CN113552564B - Sar对复杂地形场景时域快速成像方法、系统、终端及应用 - Google Patents
Sar对复杂地形场景时域快速成像方法、系统、终端及应用 Download PDFInfo
- Publication number
- CN113552564B CN113552564B CN202110695708.3A CN202110695708A CN113552564B CN 113552564 B CN113552564 B CN 113552564B CN 202110695708 A CN202110695708 A CN 202110695708A CN 113552564 B CN113552564 B CN 113552564B
- Authority
- CN
- China
- Prior art keywords
- image
- elevation information
- sar
- scene
- matching
- 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 73
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 3
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000002592 echocardiography Methods 0.000 claims description 2
- 238000005111 flow chemistry technique Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation 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
- G01S13/9004—SAR image acquisition techniques
- G01S13/9017—SAR image acquisition techniques with time domain processing of the SAR signals in azimuth
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (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SAR对复杂地形场景时域快速成像方法、系统、终端及应用，所述SAR对复杂地形场景时域快速成像方法包括：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；重复进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。本发明可以在遇到复杂地形场景下利用高机动平台SAR进行快速高精度成像，并且基于FFBP成像算法的构架，易于实现工程上的流水处理和实时处理，加快运算速度。
Description
技术领域
本发明属于雷达成像技术领域，尤其涉及一种SAR对复杂地形场景时域快速成像方法、系统、终端及应用。
背景技术
目前，合成孔径雷达具有在全天候、全天时获得高分辨率图像的能力，是微波遥感的重要工具。现如今，SAR成像技术广泛地应用于地形遥感探测、军事应用等领域。随着硬件技术的飞速发展，SAR传感器可以被装备在许多设备或平台上，常见的如无人机、导弹、卫星等。当高机动平台配备SAR传感器工作时，需要对目标场景中的典型地貌特征信息进行实时的高精度成像。尤其是在遇到复杂地形场景时，能够快速对具有地形起伏的场景成像就变得尤为重要。
现有的SAR成像算法主要包括频域算法和时域算法。然而，对于一些三维场景，由于一些剧烈的地形起伏，传统的频域成像算法虽然具有较快的运算速度，但是很难直接地和地形高程数据结合处理。频域成像的方法通常需要满足或近似满足回波信号方位不变的假设，然而在很多非匀速直线飞行轨迹的高机动平台SAR下，场景的几何构型较为复杂的SAR应用模式中，回波信号不再满足方位不变的假设，这给基于频域成像算法的仿真方法引入难点。由于时域算法其独立于方位不变假设的特性，使得其对非线性飞行轨迹的高机动平台SAR具有很好的应用效果。但是，在存在地形起伏的条件下，SAR时域算法也难以获得高质量的SAR成像结果，SAR图像会出现一些严重的几何畸变，这种现象将会导致SAR图像变得无法实际使用。对于高机动平台SAR的影响会更明显，由于高机动平台SAR的曲线运动轨迹本身对于场景的地形起伏就极为敏感，这样会大大降低成像的效果。因此需要研究一种快速时域算法，用来解决结合地形起伏情况下的高机动平台SAR高精度快速成像问题。
通过上述分析，现有技术存在的问题及缺陷为：
(1)传统的频域成像算法很难直接地和地形高程数据结合处理。
(2)频域成像的方法在场景的几何构型较为复杂的SAR应用模式中，无法满足频域算法本身的方位向不变的假设，难以对复杂场景进行快速高效成像。
(3)传统时域成像算法，当场景存在复杂地形起伏时，SAR时域算法会产生一些严重的几何畸变，这种现象会导致SAR图像无法使用。
