CN113759371B - 一种多通道sar复图像域相位和基线误差联合估计方法 - Google Patents
一种多通道sar复图像域相位和基线误差联合估计方法 Download PDFInfo
- Publication number
- CN113759371B CN113759371B CN202110820260.3A CN202110820260A CN113759371B CN 113759371 B CN113759371 B CN 113759371B CN 202110820260 A CN202110820260 A CN 202110820260A CN 113759371 B CN113759371 B CN 113759371B
- Authority
- CN
- China
- Prior art keywords
- channel
- phase
- baseline
- error
- azimuth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000012937 correction Methods 0.000 claims abstract description 54
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 49
- 239000013598 vector Substances 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000004088 simulation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
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
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
本发明公开了一种多通道SAR复图像域相位和基线误差联合估计方法,包括:对多通道回波数据预处理;进行基带多普勒频率线性相位校正;将各通道的频率线性相位校正数据分别进行SAR成像处理得到多通道图像集;利用图像子空间方法进行通道相位误差估计并对校正各通道图像相位;对相位校正后的多通道图像集进行通道基线误差估计,利用估计得到的通道基线误差沿方位基线值的更新;利用更新得到的沿方位基线值,重复对多通道图像集利用图像子空间方法进行通道相位误差估计至进行沿方位基线值的更新的步骤至满足迭代终止条件;利用迭代终止时的沿方位基线值和通道相位误差得到HRWS SAR图像。本发明能减小图像域误差估计计算量,提高成像质量。
Description
技术领域
本发明属于雷达领域,具体涉及一种多通道SAR复图像域相位和基线误差联合估计方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式的对地观测系统,可安装在飞机、卫星、宇宙飞船等飞行平台上,具有全天时、全天候、高分辨对地观测的特点。因此,SAR系统在海洋监测、农业普查等领域具有独特的应用优势。
随着SAR系统在民用和军用领域的广泛应用,高分辨率宽测绘带(HRWS)成像在全球范围内已逐渐成为关注热点。对于传统的单通道SAR系统,为了实现HRWS成像并避免距离模糊,通常采用低PRF(pulse repetition frequency,脉冲重复频率),即低方位采样率。然而,低PRF将导致低多普勒带宽,这将意味着雷达天线的方位角尺寸不能设置得足够大以保证高方位角分辨率,也就是说,传统的单通道SAR系统中高方位解和宽幅(宽测绘带)是矛盾的。
为了解决这个矛盾,相关学者结合数字波束成形技术,提出了方位多通道SAR(MACs SAR)系统。MACs SAR系统以低PRF的单通道发送chirp信号,即PRF低于系统各接收通道信号的多普勒带宽,所有天线通道同时接收回波。由于低PRF,每个接收通道的回波在多普勒域中是模糊的。为了充分利用方位角信号携带的信息,通过重构无多普勒模糊度信号,合并所有接收通道的回波。本质上,此MACs SAR系统以低PRF模式运行,并使用多个方位接收通道来等效地增加方位采样率。众多SAR系统已经验证了该模式的可行性和有效性,例如DLR的新型多频极化机载SAR、加拿大第二颗商业对地观测SAR卫星、中国高分三号对地观测SAR卫星。
然而,由于空间温度变化等非理想因素的存在,MACs SAR系统通道间通常存在一定的幅相误差,导致通道不匹配。这些通道间的不匹配将会严重影响图像重构的性能,造成成像结果中存在方位模糊的现象,从而严重降低成像质量,导致HRWS成像效果较差。因此,针对MACs SAR系统中通道间不匹配的估计和校正,已经成为实际操作中的关键问题。针对其中较难处理的相位误差,现有方法主要是在时域进行估计处理,其对成像利用最小熵方法,对通道间的相位误差进行迭代估计,但该种方法依靠循环搜索实现,计算量较大,且容易陷入局部最优解,导致无法获取精确的估计结果,从而导致最终成像得到的HRWS SAR图像质量较差。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种多通道SAR复图像域相位和基线误差联合估计方法。本发明要解决的技术问题通过以下技术方案实现:
对获取的MACs SAR系统的多通道回波数据分别进行预处理;
将预处理后的多通道回波数据分别进行基带多普勒频率线性相位校正,得到各通道的频率线性相位校正数据;
将各通道的所述频率线性相位校正数据分别进行SAR成像处理,由得到的各通道图像整合得到多通道图像集;
对所述多通道图像集利用图像子空间方法进行通道相位误差估计,并根据通道相位误差估计结果,对各通道图像进行相位校正;
对相位校正后的多通道图像集进行通道基线误差估计,利用估计得到的通道基线误差,进行沿方位基线值的更新;
利用更新得到的沿方位基线值,重复对所述多通道图像集利用图像子空间方法进行通道相位误差估计,至进行沿方位基线值的更新的步骤,直至满足迭代终止条件;
利用迭代终止时的沿方位基线值和通道相位误差得到HRWS SAR图像。
可选的一种实施方式中,所述对获取的MACs SAR系统的多通道回波数据分别进行预处理,包括:
对所述多通道回波数据分别进行通道幅度误差校正;
对经过通道幅度误差校正后的多通道回波数据分别进行多普勒中心校正。
可选的一种实施方式中,所述对所述多通道回波数据分别进行通道幅度误差校正,包括:
将所述多通道回波数据的平均幅度值调整为一致。
可选的一种实施方式中,所述对经过通道幅度误差校正后的多通道回波数据分别进行多普勒中心校正,包括:
将经过通道幅度误差校正后的各通道回波数据的频谱中心移动到零频位置。
可选的一种实施方式中,所述将预处理后的多通道回波数据分别进行基带多普勒频率线性相位校正,包括:
将所述预处理后的各通道回波数据分别变换至方位频域后,乘以对应的补偿项。
可选的一种实施方式中,所述补偿项的构造形式,包括:
Hm(fa)=exp(-j2πxmfa/v)
其中,Hm(fa)表示方位频域上,第m个通道对应的补偿项,xm表示第m个通道和参考通道的相对位置,fa表示方位频率,v表示雷达速度。
可选的一种实施方式中,所述对所述多通道图像集利用图像子空间方法进行通道相位误差估计,包括:
获得所述多通道图像集对应的第一协方差矩阵;
对所述第一协方差矩阵进行特征值的分解,得到所述多通道图像集对应的第一噪声子空间;
基于所述第一噪声子空间,求解预先构建的第一函数的最优解,得到通道相位误差估计值矩阵;其中,所述第一函数为通道相位误差估计问题的最优目标函数。
可选的一种实施方式中,所述第一函数的表达式,包括:
其中,Γ表示通道间的相位误差项组成的对角矩阵;ai表示序号为i的方位模糊所对应的导向矢量;arg min{·}表示使{}中的目标函数取最小值时的变量值;i表示方位模糊数量的变化序号,i的取值范围为[-I,I],I大于0,共计(2I+1)个方位模糊;{·}H表示对矩阵进行共轭转置操作;Un表示第一噪声子空间。
可选的一种实施方式中,所述对相位校正后的多通道图像集进行通道基线误差估计,包括:
获得所述相位校正后的多通道图像集对应的第二协方差矩阵;
对所述第二协方差矩阵进行特征值的分解,得到所述相位校正后的多通道图像集对应的第二噪声子空间;
基于所述第二噪声子空间,利用最小二乘法求解预先构建的第二函数的最优解,得到通道基线误差估计值矩阵;其中,所述第二函数为沿方位基线测量误差估计问题的最优目标函数。
可选的一种实施方式中,所述第二函数的表达式,包括:
其中,ΔX表示通道基线误差估计值矩阵;ai表示序号为i的方位模糊所对应的导向矢量;arg min{·}表示使{}中的目标函数取最小值时的变量值;i表示方位模糊数量的变化序号,i的取值范围为[-I,I],I大于0,共计(2I+1)个方位模糊;{·}H表示对矩阵进行共轭转置操作;U表示第二噪声子空间。
本发明实施例所提供的方案中,对现有的相位误差估计方法的处理流程进行了改进,提出了一种基于成像后校正通道误差的多通道SAR数据处理的机制,采用在复图像域中对多通道相位误差和基线误差进行联合估计。相比于以往的频域估计方法在处理时,无法有效对原始数据区分出清晰区域,本发明实施例采用先成像再估计的处理方式,由于成像后信号的能量相对于成像前更能集中而且回波数据局域化了,能够方便分块处理,在选取信噪比高的子图像进行通道相位误差估计时,能得到更好的误差估计效果。而相比于现有的时域估计方法,本发明实施例方法无需对图像进行循环搜索,因而能够减小计算量,并且在图像域引入基线误差估计,与通道相位误差估计联合,能够减小由于方位基线不准确和通道相位不一致带来的多通道信号重构和方位模糊抑制性能的下降,能够减小图像域误差估计的计算量,提高HRWS SAR图像的质量。
