CN115453537B - 一种基于gnss信号的极化sar伪彩图合成方法 - Google Patents
一种基于gnss信号的极化sar伪彩图合成方法 Download PDFInfo
- Publication number
- CN115453537B CN115453537B CN202211247117.0A CN202211247117A CN115453537B CN 115453537 B CN115453537 B CN 115453537B CN 202211247117 A CN202211247117 A CN 202211247117A CN 115453537 B CN115453537 B CN 115453537B
- Authority
- CN
- China
- Prior art keywords
- matrix
- scattering
- scattering component
- value
- power matrix
- 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
- 238000001308 synthesis method Methods 0.000 title claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 216
- 230000010287 polarization Effects 0.000 claims abstract description 60
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 13
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 22
- 238000009825 accumulation Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 241000219307 Atriplex rosea Species 0.000 claims 1
- 241001677188 Coccus viridis Species 0.000 claims 1
- 108010014172 Factor V Proteins 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于GNSS信号的极化SAR伪彩图合成方法，属于合成孔径雷达技术领域，极化SAR伪彩图合成方法包括：实时捕获跟踪卫星的直达信号并接收回波信号；基于直达信号及回波信号，采用后向投影算法构建SAR灰度图像；根据SAR灰度图像确定输入数据矩阵；输入数据矩阵为全极化散射回波数据矩阵或对应的协方差矩阵或对应的相干矩阵；对输入数据矩阵进行极化目标分解，确定各元素的面散射分量值、二次散射分量值及体散射分量值，进而确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值；根据待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，合成高分辨率的SAR伪彩图，实现全天候观测。
Description
技术领域
本发明涉及合成孔径雷达技术领域，特别是涉及一种基于GNSS信号的极化SAR伪彩图合成方法。
背景技术
外辐射源雷达是利用非合作辐射信号作为照射源的双/多基地特种体制雷达。近二十年来，利用广播电视、通讯基站、导航和通信卫星、无线局域网络等作为照射源的外辐射源雷达逐渐发展成为新型探测技术的研究重点。早期用作外辐射源雷达的频段主要集中在米波段和分米波段，随后，基于星载辐射源的无源雷达系统逐步受到广泛关注，如地球通信卫星系统、星载雷达系统以及GNSS(GlobalNavigationSatelliteSystem，全球导航卫星系统)等，信号频段也提高到微波波段(1～30GHz)和毫米波波段(30～300GHz)。外辐射源雷达可用于目标的探测、成像、分类与识别等。
极化是电磁波的本质属性之一，是除频率、幅度、相位之外的又一维重要信息。电磁波的传播和散射都是矢量现象，而极化正是用来研究电磁波的这种矢量特征。SAR(SyntheticApertureRadar，合成孔径雷达)系统常用四种极化方式——HH、VV、HV、VH。GNSS-R(GlobalNavigationSatellite System-Reflectometry，全球卫星导航系统反射信号技术)遥感多极化，是指在GNSS发射信号极化特性固定的情况下(即右旋圆极化)，采用不同极化的接收天线接收目标物的反射信号，包括圆极化(左旋、右旋)和线极化(垂直、水平)。关于GNSS-R试验观测及建模方法的绝大多数研究已形成共识，即采用LHCP(LeftHandCircularPolarized，左旋圆极化天线)接收高仰角GNSS反射信号，通过反射率与目标物介电常数建立联系；或采用RHCP(RightHand CircularPolarized，右旋圆极化天线)接收低仰角状态下直射和反射信号的叠加信号，通过信号干涉特性与目标参数建立联系。
