CN114895260B - 一种俯仰向空时编码星载sar系统回波分离方法 - Google Patents
一种俯仰向空时编码星载sar系统回波分离方法 Download PDFInfo
- Publication number
- CN114895260B CN114895260B CN202210817955.0A CN202210817955A CN114895260B CN 114895260 B CN114895260 B CN 114895260B CN 202210817955 A CN202210817955 A CN 202210817955A CN 114895260 B CN114895260 B CN 114895260B
- Authority
- CN
- China
- Prior art keywords
- matrix
- signal
- echo
- sub
- space
- 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
- 238000000926 separation method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims description 67
- 108091006146 Channels Proteins 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 29
- 230000002087 whitening effect Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 239000011541 reaction mixture Substances 0.000 claims description 12
- 238000002592 echocardiography Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 17
- 238000004088 simulation Methods 0.000 abstract description 13
- 238000003384 imaging method Methods 0.000 description 37
- 241000712899 Lymphocytic choriomeningitis mammarenavirus Species 0.000 description 23
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 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
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
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
本发明提供一种俯仰向空时编码星载SAR系统回波分离方法，属于合成孔径雷达高分宽幅信号处理领域，其采用多个俯仰向通道进行接收回波信号，首先对其进行自适应数字波束形成处理，之后对自适应数字波束形成处理之后得到的两组回波进行盲源分离处理，最后即可得到分离度较高的回波信号。在本发明中，在进行自适应数字波束形成处理之前不需要进行对信源回波的波达角估计，节省了宝贵的星上计算资源。通过仿真实验验证，本发明具有如下优点：1）较低的系统复杂度；2）较好的回波分离性能；3）具有应用于星载MIMO‑SAR任务的潜力。
Description
技术领域
本发明属于合成孔径雷达高分宽幅信号处理领域，具体涉及一种俯仰向空时编码星载SAR（合成孔径雷达，Synthetic Aperture Radar）系统回波分离方法。
背景技术
方位向分辨率和距离向测绘带宽之间的矛盾严重限制了未来星载SAR的发展。在传统星载SAR系统中，在提升测绘带宽时，为避免主瓣距离模糊，要求SAR系统具有低的距离脉冲重复频率(Pulse Repetition Frequency , PRF)，而在提高方位分辨率时，通常采用方位孔径较小的天线发射和接收，从而获得大的多普勒带宽，此时为了避免主瓣方位模糊，要求SAR系统具有高的PRF。由于对系统PRF参数设计的不同要求，分辨率和测绘带宽成为一对固有矛盾，无法同时提高。因此，实现星载SAR的高分宽幅(High Resolution WideSwath，HRWS)成像是亟待解决的难题。
为了实现HRWS成像，德国宇航局的学者们于2007年首次提出了对发射波形进行多维编码(Multidimensional Waveform Encoding, MWE)的全新工作模式。在该模式下，每一个完整的发射波形由若干个子脉冲组成，并将从空域、时域、频域以及码域等四个维度上对这些子脉冲进行设定，以实现发射端的波形分集，为系统性能提升奠定基础。
在空时编码星载SAR (Space-Time Waveform Encoding, STWE)系统中，每个发射波形都是由N个时频结构完全一致的线性调频信号的子脉冲构成。这些子脉冲沿着不同距离向或者方位向子波束依次发射出去，从而满足星载SAR系统对不同性能的要求。本发明主要针对于距离向空时编码SAR系统。
A. Currie提出通过距离向发射宽波束覆盖多个子测绘带，然后由多个子天线形成窄波束接收，分别覆盖整个测绘带宽，即可避免多个子测绘带混叠，实现大测绘带宽。但是，这种方法会使得各子波束存在一定的旁瓣干扰，依旧会造成一定的距离模糊，恶化了成像质量。