可见,本发明实施例提出的基于成像后校正通道误差的多通道SAR数据处理机制,将成像和误差估计分离开来,对未来探索新的应用场景具有较大的意义。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1为本发明实施例提供的一种多通道SAR复图像域相位和基线误差联合估计方法的流程示意图;
图2为本发明实施例提供的一种多通道SAR复图像域相位和基线误差联合估计方法的简化流程示意图;
图3为本发明实施例提供的MACs SAR系统的几何构型示意图;
图4(a)为未使用通道误差估计和补偿得到的成像结果对应的灰度图;
图4(b)为由本发明实施例方法得到的成像结果对应的灰度图;
图5(a)为图4(a)的成像结果沿着第1360个距离单元的切片图;
图5(b)为图4(b)的成像结果沿着第1360个距离单元的切片图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了提高MACs SAR系统的误差估计结果,得到质量较佳的HRWS SAR图像,本发明实施例提供了一种多通道SAR复图像域相位和基线误差联合估计方法。
需要说明的是,本发明实施例所针对的MACs SAR系统可以为机载雷达系统,该系统可以将回波数据存储在存储硬核中,而本发明实施例所提供的一种多通道SAR复图像域相位和基线误差联合估计方法的执行主体可以为一数据处理设备,如计算机等,该数据处理设备可以通过数据传输,数据复制等形式,获取MACs SAR系统已录取的多通道回波数据,从而进行后续的处理过程,具体的数据处理工具可以为Matlab等。
如图1所示,本发明实施例所提供的一种多通道SAR复图像域相位和基线误差联合估计方法,可以包括如下步骤:
S1,对获取的MACs SAR系统的多通道回波数据分别进行预处理。
设定本发明实施例的MACs SAR系统存在(2I+1)个方位模糊的M通道SAR信号,即共有M个通道的回波数据;第m个通道的两维(距离和方位)频域信号可以表示为以下形式:
其中,Sc,m(fr,fa)表示第m个通道的两维频域信号,1≤m≤M,M为大于1的自然数;i表示方位模糊数量的变化序号;i的取值范围为[-I,I],I大于0;Γc,m和Δθm分别表示第m个通道的幅度误差和相位误差;exp表示以自然常数e为底的指数函数;j表示复数的虚部;S0′表示理想无方位模糊的两维信号频谱;fr表示距离频率;fa表示方位频率;fd表示多普勒中心频率;fp表示脉冲重复频率(PRF);xm表示第m个通道和参考通道的相对位置,即对应的雷达天线基线;Δxm表示第m个通道对应的雷达天线方位基线误差;v表示雷达速度。其中,Sc,m和Γc,m下标中的c表示通道channel,m为变量;fr、fa和fp为自定义参数。
可选的一种实施方式中,对获取的MACs SAR系统的多通道回波数据分别进行预处理,包括以下步骤:
S11,对所述多通道回波数据分别进行通道幅度误差校正。
具体的,该步骤是将所述多通道回波数据的平均幅度值调整为一致。
比如,可以利用求取平均值/加权平均值,以及归一化等方式,将M个通道的回波数据的平均幅度值变为一致,即实现各Γc,m相同。处理后,(1)中的Γc,m不再存在,结果如下所示:
S12,对经过通道幅度误差校正后的多通道回波数据分别进行多普勒中心校正。
该步骤是在斜视条件下补偿各通道信号的多普勒中心,具体是,将经过通道幅度误差校正后的各通道回波数据的频谱中心移动到零频位置。处理后(2)中的fd不再存在,结果如下所示:
S2,将预处理后的多通道回波数据分别进行基带多普勒频率线性相位校正,得到各通道的频率线性相位校正数据。
可选的一种实施方式中,该步骤包括:
将所述预处理后的各通道回波数据分别变换至方位频域后,乘以对应的补偿项。
补偿项的构造形式为:
Hm(fa)=exp(-j2πxmfa/v) (4)
其中,Hm(fa)表示方位频域上,第m个通道对应的补偿项。
本发明实施例将各通道回波数据变换到方位频域(方位多普勒域),补偿每个通道数据由于方位基线带来的基带多普勒频率线性相位差异,以实现将多通道回波数据在方位时域上关于参考通道对齐的目的。
S3,将各通道的所述频率线性相位校正数据分别进行SAR成像处理,由得到的各通道图像整合得到多通道图像集。
各通道进行SAR成像处理采用相同的成像算法。所述成像算法包括但不仅限于距离多普勒(RD,Range Doppler)、线频调变标(CS,Chirp Scaling)及其拓展算法等方位时域成像算法。
可选的一种实施方式中,所述成像算法可以为经典的频域校正距离走动的RD算法。以下对该算法的成像过程进行简要说明,主要包括以下步骤。
1),将各通道的所述频率线性相位校正数据分别进行FFT变换(Fast FourierTransformation,快速傅氏变换),将数据变换至距离频域上。
2),将变换后得到的各通道数据乘以对应的频域校正距离走动的补偿项。
其中,频域校正距离走动的补偿项可以构造为:
其中,Hrmc(fa,fr)表示第m个通道对应的频域校正距离走动的补偿项;Rb表示斜距;faM表示回波的最大多普勒;c表示光速。