解决以上问题及缺陷的难度为：如何选择在复杂地形场景下高效、精确、适用性广的高机动平台SAR成像处理算法方法。
解决以上问题及缺陷的意义为：本发明提供高精度高效率的复杂地形场景下高机动平台SAR的快速成像算法方法，该方法可以在遇到复杂地形场景下利用高机动平台SAR进行快速高精度成像。本发明采用基于FFBP成像算法的构架，易于实现工程上的流水处理和实时处理，进一步加快运算速度。
发明内容
针对现有技术存在的问题，本发明提供了一种SAR对复杂地形场景时域快速成像方法、系统、终端及应用，尤其涉及一种基于FFBP逆向处理的SAR对复杂地形场景时域快速成像方法、系统、终端及应用。
本发明是这样实现的，一种SAR对复杂地形场景时域快速成像方法，所述SAR对复杂地形场景时域快速成像方法包括以下步骤：
步骤一，根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；可以通过灵活的控制匹配范围和对匹配因子的求解进而实现快速准确对子图像的高程信息进行重建。
步骤二，通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；利用了FFBP算法的递归特性及其快速高精度成像性能，将高程信息与FFBP算法相结合达到对复杂地形高精度快速成像。
步骤三，重复步骤一-步骤二，进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。利用了FFBP算法的递归特性及其快速高精度成像性能，将高程信息与FFBP算法相结合达到对复杂地形高精度快速成像。
进一步，步骤一中，所述根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建，包括：
(1)雷达沿着具有曲线轨迹AB的高机动平台移动，轨迹AB在XOY平面上；令t表示方位角时间，在t处，天线相位中心(APC)在(xt,yt)处，其中xt和yt表示为t的函数，如下所示：
在中心方位时间，APC用O0(0,H0,0)表示，其中H0表示雷达距地面ZOX的高度；令P0(x0,z0,h)表示场景中有高程信息的任意目标点，其中x0和z0表示笛卡尔坐标系的网格，则在t时来自P0点的回波表示为：
其中，
是相对于回波信号的波数向量，
是
相同方向上的距离向量；
将P0通过场景的几何模型从笛卡尔坐标系转换为ρθY混合坐标系，表示为P(ρ0,θ0,h)，则ρθY混合坐标系网格中的图像可以给出：
其中，
表示从C到网格P(ρ0,θ0,h)的范围矢量，其长度表示为：
(2)确定子图像内高程信息的匹配因子及匹配范围；
(3)对匹配范围内的点进行高程信息重建，已知高程信息后就可求出R(t)，从而获得第一级的子图像。
进一步，所述确定子图像内高程信息的匹配因子及匹配范围，对匹配范围内的点进行高程信息重建，包括：
(1)选取目标场景混合坐标的平均间隔，并以该间隔作为最小量计算出N个平均间隔的范围量，令这个范围量作为匹配区域即r的取值；将没有高程信息的网格点P0(ρ0,θ0)作为区域的中心，使匹配区域r的值表示半径，并取一个圆的区域；以该区域中的目标场景的极坐标P”(ρ1,θ1)半径并取一个新的圆形区域，两个区域的交集即为匹配因子，待匹配的高程信息区域表示为：
其中，ρ0和θ0表示网格点的坐标参数；ρ1和θ1代表目标场景的极坐标参数；匹配因子S表示为：
(2)计算匹配区域中N点的匹配因子后，得到匹配因子最大的点，同时该点也是匹配度最大的点；根据匹配度最高的点，即可重构网格的高程信息；P'是网格中的点，点P'的高程信息在与Y轴平行的线y'上，P0'是P0'(ρ1,θ1,h')在ρ0θ上的投影；P0'是与目标场景中的P'点具有最高匹配度的混合坐标系中的点，即待匹配的高程信息区域中相交的区域最大，故P0'和P'之间的连接线是最短的；由于P0'和P'匹配最高，故线段P0'P'也应该是最短的；只有当线段P0'P'与直线y'正交时，P0'P'才能最短，如下：
y＝PP'＝P0'P0”＝h'；
因此，点P的高度信息y等于P0'的高度信息h'；P(ρ0,θ0,y)是重构网格点P'获得高程信息的点。
进一步，步骤二中，所述通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中，包括：
(1)令i1(ρ,θ,h)和i2(ρ,θ,h)表示子图像，令ik+1(ρ,θ,h)表示合并的子图像，其中i1的APC为(xt1,yt1)，i2的APC为(xt2,yt2)，ik+1的APC为(xt0,yt0)；P0(ρ0,θ0,h)是合并的子图像上的任意点，并且该点上的信号需要由子图像i1和i2确定；P0在笛卡尔坐标系中表示为P0(x0,z0,h)，其中，
(2)i1和i2上对应于P0(x0,z0,0)的点是P1(ρ1,θ1,0)和P2(ρ2,θ2,0)，其中，
通过步骤一的高程信息重建方法求解出ρ1,θ1,ρ2,θ2，即可将上一级子图像信号投影到下一级子图像中。
本发明的另一目的在于提供一种应用所述的SAR对复杂地形场景时域快速成像方法的SAR对复杂地形场景时域快速成像系统，所述SAR对复杂地形场景时域快速成像系统包括：
