三维成像合成孔径雷达快速成像方法
EP2359159A1 (en) * 2008-11-11 2011-08-24 Saab AB Sar radar system
CN102565772A (zh) * 2010-12-20 2012-07-11 中国科学院电子学研究所 基于sar子孔径序列图像的海洋动态信息提取方法
CN103186239A (zh) * 2011-12-27 2013-07-03 马克西姆综合产品公司 姿势检测及其简明表示
CN104574308A (zh) * 2014-12-30 2015-04-29 北京工业大学 一种基于采样矩阵方向优化的sar图像去噪方法
KR20170014167A (ko) * 2015-07-29 2017-02-08 서울시립대학교 산학협력단 멀티간섭기법 기반의 이온왜곡 보정 방법 및 그 장치
CN108205135A (zh) * 2018-01-22 2018-06-26 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
CN108957452A (zh) * 2018-07-22 2018-12-07 西安电子科技大学 一种合成孔径雷达自适应ffbp成像方法
WO2019118050A1 (en) * 2017-12-11 2019-06-20 Raytheon Company System and method for synthetic aperture radar image formation
WO2020049088A1 (en) * 2018-09-07 2020-03-12 Koninklijke Philips N.V. High quality high frame rate ultrasound imaging with diverging transmit beams
CN111352108A (zh) * 2020-02-28 2020-06-30 南昌大学 基于ffbp逆向处理的sar回波信号快速仿真方法
CN111443349A (zh) * 2020-02-28 2020-07-24 南昌大学 基于BiSAR回波的相关运动误差补偿方法、系统及应用
CN111537999A (zh) * 2020-03-04 2020-08-14 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8207887B2 (en) * 2009-06-19 2012-06-26 The United States Of America As Represented By The Secretary Of The Army Computationally efficent radar processing method and sytem for SAR and GMTI on a slow moving platform

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2359159A1 (en) * 2008-11-11 2011-08-24 Saab AB Sar radar system
CN101650435A (zh) * 2009-06-10 2010-02-17 电子科技大学 基于子孔径逼近线阵三维成像合成孔径雷达快速成像方法
CN102565772A (zh) * 2010-12-20 2012-07-11 中国科学院电子学研究所 基于sar子孔径序列图像的海洋动态信息提取方法
CN103186239A (zh) * 2011-12-27 2013-07-03 马克西姆综合产品公司 姿势检测及其简明表示
CN104574308A (zh) * 2014-12-30 2015-04-29 北京工业大学 一种基于采样矩阵方向优化的sar图像去噪方法
KR20170014167A (ko) * 2015-07-29 2017-02-08 서울시립대학교 산학협력단 멀티간섭기법 기반의 이온왜곡 보정 방법 및 그 장치
WO2019118050A1 (en) * 2017-12-11 2019-06-20 Raytheon Company System and method for synthetic aperture radar image formation
CN108205135A (zh) * 2018-01-22 2018-06-26 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
CN108957452A (zh) * 2018-07-22 2018-12-07 西安电子科技大学 一种合成孔径雷达自适应ffbp成像方法
WO2020049088A1 (en) * 2018-09-07 2020-03-12 Koninklijke Philips N.V. High quality high frame rate ultrasound imaging with diverging transmit beams
CN111352108A (zh) * 2020-02-28 2020-06-30 南昌大学 基于ffbp逆向处理的sar回波信号快速仿真方法
CN111443349A (zh) * 2020-02-28 2020-07-24 南昌大学 基于BiSAR回波的相关运动误差补偿方法、系统及应用
CN111537999A (zh) * 2020-03-04 2020-08-14 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"A New Fast Factorized Back Projection Algorithm for Bistatic Forward-Looking SAR Imaging Based on Orthogonal Elliptical Polar Coordinate";Song Zhou 等;《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》;20190531;正文第1510-1514页及图3 *

Also Published As

Publication number Publication date
CN113514827A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
Guan et al. Through fog high-resolution imaging using millimeter wave radar
CN111443339B (zh) 一种双基sar空变校正成像方法、装置、设备及存储介质
Geng et al. Deep-learning for radar: A survey
CN113514827B (zh) 无人机集群模式下合成孔径雷达成像处理方法及应用
CN108051809B (zh) 基于Radon变换的运动目标成像方法、装置及电子设备
CN104515971B (zh) 宽带多目标机载单站无源定位方法
Zhang et al. Matrix completion for downward-looking 3-D SAR imaging with a random sparse linear array
Yang et al. Sparsity-driven SAR imaging for highly maneuvering ground target by the combination of time-frequency analysis and parametric Bayesian learning
Zhang et al. Multirotors video synthetic aperture radar: System development and signal processing
Zhang et al. Vision-based vehicle detection for VideoSAR surveillance using low-rank plus sparse three-term decomposition
CN107589421B (zh) 一种阵列前视sar成像方法
CN111025256A (zh) 一种机载雷达的微弱生命体征信号的检测方法及系统
Wu et al. TSVD with least squares optimization for scanning radar angular super-resolution
Yarlequé et al. FMCW GPR radar mounted in a mini-UAV for archaeological applications: First analytical and measurement results
CN111352108B (zh) 基于ffbp逆向处理的sar回波信号快速仿真方法
CN107818324B (zh) 将功能性网格单元添加到随机稀疏树形网格以便空间滤波的系统和方法
Ram Fusion of inverse synthetic aperture radar and camera images for automotive target tracking
Guan et al. High resolution millimeter wave imaging for self-driving cars
Wang et al. Collaborative compressive radar imaging with saliency priors
Malanowski et al. Geometric clutter analysis for airborne passive coherent location radar
CN116047428A (zh) 基于混合域高效航迹偏移补偿的sar欺骗干扰方法
CN112947577B (zh) 网电复合无人机目标拦截方法、装置及系统
Smith et al. Multipath exploitation for radar target classification
Liang et al. A modified design method of pulse repetition frequency for synthetic aperture radar system based on the single point equivalent squint model
Souli et al. Onboard Passive Radar System Implementation for Detection and Tracking of Rogue UAVs

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