G. D. Callaghan等人提出整个天线阵面划分为两行两列，形成四个孔径，在距离向自适应形成零点抑制距离模糊，从而实现大测绘带宽。但是，这种方案会导致测绘带内存在一定的成像盲区，限制了未来星载SAR的发展。
由于不可避免会存在场景地形起伏和残余通道误差，真实信源与虚拟信源的视角偏差将导致合成后的天线方向图存在指向误差，因此真实信源处的接收增益严重损失，上述所提方案性能均受到一定限制，因此观测场景地形起伏导致的接收增益损失的问题是限制距离多通道SAR技术发展的瓶颈之一。
为了解决观测场景地形起伏导致的接收增益损失的问题，自适应数字波束形成(Digital Beam Forming，DBF)被提出。接收波束的指向误差是因为对信源回波的波达角(Direction Of Arrival，DOA)错误估计。自适应DBF处理流程如下所示：在俯仰向各子孔径接收到的原始信号经过低噪放大(LNA)、下变频以及模数转换(ADC)之后，首先对其进行距离压缩处理，将目标原先在时域内弥散开的能量压缩到其相应的距离门，将不同子孔径内关于同一目标的距离压缩像点配准至同一位置，之后逐个距离门的进行多孔径联合处理来估计空间谱，如Capon算法，Beamformer算法以及Music算法等。
如上所述，自适应DBF的处理过程因为需要逐个距离门的进行处理，计算需求极大，限制了未来距离向空时编码SAR星上实时处理的可能。
发明内容
为解决上述技术问题，本发明提供一种俯仰向空时编码星载SAR系统回波分离方法。其解决了星载SAR的回波混叠问题，为实现星载SAR的HRWS成像提供了可能。
为达到上述目的，本发明采用的技术方案为：
一种俯仰向空时编码星载SAR系统回波分离方法，包括如下步骤：
步骤1、构建俯仰向空时编码星载SAR系统，包括：
（1）构建俯仰向多孔径的原始回波模型，获得俯仰向通道所对应的加权系数；
（2）构建距离向多波束模型，获得分离波束的回波信号所对应的加权系数；
（3）计算观测场景地形起伏导致的接收增益损失；
步骤2、构建星载SAR回波信号处理算法，包括：
（1）构建盲源分离模型；
（2）盲源分离处理流程：对经过自适应数字波束形成处理之后得到的回波矩阵进行去均值、白化处理，其次通过联合对角化预白化数据的多个不同时延统计量来估计酉矩阵，最后估计出源信号。
进一步地，所述步骤1的第（1）步包括：
俯仰向自适应数字波束形成系统在发射端采用部分孔径发射宽波束并且在接收端利用多个孔径同时接收以获得距离向宽幅；
发射的信号表达式为：
在式(1)中，τ为慢时间，T为脉宽，f c 为载频，K r 为调频率，j为复数单位，rect（）为门函数，exp（）指信号的复数形式；
设天线在俯仰向有N个通道，通道间的间隔为d 0，并且参考通道为第一个俯仰向通道；参考通道接收到的信号表达式为：
在式(2)中，τ 0为子波束中点目标A至第一个俯仰向通道的双程传输延时；
第m个俯仰向通道所接收到的信号表达式为：
在式(3)中，∆τ 0,m 为从子波束中点目标A返回的回波至第一个俯仰向通道与第m个俯仰向通道的时间差，表示为：
在式(4)中，c为光速，β 0,m 为子波束中点目标A所对应的法向偏移角；
将式(4)带入式(3)中并简化，近似得到：
对多个俯仰向通道所接收到的信号进行时变加权处理，使得形成的接收波束中心时刻指向脉冲中心；为此，第m个俯仰向通道所对应的加权系数为：
其中，λ为信号波长，β(τ)表示目标对应的法向偏移角。
进一步地，所述步骤1的第（2）步包括：
假设距离向子带数目为k，各子带的来波方向分别为θ 1,θ 2,θ 3,...,θ k ，其发射信号表达式为：
式(7)中，∆τ 0,k =(k-1)·T表示第k个波束相较于第一个发射波束的延时；第m个俯仰向通道的回波信号表示为：
在式(8)中，R A,k (η)表示为第k个子波束中点目标A的斜距；η为快时间；
若将上述信号采用向量的形式表示，则全部接收孔径输出信号表示为：
s r =V out ·s (9)
式(9)中，s r =[s r1,s r2,...,s rN ] T ,s=[s1,s2,...,s K ] T ,V out =[v1,v2,...,v K ]，
其中，sr1…srN表示全部接收孔径输出信号，s1…sK表示所有子波束对应的回波信号，v1…vK表示所有每个子波束对应的导向矢量；
其中，d2为发射中心相位到第二个接收通道的间距，bk为第k个子波束的法向偏移角，dN为发射中心相位到第N个接收通道的间距的含义；
根据线性约束最小方差波束形成理论，分离第k个波束的回波信号所对应的加权系数为：
式(11)中，e k 为第k个元素为1，其余元素为0的列向量。
进一步地，所述步骤1的第（3）步包括：
在光滑的理想球体模型下，错误的信源位置即子波束中点目标A的星下点视角θ wrong (R c )为：
其中，地球半径为R e ，卫星轨道高度为H sa ，Rc为卫星到目标的斜距；
正确的信源位置点B的星下点视角θ true (R c ,h)被表示为：
其中，h为地形起伏高度；
由于星下点视角偏差所导致的接受增益损失表示为：
其中，c为光速。
进一步地，所述步骤2的第（1）步包括：
假设K个相互独立的源信号入射到M个接收单元上，各接收单元接收到的混合信号x m (t)为K个源信号在同一时刻的线性组合；混合信号模型被描述为：
x(t)=Fs(t) (20)
在式(20)中，s(t)=[s 1(t),s 2(t),...,s K (t)] T 是源信号矢量，混合信号模型为x(t)=[x 1(t),x 2(t),...,x M (t)] T ，F为M×K维的未知混合矩阵；盲源分离的目的是利用混合信号模型x(t)求解分离矩阵W，使得WF=PJ，从而源信号估计矢量被描述为：