传统的SAR图像通过彩色密度分割的方法从幅度图中获得伪彩图，反映不同目标功率强度大小，对于极化SAR伪彩图的合成，利用目标的极化特性，可以从更多维度上分析。极化SAR伪彩图合成的两个步骤：寻找对应RGB三原色通道的数据和基于场景先验知识对RGB各通道数据进行归一化处理。将极化目标分解得到的数据对应到RGB三原色通道，反映场景目标与面目标、二面角目标和体散射目标三类典型目标的相似程度，从伪彩图上将不同的目标类型区分出来。但是传统的全极化SAR系统设计复杂度高，对天线的设计要求高。
发明内容
本发明的目的是提供一种基于GNSS信号的极化SAR伪彩图合成方法，可提高SAR伪彩图的分辨率及SAR伪彩图的合成效率，实现全天候观测。
为实现上述目的，本发明提供了如下方案：
一种基于GNSS信号的极化SAR伪彩图合成方法，包括：
实时捕获跟踪卫星的直达信号并接收回波信号；
基于所述直达信号及所述回波信号，采用后向投影算法，构建SAR灰度图像；
根据所述SAR灰度图像确定输入数据矩阵；所述输入数据矩阵为全极化散射回波数据矩阵或全极化散射回波数据矩阵对应的协方差矩阵或全极化散射回波数据矩阵对应的相干矩阵；所述全极化散射回波数据矩阵包括所述SAR灰度图像中各像素点的极化散射矩阵；
对所述输入数据矩阵进行极化目标分解，确定所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值；
根据所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值，确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值；
根据待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，确定SAR伪彩图。
可选地，所述实时捕获跟踪卫星的直达信号并接收回波信号，具体包括：
通过右旋圆极化天线接收卫星的直达信号；
通过左旋圆极化天线接收回波信号。
可选地，所述基于所述直达信号及所述回波信号，采用后向投影算法，构建SAR灰度图像，具体包括：
根据所述直达信号构建参考信号；
根据所述参考信号对所述回波信号进行距离向压缩，得到距离向压缩回波信号；
将所述距离向压缩回波信号映射到成像区域的各个像素点；
根据卫星位置、成像区域位置及接收机位置，确定所述回波信号的传播时延，得到各像素点的相关值；
根据所述直达信号的伪随机噪声码相位对所述回波信号的码相位进行补偿，确定各像素点的灰度值；
根据各像素点的相关值及灰度值，在每个方位向时刻生成一副图像；
对合成孔径时间内方位向时刻的图像进行积分，得到SAR灰度图像。
可选地，采用以下公式，得到SAR灰度图像：
其中，S(m,n)为SAR灰度图像，Tp为合成孔径时间，S(t,m,n)为方位向时刻t的图像。
可选地，采用以下公式，确定所述全极化散射回波数据矩阵对应的协方差矩阵：
其中，Ch为全极化散射回波数据矩阵对应的协方差矩阵，SHH、SHV、SVH、SVV为全极化散射回波数据矩阵中的元素，<>表示在假设随机散射介质各向同性下的统计平均，T表示转置运算。
可选地，采用以下公式，确定所述全极化散射回波数据矩阵对应的相干矩阵：
其中，Cv为全极化散射回波数据矩阵对应的相干矩阵，SHH、SHV、SVH、SVV为全极化散射回波数据矩阵中的元素，<>表示在假设随机散射介质各向同性下的统计平均，i为复数，T表示转置运算。
可选地，所述根据所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值，确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，具体包括：
根据所述输入数据矩阵中各元素的面散射分量值，确定面散射分量功率矩阵；所述面散射分量功率矩阵与RGB三原色通道的B通道对应；
根据输入数据矩阵中各元素的二次散射分量值，确定二次散射分量功率矩阵；所述二次散射分量功率矩阵与RGB三原色通道的R通道对应；
根据所述输入数据矩阵中各元素的体散射分量值，确定体散射分量功率矩阵；所述体散射分量功率矩阵与RGB三原色通道的G通道对应；
根据所述面散射分量功率矩阵及设定的累积概率门限值，确定B通道的归一化因子；
根据所述二次散射分量功率矩阵及设定的累积概率门限值，确定R通道的归一化因子；
根据所述体散射分量功率矩阵及设定的累积概率门限值，确定G通道的归一化因子；
根据B通道的归一化因子、R通道的归一化因子及G通道的归一化因子，确定最优归一化因子；
根据所述最优归一化因子，分别对所述面散射分量功率矩阵、所述二次散射分量功率矩阵及所述体散射分量功率矩阵中的元素进行归一化处理，得到B通道归一化散射功率矩阵、R通道归一化散射功率矩阵及G通道归一化散射功率矩阵；所述B通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的蓝色比例值；所述R通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的红色比例值；所述G通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的绿色比例值。
