CN114839631A - 一种星载sar原始数据的智能量化压缩方法及系统 - Google Patents
一种星载sar原始数据的智能量化压缩方法及系统 Download PDFInfo
- Publication number
- CN114839631A CN114839631A CN202210309328.6A CN202210309328A CN114839631A CN 114839631 A CN114839631 A CN 114839631A CN 202210309328 A CN202210309328 A CN 202210309328A CN 114839631 A CN114839631 A CN 114839631A
- Authority
- CN
- China
- Prior art keywords
- data
- compression
- block data
- value
- quantization
- 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.)
- Pending
Links
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
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
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)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种星载SAR原始数据的智能量化压缩方法,S1:接收中频雷达回波信号,进行滤波、采样,获取位数为8的原始回波数据(首比特为符号位);S2:以M×M分块大小对原始回波数据进行采样,得到若干区块数据,存储并计算各区块数据相对应的幅度均值和方差值;S3:从预设的压缩编码表查找得到相对应的压缩编码值,并根据压缩编码值对区块数据进行压缩,得到压缩后的区块数据;S4:基于符号位、幅度均值、方差值和压缩后的区块数据进行组帧得到压缩值。本发明能够提高回波数据的量化压缩信噪比、减小幅度误差和相位误差。通过预设的压缩编码表,以及符号位的前置提取,可以实现8:8(不压缩)、8:7、8:6、8:5、8:4、8:3等任意压缩比的数据处理功能。
Description
技术领域
本发明属于星载雷达数据处理领域,尤其涉及一种星载SAR原始数据的智能量化压缩方法及系统。
背景技术
雷达遥感应用中通常都需要对目标进行高分辨探测成像,相应的雷达回波信号的带宽越来越大,雷达回波的数据容量也越来越大。为了满足星地之间数据传输速率的要求,星载雷达回波数据的压缩处理成为设计的必需。目前,在实际应用中,大多合成孔径雷达(Synthetic Aperture Radar,SAR)系统均采用块自适应量化(Block AdaptiveQuantization,BAQ)压缩方法。但是,在成像程序每次加载后,该算法中的压缩比大多固定不变,难以适应观测区域中回波强弱变化明显的区域。例如,欧洲的EnviSAT、加拿大的RadarSat、德国的TerraSAR和印度的RISAT均采用了传统的多档位BAQ压缩算法。其档位的选择需要通过地面上传控制参数实现。因此,基于传统BAQ算法的改进成为目前研究的热点。例如,中科院电子所的研究人员基于传统压缩位数固定的BAQ压缩算法,提出了抗饱和、浮点量化等多种改进方法。但是,这些方法均未进行工程实现。为了加快基于BAQ的压缩算法的智能化处理,该专利不仅提出了位数可变的压缩方法,还详细阐述了系统的设计步骤,并提供了不同压缩输出位数时所采用的量化压缩编码表。
发明内容
本发明的技术目的是提供一种星载SAR原始数据的智能量化压缩方法及系统,以解决压缩比固定不变,难以适应观测区域中回波强弱变化明显的区域的技术问题。
为解决上述问题,本发明的技术方案为:
一种星载SAR原始数据的智能量化压缩方法,包括如下步骤:
S1:接收中频雷达回波信号,并对中频雷达回波信号进行滤波、采样,获取位数为8的原始回波数据,基于原始回波数据获取符号位;
S2:以M×M分块大小对原始回波数据进行采样,得到若干区块数据,存储并计算各区块数据相对应的幅度均值和方差值;
S3:基于方差值得到对应的量化压缩位数,基于幅度均值与阈值电平进行比较得到比较结果,基于量化压缩位数和比较结果从预设的压缩编码表查找得到相对应的压缩编码值,并根据压缩编码值对区块数据进行压缩,得到压缩后的区块数据;
S4:基于符号位、幅度均值、方差值和压缩后的区块数据进行组帧处理,并通过TLK2711高速接口发送至卫星数传系统以下传至地面。
其中,通过兵乓方式将不同的区块数据存储于高速缓存SDRAM中。
进一步优选地,在步骤S1之前,还需要根据最小误差量化准则构建预设的压缩编码表。
具体地,压缩编码表中的量化压缩位数包括2、3、4、5、6。