3),对步骤2处理后的各通道数据进行方位匹配滤波。
具体的,利用逆FFT变换,将步骤2处理后的各通道数据变换至距离时域上,再乘以匹配滤波参考函数。
由于对方位信号成像可等效于对方位信号进行匹配滤波,因此基带频率的匹配滤波参考函数可以构造为:
4),将3)处理后的各通道数据经过两维逆傅里叶变换到方位时域,得到多通道图像构成的多通道图像集。
经过方位匹配滤波以及两维逆傅里叶变换到方位时域后,图像中的真实点在两维时域就可以聚焦,但是图像中由于方位模糊造成的虚影由于存在剩余的距离徙动,所以未完全聚焦。此时的多通道图像集可以表示为如下形式:
其中,Fc表示多通道图像构成的多通道图像集,其为矩阵形式;Γ表示通道间的相位误差项组成的对角矩阵;A表示包含天线基线误差的图像域导向矢量构成的矩阵;表示组成多通道图像的不同频带图像;N表示高斯白噪声矩阵。具体的:
其中,diag表示在FreeMat、Matlab中用于构造一个对角矩阵的一个函数。
A=[b-Ia-I … biai … bIaI] (9)
其中,
bi=diag[ε1,i … εm,i …εM,i] (10)
其中,εm,i表示基线误差给通道m、方位模糊分量i带来的相位项。
其中,ai表示序号为i的方位模糊所对应的导向矢量。
ai=[κ1,i … κm,i … κM,i]T (12)
其中,κm,i表示天线基线给通道m、方位模糊分量i带来的相位项。
其中,Fi'表示不同序号的频带的模糊分量成像对应得到的子图像,此处用理论分析,表示实际得到多通道图像集Fc可以由该图像集构成。
可以理解的是,执行S3步骤后,后续处理环节在复图像域进行。
S4,对所述多通道图像集利用图像子空间方法进行通道相位误差估计,并根据通道相位误差估计结果,对各通道图像进行相位校正。
可选的一种实施方式中,所述对所述多通道图像集利用图像子空间方法进行通道相位误差估计,包括以下步骤:
A1,获得所述多通道图像集对应的第一协方差矩阵。
矩阵Fc的协方差矩阵的分析过程主要包括以下表达式:
其中,E{·}表示求均值操作;{·}H表示对矩阵进行共轭转置操作;表示噪声的功率;In表示单位矩阵。
本发明实施例为了便于区分,将矩阵Fc的协方差矩阵命名为第一协方差矩阵。
A2,对所述第一协方差矩阵进行特征值的分解,得到所述多通道图像集对应的第一噪声子空间。
分解所述第一协方差矩阵的特征值可以得到图像空间。根据分解得到的特征值的大小,可以将得到的图像空间划分为图像的信号子空间Us和图像的噪声子空间Un。其中划分依据是,将各特征值与一个预设的特征值阈值进行比较,由大于特征值阈值的特征值对应的特征向量组成图像的信号子空间,由小于特征值阈值的特征值对应的特征向量组成图像的噪声子空间,理论上信号子空间与噪声子空间正交。本发明实施例为了便于区分,将该步骤得到的信号子空间Us命名为第一信号子空间,将该步骤得到的噪声子空间Un命名为第一噪声子空间,可以理解的是,Us和Un表现为矩阵形式。
其中,特征值的分解满足如下两个条件:①特征值λm满足λ1>λ2>…>λ2L+1>>λ2L+2=…λM,特征值λm对应的特征向量为um,其中m=1,2,…,M;②信号的导向矢量矩阵的每列正交于第一噪声子空间Un的每列,Un=[u2L+2,u2L+3,...,uM]。关于特征值分解的具体过程请参见相关现有技术,在此不做赘述。
A3,基于所述第一噪声子空间,求解预先构建的第一函数的最优解,得到通道相位误差估计值矩阵。
其中,所述第一函数为通道相位误差估计问题的最优目标函数。
所述第一函数的表达式,包括:
其中,Γ表示通道间的相位误差项组成的对角矩阵;ai表示序号为i的方位模糊所对应的导向矢量;arg min{·}表示使{}中的目标函数取最小值时的变量值;i表示方位模糊数量的变化序号,i的取值范围为[-I,I],I大于0,共计(2I+1)个方位模糊;{·}H表示对矩阵进行共轭转置操作;Un表示第一噪声子空间。
(16)等价于下式:
δ=ve=Γ (18)
其中,vec表示matlab中的函数取矩阵的对角元素操作。
Di=diag(ai) (19)
在线性约束条件为δHw=1,w=[1,0,0,…,0]T时,可以得到所述第一函数的最优解其表示通道相位误差估计值矩阵。
之后,所述根据通道相位误差估计结果,对各通道图像进行相位校正可以包括:
将得到的相位误差的估计值补偿到各通道图像中,式(7)可以变为:
F′c(τ,ta)=AF'+N (22)
其中,F′c(τ,ta)表示相位校正后的多通道图像集。
S5,对相位校正后的多通道图像集进行通道基线误差估计,利用估计得到的通道基线误差,进行沿方位基线值的更新。
可选的一种实施方式中,所述对相位校正后的多通道图像集进行通道基线误差估计,包括以下步骤:
B1,获得所述相位校正后的多通道图像集对应的第二协方差矩阵。
B2,对所述第二协方差矩阵进行特征值的分解,得到所述相位校正后的多通道图像集对应的第二噪声子空间。
B1~B2是对相位校正后的多通道图像集F′c(τ,ta)统计图像空间并进行空间分解,具体过程类似于A1和A2,在此不做赘述。