可选地，所述B通道的归一化因子为所述面散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值；
所述R通道的归一化因子为所述二次散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值；
所述G通道的归一化因子为所述体散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值。
可选地，所述根据所述最优归一化因子，分别对所述面散射分量功率矩阵、所述二次散射分量功率矩阵及所述体散射分量功率矩阵中的元素进行归一化处理，得到B通道归一化散射功率矩阵、R通道归一化散射功率矩阵及G通道归一化散射功率矩阵，具体包括：
将所述面散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换面散射分量功率矩阵；
将所述二次散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换二次散射分量功率矩阵；
将所述体散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换体散射分量功率矩阵；
将所述置换面散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到B通道归一化散射功率矩阵；
将所述置换二次散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到R通道归一化散射功率矩阵；
将所述置换体散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到G通道归一化散射功率矩阵。
根据本发明提供的具体实施例，本发明公开了以下技术效果：实时捕获跟踪卫星的直达信号并接收回波信号，基于直达信号及回波信号采用后向投影算法构建SAR灰度图像，根据SAR灰度图像确定输入数据矩阵，对输入数据矩阵进行极化目标分解，确定矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值；根据各元素的面散射分量值、二次散射分量值及体散射分量值，确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，最后根据待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，合成SAR伪彩图。利用GNSS信号作为信号源，采用合成孔径技术进行目标的探测，合成的SAR伪彩图的分辨率及合成效率较高，能够实现全天候观测。
附图说明
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，下面将对实施例中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于GNSS信号的极化SAR伪彩图合成方法的流程图；
图2为GNSS数据采集过程的示意图；
图3为全极化SAR伪彩图合成过程的示意图；
图4为GNSS信号接收处理成像一体化流程图。
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。
本发明的目的是提供一种基于GNSS信号的极化SAR伪彩图合成方法，利用GNSS信号作为信号源，采用合成孔径技术进行目标的探测，合成的SAR伪彩图的分辨率及合成效率较高，能够实现全天候观测。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的基于GNSS信号的极化SAR伪彩图合成方法包括：
S1：实时捕获跟踪卫星的直达信号并接收回波信号。具体地，通过右旋圆极化天线接收卫星的直达信号。通过左旋圆极化天线接收回波信号。
在本实施例中，直达波采用导航系统通用的GNSS全频点右旋圆极化低增益微带天线接收，天线增益为3dBi，实现直达信号的捕获、跟踪、定位及与回波信号的同步。回波信号经过目标的反/散射，接收到回波信号的功率相比直达波通道要低得多，且极化特性发生变化。因此，通常采用高增益的4阵元左旋圆极化微带天线阵列进行接收，增益为13dBi，其半波束宽度为19°。如图2所示，直达/回波天线接收到信号后，经过两个物理通道输入到采集系统，首先下变频至基带，经低通滤波器和低噪声放大器(增益为35dB)，分解为I/Q两路正交信号。
S2：基于所述直达信号及所述回波信号，采用后向投影算法，构建SAR灰度图像。
具体地，对GNSS信号的接收处理包括捕获、跟踪、定位等步骤，从而获取准确的码相位、载波相位、载波频率和定位结果，将导航信号按照SAR信号体制建立重构信号，与回波信号进行后向投影成像处理，合成SAR灰度图像。
S3：根据所述SAR灰度图像确定输入数据矩阵。所述输入数据矩阵为全极化散射回波数据矩阵或全极化散射回波数据矩阵对应的协方差矩阵或全极化散射回波数据矩阵对应的相干矩阵。所述全极化散射回波数据矩阵包括所述SAR灰度图像中各像素点的极化散射矩阵。具体地，提取所述SAR灰度图像中各像素点的极化散射矩阵，得到全极化散射回波数据矩阵，并确定所述全极化散射回波数据矩阵对应的协方差矩阵及相干矩阵。