y(t)=Wx(t)=WFs(t)=PJs(t) (21)
在式(21)中，P为置换矩阵，J为对角矩阵。
进一步地，所述步骤2的第（2）步包括：
（1）去均值处理：从观测信号中减去信号的均值向量，使得观测信号成为零均值向量；
（2）白化处理：
对混合信号模型x(t)白化，即通过如式(22)所示的线性变换：
z(t)=Vx(t) (22)
使得变换后的z(t)的相关矩阵满足Rz=E[z(t)z(t)H]=I；其中，矩阵V为白化矩阵，若x(t)的相关矩阵为Rx的特征值，Q为正交矩阵，其列矢量为与各特征值对应的标准正交的特征矢量；
Rz做如式(23)所示的分解：
上标H表示对矩阵进行共轭转置操作；
由式(23)求解出白化矩阵V，被表示为：
其中，
为对角元素为Rz特征值的对角矩阵；
（3）求解酉矩阵U，联合对角化：
源信号的延时协方差矩阵定义如下所示：
R s (τ)=E[S(t+τ)SH(t)] (25)
其中，S（t）表示二维矩阵；
源信号进行白化处理后的延时协方差矩阵被表示为：
Rz(τ)=E[Z(t+τ)ZH(t)] (26)
其中，Z（t）表示二维矩阵；
根据式(26)，选择一组不同的值τ 1,τ 2,...,τ p ，得到一系列延时协方差矩阵Rz(τ)，得到：
Z(t)=VX(t)=(VF)S(t)=US(t) (27)
其中，X（t）表示二维矩阵；
Rz(τ i )=UR s (τ i )UH,i=1,2,3,...,p (28)
联合对角化的程度利用式(29)衡量：
式(29)中，函数off定义为：
；
其中，mij为M矩阵的第i行第j列的元素；
（4）求解分离源信号：
计算得到最优的酉矩阵U，分离矩阵W被表示为：
W=UHV (30)
最后，求解得到分离源信号。
有益效果：
本发明设计了一种全新的空时编码星载SAR系统回波分离方法，其采用多个俯仰向通道进行接收回波信号，首先对其进行DBF处理，之后对DBF处理之后得到的两组回波进行盲源分离处理，最后即可得到分离度较高的回波信号。在本发明中，在进行DBF处理之前不需要进行DOA估计，节省了宝贵的星上计算资源。通过仿真实验验证，所提出的星载SAR回波分离方案具有如下优点：1）较低的系统复杂度；2）较好的回波分离性能；3）具有应用于星载MIMO-SAR任务的潜力。
附图说明
图1 为本发明的俯仰向自适应数字波束形成系统成像几何模型；
图2 为本发明的波束指向误差示意图；
图3为本发明的接收增益损失与斜距以及地形起伏高度变化的关系；
图4 为本发明的LCMV-BSS联合处理方案；
图5 为本发明的点目标场景分布图；
图6 为本发明的距离脉间多波束且未进行LCMV处理，点目标A切片成像结果；
图7 为本发明的距离脉间多波束且未进行LCMV处理，点目标B切片成像结果；
图8 为本发明的距离脉间多波束且未进行LCMV处理，点目标C切片成像结果；
图9 为本发明的距离脉间多波束且仅进行LCMV处理，点目标A切片成像结果；图10为距离脉间多波束且仅进行LCMV处理，点目标B切片成像结果；
图11 为本发明的距离脉间多波束且仅进行LCMV处理，点目标C切片成像结果；
图12 为本发明的距离脉间多波束且进行LCMV-BSS联合处理，点目标A切片成像结果；
图13 为本发明的距离脉间多波束且进行LCMV-BSS联合处理，点目标B切片成像结果；
图14 为本发明的距离脉间多波束且进行LCMV-BSS联合处理，点目标C切片成像结果；
图15 为本发明的子测绘带A原始回波成像结果；
图16 为本发明的子测绘带B原始回波成像结果；
图17为本发明的模拟脉内多波束子测绘带A成像结果；
图18 为本发明的模拟脉内多波束子测绘带B成像结果；
图19 为本发明的子测绘带A仅进行LCMV处理得到的回波分离结果；
图20 为本发明的子测绘带B仅进行LCMV处理得到的回波分离结果；
图21 为本发明的子测绘带A进行LCMV-BSS处理得到的回波分离结果；
图22 为本发明的子测绘带B进行LCMV-BSS处理得到的回波分离结果；
图23a，图23b 为本发明的LCMV-BSS处理之后局部放大结果；其中，图23a为处理之前示意图，图23b为处理之后示意图；
图24a，图24b 为本发明的LCMV-BSS处理之后局部放大结果；其中，图23a为处理之前示意图，图23b为处理之后示意图。
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，以下结合附图及实施例，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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的一种俯仰向空时编码星载SAR回波分离方法，具体包括如下步骤：
步骤1、构建俯仰向空时编码星载SAR系统。
（1）构建俯仰向多孔径的原始回波模型
图1为俯仰向自适应数字波束形成（DBF）系统成像几何模型。为了获取距离向宽幅，俯仰向DBF系统在发射端采用部分孔径发射宽波束并且在接收端利用多个孔径同时接收。
发射的信号表达式为：
在式(1)中，τ为慢时间，T为脉宽，f c 为载频，K r 为调频率，j为复数单位，rect（）为门函数，exp（）指的是信号的复数形式。
设天线在俯仰向有N个通道，通道间的间隔为d 0，并且参考通道为第一个俯仰向通道。参考通道接收到的信号表达式为：
在式(2)中，τ 0为子波束中点目标A至第一个俯仰向通道的双程传输延时。类似的，第m个俯仰向通道所接收到的信号表达式为：
在式(3)中，∆τ 0,m 为从子波束中点目标A返回的回波至第一个俯仰向通道与第m个俯仰向通道的时间差，可表示为：