令U为经过残余常数相位补偿之后MACs SAR系统对应的噪声子空间,本发明实施例为了区别,将其命名为第二噪声子空间。
B3,基于所述第二噪声子空间,利用最小二乘法求解预先构建的第二函数的最优解,得到通道基线误差估计值矩阵。
其中,为了估计沿方位基线测量误差矩阵,预先构造第二函数。所述第二函数为沿方位基线测量误差估计问题的最优目标函数。
所述第二函数的表达式,包括:
其中,ΔX表示通道基线误差估计值向量;ai表示序号为i的方位模糊所对应的导向矢量;arg min{·}表示使{}中的目标函数取最小值时的变量值;i表示方位模糊数量的变化序号,i的取值范围为[-I,I],I大于0,共计
(2I+1)个方位模糊;H表示对矩阵进行共轭转置操作;U表示第二噪声子空间。
式(23)等价于最小化如下函数J:
J=min||X+YΔd|| (24)
其中,min表示求最小值;||·||表示求2范数;X表示;Y表示;Δd表示通道基线误差组成的对角矩阵。
即:
X=-YΔd (25)
其中:
对方程(25),利用最小二乘法求解,得到通道基线误差估计结果,即通道基线误差估计值矩阵通道基线误差估计值矩阵中含有多个通道基线误差估计值,用于表征沿方位基线的测量误差。
其中,real·为提取复变量实部操作。
之后,所述利用估计得到的通道基线误差,进行沿方位基线值的更新,可以包括:
利用得到的通道基线误差估计值,对通道基线的测量值进行校正,得到准确的沿方位基线值。处理过程可以表示为下式:
其中,表示更新得到的第m个通道的沿方位基线值,即准确的沿方位基线值;xm表示第m个通道的沿方位基线的测量值,即通道基线的测量值;/>表示第m个通道的通道基线误差估计值。
S6,利用更新得到的沿方位基线值,重复对所述多通道图像集利用图像子空间方法进行通道相位误差估计,至进行沿方位基线值的更新的步骤,直至满足迭代终止条件。
该步骤是利用更新得到的沿方位基线值,重复S4-S5步骤直至满足迭代终止条件。其中,迭代终止条件可以为迭代次数达到预定次数,比如在实际中一般选择两次即可达到较高估计精度。
利用更新得到的沿方位基线值更新式(7)及之后公式中涉及的xm,重新进行通道相位误差估计和通道基线误差估计。具体过程请结合前述步骤理解,在此不做详细说明。
S7,利用迭代终止时的沿方位基线值和通道相位误差得到HRWS SAR图像。
该步骤是利用最终得到的相位误差补偿多通道数据,利用最终的沿方位基线值对多通道数据重构无方位模糊的多普勒谱,运用SAR成像得到HRWS SAR图像。关于该步骤的具体过程请参见相关技术理解,在此不做详细说明。
本发明实施例方法的简化流程示意图请参见图2,具体内容请结合前文理解,在此不做重复说明。
本发明实施例所提供的方案中,对现有的相位误差估计方法的处理流程进行了改进,提出了一种基于成像后校正通道误差的多通道SAR数据处理的机制,采用在复图像域中对多通道相位误差和基线误差进行联合估计。相比于以往的频域估计方法在处理时,无法有效对原始数据区分出清晰区域,本发明实施例采用先成像再估计的处理方式,由于成像后信号的能量相对于成像前更能集中而且回波数据局域化了,能够方便分块处理,在选取信噪比高的子图像进行通道相位误差估计时,能得到更好的误差估计效果。而相比于现有的时域估计方法,本发明实施例方法无需对图像进行循环搜索,因而能够减小计算量,并且在图像域引入基线误差估计,与通道相位误差估计联合,能够减小由于方位基线不准确和通道相位不一致带来的多通道信号重构和方位模糊抑制性能的下降,能够减小图像域误差估计的计算量,提高HRWS SAR图像的质量。
可见,本发明实施例提出的基于成像后校正通道误差的多通道SAR数据处理机制,将成像和误差估计分离开来,对未来探索新的应用场景具有较大的意义。
为了便于理解本发明实施例的相关效果,对仿真实验数据进行说明。如图3所示,图3为本发明实施例提供的MACs SAR系统的几何构型示意图。
该系统中,表示方位五通道天线阵列,沿航迹方向均匀分布,两两间距为d,发射通道位于天线阵列中心,以T表示,天线阵列的每个通道都可作为接收回波信号的通道。X、Y和Z表示空间坐标轴。Rb表示表示雷达飞行R1~R5轨迹到场景中的斜距。v表示雷达速度(飞行平台速度)。Scene表示雷达照射的地面场景。P表示场景中心点。相关参数请见表1所示。
表1仿真参数表
参数 | 参数值 | 单位 |
场景中心斜距 | 15 | Km |
载频 | 10 | GHz |
飞行平台速度 | 180 | m/s |
发射信号带宽 | 100 | MHz |
脉冲重复频率 | 240 | Hz |
在存在相同通道相位误差和天线基线误差的条件下,分析本发明实施例提出的多通道相位和基线误差联合估计方法的估计性能,仿真结果如表2所示:
表2仿真实验通道相位误差估计结果
表3仿真实验通道基线误差估计结果
对比分析表2和表3中关于通道相位误差和通道基线误差的估计结果可知,使用本发明实施例所提出的方法,估计得到的通道误差接近仿真实验中设定的实际通道相位误差,从而能够验证本发明实施例所提出的多通道相位和基线误差联合估计方法的有效性。