S4：对所述输入数据矩阵进行极化目标分解，确定所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值。
具体地，利用Pauli分解(相干)或Freeman分解(非相干)等极化目标分解方法对输入数据矩阵(全极化散射回波数据矩阵或全极化散射回波数据矩阵对应的协方差矩阵或相干矩阵)进行极化目标分解，得到每个像素(元素)的面散射分量值、二次散射分量值及体散射分量值。
S5：根据所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值，确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值。
S6：根据待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，确定SAR伪彩图。
进一步地，步骤S2具体包括：
S21：根据所述直达信号构建参考信号。
具体地，根据直达信号的捕获跟踪结果构建零初相的参考信号h：
其中，RB(t)为导航卫星到接收机的瞬时斜距，根据导航卫星、像素点和接收机三点的几何关系计算得到，C(τ)为伪随机码。
S22：根据所述参考信号对所述回波信号进行距离向压缩，得到距离向压缩回波信号。
具体地，GNSS-RSAR回波信号的表达式为:
其中，sr(t,τ)为回波信号，t为方位向时间，也称作慢时间，τ为距离向时间，也称为快时间，w(t)为回波信号在方位向的矩形包络，C(τ)为伪随机码，c为光速，R(t)为总斜距，fc为导航信号的载波中心频率。
传统合成孔径雷达的信号形式为线性调频信号，通过构造距离向匹配滤波器实现距离向压缩。由于导航卫星信号的测距码具有良好的自相关特性，在GNSS-RSAR的BP(BackProjection，后向投影)成像算法中，距离向压缩通过将成像区域回波信号与参考信号自相关完成。经距离向自相关后的回波信号s(t,τ)为：
其中，P(τ)为伪随机码的自相关函数。
距离向压缩通过匹配滤波方法实现，对回波信号进行同步处理之后，可以得到距离向压缩后的信号F(t,τ)：
S23：将所述距离向压缩回波信号映射到成像区域的各个像素点。即网格化后各个网格的中心点。
S24：根据卫星位置、成像区域位置及接收机位置，确定所述回波信号的传播时延，得到各像素点的相关值。具体地，在确定的方位向时刻，导航卫星、像素点和接收机的位置是已知项，可根据信号传播距离计算传播时延，得到各像素点的相关值。
S25：根据所述直达信号的伪随机噪声码相位对所述回波信号的码相位进行补偿，确定各像素点的灰度值。
如果直接对距离向自相关后的回波信号进行方位向傅里叶变换，则距离向与方位向的耦合使距离向压缩信号出现散焦现象。在基于chirp信号的合成孔径雷达中，通常引入二次距离压缩因子进行距离徙动校正，用于重新聚焦。但是导航信号调制了无显式表达式的伪随机码，距离向与方位向耦合的形式与传统合成孔径雷达不同，二次距离压缩滤波器的解析式难以获得。
因此，在方位时域以直达天线的相位中心为参考，通过直达信号和回波场景中的距离徙动量进行对消来实现校正。
具体地，根据卫星位置、成像区域位置、接收机位置计算导航卫星直达信号与回波信号传输的时延差，补偿该时延差即可得到导航卫星同一时刻发出的直达信号及其回波信号。具体的实现方法为：使用同一时刻卫星发出的直达信号的伪随机噪声码相位对回波信号传播时延产生的码相位进行补偿，对斜距变化的线性项及高阶项进行修正，消除距离向与方位向耦合引起的距离向信号散焦。多普勒相位补偿后的距离向压缩结果作为像素点的灰度值。
S26：根据各像素点的相关值及灰度值，在每个方位向时刻生成一副图像：
S(t,m,n)＝F(t,τmn(t))·h(t,m,n)；
其中，τmn(t)为成像区域像素点(m,n)对应的时延值，h(t,m,n)为像素点(m,n)对应的参考信号。
S27：对合成孔径时间内方位向时刻的图像进行积分，得到SAR灰度图像。具体地，采用以下公式，得到SAR灰度图像：
其中，S(m,n)为SAR灰度图像，Tp为合成孔径时间，S(t,m,n)为方位向时刻t的图像。
进一步地，步骤S3中，利用极化合成孔径雷达获取全极化散射回波数据矩阵。对于一般的圆极化入射波，散射场为：
其中，分别表示入射场的左旋分量和右旋分量，/>分别表示散射场的左旋分量和右旋分量，/>为散射矩阵。
圆极化波的散射矩阵表示为线极化波的散射矩阵表示为二者的转换关系为：
其中，下标表示天线的极化状态，j表示发射天线的极化状态，i表示接收天线的极化状态。
在本实施例中，全极化散射回波数据矩阵S是经过极化定标后的回波数据矩阵，且在全极化散射回波数据矩阵S中，SHH，SHV，SVH和SVV对应雷达观测场景中的同一散射点，保证了SHH，SHV，SVH和SVV之间的相关性。采用以下公式，得到全极化散射回波数据矩阵S对应的协方差矩阵Ch：
其中，SHH、SHV、SVH、SVV为全极化散射回波数据矩阵中的元素，T表示转置运算，<>表示在假设随机散射介质各向同性下的统计平均。