在式(4)中，c为光速，β 0,m 为子波束中点目标A所对应的法向偏移角。
将式(4)带入式(3)中并简化，可以近似得到：
俯仰向DBF系统在数据处理过程中，为了实现各通道信号的相干累加，需要对多个俯仰向通道所接收到的信号进行时变加权处理，使得形成的接收波束中心能够时刻指向脉冲中心。为此，第m个俯仰向通道所对应的加权系数为：
其中，λ为信号波长，β(τ)表示目标对应的法向偏移角。
（2）构建距离向多波束模型
为了大幅提升俯仰向幅宽，距离向多波束模式被采用。距离向多波束模式可以分为脉内多波束和脉间多波束两种，脉间多波束指的是在距离向不同脉冲重复周期(pulserepetition interval, PRI)内发射多个子波束照射不同子带，脉内多波束指的是在距离向同一脉冲重复周期内发射多个子波束照射不同子带。脉内多波束模式与脉间多波束模式相比，可以显著降低SAR系统的脉冲重复频率(pulse repetition frequency, PRF)，但是与此同时会造成回波的混叠，使得SAR图像解译变得困难，恶化了SAR系统的性能，因此基于脉内多波束的回波分离是亟待解决的问题。为了解决脉内多波束的回波分离问题，零点指向技术被提出。零点指向技术的核心是在数据处理过程中，在天线方向图的特定方向生成零点，使得零点指向干扰信号，从而抑制干扰信号，提升信噪比。
假设距离向子带数目为k，各子带的来波方向分别为θ 1,θ 2,θ 3,...,θ k ，其发射信号表达式为：
式(7)中，∆τ 0,k =(k-1)·T表示第k个波束相较于第一个发射波束的延时。第m个俯仰向通道的回波信号可以表示为：
在式(8)中，R A,k (η)表示为第k个子波束中点目标A的斜距，η为快时间。
若将上述信号采用向量的形式表示，则全部接收孔径输出信号可以表示为：
s r =V out ·s (9)
式(9)中，s r =[s r1,s r2,...,s rN ] T ,s=[s 1,s 2,...,s K ] T ,V out =[v1,v2,...,v K ]，
其中，sr1…srN表示全部接收孔径输出信号，s1…sK表示所有子波束对应的回波信号，v1…vK表示所有每个子波束对应的导向矢量；
其中，d2为发射中心相位到第二个接收通道的间距，bk为第k个子波束的法向偏移角，dN为发射中心相位到第N个接收通道的间距
根据线性约束最小方差波束形成理论(Linearly constrained minimum-variance，LCMV)，分离第k个波束的回波信号所对应的加权系数为：
式(11)中，e k 为第k个元素为1，其余元素为0的列向量。
（3）计算观测场景地形起伏导致的接收增益损失
上述讨论的DBF波束形成加权矢量，是基于地球是一个光滑的理想球体的前提之下的，在实际情况中，地球地形较为复杂，有盆地、山丘、海洋等。如果在地形起伏较大的区域仍然以理想情况计算加权矢量，会导致波束指向产生误差，导致接收增益造成损失，回波分离性能受到影响，恶化系统性能。图2为出现波束指向误差示意图。真实的信源位置为山顶B点，其高度为h，但是在光滑的理想球体模型下计算得到的位置为山底A点。基于传统的俯仰向DBF技术，信源位置会产生偏差，导致回波的接收增益产生损失。如图2所示，地球半径为R e ，卫星轨道高度为H sa ，则在光滑的理想球体模型下，错误的信源位置即子波束中点目标A点的星下点视角θ wrong (R c )为：
其中，Rc为卫星到目标的斜距；
但是正确的信源位置点B的星下点视角θ true (R c ,h)可以被表示为：
其中，h为地形起伏高度；
由于星下点视角偏差所导致的接受增益损失可以表示为：
其中，c为光速。
基于表1的星载SAR系统的仿真参数，可以得到如图3的接收增益损失与斜距以及地形起伏高度变化的关系。由图3可知，在斜距一定的条件下，接收增益损失随着地形起伏高度变大而增多；在地形起伏高度一定时，接收增益损失随着斜距增大而变小。
表1：星载SAR系统仿真参数表
由图3可知，当地形起伏高度大于3 km时，回波接受增益损失会大于3 dB, 这会严重恶化图像产品质量。为此，一系列的方法被提出以解决此问题。这些方法的核心是估计出真实信源的准确波达方向(direction of arrival, DOA)，这些方按照参数性与非参数性可以分为两类，其中参数性主要有MUSIC算法和ESPIRIT算法，非参数性主要有Beamformer算法和Capon算法。考虑到算法的鲁棒性以及可移植性，一般在实际中采用非参数性算法，这两种算法需要对每一个距离门的信源的波达方向进行精准的估计，一旦存在指向误差，会造成回波接收增益损失，导致系统性能降低，恶化产品质量。这两种算法因为需要对每个距离门进行估计处理，因此计算量极大，难以星上进行实时处理。在本发明中，在进行DBF处理之前不需要进行DOA估计，节省了宝贵的星上计算资源。
本发明基于国产俯仰向16通道机载DBF-SAR系统，提出了LCMV-BSS联合处理方案，以解决地形起伏导致的回波增益受损的影响。本发明首次给出了俯仰向16通道机载DBF-SAR系统地形起伏区域回波分离实测处理结果以及相应的分析。如图4所示，在接收时采用多个子孔径同时接收，接收到的回波信号经过放大、下变频、采样等步骤之后，利用LCMV进行第一步分离，此时由于地形起伏的原因，分离度不够，会影响后续处理过程，因此，在LCMV处理之后，再进行盲源分离(Blind Source Separation, BSS)处理，盲源分离的处理过程无需先验知识，即地形起伏不会恶化分离效果，因此，经过盲源分离处理之后得到的回波信号是较为纯净的回波信号，可以进行成像等后续操作。经过仿真实验验证，该方案具有系统复杂度低，回波分离性能好的优点。