请参见图4和图5,其中图4(a)为未使用通道误差估计和补偿得到的成像结果对应的灰度图,图4(b)为由本发明实施例方法得到的成像结果对应的灰度图。对比图4(a)和图4(b)发现,经过本发明实施例方法估计的通道误差补偿和准确基线重构得到的多通道成像结果更加清晰,且沿着方位向的模糊点被明显抑制。
为了进一步说明通过本发明实施例方法对成像带来的效果,选取图4(a)和图4(b)第1360个距离画出其沿着方位向的切片图,分别对应图5(a)和图5(b)。图5(a)和图5(b)中,横轴表示方位角时间,纵轴表示信号幅度。对比可见,相对于图5(a)未进行通道误差补偿的结果中方位模糊点的幅度在-35dB左右,图5(b)中的方位模糊点的幅度被抑制在-57dB和76dB左右,因此,可以表明表2和表3中对通道相位误差和基线误差估计的准确性。可见,本发明实施例方法通过在图像域进行通道相位误差和基线误差的联合估计,能够减小由于方位基线不准确和通道相位不一致带来的多通道信号重构和方位模糊抑制性能的下降,能够提高HRWS成像的质量。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述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,均包含在本发明的保护范围内。
Claims (10)
1.一种多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,包括:
对获取的MACs SAR系统的多通道回波数据分别进行预处理;
将预处理后的多通道回波数据分别进行基带多普勒频率线性相位校正,得到各通道的频率线性相位校正数据;
将各通道的所述频率线性相位校正数据分别进行SAR成像处理,由得到的各通道图像整合得到多通道图像集;
对所述多通道图像集利用图像子空间方法进行通道相位误差估计,并根据通道相位误差估计结果,对各通道图像进行相位校正;
对相位校正后的多通道图像集进行通道基线误差估计,利用估计得到的通道基线误差,进行沿方位基线值的更新;
利用更新得到的沿方位基线值,重复对所述多通道图像集利用图像子空间方法进行通道相位误差估计,至进行沿方位基线值的更新的步骤,直至满足迭代终止条件;
利用迭代终止时的沿方位基线值和通道相位误差得到HRWS SAR图像。
2.根据权利要求1所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述对获取的MACs SAR系统的多通道回波数据分别进行预处理,包括:
对所述多通道回波数据分别进行通道幅度误差校正;
对经过通道幅度误差校正后的多通道回波数据分别进行多普勒中心校正。
3.根据权利要求2所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述对所述多通道回波数据分别进行通道幅度误差校正,包括:
将所述多通道回波数据的平均幅度值调整为一致。
4.根据权利要求2或3所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述对经过通道幅度误差校正后的多通道回波数据分别进行多普勒中心校正,包括:
将经过通道幅度误差校正后的各通道回波数据的频谱中心移动到零频位置。
5.根据权利要求1所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述将预处理后的多通道回波数据分别进行基带多普勒频率线性相位校正,包括:
将所述预处理后的各通道回波数据分别变换至方位频域后,乘以对应的补偿项。
6.根据权利要求5所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述补偿项的构造形式,包括:
Hm(fa)=exp(-j2πxmfa/v)
其中,Hm(fa)表示方位频域上,第m个通道对应的补偿项,xm表示第m个通道和参考通道的相对位置,fa表示方位频率,v表示雷达速度。
7.根据权利要求1所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述对所述多通道图像集利用图像子空间方法进行通道相位误差估计,包括:
获得所述多通道图像集对应的第一协方差矩阵;
对所述第一协方差矩阵进行特征值的分解,得到所述多通道图像集对应的第一噪声子空间;
基于所述第一噪声子空间,求解预先构建的第一函数的最优解,得到通道相位误差估计值矩阵;其中,所述第一函数为通道相位误差估计问题的最优目标函数。
8.根据权利要求7所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述第一函数的表达式,包括:
其中,Γ表示通道间的相位误差项组成的对角矩阵;ai表示序号为i的方位模糊所对应的导向矢量;arg min{·}表示使{}中的目标函数取最小值时的变量值;i表示方位模糊数量的变化序号,i的取值范围为[-I,I],I大于0,共计(2I+1)个方位模糊;{·}H表示对矩阵进行共轭转置操作;Un表示第一噪声子空间;bi=diag[ε1,i … εm,i … εM,i];εm,i表示基线误差给通道m、方位模糊分量i带来的相位项;M表示共有M个通道的回波数据。
9.根据权利要求1或7所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述对相位校正后的多通道图像集进行通道基线误差估计,包括:
获得所述相位校正后的多通道图像集对应的第二协方差矩阵;
对所述第二协方差矩阵进行特征值的分解,得到所述相位校正后的多通道图像集对应的第二噪声子空间;
基于所述第二噪声子空间,利用最小二乘法求解预先构建的第二函数的最优解,得到通道基线误差估计值矩阵;其中,所述第二函数为沿方位基线测量误差估计问题的最优目标函数。
10.根据权利要求9所述的多通道SAR复图像域相位和基线误差联合估计方法,其特征在于,所述第二函数的表达式,包括:
其中,ΔX表示通道基线误差估计值矩阵;ai表示序号为i的方位模糊所对应的导向矢量;arg min{·}表示使{}中的目标函数取最小值时的变量值;i表示方位模糊数量的变化序号,i的取值范围为[-I,I],I大于0,共计(2I+1)个方位模糊;{·}H表示对矩阵进行共轭转置操作;U表示第二噪声子空间;bi=diag[ε1,i … εm,i … εM,i];εm,i表示基线误差给通道m、方位模糊分量i带来的相位项;M表示共有M个通道的回波数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820260.3A CN113759371B (zh) | 2021-07-20 | 2021-07-20 | 一种多通道sar复图像域相位和基线误差联合估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820260.3A CN113759371B (zh) | 2021-07-20 | 2021-07-20 | 一种多通道sar复图像域相位和基线误差联合估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759371A CN113759371A (zh) | 2021-12-07 |
CN113759371B true CN113759371B (zh) | 2024-03-01 |
Family
ID=78787754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110820260.3A Active CN113759371B (zh) | 2021-07-20 | 2021-07-20 | 一种多通道sar复图像域相位和基线误差联合估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759371B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2648379A2 (en) * | 2012-08-17 | 2013-10-09 | Institute of Electronics, Chinese Academy of Sciences | Method and apparatus for estimating channel error |
CN104502912A (zh) * | 2014-05-08 | 2015-04-08 | 南京理工大学 | 高速运动目标逆合成孔径雷达成像方法 |
CN110488283A (zh) * | 2019-07-29 | 2019-11-22 | 南京航空航天大学 | 一种用于多通道hrws-sar通道的误差校正方法 |
CN111175747A (zh) * | 2019-11-28 | 2020-05-19 | 西安电子科技大学 | 一种基于多通道复图像空间的相位误差估计方法 |
CN112485795A (zh) * | 2020-11-11 | 2021-03-12 | 上海卫星工程研究所 | 方位多通道sar系统通道间相位偏差校正方法和系统 |
-
2021
- 2021-07-20 CN CN202110820260.3A patent/CN113759371B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2648379A2 (en) * | 2012-08-17 | 2013-10-09 | Institute of Electronics, Chinese Academy of Sciences | Method and apparatus for estimating channel error |