高程信息重建模块，用于根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建，包括确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；
高程信息确定模块，用于通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；
全孔径图像获取模块，用于通过重复进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；重复进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
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：
根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；重复进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
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SAR回波信号快速仿真系统。
本发明的另一目的在于提供一种应用所述的SAR回波信号快速仿真系统的雷达。
本发明的另一目的在于提供一种应用所述的SAR回波信号快速仿真系统的雷达信号仿真系统。
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：本发明提供的SAR对复杂地形场景时域快速成像方法，涉及一种基于高机动平台合成孔径雷达(syntheticaperture radar，SAR)混合坐标系下的结合地形起伏的快速分解后向投影(fastfactorizedbackprojection，FFBP)算法。本发明可以在遇到复杂地形场景下利用高机动平台SAR进行快速高精度成像，并且基于FFBP成像算法的构架，易于实现工程上的流水处理和实时处理，进一步加快运算速度。
与现有技术相比，现有的频域成像算法虽然具有较快的运算速率，但是在场景几何构型较为复杂的SAR应用中，无法满足频域算法本身的方位向不变的假设，难以对复杂场景进行快速高效成像。传统时域成像算法虽然独立于方位不变假设的特性，可以对非线性飞行轨迹的SAR进行成像，但是当场景存在复杂地形起伏时，SAR时域算法会产生一些严重的几何畸变，这种现象会导致SAR图像无法使用。本发明提供的方法能够很好的客服上述两个缺点：由于FFBP成像算法具有精度高、运算速度快、适用于几乎任意轨迹任意平台下的SAR成像应用。由于在成像时考虑了地形起伏的影响，并将其于FFBP算法结合起来，能够对复杂地形进行高精度快速成像。本发明采用基于FFBP成像算法构架，易于实现工程上的流水处理和实时处理，进一步加快运算速度。
仿真实验表明，本发明的成像效果比传统FFBP方法的成像效果好得多，本发明的方法在处理时间上与传统FFBP方法相当，但是获得的SAR图像成像质量远高于传统FFBP方法。本发明是基于FFBP的递归算法，因此方法继承了FFBP成像算法自身的优势，即解决了高机动平台SAR在复杂地形场景下快速成像的技术难点，该方法具有较高的精度和较高的处理效率，并且具有较好的工程实用性。在仿真测试过程中，验证了本发明所提方法的可行性和有效性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明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发明的一些实施例，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SAR对复杂地形场景时域快速成像方法流程图。
图2是本发明实施例提供的SAR回波信号快速仿真系统结构框图；
图中：1、高程信息重建模块；2、高程信息确定模块；3、全孔径图像获取模块。
图3是本发明实施例提供的复杂地形场景几何构型图。
图4是本发明实施例提供的子图像内高程信息的匹配因子及匹配范围和对匹配范围内的点进行高程信息重建的模型图。
图4(a)是本发明实施例提供的匹配范围及匹配因子示意图。
图4(b)是本发明实施例提供的高程信息重建示意图。
图5是本发明实施例提供的子图像融合过程模型图。
图6是本发明实施例提供的场景几何模型示意图，场景大小约为800m×800m(X方向×Z方向)。
图7是本发明实施例提供的本发明方法和传统FFBP算法得到的SAR成像仿真图像。
图7(a)是本发明实施例提供的利用本发明方法得到的SAR成像仿真图像。
图7(b)是本发明实施例提供的利用传统FFBP方法得到的SAR成像仿真图像。
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SAR对复杂地形场景时域快速成像方法、系统、终端及应用，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的SAR对复杂地形场景时域快速成像方法包括以下步骤：
S101，根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；