其中,在步骤S3中,采用max-lloyd规则对区块数据进行压缩以得到压缩后的区块数据。
一种星载SAR原始数据的智能量化压缩系统,包括AD采样模块、压缩编码选择模块、任意压缩比选择模块和数据压缩处理模块;
AD采样模块用于接收中频雷达回波信号,并对中频雷达回波信号进行滤波、采样,获取位数为8的原始回波数据;
任意压缩比选择模块用于基于所述采样区块的方差值得到对应的量化压缩位数;
压缩编码选择模块用于以M×M分块大小对原始回波数据进行采样,得到若干区块数据,计算各区块数据相对应的幅度均值和方差值;基于幅度均值与阈值电平进行比较得到比较结果,基于量化压缩位数和比较结果从预设的压缩编码表查找得到相对应的压缩编码值;
数据压缩处理模块用于根据压缩编码值对区块数据进行压缩,得到压缩后的区块数据。
进一步优选地,还包括存储模块,存储模块用于通过兵乓方式对区块数据进行分时处理。
本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和效果:
本发明所提出的新方法与现有技术中压缩比档位固定不变的传统BAQ数据压缩方法相比,能够提高回波数据的量化压缩信噪比、减小幅度误差和相位误差。通过预设的压缩编码表,以及符号位的前置提取,可以实现8:8(不压缩)、8:7、8:6、8:5、8:4、8:3等任意压缩比的数据处理功能。
附图说明
通过阅读下文优选实施方式的详细描述,各种优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
图1为本发明的一种星载SAR原始数据的智能量化压缩方法流程图;
图2为本发明的一种星载SAR原始数据的智能量化压缩系统结构图;
图3为本发明的一种星载SAR原始数据的智能量化压缩系统的数据传输示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中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,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
以下结合附图和具体实施例对本发明提出的一种星载SAR原始数据的智能量化压缩方法及系统作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。
实施例1
参看图1和图3,本实施例提供一种星载SAR原始数据的智能量化压缩方法,包括如下步骤:
首先,在步骤S1中,接收外部传递过来的中频雷达回波信号,对该中频雷达回波信号进行滤波和采样,获取位数为8的原始回波数据。对于原始回波数据先获取其符号位,一般8位数据的首比特为符号位,再取绝对值后进入步骤S2。
较选地,在实施步骤S1之前,还需要根据最小均方误差量化准则构建量化压缩位数包括2、3、4、5、6的预设压缩编码表,最小均方量化误差准则是指根据该规则量化压缩编码值,使得解压后的结果和原八位原始数据之间的均方误差最小。预设的压缩编码表可参看如下表1
表1压缩编码表
然后在步骤S2中,以M×M分块大小对步骤S1中的原始回波数据进行采样分块,得到若干区块数据,通过兵乓方式对不同的区块数据存储于高速缓存SDRAM中,并依次求取各区块数据相对应的幅度均值和方差值。
接着在步骤S3中,获取得到方差值后根据各个区块数据的方差大小,通过方差较大区块分配更多的量化压缩输出位数的设计,不同的区块数据获得不同的量化压缩位数。例如,假设压缩编码位数的均值为4位时,第i个区块数据的量化压缩位数可以由下式求得
然后根据幅度均值与阈值电平进行比较得到比较结果,阈值电平指不同压缩编码取值的临界值。通过量化压缩位数和比较结果作为查询地址,在预设的压缩编码表查找得到相对应的压缩编码值,然后采用max-lloyd规则运用压缩编码值对相对应的区块数据进行压缩,得到压缩后的区块数据。其中,max-lloyd规则是针对标准高斯分布的一种最优非线性量化编码方法。其设计思路即按照均方误差最小准则,获得最佳量化压缩编码值。均方误差由下式表示
其中,x为8位的原始数据,yk为量化编码值解压缩后的值。由于该方法为有损压缩,其呈阶梯变化。
根据上述压缩编码表,通过符号位的前置提取,该方法可以实现8:8(不压缩)、8:7、8:6、8:5、8:4、8:3等任意压缩比的数据处理功能。
最后,在步骤S4中,将步骤S1获取的符号位、步骤S2获取的幅度均值和方差值以及步骤S3中获取的压缩后的区块数据进行组帧处理。然后通过TLK2711高速接口发送给数传系统,再下传至地面进行后续处理。
实施例2
参看图2,本实施例提供一种星载SAR原始数据的智能量化压缩系统,其应用如实施例1的一种星载SAR原始数据的智能量化压缩方法。从硬件结构上来看,本实施例主要包括ADC、FPGA和SDRAM。按功能进行划分,可分为AD采样模块、压缩编码选择模块、任意压缩比选择模块、数据压缩处理模块以及存储模块。