步骤2、构建星载SAR回波信号处理算法。
（1）构建盲源分离模型
盲源分离最早起源于著名的“鸡尾酒会效应”问题，“鸡尾酒会效应”指的是在没有先验信息的情况下对目标信号与噪声进行信号盲分离的一个过程，目的是通过多个传感器接收到的混合声音信号，分离出每一个人的声音。从雷达信号处理的角度看，这一过程与雷达接收回波，分离并抑制距离模糊区杂波大同小异。
不考虑时间延迟，假设K个相互独立的源信号入射到M个接收单元上，各接收单元接收到的混合信号x m (t)为K个源信号在同一时刻的线性组合。混合信号模型可以被描述为式(20)：
x(t)=Fs(t) (20)
在式(20)中，s(t)=[s 1(t),s 2(t),...,s K (t)]T是源信号矢量，观测信号矢量为x(t)=[x 1(t),x 2(t),...,x M (t)]T，F为M×K维的未知混合矩阵。盲源分离的目的是利用观测矢量x(t)求解分离矩阵W，使得WF=PJ，从而源信号估计矢量可以被描述为式(21)：
y(t)=Wx(t)=WFs(t)=PJs(t) (21)
在式(21)中，P为置换矩阵，J为对角矩阵。在盲源分离问题中，需要满足源信号不相关的条件，即存在某一延迟量使得任意两个源信号的自相关函数在此延迟量处不相等。
（2）盲源分离处理流程
SOBI算法主要思想是：首先对x(t)进行去均值、白化处理，其次通过联合对角化预白化数据的多个不同时延统计量来估计酉矩阵，最后估计出源信号。这里矩阵联合对角化的近似程度可通过考察矩阵非对角元素的最小二乘代价函数和Frobenious范数来评估。
Step1：去均值处理
对观测数据x(t)去均值是最基本的预处理步骤，其处理过程是从观测信号中减去信号的均值向量，使得观测信号成为零均值向量。
Step2：白化处理
白化的目的是为了去除各个观测信号的二阶相关性，通常情况下，白化处理后的信号与未白化处理的信号相比，算法的收敛性更好，有更好的稳定性。
对观测数据x(t)白化，即通过如式(22)所示的某个特定的线性变换V：
z(t)=Vx(t) (22)
使得变换后的z(t)的相关矩阵满足Rz=E[z(t)z(t)H]=I。其中，矩阵V为白化矩阵，若观测数据x(t)的相关矩阵为Rx的特征值，Q为正交矩阵，其列矢量为与各特征值对应的标准正交的特征矢量。Rz可做如式(23)所示的分解：
其中，上标H表示对矩阵进行共轭转置操作；
由式(23)可以求解出白化矩阵V可以被表示为式(24)：
其中，
为对角元素为Rz特征值的对角矩阵；
Step3：求解酉矩阵U，联合对角化
源信号的延时协方差矩阵定义如式(25)所示：
R s (τ)=E[S(t+τ)SH(t)] (25)
其中，S(t)表示二维矩阵；
源信号进行白化处理后的延时协方差矩阵可以被表示为式(26)：
Rz(τ)=E[Z(t+τ)ZH(t)] (26)
根据式(26)，选择一组不同的值τ 1,τ 2,...,τ p ，可得到一系列延时协方差矩阵Rz(τ)，可以得到：
Z(t)=VX(t)=(VF)S(t)=US(t) (27)
其中，X（t）表示二维矩阵；Z（t）表示二维矩阵；
Rz(τ i )=UR s (τ i )UH,i=1,2,3,...,p (28)
由于源信号是不相关的，且源信号白化后的矩阵Z(t)中的各项量相互正交归一化，因此矩阵U是归一化正交的。因此，利用Rz(τ)和最优逼近算法寻找最优的酉矩阵U，进而对白化后的矩阵Z(t)进行联合对角化。
联合对角化的程度可用式(29)衡量：
式(29)中，函数off定义为：
，其中，m ij 为M矩阵的第i行第j列的元素。off(M)的值越小，联合对角化的程度越好。
Step4：分离源信号
计算得到最优的酉矩阵U，分离矩阵W可以被表示为式(30)：
W=UHV (30)
分离源信号即可求解得到。
实施例：
本发明进行了点目标以及分布式目标仿真，分析了本方案的回波分离性能。
（1）点目标仿真
参数点目标模拟实验的仿真参数如表2所示：
表2：点目标仿真参数
整个场景分布如图5所示，其中点B为场景中心点，点A与点C分别为距离场景中心点B的右侧与左侧最远的两个点。
实验1：距离脉内多波束未进行DBF处理。
图6、图7和图8分别表示距离脉间多波束且未进行LCMV处理，点A、点B以及点C经过成像处理之后的结果。表3为距离脉间多波束且未进行LCMV处理，点目标切片成像结果分析。由图6、图7和图8以及表3可知，在该方案中未进行LCMV处理，由于回波的叠加，成像质量严重恶化，造成了假影目标的存在。
表3：距离脉内多波束且未进行LCMV处理，点目标切片成像结果分析
实验2：距离脉内多波束仅进行LCMV处理（同时存在1Km的高程误差，对应0.25°的角度误差）
图9、图10和图11分别表示距离脉间多波束且仅进行LCMV处理，点A、点B以及点C经过成像处理之后的结果。表4为距离脉间多波束且仅进行LCMV处理，点目标切片成像结果分析。由图9、图10和图11以及表4可知，在该方案中仅进行LCMV处理，与未进行LCMV处理得到的结果相比，成像质量得到了大幅提升，但是由于1km的高程误差的存在，接收回波增益存在一定损失，回波依旧不一定能完全分离。
表4：距离脉内多波束且仅进行LCMV处理，点目标切片成像结果分析
实验3：距离脉内多波束进行LCMV-BSS联合处理（同时存在1Km的高程误差，对应0.25°的角度误差）
图12、图13和图14分别表示距离脉间多波束进行LCMV-BSS联合处理，点A、点B以及点C经过成像处理之后的结果。表5为距离脉间多波束LCMV-BSS联合处理，点目标切片成像结果分析。由图12、图13和图14以及表5可知，在该方案中进行LCMV-BSS联合处理，与仅进行LCMV处理得到的结果相比，由于1km的高程误差导致的接收回波增益存在一定损失的问题得到了完美解决，回波很好的进行了分离。