S102，通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；
S103，重复S101-S102，进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
如图2所示，本发明实施例提供的SAR回波信号快速仿真系统包括：
高程信息重建模块1，用于根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建，包括确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；
高程信息确定模块2，用于通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；
全孔径图像获取模块3，用于通过重复进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
下面结合实施例对本发明的技术方案作进一步描述。
本发明实施例提供的SAR对复杂地形场景时域快速成像方法具体包括以下步骤：
(1)根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：将场景散射点均从笛卡尔坐标转换为混合坐标，后续操作均是基于此混合坐标系；根据场景地形起伏和子图像网格划分情况确定子图像内高程信息的匹配范围；在匹配范围内计算匹配因子的大小；根据匹配因子最大的匹配点对匹配范围内的子图像点进行高程信息重建；
(2)通过下一级子图像与场景地形的几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及场景地形与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到对应下一级子图像中；
(3)重复(1)-(2)，进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
本发明还可以具体应用于曲线运动的高机动平台SAR(例如无人机、导弹等)对地形复杂的场景(例如山区地形、复杂建筑等起伏剧烈的场景)的成像。
其他方案：确定匹配因子后的高程信息重建部分可以利用sinc插值、nufft插值等一些高精度二维插值方法进行高度重建。
如图3所示，复杂地形场景几何构型，雷达沿着具有曲线轨迹AB的高机动平台移动。轨迹AB在XOY平面上。令t表示方位角时间。在t处，天线相位中心(APC)在(xt,yt)处，其中xt和yt可以表示为t的函数，如下所示：
在中心方位时间，APC用O0(0,H0,0)表示，其中H0表示雷达距地面ZOX的高度。令P0(x0,z0,h)表示场景中有高程信息的任意目标点，其中x0和z0表示笛卡尔坐标系的网格。那么在t时来自P0点的回波可以表示为：
其中
是相对于回波信号的波数向量，
是
相同方向上的距离向量。
将P0通过场景的几何模型从笛卡尔坐标系转换为ρθY混合坐标系。然后，可以将其表示为P(ρ0,θ0,h)，则ρθY混合坐标系网格中的图像可以给出：
其中
表示从C到网格P(ρ0,θ0,h)的范围矢量，其长度表示为：
如图4(a)所示，选取目标场景混合坐标的平均间隔，并以该间隔作为最小量计算出N个平均间隔的范围量，令这个范围量作为匹配区域即r的取值。将没有高程信息的网格点P0(ρ0,θ0)作为区域的中心，使匹配区域r的值表示半径，并取一个圆的区域。然后，再以该区域中的目标场景的极坐标P”(ρ1,θ1)半径并取一个新的圆形区域，两个区域的交集即为匹配因子。需要匹配的高程信息区域可以表示为：
其中ρ0和θ0表示网格点的坐标参数。ρ1和θ1代表目标场景的极坐标参数。匹配因子S可以表示为：
计算匹配区域中N点的匹配因子后，得到匹配因子最大的点，同时该点也是匹配度最大的点。根据匹配度最高的点，可以重构网格的高程信息。如图4(b)所示，P'是网格中的点。点P'的高程信息在与Y轴平行的线y’上。P0”是P0'(ρ1,θ1,h')在ρ0θ上的投影。P0”是与目标场景中的P'点具有最高匹配度的混合坐标系中的点，这意味着也是需要匹配的高程信息区域中相交的区域最大。因此可以得出结论，P0”和P'之间的连接线是最短的。因为P0”和P'匹配最高，所以线段P0'P'也应该是最短的。只有当线段P0'P'与直线y’正交时，P0'P'才能最短，如下：
y＝PP'＝P0'P0”＝h'
这样，点P的高度信息y等于P0'的高度信息h'。P(ρ0,θ0,y)是重构网格点P'获得高程信息的点。将已知的高程信息带入R(t)，即可进一步得到子图像i1(ρ,θ,h)和i2(ρ,θ,h)。
如图5所示，以其中一组子图像融合为例。令i1(ρ,θ,h)和i2(ρ,θ,h)表示子图像，令ik+1(ρ,θ,h)表示合并的子图像，其中i1的APC为(xt1,yt1)，i2的APC为(xt2,yt2)，ik+1的APC为(xt0,yt0)。P0(ρ0,θ0,h)是合并的子图像上的任意点，并且该点上的信号需要由子图像i1和i2确定。P0可以在笛卡尔坐标系中表示为P0(x0,z0,h)，其中
(2)i1和i2上对应于P0(x0,z0,0)的点是P1(ρ1,θ1,0)和P2(ρ2,θ2,0)，其中