CN104502912A (zh) * | 2014-05-08 | 2015-04-08 | 南京理工大学 | 高速运动目标逆合成孔径雷达成像方法 |
CN110488283A (zh) * | 2019-07-29 | 2019-11-22 | 南京航空航天大学 | 一种用于多通道hrws-sar通道的误差校正方法 |
CN111175747A (zh) * | 2019-11-28 | 2020-05-19 | 西安电子科技大学 | 一种基于多通道复图像空间的相位误差估计方法 |
CN112485795A (zh) * | 2020-11-11 | 2021-03-12 | 上海卫星工程研究所 | 方位多通道sar系统通道间相位偏差校正方法和系统 |
Non-Patent Citations (1)
Title |
---|
MC-SAR改进正交子空间相位误差估计算法;刘让;马喜乐;何峰;孙造宇;;雷达科学与技术(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113759371A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275166B (zh) | 基于admm的快速稀疏孔径isar自聚焦与成像方法 | |
US7064702B1 (en) | System, method and computer program product for reducing quadratic phase errors in synthetic aperture radar signals | |
CN101609151B (zh) | 一种基于单通道sar图像序列分解的动目标检测方法 | |
CN114545411B (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 | |
CN113238225B (zh) | 一种用于动目标检测的雷达 | |
CN110515038A (zh) | 一种基于无人机-阵列的自适应无源定位装置及实现方法 | |
CN107991659A (zh) | 基于字典学习的米波雷达低仰角目标测高方法 | |
CN111965612B (zh) | 一种基于子空间投影的杂波抑制方法 | |
CN113933804B (zh) | 一种图像域方位向多通道sar误差校正方法 | |
CN110133646B (zh) | 基于nlcs成像的双基前视sar的多通道两脉冲杂波对消方法 | |
Wang et al. | Clutter suppression and ground moving target imaging approach for hypersonic vehicle borne multichannel radar based on two-step focusing method | |
CN109143235B (zh) | 一种双基前视合成孔径雷达地面运动目标检测方法 | |
CN111175747B (zh) | 一种基于多通道复图像空间的相位误差估计方法 | |
CN104698448B (zh) | 运动平台下基于流形分离的共形阵列稳健估角方法 | |
CN113900099A (zh) | 稀疏孔径isar机动目标成像与定标方法 | |
CN108562898A (zh) | 一种前侧视sar的距离和方位两维空变自聚焦方法 | |
CN113466797A (zh) | 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法 | |
CN113759371B (zh) | 一种多通道sar复图像域相位和基线误差联合估计方法 | |
Xiang et al. | A robust image-domain subspace-based channel error calibration and postimaging reconstruction algorithm for multiple azimuth channels SAR | |
CN114780911A (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
CN111060883B (zh) | 一种无人机干涉sar时变基线误差估计和补偿方法 | |
CN109061564B (zh) | 基于高阶累积量的简化近场定位方法 | |
CN105974413A (zh) | 多基地外辐射源雷达成像系统的自聚焦方法 | |
Xu et al. | Improved configuration adaptability based on iaa for distributed radar imaging |
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 |