表5：距离脉内多波束进行LCMV-BSS联合处理，点目标切片成像结果分析
（2）分布式目标仿真
考虑到机载DBF-SAR在一个PRT内切换不同的发射波束的复杂性，本部分在仿真的时候采取脉间多波束的实测数据，距离向的两个发射子波束A和B分别指向60°和70°，其得到的结果分别对应子测绘带A与B。系统参数如表6所示，为了模拟脉内多波束的回波，将接收到的子带A的回波与子带B的回波进行叠加处理。图15、图16分别为两组回波原始成像结果，图17、图18分别为模拟脉内多波束成像结果，图19、图20分别为仅进行LCMV处理得到的回波成像结果，由于所选区域均是山区的原因，地形起伏影响较大，因此仍然存在残余回波，影响了图像质量。图21、图22为进行LCMV-BSS联合处理得到的回波成像结果，图23a，图23b和图24a，图24b为进行LCMV-BSS联合处理得到的回波成像放大之后的结果，由图23a，图23b和图24a，图24b可知，该方案解决了地形起伏导致的回波接收增益受损失的问题，同时也避免了DOA估计所需要的大量计算资源，该方案在今后的星载SAR系统有着相当大的应用潜力。
此外，对两组场景处理前后的效果进行了评估，该方案能够使得信噪比提升3 dB以上，回波分离前后的图像相似比提升10 %以上。
表6：分布式目标仿真参数
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。
Claims (6)
1.一种俯仰向空时编码星载SAR系统回波分离方法，其特征在于，包括如下步骤：
步骤1、构建俯仰向空时编码星载SAR系统，包括：
（1）构建俯仰向多孔径的原始回波模型，获得俯仰向通道所对应的加权系数；
（2）构建距离向多波束模型，获得分离波束的回波信号所对应的加权系数；
（3）计算观测场景地形起伏导致的接收增益损失；
步骤2、构建星载SAR回波信号处理算法，包括：
（1）构建盲源分离模型；
（2）盲源分离处理流程：对经过自适应数字波束形成处理之后得到的回波矩阵进行去均值、白化处理，其次通过联合对角化预白化数据的多个不同时延统计量来估计酉矩阵，最后估计出源信号。
2.根据权利要求1所述的一种俯仰向空时编码星载SAR系统回波分离方法，其特征在于，所述步骤1的第（1）步包括：
发射的信号表达式为：
在式(1)中，τ为慢时间，T为脉宽，f c 为载频，K r 为调频率，j为复数单位，rect（）为门函数，exp（）指信号的复数形式；
设天线在俯仰向有N个通道，通道间的间隔为d 0，并且参考通道为第一个俯仰向通道；参考通道接收到的信号表达式为：
在式(2)中，τ 0为子波束中点目标A至第一个俯仰向通道的双程传输延时；
第m个俯仰向通道所接收到的信号表达式为：
在式(3)中，∆τ 0,m 为从子波束中点目标A返回的回波至第一个俯仰向通道与第m个俯仰向通道的时间差，表示为：
在式(4)中，c为光速，β 0,m 为子波束中点目标A所对应的法向偏移角；
将式(4)带入式(3)中并简化，近似得到：
对多个俯仰向通道所接收到的信号进行时变加权处理，使得形成的接收波束中心时刻指向脉冲中心；为此，第m个俯仰向通道所对应的加权系数为：
其中，λ为信号波长，β(τ)表示目标对应的法向偏移角。
3.根据权利要求2所述的一种俯仰向空时编码星载SAR系统回波分离方法，其特征在于，所述步骤1的第（2）步包括：
假设距离向子带数目为k，各子带的来波方向分别为θ 1,θ 2,θ 3,...,θ k ，其发射信号表达式为： 
(7)
式(7)中，∆τ 0,k =(k-1)·T表示第k个波束相较于第一个发射波束的延时；第m个俯仰向通道的回波信号表示为：
在式(8)中，R A,k (η)表示为第k个子波束中点目标A的斜距；η为快时间；
若将上述信号采用向量的形式表示，则全部接收孔径输出信号表示为：
s r =V out ·s (9)
式(9)中，s r =[s r1,s r2,...,s rN ] T ,s=[s1,s2,...,s K ] T ,V out =[v1,v2,...,v K ]，
其中，sr1…srN表示全部接收孔径输出信号，s1…sK表示所有子波束对应的回波信号，v1…vK表示所有每个子波束对应的导向矢量；
其中，d2为发射中心相位到第二个接收通道的间距，bk为第k个子波束的法向偏移角，dN为发射中心相位到第N个接收通道的间距；
根据线性约束最小方差波束形成理论，分离第k个波束的回波信号所对应的加权系数为：
式(11)中，e k 为第k个元素为1，其余元素为0的列向量。
4.根据权利要求3所述的一种俯仰向空时编码星载SAR系统回波分离方法，其特征在于，所述步骤1的第（3）步包括：
在光滑的理想球体模型下，错误的信源位置即子波束中点目标A的星下点视角θ wrong (R c )为：
其中，地球半径为R e ，卫星轨道高度为H sa ，Rc为卫星到目标的斜距；
正确的信源位置点B的星下点视角θ true (R c ,h)被表示为：
其中，h为地形起伏高度；
由于星下点视角偏差所导致的接受增益损失表示为：
其中，c为光速。
5.根据权利要求4所述的一种俯仰向空时编码星载SAR系统回波分离方法，其特征在于，所述步骤2的第（1）步包括：
假设K个相互独立的源信号入射到M个接收单元上，各接收单元接收到的混合信号x m (t)为K个源信号在同一时刻的线性组合；混合信号模型被描述为：
x(t)=Fs(t) (20)