通过步骤一的高程信息重建方法求解出ρ1,θ1,ρ2,θ2，即可将上一级子图像信号投影到下一级子图像中。
重复步骤一-步骤二(步骤一：根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建。步骤二：通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中。)，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
下面结合仿真实验对本发明的技术方案作进一步描述。
1、仿真实验
本发明仿真所采用部分参数见表1，场景几何模型如图6所示。
表1仿真参数设置
即：波段Ku，带宽200MHz，采样频率500MHz，脉冲重复频率1000Hz，雷达平台按照图6所示的曲线飞行，飞行中心高度约3000m，雷达平台沿X方向运动速度100m/s，雷达平台沿Y方向运动速度-10m/s，平台沿X方向的加速度为4m/s2，平台沿Y方向的加速度为2m/s2。设置的成像场景大小约为800m×800m(X方向×Z方向)。根据表1所示雷达参数和图6所示的场景几何模型，采用本发明方法进行SAR成像仿真。仿真条件为64位Windows10系统matlab环境，PC硬件平台为i59400fCPU，16GB内存，采用本发明方法处理，整个SAR成像生成处理时间为3.7分钟，而相同的测试环境和平台，采用传统FFBP方法需要大约3.5分钟的处理时间。
2、通过对比可见，本发明方法增加了与高程信息结合但是其处理时间与传统FFBP算法处理时间相差无几，保持了FFBP算法的高效性。本发明方法得到的SAR图像如图7(a)所示；传统FFBP方法得到的SAR图像如图7(b)所示。通过图7(a)和图7(b)的对比，可以看到，本方法的成像效果比传统FFBP方法的成像效果好得多，本发明的方法在处理时间上与传统FFBP方法相当，但是获得的SAR图像成像质量远高于传统FFBP方法。
本发明公开了基于高机动平台SAR在混合坐标系下的结合地形起伏的FFBP算法方法。该方法基于混合坐标系将地形起伏信息与FFBP算法相结合，通过FFBP算法的递归进行SAR成像，具体地：1，根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建。2，通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；3，重复步骤一-步骤二，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
本发明是基于FFBP的递归算法，因此方法继承了FFBP成像算法自身的优势，即解决了高机动平台SAR在复杂地形场景下快速成像的技术难点，该方法具有较高的精度和较高的处理效率，并且具有较好的工程实用性。在仿真测试过程中，验证了本发明所提方法的可行性和有效性。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
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SAR对复杂地形场景时域快速成像方法，其特征在于，所述SAR对复杂地形场景时域快速成像方法包括以下步骤：
步骤一，根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建：确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；
步骤二，通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；
步骤三，重复步骤一-步骤二，进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归；
步骤一中，所述根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建，包括：
(1)雷达沿着具有曲线轨迹AB的高机动平台移动，轨迹AB在XOY平面上；令t表示方位角时间，在t处，天线相位中心APC在(xt,yt)处，其中xt和yt表示为t的函数，如下所示：
在中心方位时间，APC用O0(0,H0,0)表示，其中H0表示雷达距地面ZOX的高度；令P0(x0,z0,h)表示场景中有高程信息的任意目标点，其中x0和z0表示笛卡尔坐标系的网格，则在t时来自P0点的回波表示为：
其中，
是相对于回波信号的波数向量，
是
相同方向上的距离向量；
将P0通过场景的几何模型从笛卡尔坐标系转换为ρθY混合坐标系，表示为P(ρ0,θ0,h)，则ρθY混合坐标系网格中的图像可以给出：
其中，
表示从C到网格P(ρ0,θ0,h)的范围矢量，其长度表示为：
(2)确定子图像内高程信息的匹配因子及匹配范围；
(3)对匹配范围内的点进行高程信息重建，已知高程信息后就可求出R(t)，从而获得第一级的子图像；
所述确定子图像内高程信息的匹配因子及匹配范围，对匹配范围内的点进行高程信息重建，包括：