采用以下公式，确定所述全极化散射回波数据矩阵对应的相干矩阵Cv：
其中，SHH、SHV、SVH、SVV为全极化散射回波数据矩阵中的元素，i为复数，T表示转置运算。
在通常情况下，无法直接得到协方差矩阵或相干矩阵的统计平均值，可以利用空间样本平均代替统计平均。一般以待估计像素为中心选取3×3窗口内的像素进行空间样本平均，窗口大小可根据实际情况调节。
进一步地，步骤S5具体包括：
S51：根据所述输入数据矩阵中各元素的面散射分量值，确定面散射分量功率矩阵。所述面散射分量功率矩阵与RGB三原色通道的B通道对应。
S52：根据所述输入数据矩阵中各元素的二次散射分量值，确定二次散射分量功率矩阵。所述二次散射分量功率矩阵与RGB三原色通道的R通道对应。
S53：根据所述输入数据矩阵中各元素的体散射分量值，确定体散射分量功率矩阵。所述体散射分量功率矩阵与RGB三原色通道的G通道对应。
S54：根据所述面散射分量功率矩阵及设定的累积概率门限值，确定B通道的归一化因子。所述B通道的归一化因子为所述面散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值。
S55：根据所述二次散射分量功率矩阵及设定的累积概率门限值，确定R通道的归一化因子。所述R通道的归一化因子为所述二次散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值。
S56：根据所述体散射分量功率矩阵及设定的累积概率门限值，确定G通道的归一化因子。所述G通道的归一化因子为所述体散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值。累积概率门限值一般可取值0.97～1。在本实施例中累积概率门限值取0.99。
采用直方图统计的方法，分别得到面散射分量功率矩阵中元素的概率密度函数fB(x)、二次散射分量功率矩阵中元素的概率密度函数fR(x)、以及体散射分量功率矩阵中元素的概率密度函数fG(x)，x的取值是统计直方图各区间的中心值。
具体地，采用以下公式计算B通道的归一化因子VB，R通道的归一化因子VR和G通道的归一化因子VG：
其中，xi表示统计直方图中第i个区间的中心值，n为统计直方图中的区间总数，F为累积概率门限值。
S57：根据B通道的归一化因子VB、R通道的归一化因子VR及G通道的归一化因子VG，确定最优归一化因子V。
在通常情况下，为了保持RGB三原色通道的各通道间的极化散射关系，RGB三原色通道的各通道数据不能以各自的归一化因子对自身进行归一化处理，应该使各通道数据按同一个归一化因子进行归一化处理，因此采用公式V＝medium(VR，VG，VB)确定最优归一化因子V，medium()表示取中值。进而避免了因交叉极化功率太小引起的伪彩图合成质量变差的问题。
S58：根据所述最优归一化因子，分别对所述面散射分量功率矩阵、所述二次散射分量功率矩阵及所述体散射分量功率矩阵中的元素进行归一化处理，得到B通道归一化散射功率矩阵、R通道归一化散射功率矩阵及G通道归一化散射功率矩阵。所述B通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的蓝色比例值。所述R通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的红色比例值。所述G通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的绿色比例值。
具体地，将所述面散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换面散射分量功率矩阵。将所述二次散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换二次散射分量功率矩阵。将所述体散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换体散射分量功率矩阵。使得归一化过程中，避免极少数元素值很大的像素(如斑点噪声等)影响伪彩色合成图像的整体效果。
将所述置换面散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到B通道归一化散射功率矩阵。将所述置换二次散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到R通道归一化散射功率矩阵。将所述置换体散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到G通道归一化散射功率矩阵。因此，RGB三原色通道的每个通道对应的归一化散射功率矩阵中各元素的取值范围是[0,1]。如图3所示为全极化SAR伪彩图合成过程的示意图，图4所示为GNSS信号接收处理成像一体化流程图。
本发明对卫星导航信号圆极化波进行极化接收处理，利用GNSS信号的圆极化波合成极化SAR伪彩色图像，提取目标极化特征信息，SAR图像合成方法简单，利用GNSS信号作为信号源，可实施全天候观测，并且利用合成孔径技术进行目标的探测，合成的SAR伪彩色图像分辨率高，探测效果好。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，所述基于GNSS信号的极化SAR伪彩图合成方法包括：