在式(20)中，s(t)=[s 1(t),s 2(t),...,s K (t)] T 是源信号矢量，混合信号模型为x(t)=[x 1(t),x 2(t),...,x M (t)] T ，F为M×K维的未知混合矩阵；盲源分离的目的是利用混合信号模型x(t)求解分离矩阵W，使得WF=PJ，从而源信号估计矢量被描述为：
y(t)=Wx(t)=WFs(t)=PJs(t) (21)
在式(21)中，P为置换矩阵，J为对角矩阵。
6.根据权利要求5所述的一种俯仰向空时编码星载SAR系统回波分离方法，其特征在于，所述步骤2的第（2）步包括：
（1）去均值处理：从观测信号中减去信号的均值向量，使得观测信号成为零均值向量；
（2）白化处理：
对混合信号模型x(t)白化，即通过如式(22)所示的线性变换：
z(t)=Vx(t) (22)
使得变换后的z(t)的相关矩阵满足Rz=E[z(t)z(t)H]=I；其中，矩阵V为白化矩阵，若x(t)的相关矩阵为Rx的特征值，Q为正交矩阵，其列矢量为与各特征值对应的标准正交的特征矢量；
Rz做如式(23)所示的分解：
上标H表示对矩阵进行共轭转置操作；
由式(23)求解出白化矩阵V，被表示为：
其中，
为对角元素为Rz特征值的对角矩阵；
（3）求解酉矩阵U，联合对角化：
源信号的延时协方差矩阵定义如下所示：
R s (τ)=E[S(t+τ)SH(t)] (25)
其中，S（t）表示二维矩阵；
源信号进行白化处理后的延时协方差矩阵被表示为：
Rz(τ)=E[Z(t+τ)ZH(t)] (26)
其中，Z（t）表示二维矩阵；
根据式(26)，选择一组不同的值τ 1,τ 2,...,τ p ，得到一系列延时协方差矩阵Rz(τ)，得到：
Z(t)=VX(t)=(VF)S(t)=US(t) (27)
其中，X（t）表示二维矩阵；
Rz(τ i )=UR s (τ i )UH,i=1,2,3,...,p (28)
联合对角化的程度利用式(29)衡量：
式(29)中，函数off定义为：
；
其中，mij为M矩阵的第i行第j列的元素；
（4）求解分离源信号：
计算得到最优的酉矩阵U，分离矩阵W被表示为：
W=UHV (30)
求解得到分离源信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210817955.0A CN114895260B (zh) | 2022-07-13 | 2022-07-13 | 一种俯仰向空时编码星载sar系统回波分离方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210817955.0A CN114895260B (zh) | 2022-07-13 | 2022-07-13 | 一种俯仰向空时编码星载sar系统回波分离方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114895260A CN114895260A (zh) | 2022-08-12 |
| CN114895260B true CN114895260B (zh) | 2022-10-04 |
Family
ID=82730401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210817955.0A Active CN114895260B (zh) | 2022-07-13 | 2022-07-13 | 一种俯仰向空时编码星载sar系统回波分离方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114895260B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115436942B (zh) * | 2022-09-21 | 2023-12-01 | 南京航空航天大学 | 一种提高mimo-sar俯仰向有效等效相位中心数目的方法 |
| CN115575921B (zh) * | 2022-11-28 | 2023-08-22 | 中国科学院空天信息创新研究院 | 一种基于俯仰向多通道多干扰基压制干扰抑制方法 |
| CN116054920A (zh) * | 2023-01-16 | 2023-05-02 | 上海交通大学 | 星载两通道mimo-sar gmti杂波抑制处理方法及系统 |
| CN116299467B (zh) * | 2023-05-25 | 2023-08-04 | 中国科学院空天信息创新研究院 | 基于快速独立分量分析的星载sar距离模糊抑制方法 |
| CN116520261B (zh) * | 2023-06-26 | 2023-09-08 | 中国科学院空天信息创新研究院 | 一种基于盲源分离的双基sar相位同步干扰抑制方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915911B (zh) * | 2010-08-26 | 2013-05-01 | 哈尔滨工业大学 | 基于相消积累空时谱的空间任意构型分布式sar动目标参数估计方法 |
| CN103295187B (zh) * | 2012-02-23 | 2016-06-08 | 北京师范大学 | 基于反馈机制的抗混合噪声的盲图像源分离方法 |
| US10935669B2 (en) * | 2018-04-18 | 2021-03-02 | Topcon Positioning Systems, Inc. | Using SDP relaxation for optimization of the satellites set chosen for positioning |