(1)选取目标场景混合坐标的平均间隔，并以该间隔作为最小量计算出N个平均间隔的范围量，令这个范围量作为匹配区域即r的取值；将没有高程信息的网格点P0(ρ0,θ0)作为区域的中心，使匹配区域r的值表示半径，并取一个圆的区域；以该区域目标场景的极坐标点P”(ρ1,θ1)为中心，r为半径取一个新的圆形区域，两个区域的交集即为匹配因子，待匹配的高程信息区域表示为：
其中，ρ0和θ0表示网格点的坐标参数；ρ1和θ1代表目标场景的极坐标参数；匹配因子S表示为：
(2)计算匹配区域中N点的匹配因子后，得到匹配因子最大的点，同时该点也是匹配度最大的点；根据匹配度最大的点，即可重构网格的高程信息；P'是网格中的点，点P'的高程信息在与Y轴平行的线y'上，P0”是P0'(ρ1,θ1,h')在ρ0θ上的投影；P0'是与目标场景中的P'点具有最高匹配度的混合坐标系中的点，即待匹配的高程信息区域中相交的区域最大，故P0'和P'之间的连接线是最短的；由于P0'和P'匹配最高，故线段P0'P'也应该是最短的；只有当线段P0'P'与直线y'正交时，P0'P'才能最短，如下：
y＝PP'＝P0'P0”＝h'；
因此，点P的高度信息y等于P0'的高度信息h'；P(ρ0,θ0,y)是重构网格点P'获得高程信息的点。
2.如权利要求1所述的SAR对复杂地形场景时域快速成像方法，其特征在于，步骤二中，所述通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中，包括：
(1)令i1(ρ,θ,h)和i2(ρ,θ,h)表示子图像，令ik+1(ρ,θ,h)表示合并的子图像，其中i1的APC为(xt1,yt1)，i2的APC为(xt2,yt2)，ik+1的APC为(xt0,yt0)；P0(ρ0,θ0,h)是合并的子图像上的任意点，并且该点上的信号需要由子图像i1和i2确定；P0在笛卡尔坐标系中表示为P0(x0,z0,h)，其中，
(2)i1和i2上对应于P0(x0,z0,0)的点是P1(ρ1,θ1,0)和P2(ρ2,θ2,0)，其中，
通过步骤一的高程信息重建方法求解出ρ1,θ1,ρ2,θ2，即可将上一级子图像信号投影到下一级子图像中。
3.一种应用如权利要求1～2任意一项所述的SAR对复杂地形场景时域快速成像方法的SAR对复杂地形场景时域快速成像系统，其特征在于，所述SAR对复杂地形场景时域快速成像系统包括：
高程信息重建模块，用于根据场景地形起伏信息将第一级子孔径下的子图像进行高程信息重建，包括确定子图像内高程信息的匹配因子及匹配范围；对匹配范围内的点进行高程信息重建；
高程信息确定模块，用于通过几何构型确定下一级子图像所对应的高程信息；通过确定的高程信息及与第一级子图像的几何构型找到相应的第一级子图像的信号；将对应的上一级的子图像中的信号投影到下一级子图像中；
全孔径图像获取模块，用于通过重复进行递归处理，不断获得方位分辨率升高的SAR图像，直到获得全孔径下的图像，结束递归。
4.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～2任意一项所述的SAR对复杂地形场景时域快速成像方法。
5.一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权利要求1～2任意一项所述的SAR对复杂地形场景时域快速成像方法。
6.一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如权利要求3所述的SAR对复杂地形场景时域快速成像系统。
7.一种应用如权利要求3所述的SAR对复杂地形场景时域快速成像系统的雷达。
8.一种应用如权利要求3所述的SAR对复杂地形场景时域快速成像系统的雷达信号仿真系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110695708.3A CN113552564B (zh) | 2021-06-23 | 2021-06-23 | Sar对复杂地形场景时域快速成像方法、系统、终端及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110695708.3A CN113552564B (zh) | 2021-06-23 | 2021-06-23 | Sar对复杂地形场景时域快速成像方法、系统、终端及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113552564A CN113552564A (zh) | 2021-10-26 |
| CN113552564B true CN113552564B (zh) | 2022-10-25 |
Family
ID=78102365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110695708.3A Active CN113552564B (zh) | 2021-06-23 | 2021-06-23 | Sar对复杂地形场景时域快速成像方法、系统、终端及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113552564B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102007031020B3 (de) * | 2007-07-04 | 2008-12-24 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Verarbeitung von TOPS(Terrain Observation by Progressive Scan)-SAR(Synthetic Aperture Radar)-Rohdaten und Verwendung des Verfahrens |