实时捕获跟踪卫星的直达信号并接收回波信号；
基于所述直达信号及所述回波信号，采用后向投影算法，构建SAR灰度图像；
根据所述SAR灰度图像确定输入数据矩阵；所述输入数据矩阵为全极化散射回波数据矩阵或全极化散射回波数据矩阵对应的协方差矩阵或全极化散射回波数据矩阵对应的相干矩阵；所述全极化散射回波数据矩阵包括所述SAR灰度图像中各像素点的极化散射矩阵；
对所述输入数据矩阵进行极化目标分解，确定所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值；
根据所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值，确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值；
根据待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，确定SAR伪彩图；
其中，基于所述直达信号及所述回波信号，采用后向投影算法，构建SAR灰度图像具体包括：
根据所述直达信号构建参考信号；
根据所述参考信号对所述回波信号进行距离向压缩，得到距离向压缩回波信号；
将所述距离向压缩回波信号映射到成像区域的各个像素点；
根据卫星位置、成像区域位置及接收机位置，确定所述回波信号的传播时延，得到各像素点的相关值；
根据所述直达信号的伪随机噪声码相位对所述回波信号的码相位进行补偿，确定各像素点的灰度值；
根据各像素点的相关值及灰度值，在每个方位向时刻生成一副图像；
对合成孔径时间内方位向时刻的图像进行积分，得到SAR灰度图像：
其中，S(m,n)为SAR灰度图像，Tp为合成孔径时间，S(t,m,n)为方位向时刻t的图像。
2.根据权利要求1所述的基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，所述实时捕获跟踪卫星的直达信号并接收回波信号，具体包括：
通过右旋圆极化天线接收卫星的直达信号；
通过左旋圆极化天线接收回波信号。
3.根据权利要求1所述的基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，采用以下公式，确定所述全极化散射回波数据矩阵对应的协方差矩阵：
其中，Ch为全极化散射回波数据矩阵对应的协方差矩阵，SHH、SHV、SVH、SVV为全极化散射回波数据矩阵中的元素，<>表示在假设随机散射介质各向同性下的统计平均，T表示转置运算。
4.根据权利要求1所述的基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，采用以下公式，确定所述全极化散射回波数据矩阵对应的相干矩阵：
其中，Cv为全极化散射回波数据矩阵对应的相干矩阵，SHH、SHV、SVH、SVV为全极化散射回波数据矩阵中的元素，<>表示在假设随机散射介质各向同性下的统计平均，i为复数，T表示转置运算。
5.根据权利要求1所述的基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，所述根据所述输入数据矩阵中各元素的面散射分量值、二次散射分量值及体散射分量值，确定待合成彩图中各像素的蓝色比例值、绿色比例值及红色比例值，具体包括：
根据所述输入数据矩阵中各元素的面散射分量值，确定面散射分量功率矩阵；所述面散射分量功率矩阵与RGB三原色通道的B通道对应；
根据输入数据矩阵中各元素的二次散射分量值，确定二次散射分量功率矩阵；所述二次散射分量功率矩阵与RGB三原色通道的R通道对应；
根据所述输入数据矩阵中各元素的体散射分量值，确定体散射分量功率矩阵；所述体散射分量功率矩阵与RGB三原色通道的G通道对应；
根据所述面散射分量功率矩阵及设定的累积概率门限值，确定B通道的归一化因子；
根据所述二次散射分量功率矩阵及设定的累积概率门限值，确定R通道的归一化因子；
根据所述体散射分量功率矩阵及设定的累积概率门限值，确定G通道的归一化因子；
根据B通道的归一化因子、R通道的归一化因子及G通道的归一化因子，确定最优归一化因子；
根据所述最优归一化因子，分别对所述面散射分量功率矩阵、所述二次散射分量功率矩阵及所述体散射分量功率矩阵中的元素进行归一化处理，得到B通道归一化散射功率矩阵、R通道归一化散射功率矩阵及G通道归一化散射功率矩阵；所述B通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的蓝色比例值；所述R通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的红色比例值；所述G通道归一化散射功率矩阵中的各元素值为待合成彩图中各像素的绿色比例值。
6.根据权利要求5所述的基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，所述B通道的归一化因子为所述面散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值；