AD采样模块即ADC,用于接收中频雷达回波信号,并对中频雷达回波信号进行滤波、采样,获取位数为8的原始回波数据。ADC的采样时钟由外部时钟分配电路提供。
FPGA则用于压缩编码选择模块、任意压缩比选择模块和数据压缩处理模块,FPGA工作时钟也由外部时钟分配电路提供。任意压缩比选择模块用于根据方差值得到对应的量化压缩位数。压缩编码选择模块用于以M×M分块大小对原始回波数据进行采样,得到若干区块数据,计算各区块数据相对应的幅度均值和方差值。然后根据方差值得到对应的量化压缩位数,基于幅度均值与阈值电平进行比较得到比较结果,通过量化压缩位数和比较结果从预设的压缩编码表查找得到相对应的压缩编码值。数据压缩处理模块用于接收压缩编码值然后对相对应的区块数据进行处理,得到压缩后的区块数据。
存储模块即SDRAM,SDRAM与FPGA信号连接,对分块后的各区块数据通过兵乓方式进行存储和处理。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式。即使对本发明作出各种变化,倘若这些变化属于本发明权利要求及其等同技术的范围之内,则仍落入在本发明的保护范围之中。
Claims (7)
1.一种星载SAR原始数据的智能量化压缩方法,其特征在于,包括如下步骤:
S1:接收中频雷达回波信号,并对所述中频雷达回波信号进行滤波、采样,获取位数为8的原始回波数据,基于所述原始回波数据获取符号位;
S2:以M×M的分块大小对所述原始回波数据进行采样,得到若干区块数据,存储并计算各所述区块数据相对应的幅度均值和方差值;
S3:基于所述方差值得到对应的量化压缩位数,基于所述幅度均值与阈值电平进行比较得到比较结果,基于所述量化压缩位数和所述比较结果从预设的压缩编码表查找得到相对应的压缩编码值,并根据所述压缩编码值对所述区块数据进行压缩,得到压缩后的所述区块数据;
S4:基于所述符号位、所述幅度均值、所述方差值和压缩后的所述区块数据进行组帧处理,并通过TLK2711高速接口发送至卫星数传系统以下传至地面。
2.根据权利要求1所述的星载SAR原始数据的智能量化压缩方法,其特征在于,在所述步骤S2中,通过兵乓方式将不同的所述区块数据存储于高速缓存SDRAM中。
3.根据权利要求1所述的星载SAR原始数据的智能量化压缩方法,其特征在于,在所述步骤S1之前,根据最小误差量化准则构建预设的所述压缩编码表。
4.根据权利要求3所述的星载SAR原始数据的智能量化压缩方法,其特征在于,所述压缩编码表中的所述量化压缩位数包括2、3、4、5、6。
5.根据权利要求1所述的星载SAR原始数据的智能量化压缩方法,其特征在于,在所述步骤S3中,采用max-l loyd规则对所述区块数据进行压缩以得到压缩后的所述区块数据。
6.一种星载SAR原始数据的智能量化压缩系统,其特征在于,包括AD采样模块、压缩编码选择模块、任意压缩比选择模块和数据压缩处理模块;
所述AD采样模块用于接收中频雷达回波信号,并对所述中频雷达回波信号进行滤波、采样,获取位数为8的原始回波数据;
所述任意压缩比选择模块用于基于所述采样区块的方差值得到对应的量化压缩位数;
压缩编码选择模块用于以M×M分块大小对所述原始回波数据进行采样,得到若干区块数据,计算各所述区块数据相对应的幅度均值和方差值;基于所述幅度均值与阈值电平进行比较得到比较结果,基于所述量化压缩位数和所述比较结果从预设的压缩编码表查找得到相对应的压缩编码值;
所述数据压缩处理模块用于根据所述压缩编码值对所述区块数据进行压缩,得到压缩后的所述区块数据。
7.根据权利要求6所述的一种星载SAR原始数据的智能量化压缩系统,其特征在于,还包括存储模块,所述存储模块用于通过兵乓方式对所述区块数据进行分时处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210309328.6A CN114839631A (zh) | 2022-03-28 | 2022-03-28 | 一种星载sar原始数据的智能量化压缩方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210309328.6A CN114839631A (zh) | 2022-03-28 | 2022-03-28 | 一种星载sar原始数据的智能量化压缩方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114839631A true CN114839631A (zh) | 2022-08-02 |
Family
ID=82564163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210309328.6A Pending CN114839631A (zh) | 2022-03-28 | 2022-03-28 | 一种星载sar原始数据的智能量化压缩方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114839631A (zh) |