| CN105842694B (zh) * | 2016-03-23 | 2018-10-09 | 中国电子科技集团公司第三十八研究所 | 一种基于ffbp sar成像的自聚焦方法 |
| CN107367731B (zh) * | 2016-05-11 | 2019-08-20 | 中国科学院声学研究所 | 适合非匀速直线航迹的sas成像和运动补偿方法 |
| 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 |
| CN111352108B (zh) * | 2020-02-28 | 2022-11-29 | 南昌大学 | 基于ffbp逆向处理的sar回波信号快速仿真方法 |
| 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 |
-
2021
- 2021-06-23 CN CN202110695708.3A patent/CN113552564B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113552564A (zh) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108318880B (zh) | 一种运动误差参数化的极坐标sar成像方法 | |
| CN105842694B (zh) | 一种基于ffbp sar成像的自聚焦方法 | |
| CN111443339A (zh) | 一种双基sar空变校正成像方法、装置、设备及存储介质 | |
| CN110095775B (zh) | 基于混合坐标系的颠簸平台sar快速时域成像方法 | |
| CN111443349B (zh) | 基于BiSAR回波的相关运动误差补偿方法、系统及应用 | |
| CN104991252A (zh) | 双站圆迹sar快速时域成像方法 | |
| CN111352108B (zh) | 基于ffbp逆向处理的sar回波信号快速仿真方法 | |
| CN107367731A (zh) | 适合非匀速直线航迹的sas成像和运动补偿方法 | |
| CN114545411A (zh) | 一种基于工程实现的极坐标格式多模高分辨sar成像方法 | |
| CN114325704B (zh) | 一种基于波数谱拼接的合成孔径雷达快速时域成像方法 | |
| CN112558070B (zh) | 圆周扫描地基sar的频域成像方法及装置 | |
| CN113552564B (zh) | Sar对复杂地形场景时域快速成像方法、系统、终端及应用 | |
| CN111127334B (zh) | 基于rd平面像素映射的sar图像实时几何校正方法及系统 | |
| CN109917384B (zh) | 旋臂扫描地基sar的中远距频域快速成像方法及装置 | |
| CN115407298B (zh) | 广角凝视sar起伏路面动目标三维轨迹重构方法及装置 | |
| CN111665501A (zh) | 基于改进cbp的mimo雷达二维成像方法 | |
| CN114384519B (zh) | 超高分辨率星载合成孔径雷达成像方法及装置 | |
| CN114002666B (zh) | 任意天线构型下星载ati-sar洋流流速提取方法及设备 | |
| CN116359921A (zh) | 基于加速轨迹双基前视合成孔径雷达的快速时域成像方法 | |
| Zhou et al. | A Novel Method of Three-Dimensional Geometry Reconstruction of Space Targets Based on the ISAR Image Sequence | |
| CN112305539B (zh) | 基于球面波分解的ArcSAR极坐标格式成像方法 | |
| Wang et al. | Study on motion compensation method for W-band UAV MISAR real-time imaging | |
| CN114859349A (zh) | 基于空间极坐标斜距模型的极坐标成像方法 | |
| CN110736988B (zh) | 双基地pfa运动目标参数估计和成像方法 | |
| CN112731391A (zh) | 高效的连续成像处理方法、系统、合成孔径雷达及终端 |
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 |