所述R通道的归一化因子为所述二次散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值；
所述G通道的归一化因子为所述体散射分量功率矩阵中元素累计概率大于累计概率门限值的元素的最小值。
7.根据权利要求5所述的基于GNSS信号的极化SAR伪彩图合成方法，其特征在于，所述根据所述最优归一化因子，分别对所述面散射分量功率矩阵、所述二次散射分量功率矩阵及所述体散射分量功率矩阵中的元素进行归一化处理，得到B通道归一化散射功率矩阵、R通道归一化散射功率矩阵及G通道归一化散射功率矩阵，具体包括：
将所述面散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换面散射分量功率矩阵；
将所述二次散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换二次散射分量功率矩阵；
将所述体散射分量功率矩阵中元素值大于所述最优归一化因子的元素值置换为所述最优归一化因子，得到置换体散射分量功率矩阵；
将所述置换面散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到B通道归一化散射功率矩阵；
将所述置换二次散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到R通道归一化散射功率矩阵；
将所述置换体散射分量功率矩阵中的各元素值除以所述最优归一化因子，得到G通道归一化散射功率矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211247117.0A CN115453537B (zh) | 2022-10-12 | 2022-10-12 | 一种基于gnss信号的极化sar伪彩图合成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211247117.0A CN115453537B (zh) | 2022-10-12 | 2022-10-12 | 一种基于gnss信号的极化sar伪彩图合成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115453537A CN115453537A (zh) | 2022-12-09 |
| CN115453537B true CN115453537B (zh) | 2024-05-03 |
Family
ID=84308152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211247117.0A Active CN115453537B (zh) | 2022-10-12 | 2022-10-12 | 一种基于gnss信号的极化sar伪彩图合成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115453537B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109917377A (zh) * | 2018-07-30 | 2019-06-21 | 北京信息科技大学 | 一种基于传统高频电磁散射理论的gnss-sar成像仿真模型 |
| CN111007511A (zh) * | 2019-12-24 | 2020-04-14 | 北京理工大学 | 基于导航卫星的合成孔径雷达数据实时预处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2914880T3 (es) * | 2017-09-29 | 2022-06-17 | Saab Ab | Procedimiento para determinar la línea base para una apertura sintética de un SAR usando GNSS |
-
2022
- 2022-10-12 CN CN202211247117.0A patent/CN115453537B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109917377A (zh) * | 2018-07-30 | 2019-06-21 | 北京信息科技大学 | 一种基于传统高频电磁散射理论的gnss-sar成像仿真模型 |
| CN111007511A (zh) * | 2019-12-24 | 2020-04-14 | 北京理工大学 | 基于导航卫星的合成孔径雷达数据实时预处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| An Improved Back-Projection Algorithm for GNSS-R BSAR Imaging Based on CPU and GPU Platform;Wu, Shiyu等;REMOTE SENSING;20210621;全文 * |