-
2022
- 2022-03-28 CN CN202210309328.6A patent/CN114839631A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7876257B2 (en) | Method and apparatus for compressing SAR signals | |
EP0753218B1 (en) | Fixed quality source coder | |
US20070257835A1 (en) | Measurement and signature intelligence analysis and reduction technique | |
CN1157080A (zh) | 用于编码视频图像的装置和方法 | |
US20070127831A1 (en) | Compression system for integrated sensor devices | |
JPH06237180A (ja) | データ圧縮方法及び装置並びにデータ伸長方法及び装置 | |
AU8941701A (en) | System and method for encoding/decoding multidimensional data using successive approximation multi-stage vector quantisation | |
CN1157079A (zh) | 用于编码视频图像的装置和方法 | |
US7084805B2 (en) | Measurement and signature intelligence analysis and reduction technique | |
CN114839631A (zh) | 一种星载sar原始数据的智能量化压缩方法及系统 | |
Taquet et al. | Near-lossless and scalable compression for medical imaging using a new adaptive hierarchical oriented prediction | |
CN111385582A (zh) | 一种基于谱空联合预测的高光谱遥感图像无损压缩算法 | |
US20050232362A1 (en) | High-speed image compression apparatus using last non-zero detection circuit | |
Pan et al. | A lossless compression algorithm for SAR amplitude imagery based on modified quadtree coding of bit plane | |
Hung et al. | New irregular sampling coding method for transmitting images progressively | |
Bhimani et al. | Optimized lossless image compression algorithm LOCO-I for small images | |
WO2006052122A1 (en) | Method and system for data compression | |
CN116106851B (zh) | 一种合成孔径雷达原始数据压缩处理方法和装置 | |
Ma et al. | A new hybrid data compression algorithm for weather radar | |
Tsai et al. | Design of a multi-mode block adaptive quantizer for high-resolution synthetic aperture radar imaging | |
Finelli et al. | Multispectral-image coding by spectral classification | |
CN115542283B (zh) | 一种星载sar滑窗baq压缩的实现方法 | |
Liu et al. | Research and implementation of quasi-lossless compression algorithm for radar data | |
Guan et al. | Adaptive vector quantization of SAR raw data | |
Poberezhskiy | Compressive quantization of images |
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 |