| CN110488293B (zh) * | 2019-08-23 | 2021-07-06 | 长沙天仪空间科技研究院有限公司 | 一种非均匀空间构型的分布式sar系统 |
| CN112612010A (zh) * | 2020-11-30 | 2021-04-06 | 中国人民解放军空军工程大学 | 一种基于波瓣分裂预处理的米波雷达低仰角测高方法 |
| CN113655478B (zh) * | 2021-07-19 | 2023-09-29 | 中国科学院空天信息创新研究院 | 一种成像方法及装置 |
-
2022
- 2022-07-13 CN CN202210817955.0A patent/CN114895260B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114895260A (zh) | 2022-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114895260B (zh) | 一种俯仰向空时编码星载sar系统回波分离方法 | |
| EP3690483B1 (en) | A method for synthesis of antenna array layouts or selection of waveform in a set of mutually incoherent apertures for radar and radio-frequency applications | |
| CN110412568B (zh) | 基于扩展方位角相位编码的距离模糊杂波抑制方法 | |
| US11525910B2 (en) | Synthetic aperture radar apparatus and methods | |
| Robey et al. | MIMO radar theory and experimental results | |
| Katkovnik et al. | High-resolution signal processing for a switch antenna array FMCW radar with a single channel receiver | |
| CN103245956B (zh) | 一种基于稳健波束形成算法的gps抗多径方法 | |
| CN108710112B (zh) | 空时编码阵列空间平滑解相干谱估计方法 | |
| CN109597041B (zh) | 基于相干fda的分段线性调频波形设计方法 | |
| CN109765521A (zh) | 一种基于子阵划分的波束域成像方法 | |
| Tabrikian et al. | Transmission diversity smoothing for multi-target localization [radar/sonar systems] | |
| CN111814096A (zh) | 基于子空间拟合的加权块稀疏恢复的mimo雷达定位算法 | |
| CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
| CN105572630A (zh) | 基于多波位联合处理的单脉冲目标doa估计方法 | |
| CN104678362A (zh) | Mimo天波超视距雷达波形优化方法 | |
| CN114509756A (zh) | 用于机载mimo sar回波分离的鲁棒自适应波束形成方法 | |
| Wang et al. | Improving the image quality of spaceborne multiple-aperture SAR under minimization of sidelobe clutter and noise | |
| CN108845298B (zh) | 基于杂波映射的自适应波束形成方法 | |
| De et al. | Angle estimation using modified subarray level monopulse ratio algorithm and s-curve in digital phased array radar | |
| Li et al. | Reduced-Dimensional 3D-STAP with Multibeam and Multichannel for Space-Based Radar | |
| Tabrikian et al. | Performance bounds and techniques for target localization using MIMO radars | |
| US11005542B2 (en) | Passive beam mechanics | |
| Liang et al. | Research and Realization of Adaptive Digital Beamforming Technology Based on Spatial Spectrum Estimation | |
| Wei et al. | Anti-jamming technique based on sampling reconstruction in parasitic spaceborne SAR system | |
| CN109752688B (zh) | 一种针对传感器阵列系统的临近信源角度差值计算方法 |
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 |