| 基于FPGA的GNSS外辐射源合成孔径雷达成像算法设计与实现;王荣耀;曾张帆;刘文超;周艳玲;潘永才;;计算机测量与控制;20180725(第07期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115453537A (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yoon et al. | Compressed sensing technique for high-resolution radar imaging | |
| US9395437B2 (en) | Moving multi-polarization multi-transmitter/receiver ground penetrating radar system and signal processing for buried target detection | |
| Vu et al. | RFI suppression in ultrawideband SAR using an adaptive line enhancer | |
| Ma et al. | Angle estimation of extended targets in main-lobe interference with polarization filtering | |
| CN114910934B (zh) | 基于星载gnss-r/s一体化接收的海面矢量风场反演系统及方法 | |
| CN113608216B (zh) | 一种星载多波段共口径sar及目标联合在轨检测系统及方法 | |
| US8232915B2 (en) | Three quarter spatially variant apodization | |
| Cristofani et al. | A multibeam opportunistic SAR system | |
| CN115453537B (zh) | 一种基于gnss信号的极化sar伪彩图合成方法 | |
| CN105974413B (zh) | 多基地外辐射源雷达成像系统的自聚焦方法 | |
| CN112630744A (zh) | 一种多相参积累方法融合的海上小目标检测方法及系统 | |
| Stacy et al. | The DSTO Ingara airbone X-Band SAR polarimetric upgrade: first results | |
| Doerry | Introduction to synthetic aperture radar | |
| CN113156437B (zh) | 一种高轨sar对低轨sar成像的射频干扰影响评估方法 | |
| Purnamasari et al. | Compressive sampling of polarimetric Doppler weather radar processing via inverse fast Fourier transform | |
| CN114325560A (zh) | 波束扫描雷达超分辨目标测向方法 | |
| Bayat et al. | Target detection by passive coherent FM based bistatic radar | |
| Zhao et al. | A novel method of ship detection by combining space-borne SAR and GNSS-R | |
| Bollian et al. | MVDR Beamforming for RFI Suppression in EcoSAR data | |
| Liu et al. | Millimeter Wave Radar Azimuth Super-Resolution Method Based on Multi-Frame Reconstruction | |
| Yang et al. | First assessment of Noise-Equivalent Sigma-Zero in GF3-02 TOPSAR mode with sea surface wind speed retrieval | |
| CN115657035B (zh) | 一种基于星间协作的极化合成孔径雷达成像方法及设备 | |
| CN115728760B (zh) | 基于张量化散射信息的海面风浪流星载无源探测方法 | |
| CN116626629B (zh) | 一种星载斜视sar系统模糊综合性能评估方法 | |
| Narayanan et al. | Implementation of fully polarimetric random noise radar |
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 |